- 원문 : https://www.bioin.or.kr/board.do?num=320428&cmd=view&bid=issue
- pdf :
BioINwatch23-38(5.25)●바이오 분야의 AI(인공지능) 연구 트렌드.pdf
0.26MB
< AI(인공지능)-ML(머신러닝)-DL(딥러닝)의 개념 및 차이점 >
| 구분 | 개념 및 차이점 |
| AI | AI(인공지능)은 학습, 문제 해결, 의사 결정 등 일반적으로 인간의 지능이 필요한 작업을 수행할 수 있는 지능형 시스템을 만드는 것을 지칭하는 포괄적인 용어이자 광범위한 분야 |
| ML | ML(머신러닝)은 데이터의 패턴과 인사이트를 사용하여 명시적인 지시 없이도 작업을 수행할 수 있도록 디지털 컴퓨터를 훈련시키는 AI의 하위 분야 |
| DL | DL(딥러닝)은 여러 계층으로 구성된 인공 신경망을 사용하여 학습하고 의사 결정을 내리는 ML의 하위 집합임. 이미지(예: DALL-E2) 또는 텍스트(예: ChatGPT)와 같이 대량의 데이터를 분석하는 작업에 특히 유용 |
출처 : New Biotechnology, AI for life: Trends in artificial intelligence for biotechnology, 2023.2
< 의료/의약 생명공학 분야의 AI 연구 트렌드 >
| 세부분야 | 주요 AI 연구 트렌드 |
| 약물 표적 식별 | - AI는 유전체 데이터, 단백질 상호작용 데이터 등 다양한 출처의 데이터를 분석하여 질병 치료를 위한 잠재적인 치료 표적을 식별하는 데 사용 - 머신러닝 알고리즘을 사용하여 사람에게는 분명하지 않을 수 있는 패턴과 상관관계를 식별하는 것이 포함 |
| 약물 스크리닝 | - AI는 다양한 표적에 대한 잠재적 약물의 활성에 대한 데이터를 분석하여 가장 효과적으로 작용할 가능성이 높은 약물을 식별하는 데 사용 - ML 알고리즘을 사용하여 특정 약물의 특성과 표적의 특성을 기반으로 약물의 효과를 예측하는 것이 포함 |
| 이미지 스크리닝 | - AI는 CT 스캔이나 MRI 이미지와 같은 의료 이미지를 분석하여 이상을 식별하고 질병을 진단하는 데 사용 - DL 알고리즘을 사용하여 의료 이미지의 구조를 자동으로 분할, 분류하는 것이 포함 |
| 예측 모델링 | - AI는 전자 건강 기록, 웨어러블 디바이스 등 다양한 소스의 데이터를 분석하여 개인의 건강을 예측하는 데 사용 - 머신러닝 알고리즘을 사용하여 개인이 특정 질병에 걸릴 가능성이나 특정 치료가 효과적일 가능성을 예측하는 것이 포함 |
< 생명정보 분야의 AI 연구 트렌드 >
| 세부분야 | 주요 AI 연구 트렌드 |
| 작물-토양 미생물 상호 작용 | - 토양 근권 마이크로바이옴 선택을 통한 개량 작물 육종 : 생물정보학과 AI가 결합된 접근 방식을 사용하여 특정 근권 커뮤니티와의 연결을 통해 생물학적 및/또는 비생물학적 스트레스 저항성이 향상된 유전자형 검출을 강화하여 식물 성장/건강을 촉진하고 농약의 투입량을 줄일 수 있음 - 대규모 기후-토양-작물 간 시퀀싱 데이터를 사용하여 영양소 흡수 또는 식물 면역 체계 개선과 같은 기능을 해결하기 위한 생물 비료, 생물 살충제와 같은 미생물 제품 표적의 연구개발 가능 |
| 지구 변화 연구 | - 지구 변화 연구에서 대규모 데이터 세트는 지구(토양) 생물다양성에 매우 중요하며, 생물다양성 손실과 생태계 기능의 동인은 안정적인 생태계 건강을 유지하는 데 매우 중요 - 최신 고처리량 오믹스 측정 플랫폼과 함께 컴퓨터 공학을 구현하는 것은 환경 시스템에 대한 이해를 밝히고 인간의 삶과 복지에 필수적인 생태계 기능을 유지하는 데 중요한 핵심 분류군을 발견하는 데 필수적 |
< 생명공학 분야 AI 연구 활성화를 위한 핵심 과제 >
1. 재현성 확보
2. AI 방법 이해 (이게 가장 허들이 높다고 생각함)
- 설명가능성 개선전략 예 : AI 모델의 아키텍처 및 학습 프로세스에 대한 명확한 문서와 설명 제공, 해석 가능한 AI 모델 사용 또는 모델에 해석가능성 기술을 통합, 모델의 출력 및 의사결정 과정 시각화, 이해관계자와의 소통 및 질문에 대한 답변
< 생명공학 분야 AI 연구의 주요 연구주제(Hot Topic) >
2. 신약 발견 및 개발
3. 개인 맞춤형 의료
4. 진단 및 질병 예측
5. 생체 의학 이미지 분석
역시 의료쪽이 제일 핫하다. 그 분야에서 가장 돈이 많이 풀리니 당연한 말인 것 같다.
반응형
