핵심 요약
AWS가 주최한 해커톤에서 SK바이오팜의 후보물질 탐색과 의사결정 자동화를 위한 연구 자동화 아키텍처를 구현했고, 1주일 수준의 평가를 1시간 이내로 대폭 단축하는 97.5% 효율화를 달성했습니다.
구현 방법
- TxGemma(2B) 모델을 Amazon SageMaker에서 배포하여 SMILES 입력으로 22가지 분자 특징(ADMET, 물리화학, 단백질-리간드 상호작용)을 예측하고 기초 데이터로 활용
- 3개의 AI 에이전트로 협업: Walter White(화합물 데이터), Dr. Gregory House(PK/PD/안전성), Harvey Specter(임상·규제 전략)
- Strands Agents SDK를 활용한 에이전트 간 협업 및 동적 소집, AI 에이전트 간 의사소통 및 합동 분석 실행
- 입력-분석-리포트의 흐름을 자동화하는 연구 자동화 아키텍처 구성, 코드 없이도 비전문가가 에이전트 구축 가능하도록 설계
- Open-source TxGemma와 멀티에이전트 협업을 결합한 구조로 통합 인사이트를 제공하는 리포트 생성 흐름 구현
- Demo에서 SMILES 입력 → 프롬프트 기반 분석 → 통합 리포트로 종합 진단 제공
주요 결과
- 후보물질 평가 시간: 수일(주당 40시간 수준)에서 1시간 이내로 대폭 단축, 약 97.5% 효율화 달성
- 다차원 인사이트 제공: 화학적 타당성, 안전성, 규제 전략을 한 번에 검토하는 통합 리포트 생성
- 스마트 컨설팅 기능: 의도 자동 파악으로 필요한 전문가만 투입하는 응답 속도 최적화, 간단 질문은 빠르게 처리, 복잡한 질문은 협업으로 해결
- 연구 생산성 및 의사결정 지원 강화: AI가 업무를 위임하고 결과를 받아보는 협업 방식으로 연구 속도와 품질 모두 향상
