AI-DD Landscape 이해를 위한 추천 리스트
1. 강의・강좌 (무료 또는 유료 MOOC)
① MIT OpenCourseWare: Machine Learning for Healthcare
- MIT 헬스케어 머신러닝 강의 전편 공개
- 핵심 주제: 임상 데이터 분석, 예측 모델링, 의료 윤리
- ⭐️ 의료 AI 분야 기본 개념부터 설명 → AI-DD 개념 정립에 적합
② HarvardX – Principles, Statistical, and Computational Tools for Reproducible Science
- 바이오통계와 재현가능한 생명과학 연구를 위한 기초 강의
- AI-DD의 핵심 전제인 ‘데이터 품질’과 ‘검증 가능성’에 집중
③ Coursera – AI for Medicine (deeplearning.ai)
- Andrew Ng 주도, 3부 구성 (진단/예후/치료 추천)
- AI-DD의 전반적 적용 구조(의료 + 분자설계)의 감각 잡기에 좋음
④ Stanford CS273B – Deep Learning in Genomics and Biomedicine (YouTube)
- Stanford Bio+AI 교차 강좌
- 약물 반응성, 유전체 기반 치료 예측, 단백질 구조 해석 등
2. 책 추천 (이론/실무/미래 전망 포함)
① 《Artificial Intelligence in Drug Discovery》(Nathan Brown, 2020)
- AI-DD 분야의 입문/중급 통합 개론서
- 분자 생성, 화합물 최적화, 딥러닝 적용 전반 설명
- ⭐️ AI-DD landscape 입문서로 필독
② 《Deep Medicine》(Eric Topol)
- 의료의 미래에서 AI가 차지할 자리를 인간 중심 철학으로 풀어냄
- AI가 신뢰 기반 의료시스템에서 어떻게 작동해야 하는가에 대한 통찰
③ 《Biodesign: The Process of Innovating Medical Technologies》(Paul Yock, Stanford Biodesign)
- 의료기기・바이오 혁신 전반에 대한 실전 가이드
- AI-DD가 규제, 임상, 사용 맥락을 고려해야 할 이유 정리
④ 《Designing Machine Learning Systems》(Chip Huyen)
- AI system design의 실전 전략: data-centric AI, reproducibility, evaluation
- AI-DD platform 기획자・전략가에게 강력 추천
3. 논문・리포트 (업데이트된 Landscape 구조 파악용)
① Nature Reviews Drug Discovery:
“Artificial intelligence in drug discovery: applications, opportunities and challenges”
[DOI: 10.1038/s41573-021-00288-8]
- AI-DD 전체 지도와 함께, 실제로 상용화에 가까운 기술 요소 분류 제시
② McKinsey:
“The next frontier of AI in life sciences” (2023)
- 신약 개발에서 AI가 어디까지 적용되고 있고, 어떤 병목이 있는가
- 투자자와 기업전략가 관점에서 유익
③ Deloitte:
“AI in Drug Discovery and Development: The race to scale”
- 2024년 기준 주요 AI-DD 플랫폼 회사 정리 및 기술별 비교
- AI-DD landscape overview용으로 활용도 높음
4. 산업 체계/현황/경쟁사 분석용 자료
① CB Insights – AI in Drug Discovery Market Map
- 주요 기업 (Insilico, Recursion, Atomwise, BenevolentAI 등) 카테고리별 분류
- 기술/적용단계별 정리 (타겟발굴, 분자설계, 임상예측 등)
② BenchSci blog & newsletter
- AI-DD 현업 인사이트, LLM in life sciences, AI reproducibility 등
- 신약개발 AI 스타트업이 규제・재현성・R&D ROI 관점에서 고민할 문제들을 다룸
③ The Pistoia Alliance Reports
- 생명과학 R&D 분야에서의 AI 기술 표준화, 윤리, 오픈데이터 전략 보고서 다수 보유
- AI-DD + SaMD + CDSS를 동시에 고려하는 다기관 협업 시 필요한 시각
확장 학습 전략 (HWLL 제안)
| 목적 | 추천 경로 |
|---|---|
| 전체 개론 + 철학적 이해 | MIT OCW + Deep Medicine |
| 플랫폼 설계 관점 | Designing Machine Learning Systems + McKinsey 보고서 |
| 규제・비즈니스 관점 | Biodesign + Pistoia + Deloitte |
| R&D 실무 적용 | Nature Rev. Drug Discovery + BenchSci 실무 글 |
| 커리어 전환/연구자용 심화 | Stanford CS273B + Nathan Brown 저서 |
함께 고려하면 좋은 콘텐츠
- [OpenAI HealthBench 발표 자료 및 구조]
- [FDA의 CDS/SaMD 가이드라인 원문 (2022 개정판)]
- [FDA 21 CFR Part 11 – AI 시스템의 문서화 준수 규정]
- [Stanford AI + Biology YouTube 포럼 아카이브]
Leave a Reply