맞춤형 모더나 암백신, 가격은 7억원입니다
📺 원본 영상: 맞춤형 모더나 암백신, 가격은 7억원입니다 (카이스트 의과학대학원 신의철 교수)
🎙️ 채널: 언더스탠딩 : 세상의 모든 지식
📅 정리 일자: 2026-08-25
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료와 차트, 논문 도표, 슬라이드 등은 포함되지 않을 수 있습니다.
개요
모더나가 개발하는 개인 맞춤형 암 백신은 암을 직접 파괴하는 독성 물질이 아니라, 환자의 면역계를 훈련해 암세포를 찾아 공격하도록 만드는 치료 기술이다. 같은 종류의 암이라도 환자마다 돌연변이와 면역학적 조건이 다르기 때문에, 암 조직의 염기서열을 분석하고 그 사람에게 맞는 항원을 골라 별도의 백신을 제작한다는 점에서 기존 의약품과 근본적으로 다른 생산·허가 체계를 요구한다.
신의철 교수는 이 기술이 갑자기 등장한 단일 발명이 아니라 Next Generation Sequencing(차세대 염기서열 분석), mRNA 백신 플랫폼, 면역관문 억제제라는 세 가지 기술이 축적된 결과라고 설명한다. 동시에 항원 예측의 부정확성, 약 6주에 이르는 제작 기간, 환자 한 명만을 위한 생산비, 공개되지 않은 임상 데이터 같은 한계도 분명히 짚는다. 따라서 이번 성과의 진정한 의미는 암이 곧 정복됐다는 데 있기보다, 환자별로 서로 다른 의약품을 하나의 제조 시스템과 임상시험으로 평가하는 새로운 의학적 패러다임이 현실에 가까워졌다는 데 있다.
예방하지 않는데도 왜 ‘백신’이라고 부르는가
백신을 단순히 질병에 걸리기 전에 맞는 예방약으로 이해하면 ‘암 치료 백신’이라는 표현은 모순처럼 들린다. 그러나 신 교수는 백신의 핵심을 투여 시점이 아니라 작동 원리에서 찾는다. 바이러스나 세균의 특정 성분을 면역계에 미리 제시해 공격 대상을 학습시키고 면역 기억을 형성하는 것이 백신의 본질이며, 이 원리는 이미 발생한 암을 치료할 때도 적용될 수 있다는 설명이다.
암세포는 원래 환자 자신의 세포에서 출발하므로 면역계가 정상적인 ‘나’의 일부로 오인하거나 적극적으로 공격하지 않을 수 있다. 하지만 암이 발생하는 과정에서는 유전자 돌연변이가 축적되고, 이에 따라 정상세포에는 없던 변형 단백질이 만들어진다. 면역계는 이 미세한 차이를 비자기(non-self) 신호로 인식할 잠재력이 있으므로, 변형된 부분을 항원으로 제시하면 T세포가 암세포를 공격하도록 훈련할 수 있다.
이 기술은 암이 생기기 전에 접종해 발병 자체를 막는 일반적 의미의 예방 백신과는 다르다. 자궁경부암 백신은 Human Papillomavirus(인유두종바이러스) 감염을 예방함으로써 결과적으로 암 발생을 줄이지만, 개인 맞춤형 암 백신은 이미 발생한 암에서 항원 후보를 찾아야 한다. 다만 수술로 암을 제거한 뒤 남아 있을지 모르는 미세 암세포를 제거하고 재발을 막는 용도로 사용된다면, 치료인 동시에 ‘재발 예방’의 성격도 갖게 된다.
같은 폐암인데도 백신을 공유할 수 없는 이유
감기나 코로나19는 같은 시기에 유행하는 바이러스의 특성이 사람마다 대체로 비슷하므로 동일한 백신을 많은 사람에게 접종할 수 있다. 반면 암은 같은 폐암이나 대장암, 흑색종이라는 진단명을 공유하더라도 환자마다 축적된 돌연변이 조합이 크게 다르다. 신 교수는 이를 범인의 몽타주에 비유하며, 환자 A의 암세포를 식별하는 몽타주가 환자 B의 암세포에는 맞지 않을 수 있다고 설명한다.
이 이질성은 특정 암종의 모든 환자에게 동일하게 듣는 백신을 만들기 어렵게 하는 첫 번째 이유다. 개인 맞춤형 백신은 환자 자신의 암에서만 발견되는 돌연변이를 조사한 뒤, 그중 면역계가 인식할 가능성이 높은 부분을 선택해야 한다. 결국 약의 제조 원리는 공유하더라도 실제 백신에 담기는 성분은 환자마다 달라진다.
개인화를 요구하는 두 번째 이유는 Human Leukocyte Antigen(HLA·사람백혈구항원)의 차이다. HLA는 장기이식 적합도 검사에서도 중요하게 다뤄지는 조직형으로, 어떤 단백질 조각을 T세포에 제시할 수 있는지를 결정한다. 설령 두 환자의 암에서 우연히 같은 돌연변이가 발견되더라도 HLA 유형이 다르면 면역계에 제시되는 방식과 유효한 항원이 달라질 수 있으므로, 돌연변이와 HLA를 함께 고려해야 진정한 맞춤형 설계가 가능하다.
💡 [영상 참조] 강연자는 환자별 돌연변이 차이와 개인 맞춤형 백신이 필요한 이유를 슬라이드로 설명한다.
📺 원본 영상에서 확인할 수 있다.
환자의 암 조직이 하나의 백신이 되기까지
개인 맞춤형 암 백신의 출발점은 환자의 암세포를 확보하는 일이다. 수술로 제거한 조직이나 생검 시료를 이용할 수 있고, 경우에 따라 혈액 속을 떠다니는 암세포나 암 유래 물질을 분석하는 접근도 가능하다. 확보한 암 조직과 정상 조직의 염기서열을 비교하면 정상세포에는 없고 암세포에만 존재하는 돌연변이를 찾아낼 수 있다.
그러나 돌연변이가 발견됐다고 해서 모두 백신 항원이 되는 것은 아니다. 그중 T세포를 실제로 자극할 수 있는 단백질 조각을 선별해야 하며, 암세포의 돌연변이로 새롭게 생긴 이러한 표적을 Neoantigen(신생항원)이라고 부른다. 현재는 컴퓨터 알고리즘과 AI 모델을 이용해 돌연변이 후보 가운데 어떤 신생항원이 환자의 HLA와 결합하고 T세포 반응을 일으킬지 예측한다.
선정된 신생항원 정보는 mRNA 등의 형태로 백신에 담긴다. 백신을 투여하면 mRNA가 세포 안으로 들어가 항원 단백질을 만들고, 이를 받아들인 항원제시세포가 림프절에서 T세포에 정보를 전달한다. 그 결과 표적에 맞는 Killer T Cell(세포독성 T세포)이 활성화되며, 정상세포는 가급적 건드리지 않고 동일한 신생항원을 가진 암세포를 찾아 공격하는 것이 목표다.
| 제작 단계 | 핵심 작업 | 주요 기술적 과제 |
|---|---|---|
| 암 시료 확보 | 수술 조직이나 생검 시료 등에서 암세포 확보 | 충분하고 신뢰할 수 있는 시료 확보 |
| 염기서열 분석 | 정상세포와 암세포의 유전체 비교 | 암 특이적 돌연변이의 정확한 식별 |
| 신생항원 선별 | T세포를 자극할 후보 항원 예측 | HLA 유형 반영과 예측 정확도 확보 |
| 백신 제조 | 선택된 항원을 mRNA 또는 펩타이드로 제작 | 신속한 개인별 생산과 품질관리 |
| 면역 활성화 | 항원제시세포와 T세포를 통해 암 공격 유도 | 면역억제성 종양 환경 극복 |
이 표는 강연에서 음성으로 설명된 제작 흐름을 재구성한 것이다. 실제 임상 제조에서는 품질검사와 출하, 투약 계획 등 더 많은 단계가 필요할 수 있으므로 완전한 공정도로 해석해서는 안 된다.
mRNA가 맞춤형 암 백신의 병목을 줄인 방식
전통적인 단백질 백신은 원하는 항원 단백질을 외부에서 생산하고 정제해 투여한다. 이 방식은 새로운 단백질을 제품 수준으로 제작하는 데 긴 시간이 필요하므로, 수술 후 재발 위험을 안고 기다리는 암 환자에게는 적합하지 않을 수 있다. 신 교수는 고전적 방식으로는 수년이 필요할 수 있었던 작업을 mRNA 플랫폼이 수주 수준으로 단축했다는 점을 강조한다.
mRNA는 완성된 단백질이 아니라 세포가 단백질을 만들 때 사용하는 설계도다. 코로나19 mRNA 백신이 바이러스의 스파이크 단백질 설계도를 전달했던 것처럼, 암 백신은 환자의 신생항원 설계도를 전달한다. 단백질 자체를 항원마다 새로 생산하는 대신 염기서열만 바꿔 동일한 제조 플랫폼을 활용할 수 있으므로, 서로 다른 환자를 위한 백신을 신속하게 제작하는 데 유리하다.
강연에 따르면 모더나의 해당 임상에서는 암 조직을 분석해 개인별 백신을 만드는 데 약 6주가 걸렸다. 6주는 일반적인 공산품 생산과 비교하면 길지만, 환자별로 완전히 다른 항원을 분석하고 의약품으로 제조한다는 점을 고려하면 임상적으로 시도 가능한 시간에 가까워진 것이다. 그럼에도 매우 빠르게 진행되는 암은 6주 사이에도 악화할 수 있기 때문에, 제작 시간을 더 단축하는 일은 여전히 중요한 연구 과제다.
모더나와 BioNTech가 처음부터 암 백신을 비롯한 mRNA 치료 기술을 연구해 왔다는 점도 중요한 배경이다. 코로나19 팬데믹은 이들의 플랫폼을 대규모로 제조하고 임상적으로 검증할 기회를 제공했으며, 이후 축적된 생산 경험이 다시 암 백신 개발을 촉진했다. 다만 개인 맞춤형 암 백신이 반드시 mRNA로만 가능하다는 뜻은 아니며, 펩타이드처럼 비교적 빠르게 합성할 수 있는 다른 형태도 연구되고 있다.
키트루다와의 병용이 필요한 이유
암세포가 면역계에 잘 보이지 않는 것만이 문제는 아니다. 일부 암세포는 자신을 공격하려는 T세포에 적극적으로 억제 신호를 보내 면역 반응에 브레이크를 건다. 백신으로 T세포를 훈련하더라도 이 브레이크가 유지된다면 충분한 항암 효과를 내기 어렵다.
Keytruda(키트루다)와 같은 면역관문 억제제는 암세포가 이용하는 억제 신호를 차단해 T세포가 다시 활동할 수 있도록 돕는다. 개인 맞춤형 암 백신이 ‘누구를 공격할 것인지’를 가르치는 역할이라면, 면역관문 억제제는 공격을 막는 브레이크를 해제하는 역할에 가깝다. 두 치료법은 같은 면역계를 이용하지만 서로 다른 병목을 해결하기 때문에 병용할 논리적 근거가 생긴다.
강연에서 설명한 흑색종 임상시험도 키트루다 단독 치료와 키트루다에 모더나의 백신을 추가한 치료를 비교하는 구조였다. 이는 새로운 치료제를 아무 치료도 하지 않는 경우와 비교한 것이 아니라, 현재의 표준치료보다 더 나은지를 평가하기 위한 설계다. 신 교수는 당시 회사가 임상시험에서 사전에 정한 통계적 목표를 달성했다고 발표했지만, 구체적인 효과 크기와 전체 데이터는 아직 공개되지 않았다고 거듭 강조한다.
따라서 ‘임상 성공’이라는 표현만으로 모든 환자가 완치되거나 백신 단독 효과가 입증됐다고 해석해서는 안 된다. 해당 시험에는 모더나 백신만 단독으로 투여한 비교군이 없었으므로, 공개된 설명만으로는 백신 단독 효과를 분리해 평가할 수 없다. 최종 판단에는 학술대회나 논문을 통해 제시될 상세한 효능, 안전성, 환자 하위집단 분석이 필요하다.
1,100여 명에게 서로 다른 약을 투여하는 임상시험
일반적인 임상시험에서는 수백 명 또는 수천 명의 환자가 동일한 성분의 의약품을 투여받는다. 그러나 개인 맞춤형 암 백신에서는 제조 알고리즘과 절차는 같아도 각 환자에게 들어가는 신생항원 조합이 다르다. 강연에서는 약 1,100명 규모로 계획된 임상시험이라면 사실상 약 1,100개의 서로 다른 백신을 제작하는 셈이라고 설명한다.
이 지점에서 의약품 허가의 대상도 달라진다. 규제기관은 완전히 동일한 하나의 제품만 평가하는 것이 아니라, 환자별 데이터를 입력받아 항원을 선정하고 백신을 제조하는 전체 시스템의 일관성과 안전성까지 판단해야 한다. 제조 방식, 알고리즘, 품질관리 규칙이 정해져 있더라도 최종 산출물은 환자마다 다르기 때문이다.
신 교수는 이러한 방식이 정식 허가로 이어진다면 규제의 역사에서도 새로운 사례가 될 수 있다고 평가한다. 이는 환자 집단에 동일한 약을 제공하는 기존 대량생산 모델에서, 표준화된 플랫폼을 이용해 개인별 제품을 제조하는 모델로의 전환을 의미한다. 개인 맞춤형 백신의 성패는 생물학적 효능뿐 아니라 제조시설, 물류, 품질관리와 규제 체계가 이 새로운 구조를 얼마나 안정적으로 수용하느냐에도 달려 있다.
왜 첫 무대는 흑색종이었는가
개인 맞춤형 암 백신이 흑색종에서 먼저 성과를 보였다고 해서 모든 암에 같은 수준으로 작동한다고 단정할 수는 없다. 신 교수에 따르면 흑색종은 면역 반응에 비교적 민감한 암으로 오래전부터 알려져 왔으며, 면역관문 억제제도 흑색종에서 초기 임상적 성공을 확인한 뒤 다른 암으로 적응증을 넓혀 갔다. 새로운 면역치료의 가능성을 검증해야 하는 개발사라면 성공 확률이 상대적으로 높은 암종부터 선택하는 것이 합리적이다.
암종에 따라 면역치료 반응이 다른 첫 번째 이유는 돌연변이와 항원의 양이다. 돌연변이가 많은 암은 면역계가 인식할 수 있는 새로운 표적을 더 많이 제공할 가능성이 있지만, 돌연변이가 적은 암은 T세포가 구별할 특징 자체가 부족할 수 있다. 다만 돌연변이의 수가 많다는 이유만으로 반드시 치료 반응이 좋다고 단순화할 수는 없으며, 실제로 유효한 신생항원이 생성되고 제시되는지가 중요하다.
두 번째 이유는 종양이 자리 잡은 장기와 종양미세환경의 차이다. 뇌처럼 면역반응을 강하게 억제하는 환경에서는 T세포가 활성화되더라도 암 조직 안에서 제대로 기능하지 못할 수 있다. 교모세포종처럼 악성도가 높으면서 면역억제성 사이토카인이 많은 암은 이러한 이유로 면역치료가 특히 어려울 수 있다는 것이 강연의 설명이다.
개인 맞춤형 암 백신 역시 면역관문 억제제가 걸어온 경로를 따라 여러 암종에서 차례로 시험될 가능성이 크다. 실제로 강연자는 흑색종 연구가 끝난 뒤에야 다른 암 연구가 시작되는 것이 아니라, 폐암을 비롯한 여러 적응증의 임상이 이미 병행되고 있다고 설명한다. 어느 암에서 얼마나 효과가 있을지는 원리만으로 결정할 수 없으며, 암종별 임상시험을 통해 확인해야 한다.
세 가지 기술이 만난 순간
개인 맞춤형 암 백신의 아이디어 자체는 수십 년 전에도 면역학적으로 상상할 수 있었다. 그러나 과거에는 환자 한 명의 유전체를 분석하는 데 수년이 걸렸고, 항원 단백질을 개인별로 제조하는 데도 현실적인 시간과 비용의 한계가 있었다. 좋은 아이디어가 의약품이 되려면 주변 기술이 동시에 성숙해야 한다는 점을 보여주는 사례다.
첫 번째 전환점은 Next Generation Sequencing(NGS·차세대 염기서열 분석)이다. 과거 Human Genome Project(인간 게놈 프로젝트)에서 오랜 시간이 필요했던 염기서열 분석을 오늘날에는 매우 짧은 시간 안에 수행할 수 있게 되면서, 환자별 암 돌연변이를 치료 일정 안에서 찾는 일이 가능해졌다. 두 번째는 염기서열만 바꿔 비교적 빠르게 항원을 제조할 수 있는 mRNA 플랫폼이다.
세 번째는 키트루다와 같은 면역관문 억제제의 등장이다. 백신이 T세포를 훈련해도 암이 보내는 억제 신호를 풀지 못하면 효과가 제한될 수 있는데, 면역관문 억제제가 이 장애물을 완화했다. 신 교수는 서로 다른 연구자와 기업이 만든 NGS, mRNA, 면역관문 억제제라는 세 기반 기술이 함께 존재했기 때문에 개인 맞춤형 암 백신의 아이디어가 비로소 임상적 성과를 낼 수 있었다고 해석한다.
💡 [영상 참조] 강연자는 NGS, mRNA 백신, 키트루다가 개인 맞춤형 암 백신의 기반이 됐다는 내용을 하나의 슬라이드로 설명한다.
📺 원본 영상에서 확인할 수 있다.
맞춤형인데도 모든 환자에게 듣지 않는 이유
‘개인 맞춤형’이라는 말은 마치 환자에게 정확히 맞춘 치료이므로 반드시 효과가 있을 것 같은 기대를 만든다. 그러나 신 교수는 초기 임상 결과를 보더라도 반응률이 100%가 아니며, 일부 환자에게는 충분한 효과가 나타나지 않는다고 선을 긋는다. 맞춤형이라는 표현은 환자의 암 정보로 약을 설계했다는 뜻이지, 성공을 보증한다는 뜻은 아니다.
가장 큰 기술적 병목 가운데 하나는 돌연변이 중 어느 부분이 실제 T세포 항원인지 골라내는 예측 단계다. 돌연변이 자체는 유전체 분석으로 비교적 정확하게 찾을 수 있지만, 그 돌연변이가 환자의 HLA에 의해 제시되고 실제 T세포 반응을 만들지는 별개의 문제다. 잘못된 항원을 선택하면 백신을 정확하게 생산하고 투여하더라도 면역계가 표적을 알아보지 못한다.
강연에서는 2023년에 발표된 BioNTech의 췌장암 연구 사례가 이러한 한계를 보여주는 자료로 소개된다. 16명의 환자 가운데 8명에서는 면역 반응이 관찰됐지만 나머지 8명에서는 충분한 반응이 나타나지 않았으며, 여러 신생항원을 투여해도 실제 T세포가 인식한 항원은 일부에 그쳤다고 설명한다. 반대로 적어도 하나의 유효한 표적에 반응한 환자군에서는 더 나은 임상 경과가 관찰됐다는 것이 강연의 요지다.
그렇다고 가능한 돌연변이를 무작정 많이 넣는 것이 해결책은 아니다. 항원 수를 지나치게 늘리면 항원 사이의 경쟁이나 면역학적 간섭이 발생할 수 있고, 제조 복잡성과 비용도 커진다. 결국 핵심은 많은 후보를 넣는 것이 아니라 환자에게 실제로 작동하는 후보를 더 정확히 선별하는 데 있다.
💡 [영상 참조] 강연자는 BioNTech 췌장암 연구의 환자별 신생항원 수, T세포 반응, 생존 곡선을 담은 논문 도표를 설명한다. 화면의 세부 수치는 원본 영상에서 확인해야 한다.
📺 원본 영상에서 확인할 수 있다.
AI의 병목은 알고리즘보다 학습 데이터다
신생항원을 찾는 과정에는 이미 AI와 계산 알고리즘이 사용되고 있다. 그러나 신 교수는 AI를 적용했다는 사실만으로 예측 문제가 해결되는 것은 아니며, 현재 모델도 상당수 후보를 틀릴 수 있다고 지적한다. 모델의 성능은 학습 데이터의 정확도와 대표성을 넘어설 수 없기 때문이다.
생물학 연구에서는 한 번의 실험만으로 항원 여부를 확정하기 어려운 경우가 많고, 서로 다른 실험 조건에서 결과가 재현되지 않을 수도 있다. 불확실하거나 잘못 판정된 항원 데이터가 학습 자료에 포함되면 AI는 그 오류까지 패턴으로 학습한다. 따라서 더 복잡한 모델을 만드는 일에 앞서, 실제 T세포 반응을 대규모로 반복 측정한 고품질 데이터베이스를 구축해야 한다.
이 관점에서 AI 기반 신약개발의 경쟁력은 알고리즘만의 경쟁이 아니다. 누가 더 정확한 실험으로 항원의 참과 거짓을 판별하고, 환자의 HLA 및 면역 반응과 연결된 데이터를 축적하느냐가 모델의 성능을 좌우한다. 실험실의 검증 능력과 데이터 엔지니어링, AI 모델링이 하나의 순환 구조를 만들어야 신생항원 예측 정확도가 실질적으로 개선될 수 있다.
약 7억원이라는 가격이 만들어지는 구조
개인 맞춤형 암 백신은 한 환자의 조직을 분석하고, 그 환자에게 맞는 항원을 선택한 뒤, 별도의 백신을 생산하고 품질을 검사해야 한다. 완성된 제품은 다른 환자에게 그대로 사용할 수 없으므로 대량생산을 통한 단가 절감이 어렵다. 연구개발비뿐 아니라 개별 분석, 제조, 품질관리와 공급 과정 자체가 높은 비용을 요구하는 구조다.
신 교수는 아직 출시 가격이 확정되지 않았음을 전제로, 회사 내부에서 약 50만 달러 수준이 거론된다는 이야기를 전해 들었다고 소개한다. 영상에서는 이를 당시 환율로 약 7억원에 해당하는 금액으로 환산한다. 이는 공식 가격 발표가 아니라 강연자가 전달한 비공식 추정치이므로 확정된 약값으로 받아들여서는 안 된다.
비슷한 비용 구조를 가진 사례로는 CAR-T 치료제가 언급된다. CAR-T 역시 환자의 혈액에서 세포를 채취해 그 환자를 위한 치료제로 가공하므로 수억원대 가격이 형성된다. 맞춤형 암 백신 또한 동일한 약을 수십만 명에게 판매하는 전통적 모델과 달리, 한 사람을 위해 하나의 제품을 만드는 구조라는 점에서 원가 부담이 크다.
신 교수는 기술이 성숙하고 생산 공정이 표준화되면 가격이 점차 낮아질 가능성을 낙관한다. 그러나 상용화 초기에는 치료 접근성이 부와 보험제도에 따라 크게 달라질 수 있고, 한국에서는 치료 효과를 알면서도 비용 때문에 이용하지 못하는 박탈감이 사회적 문제로 떠오를 수 있다. 과학적 가능성을 증명한 다음에는 누가 비용을 부담하고 어떤 환자에게 우선 제공할 것인지라는 의료경제와 정책의 문제가 남는다.
‘완전 맞춤복’ 대신 ‘기성복’을 준비하는 접근
환자 한 명만을 위한 백신이 정확도는 높일 수 있지만, 비용과 제작 기간이라는 구조적 한계를 피하기 어렵다. 신 교수 연구진은 모든 환자의 돌연변이가 완전히 다른 것은 아니며 일부 암 환자들이 공유하는 Public Neoantigen(공통 신생항원)이 존재한다는 점에 주목한다. 반복적으로 나타나는 공통 표적을 미리 백신으로 만들어 두면 개별 주문 생산 없이 곧바로 투여할 수 있다는 발상이다.
강연에서 소개된 대장암 연구에서는 환자의 2.5% 이상에서 발견되는 돌연변이 가운데 12개를 고르면 전체 대장암 환자의 40%대까지 포괄할 가능성이 있다고 설명한다. 이 접근은 나머지 절반 이상의 환자를 대상으로 삼지 못한다는 한계를 인정하는 대신, 해당되는 환자에게는 미리 제조한 제품을 신속하게 제공하는 것을 목표로 한다. 수술 다음 날에도 투여할 수 있을 만큼 준비 시간을 줄이고, 완전 맞춤형 백신 대비 약 10분의 1 가격을 목표로 한다는 설명이다.
미리 제품을 만들어 놓으면 항원 예측을 실측으로 보완할 수 있다는 장점도 있다. 특정 HLA 유형을 가진 사람에게 어떤 공통 신생항원이 실제로 T세포 반응을 일으키는지 사전에 검증해 표로 구축할 수 있기 때문이다. 환자가 조건에 해당하면 예측에만 의존하지 않고 이미 측정된 조합을 선택할 수 있다는 논리다.
이를 의류에 비유하면 모더나 방식은 한 사람의 치수를 모두 측정해 만드는 완전 맞춤복이고, 공통 신생항원 방식은 여러 체형에 맞춰 미리 준비한 정밀한 기성복에 가깝다. 기성복 방식은 모든 환자를 포괄하지 못하지만 속도와 가격, 사전검증 측면에서 이점을 얻는다. 두 방식은 어느 하나가 절대적으로 우월하다기보다 완전한 개인화와 접근성 사이에서 서로 다른 목표를 선택한 전략으로 이해해야 한다.
💡 [영상 참조] 강연자는 대장암 환자들이 공유하는 돌연변이의 비율과 12개 공통 신생항원 후보를 담은 표를 제시한다. 세부 항원명과 전체 데이터는 STT에 포함되지 않았으므로 원본 화면을 참조해야 한다.
📺 원본 영상에서 확인할 수 있다.
암 치료의 ‘페니실린 순간’이 될 수 있을까
신 교수는 이번 성과를 흑색종이라는 한 암종의 치료 결과로만 평가하면 역사적 의미를 놓칠 수 있다고 본다. 페니실린이 모든 세균에 효과가 있었기 때문에 위대한 것이 아니라, 세균을 약물로 제거할 수 있다는 새로운 문을 열었기 때문에 항생제 시대의 출발점이 된 것처럼 개인 맞춤형 암 백신도 새로운 치료 체계를 여는 첫 사례가 될 수 있다는 것이다. 이후 더 정확하고 저렴한 후속 기술이 이어진다면 현재의 한계는 최초 기술의 역사적 가치를 부정하지 않는다.
면역치료가 가진 장기적 가능성은 면역세포가 체내를 감시한다는 데 있다. 수술이나 항암치료 후 소수의 암세포가 남으면 재발과 전이로 이어질 수 있지만, 백신으로 훈련된 면역세포가 잔존한다면 새로 나타나는 표적을 계속 제거할 가능성이 있다. 암을 한 번에 완전히 없애지 못하더라도 재발을 억제하고 장기간 관리 가능한 질환으로 바꾸는 데 백신이 중요한 역할을 할 수 있다는 전망이다.
그렇다고 현 단계에서 암 정복을 선언할 수는 없다. 진행성 암은 종양의 양이 많고 면역억제 환경도 강하므로 초기 또는 수술 후 환자보다 치료가 어려울 가능성이 높으며, 모든 환자가 면역치료에 반응하는 것도 아니다. 면역관문 억제제는 기존 세포독성 항암제보다 일반적으로 부작용 부담이 적을 수 있지만, 과도하게 활성화된 면역계가 정상 조직을 공격하는 면역 관련 이상반응도 일으킬 수 있다.
신 교수의 전망은 하나의 백신이 모든 암을 해결한다는 낙관론과는 거리가 있다. 면역관문 억제제가 첫 번째 전환점이었다면 개인 맞춤형 암 백신은 그 효과를 확장하는 두 번째 축이 될 수 있고, 여기에 더 정확한 항원 예측과 종양미세환경 조절 기술이 결합돼야 한다. 수십 년 뒤 암을 당뇨병처럼 장기적으로 관리할 수 있게 된다면, 이번 시기가 그 변화의 중요한 출발점으로 기록될 수 있다는 것이 강연의 핵심적인 역사 전망이다.
마무리 / 핵심 정리
개인 맞춤형 암 백신은 환자의 암 조직에서 돌연변이를 찾고, 그중 T세포가 알아볼 신생항원을 골라 mRNA 등으로 전달하는 치료 기술이다. 백신은 암을 직접 죽이지 않고 면역계에 공격 대상을 가르치며, 키트루다 같은 면역관문 억제제는 암이 T세포에 거는 브레이크를 풀어 두 치료의 병용 효과를 뒷받침한다.
이 기술을 가능하게 한 것은 환자 유전체를 빠르게 읽는 NGS, 개인별 항원을 수주 안에 제조할 수 있는 mRNA 플랫폼, 면역억제를 해제하는 면역관문 억제제의 결합이었다. 그러나 실제 효과는 환자마다 다르며, 돌연변이 가운데 진짜 항원을 고르는 예측 기술은 아직 불완전하다. AI 역시 부정확한 학습 데이터라는 병목을 안고 있어, 고품질 실험 데이터의 축적이 선행돼야 한다.
경제적 한계도 과학적 한계만큼 크다. 강연에서 언급된 약 50만 달러, 한화 약 7억원은 확정 가격이 아닌 비공식 추정치이지만, 환자 한 명을 위해 한 제품을 제조하는 구조가 얼마나 비싼지를 보여준다. 공통 신생항원을 이용해 미리 백신을 만들어 두는 접근은 전체 환자를 포괄하지 못하는 대신, 제작 시간과 가격을 줄일 수 있는 현실적인 보완 전략이다.
결국 이번 성과는 완성된 암 정복 선언이 아니라 새로운 제조·임상·허가 패러다임의 시작으로 보는 편이 타당하다. 구체적인 임상 데이터가 공개되기 전까지 효과 크기를 과장해서는 안 되지만, 서로 다른 환자에게 서로 다른 약을 만들어 공급하는 일이 대규모 임상시험의 영역에 들어왔다는 사실 자체는 중요하다. 앞으로의 승부는 항원 선택의 정확도, 제작 속도, 병용치료 설계, 암종별 반응 확인, 그리고 치료 접근성을 결정할 비용 절감에서 갈릴 것이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 맞춤형 모더나 암백신, 가격은 7억원입니다 (카이스트 의과학대학원 신의철 교수) |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 영상 길이 | 약 60분 |
| 리포트 작성 | 2026-08-25 |
| 작성 방식 | YouTube 영상 STT 변환 후 문맥 교정 및 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었다. 임상시험의 구체적 효과 수치와 최종 가격은 영상에서 확정적으로 제시되지 않았으므로, 정확한 내용과 화면 자료는 원본 영상을 참조해야 한다.