# \#신약
**URL:** https://discuss.pytorch.kr/tag/8834-tag/8834.md
[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)
---
## [AI 신약 후보 물질 발견을 위한 '예측 도구(능력)' 평가 리더보드 허깅페이스에 공개](https://discuss.pytorch.kr/t/ai/11688)
**Author:** [@AI\_OpenFree](https://discuss.pytorch.kr/u/AI_OpenFree)\
**댓글:** 0\
**마지막 업데이트:** [8월 22, 2026, 10:21오전 UTC](https://discuss.pytorch.kr/t/ai/11688 "2026-08-22T10:21:32Z")
분할 방식만 바꿨더니 AUROC가 0.21 움직였습니다 — 신약 물성 예측 벤치마크 LEADBOARD 공개 신약 물성 예측 도구를 재는 벤치마크를 만들어 공개했습니다. LEADBOARD — 21개 보드, 홀드아웃 18,382 화합물, 라벨은 배포하지 않습니다. 기능 소개보다는, 만들면서 부딪힌 두 개의 숫자를 공유하려고 합니다. 이 둘 때문에 벤치마크의 설계가 바뀌었고, 모델을 평가하는 분들께 그대로 적용되는 이야기라고 생각합니다. 1. 데이터를 어떻게 나누느냐가 0.211을 만든다 hERG(칼륨 채널, 막히면 QT 연장 → 임상 중단)를 첫 보드로 잡았습니다. 공개 데이터가 많아 파이프라인을 털어보기 좋았습니다. ChEMBL 37 (CHEMBL240, IC50, relation =)에서 12,021건 → 단위·RDKit 파싱 후 11,972건 → InChIKey로 묶어 9,788 고유 화합물, 각각 median pIC50. 연도로 잘랐습니다. 2022년 이전 최초 보고분으로 학습, 이후 보고분으로 시험. Morgan fingerprint → LightGBM, 라이브러리 기본값, 튜닝 없음. AUROC 0.606. 낮아 보여서 같은 데이터를 무작위로 나눠봤습니다. 시드 5개: 분할 AUROC LGBM MAE (log) Constant MAE (log) 시간 분할 (2022 컷) 0.606 0.599 0.589 무작위 seed 0 0.825 0.467 0.690 무작위 seed 1 0.814 0.448 0.676 무작위 seed 2 0.830 0.453 0.652 무작위 seed 3 0.803 0.460 0.668 무작위 seed 4 0.817 0.458 0.671 무작위 평균 0.818 0.457 0.671 같은 분자, 같은 지문, 같은 학습기, 같은 하이퍼파라미터, 같은 시험 비율. AUROC가 0.211 움직입니다. 논문에서 경쟁 기법들 사이에 나는 차이보다 큽니다. 왜 그런가 약화학자는 …
---
## [누구나 AI로 신약 발견을 할 수 있는 시대, 신약개발 공익 챌린지가 허깅페이스에 공개되다](https://discuss.pytorch.kr/t/ai/11625)
**Author:** [@AI\_OpenFree](https://discuss.pytorch.kr/u/AI_OpenFree)\
**댓글:** 0\
**마지막 업데이트:** [8월 15, 2026, 2:15오전 UTC](https://discuss.pytorch.kr/t/ai/11625 "2026-08-15T02:15:27Z")
AI가 만든 신약 후보, 과연 믿을 수 있을까? 말라리아 치료제 발굴을 위한 공개 검증 프로젝트, Open Discovery Challenge AI는 이제 하루에도 수천 개의 새로운 분자를 만들어낼 수 있다. 그러나 신약 개발에서 정말 어려운 문제는 분자를 많이 만드는 일이 아니다. AI가 제안한 물질 가운데 어떤 것이 실제 연구할 가치가 있는지를 제대로 가려내는 일이다. 겉으로 그럴듯한 화학 구조라고 해서 모두 약이 되는 것은 아니다. 실제로 말라리아 원충을 억제하는가? 사람의 정상적인 효소에는 영향을 주지 않는가? 몸속에서 필요한 곳까지 도달할 수 있는가? 독성이나 부작용 위험은 낮은가? 기존 물질을 조금 바꾼 것에 불과하지 않은가? 현실적인 방법으로 합성할 수 있는가? 이 질문에 답하지 못한다면 AI가 아무리 많은 분자를 만들어도 신약 개발은 앞으로 나아가기 어렵다. 비드래프트가 공개한 Open Discovery Challenge는 바로 이 문제를 해결하기 위한 공개 프로젝트다. 우리가 말라리아를 선택한 이유 2023년 한 해 동안 말라리아로 목숨을 잃은 사람은 약 59만 7천 명에 달한다. 그중 약 4분의 3이 다섯 살 미만의 어린이였으며, 전체 사망자의 약 95%가 아프리카에서 발생했다. 한국에서는 말라리아가 멀리 있는 질병처럼 느껴질 수 있다. 그러나 부모가 어린 자녀를 잃는 슬픔에는 국경이 없다. 치료할 가능성이 있는데도 연구비와 시장성이 부족하다는 이유로 충분한 기회를 얻지 못한다면, 그것은 과학만의 문제가 아니다. 결국 사람이 어디에서 태어났는지에 따라 치료제를 만날 가능성까지 달라지는 문제다. AI와 오픈소스 기술은 이러한 격차를 줄일 새로운 수단이 될 수 있다. 값비싼 탐색 과정의 일부를 자동화하고, 세계 각지의 연구자와 개발자가 같은 문제에 참여할 수 있도록 연구의 문턱을 낮출 수 있기 때문이다. 하지만 AI가 만든 후보를 제대로 평가할 방법이 없다면 가능성은 가능성으로만 남는다. 그래서 이번 도전은 단순히 새로운…