VIDRAFT.
VIDRAFT / 인사이트 / 과학 AI
과학 AI

경구약의 장 흡수(HIA)를 가장 잘 예측하는 AI 모델은?

VIDRAFT의 구조 전용 앙상블이 독립적·블라인드 Polaris HIA 리더보드에서 AUROC 0.990으로 1위를 기록했습니다. Polaris 공개 리더보드 통산 15번째 1위입니다.

게시 2026-07-31약 2분 읽기VIDRAFT 제공
빠른 답변

독립적·블라인드 벤치마크인 Polaris HIA에서 VIDRAFT의 'vidraft-hia-molformer-chemberta-ensemble'이 AUROC 0.990을 기록해 AceProp·TabPFNv2(각 0.989)를 제쳤습니다. 분자 구조(SMILES)만으로 장 흡수 여부를 예측합니다.

신약개발에서 장 흡수(HIA)란 무엇인가요?

HIA는 경구로 복용한 약물이 장에서 혈류로 흡수될지를 분자의 화학 구조만으로 예측하는 지표로, 신약개발의 가장 초기 스크리닝 관문 중 하나입니다.

약물은 실제로 몸에 흡수되어야 효과를 내므로, 장 흡수가 나쁜 것은 경구 후보물질이 실패하는 흔한 원인입니다. HIA 예측 모델은 분자 구조를 텍스트로 인코딩한 SMILES 문자열을 입력받아 흡수 확률을 출력합니다. 합성 이전 단계에서 미리 걸러내면 실패 가능성이 높은 분자를 제외해 시간과 비용을 아낄 수 있습니다. Polaris에서 HIA는 AUROC로 채점하며, 1.0이 완벽, 0.5가 무작위 수준입니다.

Polaris HIA 벤치마크에서 1위를 한 모델은?

VIDRAFT의 'vidraft-hia-molformer-chemberta-ensemble'이 AUROC 0.990으로 1위를 기록하며 AceProp(0.989)와 TabPFNv2(0.989)를 앞섰습니다.

이 결과는 Polaris의 블라인드 HIA 리더보드에 기록되었으며, VIDRAFT는 두 강력한 공개 베이스라인을 근소한 차이로 제쳤습니다. 상위권 격차는 AUROC 0.001 단위로 매우 작아, AceProp·TabPFNv2가 포함된 경쟁에서 선두를 지킨 것은 의미가 큽니다. 이는 VIDRAFT가 공개 Polaris 리더보드에서 거둔 15번째 1위 기록입니다.

Polaris 같은 블라인드 벤치마크가 왜 중요한가요?

Polaris는 정답 라벨이 숨겨져 있고 채점이 서버에서 이루어지는 독립 벤치마크라, 참가 팀이 자기 점수를 조작하거나 부풀릴 수 없습니다. 그래서 1위가 자기보고가 아니라 외부에서 검증 가능한 성과가 됩니다.

많은 모델 성능 주장은 자체 채점이라 신뢰하기 어렵고 과적합되기 쉽습니다. Polaris는 정답을 비공개로 유지하고 자체 서버에서 점수를 계산하므로, 모든 제출이 보지 못한 분자에 대해 동일한 방식으로 평가됩니다. VIDRAFT의 0.990을 자기보고 수치가 아닌 블라인드·외부·경쟁 결과라고 부르는 이유입니다.

VIDRAFT의 HIA 모델은 어떻게 작동하나요?

MoLFormer와 ChemBERTa 두 화학 언어 모델을 결합한 구조 전용 이종 앙상블로, 분자의 SMILES만을 입력으로 사용합니다. 세포 이미징이나 추가 모달리티는 쓰지 않습니다.

MoLFormer와 ChemBERTa는 대규모 분자 데이터로 사전학습된 트랜스포머 모델로, 서로 보완적인 관점을 앙상블하면 견고성이 높아집니다. VIDRAFT는 특히 ChemBERTa 구성요소를 강화한 것이 HIA에서 도움이 되었다고 밝혔습니다. 다만 정직하게 말하면 그 향상이 모든 ADMET 과제로 이어지지는 않았고 단일 벤치마크가 전부는 아니지만, HIA 1위 자체는 자기보고가 아닌 블라인드 경쟁 결과입니다.

자주 묻는 질문

VIDRAFT는 Polaris HIA에서 몇 점(AUROC)을 받았나요?
AUROC 0.990으로 블라인드 Polaris HIA 리더보드 1위이며, AceProp·TabPFNv2(각 0.989)를 앞섰습니다.
이 모델은 세포 이미징을 쓰나요, 분자 구조만 쓰나요?
분자 구조(SMILES)만 사용합니다. 이미징이나 추가 모달리티 없이 구조만으로 예측하는 앙상블입니다.
HIA 1위가 모든 ADMET 과제에서 최고라는 뜻인가요?
아닙니다. HIA는 하나의 블라인드 벤치마크이며, ChemBERTa 강화는 HIA에서 특히 효과가 있었고 모든 ADMET 과제를 개선하지는 않았습니다. 경쟁·외부 검증 결과이지만 단일 벤치마크가 전부는 아닙니다.

출처

관련 글

온디바이스 AI
GPU 없이 35B AI 모델을 CPU로 실행할 수 있나요?
모델 추론
GPQA 다이아몬드 과학 벤치마크에서 1위 한국 LLM은 무엇일까?
AI 안전·평가
AI는 자신이 모른다는 것을 알까? FINAL-Bench란 무엇인가?
↖ 홈 — vidraft.net

이 글은 VIDRAFT의 공개·실측 데이터와 외부 출처에 기반합니다. 성능 수치는 명시된 조건에서의 측정값이며 환경에 따라 달라질 수 있습니다.