온코크로스, AI 신약개발과 적응증 확장으로 가치를 만드는 방법

온코크로스, AI 신약개발과 적응증 확장으로 가치를 만드는 방법

국내 AI 신약개발 기업을 볼 때 독자는 세 가지를 확인합니다. 어떤 데이터로 무엇을 예측하는가, 실험과 임상에서 얼마나 재현되는가, 수익화 경로가 얼마나 안정적인가. 온코크로스의 핵심 가치는 이 세 가지를 하나의 루프로 묶어 가설→검증→사업화 속도를 높이는 데 있습니다. 가설의 양이 아니라 적중률이 경쟁력입니다.

 

AI 플랫폼은 결국 데이터의 폭과 질이 결정합니다. 유전체·전사체·단백질 상호작용·표현형·임상 특성처럼 층위가 다른 정보를 통합해 질환-표적-약물 연결을 추론합니다. 숫자 점수만 나열하면 곧 한계가 드러납니다. 작용기전 가설과 실험 설계 제안을 함께 뽑아야 연구의 낭비가 줄어듭니다.

 

투자 관점에서는 이벤트 드리븐 변동성이 큽니다. 중간 분석·파트너십·기술이전 발표가 수익을 좌우할 수 있습니다. “과거 실적은 미래 수익을 보장하지 않음”을 염두에 두고, 지표와 내러티브를 나란히 읽는 습관이 필요합니다.

 

플랫폼 구조 — 예측의 신뢰를 높이는 데이터 설계

 

플랫폼은 보통 지식 그래프·임베딩·멀티오믹스 통합으로 구성됩니다. 각 노드는 유전자·질환·약물·경로, 간선은 상호작용·공발현·표현형 유사성을 담습니다. 이 구조 위에서 표적 타당성, 약물-질환 적합, 환자 세분화 가능성을 점수화합니다. 설명 가능성이 확보되면 파트너의 실험 설계가 쉬워집니다.

 

데이터 편향은 항상 잠복합니다. 기관별 측정 프로토콜 차이, 소수표본, 라벨 오류가 모델을 흔듭니다. 그래서 음성 결과까지 재학습에 넣는 폐쇄 루프가 중요합니다. 실패 데이터의 품질이 플랫폼의 내구성을 올립니다.

 

결국 목표는 일관된 적중입니다. 같은 팀이 같은 방법으로 다른 적응증에서도 신호를 반복해 내는가가 신뢰를 만듭니다. 일회성 히트보다 재현 가능한 절차가 더 큰 자산입니다.

 

핵심 전략 — 적응증 재창출과 신규 타겟의 병행

 

적응증 재창출(drug repurposing)은 안전성·제형 데이터를 활용해 임상 진입 시간을 압축합니다. 초기 현금흐름을 만들고 파트너의 신뢰를 얻기 유리합니다. 대신 차별성이 약하면 경쟁이 덮칠 수 있어 바이오마커 기반 환자 선별이 관건입니다. 세분화가 경제성을 좌우합니다.

 

신규 타겟 발굴은 난이도가 높지만 독자 자산을 축적합니다. 암·섬유화·희귀질환처럼 미충족 수요가 큰 영역에서 기전 가설과 동물모델 신호를 맞추면 유리합니다. 공동개발로 리스크를 나누고, 성공 조짐이 보이면 권리를 더 확보하는 방식이 일반적입니다.

 

두 축은 대체 관계가 아닙니다. 재창출에서 만들어진 임상·사업 경험이 신규 타겟에 재사용되고, 신규 타겟의 기전 통찰이 재창출 성공률을 높입니다. 파이프라인의 균형이 회사의 체력을 만듭니다.

 

검증 루프 — 가설을 빠르게 줄이고 깊게 확인하기

 

예측이 나왔다면 바로 실험으로 연결됩니다. 세포·오가노이드·환자 유래 모델에서 신호를 보고, 농도-반응 곡선을 확인하고, 바이오마커 연동을 탐색합니다. 신호가 약하면 가설을 접고 대안을 꺼냅니다. 빠른 포기가 포트폴리오 생존률을 높입니다.

 

신호가 유지되면 소규모 전임상으로 이동합니다. 독성·노출·대사 지표를 점검하고, 병용 가능성을 탐색합니다. 환자 세분화 가설이 있으면 동반진단의 프로토타입을 일찍 설계합니다. 임상 진입 전 준비가 늦을수록 일정은 늘어집니다.

 

임상에서는 엔드포인트 선택과 리크루팅 속도가 승부처입니다. 소수 정밀 코호트라도 바이오마커 일치가 확보되면 신뢰가 붙습니다. 동일 코호트 재현을 두 번 연속으로 보여 주면 곡선이 달라집니다.

 

사업 모델 — 라이선스·공동개발·서비스의 조합

 

수익화는 보통 세 갈래입니다. 후보·타겟의 라이선스 아웃(계약금·마일스톤·로열티), 제약사와의 공동개발(비용 분담·권리 공유), 플랫폼의 서비스형 제공(SaaS·프로젝트형). 초기에는 계약금·서비스 비중이 높고, 시간이 흐를수록 로열티가 비중을 키웁니다. 현금흐름의 계절성을 이해하면 변동성 해석이 쉬워집니다.

 

IP 전략은 삼각형으로 이해하면 간단합니다. 알고리즘·데이터 파이프라인·후보 특허가 각각 변호사 역할을 합니다. 후보 특허가 약하면 로열티 고착력이 떨어집니다. 플랫폼만 강조해도 교체 위험이 커집니다. 균형이 방어력을 만듭니다.

 

파트너 포트폴리오는 신뢰의 지표입니다. 다국적 제약·전문 바이오·병원 컨소시엄이 고르게 섞일수록 검증의 폭이 넓어집니다. 계약 규모보다 재계약·확대 계약 빈도가 더 강한 근거가 됩니다.

 

리스크 지도 — 데이터·임상·규제의 경계선

 

데이터 편향과 결측은 예측을 망가뜨릴 수 있습니다. 출처 다양화, 표준화 프로토콜, 결측 견고성 테스트가 필수입니다. 결과가 흔들리면 가설의 설명력을 먼저 의심하는 편이 안전합니다. 재현성이 모든 것을 이깁니다.

 

임상은 본질적으로 불확실합니다. 안전성 신호, 환자 이질성, 동반치료 영향이 변수로 튀어나옵니다. 단계 게이트와 중단 기준을 사전에 못 박아야 자원 낭비를 줄일 수 있습니다. 일정 지연의 원인을 구체적으로 기록하면 다음 프로젝트가 빨라집니다.

 

규제 환경에서는 AI 도구의 투명성과 개인정보 보호가 쟁점입니다. 데이터 출처, 편향 완화 계획, 해석 가능성 수준을 명료하게 적시해야 심사와 파트너의 신뢰를 얻습니다. 기대는 높고 기준은 점점 정교해집니다.

 

투자 관찰법 — 무엇을 꾸준히 추적할 것인가

 

파이프라인 지표는 단순하지만 핵심입니다. 전임상→임상 전환 건수, 중간분석에서의 객관적 반응률·바이오마커 일치도, 중단 사유의 투명성. 이 세 줄만 분기마다 업데이트해도 흐름을 읽을 수 있습니다. 표 한 장이 판단을 가볍게 합니다.

 

파트너링 지표는 더 직설적입니다. 신규 계약 수 대비 재계약 비중, 계약 범위의 확대, 공동 특허·공동 발표의 빈도. 반복되는 협업일수록 실제 효용이 있었다는 뜻입니다. 대형 파트너의 유지 기간도 함께 보세요.

 

재무 지표는 런웨이·고정비·비경상 매출 의존도를 함께 봅니다. 서비스형 매출은 변동성이 낮고, 마일스톤은 점프를 만듭니다. 비중 변화가 전략의 무게중심을 드러냅니다. 주가 스윙은 이벤트 전후로 커질 수 있습니다.

 

케이스 읽기 — 신호와 소음을 가르는 질문

 

발표가 나올 때마다 같은 질문을 던지면 소음이 줄어듭니다. 이번 업데이트로 무엇이 바뀌었는가, 바이오마커와 임상 반응이 얼마나 맞물리는가, 일정과 비용 가이던스가 현실적인가. 숫자만 보지 말고 기전 가설의 서사와 반복 가능성을 함께 읽습니다. 신호는 구조에서 나옵니다.

평가가 엇갈릴 때는 시간 축을 늘려 봅니다. 두 분기 또는 반년 흐름으로 지표를 겹치면 일시적 잡음을 걷어낼 수 있습니다. 파이프라인 간 상호의존성도 체크합니다. 한 프로젝트의 지연이 다른 프로젝트의 자원을 잠식하는지 확인해야 합니다.

 

지금 당장 적용할 체크리스트

 

1) 파이프라인 표: 단계·적응증·기전·바이오마커·파트너·다음 마일스톤을 한 장에 정리. 2) 이벤트 캘린더: 임상 개시·탑라인·학회 발표·기술이전 가능 시점을 분기 단위로 배치. 3) 리스크 항목: 데이터 편향, 리크루팅 지연, 자금 여력, 규제 이슈를 네 칸으로 고정. 형식의 일관성이 판단 속도를 올립니다.

 

4) 밸류에이션 노트: 동종사 멀티플 밴드, 계약 구조(계약금/마일스톤/로열티)의 범위를 레퍼런스로 보관. 5) 뉴스 필터: 신약 외부 변수보다 회사 내부 변수 변화에 우선순위. 6) 배분 규칙: 이벤트 전후 분할, 손절·증액 기준을 사전에 적어 놓기. 원칙이 흔들리면 변동성이 손실로 바뀝니다.

 

마지막으로, 해석의 균형을 잃지 않는 것이 중요합니다. 성공 사례에 매혹되면 리스크가 흐려지고, 실패 사례에 집착하면 기회가 사라집니다. 메모는 감정의 과열을 낮추는 도구입니다. 실행은 단순할수록 오래갑니다.

>>함께 보면 좋은 글<<


코스모신소재, 양극재·전구체·리사이클로 읽는 수요·원가·품질의 균형점

 

 

#온코크로스 #AI신약개발 #적응증재창출 #바이오텍 #플랫폼비즈니스 #임상개발 #투자체크리스트