바이오 기술이 국가 안보 자산으로 부상하면서 전 세계적으로 바이오파운드리 인프라 구축을 위한 총력전이 벌어지고 있지만 국내는 아직 걸음마 단계라는 점에서 대책이 시급하다는 지적이다.

이에 따라 세제 혜택 등 민간 인프라 구축을 위한 정책적 지원과 더불어 인공지능(AI)를 접목하기 위한 유인책이 필요하다는 의견이 나오고 있다.

17일 한국바이오협외와 한국바이오경제연구센터는 '바이오파운드리 AI 활용 활성화를 위한 정책제안' 보고서를 내고 이에 대한 정책적 지원을 촉구했다.

실제로 최근 바이오산업에서누는 차세대 핵심 인프라로 '바이오파운드리'가 급부상하고 있다. 바이오파운드리는 '설계·제작·시험·학습'으로 이어지는 과정을 자동화한 실험(DBTL) 시스템. 이 시스템이 성공적으로 안착하기 위해선 단순한 시설 구축을 넘어 AI와 데이터 활용을 촉진하는 유인책이 필수적이라는 것이 업계의 진단이다.

정부가 인프라를 깔아주는 공급 위주의 정책에서 벗어나, 기업들이 실제로 데이터를 공유하고 활용하게 만드는 '수요 중심' 정책으로 전환해야 한다는 요구다.

구체적으로 보고서는 바이오 제조 공정에 4차 산업혁명 기술을 접목한 'Pharma 4.0' 시대가 도래했다고 진단했다. 이에 따라 합성생물학 연구 속도·효율을 극대화하는 바이오파운드리의 중요성이 커졌다는 설명이다.

여기서 핵심은 AI다. 보고서가 인용한 롤랜드버거의 2024년 분석을 보면 AI 도입은 단순한 기술 적용을 넘어 수익 구조를 뜯어고치는 수준이다. AI 도입 시 비전 기반 품질 관리로 인건비를 10~30% 줄일 수 있고, 기계 파라미터 최적화로 원자재 폐기물을 최소화해 재료비도 5~15% 아낄 수 있다는 분석이다.

여기에 예지 보전으로 설비 가동 중단을 막아 유지보수 효율을 40%까지 끌어올리고 에너지 사용량도 최대 30% 줄일 수 있다는 것. 결과적으로 기업은 매출이 최대 25%까지 늘어나는 효과를 얻을 수 있다는 진단이다.

속도가 생명인 제약 산업 특성상 '시장 출시 기간' 단축 효과도 크다. AI는 신약 후보 물질 발굴부터 임상 설계 단계의 시행착오를 줄여주고, 제조 단계에선 수요 예측과 재고 관리를 지능화해 생산 지연을 원천 차단한다. 상용화 단계 역시 전반적으로 효율화돼 신약 출시 기간을 10%까지 앞당길 수 있다.

이에 따라 해외 주요국들은 바이오파운드리 AI 도입에 속도를 내고 있다. 미국의 경우 '징코 바이오웍스(Ginkgo Bioworks)' 등 민간 기업이 로봇과 AI를 융합해 고속 대량 실험을 주도하고 있다. 중국은 정부의 막대한 투자를 등에 업고 텐진 등에 대규모 클러스터를 구축했으며, 영국은 분산형 네트워크를 통해 지역 혁신을 꾀하고 있다.

반면 한국은 걸음마 단계라는 평가가 나온다. 정부 주도로 1260억 원 규모의 바이오파운드리 인프라 구축 사업이 시작됐지만, 산업계의 실질적 활용은 아직 미미한 수준이다. 삼성바이오로직스와 CJ제일제당이 AI로 업무 자동화 및 공정 최적화를 시도하는 등 일부 대기업의 움직임은 있지만, 생태계 전반으로 확산하기엔 갈 길이 멀다는 평가다.

이에 보고서는 바이오파운드리 활성화를 위해 '데이터 인센티브'가 필요하다고 봤다. 바이오파운드리에서의 AI 성능은 데이터가 축적돼야 올라가는데, 기업들이 기밀 유출 우려 등으로 데이터 공유를 꺼린다는 이유에서다. 실험·공정 데이터를 국가 플랫폼에 제공하는 기업이나 연구자에게 R&D 가점이나 세제 혜택을 줘 자발적인 참여를 유도해야 한다는 것.

초기 시장 창출을 위한 '공공조달' 필요성도 강조했다. 바이오파운드리 기반 제품은 레퍼런스가 부족해 민간 시장 진입이 어려운 만큼, 정부가 우선 구매 제도를 통해 마중물 역할을 해야 한다는 요구다.

이 밖에 ▲합성생물학 특화 AI 적용을 위한 규제 샌드박스 도입 ▲국내 데이터 표준화 및 국제 표준 선점 노력 ▲바이오와 AI를 아우르는 융합형 인재 양성 등을 주요 과제로 꼽았다.

연구진은 "AI 기술이 바이오 제조의 패러다임을 바꾸고 있다. 국내 바이오파운드리가 하드웨어 구축 단계를 넘어 소프트웨어 경쟁력을 확보하려면 양질의 데이터 축적이 선행돼야 한다"며 "정부 정책이 단순한 인프라 공급에서 벗어나 데이터와 AI 수요를 창출하는 방향으로 대전환해야 할 시점"이라고 강조했다.

바이오파운드리와 의료 AI의 연계를 통한 효율성 제고 기대감도 나온다. 관련 시스템에서 의료 AI가 직접적인 생산성 향상에 도움을 주는 것은 아니지만, 만들어진 후보물질이 임상으로 넘어가 실제 약이 될 수 있는지를 검증·설명하는 데 강점이 있는 덕분이다.

▲환자 세분화 ▲바이오마커 및 동반 진단 개발 ▲임상시험 설계·모니터링 ▲규제기관 설득을 위한 정량적 근거 제시 등에 의료 AI가 기여할 수 있는 것.

다만 바이오파운드리와 의료 AI가 연계되기 위한 데이터 규제 해소 필요성은 나온다. 바이오파운드리 자체는 의료 AI와 직접적인 데이터 연계를 요구하지 않지만, 신약후보물질이 임상 단계로 넘어가는 과정에서는 의료 데이터 활용이 불가피해지기 때문이다. 이 과정에서 의료 AI 산업은 개인정보 보호, 비식별화 기준의 불명확성 등으로 인해 애로를 겪고 있다는 것.

이와 관련 의료 AI 업계 한 관계자는 "의료 AI는 바이오파운드리의 주요 공정을 가속화한다기 보다는, 임상 실패 확률을 낮추고 신약 개발의 성공 가능성을 높이는 데 기여할 수 있다"며 "추후 의료 AI 사업의 방향성과 부합하는 바이오파운드리 인프라 구축 사업 및 데이터 표준화 작업 프로젝트가 있다면 다방면으로 참여 여부를 검토할 수 있다"고 말했다.

이어 "다만 신약후보물질이 임상 단계로 넘어가는 과정에서 의료 데이터 활용이 불가피한데, 병원 데이터의 목적 외 이용 제한과 데이터 이동 및 공유 등 데이터 규제가 있다"며 "현재로선 구체적으로 관련 사업에 참여 여부를 말할 수 있는 단계는 아니다"라고 전했다.