국내외 과학기술 정책에 대한 간략한 정보
단신동향
해외단신
NIH 연구원, 전문가가 엄선한 데이터베이스를 활용해 유전자 세트 분석의 정확성을 높이는 AI 에이전트 개발 원문보기 1
- 국가 미국
- 생성기관 국립보건원(NIH)
- 주제분류 핵심R&D분야
- 원문발표일 2025-07-28
- 등록일 2025-08-15
- 권호 293
○ 미국 국립보건원(NIH) 소속 연구진은 대형언어모델(LLM)을 기반으로 한 인공지능(AI) 에이전트 ‘GeneAgent’를 개발하였으며, 이를 통해 유전자 집합 분석(Gene Set Analysis)의 해석 정확도를 획기적으로 향상시켰다고 발표
- 본 기술은 생물학적 기능을 설명하는 서술 생성 시 기존 AI의 고질적인 ‘환각(hallucination)’ 문제를 극복하기 위해, 전문가가 선별·검증한 외부 데이터베이스를 활용한 ‘자기검증(self-verification)’ 알고리즘을 탑재한 것이 핵심
○ LLM 기반 AI는 방대한 문서 데이터를 기반으로 텍스트를 생성하지만, AI 환각(AI hallucination) 현상이 빈번히 발생
- 유전자 집합 분석은 특정 유전자의 기능과 질병 관련성을 해석하는 핵심 연구 방법이며, 환각 문제는 분석 신뢰성을 심각하게 저해할 수 있으나, 기존 연구들은 이 문제를 명시적으로 다루지 않음
- AI의 자기검증(Self-verification) 구조를 성공적으로 도입한 사례로, 생명정보학 분야에서의 AI 환각 문제 해결 가능성을 입증
- 총 1,106개의 유전자 집합을 대상으로 전문가 검증 132건에서 92% 이상의 검증 정확도 확인함
- 본 기술은 생물학적 기능을 설명하는 서술 생성 시 기존 AI의 고질적인 ‘환각(hallucination)’ 문제를 극복하기 위해, 전문가가 선별·검증한 외부 데이터베이스를 활용한 ‘자기검증(self-verification)’ 알고리즘을 탑재한 것이 핵심
○ LLM 기반 AI는 방대한 문서 데이터를 기반으로 텍스트를 생성하지만, AI 환각(AI hallucination) 현상이 빈번히 발생
- 유전자 집합 분석은 특정 유전자의 기능과 질병 관련성을 해석하는 핵심 연구 방법이며, 환각 문제는 분석 신뢰성을 심각하게 저해할 수 있으나, 기존 연구들은 이 문제를 명시적으로 다루지 않음
- AI의 자기검증(Self-verification) 구조를 성공적으로 도입한 사례로, 생명정보학 분야에서의 AI 환각 문제 해결 가능성을 입증
- 총 1,106개의 유전자 집합을 대상으로 전문가 검증 132건에서 92% 이상의 검증 정확도 확인함
