8월 2일까지 접수하는 5만 달러 규모 희귀질환 연구 지원금

희귀질환 연구는 환자 수가 적어 데이터 확보가 어렵고 치료제 개발 속도가 더디다. 전 세계에 소규모로 흩어진 환자들로 인해 임상 연구자가 환자 등록부를 만들거나 치료 타겟을 식별하고 임상 시험을 설계하는 과정에 많은 시간이 소요된다. 특히 질환별 특성이 독특해 개별적으로 연구되면서 질병 간 공유 기전을 발견하기 어려웠다. 앤스로픽은 이러한 병목을 해결하기 위해 희귀 유전질환 연구자에게 최대 5만 달러 규모의 Claude 크레딧을 지원한다.

지원 규모는 6개월 동안 최대 5만 달러의 Claude 크레딧을 제공하며, 신청 마감일은 2026년 8월 2일 오후 11시 59분(PST)까지다. 이번 프로그램은 전 세계 약 4억 명의 환자가 겪는 7,000종 이상의 희귀질환을 대상으로 하며, LLM의 패턴 탐색 능력으로 데이터 부족 문제를 해결하고 연구자 커뮤니티를 구축하는 것이 목표다.

지원 대상은 두 가지 트랙으로 구분된다. 첫 번째 트랙은 기초 과학 연구와 질병 기전 발견에 집중하는 임상 연구자, 환자 단체, 데이터 과학자 간의 협력을 촉진한다. 두 번째 트랙은 희귀질환 치료제의 임상 개발 속도를 높이려는 초기 단계 바이오텍이 대상이다. 연구 단계별로 맞춤형 API 지원을 제공해 기초 연구의 발견이 실제 치료제 개발로 이어지는 시간을 단축한다.

선정된 연구자는 Claude Opus와 생물학 용도로 승인된 일반 모델을 사용할 수 있다. 프로젝트 내용이 생물학적 위험 분류기(생물학적 무기 제조 등 위험 가능성을 탐지하는 필터)에 저촉될 가능성이 있는 경우, 별도의 예외 승인 절차를 통해 접근 권한을 얻는다. 이는 사회적 이득을 위한 AI 적용 전략인 '유익한 배포(beneficial deployments)'의 일환으로, 연구자가 직접 데이터를 찾는 시간을 줄이는 구조를 지향한다.

DisMech 라이브러리와 Claude가 결합한 기전 발견 방식

Monarch Initiative(희귀질환 진단 및 기전 발견을 위한 국제 컨소시엄)는 데이터 표준화를 통해 희귀질환의 공통 원인을 찾는다. 이들은 Mondo Disease Ontology(여러 소스에 흩어진 질병 정의를 통합한 계산 프레임워크 및 코딩 시스템)를 통해 OMIM, Orphanet, ICD 등 서로 다른 체계의 질병 정의를 하나로 묶어 LLM이 인식 가능한 단일 체계로 변환했다.

또한 유전 정보와 실제 증상을 연결하는 Monarch Knowledge Graph(종 간의 유전자형-표현형 데이터를 통합한 지식 그래프)를 기반으로 DisMech라는 에이전트 친화적 질병 분류 라이브러리를 구축했다. DisMech는 사례 보고서, 변이 데이터베이스, 레지스트리 스키마, 원시 공공 데이터를 Claude가 직접 읽고 분석할 수 있는 구조로 제공한다. 사람이 일일이 대조하던 질병 간 기전 유사성을 AI 에이전트가 대규모로 탐색하는 환경을 만든 것이다.

Claude는 DisMech 라이브러리를 통해 서로 다른 희귀질환 사이에서 공통된 생물학적 경로를 찾아낸다. 특히 정형화되지 않은 사례 보고서와 복잡한 변이 데이터베이스를 동시에 분석해 기전 유사성을 빠르게 식별한다. 연구자는 이를 통해 치료제 개발의 근거가 되는 새로운 기전 가설을 세우고 검증하는 시간을 단축한다.

연구자들은 Mondo와 DisMech를 사용해 기존에 발견하지 못한 질병 간 연결 고리를 찾고 이를 치료 전략에 반영한다. 데이터 상호운용성을 확보해 LLM이 서로 다른 데이터셋을 가로지르며 가설을 세우는 환경을 구축했다. 상세한 리소스와 커뮤니티 참여 방법은 monarchinitiative.org에서 확인할 수 있다.

12년의 치료제 개발 기간을 단축하는 실무적 접근

전통적인 제약 공정은 수천 페이지의 서류 작업과 순차적인 안전성 검토로 인해 시간이 많이 소요된다. 유전적 진단 후 환자가 실제 치료제를 받기까지 보통 1~2년이 걸리는데, 이는 인증된 제조 슬롯 대기, 순차적 안전성 연구, 규제 문서 작성 등의 행정적 병목 때문이다.

앤스로픽은 Claude를 통해 규제 제출 서류인 regulatory dossier(규제 기관에 제출하는 약물 승인 신청 서류)의 초안 작성과 검토 과정을 자동화한다. 또한 소분자, 항체, 유전자 치료제 등 다양한 modality(약물 작용 형태) 중 최적의 치료 전략을 빠르게 선택하도록 돕는다. 특히 개별 환자마다 IND(임상시험계획 승인신청)를 제출하는 대신, 공통 기전을 가진 환자들을 통합해 진행하는 바스켓 임상(basket trial) 승인을 추진해 개별 승인 절차를 줄인다.

실제 현장에서는 다양한 조직이 Claude를 실무 파이프라인에 통합하고 있다. Every Cure는 수백만 개의 후보군을 분석해 기존 약물을 다른 질환 치료제로 사용하는 약물 재창출 기회를 탐색한다. Centre for Population Genomics는 변이 분류 초안 작성 시스템을 구축해 전문가 검토 시간을 줄였다. Violet Research Institute는 FDA 가이드라인 탐색부터 생물정보학 파이프라인 실행, 실험 데이터 분석, 규제 서류 작성까지 전 과정을 Claude로 처리하며 연구 사이클을 가속하고 있다.

국내 바이오텍이 주목할 AI 기반 규제 문서 자동화

이러한 개별 사례들은 AI가 단순한 보조 도구를 넘어 연구의 실무 기준을 바꾸고 있음을 보여준다. 특히 수작업 비중이 가장 높은 규제 문서 작성과 생물정보학 파이프라인(유전체 데이터를 처리하고 분석하는 자동화 소프트웨어 과정) 분석 단계에 LLM이 투입되면서 임상 시험 진입 전까지 소요되는 행정 시간이 압축된다.

단순한 챗봇 활용을 넘어 전문 라이브러리와 결합한 에이전틱 사이언스(agentic science, AI가 자율적으로 연구 과제를 수행하는 방식)가 바이오 실무의 생산성을 높인다. 연구자는 이제 파편화된 정보를 수집하는 단순 노동에서 벗어나 AI가 도출한 패턴을 과학적으로 검증하는 역할에 집중한다. 이는 데이터 확보가 어려운 희귀질환 연구에서 제한된 정보만으로도 유의미한 가설을 세울 수 있는 환경을 제공한다.

결국 희귀질환 연구의 핵심 병목은 데이터의 절대량보다 이를 분석하고 규제 문서로 전환하는 물리적 시간에 있다. LLM으로 치료 전략 선택을 가속하고 규제 문서 작성 시간을 줄이는 것이 약물 개발 사이클을 단축하는 실질적인 실무 기준이 된다.

이러한 AI 기반 연구 환경으로의 전환은 연구자가 단순 반복 업무에서 벗어나 기전 발견이라는 본질적 과제에 집중하게 만든다. 상세한 리소스와 커뮤니티 참여 방법은 monarchinitiative.org에서 확인할 수 있다.