Can AI help scientists identify promising drug candidates?
Quick Summary
OpenAI가 공개한 MedChemBench는 의약화학 추론에서 AI의 분자 구조 재구성과 근거 설명 능력의 진전을 보여주지만, 화합물 선택·물성 예측과 실제 신약 개발 효과는 여전히 검증 과제로 남긴다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약
OpenAI가 공개한 MedChemBench는 의약화학 추론에서 AI의 분자 구조 재구성과 근거 설명 능력의 진전을 보여주지만, 화합물 선택·물성 예측과 실제 신약 개발 효과는 여전히 검증 과제로 남긴다.
📌 핵심 요약
- OpenAI는 2026년 11월 20일 의약화학 연구의 분자 구조 해석, 실험 근거 설명, 화합물 선택, 물성 예측을 평가하는 MedChemBench를 소개했다. 평가에는 공개된 논문·특허 117건에서 가져온 99개 문제와 서로 다른 분자 구조 761개가 포함된다.
- xhigh 추론 설정에서 획득 가능한 총점 대비 점수는 GPT‑6.2 Astra 84.5%, GPT‑6 Astra 83.3%, GPT‑6.1 Sol 82.0%, GPT‑5.6 Sol 58.2%였다. GPT‑6 Astra는 max 설정에서 83.8%를 기록했으며, 추론 수준을 높이면 점수가 개선됐지만 모델 간 격차는 남았다.
- GPT‑6 Astra는 분자 구조 재구성과 실험 근거 설명에 강점을 보였다. xhigh에서 구조 평가 점수는 95.4%였지만, 화합물 선택과 수치 물성 예측에서는 각각 획득 가능한 점수의 약 절반에 그쳤다. 평가 영역마다 과제와 채점 방식이 달라 수치를 동일한 기준으로 해석할 수는 없다.
- PRMT5 억제제 연구 사례는 표적에 대한 활성, 세포 장벽 투과성, 간 효소에 의한 분해 사이의 상충관계를 평가한다. 별도의 분자 재구성 사례에서는 GPT‑6 Astra가 18개 원자로 된 고리를 10회 모두 정확히 복원했지만, GPT‑5.6 Sol과 GPT‑5.6 Luna는 각각 10회 모두 실패했다.
- 이 결과는 AI가 새로운 약물을 발견하거나 실험실 의사결정을 개선한다는 사실을 입증하지 않는다. 공개된 원자료에 대한 사전 노출을 배제할 수 없고, 각 응답은 도구·피드백·새로운 실험 없이 한 번만 시도됐다. MedChemBench는 실제 신약 개발 성과보다 과거 연구 근거를 바탕으로 한 추론을 평가한다.
🧩 주요 포인트
- 분자 구조의 정확성 → 분석 대상의 정체성을 보존하는 기초 능력이며, 구조 재구성의 높은 점수가 화합물 선택·물성 예측의 신뢰성까지 보장하지는 않음.
- 활성·투과성·분해 사이의 상충관계 → 단일 물성의 우수성보다 여러 실험 근거를 함께 해석하는 능력이 의약화학 지원의 핵심.
- 추론 수준에 따른 점수 개선과 평가 조건의 제약 → 모델 성능의 진전은 관찰되지만, 사전 노출 가능성과 단일 시도 조건을 고려해 실제 신약 개발 효과와 구분할 필요.
🧠 상세 정리
1. 의약화학의 상충관계를 평가하는 벤치마크
OpenAI는 2026년 11월 20일 의약화학 연구에서 AI 모델의 추론 능력을 평가하는 MedChemBench를 소개했다. 핵심은 분자 구조와 실험 근거를 연결해 결과를 설명하고, 화합물을 비교하며, 물성을 예측할 수 있는지 확인하는 것이다. 의약화학에서는 한 물성을 개선하는 변화가 다른 물성을 악화시킬 수 있으며, 질병 관련 단백질에 강하게 작용하는 화합물도 체내 흡수가 나쁘거나 너무 빨리 분해될 수 있다. 연구자들은 관련 화합물을 설계·합성·시험하면서 이런 상충관계를 검토하고 다음 연구 대상을 결정한다. OpenAI는 AI가 이 작업을 신뢰성 있게 지원하려면 구조 변화와 실험 결과를 연결하는 능력이 필요하며, 이를 더 나은 의약품 개발을 돕기 위한 한 단계로 설명한다.
2. 자료 구성과 네 가지 평가 영역
MedChemBench는 공개된 논문과 특허 117건을 바탕으로 구성됐으며, 99개 문제에 서로 다른 분자 구조 761개가 포함된다. 대부분의 문제에서 모델은 연구의 특정 시점에 이용 가능했던 생물학적 표적, 연구 목표, 기존 화합물, 선별된 실험 결과를 제공받는다. 분자 구조 영역은 제시된 그림과 화학 그룹으로부터 원자 연결과 명시된 입체화학을 정확히 재구성하는지 평가한다. 과학적 추론 영역은 제공된 근거가 설명을 뒷받침하는지, 순위·선택 영역은 화합물의 순위와 선택이 요구 조건을 충족하는지 확인한다. 물성 예측 영역은 측정값과 계산값을 포함해 원자료에 보고된 수치 및 범주와 예측이 얼마나 일치하는지 평가한다. 따라서 전체 점수와 함께 영역별 결과를 살펴보면 모델의 강점과 남은 오류를 구분할 수 있다.
3. PRMT5 사례가 보여주는 복수 물성의 상충관계
한 문제는 암 치료제 탐색에서 연구되는 단백질 PRMT5의 억제제 연구를 활용한다. 모델은 앞선 연구의 분자 구조와 실험 결과를 바탕으로 관련 화합물 세 가지의 세포 내 억제 활성, 세포 장벽 투과성, 실험실 간 효소 분석에서의 분해 특성을 예측한다. 모델에 공개되지 않은 후속 실험에서는 화합물 23이 더 낮은 농도에서 PRMT5를 억제한 반면, 화합물 24는 세포 장벽을 더 쉽게 통과하고 간 효소 분석에서 더 천천히 분해되는 상충관계가 나타났다. 이 사례는 표적에 대한 강한 활성이 더 좋은 투과성이나 느린 분해와 반드시 함께 나타나지는 않는다는 점을 보여준다. 평가는 분자 구조의 재구성 정확성과 예측값의 실험 측정값 근접도를 확인하며, 근접도에 따라 부분 점수를 부여한다. 이미 제공된 측정값을 정확히 재현하는지도 평가에 포함된다.
4. 분자 구조를 정확히 표현하는 기초 능력
분자의 물성을 해석하려면 먼저 분석 대상 분자를 정확히 식별해야 하며, 화학 구조 그림에는 원자 연결, 고리 구조, 입체화학 정보가 담겨 있다. 한 문제는 중심 구조와 두 개의 부착 그룹을 조합하면서 원자 18개로 된 고리를 보존하도록 요구한다. 평가 대상 11개 모델에 공통으로 적용된 가장 높은 추론 설정인 xhigh에서 GPT‑6 Astra는 이 화합물을 10회 응답 모두 정확히 재구성했지만, GPT‑5.6 Sol과 GPT‑5.6 Luna는 각각 10회 모두 실패했다. 제시된 응답 예시에서 GPT‑5.6 Sol은 원자 15개의 고리를 만들었고, GPT‑5.6 Luna는 분자를 서로 연결되지 않은 두 조각으로 나눴다. 이런 오류는 단순한 표현 차이를 넘어 분석하는 분자의 정체성을 바꾸므로 이후 해석의 기초를 흔든다. GPT‑6 Astra의 구조 평가 전체 점수는 xhigh에서 획득 가능한 점수의 95.4%였다.
5. 모델별 성능과 추론 수준의 영향
원문이 처음 제시한 xhigh 전체 평가 점수는 GPT‑6.2 Astra 84.5%, GPT‑6 Astra 83.3%, GPT‑6.1 Sol 82.0%, GPT‑5.6 Sol 58.2%다. 뒤의 상세 비교에서는 GPT‑6.1 Terra의 75.1%도 제시하며, GPT‑6 Astra는 max 추론 설정에서 83.8%에 도달했다. 평가는 서로 다른 추론 수준에서 11개 GPT 모델을 대상으로 진행됐고, 추론 수준을 높일수록 점수가 개선됐지만 모델 간 큰 격차는 유지됐다. 성능과 출력 토큰 수를 비교한 그림은 GPT‑5.6 이후 9개 모델의 모델·추론 설정 조합 51개를 표시한다. 각 점수는 99개 문제의 평균이며 오차 막대는 95% 불확실성 구간을 나타내고, 토큰 수에는 추론과 최종 답변이 모두 포함된다. 이 결과는 추론 수준에 따른 개선을 보여주면서도 모델 자체의 차이가 계속 중요하다는 점을 드러낸다.
6. 강점과 실제 신약 개발 검증의 한계
GPT‑6 Astra의 가장 뚜렷한 강점은 분자 구조 재구성과 과학적 근거 설명이었으며, 사전 공개 논문의 일부 사례에서는 구조 변화를 식별하고 단백질 결합·흡수·대사에 미칠 수 있는 영향을 검토했다. 반면 화합물 선택과 수치 물성 예측에서는 각각 획득 가능한 점수의 약 절반에 그쳐 개선 여지가 컸다. 영역별 과제와 채점 규칙이 다르므로 구조 점수 95.4%와 다른 영역 점수를 같은 척도로 직접 비교하는 데는 주의가 필요하다. 저자들은 이 결과가 새로운 약물의 발견이나 실험실 의사결정 개선을 입증하지 않는다고 명시한다. 공개된 원자료에 대한 사전 노출 가능성을 배제할 수 없고, 각 응답은 도구·피드백·새로운 실험 없이 단일 시도로 생성됐다. 따라서 MedChemBench는 과거 연구 근거에 대한 추론의 진전과 과제를 파악하는 자료이며, 실제 신약 개발 효과는 별도로 확인해야 한다.
🧾 핵심 주장 / 시사점
- 구조 재구성의 높은 성능과 화합물 선택·예측의 낮은 성능이 함께 나타나므로, 분자를 정확히 표현하는 능력과 연구상 유망성을 판단하는 능력을 구분해 해석할 필요가 있다.
- PRMT5 사례는 하나의 우수한 지표만으로 화합물을 판단하기 어렵다는 점을 보여주며, 여러 물성의 상충관계를 함께 이해하는 능력이 중요함을 시사한다.
- 추론 수준을 높여 얻은 점수 개선은 평가 조건 안에서의 진전이다. 사전 노출 가능성과 단일 시도라는 제약 때문에 실제 연구에서의 유용성까지 확정할 수는 없다.
✅ 액션 아이템
- MedChemBench 결과를 분자 구조 재구성·실험 근거 설명과 화합물 선택·물성 예측으로 구분해 평가.
- PRMT5 사례를 해석할 때 활성·세포 장벽 투과성·간 효소에 의한 분해 사이의 상충관계를 함께 고려.
- GPT‑6 Astra의 점수 개선을 해석할 때 사전 노출 가능성과 도구·피드백·새로운 실험 없는 단일 시도 조건을 반영.
❓ 열린 질문
- GPT‑6 Astra의 화합물 선택·수치 물성 예측 성능을 높이려면 어떤 추가 검증이 필요한가?
- 공개된 원자료에 대한 사전 노출 가능성은 MedChemBench 점수에 어느 정도 영향을 미쳤는가?
- MedChemBench에서 관찰된 성능 향상이 실제 신약 개발과 실험실 의사결정 개선으로 이어지는가?