AI-DD 분야별 학습 로드맵
― 기획, 기술, 임상, 규제, 전략을 연결하는 구조적 탐색
① [개념 정립 & 기술 기초]
대상: 입문자, 기획자, 전략 리더, CxO
목표: AI-DD가 무엇이고 어떻게 작동하는지를 큰 그림에서 이해
| 단계 | 학습 주제 | 추천 자료 |
|---|---|---|
| 1단계 | AI-DD 전반 개론 | ✔️ 《Artificial Intelligence in Drug Discovery》(Nathan Brown) |
| ✔️ Nature Rev Drug Discovery 논문(2021, 2023) | ||
| ✔️ MIT OCW: ML for Healthcare | ||
| 2단계 | 신약개발 프로세스 구조 | ✔️ Stanford Biodesign |
| ✔️ Biodesign: The Process of Innovating Medical Technologies | ||
| 3단계 | 데이터 중심 AI 설계 | ✔️ Designing Machine Learning Systems (Chip Huyen) |
| ✔️ BenchSci 블로그 |
② [AI 기술 심화 (생물학 + 컴퓨터과학)]
대상: CTO, AI 엔지니어, Bioinformatics 팀
목표: 분자 설계, 단백질 예측, AI 모델 구조에 대한 실전 이해
| 단계 | 학습 주제 | 추천 자료 |
|---|---|---|
| 1단계 | 분자 구조 표현과 학습 | ✔️ Stanford CS273B 강의 |
| ✔️ MoleculeNet / DeepChem 튜토리얼 | ||
| 2단계 | 단백질 구조 예측 | ✔️ AlphaFold 논문 및 오픈소스 모델 |
| ✔️ ESM2/ESMFold (Meta AI) | ||
| 3단계 | 그래프 신경망, 생명과학 딥러닝 | ✔️ PyTorch Geometric |
| ✔️ BioGPT / MolBERT 등 논문 리뷰 |
③ [AI 임상 설계 및 생명윤리]
대상: CMO, Clinical Lead, Data Manager
목표: AI가 임상시험에 어떻게 통합되며, 윤리적 이슈는 무엇인가
| 단계 | 학습 주제 | 추천 자료 |
|---|---|---|
| 1단계 | AI 임상시험 설계 | ✔️ AI-CT Framework by Deloitte |
| ✔️ FDA DCT(분산형 임상시험) 가이드 | ||
| 2단계 | 바이오 통계 및 재현성 | ✔️ HarvardX: Reproducible Science |
| ✔️ Bioinformatics for Clinical Trials | ||
| 3단계 | 윤리적/사회적 영향 | ✔️ 《Deep Medicine》(Eric Topol) |
| ✔️ AI 의료윤리 보고서 (Pistoia Alliance) |
④ [규제・법・책임 구조 설계]
대상: Legal/QA Lead, Regulatory 팀, Founder
목표: AI-DD가 SaMD/CDS로 분류되는 경계 조건 이해 및 대응 전략 설계
| 단계 | 학습 주제 | 추천 자료 |
|---|---|---|
| 1단계 | CDS vs SaMD 이해 | ✔️ FDA CDS 가이드라인 (2022 개정) |
| ✔️ HWLL: 『SaMD로 진입할 때 체크해야 할 7가지 항목』 | ||
| 2단계 | 의료기기 설계 문서 구조 | ✔️ ISO 13485, IEC 62304 해설서 |
| ✔️ Design Control Template | ||
| 3단계 | IRB/법적 책임 프레이밍 | ✔️ Clinical AI Risk Assessment Matrix |
| ✔️ AI Bias & Accountability 논문 (MIT Tech Review 등) |
⑤ [시장・투자・전략]
대상: 비즈니스 개발, 투자자, CBO, IR 담당자
목표: AI-DD 산업의 트렌드, 투자, 경쟁 지형 파악 및 전략 제시
| 단계 | 학습 주제 | 추천 자료 |
|---|---|---|
| 1단계 | 산업 맵 개관 | ✔️ CB Insights: AI Drug Discovery Market Map |
| ✔️ McKinsey / Deloitte Reports (2023~2025) | ||
| 2단계 | 경쟁사 기술 비교 | ✔️ 각사 파이프라인 비교 (Insilico, Recursion 등) |
| ✔️ Evaluate Pharma AI-DD Special Report | ||
| 3단계 | 비즈니스 모델 전략화 | ✔️ SaaS vs Platform 전략 차이 분석 |
| ✔️ AI-DD + RWD 결합 모델 수익성 구조 분석 |
통합 로드맵 요약 도표
| 분야 | 시작 포인트 | 심화 경로 |
|---|---|---|
| 개념/기획 | Nathan Brown 책, MIT 강의 | Biodesign, Chip Huyen 책 |
| 기술/AI | Stanford CS273B, DeepChem | AlphaFold, MolBERT |
| 임상/윤리 | HarvardX 재현과학 | AI-CT 사례, Deep Medicine |
| 규제/법 | FDA CDS 가이드, SaMD 체크리스트 | ISO 문서 템플릿 |
| 전략/투자 | CB Insights Map | McKinsey Report + 경쟁사 분석 |
12주 집중학습 플랜:
『AI 기반 신약개발의 기술·임상·전략·규제 통합 이해를 위한 프로그램』
전체 개요
| 주차 | 핵심 주제 | 학습 목표 |
|---|---|---|
| Week 1~2 | 개념 정립 | AI-DD란 무엇인가? 신약개발 전체 구조 안에서의 역할 |
| Week 3~4 | 기술 심화 | 분자 설계, 단백질 예측, 모델링 방식 이해 |
| Week 5~6 | 임상 적용 | AI 기반 임상시험 구조 및 통계, 윤리 이해 |
| Week 7~8 | 규제 전략 | SaMD, CDS, FDA 기준 이해 및 판단 능력 |
| Week 9~10 | 산업·투자 | Landscape 및 경쟁사 구조 파악, BM 이해 |
| Week 11~12 | 실전 설계 | 자사 적용 전략 문서 및 발표 정리, 통합 리뷰 |
WEEKLY DETAIL PLAN
WEEK 1-2: AI-DD 전반 개념 및 신약개발 구조 이해
주요 학습 목표
- AI-DD란 무엇인가?
- 신약개발 프로세스에서의 역할 구조 이해
- AI가 개입 가능한 단계 구분
학습자료
- Nathan Brown 저서 《Artificial Intelligence in Drug Discovery》
- MIT OCW: Machine Learning for Healthcare
- Nature Rev Drug Discovery 개론 논문
과제
- AI-DD 정의 정리 및 자사 사업/관심분야와의 접점 도식화
WEEK 3-4: 기술 심화 – 분자·단백질 기반 모델링 이해
학습 목표
- GNN, Transformer 등 구조적 기계학습 방식 이해
- 단백질 예측(AlphaFold), 생성모델(MolBERT) 구조 감 잡기
학습자료
- Stanford CS273B 강의
- DeepChem 튜토리얼
- Meta’s ESMFold 구조 설명 자료
과제
- 하나의 분자 AI 생성 모델 구조 도식화 + 용도 설명
WEEK 5-6: 임상 적용 – AI 임상 설계 및 윤리
학습 목표
- AI 기반 임상시험(Decentralized Clinical Trials, AI-CT) 개요
- 데이터 재현성과 생명윤리 이슈 이해
학습자료
- HarvardX: Principles for Reproducible Science
- Deloitte AI Clinical Trials report
- Deep Medicine (Eric Topol)
과제
- 임상시험에서 AI 사용 시 발생할 수 있는 윤리적 위험 3가지 도출
WEEK 7-8: 규제 전략 – SaMD, CDS, FDA 경계 이해
학습 목표
- SaMD/CDS의 정의, 차이점, FDA 기준에 따른 문서 구성법 학습
- 제품이 규제 대상인지 판단하는 프레임 익히기
학습자료
- FDA Clinical Decision Support 가이드 (2022 개정)
- HWLL: 『SaMD 진입 체크리스트』
- ISO 13485 개론
과제
- 자사/관심 기술의 SaMD 여부를 판단하는 flowchart 작성
WEEK 9-10: 산업과 경쟁 – Landscape, 투자자 시야 확보
학습 목표
- AI-DD 글로벌 산업 구조 파악
- 주요 플레이어와 기술 범주별 경쟁력 분석
- 투자 시 고려사항
학습자료
- McKinsey Report: AI in Life Sciences
- CB Insights: AI-DD Landscape
- EvaluatePharma AI Special Report
과제
- 경쟁사 3곳 비교 테이블 + 우리 기술/서비스 포지셔닝 분석
WEEK 11-12: 실전 통합 설계 – IR, 규제 대응, 전략 문서화
학습 목표
- 자사 기술 또는 컨셉을 기반으로 규제 전략 포함한 설명자료 제작
- 내부/외부 설득용 문서 정리
최종 과제
- 아래 중 1가지 선택:
- A. AI-DD 기술의 SaMD 여부 보고서 5p
- B. IR용 기술 구조 + 경쟁사 비교 슬라이드 10p
- C. 제품/서비스의 CDS/SaMD 전략적 문구 제안서
추가 리소스 (선택적 병행 가능)
- 벤치마크 테스트: OpenAI HealthBench 구조 분석
- 규제 툴킷: FDA QMS 문서 양식, IEC 62304 SLC 문서 샘플
- 디자인 도구: AI-DD 시각화 노션 템플릿
- 커뮤니티: LinkedIn AI-DD 그룹, Pistoia Alliance Forum
플랜 운영 팁
| 항목 | 제안 |
|---|---|
| 운영 방식 | 혼자 또는 팀 단위 학습, 매주 리캡 미팅 추천 |
| 진행 툴 | Notion, Google Drive, Obsidian for note-taking |
| 체크포인트 | 3주마다 피드백/보완 세션 또는 실무 리뷰 |
Leave a Reply