K-MELLODDY, 연합학습 신약개발 플랫폼 1단계 성과 공개

제약바이오업계에서는 여러 기관에 흩어진 비임상 독성·약동학 데이터를 외부로 내보내지 않고도 함께 활용할 수 있는 연합학습 기술이 신약개발 인프라로 주목받고 있다. 한국제약바이오협회 산하 K-MELLODDY사업단은 이러한 접근법을 토대로 'FDD'라는 공동 연구 플랫폼과, 흡수·분포·대사·배설·독성 지표를 예측하는 'FAM' 모델 개발을 추진해왔다. 사업단은 10월 16일 평창 알펜시아 리조트에서 열리는 한국비임상시험연구회 추계 워크숍 중 별도 세션을 통해 1단계 연구 결과를 발표한다. 행사는 두 부분으로 나뉘어, 앞부분에서는 사업 전반의 진행 상황과 FDD 플랫폼의 기능 검증 내용이 소개되고, 뒷부분에서는 참여 연구기관들이 각자 개발한 예측 모델의 연구 성과를 공유한다. 발표에는 김화종 단장의 사업 소개에 이어 연구기획팀의 플랫폼 가이드라인 설명, 에비드넷의 시스템 구조 소개가 포함되며, 연세대와 목암생명과학연구소는 각각 통합형 예측 솔루션과 앙상블 기반 모델을 공개할 예정이다. 이어지는 세션에서는 아이젠사이언스, 전북대, KAIST, 고려대가 약물 표현 학습, 약효·독성 예측, 멀티모달 모델, 메타학습 등 세부 기술 연구 결과를 차례로 발표한다. 연합학습은 데이터 원본을 기관 내부에 둔 채 모델 변수만 주고받아 인공지능을 함께 고도화하는 방식으로, 사업단은 이번 1단계를 통해 다기관 협업 인프라와 핵심 예측 모델의 기반을 다졌다고 설명했다. 사업단은 향후 플랫폼과 예측 모델을 통합적으로 연계해 나갈 계획이라고 밝혔다.

K-MELLODDY사업단이 10월 16일 평창에서 1단계 연합학습 신약개발 성과보고회를 연다
핵심 과제는 공동연구 플랫폼 FDD와 ADMET 예측모델 FAM 개발이다
연세대, 목암생명과학연구소, 아이젠사이언스, 전북대, KAIST, 고려대 등이 참여 연구성과를 발표한다
연합학습은 원본 데이터를 기관 내부에 둔 채 모델 파라미터만 교환하는 방식이다

BioPulse 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

연합학습(Federated Learning): 데이터를 한곳에 모으지 않고 각 기관에 둔 채 모델 학습 결과만 공유해 공동 분석하는 인공지능 기법이다.
비임상시험: 동물실험 등을 통해 신약 후보물질의 독성과 체내 거동을 사람 투여 전에 평가하는 단계다.
약동학(PK): 약물이 체내에 흡수·분포·대사·배설되는 과정과 그 변화 양상을 다루는 학문 분야다.

신약개발 과정에서 생성되는 독성·약동학 데이터는 기업·연구기관마다 분산돼 있고, 영업비밀이나 개인정보 보호 문제로 외부 공유가 제한되는 경우가 많다. 연합학습은 원본 데이터를 반출하지 않고도 여러 기관의 데이터를 활용한 예측 모델을 공동으로 구축할 수 있게 해, 데이터 보안과 협업 효율성을 동시에 추구하는 방식으로 제약·바이오 업계에서 주목받고 있다. 이런 접근은 산·학·연·병이 참여하는 컨소시엄 형태로 추진되는 경우가 일반적이다.

Why it matters분산된 비임상 데이터를 안전하게 공동 활용하는 체계는 신약 후보물질 평가의 예측력을 높이는 인프라로 작동할 수 있다는 점에서 업계의 관심사다.

원문을 확인하세요

BioPulse는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

팜뉴스 원문 보기

원문 보도의 저작권은 팜뉴스에 있습니다.