Look for any podcast host, guest or anyone
Showing episodes and shows of

Insilico Terminal

Shows

AX Case Study Podcast
AX Case Study PodcastInsilico의 에이전트 기반 실험실 자율화1. 왜 이 사례인가Insilico Medicine은 홍콩 증권거래소에 상장된(HKEX: 3696) 신약 개발 기업입니다. 이 회사는 스스로를 “임상 단계의 생성형 AI 기반 신약 개발 기업”으로 소개합니다. Longevity.Technology에 따르면 이 회사는 2014년에 설립되었으며, 홍콩 상장은 조달 금액 기준으로 2025년 홍콩 최대 규모의 바이오텍 IPO였습니다. 회사 소개 페이지에서 Insilico는 자사의 Pharma.AI 플랫폼을 기반으로 구축된 “엔드투엔드 생성형 AI 기반 바이오텍 기업”이라고 밝히고 있습니다. 이번에 소개하는 변화 이전부터 AI는 이미 회사의 일부였습니다. 보도자료에서도 표적 발굴 플랫폼인 PandaOmics와 자동화 실험실인 LifeStar2를 새로운 계층이 연결하는 기존 시스템으로 제시합니다.2026-05-06, Insilico는 “차세대 지능형 실험실 운영체제”라고 부르는 LabClaw를 발표했습니다. 보도자료 제목은 이번 변화를 “자동화에서 자율화로(from Automation to Autonomy)” 나아가는 과정으로 규정합니다. 실험실 로봇은 이미 도입되어 있었습니다. 달라진 점은 실험을 계획하고, 스테이션 간 작업을 조율하며, 사후 데이터를 처리하는 주체입니다. 보도자료에 따르면 이러한 업무가 사람에서 AI 에이전트 그룹으로 넘어가고, 연구자는 정해진 체크포인트에서만 개입합니다.이 사례가 주목받는 이유는 세 가지입니다. 첫째, 보도자료가 회사의 표현을 빌려 이전 상태를 명확히 기술하기 때문입니다. 사전 프로그래밍된 경직된 워크플로, AI 모델로 환류되지 않던 데이터, 실험실 스테이션 전반에 걸쳐 다단계 실험을 수작업으로 조율하던 인력 등이 이에 해당합니다. 둘째, 에이전트의 역할을 이름별로 명시하고 실제 실행 사례를 통해 연구자가 여전히 결정권을 행사하는 지점을 보여줍니다. 셋째, 웨트랩에서 도출된 결과가 표적 발굴 플랫폼으로 다시 공급되어 다음 예측 모델을 갱신한다는 점입니다.보도자료는 LabClaw를 “경량 Agent-Guard 구조를 기반으로 구축된 제약 업계 최초의 실험실 자율화 시스템”이라고 지칭합니다. 이는 회사 측 주장이며, 독립적인 기관의 검증을 거친 평가는 아닙니다. 아래에 기술된 LabClaw 관련 설명은 모두 Insilico의 발표 내용에 근거한 것이며, 외부에서 검증된 바는 없습니다.2. Problem보도자료는 기존 실험실 자동화가 이미 달성한 성과부터 짚고 넘어갑니다. 액체 핸들링 워크스테이션, 고처리량 스크리닝 플랫폼, 자동화 세포 배양 시스템 덕분에 수작업 대비 “실험 처리량이 획기적으로 증가”했고 체계적 오류가 줄었다고 설명합니다. 보도자료가 지적하는 문제는 그러한 장비 주변에 여전히 수작업으로 남아 있던 영역입니다. 보도자료는 “자동화에서 진정한 자율화로 나아가는 과정”에서 마주하는 세 가지 병목을 다음과 같이 열거합니다.“워크플로의 경직성: 사전 프로그래밍된 워크플로는 동적 변수에 유연하게 대응하기 어렵습니다. 중간 단계에서 오류가 발생하거나 QC 이상 징후가 나타나면 시스템은 사람의 개입을 필요로 했습니다.”“데이터 사일로: 자동 해석 및 폐쇄 루프 피드백 경로가 없으면, 장비에서 쏟아져 나오는 대량의 데이터가 상위 단계의 AI 생성 추론이나 하위 단계의 통계 분석과 연결되지 못해 실시간 데이터 활용과 가치 실현이 제한됩니다.”“높은 조율 비용: 서로 다른 기능 구역에 걸친 다단계 실험을 여전히 수작업으로 조율하고 추적해야 하므로, 연구 외적인 업무가 과도하게 발생해 생산성 병목이 생깁니다.”보도자료는 이를 자사 실험실에 국한된 진단이 아니라 업계 전반의 병목으로 제시합니다. 다만 사례 연구에서는 Insilico 연구진이 표적을 선정하기 전에 일하던 이전 방식을 “방대한 문헌을 검토하고 근거를 수작업으로 정리하던 비효율적인 기존 방식”으로 묘사하고 있습니다.종합하면 도입 전 상태는 다음과 같습니다. 연구자들은 문헌을 직접 읽고 후보 표적에 대한 근거를 수작업으로 모았습니다. 실험은 고정된 사전 프로그래밍 워크플로에 따라 진행되었습니다. 특정 단계에서 실패가 발생하거나 품질 검사상 이상이 보이면 사람이 개입해야 했습니다. 실험실의 분리된 스테이션 전반에 걸친 작업 일정 수립과 추적도 사람이 맡았습니다. 장비에서 나온 데이터는 실험을 애초에 제안했던 AI 모델로 자동 피드백되는 경로가 없었습니다.Insilico Medicine의 IT 총괄 디렉터인 Lin Sha는 과학자들의 부담을 덜어주고자 했던 영역을 다음과 같이 설명합니다.“LabClaw의 핵심적인 의의는 과학자들이 집중하는 대상을 재정의하는 데 있습니다. 시간 소모적인 표준 작업과 번거로운 일정 조율을 대신 맡아줌으로써, LabClaw는 지치지 않는 연구 코파일럿 역할을 수행합니다.”확인된 사실: 기존 실험실 자동화(액체 핸들링, 고처리량 스크리닝, 자동화 세포 배양)가 배경으로 언급됨. 회사 측이 밝힌 세 가지 병목(단계 실패나 QC 이상 시 수작업 개입이 필요한 워크플로 경직성, 장비 출력값과 AI 추론 간의 데이터 사일로, 기능 구역 전반의 수작업 조율 및 추적). 회사 측이 비효율적이라고 설명한 수작업 문헌 검토 및 근거 정리 방식의 과거 표적 연구. Lin Sha의 발언.3. Solution3.1 LabClaw의 기반 계층LabClaw는 실험실 하드웨어를 대체하지 않습니다. 보도자료에 따르면 이 시스템은 “Insilico의 완전 자동화 실험실인 LifeStar2를 보완하도록 특별히 설계”되었습니다. LabClaw는 기존의 네 가지 계층을 연결합니다.* Insilico의 자체 AI 표적 발굴 플랫폼인 PandaOmics* 자동화 실험실 하드웨어: 세포 배양, 고처리량 스크리닝, NGS(차세대 염기서열 분석) 등을 포함하며 “수십 대의 장비에 걸쳐 있는” LifeStar2 내 6개 기능 구역 및 구역 간 자재를 운반하는 AGV(무인 운반차)* LIMS(실험실 정보 관리 시스템)* 데이터 분석 파이프라인보도자료는 이러한 구성을 “AI의 사고, 자동화된 실행, 인간의 감독으로 구성된 새로운 3대 축의 실험 패러다임”이라고 설명합니다.3.2 정해진 역할을 수행하는 다섯 에이전트보도자료에 따르면 LabClaw는 5개의 협업 AI 에이전트와 28개의 전문 스킬 모듈로 구성됩니다. 에이전트는 역할별로 다음과 같이 명명되었습니다.* Experiment Coordinator* Orchestration Expert* Science Analyst* QC Inspector* Data Specialist보도자료에서는 이 중 세 에이전트의 실제 업무를 설명합니다. Science Analyst는 PandaOmics 및 기타 지식 베이스를 검색하여 근거와 함께 표적을 제안합니다. Experiment Coordinator는 선정된 표적을 실험실 절차로 변환하여 실행합니다. QC Inspector는 전 과정에서 “환경 매개변수와 세포 상태”를 모니터링합니다. 보도자료에는 Orchestration Expert와 Data Specialist에 대해 이름 외의 구체적인 설명이 없으며, 에이전트들이 어떤 모델을 사용하는지도 명시되어 있지 않습니다.3.3 연구자의 승인 지점보도자료는 이 설계를 “Agent-Guard 구조”라고 부릅니다. 에이전트는 제한된 범위 내에서 자율적으로 행동하지만, 특
2026-11-1417 minInsilico Terminal Podcast2026-10-291h 19BiotechTV - News2026-10-0627 minAI Brief2026-09-0915 minAI Fire Daily2026-09-0913 min名古屋ではたらく社長のITニュースポッドキャスト
名古屋ではたらく社長のITニュースポッドキャストEp.1491 AI創薬がもたらす“若返り”の衝撃──Insilico Medicineの新薬「Rentosertib」が示す未来(2026年9月9日配信)タイトルAI創薬がもたらす“若返り”の衝撃──Insilico Medicineの新薬「Rentosertib」が示す未来このエピソードで登場するキーワードを説明します。Insilico Medicine: 香港や米国に拠点を置き、AIを活用した創薬(AI Drug Discovery)を牽引するバイオテクノロジー企業。AIによる標的の発見から分子設計までをエンドツーエンドで手掛ける。Rentosertib(レントセルチブ): Insilico Medicineが自社のAIプラットフォームを活用して開発した、特発性肺線維症(IPF)の治療薬候補。老化と線維化に関与するTNIKというタンパク質を阻害するよう設計されている。老化時計(Proteomic aging clocks): 血液中のタンパク質プロファイルなどの生体データから、人体の細胞レベルでの損傷度合いや「生物学的年齢」を高い精度で予測するAIモデルの総称。それでは解説に入ります。2026年9月7日から8日にかけて、AI創薬スタートアップのInsilico Medicineが、AIによって設計された新薬候補「Rentosertib」の第2a相臨床試験において、人間の生物学的年齢を逆転させる可能性を示すデータを発表しました。この研究成果は権威ある英科学誌『Nature Biotechnology』に掲載され、製薬およびテクノロジー業界の双方から強い関心を集めています。Rentosertibは元来、肺が硬くなり呼吸機能が低下する難病である特発性肺線維症(IPF)の治療を目的に開発された低分子化合物です。Insilico Medicineは自社の標的発見AI「PandaOmics」と生成AIを用いた分子設計プラットフォーム「Chemistry42」を活用し、通常であれば数年を要する候補物質の特定を約18カ月という驚異的なスピードで完了させました。今回の発表の核心は、IPF患者42人を対象とした臨床試験の血液サンプルを、ハーバード大学やオックスフォード大学などが独立して開発した6つの異なる「老化時計」モデルで分析した点にあります。その結果、これら6つすべてのモデルにおいて、Rentosertibを投与された患者の生物学的年齢が一貫して低下していることが確認されました。特定の投与群においては、わずか4週間で生物学的年齢が平均して3年から4年、一部の指標では最大6年分若返るという結果が示されています。このニュースがビジネスや投資の観点で極めて重要なのは、AI創薬が単なる「研究開発コストの削減」にとどまらず、これまで人類が到達できなかった「老化の制御」という未踏の市場を切り拓く実証データになり得るからです。現在、世界のAI創薬市場ではGoogle傘下のIsomorphic LabsやRecursion、さらには設立間もない段階で38億ドルの評価額をつけたChai Discoveryなど、気鋭のスタートアップが激しい競争を繰り広げています。しかし、AIで見出した標的に対して自社で新薬を設計し、臨床試験の後期段階まで一貫して進め、さらに「若返り」という副次的かつ破壊的な効果を人体で実証しつつある点で、Insilico Medicineは競合から一歩抜け出した形となります。同社の試算によれば、全人類の寿命を健康な状態でわずか3年延ばすだけでも、世界規模で数兆ドル規模の生産性向上と膨大な医療コストの削減に直結するとされています。現在の規制環境において「老化防止」そのものを疾患として当局から承認を得るハードルは依然として高いものの、他の適応症でRentosertibが承認されれば、将来的にアンチエイジング目的での巨大な市場形成が見込まれます。既存の巨大製薬企業がAIスタートアップへの投資や大型提携を加速させる中、AIがデザインした分子が私たちの「寿命」という究極の指標をいかに書き換えていくのか、今後の治験データと業界再編の動向から目が離せません。今回のエピソードは以上で終了です。また次回お会いしましょう。
2026-09-0904 minThe Market Edge2026-09-0818 minStock Movers2026-09-0804 minThe State of Tech Die deutsche Ausgabe2026-09-0815 minThe State of Tech2026-09-0815 minThe State of Tech — The European Edition2026-09-0814 minInsilico Terminal Podcast2026-09-031h 19Insilico Terminal Podcast2026-08-271h 23Insilico Terminal Podcast2026-08-2046 minInside AsembleAI: DeepTech, AI & Science2026-08-1740 minInsilico Terminal Podcast2026-08-1351 minInsilico Terminal Podcast2026-08-0659 minInsilico Terminal Podcast2026-07-301h 00Insilico Terminal Podcast2026-07-231h 00DX Today | No-Hype Podcast & News About AI & DX2026-07-2013 minTouching Base2026-07-1732 minInsilico Terminal Podcast2026-07-1600 minInsilico Terminal Podcast2026-07-0954 minTouching Base2026-07-0235 minInsilico Terminal Podcast2026-07-021h 04Insilico Terminal Podcast2026-06-2558 minMDBros|Paradigm Shifts in Healthcare2026-06-2042 minInsilico Terminal Podcast2026-06-1859 minRealities Remixed2026-06-1847 minInsilico Terminal Podcast2026-06-041h 04Insilico Terminal Podcast2026-05-281h 05Alpha Casts - AI Market Intelligence2026-05-2707 minInsilico Terminal Podcast2026-05-211h 05Insilico Terminal Podcast2026-05-141h 04Insilico Terminal Podcast2026-05-071h 10Insilico Terminal Podcast2026-04-301h 01Insilico Terminal Podcast2026-04-241h 06Insilico Terminal Podcast2026-04-161h 11Colaberry AI Podcast2026-04-1518 minAI First Pod2026-04-1105 minInsilico Terminal Podcast2026-04-091h 03Insilico Terminal Podcast2026-04-021h 12Vanguards of Healthcare by Bloomberg Intelligence2026-03-3159 minTech News Daily2026-03-3010 minAI News Daily2026-03-3011 minHealthcare Daily Pulse2026-03-3015 minThe Pharma Closeout | Daily Pharmaceutical and Biotech News in 15 Minutes2026-03-3013 minInsilico Terminal Podcast2026-03-261h 14Insilico Terminal Podcast2026-03-191h 02Insilico Terminal Podcast2026-03-121h 01Insilico Terminal Podcast2026-03-051h 12Insilico Terminal Podcast2026-02-2656 minInsilico Terminal Podcast2026-02-1959 minInsilico Terminal Podcast2026-02-121h 03Insilico Terminal Podcast2026-02-0558 minInsilico Terminal Podcast2026-01-291h 08AI Brief2026-01-2613 minInsilico Terminal Podcast2026-01-2258 minInsilico Terminal Podcast2026-01-151h 03Insilico Terminal Podcast2026-01-0859 minThe Patient Signal2026-01-0804 minThe Patient Signal2026-01-0505 minAI in Marketing2026-01-0510 minTech News Daily2025-12-3108 minInsilico Terminal Podcast2025-12-251h 07Insilico Terminal Podcast2025-12-181h 01Insilico Terminal Podcast2025-12-111h 03Insilico Terminal Podcast2025-12-051h 41Insilico Terminal Podcast2025-11-2754 minInsilico Terminal Podcast2025-11-201h 02Insilico Terminal Podcast2025-11-131h 16Insilico Terminal Podcast2025-11-061h 09Insilico Terminal Podcast2025-10-301h 10Insilico Terminal Podcast2025-10-2359 minInsilico Terminal Podcast2025-10-161h 12Insilico Terminal Podcast2025-10-091h 19Insilico Terminal Podcast2025-10-021h 11TD Cowen Insights2025-09-3042 minInsilico Terminal Podcast2025-09-251h 00Flot.bio x Philip Hemme2025-09-2458 minInsilico Terminal Podcast2025-09-181h 02Insilico Terminal Podcast2025-09-081h 17Insilico Terminal Podcast2025-08-181h 20BTBA presents: 生技來一刻
BTBA presents: 生技來一刻S5 EP11|AI 藥物開發系列|Insilico Medicine ft. 林彥竹博士人工智慧(AI)如何改變藥物開發?藥物開發從臨床前研究到臨床試驗,通常需要超過十年時間和數十億美元的投資,卻仍有高達九成的藥物在臨床試驗中失敗。這些挑戰,現在 AI 正在各種方面掀起革命。在這系列節目中,我們將探討 AI 在藥物開發領域中的應用,並介紹在這個快速發展的領域中工作的專家。 本集為《AI 藥物開發系列》的第二集。在本集節目中,我們特別邀請到了陽明交大的兼任助理教授林彥竹,他同時也是英科智能 Insilico Medicine 台灣區的前 CEO*。他將分享他從臺大藥學院畢業後,如何跨足至瑞士聯邦理工學院,並進入英科智能深耕 AI 藥物開發的豐富經歷,以及他對於 AI 在生醫領域未來發展的看法。 此外,我們也探討英科智能的平台如何加速藥物篩選的過程,從而大幅縮短從實驗室到臨床的時間。希望大家將能更清楚地了解 AI 如何改變傳統藥物研發流程,以及這場科技革命如何影響生醫領域的未來。 *註: 講者受訪時仍任職於英科智能   🧑‍💼 講者 | 林彥竹 Jimmy Yen-Chu Lin:https://www.linkedin.com/in/jimmy-yen-chu-lin-74785199/  🎤 主持人 | 紀威佑 Wei-Yu Chi:https://www.linkedin.com/in/wychi/  🎤 主持人 | 吳畇芸 Yun-Yun (Sonja) Wu:https://www.linkedin.com/in/yun-yun-wu-3b0303106/  🧑‍💻 後製 | 吳畇芸 Yun-Yun (Sonja) Wu:https://www.linkedin.com/in/yun-yun-wu-3b0303106/   生技來一刻 Facebook 專頁:https://www.facebook.com/moment.in.biotech BTBA Facebook 專頁:https://www.facebook.com/btbatw BTBA Podcast 網站:http://btbatw.org/podcast 《生技來一刻》感謝國科會與駐波士頓辦事處科技組贊助我們製作節目。我們也歡迎聽眾的小額捐款,您的支持能幫助我們製作更優質的節目。https://www.paypal.com/US/fundraiser/charity/2101877   🎧 過去相關訪問: AI 藥物開發系列|導論 https://tmrbiotechmoments.podbean.com/e/aidd_intro/  精準醫療與藥物開發全面啟動 ft. 人工智慧絕地武士林清詠 https://tmrbiotechmoments.podbean.com/e/ft-ching-yung-lin/ 藥廠計算生物學家 ft. 周文奇博士、林書弘博士 https://tmrbiotechmoments.podbean.com/e/wen_chi_chou_shu_hong_lin/   時間軸 講者自我介紹與經歷 (02:18) CADD和AIDD的不同(14:10) 在 Insilico Medicine 擔任 CEO 的經驗 (26:37) 公司如何應用 AI 藥物開發 (37:00) AI 的侷限、挑戰與展望 (1:02:44) 給年輕人的建議 (1:13:19)  
2025-03-021h 23Aladdin’s Adventure2024-11-1918 minSlice of Technology2024-09-3024 minThe Daily Snapshot - A.I.2024-03-2011 minOne North Stories2023-08-3137 minAWS Health Innovation Podcast2023-07-1246 minLife Science Success2023-06-1024 minUnder The Radar2023-05-0228 minThe Harry Glorikian Show2023-03-281h 29AI Business Podcast2022-12-1429 minAI News2021-07-0504 minAI News auf Deutsch2021-07-0505 minAI News po polsku2021-07-0505 minTomorrowScale Podcast2020-02-0637 minLevel Up! Your Business, Life & Mind2020-01-291h 06Faces of Digital Health2019-05-0350 minThe Remarkable SaaS Podcast2018-04-2329 min