NVIDIA, AI 활용한 신약 개발 과정 가속화 방안 공개

바이오메디컬 연구와 신약 개발은 오랫동안 인력 중심의 작업으로 제한되어 왔습니다. 신약 개발 프로젝트를 시작하기 위해서는 연구자들이 일반적으로 수많은 과학 논문을 통해 알려진 단백질 표적과 소분자 쌍에 대한 세부 정보를 찾아야 합니다. 단 한 편의 논문을 읽고 깊게 이해하는 데 1시간에서 6시간이 걸리며, AI 도움 없이 논문의 발견을 요약하는 데 평균 165분이 소요됩니다. 이러한 비효율성이 신약 연구-개발 캠페인에서 더욱 크게 나타나는데, 이는 전통적으로 단백질 표적을 식별한 후 미국 식품의약국(FDA) 승인까지 12년에서 15년이 소요되었습니다. NVIDIA는 바이오메디컬 AI-Q 연구 에이전트를 개발하여 신약 개발 과학자들이 문헌을 빠르게 검토하고 복잡한 가설을 세우며, 이를 가상 스크리닝 에이전트에게 넘기는 과정을 지원합니다. 이 과정을 수작업으로 수행할 경우, 여러 논문을 읽고 요약하는 데 며칠이 걸릴 수 있습니다. NVIDIA 바이오메디컬 AI-Q 연구 에이전트 개발자 블루프린트는 기존의 여러 프레임워크를 기반으로 설계되었습니다. 이 블루프린트는 생명과학 및 임상 개발 분야에서 실제 문제를 해결하는 복잡한 다중 에이전트 워크플로우를 생성합니다. 특히, RAG 블루프린트와 최근 발표된 NVIDIA AI-Q 블루프린트의 요소를 통합합니다. 또한, NVIDIA의 접근 방식은 BioNeMo 가상 스크리닝 블루프린트의 측면을 활용하여 추론 에이전트가 작성한 가설을 사용해 특정 단백질 표적을 위한 새로운 소분자 후보를 활용합니다. 이 시뮬레이션 과정은 과학자들이 실험실에서 더 타깃을 정밀하게 조사할 수 있도록 지원하며, 이는 연구의 효율성을 크게 향상시킬 수 있습니다. 블루프린트는 두 가지 배포 경로를 지원합니다: GitHub Repository: 자체 호스팅 NIM 마이크로서비스에 대한 사용자 정의 코드를 제공하여 고유 데이터셋과의 통합을 가능하게 합니다. 저장소는 완전히 사용자 정의가 가능하여, 구축된 AI 지원 연구 에이전트 외에도 특정 목표를 달성하기 위한 자체 기능을 추가할 수 있습니다. NVIDIA Brev Launchable: 사용 가능한 데이터셋과 상호작용 UI를 통해 몇 주가 아닌 몇 시간 내에 가상 스크리닝을 완료할 수 있습니다. NVIDIA Brev launchable의 핵심 장점 중 하나는 입문 장벽이 낮다는 점입니다. 로컬 컴퓨팅 자원이나 특수 하드웨어가 필요 없이 쉽게 시작할 수 있으며, 여기에서 빠르게 시도할 수 있는 기능들을 제공합니다. NVIDIA 바이오메디컬 AI-Q 연구 에이전트가 해결하는 고유한 도전 과제들은 다음과 같습니다: 복잡한 가설 구축: 전통적인 검색 도구는 정적인 데이터만을 검색하지만, NVIDIA의 AI 에이전트는 분자 결합 친화도, 합성 비용, 임상 적합성 등을 동시에 평가하는 다기준 추론을 수행합니다. 이 기능은 전통적으로 발굴 시간의 20%에서 30%를 차지하던 표적 유효성 검증 단계를 가속화합니다. AI 설명 가능성과 지적재산권 추적 가능성: 에이전트의 추론 과정은 감사 가능한 로그를 생성하여 지적재산권 청구에 대한 명확한 문서를 제공합니다. 이는 5,000개의 화합물 중 1개만 FDA 승인을 받는 현실에서 매우 중요합니다. NVIDIA의 소프트웨어 스택은 사용자가 기업 등급 모델에 쉽게 접근할 수 있게 해줍니다. 이를 통해 연구자들은 신약 개발 프로세스의 비효율성을 크게 줄일 수 있으며, 연구의 속도와 질을 향상시킬 수 있을 것입니다. 산업 전문가들은 NVIDIA의 바이오메디컬 AI-Q 연구 에이전트가 바이오메디컬 연구와 신약 개발의 효율성을 획기적으로 개선할 것으로 평가하고 있습니다. NVIDIA는 이러한 혁신을 통해 연구자들이 더 많은 시간을 실제 실험과 분석에 할애할 수 있도록 지원하며, 궁극적으로 환자들에게 더 빠르고 효과적인 치료법을 제공할 수 있을 것으로 기대되고 있습니다.