Two AI-based science assistants succeed with drug-retargeting tasks

개요

Google의 Co-Scientist와 FutureHouse의 Robin은 과학자들이 가설을 세우고 검증하는 과정을 돕도록 설계된 두 가지 AI 기반 과학 보조 도구이며, 특히 기존 약물을 새로운 질병 치료에 재활용하는 작업에서 성공을 거두었다.

주요 내용

• AI 기반 과학 보조 도구의 등장: Co-Scientist와 Robin은 방대한 양의 과학 정보 속에서 연관성을 찾아내고 가설을 생성하는 데 중점을 둔 AI 시스템이다.
• Google Co-Scientist: Gemini LLM을 기반으로 하며, 과학자가 연구 목표를 제공하면 관련 정보를 검색하고 가설을 형성한다. 가설은 "토너먼트"를 통해 평가되고 "Reflection" 에이전트에 의해 개선될 수 있으며, 이 과정에서 타당성, 참신성, 검증 가능성, 안전성 등이 고려된다. 과학자는 항상 이 과정에 참여하여 시스템을 안내한다.
• FutureHouse Robin: 전문화된 문헌 검색 도구(Crow, Falcon)를 활용하여 논문의 요약 및 심층 분석을 수행한다. Co-Scientist와 유사하게 LLM 기반 심사위원을 통해 가설을 비교하고 순위를 매긴다. Robin의 차별점은 Finch라는 도구를 통해 유세포 분석(flow cytometry) 및 RNA-seq와 같은 특정 표준 생물학적 스크리닝 분석 데이터를 자동 평가할 수 있다는 점이다.
• 약물 재활용 작업에서의 성공: 두 시스템 모두 기존 약물을 특정 질병(급성 골수성 백혈병, 황반 변성)의 표적 치료제로 재활용하는 데 대한 가설을 성공적으로 생성했다. Co-Scientist는 특정 백혈병 세포 하위 집합에 효과적인 약물을 제시했으며, Robin은 황반 변성 치료를 위한 새로운 가설과 30가지 후보 약물에 대한 보고서를 작성했다.
• AI의 역할과 한계: 이러한 AI는 방대한 정보를 처리하는 데 강점을 보이며, 인간 과학자가 간과할 수 있는 분야 간의 연결성을 찾아내는 데 도움을 준다. 하지만 새로운 분자 설계나 복잡하고 개방적인 과학 문제 해결에는 아직 한계가 있으며, AI의 근본적인 모델 오류(불완전한 사실성, 환각)를 상속받는다.
• 도구의 특화된 중요성: FutureHouse는 특정 문헌 검색 도구 사용의 중요성을 강조하며, OpenAI의 o4-mini를 사용했을 때 환각 참조 비율이 높아졌다고 보고했다. 또한, Robin이 제시한 약물 중 OpenAI의 연구 중심 도구가 제시한 약물은 실제 실험에서 효과를 보이지 못했다고 한다.

시사점

두 AI 시스템의 성공은 과학 문헌 과부하 문제를 해결하고, 인간 과학자가 놓칠 수 있는 잠재적 치료법을 발견하는 데 AI가 기여할 수 있음을 보여주며, 특히 약물 재활용과 같이 비교적 명확한 가설을 검증하는 분야에서 실무 적용 가능성이 높다.