AI 시대의 의학 발전, 기술 확산, 그리고 정책 병목에 관한 고찰.
수정: 분명히 하자면, SF 기술 업계의 모두가, 혹은 대다수가 이런 식으로 생각한다고 말하는 것은 아니다. 하지만 분명 그렇게 생각하는 사람들도 있으며(예를 들어 글 첫머리의 대화는 축어적으로 사실이다), 이 글은 담론과 정책 결정에서 불균형적으로 큰 비중을 갖는 특정 핵심 집단에 관한 것이다.
최근 한 저녁 식사 자리에서 AI 연구소의 누군가가 내게 꽤 노골적으로 왜 내가 하는 일을 하는지 물었다. 왜 의료 발전을 가로막는 규제 병목에 관해 글을 쓰는지, 왜 임상시험 관련 정책에 시간을 쓰는지 말이다. 그는 연민이라고밖에 요약할 수 없는 눈빛으로 나를 보았다.
나는 내가 믿는 바를 말했다. AI 시대의 의학은 그 어느 때보다 규제와 임상시험이라는 고된 과정에 의해 병목될 것이며, 아무리 매력 없어 보여도 전임상 연구를 더 빠르게 하는 데 수십억 달러를 쏟아부어도 이 문제에는 닿지 못할 것이라고. 주택 이야기도 꺼냈다. 우리는 수십 년 전부터 더 나은 주택을 지을 기술을 갖고 있었지만, 주택은 순수한 역량이 아니라 정치적 의지의 문제이기 때문에 그 어느 때보다 비싸다.
그는 믿을 수 없다는 듯 나를 보았다. 나처럼 똑똑한 사람이라면 AI, 더 정확히는 AGI가 곧 초설득력을 갖게 될 것을 분명 알아야 한다는 것이었다. 이미 여러 벤치마크에서 설득력은 전문 토론가를 능가한다는 것이다. 나는 _“흠.”_이라고 말했다. 그는 _“그래, 그래”_라고 했고, 그 말에는 나처럼 AI 연구소 직원이 아닌 평범한 인간은 도저히 제대로 파악할 수 없는 깊은 것들을 자신은 안다는 사람의 뉘앙스가 깔려 있었다. 그리고 그는 다시 그 연민 어린 눈빛으로 나를 보았다. 마치 곧 도살될, 약간 지적 장애가 있지만 귀여운 동물을 바라보는 눈빛이었다.
그날 밤 나는 뒤척이며 잠들지 못했다. 내 삶에 애초에 어떤 의미가 있었는지, 내가 내린 모든 결정이 어떤 식으로든 실수였는지 생각했다. 내가 무엇을 더 잘할 수 있었을까?
하지만 해가 뜨자 나는 다시 같은 생각으로 돌아왔다. AI가 아무리 “지능적”이 되더라도, 지능은 현실 세계에서 무언가가 바뀌는 데 흔히 주된 병목이 아니다. 특권적 정보에 접근할 수 있는, 나보다 똑똑한 사람들이 그렇지 않다고 주장할 때 이 신념을 지키기는 어렵다. 결국 이 모든 것이 도살을 기다리는 순진한 햄스터의 “자기합리화”일 수도 있다.
AGI의 감시 아래 있는 겁먹은 햄스터
그럼에도 나는 내 신념을 고수하겠다.
이 연구소 사람들은 한때 미친 소리로 보였던 아이디어에 베팅해 큰돈을 벌었고, 이제 세상은 그들이 하는 거의 모든 말을 믿음으로 받아들인다. 내 생각에 이는 실수다. 우리가 그 문제들을 명확히 생각하지 않는 한, AI가 의학을 포함해 사람들이 실제로 관심 갖는 문제들을 해결할 것이라는 보장은 없다. 그리고 현재 나는 우리가 그렇게 하고 있다고 믿지 않는다. 적어도 우리가 할 수 있는 만큼은 아니다. 내 주장은 단순하며, 두 방향에서 나온다. 하나는 샌프란시스코의 사회적 역학과 그곳 사람들이 이 모든 것을 말하는 방식에서 내가 관찰하는 것이다. 다른 하나는 내가 우연히 어느 정도 아는 분야, 즉 의학에서 내가 알아차리는 것이다.
AI의 위험을 정당화하는 데 가장 자주 동원되는 약속 중 하나는 AI가 _“질병을 치료할 것”_이라는 주장이다. 모든 주요 AI 연구소 CEO가 그렇게 말하며, 투자자들도 동의하는 듯하다. AI 이야기가 붙은 바이오테크 스타트업은 어떤 곳이든 인상적인 가치를 인정받는 반면, 더 전통적인 바이오테크 기업들은 자금 조달에 어려움을 겪고 죽어간다. 그러나 내가 오랫동안 주장해왔듯, 이 전체 사업은 그 자체로서의 “지능”과는 거의 관계없는 많은 요소에 의해 병목되고 있으며, 그 사실이 얼마나 자주 인정되지 않는지 지켜보는 것은 이상하다.
과학 발전을 지능의 대략적인 대리 지표로 보고, 그것만으로 발전의 길이 열리는지 물어보면 증거는 어디에나 있다. 이룸의 법칙을 보자. 연구개발 비용 1달러당 승인되는 신약 수는 수십 년간 감소해 왔으며, 과학 도구가 엄청나게 강력해졌음에도 그러했다. 이는 더 많은 순수 역량이 존재한다면 예측될 것과 정반대다. 또는 희귀암에서 두 가지 혁신적 치료법을 시장에 내놓고도 개발 비용 때문에 여전히 생존을 위해 싸우는 Adaptimmune 같은 회사를 보자. 혹은 맞춤형 유전자 편집 치료로 생명을 구한 영아 “아기 KJ”의 과학자들 이야기를 들어보자. 이들은 과학적으로 필요한 모든 것을 갖고도 다음 아이에게 이를 쉽게 반복하지 못한다. 규제 요건에 의해 부분적으로 발생하는 제조 비용이 가로막기 때문이다.
그림 2. 기초과학의 발전에도 불구하고 제약 연구개발 생산성은 1960년 이래 꾸준히 감소했다. 지난 10년에는 예측 타당성의 증가(예컨대 유전학을 통한)와, 높은 미충족 수요 때문에 승인 부담이 흔히 더 낮은 종양학 및 희귀질환에 더 큰 비중의 노력이 향한 것 등을 포함한 여러 요인으로 인해 제약 생산성의 둔화가 다소 완화된 것으로 보인다.
특히 바이오제약에서 하나의 큰 병목은 임상시험이다(내가 이 얘기를 계속 반복한다는 것은 안다). 오늘날 임상시험은 약 하나당 대략 7년을 소비하고 10억 달러 이상이 든다. 그리고 시험은 단순한 형식 절차가 아니다. 애초에 더 나은 모델을 훈련할 바로 그 종류의 데이터를 만들어낸다. 즉, 궁극적으로 대체할 수 없는 인간 데이터다.
더 빠른 임상시험이 생의학 혁신에 중요하다는 광범위한 증거가 있다. 직접적으로도, 또 이차 효과를 통해서도 그렇다. 여기에는 산업 종사자들의 위험 감수 성향을 높이고 빠른 피드백 고리를 통해 인센티브를 더 잘 정렬하는 것 등이 포함된다. 조건이 동일할 때 더 짧은 시험이 질병 분야 투자를 크게 늘린다는 견고한 경제학 논문부터 중국이라는 자연 실험까지, 근거의 범위는 넓다. 중국은 바이오테크에서 미국을 앞지를 태세이며, 중국 바이오테크 기업들은 서구 대형 제약사의 절반이 넘는 라이선싱 거래를 차지하고 있다. 불과 10년 전 이 비율은 0이었다. 이 변화는 중국이, 주로 규제 개혁 때문에 인간 대상 데이터를 이용한 더 빠른 반복 학습을 허용하면서도, 기초과학 면에서는 여전히 뒤처진 상태에서 일어났다1.
임상시험 자체도 AI를 포함해 더 짧고, 더 많은 정보를 담고, 더 나아지게 만들 수 있다. 내가 특히 낙관하는 한 영역은 대리 평가변수와 바이오마커다. AI는 약물이 작동하는지에 대한 이산적이고 거친 판독값을 빠르고 연속적인 판독값으로 바꿀 수 있다. 이는 다시 임상시험을 엄청나게 최적화할 것이다. 적절한 대리 지표를 찾는다면 일부 적응증에서는 10배 더 빠르고 저렴한 시험만큼의 이득을 얻을 수 있다. 그리고 이는 시험 기간을 꼭 줄이지 않더라도 단순히 시험을 최적화하는 이점조차 고려하지 않은 것이다. 치료법이 작동하는지를 충분히 이른 시점에 알려주는 적절한 바이오마커가 있다고 상상해 보라.
그림 3. 대리 평가변수가 도움이 되는 한 가지 방식은 특정 분야에 투자할 인센티브를 높이는 것이다. 이를 보여주는 경제학 논문의 결과가 사실임을 나는 확인할 수 있다. FDA가 골다공증에서 골밀도(BMD)를 대리 평가변수로 허용한 뒤, 대형 제약사들이 이 적응증을 추구하려는 의욕이 뚜렷하게 늘어나는 것을 나도 직접 볼 수 있었기 때문이다.
하지만 여기서도 구속 제약은 온전히 지능이 아니다. 흔히 그것은 거버넌스다. 나는 바로 이런 바이오마커를 만들려는 회사들과 계속 이야기하는데, 그들이 거듭 부딪히는 것은 기저 데이터에 접근하기가 얼마나 어려운가다. 일부는 더 나은 바이오마커를 만들기 위해 사용할 수 있는 영상 데이터셋을 NIH가 공개하기를 1년째 기다리고 있다. 평가변수의 검증을 받기 위해 FDA와 상호작용해야 한다면 상황은 더 나쁘다. 나는 이전에 골다공증 임상시험에서 대리 평가변수로 쓰기 위한 골밀도(BMD)의 검증에 12년이 걸렸다고 썼다(!). 이를 뒷받침하는 데이터는 이미 완전히 존재했고, 수행된 분석은 기본적으로 회귀분석이었음에도 말이다.
AI 분야 사람들이 의학의 규제와 거버넌스에 관여할 때조차, 이는 흔히 다소 피상적인 방식으로 이루어지는 듯하다. 최근 수십 년 동안 우리가 목격한 의학 발전의 기초과학 대비 둔화에서 규제가 많은 부분을 설명할 수 없다는 주장을 나는 여러 번 보았다. 대부분의 약물은 효능 부족으로 실패하니, 비효능 약물을 더 많이 승인해도 도움이 되지 않는다는 것이다. 이 분석은 표면적으로는 맞아 보이지만, 그렇지 않다. 내가 계속 말하듯, 사람들이 규제가 생의학 발전을 늦추는 중요성에 관해 말할 때, 그들은 드물게 마지막 단계의 승인 결정을 뜻한다. 그것은 그 이전의 전체 과정에 관한 것이다. 인간 데이터를 얼마나 쉽게 수집할 수 있는지, 그리고 수집한 뒤에는 그것을 실제로 얼마나 쉽게 사용할 수 있는지의 문제다.
나는 임상시험에 관해 가장 잘 알지만, 거버넌스와 정책이 발전을 늦추는 영역은 이것만이 아니다. 또 다른 사례는 특허 제도의 구조가 우리 약물의 혁신성을 어떻게 형성하는지와 관련된다.
생의학에는 표적 쏠림이라는 문제가 있다. 대부분의 기업이 위험이 제거된 동일한 생물학적 표적을 추구하기 때문에, 우리는 가능했을 생물학적 공간보다 훨씬 적은 부분을 탐색한다. 그 이유를 가장 명료하게 이해하는 방법은 위험을 통해서다. 신약 발견에는 두 종류의 위험이 중요하다. _표적 위험_은 생물학적 불확실성을 포착한다. 이 단백질이 질병에 인과적으로 관여하는가, 그리고 이를 공략하면 허용할 수 없는 독성 없이 환자에게 도움이 되는가? _분자 설계 및 최적화 위험_은 표적이 정해진 조건에서의 후속 문제다. 즉 표적을 겨냥한 새로운 분자를 설계하고2, 화학적 물질(예: 저분자)이나 생물학적 물질(예: 항체)의 효능, 선택성, 안전성 및 수많은 다른 특성을 개선하는 일이다. 이는 대체로 화학의 영역에 속하며 본질적으로 훨씬 더 다루기 쉽고 예측 가능하다. 검증된 표적이 주어지면 좋은 팀은 보통 괜찮은 분자에 도달한다.
그림 4. 표적 쏠림의 논리
그런데 특허 제도는 새로운 생물학이 아니라 새로운 화학 물질에 보상하기 때문에, 기업이 표적 위험을 감수하지 않도록 더욱 유도한다. 대부분의 특허는 물질 조성을 보호한다. 이는 특정 분자를 뜻하므로, 어떤 표적이 애초에 약물 공략 가치가 있다는 통찰은 보호하지 않는다.
따라서 위에서 언급한 제약들, 즉 이를 더 많이 밝혀내는 일이 진정으로 더 어렵다는 사실과 특허 제도가 여기에 보상하지 않는다는 사실에서 표적 쏠림은 거의 기계적으로 따라온다. 새로운 표적을 검증하는 사람은(그리고 암묵적으로 새로운 생물학을 발견하는 사람은) 막대한 표적 위험을 부담하지만, 특허 제도의 설계 탓에 보상을 포획할 수 없다. 계열 최초 약물3이 설득력 있는 임상 데이터를 내놓는 순간 표적은 검증되고, 그 검증은 본질적으로 공개되기 때문이다. 그러면 경쟁자들은 위험이 제거된 같은 표적을 겨냥한 서로 다른 분자를 설계하고, 각 후발 주자는 자신만의 강력한 특허를 얻는다. 그 결과 기업들은 새로운 표적을 검증하는 대신 입증된 표적에 몰려들고, 우리는 같은 유형의 생물학을 겨냥한 약물의 물결을 거듭 얻는다.
새로운 표적을 찾기 위한 AI 기반 노력 등을 포함해 치명적 질병의 분자적 기반에 관한 연구에 자금을 대는 잘 알려진 비영리단체 리더는, 현행 지식재산 제도 때문에 그가 지원하는 기관이 새로운 생물학을 발견해 창출한 가치를 포획하는 것이 거의 불가능하다고 내게 말했다. 그는 그럼에도 계속 자금을 지원하게 되어 기쁘지만, 그 가치를 포획할 수 있다면 모두에게 더 나을 것이며 오늘날의 인센티브는 심하게 왜곡되어 있다고 믿는다.
아이러니하게도 가장 큰 투자 라운드를 유치하는 AI-생물학 기업들은 대체로 분자 설계와 최적화라는 이미 충분히 다뤄진 같은 문제를 겨냥한다. 예를 들어, 현재 38억 달러의 가치를 인정받는 Chai Discovery는 초기 바이오테크 기준으로 엄청난 규모이며, Isomorphic Labs와 마찬가지로 본질적으로 분자 설계 및 최적화 엔진이다. 표적이 주어지면 더 나은 화합물을 더 빠르고 정확하게 설계한다. 이는 훌륭하지만, 나와 다른 이들이 전에 주장했듯 검증된 표적의 최전선을 넓히는 편이 사회 전체에는 더 큰 가치가 있을 것이다. 그런데 바로 이 부분은 특허 제도가 인센티브를 주지 않는다. AI 기반 기업조차 궁극적으로 경제적·법적 인센티브에 반응한다는 사실이 드러난다!
내 생각에 같은 원칙은 의학을 훨씬 넘어 적용된다. 확산은 어렵고, 기술이 경제 전반에 실제로 퍼지는 속도는 그 기저 발전의 순수한 속도로 완전히, 또는 주로 예측되지 않는다. 어떤 역량이 존재한다는 것과 그 역량이 제도에 흡수되어, 어쩌면 가장 중요하게도 사람들이 관심 갖는 결과로 전환된다는 것은 다르다.
그리고 실제로 그렇다는 광범위한 증거가 있다.
오늘날 세계를 돌아다니다 보면 세계가 이상할 만큼 변하지 않았다는 점을 알아차릴 수 있다. LLM은 에이전트를 만들어내고 복잡한 애플리케이션을 작성할 수 있지만, 고객 서비스처럼 평범한 일조차 아직 제대로 자동화되지 않았다. 사실 자동화된 챗봇은 흔히 경험에서 가장 나쁜 부분이다. GDP는 증가했고, 이는 좋은 일이다. 하지만 극적으로 증가하지는 않았다. 그리고 반복되는 종말 경고에도 불구하고 초급 일자리는 대체로 온전해 보이며, 오히려 늘고 있을 수도 있다.
많은 사람에게 이는 놀랍다. 바로 며칠 전 나는 한 콘퍼런스에 있었는데, 누군가 몇 년 전 오늘날의 AI 역량을 볼 수 있었다면 놀랐을 것이고, 지금쯤 세상이 훨씬 더 크게 변해 GDP 성장률도 훨씬 높았을 것이라 가정했을 것이라고 말했다. 이는 새로운 관찰로 제시되었다. 하지만 사실 이 말은 이전에도 나왔고, 현실 세계의 확산 장벽을 생각한 사람들에게 이 전체 궤적은 꽤 예측 가능했다. 나는 2023년 Progress Conference에서 경제학자 Tyler Cowen이 AGI에 깊이 빠진 참석자들로 가득한 방에 바로 이 주장을 했던 것을 기억한다. 많은 이들은 솔직히 믿을 수 없다는 반응이었다. 그가 말한 바에 따르면 역량은 그것이 낳도록 의도된 변화보다 더 빠르게 도래할 것이고, GDP 성장은 과장된 기대에 비해 실망스러울 것이며, 대규모 일자리 대체도 없을 것이다. 지금까지 데이터는 그의 주장을 뒷받침하는 듯하다.
이를 예견한 사람들은 기술이 실제로 세상에 얼마나 느리고 불균등하게 확산되는지, 그 마찰에 대해 더 나은 감각을 갖고 있을 뿐이다. 이상하게도, 예외적으로 지적인 사람들로 가득한 샌프란시스코의 핵심 기술 집단은 그렇지 않은 듯하다. 어떻게 그렇게 많은 똑똑한 사람들이 이 하나의 사각지대를 공유할 수 있을까?
내 견해로 샌프란시스코의 특정 공동체들(이후 “SF 사람들”이라 부르겠지만, 문자 그대로 SF의 모두나 심지어 대다수를 뜻하는 것은 아니다)은 준단일문화에 가까운 것이 되었고, 이 단일문화에는 서로를 강화하는 두 특성이 있다. 첫째, 적어도 AGI 자체만으로는 완전히 변혁적이지 않을 수도 있다고 제안하는 일은 진정으로 낮은 지위의 일이 되었다. AI의 잠재력을 일찍 알아보고 옳았던 사람들은 큰돈을 벌었고, 큰 것에 대해 옳았다는 사실은 자신들이 모든 것에 대해 옳다는 가정으로 굳어졌다. 가장 극단적인 주장에 의문을 제기하면, 둔하고 IQ가 낮으며 충분히 “AGI에 빠지지 않은” 사람으로 낙인찍힌다. 연구소, 특히 CEO가 연구소에서 일하는 사람이라면 외부인은 접근할 수 없는 미래의 비밀을 가지고 있다는 믿음은 지속된다. 그 결과 자기검열이 생긴다. 내가 아는 샌프란시스코의 많은 똑똑한 사람들은 AI 확산의 병목을 보면서도 더 “AGI에 빠진” 사람처럼 보이기 위해 아무 말도 하지 않는다.
하지만 그렇게 똑똑한 사람들이 어떻게 틀릴 수 있을까? 무엇에 대해서든 말이다. 나는 그것이 이상하거나 드문 일이 아니라고 생각하며, 더 현명한 시대라면 우리는 이를 더 쉽게 말로 표현할 수 있었을 것이다. 나는 전에 최고의 인간은 평균적인 인간과 매우 멀리 떨어져 있지만, 신은 여전히 최고의 인간보다 훨씬 더 멀리 떨어져 있다고 말했다. 즉 아무리 똑똑하고, 강력하고, 경험이 많아도 모든 답을 가진 사람은 없다.
그뿐 아니라, AI 경쟁의 승자들은 핵심 과업인 AI 개발에는 도움이 되었을지 모르나 그 너머의 일을 판단할 때는 부적응적일 수 있는 방식으로 보정이 잘못되었을지도 모른다고 생각한다. 스타트업에서는 망상이 흔히 적응적이다. 불합리한 확신은 바로 작은 집단이 불가능한 일에 도전하고 가끔 그것을 해내게 하는 힘이다. Byrne Hobart와 Tobias Huber는 _Boom_에서 이와 비슷한 주장을 편다. 이들은 보통 파괴적이라고 비난받는 금융 거품이 사실은 획기적 진보의 엔진이었다고 주장한다. 집단적 망상처럼 보이는 것이 흔히 진정한 전진에 자금을 대고 그것을 강제한다는 것이다. 하지만 이는 양방향으로 작용한다. 생산적으로 망상적이어서 성공했다고 해서 다른 모든 것에 대해서도 옳아지는 것은 아니다. 사실 성공을 낳은 바로 그 특성이 다른 영역에서는 비생산적인 방식으로 자신감을 부풀릴 수도 있다.
이 단일문화의 두 번째 특성은 일종의 위조된 반대주의다. 외부 세계의 대다수가 오랫동안 AI의 잠재력에 회의적이었기에, 샌프란시스코 사람들은 자신들이 용감한 반대자라고 느낀다. 그러나 그들 자신의 집단 안에서 그런 견해를 갖는 것은 안전하고 지위를 부여하는 위치라는 점을 고려하면 이는 이상하다. 자신을 오해받는 반대자라고 믿는 것은 황홀하며, 그 때문에 기저의 확신은 흔들기가 더 어려워진다.
내가 학계에 있었을 때, 나는 학자들이 대체로 매우 진보적이면서도 자신을 반대자라고 생각한다는 점을 자주 알아차렸다. 이는 적어도 부분적으로는 대부분이 대학보다 보수적인 곳에서 왔기 때문이었다. 그들은 모여 서로가 아니라 외부 세계와 자신을 비교하고, 방 안의 명백한 합의임에도 자신들의 진보주의가 어쩐지 용감하다고 결론 내렸다. 내 생각에 SF는 AI에 대해 같은 일을 했다. 엘리트 기술 집단에서 AGI를 진지하게 받아들이는 것은 전혀 반대주의가 아니다. 오히려 그 반대다. 하지만 비교 대상은 늘 예컨대 워싱턴 DC의 정책 담당자처럼 다른 사람이기 때문에, 포위된 반대자라는 느낌은 현실과 접촉해도 살아남는다.
아마도 질문은 이 중 무엇이든 중요한가 하는 것이다. 왜 나쁠까? 내가 아는 한 기술 거품 속 AGI 신 열풍은 계속되어야 할지도 모른다. 그러나 그것은 일반 대중의 담론으로 스며들고 있으며, 나쁜 방식으로 우선순위를 재정렬할지도 모른다.
가장 기본적인 수준에서, 나는 경험적 진실에 더 가까운 것이 그것에서 더 멀어지는 것보다 단순히 낫다고 생각한다. 그러나 더 구체적인 비용도 있다. 잘못된 믿음은 잘못된 우선순위로 이어질 수 있다. 나는 AI가 파괴적일 것이라고 예상한다(다만 SF 집단이 생각하는 것과 꼭 같은 방식은 아닐 수 있다). 그렇기에 지금은 잘못된 우선순위를 갖기에 특히 나쁜 시기일 수 있다.
다시 의학의 사례를 들겠다. 우리는 우리의 노력을 잘못된 병목에 겨누고 있을 수 있다. 내가 주장했듯 의학에서 규제 개혁은 AI 활용 생물학에 쏟아지는 관심의 극히 일부만 받으며, AI 활용 생물학 안에서도 실제로 변화를 만들 개입은 흔히 자금이 덜 지원되는 듯한 것들이다.
그리고 이는 의학을 훨씬 넘어선다. 우리는 AGI 신에 집착하는 동안 더 일상적인 문제들은 방치된 채 쌓인다. 사회적 구조는 눈앞에서 해체되고 있다. 점점 더 많은 청년 성인이 집을 감당하거나 관계를 유지할 수 없다. 사람들은 젊음을 도박 앱에 쏟아붓고, 그중 일부는 우리가 계속 논의하는 바로 그 AI로 이제 더 강력해졌다. 사람들은 더 많은 사고를 기계에 맡기며 숙련을 잃고 있다. 나는 때때로 AI가 내 일자리를 빼앗을까 봐 걱정하는 것보다 사람들이 너무 호기심을 잃어 아예 읽지 않게 될까 봐 걱정한다고 말한다. 이 모든 문제에는 그것을 해결하려는 사람이 필요하다. 우리의 모든 문제를 마법처럼 녹여줄 디지털 신들에 매혹되면, 이미 여기 있는 더 단순하고 인간적인 문제들에서 관심이 멀어진다.
Milan Cvitkovic은 더 빠른 인간 대상 데이터에 관한 규제 개혁이 중국의 부상을 주도했는지는 분명하지 않다고 지적했다. 2015년에 중국은 보장 범위 확대, 일부 규제 결정 적체 해소 등을 포함한 여러 정책 개혁을 했고, 어느 것이 가장 중요한 결과를 낳았는지 말하기 어렵다. 이 논문은 보장 범위 확대였다고 주장한다. 나는 왜 그 논문을 어느 정도 의심하는지 이 X 게시물에서 설명했다. 어느 쪽이든, 더 빠른 인간 대상 데이터가 중국의 강점에서 큰 구성 요소라는 점(규제 개혁이 원인이었는지와 무관하게), 그리고 중국의 바이오테크 부상의 근접 원인이 정책 변화였다는 점에는 모두가 동의한다고 생각한다. Milan과의 내 대화는 여기서 볼 수 있다.
실제로는 모든 약물이 분자가 아니므로 이것은 조금 더 복잡하다. 일부는 세포 또는 유전자 치료제다. 그럼에도 여기에서도 넓은 원칙은 성립한다. 알려진 표적에 대한 T세포 치료를 개선하는 일은 본질적으로 위험이 더 낮다.
계열 최초 약물은 흔히 상업적으로 “승리하는” 약물이 아니다. 후발 주자들은 보통 화학을 더 잘 최적화하고 계열 최초 약물의 결함에서 배울 수 있기 때문이다. 따라서 새로운 접근법을 개척하는 사람이 가치를 포획하기는 어렵다.
