AWS, 멀티모달 바이오 파운데이션 모델(BioFMs) 활용 가이드 공개… 진단 4-7%p·심혈관 92.74% AUC 93.21·재입원 76% 정확도
AWS가 멀티모달 바이오 파운데이션 모델(BioFMs)을 신약 개발과 환자 케어에 적용하는 가이드를 공개했다. AWS는 생물학 데이터·모델 개발·확장형 컴퓨트·파트너 도구를 한곳에서 제공하는 통합 환경을 강조하며, 단편적 데이터에 의존하던 의사결정의 한계를 극복할 수 있다고 설명했다.
BioFMs는 대규모 생물학 데이터로 사전학습된 AI 모델로, 신약 개발과 임상 영역에서 활용된다. Delile et al. 2025 연구에 따르면 활용 분야 비중은 단백질 구조·분자 설계 약 20%, DNA·후성유전·RNA 등 오믹스 데이터 분석 약 30%, 의료 영상 15%, 임상 문서화 약 35%다. 단일 모달 BioFM 중 단백질 구조 예측은 2024년 노벨화학상으로 이어진 분야이기도 하다.
AWS는 주요 멀티모달 BioFM 예시로 7가지를 들었다. 라텐트랩스(Latent Labs)의 Latent-X1·Latent-X2는 단백질 3D 구조 예측을 넘어 항체·매크로사이클릭 펩타이드·미니단백질 같은 신규 바인더를 생성한다. 아크 인스티튜트(Arc Institute)의 Evo 2는 DNA·RNA·단백질의 구조와 기능을 해석하고, 인실리코 메디슨(Insilico Medicine)의 Nach01은 자연어·화학 지식·3D 분자 구조를 통합한다.
이외에도 바이옵티무스(Bioptimus)의 M-Optimus는 조직병리와 임상 데이터를 결합하고, 하버드와 아스트라제네카(AstraZeneca)의 MADRIGAL은 구조·경로·세포 생존성·전사체 데이터를 통합해 약물 병용 임상 결과를 예측한다. 존 스노우 랩(John Snow Lab)의 Medical VLM-24B는 임상 노트·검사 보고서·X-ray·MRI·CT 영상을 함께 처리하며, GEHC는 3D MRI 파운데이션 모델을 제공한다. 범용 모델인 아마존 노바 2 옴니(Amazon Nova 2 Omni)는 텍스트·이미지·비디오·음성 입력을 처리하고 텍스트·이미지를 생성한다.
다양한 생물학 데이터를 결합할 때의 성능 향상은 정량적으로 입증되고 있다. 게놈·영상·임상 데이터를 통합한 모델은 알츠하이머·뇌암 등 진단에서 단일 모달 대비 평균 4~7%p의 AUC 개선을 보였다(Sun et al. 2024). 검사 데이터·환자 운동 지표·임상 노트를 결합한 환자 스크리닝 모델은 심혈관 위험 예측에서 92.74% 정확도와 93.21 AUC를 기록했다(Guo and Wu, 2025).
임상 운영 측면에서도 효과가 보고된다. 검사 결과·약물·임상 노트·퇴원 요약 등을 통합한 모델은 30일 내 재입원 위험을 76% 정확도로 예측해 병원당 연 약 340만 달러의 순절감을 가져온 사례가 있다(Golas et al. 2018). 또한 웨어러블과 환자 건강 데이터를 결합한 모델은 당뇨·심장질환 진단에서 96~97% 정확도로 표적 신호를 추출해 P4 의료(예측·예방·맞춤·참여)를 뒷받침한다(Mansour et al. 2021).
주요 바이오제약 기업들도 BioFMs 도입을 확대하고 있다. 머크(Merck)와 노보 노디스크(Novo Nordisk)는 생물학 데이터, 아스트라제네카는 게놈, 바이엘(Bayer)은 병리, 로슈(Roche)는 임상 데이터에 BioFMs를 활용한다. AWS에 따르면 이러한 모델은 신약 개발에서 최대 50%의 비용·시간 절감, 의료 영상 진단에서 최대 90%의 시간 절감을 가져올 수 있다.
심층 사례로 AWS는 신약 개발과 임상 개발 두 분야를 제시했다. 신약 개발에서는 다영역 표적과 비연속 에피토프를 다루는 데 한계가 있던 기존 3D 구조 예측을 넘어, 설계-제조-시험-분석(DMTA) 루프에 구조·계산·생물물리 데이터를 통합한다. 크라이오 전자현미경(Cryo-EM) 구조 데이터에 iPTM·iPAE·RMSD 같은 계산 지표를 결합하고, 용량-반응 곡선·BLI·ELISA 같은 생물물리 측정으로 검증해 신약 개발 속도와 위험을 줄인다. 오나바(Onava)의 'AI-인간-습식 실험실' 루프가 그 예로, 생성형 AI 단백질 신규 설계와 신속 실험 검증을 결합한다.