약물 개발 AI 독성 예측
약물 후보물질의 임상 성공과 시장 잠재력을 결정하는 데 독성 위험 평가는 매우 중요하지만, 기존 동물 실험은 비용, 시간, 윤리적 문제로 인해 계산 독성학의 발전이 가속화되고 있습니다. 본 연구는 인공지능(AI) 기반의 약물 동태 및 독성 예측(ADMET) 플랫폼과 독성 데이터베이스를 종합적으로 분석합니다. 20개 이상의 ADMET 예측 플랫폼을 규칙/통계 기반, 머신러닝(ML), 그래프 기반 방법으로 분류하고, 화학 독성, 환경 독성, 대체 독성, 생물학적 독소 데이터베이스 등 주요 독성 데이터베이스를 모델 훈련 및 검증 관점에서 요약했습니다. 또한, 급성 독성, 장기별 독성, 발암성 예측에 적용된 ML 및 AI의 최신 발전을 검토합니다. 연구 결과, 단일 독성 예측에서 다중 예측 모델링으로 전환되고 있으며, 생성 모델링 기법과 설명 가능성 프레임워크가 예측 정확도와 신뢰도를 향상시키는 데 기여함을 확인했습니다. 네트워크 독성학의 한의학 안전성 평가 활용과 대규모 언어 모델(LLM)의 문헌 마이닝, 지식 통합, 분자 독성 예측 잠재력도 탐색했습니다. 데이터 품질, 모델 설명 가능성, 인과 추론 등 현재의 과제를 해결하기 위해 멀티오믹스 통합, 설명 가능한 AI 모델, 도메인 특화 LLM 등의 미래 방향을 제시합니다. 이는 약물 개발의 전임상 독성 평가에 더욱 효율적이고 정밀한 기술 지원을 제공할 것입니다.