혁신적인 약물 상호작용 예측: 거대 언어 모델의 놀라운 성과

본 연구는 거대 언어 모델(LLM)을 이용하여 약물 상호작용(DDI)을 예측하는 새로운 방법을 제시하며, 기존 머신러닝 방식보다 우수한 정확도를 달성했습니다. 특히 Phi-3.5 2.7B 모델은 뛰어난 성능을 보이며, LLM이 제약 연구 및 임상 환경에서 실용적인 도구로 활용될 수 있음을 시사합니다.

최근 Gabriele De Vito, Filomena Ferrucci, Athanasios Angelakis 등 연구진이 발표한 논문 "LLMs for Drug-Drug Interaction Prediction: A Comprehensive Comparison"은 인공지능(AI) 분야의 획기적인 발전을 보여줍니다. 이 연구는 거대 언어 모델(LLM) 을 이용하여 약물 상호작용(DDI) 을 예측하는 새로운 방법을 제시하며, 기존의 방식을 뛰어넘는 놀라운 결과를 도출했습니다.

복잡한 약물 상호작용, LLM이 풀다

현대 의학에서는 여러 약물을 동시에 복용하는 경우가 흔합니다. 하지만 약물 간 상호작용은 예측하기 어렵고, 심각한 부작용을 초래할 수 있습니다. 연구진은 이러한 문제 해결에 LLM을 활용했습니다. DrugBank 데이터셋에서 분자 구조(SMILES), 표적 유기체, 유전자 상호작용 데이터를 텍스트 형태로 처리하여 18개의 LLM(GPT-4, Claude, Gemini 등)을 이용, DDI 예측 성능을 평가했습니다.

놀라운 정확도: 기존 방식을 뛰어넘다

연구진은 먼저 LLM의 '제로샷' 성능을 평가하고, 이후 GPT-4, Phi-3.5 2.7B, Qwen-2.5 3B 등 일부 모델을 미세 조정하여 성능을 향상시켰습니다. 13개의 외부 DDI 데이터셋을 사용한 검증 결과, 미세 조정된 LLM은 기존의 l2-regularized logistic regression과 같은 기존 머신러닝 방법보다 뛰어난 성능을 보였습니다. 특히 Phi-3.5 2.7B 모델은 DDI 예측에서 0.978의 민감도와 균형 잡힌 데이터셋(50% 양성, 50% 음성)에서 0.919의 정확도를 달성했습니다. 이는 제로샷 예측 및 기존 최첨단 머신러닝 방법을 능가하는 성과입니다.

복잡한 패턴 포착: 새로운 가능성

연구 결과는 LLM이 복잡한 분자 상호작용 패턴과 약물 쌍이 공통 유전자를 표적으로 하는 경우를 효과적으로 파악할 수 있음을 보여줍니다. 이는 제약 연구 및 임상 환경에서 LLM이 실용적인 도구로 활용될 수 있음을 시사합니다. 이 연구는 AI 기반 약물 개발의 새로운 장을 열었으며, 앞으로 더욱 정교하고 안전한 의약품 개발에 기여할 것으로 기대됩니다. 🎉