CAR T(키메라 항원 수용체 T세포) 치료제 개발에 AI를 도입

🧬CAR T(키메라 항원 수용체 T세포) 치료제 개발에 AI를 도입 💊데이터가 핵심이자 최대 난제 • ML 모델보다 데이터 확보와 품질이 더 중요함 • 유의미한 모델 학습 위해선 1,000~10,000개 데이터 포인트 필요 • 세포 성장률, 배양 조건, 유전자 발현 등 복합적 변수 포함돼야 함 • “Garbage in, garbage out” 여전히 유효한 말임 💊데이터는 양보다 ‘맥락’이 중요 • 단순히 많은 데이터보다 시점·공정 변화·세포 상태가 더 중요함 • 어떤 시기의 데이터가 가장 유용한지 구분해야 함 • 데이터 관리와 정제 기술이 AI 성공 좌우함 💊양자컴퓨팅의 부상 • GSK, Microsoft 등 주요 제약사 양자컴퓨팅에 투자 중 • AI 계산 한계 보완 가능성 있음 • Sargent는 “새 기술 다 실험해야”는 실험파 • Smith는 “검증 후 도입”의 신중파 • 연구 현장 내에서도 기술 수용 속도 차 존재 💊노벨화학상이 보여준 AI의 위상 • DeepMind(데미스 허사비스·존 점퍼)와 David Baker 수상 • 단백질 구조 예측 및 설계에서 AI의 잠재력 인정받음 • AI가 기존 구조기반 설계 기술의 “강화판”으로 자리잡음 💊미래 전망: 빠른 진화 + 시행착오 불가피 • AI 도입 가속되겠지만 실패 사례도 늘어날 것 • 일부 모델은 기대 이하 성능 가능성 있음 • 그러나 초기 도입 기업들의 경험이 산업 표준이 될 것 🧬바이오섹터 분석🧬 [그로쓰리서치] https://t.me/growthbio