AI 환각: GSK가 의약품 개발의 중요한 문제를 해결하는 방법

AI 환각은 AI 시스템이 잘못되거나 오해의 소지가 있는 정보를 생성하는 현상으로, 의약품 개발을 포함한 여러 분야에서 큰 도전 과제가 되고 있습니다. GSK와 비슷한 조직들이 이 문제를 해결하기 위한 방법은 다음과 같습니다.

AI 환각 이해하기
AI 환각은 교육 데이터의 특성과 AI 도구의 설계로 인해 발생합니다. 이러한 부정확성은 정확하고 신뢰할 수 있는 데이터가 중요한 의약품 개발에서 특히 문제를 일으킬 수 있습니다.

GSK의 책임감 있는 AI 접근법
GSK는 AI의 개발과 채택을 위한 강력한 거버넌스 프레임워크를 구축했습니다. 이에는 AI 시스템이 책임감 있고 윤리적으로 사용되도록 보장하는 교차 기능 AI 거버넌스 위원회가 포함됩니다. 이 위원회는 프로젝트를 검토하고, 지침을 제공하며, 데이터 프라이버시, 강건성, 신뢰성 및 공정성과 같은 AI와 관련된 위험을 완화하기 위한 준수를 모니터링합니다.

의약품 개발에서 환각 해결하기
AI 환각을 해결하기 위해 GSK와 다른 제약 회사들은 여러 핵심 전략에 집중하고 있습니다.
- 고품질 입력 데이터: AI 모델을 교육하는 데 사용되는 데이터의 품질과 대표성을 보장하는 것이 중요합니다. GSK는 편향을 최소화하고 공정을 보장하는 데이터를 사용하는 것을 강조합니다.
- 고급 알고리즘 및 인간의 감독: 고급 알고리즘과 인간의 전문 지식 및 직관을 결합하는 것이 필수적입니다. 인간 연구자들은 AI 응용 프로그램을 안내하고 AI 출력 결과를 비판적으로 평가하는 중요한 역할을 합니다.
- 철저한 테스트 및 검증: AI 시스템은 그 강건성과 신뢰성을 입증하기 위해 철저하게 테스트되고 검증되어야 합니다. 이는 환각이나 편향을 식별하고 수정하기 위한 지속적인 모니터링과 평가를 포함합니다.

실제 응용 사례
의약품 개발에서 AI는 새로운 약물의 성공 확률(Probability of Success, PoS)과 승인 가능성(Likelihood of Approval, LoA)을 향상하는 데 사용되고 있습니다. 예를 들어, GSK는 항체-약물 접합체(ADCs) 및 T세포 작용제를 위한 자산에 대해 딥 러닝 및 통합 다중 모달리티를 사용하고 있습니다. 초기 결과는 특히 1상 임상 시험에서 PoS의 유망한 증가를 보여줍니다.

결론
AI는 의약품 개발을 위한 강력한 도구를 제공하지만, 모든 문제를 해결하지는 못합니다. AI 환각을 해결하려면 고품질 데이터, 고급 알고리즘 및 엄격한 인간 감독을 포함한 신중하고 다각적인 접근이 필요합니다. GSK와 같은 회사들은 이러한 전략을 통합함으로써 AI의 이점을 활용하면서 위험을 최소화하는 것을 목표로 하고 있습니다.