신약 하나가 환자에게 닿기까지
책 1장은 긴 개발 기간과 높은 실패 비용에서 출발해, AI가 필요한 이유를 설명합니다.
본문 1.1.4 · 3–4쪽의 전통적 개발 과정 설명
의료 바이오 연구자를 위한 AI 신약개발 실전 가이드
관심 있는 질환도, 타겟도 있다면.
이제 데이터를 구하고, 모델을 만들고,
후보물질을 비교하는 방법을 익혀보세요.
2026.09.16–09.20 모집 · 09.26(토) 선정 발표 · 선정자에게 5만원 상당 종이책 1권 제공
분자에서 시작하는 새로운 연구의 가능성
CHAPTER 01 · 왜 AI와 신약개발이 만나는가
공개 데이터를 준비하고, 예측 모델을 만들고,
분자 도킹으로 후보를 비교하는 실습이 이어집니다.
책 1장은 긴 개발 기간과 높은 실패 비용에서 출발해, AI가 필요한 이유를 설명합니다.
본문 1.1.4 · 3–4쪽의 전통적 개발 과정 설명제약·의료제품 산업 전반의 생산성 향상에 대한 McKinsey 추정치입니다. 신약 탐색부터 개발·상용화까지 포함합니다.
2024 보고서 · 600억–1,100억 달러 · 원문 ↗책 1장 1.1.4·1.2.2의 논의를 바탕으로 구성. 원화 금액은 규모 이해를 위한 1달러=1,400원 단순 환산이며 실시간 환율이 아닙니다. 경제 가치는 시장 매출이나 실현된 수익을 뜻하지 않습니다.
NEW BOOK · 2026.09.21 출간 예정

혹시, 여기서 멈춰 있나요?
“공개 데이터는 어디서 구하지?”
“모델은 어떤 걸 써야 하지?”
“이 코드가 내 연구에서 무슨 역할을 하지?”
이 책은 그 사이를
실제 코드와 실행 결과로 연결합니다.
데이터를 준비하고 → 모델을 학습하고 → 후보를 비교하는 과정.
각 작업이 신약개발에서 어떤 역할을 하는지 함께 이해합니다.
WHY AI DRUG DISCOVERY, WHY NOW
신약 하나를 만드는 일의 어려움과 시장의 크기.
책 1장이 먼저 보여주는 숫자입니다.
네 수치 모두 책 1장 본문에 나옵니다. 원화 금액은 책에 실린 환산값입니다.
통상 4~7년이 걸리던 초기 후보물질 탐색과 전임상 단계를 1년 이내로 줄일 수 있다고 설명합니다.
책 1장 1.2.2공식 채용 공고에도 등장하는 역량
공개 데이터 처리, Python 분석,
실험·계산 연구팀 간 협업.
그 변화 속에서,
나는 무엇을 직접 해볼 수 있을까요?

책을 읽고, 코드를 실행하며
분자·단백질의 공개 데이터를 수집하고,
누락·중복 정보를 정리해 학습 데이터를 만듭니다.
활성 데이터를 살펴보고 준비하는 과정에서 출발합니다. 이어 QSAR·ChemBERTa·GNN으로 활성과 분자 특성을 예측하고, 실제 값과 비교하며 모델의 오차도 살펴봅니다.
실습 결과 · 예측 모델과 성능 비교
1,000개 화합물을 두 단백질에 도킹합니다. 선별한 화합물의 구조를 바꾸고, 물성과 도킹 결과를 다시 비교합니다.
실습 결과 · 계산으로 선별한 후보 목록5장 예제 기준. 후보의 효능과 안전성은 후속 실험으로 확인해야 합니다.
“그런데, 저는 코딩이 처음인데요.”
Python·Linux·통계·약학의 기초부터 안내합니다.
실습에 필요한 내용을 차근차근 쌓고,
실행 결과와 해설을 함께 읽습니다.
기초 예제 → 데이터 처리 → 모델링

실습 환경과 도구의
설치·설정 방법 안내
GitHub에서 확인하고
다시 실행하는 실습 코드
책의 내용을 질문하며
다시 짚어보는 학습 지원

공개 데이터를 준비하고,
예측 모델을 만들고,

분자 도킹으로 후보를 비교하는
실습이 이어집니다.




THE PEOPLE BEHIND THE RECOMMENDATIONS
“『AI 신약개발 실전 가이드』는 그러한 인재를 길러내기 위한 체계적인 교과서입니다.”
“AI 신약개발을 연구하고자 하는 모든 연구자에게 자신 있게 추천합니다.”
“신약개발과 AI 기술 사이의 간극을 메워주는 유용한 책이다.”
“이 책은 AI를 신약개발 조직 안에 실제로 받아들이기 위해 필요한 기반을 제공한다.”
“이 책의 가장 큰 매력은 컴퓨터 공학과 약학·생명과학이라는 두 세계를 아주 매끄럽게 이어준다는 점입니다.”
“연구자와 산업계 전문가들에게는 서로 다른 분야의 사람들과 소통하고 협력할 수 있는 공통의 언어가 되기를 기대합니다.”
“Wet lab에서 출발해 AI를 연구에 접목하고자 하는 학생과 연구자에게 좋은 길잡이가 될 책입니다.”
“이 책은 의료·바이오 연구자가 AI를 도구가 아닌 연구 언어로 받아들이게 만드는 실전적 안내서다.”
도서 뒷표지 수록 추천사 발췌 · 소속·직함은 표지 기준
이 책을 직접 읽을 기회, 서평단 신청하기 ↗뒷표지에 담긴 학계·산업계 전문가 8인의 추천
도서 뒷표지 수록 추천사 발췌
548 PAGES · ONE CONNECTED JOURNEY
개념과 사례로 전체 흐름 이해하기
AI 신약개발의 원리, 신약개발 단계와 실제 사례를 살펴봅니다.
Python · Linux · 통계 · 약학
데이터 불러오기와 전처리, 그래프, 통계 분석부터 약물의 작용과 체내 과정을 익힙니다.
모델 학습에 필요한 재료 준비하기
분자 구조와 단백질 서열·입체 구조를 표현하고 공개 데이터를 수집·정리합니다.
QSAR · ChemBERTa · GNN
머신러닝과 딥러닝 모델을 학습하고, 활성·분자 특성을 예측하며 성능을 비교합니다.
타겟 탐색부터 후보물질 최적화까지
문헌 분석, 분자 도킹, 대규모 가상 탐색과 구조 변형을 하나의 계산 과정으로 연결합니다.
생성형 AI · 에이전트 AI · 자율주행 실험실
기초와 실습에서 만난 기술이 연구와 산업에서 확장되는 방향을 살펴봅니다.
기초를 쌓고, 데이터를 다루고,
모델을 만들고, 후보를 좁혀가는 여섯 개의 장.
이제, 함께 읽을 첫 독자를 찾습니다.

정가 50,000원
종이책 1권 제공
AI 신약개발을 내 연구 역량으로 만들고 싶은 분.
읽고, 실습하고, 그 경험을 솔직하게 나눌 분을 초대합니다.
첫 서평도 괜찮습니다. 팔로워 수에 최소 기준은 없습니다.
출판사로부터 도서를 제공받아 작성하였습니다.
학습 목적, 구체적인 서평 계획, 최근 게시 활동과 일정 이행 가능성을 함께 살핍니다. 긍정적인 평가를 조건으로 하지 않습니다.
한국시간 기준 · 1인 1회 신청 · 선정자의 배송 정보만 출판사에 전달BEFORE YOU START
Python·Linux·통계·약학의 기초부터 안내합니다. 프로그래밍 사전 지식이 없는 독자를 고려한 예제와 해설이 있으며, 직접 코드를 실행하며 단계별로 학습하는 구성입니다.
Google Colab 사용과 필요한 도구의 설치·설정을 안내합니다. 일부 실습은 GPU나 외부 API를 활용하므로 서비스 이용 조건과 사용량에 따라 별도 비용이 발생할 수 있습니다.
선정 후 참여를 확정하고, 도서 수령 후 2주 이내에 개인 SNS 1곳과 온라인서점 1곳(교보문고·예스24·알라딘 중 선택)에 솔직한 서평을 작성합니다. 두 게시물에 “출판사로부터 도서를 제공받아 작성하였습니다.”를 반드시 기재합니다. 긍정적인 평가를 조건으로 하지 않습니다.

YOUR KNOWLEDGE. YOUR NEXT RESEARCH.
의료 바이오 연구자를 위한
AI 신약개발 실전 가이드