딜리네이트 vs 앙스트롬 AI

딜리네이트 장단점

• 가장 큰 장점은 수작업으로 수개월이 걸리던 임상 데이터 수집 및 구조화 작업을 약 15배 이상 빠르게 처리할 수 있다는 점입니다. 특히 논문 속 그래프(Plots)에 숨겨진 수치를 정확하게 복원하는 능력이 뛰어나, 데이터가 소실된 과거 연구 결과도 다시 활용할 수 있게 해줍니다. 글로벌 Top 10 제약사들과 협업하며 검증된 높은 데이터 품질과 품질 관리(QC) 프로세스를 제공하며, 이를 통해 임상 설계 단계에서 하루만 앞당겨도 발생하는 수백만 달러의 기회비용을 절감하는 데 실질적인 도움을 줍니다.

• 제약 및 바이오 전문 엔터프라이즈 솔루션 특성상 일반 사용자가 접근하기 어려운 폐쇄적인 가격 정책을 가지고 있으며, 도입 비용이 상당히 높을 것으로 예상됩니다. AI가 추출한 데이터라 할지라도 임상 시험이라는 특수성 때문에 최종 단계에서는 반드시 전문가의 검토가 필요하다는 인적 리소스 부담이 여전히 존재합니다. 또한 현재는 영어권 기반의 연구 자료 처리에 최적화되어 있어, 한국어 등으로 작성된 국내 특허나 로컬 임상 자료에 대한 처리 정확도는 상대적으로 낮을 수 있다는 한계가 있습니다.

앙스트롬 AI 장단점

• MACE 모델의 핵심 개발자인 케임브리지대 교수진이 직접 설립하여 기술적 신뢰도가 매우 높으며, 단순한 데이터 학습이 아닌 물리 법칙을 AI 모델 자체에 내장(Equivariance)하여 AI의 고질적인 문제인 비물리적 구조 생성(환각)을 방지했습니다. 기존에 8장의 A100 GPU로 일주일이 걸리던 계산을 혁신적으로 단축함으로써 연구 개발 주기를 획기적으로 줄일 수 있다는 점이 가장 큰 장점으로 꼽힙니다.

• 2024년 설립된 초기 스타트업 특성상, 기성 상용 소프트웨어처럼 다양한 워크플로우와 매끄럽게 통합되는 API나 직관적인 GUI 인터페이스의 완결성이 부족할 수 있습니다. 또한 MACE 모델이 학습 데이터에 포함되지 않은 매우 희귀한 원소나 복잡한 금속 유기 화합물 구조에서도 동일한 양자 수준의 정확도를 일관되게 보여줄 수 있는지에 대해서는 더 넓은 범위의 실증 데이터가 요구됩니다.

딜리네이트 주요 기능

• AI 에이전트 기반 체계적 문헌 고찰 자동화
• 컴퓨터 비전을 활용한 그래프·도표 수치 추출(plot digitization)
• 100% 감사 가능한 데이터 출처 추적
• 특정 약물 계급에 특화된 대규모 데이터셋 구축
• 비구조화 문서(PDF·특허)의 구조화 변환
• 멀티소스 파라미터 추출 및 생물학적 메커니즘 탐색

앙스트롬 AI 주요 기능

• MACE 물리 모델 기반 양자역학 수준 분자 시뮬레이션
• 습식 실험(Wet Lab) 대비 100배 이상 속도 향상
• 신약 후보 물질의 수화 자유 에너지(Hydration-Free Energy) 예측
• 약물 생체이용률 관련 용해도(Solubility) 예측
• 전임상 단계 약물 효능·안전성 검증 자동화