본 논문은 계산 독성학 벤치마크인 Tox21 데이터셋을 기반으로 화학 물질의 독성 활성을 예측하는 연구를 수행한다. 화학 독성에 대한 배경 지식을 제공한 후, 머신 러닝과 딥 러닝을 포함한 현재의 계산 전략을 논의한다. 여러 아키텍처를 성능, 견고성 및 해석 가능성 측면에서 비교한다. 본 연구는 화학 구조의 2D 그래픽 표현을 처리하는 DenseNet121 기반의 새로운 이미지 기반 파이프라인을 제시한다. 또한, 모델 예측을 해석하고 독성 분류에 기여하는 분자 영역을 강조하기 위해 설명 가능한 AI 기술인 Grad-CAM 시각화를 활용한다. 제안된 아키텍처는 기존 모델에 비해 경쟁력 있는 결과를 달성하여, 화학정보학에서 딥 컨볼루션 네트워크의 잠재력을 보여준다. 본 연구 결과는 이미지 기반 표현과 설명 가능한 AI 방법을 결합하여 독성학에서 예측 정확도와 모델 투명성을 모두 향상시키는 가치를 강조한다.
