ADC 초기 R&D는 "조합 선택"과 "실험 설계"에서 가장 많이 지연됩니다
표적 선정부터 조합 설계까지 문헌 탐색에 과도한 시간 소요
링커 안정성, 페이로드 물성, DAR 등 공학적 검토 복잡
정보가 흩어져 "근거 연결 의사결정"이 어려움
잘못된 조합 선택은 늦게 실패해 비용이 커짐
"설계/선택"을 돕는 도구가 필요
입력은 간단하게, 출력은 '실행 가능'하게
01
선택한 암종에 대해 표적을 후보군으로 정리하고, 성숙도와 근거 수준을 체계화
02
표준 템플릿으로 링커/페이로드 조합을 대량 생성하고, 금지 규칙으로 1차 제거
03
Biology/Engineering/Evidence/Risk 축으로 점수화하고, 실험 패키지 생성
Target Tier Classifier
승인/임상/전임상/탐색 단계로 표적을 자동 분류하고, 경쟁도 및 근거 수준을 함께 표시
Combination Builder
사전 정의 템플릿 기반 후보 생성 + 금지 규칙/리스크 룰로 1차 필터링
Explainable Scoring
점수만 보여주지 않고 "왜 높은가/왜 위험한가"를 근거 문장으로 제공
Report Generator
Top 후보에 대해 근거 문헌과 논리 구조를 갖춘 보고서 자동 생성(PDF/HTML)
Experiment Protocol Pack
후보별 실패 모드에 대응하는 최소 실험 세트 제안
후보 요약: 표적/링커/페이로드/주요 리스크
근거 요약: 핵심 문헌과 인용 링크
비교표: 후보 간 장단점
검증 목적별 실험 제안
권장 우선순위와 체크리스트
추천 근거 문장 클릭 시 출처로 이동
Deep Linking 지원
초기 후보 설계, 포트폴리오 우선순위 결정
후보 기술성·리스크 빠른 스크리닝
표적/조합의 타당성 검토 자료 자동화
AI 기반 연구 설계에서 가장 중요한 것은 신뢰할 수 있는 근거입니다
문헌과 데이터에 근거하지 않는 추천을 차단합니다. 근거 없는 조합은 표시하지 않습니다.
서로 상충하는 문헌이 있을 경우, 양쪽 근거를 함께 표시하여 연구자가 판단할 수 있도록 합니다.
AI는 후보를 제안하고, 최종 결정은 항상 연구자가 합니다. 사람의 전문성과 AI의 속도를 결합합니다.
다양한 팀과 상황에서 활용할 수 있습니다
초기 ADC 후보 설계를 가속화합니다. 방대한 문헌 탐색 시간을 줄이고, 근거 기반으로 유망한 조합을 빠르게 도출합니다.
후보 기술의 타당성을 빠르게 검토합니다. 기술성 검토 자동화로 의사결정 속도를 높입니다.
Due Diligence 자료를 자동 생성합니다. 표적/조합의 과학적 타당성을 근거와 함께 정리합니다.
