쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 22일 (일)까지 5067건
6건 · "생의학"조건 지우기 ×
001 21:11 ▲ 13 · 댓글 2 바이오메드 의료 데이터 94개로 모델 벤치마킹 프레임워크 공개 생의학 예측에서 구조화된 데이터 평가가 단편적이라는 문제를 해결하기 위해 TabBioMed 벤치마크를 개발했다. AI · 머신러닝 · TabBioMed: A Large-Scale Benchmark for Biomedical Tabular Learning
Key Point 생의학 머신러닝에서 테이블형 데이터를 다룰 때 모델 선택 기준이 뚜렷해져, 의료 AI 개발 시 성능과 효율의 트레이드오프를 고려한 의사결정이 가능해진다.
핵심 요약
생의학 예측에서 구조화된 데이터 평가가 단편적이라는 문제를 해결하기 위해 TabBioMed 벤치마크를 개발했다. 전자의료기록, 신약개발, 유전체학, 전사체학, 단백질체학, 대사체학, 단일세포 오믹스, 시스템생물학 등 94개의 생의학 테이블형 데이터셋을 수집했다. 고차원성, 대규모 샘플, 결측값, 클래스 불균형 등 현실적 문제를 반영한 데이터셋들이다. 전체 요약 9문장 읽기 → 002 12:10 ▲ 11 · 댓글 6 AI 과학 논문 시스템, 근거 왜곡 문제 감지 생의학 연구에 쓰이는 AI 에이전트가 같은 결론을 내면서도 다른 근거를 인용하는 문제를 다룬 감사 프레임워크이다. AI · 머신러닝 · From Tool State to Scientific Action: Auditing Decision Provenance in Biomedical Research Agents
Key Point AI 기반 과학 연구 시스템이 같은 결론 뒤에 서로 다른 근거를 숨기는 위험을 처음 체계적으로 감지하는 방법을 제시하며, 이는 바이오 신약 개발과 같은 실제 응용에서 의사결정 신뢰성을 검증하는 데 필수적이다.
핵심 요약
생의학 연구에 쓰이는 AI 에이전트가 같은 결론을 내면서도 다른 근거를 인용하는 문제를 다룬 감사 프레임워크이다. BioAgent-DF 는 과학 계산 과정에서 저장된 참조값과 후보값의 쌍을 비교해 복원 또는 이식한 후 에이전트를 재실행한다. Qwen 3.5-4B 는 8개 SciFact 배치 중 3개 조합에서 반복적 인용 변화를, Gemma 3 4B IT 는 4개 조합에서 읽음과 인용 변화를 보였다. 전체 요약 7문장 읽기 → 003 15:13 ▲ 105 · 댓글 14 생물학 AI 모델 학습용 데이터 구축에 18억 달러 투자 Biohub, 미국 에너지부(DOE), 국립보건원(NIH), Google DeepMind, Isomorphic Labs, Meta 등이 참여해 AI 학습용 생물학 데이터를 생성·공개하기 위해 총 18억 달러를 투자하기로 발표했다. AI · 머신러닝 · AI-ready biological data: $1.8B global commitment
Key Point 가상 세포 구축 같은 대규모 협력으로 생물학 AI 모델의 데이터 기초를 마련하려는 움직임이 전 세계 과학 연구와 신약 개발 속도를 크게 바꿀 수 있기 때문이다.
핵심 요약
Biohub, 미국 에너지부(DOE), 국립보건원(NIH), Google DeepMind, Isomorphic Labs, Meta 등이 참여해 AI 학습용 생물학 데이터를 생성·공개하기 위해 총 18억 달러를 투자하기로 발표했다. DOE는 5년간 5억 달러 이상을 투자해 측정·모델링·컴퓨팅에 나가고, NIH는 과거 5억 달러 이상 투자로 개발한 데이터셋과 리포지토리를 제공하며, Biohub은 이를 AI 학습용으로 표준화한다. Google DeepMind, Isomorphic Labs, Meta는 3억 달러를 투자해 가상생물학 이니셔티브(Virtual Biology Initiative)에서 멀티모달 데이터셋 및 생명 예측 모델 기술을 개발한다. 전체 요약 9문장 읽기 → 004 09:11 ▲ 11 · 댓글 2 생의학 문장 인코더를 선택 결정 모델로 변환하는 방법 검색 학습으로 훈련된 생의학 문장 인코더를 스키마 제약이 있는 예/아니오 질문에 답하는 타입 결정 모델로 변환하는 SBERT2S1을 제시했다. AI · 머신러닝 · From Retrieval to Typed Decisions: Calibrated System One Models from Biomedical Sentence Encoders
Key Point 생의학 자연언어 이해 작업에서 검색 학습의 효과가 모델 구조에 따라 크게 달라진다는 점과 기존 강화학습 방식의 구체적인 한계를 정량적으로 규명했다.
핵심 요약
검색 학습으로 훈련된 생의학 문장 인코더를 스키마 제약이 있는 예/아니오 질문에 답하는 타입 결정 모델로 변환하는 SBERT2S1을 제시했다. 6개의 모델 쌍에서 제로샷 테스트 결과, 검색 학습이 있으면 내용 있는 선택지 매칭이 개선되는 것을 확인했다. 미세조정 후 효과는 모델 구조에 따라 달라졌는데, 검색 사전 정보를 유지하는 PFR 구조는 5개 모델 쌍과 3개 훈련 크기에서 15번 중 10번 개선되었으나, 교차 주의 구조(C)는 5번 악화되고 1번만 개선됐다. 전체 요약 7문장 읽기 → 005 22:26 ▲ 124 · 댓글 95 암 때문에 망가진 신체, 간만 튼튼한 이유 인간의 몸은 신장·치아·뇌·심장 등 대부분의 부위가 손상 후 회복되지 않지만, 간은 절반을 절제해도 몇 개월 안에 완전히 재생된다. 기타 · Why is the liver so weirdly regenerative?
Key Point 암 방지 메커니즘이 우리 신체 전체의 설계에 얼마나 깊게 영향을 미치는지 이해하면, 왜 우리 몸이 '망가져 보이는지' 명확해진다.
핵심 요약
인간의 몸은 신장·치아·뇌·심장 등 대부분의 부위가 손상 후 회복되지 않지만, 간은 절반을 절제해도 몇 개월 안에 완전히 재생된다. 이 역설의 핵심은 암이다: 신체는 세포의 무분별한 증식을 막기 위해 텔로미어 단축, 신경세포의 비분열, 혈관신생 억제 등의 메커니즘을 진화시켰다. 텔로미어는 세포 분열 50~70회마다 완전히 소모돼 분열을 멈추게 하는데, 이는 의도적 설계로서 암세포가 텔로미어 없이도 계속 재현산되는 것을 막는다. 전체 요약 10문장 읽기 → 006 06:10 ▲ 116 · 댓글 98 생물학의 7가지 난제, 상금 공모 시작 시험관에서 화학물질로부터 생명 탄생을 재현하고, 세포는 100만 배 이상 증식하면서 무한정 분열 가능해야 한다. 하드웨어 · 시스템 · The Millennium Problems for Biology
Key Point 생물학 분야의 근본적 과제를 공개 과제로 설정해 전 세계 연구자들의 돌파구를 촉발하려는 시도이며, 성공하면 줄기세포 재생의학·유전자 치료·합성생물학의 판도가 바뀔 수 있다.
핵심 요약
시험관에서 화학물질로부터 생명 탄생을 재현하고, 세포는 100만 배 이상 증식하면서 무한정 분열 가능해야 한다. 생쥐 전체를 24시간 이상 냉동 보존했다가 99% 이상 생존율로 깨어나게 하되 장기 손상이 없어야 한다. 펩타이드 서열을 읽고 주형 DNA 없이 RNA 또는 DNA 가닥을 합성하는 효소를 만들되, 100개 이상의 펩타이드로 90% 이상 정확도를 입증해야 한다. 전체 요약 6문장 읽기 →