제너레이트 바이오메디슨스 Morgan Stanley 24th Annual Global Healthcare Conference

감사합니다, 션. 감사합니다.

네, 션. 중국은 다양한 치료법과 치료 타깃에서 탁월한 결과를 얻기 위해 강력한 추진력을 보여주었고, 이는 기적에 가깝다고 생각합니다. 저희에게는 혁신의 최전선을 얼마나 밀고 나갈지 매우 신중하게 고민하게 만드는 요인이 되었습니다. 왜냐하면 충분히 앞서 나가지 않으면 중국이 빠르게 모방할 수 있기 때문입니다. 단순한 모방에 그치지 않을 것이라고 생각합니다. 중국은 자체적인 혁신의 최전선도 계속해서 확장해 나갈 것입니다. 저희는 머신러닝 기반 플랫폼을 활용해 더 복잡한 치료 질문에 대한 해답을 찾는 데 집중하고자 노력하고 있습니다. TSLP 프로그램은 주로 친화도 성숙화 프로그램으로, TEZSPIRE와 같은 분자의 친화도를 약 20배 향상시켰습니다.

중국은 이제 이런 수준의 해답을 도출할 수 있습니다. 저희는 이제 어떤 복잡한 생물학적 기능이 단순한 힘으로 해결하기 어려운지에 대해 질문을 던지기 시작했습니다. pH 의존적 결합, 초고선택성 등 복잡한 생물학적 질문에 답할 수 있는 요소들을 결합하는 것이 저희 발견 과정의 진화라고 할 수 있습니다.

약물 발견의 리드 타임이 AI의 최신 기술 수준을 가리고 있다고 생각합니다. 저희의 경우, 5년 전에 발견된 항-TSLP 분자를 언급했는데, 이는 ChatGPT가 처음 출시되기 이전 모델을 기반으로 한 것입니다.

이러한 생성적 접근법의 최신 기술 수준은 대형 언어 모델에서 본 것과 비슷한 속도로 발전해 왔습니다. 처음에는 이러한 접근법으로 결합과 관련된 단순한 문제를 해결했지만, 이제는 매우 복잡한 생물학적 기능도 다룰 수 있게 되었습니다. 우리가 얻는 답변과 그 답변을 얻는 속도는 약물 발견에서 지금까지 본 어떤 것과도 확연히 구별됩니다. 따라서 AI가 모든 약물 발견과 개발의 만병통치약은 아니라는 점을 분명히 하는 것이 중요하다고 생각합니다. 가치 사슬의 일부 영역은 아마도 더 큰 변화를 겪을 가능성이 높으며, 현재로서는 분자 생성이 그 최전선에 있다고 믿고 있습니다.

임상 개발 측면에서는 시스템 내 낭비를 줄이는 데 있어 매우 흥미로운 활용 사례가 있을 것이라고 생각합니다. 하지만 생물학의 복잡성은 매우 크기 때문에 AI가 단기간 내에 생물학을 완전히 해결하지는 못할 것입니다. 그러나 가치 사슬의 어떤 부분이 변화를 겪을 수 있는지 분별할 수 있다면, 이 도구들은 매우 강력할 수 있습니다.

분명히 미국 산업은 지난 50년간 금본위 규제 기관의 혜택을 받아왔다고 생각합니다. FDA 내 불확실성은 업계 어느 누구에게도 도움이 되지 않았다고 봅니다. 이처럼 긴 리드 타임이 필요한 투자에서는, 성공했을 때 결국 환자에게 약이 될 수 있다는 규제 당국에 대한 신뢰가 중요합니다. 그래서 FDA의 불확실성은 특히 문제라고 생각합니다. MFN 문제는 전체 산업에 디플레이션 효과를 가져올 것이라고 봅니다. 실제로 미국의 경제 구조가 산업의 많은 수익성을 떠받쳐 왔고, MFN은 처음에는 큰 해를 끼치지 않았다고 생각합니다.

제가 머크에서 유럽 사업을 6년간 이끌면서 경험한 바로는, 이런 정책이 시행되면 보통 미끄러운 경사의 시작이며, 정부는 이를 비용 절감 수단으로 보고 계속해서 확대할 것입니다. 한 번의 기회에 그치지 않을 것입니다. 따라서 미국에서 정부가 가격 협상을 하는 것은 지금까지 산업을 지탱해온 자유시장 역학에 비춰볼 때 큰 변화라고 생각합니다.