주요 평가 지표로 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity), F1-score를 사용했습니다.

12개월마다 필요시 새로운 독성 데이터를 수집하여 모델을 재학습할 예정입니다. 증분 학습(Incremental Learning) 방식을 적용하여 기존 모델의 성능을 유지하면서 새로운 정보를 효과적으로 반영할 계획입니다.

S9 fraction의 존재 여부에 따라 화학물질의 대사 활성화가 달라질 수 있어 독성 프로파일이 다르게 나타날 수 있습니다. 따라서 두 조건을 분리하여 예측함으로써 더 정확한 유전독성 평가가 가능합니다.

PubChem, ISSTOX, ECHA를 선택한 이유는 각각 광범위한 화학물질 정보, 독성 특화 데이터, 규제 관련 데이터를 제공하기 때문입니다. 이를 통해 다양한 관점의 데이터를 확보하여 모델의 신뢰성을 높였습니다.