나노입자 기반 치료법의 임상 적용은 나노입자의 약물동태학(체내 분포, 축적, 제거)의 예측 불가능성으로 인해 제한적이다. 복잡한 생물학적 상호작용과 고품질 실험 데이터셋 확보의 어려움으로 인해 이러한 거동을 예측하는 것은 어렵다. 기존의 AI 기반 접근 방식은 데이터 중심 학습에 크게 의존하지만 나노입자 특성 및 생체분포 메커니즘에 대한 중요한 지식을 통합하지 못한다. 본 연구에서는 크기 및 전하와 같은 핵심 나노입자 특성에 대한 사전 지식을 교차 주의 메커니즘에 통합하여 문맥 인식 특징 선택을 가능하게 하고 작은 데이터셋에도 불구하고 일반화 성능을 향상시키는 다중 뷰 딥 러닝 프레임워크를 제시한다. 예측의 강건성을 더욱 향상시키기 위해 딥 러닝과 XGBoost(XGB), Random Forest(RF)를 결합한 앙상블 학습 방식을 사용하여 기존 AI 모델보다 성능을 크게 향상시켰다. 해석 가능성 분석을 통해 나노입자 생체분포를 주도하는 핵심 물리화학적 특성을 밝혀내어 블랙박스 모델이 아닌 생물학적으로 의미 있는 나노입자의 생체 내 거동을 지배하는 가능한 메커니즘에 대한 통찰력을 제공한다. 또한, 기계 학습과 생리 기반 약물동태학(PBPK) 모델링을 연결하여 데이터 효율적인 AI 기반 약물 발견 및 정밀 나노 의학의 기반을 마련한다.
