RFP 3-1 연합학습 플랫폼 활용 활성화 – Federated ADMET 예측 모델(FAM) 개발

본 사업은 과학기술정보통신부와 보건복지부가 공동으로 추진하며, 연합학습 기술을 활용해 신약개발의 효율성과 협업 생태계를 강화하는 것을 목표로 합니다. 기관 간 데이터 공유가 어려운 환경에서, 데이터를 이동하지 않고도 분석·학습이 가능한 연합학습 플랫폼을 활성화하는 것이 핵심입니다. 산·학·연·병 등 다양한 기관이 참여할 수 있으며, 실제 산업·의료 현장에서 활용 가능한 AI 신약개발 기술 확보를 중점으로 공모가 진행됩니다. 이를 통해 국가 바이오헬스 연구 경쟁력 강화와 데이터 기반 연구 생태계 확장을 도모합니다.

이 과제의 목표는 연합학습 기반 신약개발 플랫폼(FDD)에서 활용할 ADMET 및 PK 파라미터 예측 AI 모델(FAM)을 개발하고, 이를 TRL 5~8 수준까지 고도화하는 것입니다. 이를 위해 ADMET/PK 예측에 필요한 데이터 정의와 전처리 도구 개발, 연합학습 방식의 예측모델 구축, 플랫폼 연동 및 성능 검증을 단계적으로 수행합니다. 또한 실제 약물 평가 과정에서 활용 가능한 수준의 모델 안정성·신뢰성을 확보하고, 관련 소프트웨어 등록, 특허, 논문 등 명확한 성과물을 창출하는 것을 포함합니다. 최종적으로는 플랫폼 기반 신약개발 실무에 즉시 활용 가능한 AI 솔루션을 제공하는 것이 핵심 목표입니다.

이 과제는 연합학습 기반 신약개발 플랫폼에서 활용될 ADMET/PK 예측 AI 모델을 개발하고 고도화하는 것을 중심으로 구성됩니다. 약물의 흡수, 분포, 대사, 배설, 독성 등 핵심 물성을 예측하는 모델을 실제 플랫폼에 탑재할 수 있도록 설계하는 것이 주요 방향입니다. 주요 연구 내용은 다음과 같습니다. 1. ADMET·PK 데이터 정의 및 전처리 체계 구축 - 예측에 필요한 데이터셋 구성 및 기준 정립 - 기관별 이질적 데이터를 연합학습에서 활용할 수 있도록 표준화·전처리 도구 개발 2. 연합학습 기반 FAM 모델 개발 - 데이터 공유 없이 학습 가능한 모델 구조 설계 - 약물 특성 예측 정확도 향상을 위한 알고리즘 연구 - 분산 환경에서의 효율적 학습 전략 수립 3. 플랫폼 연동 및 성능 검증 - 개발된 FAM 모델을 FDD 플랫폼에 탑재 - 실제 데이터 기반 성능 검증 및 안정성 평가 - 공인시험·인증 절차 수행 4. 모델 고도화 및 실용화 준비 - 예측 성능 개선을 위한 추가 데이터 반영 및 재학습 - 사용자 매뉴얼, SW 등록, 특허 출원 등 실무적 결과물 확보 - 외부 검증 및 실증을 통한 기술 신뢰도 강화 지원 내용으로는 최대 3년, 연간 3억원 내외의 연구 지원이 제공되며 1차년도는 6개월 단위로 편성됩니다. 클라우드 비용 일부가 공용비로 지원되며, 개발 모델·소스코드는 플랫폼 내 활용을 위해 제출해야 합니다. 산·학·연·병 기관 모두 참여 가능하며, 신약개발 AI·약물 특성 모델링·연합학습 기술을 보유한 기관에 특히 유리한 과제입니다.