We Have To Know Why'': Philanthropist Priscilla Chan''s Bold Bet On Rare Disease
Quick Summary
'We Have To Know Why': Philanthropist Priscilla Chan’s Bold Bet On Rare Disease를 중심으로, 출발점은 진단 이후에도 남는 지식의 공백이다. 챈은 임상 현장에서 희귀질환의 이름이나 유전적 변이를 알아도 실제 진료에 필를 핵심 판단 포인트로 압축 정리한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
'We Have To Know Why': Philanthropist Priscilla Chan’s Bold Bet On Rare Disease를 중심으로, 출발점은 진단 이후에도 남는 지식의 공백이다. 챈은 임상 현장에서 희귀질환의 이름이나 유전적 변이를 알아도 실제 진료에 필를 핵심 판단 포인트로 압축 정리한다.
📌 핵심 요점
- 출발점은 진단 이후에도 남는 지식의 공백이다. 챈은 임상 현장에서 희귀질환의 이름이나 유전적 변이를 알아도 실제 진료에 필요한 답이 부족한 상황을 경험했다. 환자를 더 잘 돌보려면 질병의 원인과 인체의 작동 원리를 이해해야 한다는 판단이다.
- CZI와 Biohub는 연구 기반에 투자한다. 단일세포 데이터, 공유 도구, 연구자 협업을 바탕으로 AI와 생물학을 연결하려 한다. 가상 세포와 가상 면역계 구축은 이러한 연구 구상의 일부다.
- 공개 데이터의 가치는 외부 연구자의 참여로 확장된다. 챈에 따르면 인간 세포 지도 연구를 지원하고 데이터와 도구를 공개하면서 공동체의 기여가 늘었다. 현재 저장소의 대부분은 CZI가 직접 지원하지 않은 연구 성과라는 설명이다.
- 환자단체는 연구의 적극적인 참여자다. 희귀질환 공동체는 환자 등록자료와 검체를 모으고 경험을 공유하며 연구와 임상시험의 기반을 마련해 왔다. 챈은 이들의 협력이 의학 전반의 발전에도 기여할 것으로 기대한다.
- AI 연구 성과와 환자의 치료 효과는 구분해야 한다. 인터뷰에서 소개한 대규모 단백질 구조 예측과 실험 결과는 연구의 진전이다. 모든 질병의 치료·예방·관리와 개발 기간 단축은 아직 검증해야 할 목표와 전망이다.
🧩 배경과 문제 정의
- 베키 퀵의 딸 케일리는 희귀 유전질환 SYNGAP1으로 발작과 발달 지연, 지적장애 등을 겪고 있다. 치료법이 없는 상황에서 가족에게는 질환을 이해하고 치료 가능성을 찾는 일이 절실하다.
- 희귀질환은 진단을 받아도 원인과 치료에 관한 지식이 부족해 의료진과 가족이 시행착오에 의존하는 경우가 많다. 프리실라 챈은 이러한 임상 경험을 통해 기초과학의 필요성을 절감했다.
- 챈 저커버그 이니셔티브(CZI)와 Biohub는 세포 데이터, 공동 연구 도구, AI를 결합해 질병을 체계적으로 이해하려 한다. 모든 질병의 치료·예방·관리라는 목표와 그 달성 시점은 아직 실현되지 않은 비전과 전망이다.
🕒 시간순 섹션별 상세정리
1. SYNGAP1 가족의 경험에서 출발한 희귀질환 지원
- 케일리는 뇌 발달에 필요한 SYNGAP 단백질을 약 절반만 생성하며, 발작과 발달 지연, 지적장애, 자폐를 겪고 있다. 당시 열 살이었고 치료법은 없었다 [00:53]
- 2026년 초 시작한 CNBC Cures와 팟캐스트 「The Path」는 희귀질환 가족의 경험, 연구 성과, 삶을 바꾸는 진단의 영향을 공유하는 공간을 지향한다 [01:13]
2. Biohub가 결합하려는 AI와 생물학
- 챈과 마크 저커버그는 2025년 Biohub에 역량을 집중했다. 수십억 달러를 투입하는 비영리 연구조직의 목표는 모든 질병의 치료와 예방이다 [02:22]
- 당초 목표는 이번 세기 안에 과학자들이 모든 질병을 치료하거나 예방하도록 돕는 것이었다. AI 발전으로 그 시점이 훨씬 앞당겨질 수도 있다는 것이 이들의 전망이다 [02:34]
3. 할아버지의 갑작스러운 죽음이 남긴 원인에 대한 질문
- 챈은 약 열두 살 때 아침까지 자신을 학교에 데려다주던 할아버지와 그날 오후 병원에서 작별했다. 가족의 의료 이해도가 낮았고, 이후에도 무엇이 일어났는지 충분히 알지 못했다 [05:19]
- 고등학교 독립연구에서 암 교과서를 읽으며 원인을 추적했다. 챈이 재구성한 설명은 암 자체보다 암으로 인한 위장관 출혈이 직접적인 사망 원인이었을 것이라는 추정이다 [06:51]
4. UCSF 진료 현장에서 드러난 희귀질환 지식의 공백
- UCSF는 희귀하고 복잡한 질환의 진료와 첨단 연구를 수행하면서 의료체계에서 충분한 지원을 받지 못하는 사람들에게도 봉사하는 환경이었다 [10:23]
- 진단이 없거나 변이 정보만 있는 아이들의 부모가 의료진에게 관련 자료를 건네기도 했다. 그러나 그 자료가 질환에 관한 지식의 전부여도 수액, 식이, 약물 선택에 필요한 답은 거의 없었다 [11:30]
5. CZI의 출발점은 자산 규모보다 고유한 기여 방식
- 첫아이 맥스의 출생을 앞두고 챈과 저커버그는 자신들의 아이를 포함한 모든 아이에게 더 나은 세상을 만들기 위해 무엇을 기여할지 고민했다 [13:47]
- 저커버그의 공학적 문제 분해와 구축 경험, 챈의 교실·병원 현장 경험이 출발 자산이었다. 과학의 문제는 한 사람이나 조직이 해결할 수 없으므로 다른 연구자들의 역량을 높이는 기여가 필요했다 [14:46]
6. 단일세포 분석으로 인체의 기본 구성을 이해하기
- CZI의 초기 투자 분야 중 하나는 단일세포 시퀀싱이었다. 같은 유전체를 가진 세포들이 서로 다른 기능을 수행하는 이유를 이해하려면 각 세포가 어떤 유전정보를 RNA로 전사하는지 살펴봐야 한다 [16:36]
- 챈에 따르면 이러한 연구는 폐와 신장 등 여러 조직으로 확장됐고, 코로나19 시기에는 감염의 영향을 특별히 받는 새로운 폐 세포 유형도 발견했다 [17:04]
7. 데이터 수집의 실용성 논쟁과 공개 세포 지도
- 단일세포 데이터 축적에는 의미 없이 정보만 모으는 ‘우표 수집’이라는 비판이 있었다. 챈의 반론은 인체의 기본 체계를 이해하지 못하면 어디에서 오류가 생겼는지도 찾기 어렵다는 것이다 [17:38]
- 유전체에서 단지 40개 염기쌍이 다른 아이가 크게 아프고 다르게 발달할 수 있다는 점은 작은 유전적 차이의 기능을 밝혀야 할 이유였다 [18:07]
8. 방대한 세포 데이터와 AI의 패턴 분석 능력
- 축적된 세포 데이터는 한 사람이 이해하기 어려울 만큼 방대했다. 챈은 대규모 정보에서 패턴을 찾는 언어모델의 능력이 인체 데이터를 해석하는 데 연결될 수 있다고 보았다 [19:25]
- 챈은 모델의 작동 원리를 이해하려고 선형대수를 공부했다. 데이터를 생성하고 공동체와 함께 축적하는 역량에 새로운 분석 도구가 더해진다는 점에서 큰 가능성을 기대했다 [20:20]
9. 단백질 모델의 규모와 우연한 발견에 의존해 온 의학
- 인터뷰에서 언급된 ESM 활용 성과는 일주일 동안 단백질 11억 개의 구조를 계산한 규모다. 이는 계산을 통한 구조 예측에 관한 성과이며 치료 효과를 확인했다는 의미는 아니다 [20:36]
- 챈은 CRISPR와 GLP-1 관련 연구를 서로 멀어 보이는 기초연구에서 의학적 연결고리가 발견된 사례로 들었다. 기존 생물학의 중요한 돌파구에는 창의성과 함께 우연한 발견이 크게 작용했다는 관점이다 [21:40]
10. 희귀질환 공동체가 요구한 체계적인 원인 규명
- 희귀질환 가족은 누군가 질환에 관심을 갖거나 뜻밖의 연결고리를 발견하기를 기다려야 하는 어려움을 겪는다. 대안은 환자 집단의 유전적 기반을 파악하고 원인과 개입 가능성을 지속적으로 추적하는 것이다 [22:26]
- 챈이 기대하는 미래 의학은 유전적 차이가 세포 기능을 어떻게 바꾸는지 이해하고, 그 기능을 바로잡는 치료를 설계하는 방식이다. 이는 앞으로 실현해야 할 방향에 대한 전망이다 [22:54]
11. 맞춤의학이 줄이려는 시행착오와 단백질 설계의 현재 수준
- 우울증 치료에서는 흔히 쓰는 약을 시작한 뒤 6~8주를 기다리고 효과가 없으면 다른 약을 시도한다. 개인마다 약효가 다른 이유를 충분히 이해하지 못하는 상황은 적절한 치료를 찾는 동안 환자의 고통을 늘린다 [24:20]
- 유전적 소인과 치료 반응의 관계를 이해하면 처음부터 반응 가능성이 높은 치료를 선택할 수 있다는 것이 맞춤의학의 기대다 [24:32]
12. 장기적인 약속과 기술 변화에 따른 경로 수정
- CZI 설립 당시의 핵심은 자신들이 기여할 부분과 원하는 변화를 정리하고 장기적으로 일하겠다고 약속하는 것이었다 [26:03]
- 십 년 전에는 지금의 대규모 언어모델을 계획에 넣을 수 없었다. 목표를 향한 약속을 유지하면서도 새로운 가능성을 배우고 실행 경로를 바꾸는 접근이 필요했다 [26:26]
13. ‘모든 질병’이라는 목표가 정한 연구 전략
- 모든 질병을 치료·예방·관리하겠다는 목표는 처음에 불가능하다는 반응을 받았다. 당시 과학 발전 속도로는 실현을 기대하기 어렵다는 의문이었다 [27:07]
- 한 질병만 선택하면 특정한 발견이나 연결고리를 찾는 데 집중할 수 있다. 반면 모든 질병을 목표로 하면 인체의 작동 원리를 깊이 이해하고 문제가 생기는 여러 방식을 체계적으로 다뤄야 한다 [27:44]
14. 협업·공유 도구·데이터가 연구 속도의 병목
- 과학자들이 지적한 장애물은 부족한 학제 간 협업, 공유 도구와 데이터셋의 부재, 느린 출판 과정이었다. 이 문제가 CZI가 먼저 해결할 과제를 정하는 기준이 됐다 [28:11]
- 챈은 계산 모델과 실험 도구가 지식 축적과 연구 속도를 높이고 있다고 평가했다. 세기말까지라는 목표가 오히려 너무 멀게 느껴질 수 있다는 발언은 이러한 변화에 대한 낙관적 판단이다 [28:44]
15. 가까운 시기의 성과 전망과 희귀질환 연구의 선행 사례
- 챈은 인터뷰 시점의 ‘내년 말’까지 현재 구축·활용 중인 모델이 뒷받침한 발견과 동물·인간에서의 영향을 보게 될 것으로 예상했다. 이는 확정된 성과나 일정이 아닌 전망이다 [29:11]
- 챈에 따르면 지원한 희귀질환 단체 중에는 변이의 의미를 모르던 상태에서 출발해 십 년 안에 인간에게 투여하는 단계의 유전자치료를 설계한 사례가 있다. 인간에게 적용됐다는 사실과 치료 효과가 확인됐다는 것은 구분해야 한다 [29:33]
16. 기초과학 중심 구상에서 희귀질환 환자단체 지원으로 확장
- 바이오허브는 기초과학과 첨단 과학, 첨단 AI를 결합하는 데 조직의 초점을 둔다. 별도 조직을 둔 이유는 자신들이 기여할 영역을 명확히 하기 위해서다. [30:10]
- 희귀질환 지원 프로그램은 약 8년 전에 시작됐다. 당시 챈은 배양접시와 단일세포 연구부터 차근차근 기반을 쌓으려 했고, 희귀질환 지원은 익숙하지 않은 자선사업 영역이었다. [30:42]
17. 환자단체 간 협력이 새로운 연구와 임상시험을 견인
- 첫 지원 과정에서 환자단체들은 적은 자원으로 이미 상당한 일을 해내고 있었으며, 서로 돕고 있었다. 함께 문제를 풀고 경험을 가르쳐주는 집단의 효과가 프로그램의 중요한 강점으로 드러났다. [31:58]
- 챈이 약 8년간의 성과로 꼽은 것은 이전에 없던 연구와 임상시험, 유전자 치료를 위한 FDA 승인 연구다. 그는 이러한 진전을 매우 빠른 속도로 평가한다. [32:33]
18. 희귀질환 연구의 교훈을 의학 전반으로 확장
- 각 환자단체에는 자신들과 관련된 유전적 변이가 최우선 과제다. 동시에 이들이 축적한 경험과 추진력을 인체 작동 원리의 이해와 모든 환자를 위한 의학 발전에 적용하는 것이 다음 목표다. [33:27]
- 챈은 희귀질환 단체의 선도적 접근과 현재 구축 중인 기반 모델이 연구에서 임상시험, 치료로 이어지는 과정을 앞당길 것으로 기대한다. 희귀질환 단체가 생물의학 전체의 개척자로 평가받을 것이라는 예상도 여기에 연결된다. [34:28]
19. 모든 질병이라는 큰 목표를 빠른 학습과 환자 중심 판단으로 연결
- 모든 질병의 치료·예방·관리를 목표로 삼더라도 전체 경로를 미리 알 필요는 없다는 것이 챈의 접근이다. 성공 여부가 불확실한 다음 시도를 실행하고, 결과에서 배우며 나아가는 속도를 중시한다. [35:39]
- 마크는 기반과 학습 체계를 구축하는 데 시간이 필요하다는 관점을 갖는다. 챈은 연구가 환자에게 실제로 도움이 되는지, 인간의 삶을 개선하는지를 지속적으로 따지며 두 관점을 바이오허브 운영에 결합한다. [36:21]
20. 건강한 예외와 치료 실패가 남긴 ‘왜’라는 질문
- 챈이 기억하는 낭성섬유증 환자 중 한 대학생은 같은 질환으로 고생하는 다른 환자들과 달리 건강하게 생활했다. 이런 긍정적 예외는 환자가 잘 지낼 수 있었던, 아직 파악하지 못한 요인이 있는지 질문하게 만든다. [38:06]
- 또 다른 기억은 재발한 소아암 환자를 병원에서 8주 동안 매일 돌본 경험이다. 한때 호전돼 집으로 돌아갔던 아이에게 약이 더 이상 듣지 않았고, 치료가 실패한 이유를 알아야 한다는 질문이 남았다. [38:54]
21. 다음 회차 예고가 제기한 발달과 학습 가능성
- 다음 회차는 어머니이자 과학자인 앨리슨 베런트의 이야기로 계속된다. 예고편은 신경발달장애가 있는 아이와 성인에게 신경가소성이 어떻게 나타나는지를 질문한다. [40:21]
- 베런트는 자신이 35세에 새 언어를 배울 수 있다는 점을 바탕으로, 딸도 5세나 10세에 배울 가능성이 있지 않겠느냐고 묻는다. 이는 아이의 학습 가능성에 대한 기대이며, 치료 효과가 확인됐다는 주장은 아니다. [40:39]
🧾 결론
- 챈의 핵심 질문은 질환의 이름을 아는 데서 더 나아가, 환자가 아프거나 치료에 반응하지 않는 이유를 이해하는 것이다.
- 이 구상의 중심에는 다른 연구자도 활용할 수 있는 데이터·도구·협업 기반을 넓히는 접근이 있다.
- 장기 목표를 유지하면서 새로운 기술에 맞춰 방법을 바꾸되, 연구가 환자의 삶을 실제로 개선하는지 계속 확인해야 한다.
📈 투자·시사 포인트
- 연구 기반의 가치: 인터뷰는 단일세포 데이터와 분석 도구, 연산 자원을 중요한 연구 기반으로 제시한다. 투자 관점에서는 이 기반이 실제 발견과 임상 진전으로 이어지는지 살펴볼 필요가 있다.
- 공동체 참여의 효과: 공개 데이터와 환자단체의 협력은 한 조직이 가진 자원을 넘어 연구 기여를 확대하는 방식으로 소개된다.
- 성과 단계의 구분: 계산 예측, 실험 결과, 인간 대상 적용, 치료 효과 입증을 나눠 읽어야 기술적 성과의 의미를 과장하지 않을 수 있다.
- 금융 판단의 한계: 이 자료는 비영리 연구조직의 전략과 기대를 설명한다. 특정 기업의 실적이나 투자수익률을 판단할 근거는 제공하지 않는다.
⚠️ 불확실하거나 확인이 필요한 부분
- 모든 질병의 치료·예방·관리와 AI에 따른 일정 단축은 챈의 비전과 전망이다. 달성 가능성이나 시점이 확인된 사실은 아니다.
- 인터뷰의 ‘내년 말’이라는 표현은 발언 시점에 종속된다. 제공된 자료만으로 확정된 성과 발표 일정이나 달력상의 연도를 정해서는 안 된다.
- 인간 세포 지도 연구의 약 3분의 1을 지원했다는 수치는 챈의 추산이다. 단백질 11억 개의 구조 계산 역시 인터뷰에서 소개한 성과이며, 치료 효과를 뜻하지 않는다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 소개된 성과를 계산 예측·실험·인간 대상 적용·치료 효과 입증으로 구분해 기록한다.
- 지원 규모와 연구 성과를 인용할 때 챈의 설명인지, 추산인지, 미래 전망인지 함께 표시한다.
- 후속 연구 소식을 확인할 때 환자에게 나타난 효과와 안전성, 관찰 기간을 살핀다.
- 데이터 공개와 환자단체 협력이 어떤 연구 및 임상 진전으로 이어졌는지 구체적인 사례를 추적한다.
❓ 열린 질문
- 방대한 세포 데이터와 AI 모델은 희귀질환 환자에게 유용한 발견으로 얼마나 안정적으로 연결될 수 있을까?
- 환자단체의 등록자료와 협업 경험을 더 많은 질환으로 확장할 때 어떤 병목이 남을까?
- 모든 질병이라는 장기 목표 아래에서 연구 기반 구축과 당장 필요한 환자 지원의 우선순위는 어떻게 정할까?