삼성바이오로직스가 국내 제약·바이오 업계 최초로 연간 영업이익 2조원을 달성하며 또 한 번 기록을 갈아치웠다. 생산능력, 포트폴리오, 글로벌 거점의 ‘3대 축’ 확장 전략을 가속하며 글로벌 톱티어 의약품 위탁개발생산(CDMO) 기업으로 한층 더 도약한다는 계획이다. ◇ 숫자로 증명한 초격차10일 제약·바이오 업계에 따르면 삼성바이오로직스는 지난달 21일 공시를 통해 지난해 연간 매출 4조5570억원, 영업이익 2조692억원을 기록했다고 밝혔다. 전년 대비 매출은 1조599억원(30%), 영업이익은 7478억원(57%) 증가했다. 4공장 가동률 확대(램프업)와 1~3공장 풀가동이 실적을 견인했다.회사는 앞서 제시한 연간 매출 성장 가이던스(25~30%)의 최고 수준을 달성하며 사업 실행력을 입증했다. 특히 2023년 업계 최초로 영업이익 1조원을 달성한 데 이어 불과 2년 만에 영업이익 2조원을 돌파했다.지난해 인적분할을 통해 순수 CDMO 체제로 전환한 이후에도 성장세가 이어지고 있다. 삼성바이오로직스는 올해 매출 전망치로 전년 대비 15~20% 성장을 제시했다. 다만 지난해 12월 인수 계획을 발표한 미국 록빌 공장의 매출 기여분은 반영하지 않은 수치로, 인수 완료 후 별도 전망치를 추가로 제시할 예정이다. ◇ 3대축 확장 가속삼성바이오로직스는 올해 생산능력 확대에 더욱 속도를 낼 계획이다. 회사는 지난해 12월 글락소스미스클라인(GSK)과 미국 메릴랜드주 록빌에 있는 휴먼지놈사이언시스(HGS) 바이오의약품 생산시설 인수 계약을 체결했다. 이를 통해 첫 미국 생산 거점을 확보했다. 록빌 공장은 6만L 규모의 원료의약품(DS) 생산시설로, 임상부터 상업 생산까지 항체의약품 전 주기를 지원할 수 있
“올해는 SCL헬스케어그룹의 모든 분야에 인공지능(AI)을 접목해 업무 시스템을 바꾸는 원년이 될 겁니다. 자회사를 통해 암 백신 개발 속도를 높이고 개인 맞춤형 건강관리 서비스를 확대해 ‘정밀 치료’는 물론 ‘정밀 예방’ 시대를 여는 게 목표입니다.”이경률 SCL헬스케어그룹 회장은 10일 기자를 만나 이렇게 말했다. SCL헬스케어그룹의 관계사는 국내 임상병리 수탁 시장 점유율 1위인 서울의과학연구소(SCL), 건강검진 전문센터 시장 점유율 2위인 하나로의료재단 등이다. 1985년 연세대 의대를 졸업한 뒤 연세대 총동문회장 맡은 그는 개인 맞춤형 정밀 의료 서비스를 제공하고 있는 SCL헬스케어그룹의 경영자로 변신했다.이 회장과 SCL헬스케어그룹은 국내 의학계에선 ‘퍼스트 무버’로 불린다. 그룹 모태는 이 회장 부친인 고(故) 이은범 범양사 회장이 1983년 세운 건강검진센터다. 전 국민 의료보험도 없던 시기 한국에 검체 검사, 건강 검진이란 개념을 처음 도입했다. 미국에서 혈액을 활용한 암 조기 검출법을 연구한 이 회장은 이를 한국형 검진 시스템에 이식했다. 이 회장은 “인구 고령화로 건강하게 살 수 있는 건강 수명과 기대 수명 간의 격차는 인류의 가장 큰 고민이 됐다”며 “건강 검진 플랫폼에 기반한 조기 진단 시스템을 통해 10년 남짓한 이 기간을 줄이는 게 목표”라고 했다.▷첫 검진센터를 연 1983년은 국내에 건강검진 개념조차 없던 때다.“당시 부친이 중소기업 경영자로 글로벌 경험을 쌓으면서 ‘한국도 경제력이 커지면 건강에 대한 관심이 커질 것’이라고 판단했다. 근거 중심 의학에 기반해 혈액검사로 건강 상태를 진단하는 건
과학은 정답을 향해 나아가는 과정처럼 보이지만 실제 연구 현장은 실패가 훨씬 더 많은 공간이다. 과거 이러한 실패들은 연구자 개인의 경험 속에 흩어져 기록에 머물거나 사라지기 일쑤였다. 그러나 인공지능(AI) 시대가 열리면서 실패의 의미는 달라졌다. 이제 실패는 AI가 학습해야 할 중요한 데이터가 됐고, 그 양이 많을수록 연구의 정밀도 역시 높아진다.이러한 변화의 중심에는 합성생물학이 있다. 합성생물학은 생명체를 단순한 관찰 대상이 아니라 설계하고 활용할 수 있는 시스템으로 바라보는 학문이다. 유전자부터 세포, 미생물 집단까지를 조합하고 최적화해 원하는 기능을 구현하는 공학적 생명과학이다. 생명을 ‘설계 가능한 플랫폼’으로 다룬다는 점이 특징이다.바이오파운드리는 이러한 합성생물학 연구를 자동화하고 대규모로 수행하기 위한 핵심 인프라다. 생물 기능을 설계하고 제작한 뒤 시험하고 그 결과를 다시 학습에 반영하는 ‘설계-제작-시험-학습’의 반복을 기계와 소프트웨어가 수행한다. 이는 생물 연구를 장인형 실험에서 산업형 연구로 전환시키는 기반이 되고 있다.실제 연구 과정은 점차 사람의 손에서 벗어나고 있다. 연구자가 컴퓨터에서 기능을 설계하면 자동화 장비가 이를 실행하고, 로봇은 DNA를 조립해 미생물에 도입한다. 자동 배양 장치와 센서는 수백 개 이상의 샘플을 동시에 분석하며 모든 실험은 표준화된 조건에서 반복된다. AI는 여기서 성공과 실패의 패턴을 학습해 다음 실험을 제안하고 비효율적인 선택지를 걸러낸다. 그 결과 연구는 단일 경로가 아닌 여러 가능성을 동시에 탐색하는 방식으로 진화하고 있다.이러한 접근은 이미 다양한