임상 실패 극복을 위한 패러다임 전환

종양학 분야의 눈부신 발전에도 불구하고, 임상시험에 진입한 항암제 중 최종 승인을 받는 비율은 약 5%에 불과한 실정이에요. 특히 임상 3상 단계에서 발생하는 후기 실패의 절반 이상이 약물의 효능 부족(Lack of efficacy)으로 인해 일어나고 있죠. 이러한 높은 실패율은 환자의 실제 종양 생물학(Tumor Biology)을 충분히 반영하지 못하거나, 대상 환자군을 너무 광범위하게 설정한 탓이 큽니다. 인디뷰메드 테라퓨틱스(Indivumed Therapeutics)는 이러한 문제를 근본적으로 해결하기 위해 환자 중심의 정밀 종양학(Precision Oncology) R&D 모델을 구축하고 있어요.

nRavel 플랫폼과 극저온 허혈 시간의 결합

인디뷰메드는 암 조직이 체외로 나온 뒤 변형되기 전인 10분 이내에 샘플을 보존하는 표준화된 바이오뱅크(Biobank)를 핵심 자산으로 보유하고 있어요. 허혈 시간(Cold Ischemia Time)을 극도로 단축하여 종양의 천연 상태와 미세환경을 보존한 고품질 데이터는 표적 발굴의 신뢰성을 극대화하죠. 이 고유한 생체 시료들을 자체 인공지능(AI) 플랫폼인 엔라벨(nRavel)로 분석해 수백 개의 임상 및 종양 유전체 데이터를 통합해내고 있어요. 단순 가상 예측을 넘어 실제 인간 세포 기반의 생물학 데이터가 결합됨으로써 초기 표적 검증의 오류를 대폭 줄이고 있습니다.

다중오믹스 기반의 정밀 타깃 및 모달리티 검증

이들은 DNA, RNA는 물론 단백질 및 번역 후 변형(Post-translational modifications)까지 아우르는 다중오믹스(Multi-omics) 분석을 수행해요. 이를 통해 암세포의 신호전달 경로를 다각도로 평가하고, 항체-약물 접합체(Antibody-Drug Conjugate, ADC)나 이중항체(Bispecific Antibody) 등 가장 적합한 약물 모달리티(Modality)를 매칭하죠. 특히 대장암(Colorectal Cancer, CRC)은 유전적 이질성이 매우 높아 단일 바이오마커로 치료가 어려운데, 인디뷰메드는 환자별 다차원 프로파일을 구축해 정밀 표적을 제시해요. 이는 임상 설계 시 반응 가능성이 가장 높은 환자군(Patient Stratification)을 정교하게 선별할 수 있는 강력한 무기가 됩니다.

AI와 환자 유래 모델의 선순환 R&D 루프

인디뷰메드는 불완전한 동물 모델의 한계를 극복하기 위해 바이오뱅크에서 유래한 3차원 세포 모델(Organoid)과 환자 유래 세포주를 타깃 검증에 활용해요. 이 검증 데이터가 다시 nRavel AI 알고리즘으로 피드백되어 정밀도를 향상시키는 '선순환 루프(Efficient Loop)'를 완성했죠. 이를 통해 통상 수년이 걸리는 항암 타깃 발굴 및 약물 적합성 검증 기간을 수개월 단위로 단축하는 성과를 내고 있어요. 이러한 혁신 R&D 모델은 신약 개발의 경제성을 대폭 제고하고 궁극적으로 항암제 임상 성공률을 끌어올리는 데 중대한 이정표가 될 것입니다.