기능성 원료 인공지능 전환과 지식 그래프 기반 추천 알고리즘 연구 용역

링크

• 공고 상세 페이지 (사람에게 건넬 링크)
• 나라장터 원문 공고

비슷한 공고

링크는 각 공고의 AI 페이지다.

진행 중

• KEIT AX 기반 구축 사업 · 한국산업기술기획평가원 · 17.9억원 · D-43

끝난 공고 · 결과

• 기능성 원료 인공지능 전환과 지식 그래프 기반 추천 알고리즘 연구 용역 · 한국화학융합시험연구원 · 유찰
• 지능형 AI 규제정보 분석시스템(국무조정실) 구축 · 한국지능정보사회진흥원 · 낙찰 (주)브이티더블유 · 17.8억원
• 수산부산물 기능성 DB 구축 · 해양수산부 국립수산과학원 · 유찰
• 생성형 AI 기반 기술평가 등 주요사업 업무지원체계 구축 · 기술보증기금 · 낙찰 -
• AI 기반 안전보건 콘텐츠 검색·추천 체계 구축 연구 용역 · 한국산업안전보건공단 · 낙찰 주식회사 와이와이소프트 · 4,785만원
• 식의약 AI 학습데이터 구축을 위한 가이드라인 및 로드맵 수립 · 식품의약품안전처 · 유찰

첨부파일

뷰어 링크는 사람이 원문을 볼 때 쓰는 화면이다. 이 문서들에서 뽑은 자격 · 배점 · 일정 · 발췌는 이 페이지 아래에 글로 있다.

• 02_입찰재공고문.hwp · 공고규격서
• 02_입찰재공고문.pdf · 공고규격서
• 03_과업지시서.hwp · 공고규격서

공고 개요

재공고 · 유찰 · 한국화학융합시험연구원 · SW 개발·운영

결과

유찰

참가

0곳 · 개찰 09/30(수)

요약 AI 요약

기존에 구축된 기능성 원료 문헌 데이터를 인공지능 학습·탐색 데이터로 전환하고, 지식 그래프 기반 추천 알고리즘을 개발하는 연구입니다. 또한 국내외 규제 문서를 수집·구조화하여 후보 원료의 안전성·유효성 검토를 지원하는 평가 체계를 구축합니다.

• 기능성 원료 추천 AI 모델 개발(임베딩 기반 유사도 분석과 지식 그래프 기반 관계 탐색 결합)
• 문헌 데이터의 주요 특성 정보 구조화 및 지식 그래프 구축
• 추천 결과에 관련 문헌·키워드·유사 소재·실험 방법 등 근거 정보 연계
• 자동화 규제 데이터 수집·정제 파이프라인 구축(식약처·FDA 등)
• 규제 정보 Index DB 구축 및 추천 결과 연계
• 규제 정보 모니터링 체계 구축 및 QSAR 기반 예측 정보 활용 가능성 탐색

사업 내용 · 이 공고에 든 일

중심 · 기능성 원료 추천 AI 모델 개발

용역 › 학술·정책연구 › 과학·기술 연구

기구축 문헌 데이터를 AI 학습·탐색 데이터로 전환하고 지식 그래프·임베딩 기반 추천 모델을 개발하는 이공계 위탁연구다.

• 활용 데이터 정비(누락·중복·형식 오류 점검)
• 주요 특성 정보 구조화(Research Metadata·Materials·Experimental Method·Result)
• 지식 그래프 기반 관계 구조화(노드·엣지)
• 임베딩 및 유사도 기반 추천 모델 개발(DNN·GNN 검토)
• 추천 결과 및 근거 정보 제공 설계
• 성능 검토 및 활용 방안 수립
• 추천 결과 DB 사전 산출
• 외부망 조회형 서비스 적용

중심 · 규제 문서 기반 안전성·유효성 평가 지원 체계 구축

용역 › 정보시스템·SW › SW 개발·운영

규제 데이터 수집·정제 파이프라인, Index DB, 모니터링 체계 등 시스템을 구축·운영하는 SW 개발·구축 일이다.

• 자동화 규제 데이터 수집·정제 파이프라인 구축(API·HTML·PDF·HWP·DOCX)
• 규제 정보 Index DB 구축(구조화·색인·관계정보·임베딩)
• 규제 정보 모니터링 체계 구축(변경 탐지·이력·관리자 기능)
• 표준 메타데이터 모델 적용
• 품질 관리 체계 구축
• 추천 AI 모델과 규제 검색 결과 연계 구조 설계
• 지능형 플랫폼 연계 API·데이터 구조·화면 구성안 제공

딸린 일 · QSAR 기반 예측 정보 활용 가능성 탐색

용역 › 학술·정책연구 › 정책·제도 연구

QSAR 예측 정보의 역할·활용 범위·연계 방향을 검토하는 정책·방향성 연구다.

• QSAR 기반 예측 정보의 역할 검토
• 지능형 플랫폼과의 연계 방향 검토
• 단계적 적용 방향 제시

평가 · 배점

기술 : 가격 — 기술 80점 · 가격 20점

협상 대상 기준 · 제안서 평가결과 기술능력평가 점수가 기술능력평가분야 배점한도의 85% 이상인 자를 협상적격자로 선정

참가 자격 · 제한

업종제한

학술.연구용역(1169) 그리고 소프트웨어사업자(컴퓨터관련서비스사업)(1468)

지역제한

제한 없음

공동수급

공동수급불허

입찰참가 제한

없음

실적경쟁 · PQ

해당 없음

국제입찰

국내입찰

제출 방법

전자입찰

입찰 일정

가격

추정가격

90,909,091원

배정예산

100,000,000원

예정가격 방식

비예가

공고 정보

공고종류

재공고 (재입찰공고)

게시일

09/16(수)

공고번호

R26BK01733437-000

참조번호

화연 제2026-82호

공고기관

한국화학융합시험연구원

수요기관

한국화학융합시험연구원

계약방법

일반경쟁

낙찰방법

협상에의한계약

계약유형

총액계약

예정가격 방식

비예가

추정가격

90,909,091원

배정예산

100,000,000원

공공조달분류

연구조사서비스 › 학술연구서비스 › 기타연구조사서비스

사전규격번호

R26BD00265468

재공고

재공고

출처

나라장터

문서 발췌

과업·요구

I 과업 안내

1. 과업 개요 ◦ 과 업 명 : 기능성 원료 인공지능 전환과 지식 그래프 기반 추천 알고리즘 연구 ◦ 과업기간 : 계약체결일로부터 2026년 12월 21일까지 ◦ 사 업 비 : 100,000,000원(부가세 포함) ㅇ 발주기관 : (재)한국화학융합시험연구원 2. 과업 배경 ◦ 최근 바이오헬스케어 산업의 고도화와 글로벌 진출 확대에 따라 기능성 원료 및 바이오헬스케어 소재의 발굴, 기능성 검토, 안전성 확인, 시험·인증·인허가 대응의 중요성이 증가하고 있음 ◦ 기능성 원료와 바이오헬스케어 소재 관련 정보는 논문, 보고서, 규제 문서, 가이드라인 등 다양한 형태와 출처로 분산되어 있으며, 소재별 기능성, 유효성, 안전성, 실험 방법 및 측정 결과를 종합적으로 검토하기 위해서는 많은 시간과 전문 인력이 요구됨 ◦ `25년도에 수행한 「기능성 원료 문헌 데이터 구축 및 의미 기반 탐색 연구」를 통해 기능성 소재 227개 및 관련 논문 22,205건이 수집·구축되었으며, 문헌 데이터의 메타데이터 생성, 주요 특성 정의, 의미 기반 탐색을 위한 데이터 전처리 방안 및 지식 그래프 적용 가능성이 검토되었음 ◦ 이에 기존에 구축된 기능성 원료 문헌 데이터를 AI 학습·탐색 데이터로 전환하고, 기능성 원료, 구성 성분, 기능성, 유효성, 실험 방법, 측정 결과 등 주요 정보를 지식 그래프 형태로 구조화하여 후보 원료 추천에 활용할 필요가 있음 ◦ 또한 후보 원료의 연구개발·사업화·시험인증 활용 가능성을 검토하기 위해서는 논문 기반 근거와 함께 국내외 규제 문서, 가이드라인, 고시 및 안전성·유효성 관련 정보를 연계하여 검토할 수 있는 체계가 필요함 ◦ 이에 본 과업에서는 `25년도에 기구축한 기능성 원료 문헌 데이터를 기반으로 기능성 원료 추천 AI 모델을 개발하고, 국내외 규제 문서 및 안전성·유효성 관련 정보를 수집·구조화하여 추천 후보별 검토 근거와 후속 시험 필요 항목을 제공할 수 있는 평가 지원 체계를 구축하고자 함

3. 과업 목적 ◦ (MI 기술 기반 AI 분석 모델 고도화) `25년에 수행한 「기능성 원료 문헌 데이터 구축 및 의미 기반 탐색 연구」를 통해 수집·구축된 기능성 소재 227개 및 관련 논문 22,205건을 기반으로, 기능성 원료 및 소재 간 의미적 유사성, 주요 특성 및 문헌 기반 관계 정보를 활용한 「기능성 원료 추천 AI 모델」을 개발하고자 함 - `25년(1단계 2차년도)에 개발한 MI 기술(BERT 계열 LLM)을 GNN·DNN 등 다양한 AI 기술로 접근하여 고도화하고자 함 - 수집된 문헌 데이터, 메타데이터, 초록, 키워드 등을 AI 학습·탐색 데이터로 정제 - 기능성 원료, 구성 성분, 기능성, 유효성, 실험 방법, 측정 결과 등 주요 정보를 지식 그래프 형태로 구조화 - 지식 그래프 기반 관계 탐색과 임베딩 기반 유사도 분석을 결합하여 후보 원료 추천 - 추천 결과에 관련 문헌, 주요 키워드, 유사 소재, 실험 방법 및 측정 결과 등 근거 정보 연계 ◦ (바이오헬스케어 소재 개발 응용을 위한 데이터 분석 및 평가) 기능성 원료 및 바이오헬스케어 소재의 연구개발·사업화·시험인증 활용 가능성 검토를 지원하기 위하여 국내외 규제 문서 및 안전성·유효성 관련 정보를 수집·구조화하여, 규제 문서를 기반으로 안전성·유효성의 평가를 지원할 수 있는 체계를 구축하고자 함 - 디지털화된 데이터를 이용하여 기능성 소재 후보군을 도출하는 것을 목표로 하며, 이를 소재 개발에 응용할 수 있어야 함 - 식품의약품안전처, FDA, EMA 등 국내외 주요 규제기관의 규제 문서, 가이드라인, 고시 및 안전성·유효성 관련 자료 수집·정제 - 사용 범위, 적용 대상, 기능성 인정 범위, 금기사항, 경고·주의사항, 이상반응, 상호작용, 시험·평가 기준 등 핵심 정보 구조화 - 추천 후보별 규제 정보, 안전성 리스크, 유효성 근거 및 생물학적 안전성 검토 항목 연계 - 후보 소재의 안전성·유효성을 직접 판정하기보다, 검토 근거 및 후속 시험 필요 항목 제공을 위한 평가 지원 정보로 활용 ◦ (디지털화된 데이터 활용을 통한 소재 최적화) MI 기술을 고도화하여 개발한 기능성 소재 추천 모델과 바이오헬스케어 소재 개발 응용을 위해 구축한 규제 문서 기반의 안전성·유효성 평가 지원 체계를 통합하여, 기능성 소재를 시뮬레이션하여 추천할 수 있는 AI 기반 환경 구축 - AI 기반 데이터 분석을 통해 시뮬레이션 및 실험 설계 프로세스 자동화 및 실험적 검증을 위한 최적 소재 후보군 도출 활용 ◦ (QSAR 기반 예측 정보 활용 가능성 탐색) 후보 소재의 독성·안전성 검토 지원을 위한 QSAR 기반 예측 정보의 역할 및 활용 가능성을 탐색하고자 함

- QSAR 기반 예측 정보를 후보 소재의 독성·안전성 검토를 보조하는 참고 지표로 활용하는 방안 검토 - 지능형 플랫폼과 QSAR 기반 예측 정보의 향후 연계 방향 검토

Ⅱ 과업 내용

1. 과업 내용 ◦ 과업 수행 기본 방향 - (서비스 운영 환경) 본 과업에서 개발하는 ⌜기능성 원료 추천 AI 모델 및 안전성·유효성 평가 지원 체계⌟는 발주처가 구축 중인 지능형 플랫폼 내에서 서비스될 예정임 * 지능형 플랫폼은 외부망 플랫폼과 내부망 플랫폼으로 구성됨 * 외부망 플랫폼은 외부 공개 서비스 제공을 목적으로 하며, 내부망 플랫폼은 연구 업무 지원 및 고도화된 AI 서비스 제공을 목적으로 함 * 본 과업 범위에서 외부망 플랫폼은 기능성 원료 후보 조회, 추천 결과와 안전성·유효성 근거 정보 조회 서비스 등 경량화된 서비스를 제공할 수 있도록 설계함 * 본 과업 범위에서 내부망 플랫폼은 기능성 원료 데이터의 처리, 규제 문서 기반 안전성·유효성 평가 지원 체계 구축(자동화 규제 데이터 수집·정제 파이프라인, 규제 정보 Index DB 구축, 규제 정보 모니터링) 등 본 과업에서 구축하는 핵심 데이터 처리·관리 기능을 활용할 수 있도록 설계함 * 내부망 플랫폼은 향후 고도화된 AI 에이전트 기반 분석 서비스와 연계될 수 있도록 확장성을 고려하여 설계함 * 과업 수행자는 외부망·내부망 환경의 보안 수준, 데이터 접근 권한, 정보 제공 범위 등을 고려하여 서비스를 설계하여야 함 - (플랫폼 연계 및 개발 범위) 본 과업은 발주처가 구축 중인 지능형 플랫폼과 연계 가능한 기능성 원료 추천 AI 모델, 규제 데이터 및 안전성·유효성 평가 지원 서비스를 구축하는 것을 목표로 함 * 본 과업에서 개발한 기능 및 데이터는 발주처가 구축 중인 지능형 플랫폼과 연계되어 운영될 수 있어야 함 * 회원관리, 인증·인가, 게시판, 공지사항 등 플랫폼의 공통 기능은 발주처가 구축 중인 지능형 플랫폼에서 제공함 * 과업수행자는 서비스 연계를 위한 API, 데이터 구조, 데이터 제공 방식 및 연계 방안을 제공하여야 함 * 사용자 인터페이스(UI)의 직접 구현은 본 과업 범위에 포함하지 않으나, 서비스 적용을 위한 화면 구성안, 주요 기능 흐름 및 인터페이스 설계를 제공하여야 함 * 추천 AI 모델, 규제 정보 Index DB, 모니터링 시스템 및 규제 검색 결과 연동 기능의 세부 제공 범위는 착수 이후 발주처와 협의하여 결정함 * 연계 대상 플랫폼의 세부 구조, 제공 기능 및 연계 방식은 착수 이후 발주처와 협의하여 결정함 - (확장성 고려) 본 과업은 기능성 원료 추천 AI 서비스 제공과 규제 검색을 통한 안전성·유효성 평가 지원 체계 제공을 목적으로 하며, 향후 지능형 플랫폼 고도화 및 데이터·서비스 확장에 대응할 수 있도록 확장성을 고려하여 설계하여야 함

* 발주처의 지능형 플랫폼 고도화 계획에 따라 본 과업에서 개발한 기능들이 후속 과제에서 발전될 수 있도록 발주처와 논의하여 확장성을 고려하여 설계하여야 함 * 데이터 구조, 저장 체계 및 API는 신규 기능성 원료, 신규 규제기관 추가, 데이터 유형 확장 및 서비스 기능 고도화가 가능하도록 설계하여야 함 * 향후 다수의 사용자 질의 증가 및 복합 원문 문서 해석 등 대규모 연산이 필요할 경우, 시스템 자원을 동적으로 확장할 수 있도록 쿠버네티스(Kubernetes) 등 파드(Pod) 기반 아키텍처 적용을 고려하여야 함 * 데이터 수집 파이프라인, 검색 API, 모니터링 모듈, 추천 AI 모델 연계 기능 등은 기능별 독립 배포 및 확장이 가능하도록 마이크로서비스 아키텍처(MSA) 적용을 고려하여 설계하여야 함 * 수집된 원문 문서(PDF, HTML 등), 정제 데이터셋, AI 모델 산출물, 임베딩 벡터 데이터 등을 경제적이고 안정적으로 저장·관리하기 위하여 S3 프로토콜과 호환되는 객체 스토리지(Object Storage) 구조를 설계에 반영할 수 있음 * 규제 정보 Index DB 및 원본 규제 문서 제공 시 객체 스토리지와 안정적으로 연동될 수 있도록 데이터 저장·조회 구조 및 연계 방안을 설계하여야 함 * 향후 대용량 문서 원본, Vector DB 검색 결과 결합 및 통합 검색 시 데이터 전송 지연을 최소화하기 위하여 RDMA(Remote Direct Memory Access) 등 고성능 데이터 전송 기술의 적용 가능성을 검토할 수 있음 * 대용량 데이터 처리 성능 향상을 위하여 GPU Direct Storage 등 고성능 저장·처리 기술의 적용 가능성을 검토하고, 필요 시 향후 확장을 위한 하드웨어 구성 및 적용 조건을 제시할 수 있음 ■ MI 기술 기반 AI 분석 모델 고도화 ◦ 기능성 원료 추천 AI 모델 개발 - (개요) `25년도에 기구축된 기능성 원료 문헌 데이터 및 메타데이터를 기반으로 기능성 원료 및 소재 간 의미적 유사성, 주요 특성 및 문헌 기반 관계 정보를 활용한 기능성 원료 추천 AI 모델을 개발함 * 본 모델은 기능성 원료 후보군 도출을 위한 시범 추천 모델로 개발하며, 추천 결과는 관련 문헌 근거, 주요 특성 정보 및 규제 검색 결과와 연계될 수 있도록 설계함 * 추천 AI 모델은 후보 소재의 안전성·유효성을 최종 판정하는 것이 아니라, 기능성 원료 후보 탐색 및 후속 검토를 지원하기 위한 분석 모델로 활용함 - (활용 데이터) `25년도에 기구축된 기능성 원료 문헌 데이터, 메타데이터 및 주요 특성 정보를 활용함 * 기능성 원료 및 바이오헬스케어 소재 관련 문헌 데이터, 논문 제목, 초록, 키워드, DOI, PMID, PMC 등 메타데이터를 활용하여 AI 학습·탐색 데이터를 구성하여야 함

* 문헌 데이터에서 추출된 소재명, 구성 성분, 기능성, 유효성, 안전성, 실험 방법, 측정 결과 등 주요 특성 정보를 추천 모델 개발에 활용하여야 함 * 기존 문헌 데이터의 누락, 중복, 형식 오류 및 주요 메타데이터의 불일치 여부를 점검하고, 추천 모델 적용이 가능한 형태로 정제하여야 함 - (주요 특성 정보 구조화) 문헌 데이터 내 기능성 원료 및 소재 관련 주요 정보를 구조화하여 추천 AI 모델의 입력 데이터로 활용함 * 문헌의 Research Metadata, Materials, Experimental Method, Result 등 주요 특성 정보를 기반으로 소재별 특성 정보를 정리하여야 함 * 기능성 원료, 구성 성분, 기능성, 유효성, 안전성, 실험 방법, 측정 결과 등 주요 속성 간 관계를 구조화하여 관리할 수 있어야 함 * 구조화된 주요 특성 정보는 지식 그래프 기반 관계 탐색 및 임베딩 기반 유사도 분석에 활용될 수 있도록 설계하여야 함 - (지식 그래프 기반 관계 구조화) 기능성 원료, 구성 성분, 기능성, 유효성, 안전성, 실험 방법, 측정 결과 및 관련 문헌 간 관계 정보를 지식 그래프 형태로 구조화함 * 문헌 데이터에서 추출된 주요 특성은 지식 그래프의 노드 정보로 구성할 수 있어야 함 * 원료-성분, 원료-기능성, 원료-실험 방법 등 주요 관계는 엣지 정보로 구성할 수 있어야 함 * 지식 그래프 기반 관계 정보는 후보 원료 추천, 유사 소재 탐색 및 추천 근거 제공에 활용될 수 있어야 함 * Graph DB 등은 대표적인 구현 예시이며, 동일한 목적을 달성할 수 있는 대체 기술 또는 구조가 있는 경우 이를 적용할 수 있음 - (임베딩 및 유사도 기반 추천 모델 개발) 문헌 데이터 및 주요 특성 정보를 기반으로 기능성 원료 및 소재 간 의미적 유사성을 분석하고, 후보 원료를 추천할 수 있는 AI 모델을 개발함 * 문헌 제목, 초록, 키워드, 주요 특성 정보 등을 기반으로 임베딩 벡터를 생성·관리할 수 있어야 함 * 임베딩 기반 유사도 분석을 통해 특정 기능성, 유효성, 소재 특성 또는 사용자 질의와 연관성이 높은 후보 원료를 도출할 수 있어야 함 * 지식 그래프 기반 관계 탐색 결과와 임베딩 기반 유사도 분석 결과를 결합하여 추천 결과의 설명 가능성을 확보하여야 함 * 필요 시 DNN, GNN 등 AI 모델 적용 가능성을 검토하되, 데이터 규모, 품질, 모델 성능 및 과업 기간을 고려하여 효과적·경제적인 추천 모델 구조를 적용할 수 있음 - (추천 결과 및 근거 정보 제공) 추천 AI 모델의 결과는 사용자가 후보 원료의 추천 사유를 확인할 수 있도록 근거 정보와 함께 제공되어야 함

* 추천 후보별 관련 문헌, 주요 키워드, 유사 소재, 기능성, 유효성, 실험 방법 및 측정 결과 등 문헌 기반 근거 정보를 제공할 수 있어야 함 * 추천 결과는 규제 정보 Index DB와 연계하여 후보 원료별 관련 규제 정보, 안전성·유효성 근거 정보 및 후속 검토 필요 항목을 확인할 수 있도록 설계하여야 함 * 추천 결과의 신뢰성 확보를 위하여 추천 점수, 유사도, 관련 문헌 수, 주요 관계 정보 등 설명 가능한 지표를 함께 제공하는 방안을 고려하여야 함 - (서비스 적용 방식) 추천 AI 모델은 지능형 플랫폼의 외부망·내부망 운영 환경을 고려하여 적용 방식을 구분하여 설계함 * 외부망 플랫폼에는 별도의 GPU 서버가 구축되어 있지 않으므로, 실시간 고성능 AI 추론을 전제로 하지 않고 사전 산출된 추천 결과를 기반으로 조회형 서비스를 제공함 * 기능성 원료 추천 AI 모델을 활용하여 후보 원료, 유사 소재, 추천 점수, 주요 문헌 근거 등을 사전에 산출하고, 이를 DB화하여 외부망 플랫폼에서 실시간 조회할 수 있도록 설계함 * 내부망 플랫폼에서의 추천 AI 모델 적용 범위는 착수 이후 발주처와 협의하여 결정하되, 추천 결과 검증, 데이터 갱신, 추천 결과 재산출 및 모델 고도화가 가능한 구조를 고려하여 설계함 * 향후 GPU 서버 추가 등 인프라 고도화 시, GPU 연산 기반 AI 모델 추론 및 고도화된 추천 기능을 추가 연계할 수 있도록 확장성을 고려함 - (성능 검토 및 활용 방안 수립) 개발된 추천 AI 모델의 적용 가능성을 검토하고, 지능형 플랫폼 내 활용 방안을 수립함 * 추천 결과의 적절성, 검색·추천 품질, 데이터 누락 및 오추천 사례 등을 점검할 수 있는 평가 기준을 마련하여야 함 * 기능성 원료 후보군 도출, 유사 소재 탐색, 문헌 근거 확인 및 규제 검색 결과 연동 등 주요 활용 시나리오를 정의하여야 함 * 향후 신규 문헌 데이터, 규제 데이터, QSAR 기반 예측 정보 및 AI 에이전트 기반 분석 서비스와 연계될 수 있도록 확장 가능한 구조로 설계하여야 함 ■ 소재 개발 응용을 위한 데이터 분석 및 평가 체계 구축 ◦ 규제 문서 기반 안전성·유효성 평가 지원 체계 구축 - (시스템 구성) 규제 문서 기반 안전성·유효성 평가 지원 체계는 후보 소재의 안전성·유효성 검토에 필요한 규제 데이터의 수집, 저장, 구조화, 검색, 분석 및 운영 관리를 지원하기 위한 통합 기반으로 구축하며, 다음의 하위 시스템이 유기적으로 연계되어 동작하여야 함 * 자동화 규제 데이터 수집·정제 파이프라인 구축 * 규제 정보 Index DB 구축

* 규제 정보 모니터링 체계 구축 - (목적) 본 체계는 기능성 원료 추천 AI 모델이 도출한 후보 소재에 대하여 국내외 규제 자료를 기반으로 안전성·유효성 관련 근거 정보를 제공하고, 후보 소재의 활용 가능성 및 후속 시험·검토 필요 항목을 확인할 수 있도록 지원하는 것을 목적으로 함 ◦ 자동화 규제 데이터 수집·정제 파이프라인 구축 - (개요) 국내외 규제기관의 규제 문서, 법령, 가이드라인, 고시·공고 등 규제 정보를 자동으로 수집·정제·가공·저장할 수 있는 통합 데이터 파이프라인을 구축함 * 수집·정제된 규제 데이터는 규제 정보 Index DB 구축, 규제 정보 모니터링 체계 구축, 추천 AI 모델과의 규제 검색 결과 연동 및 안전성·유효성 평가 지원 정보 제공에 활용될 수 있도록 설계함 - (데이터 수집 범위) 국내외 주요 규제기관에서 제공하는 기능성 원료 및 바이오헬스케어 소재 관련 규제 정보를 대상으로 하며, 단계별 서비스 확대를 고려하여 확장 가능한 구조로 구축함 * 식품의약품안전처(MFDS), 미국식품의약국(FDA) * 추후 유럽의약품청(EMA) 등 글로벌 주요 규제기관의 데이터를 추가 수집할 수 있도록 확장성을 고려해야함 - (다양성 고려) 규제기관별 상이한 웹사이트 구조, 데이터 제공 방식 및 문서 체계를 고려하여 안정적인 자동 수집 체계를 구축함 * API, HTML, PDF, 첨부파일 등 다양한 형태의 데이터 제공 방식을 지원하여야 함 * PDF, HTML, HWP, DOCX 등 다양한 형식의 규제 문서를 수집·정제·가공할 수 있어야 하며, 문서 내 텍스트 추출 및 구조화가 가능하여야 함 * 규제기관의 웹사이트 개편, 문서 양식 변경, 데이터 제공 방식 변경 등에 대응할 수 있도록 지속 운영이 가능한 구조로 설계하여야 함 - (메타데이터 관리) 수집한 규제 문서의 주요 메타데이터를 표준화하여 관리함 * 기능성 원료 추천 AI 모델과의 연계를 위하여 원료명, 성분명, 기능성, 유효성, 안전성, 적용 대상, 제품 유형 등 주요 식별 정보를 관리할 수 있어야 함 * 규제 문서의 제목, 발행기관, 국가, 발행일, 시행일, 개정일, 문서 유형, 규제 분야, URL 등 주요 정보를 관리하여야 함 * 기관별 상이한 메타데이터 체계를 통합 관리할 수 있는 표준 메타데이터 모델을 적용하여야 함 - (자동 수집 및 저장 체계) 규제 정보의 변경 사항을 자동으로 탐지하고 수집할 수 있는 체계를 구축함 * 신규 문서 등록, 개정, 폐지, 삭제 등 변경 사항을 주기적으로 탐지할 수 있어야 함

* 규제 정보 모니터링 체계와 연계하여 변경 발생 시 관련 데이터의 자동 수집 및 갱신이 가능하여야 함 * 수집된 문서는 원문 보존이 가능하여야 하며, 검색·분석·활용을 위한 데이터셋을 별도로 구축하여야 함 * 정제된 데이터는 규제 정보 Index DB 및 추천 AI 모델 연동에 활용될 수 있도록 구조화하여 저장하여야 함 - (품질 관리 체계) 수집 데이터의 신뢰성과 활용성을 확보하기 위한 품질 관리 체계를 구축함 * 수집 과정에서 발생하는 오류, 중복 데이터, 비정형 데이터에 대한 정제 및 검증 기능을 제공하여야 함 * 데이터 수집 이력, 처리 상태, 수집 성공·실패 내역 등을 관리할 수 있는 운영 체계를 구축하여야 함 * 데이터 품질 점검 및 오류 대응을 위한 관리 기능을 제공하여야 함 * 추천 AI 모델 및 규제 검색 결과 연동에 활용되는 주요 메타데이터의 누락, 불일치, 중복 여부를 점검할 수 있어야 함 - (확장성을 고려한 모듈화 시스템) 향후 신규 규제기관 및 신규 데이터 유형 추가에 대응할 수 있도록 확장 가능한 구조를 적용함 * 신규 규제기관 추가 시 최소한의 개발로 연계가 가능하도록 모듈형 수집 아키텍처를 적용하여야 함 * 데이터 수집, 정제, 저장, 색인 기능을 독립적으로 확장할 수 있는 구조로 설계하여야 함 * 향후 규제 정보 Index DB, 규제 정보 모니터링 체계 및 추천 AI 모델 연동 기능과의 확장을 고려하여 데이터 구조를 설계하여야 함 ◦ 규제 정보 Index DB 구축 - (개요) 수집·정제된 규제 정보를 기능성 원료 및 바이오헬스케어 소재 단위로 검색·분석·활용하고, 추천 AI 모델과의 규제 검색 결과 연동을 지원하기 위한 규제 정보 Index DB를 구축함 * 본 항목에서 제시하는 Graph DB, 임베딩 데이터 등은 대표적인 구현 예시이며, 동일한 목적을 보다 효과적·경제적으로 달성할 수 있는 대체 기술 또는 구조가 있는 경우 이를 적용할 수 있음 * 본 항목은 기능성 원료 후보 조회, 규제 검색 결과 제공, 안전성·유효성 근거 정보 연계 및 원본 규제 문서 접근을 지원하기 위한 핵심 서비스 데이터베이스로 구축하여야 함 * 규제 정보 Index DB는 자동화 규제 데이터 수집·정제 파이프라인의 주요 산출물 중 하나이며, 기능성 원료 추천 AI 모델의 후보 원료와 규제 검색 결과를 연계하기 위한 중심 데이터 저장소로 활용되어야 함 - (규제 정보 구조화) 규제 문서 내 핵심 정보를 추출·구조화하여 검색 및 연계 가능한 형태로 구축함

* 사용자가 필요로 하는 규제 정보를 확인하기 위하여 모든 원문 문서를 조회하는 경우 과도한 시간과 비용이 소요되므로, 규제 문서 내 핵심 정보를 추출·구조화하여 검색 가능한 형태로 구축하여야 함 * 규제기관, 국가, 규제 대상, 제품 유형, 문서 유형, 발행 시점 등 바이오헬스케어 소재 분야의 이용자가 관심을 가질 주요 속성 정보를 체계적으로 추출·관리하여야 함 * 기능성 원료 추천 AI 모델과의 연계를 위하여 원료명, 성분명, 기능성, 유효성, 안전성, 적용 대상, 제품 유형 등 주요 식별 정보를 구조화하여 관리하여야 함 * 규제 문서의 본문 정보와 메타데이터를 연계하여 검색, 분석 및 활용이 가능하여야 함 * 규제 문서별 핵심 규제 내용, 적용 범위, 주요 변경 사항, 기능성 인정 범위, 사용 제한, 금기사항, 경고·주의사항, 이상반응, 시험·평가 기준 등 안전성·유효성 검토에 활용도가 높은 정보를 구조화하여 관리할 수 있어야 함 * 구조화된 정보는 AI 기반 활용을 고려하여 임베딩 벡터 등 의미 기반 표현 정보를 포함할 수 있어야 함 - (검색 및 색인 체계 구축) 규제 정보의 효율적인 검색과 추천 AI 모델 연동을 위한 색인 체계를 구축함 * 키워드 기반 검색, 조건 검색 및 필터링 기능을 지원할 수 있도록 설계하여야 함 * 규제기관, 국가, 규제 대상, 제품 유형, 문서 유형, 발행 시점, 원료명, 성분명, 기능성, 안전성 등 주요 속성을 활용한 다차원 검색이 가능하여야 함 * 대용량 규제 데이터에 대한 신속한 검색이 가능하도록 색인 구조를 구축하여야 함 * 검색 결과를 통해 원본 규제 문서 및 관련 규제 정보로 연결될 수 있어야 함 * 추천 AI 모델에서 도출된 후보 원료와 관련 규제 정보를 연계하여 조회할 수 있는 구조를 고려하여야 함 * 후속 단계에서 AI 에이전트 기반 분석 서비스와 연계하여 활용할 수 있는 구조를 고려하여야 함 - (관계 정보 관리 체계 구축) 규제 문서와 기능성 원료 간 관계 정보를 관리할 수 있는 구조를 구축함 * 규제 문서 간 참조 관계, 개정 이력, 상·하위 규정 관계, 연관 규제 관계 등을 관리할 수 있어야 함 * 규제기관, 규제 대상, 제품 유형, 문서 간 공통 속성 및 연결 관계를 관리할 수 있어야 함 * 원료명, 성분명, 기능성, 유효성, 안전성 등 규제 문서에서 추출한 주요 식별 정보를 매개로 추천 AI 모델 결과와 연계 및 탐색이 가능하여야 함 * 관계 정보 내 주요 속성들의 연결 관계를 시각화 및 분석할 수 있는 구조를 고려하여야 함

- (임베딩 및 유사도 검색 지원) AI 기반 검색, 분석 및 추천 결과 연계를 위한 데이터 구조를 구축함 * 규제 문서의 핵심 요약 정보 또는 구조화된 정보를 기반으로 임베딩 데이터를 생성·관리할 수 있어야 함 * 원료명, 성분명, 기능성, 유효성, 안전성 등 주요 속성 정보를 활용하여 추천 AI 모델 결과와 규제 정보 간 의미 기반 연계가 가능하도록 설계하여야 함 * 임베딩 데이터는 검색 성능과 저장 비용의 균형을 고려하여 경제적인 규모로 구축하여야 함 * 규제 정보 Index DB에 저장된 임베딩 데이터를 활용하여, 의미 기반 검색 및 유사도 검색이 가능하여야 함 * 의미 기반 검색 또는 유사도 검색 결과를 통해 관련 원본 문서 및 연관 규제 정보로 연결될 수 있어야 함 - (확장성 확보) 향후 규제기관 및 규제 데이터 확대에 대응할 수 있도록 설계하여야 함 * 신규 데이터 유형 및 신규 국가 규제 데이터 추가 시 확장이 가능하여야 함 * 규제기관 확대에 따른 데이터 증가에도 안정적으로 운영 가능한 구조를 고려하여야 함 * 향후 추천 AI 모델, 규제 정보 모니터링 체계, AI 기반 분석 서비스 및 지능형 플랫폼 전반과 연계·확장될 수 있도록 설계되어야 함 ◦ 규제 정보 모니터링 체계 구축 - (개요) 규제기관의 신규 문서 등록 및 기능성 원료를 포함한 바이오헬스케어 소재 관련 규제 정보 변경 사항을 지속적으로 확인·관리하기 위한 규제 정보 모니터링 체계를 구축함 * 본 체계는 규제 정보의 변경 사항을 탐지하고 이력을 관리하며, 자동화 규제 데이터 수집·정제 파이프라인의 운영 상태를 점검하기 위한 기능을 제공하여야 함 * 또한 향후 내부망 플랫폼 이용자를 대상으로 기능성 원료를 포함한 바이오헬스케어 소재 관련 규제 변화 정보를 제공할 수 있도록 확장 가능한 구조로 설계하여야 함 - (규제 변경 탐지) 규제기관의 주요 변경 사항을 자동으로 탐지할 수 있어야 함 * 규제기관의 신규 문서 등록, 개정, 폐지, 삭제 여부 등 변동 사항을 탐지할 수 있어야 함 * 변경된 문서의 변경 시점, 변경 유형 및 주요 변경 내용을 관리할 수 있어야 함 * 자동화 규제 데이터 수집·정제 파이프라인과 연계하여 변경 발생 시 관련 데이터의 수집 및 갱신이 가능하여야 함 * 규제기관별 변경 탐지 결과를 통합 관리할 수 있어야 함 - (이력 관리) 규제 정보의 변경 및 수집 이력을 체계적으로 관리함 * 문서 변경 이력 및 수집 이력을 저장·조회할 수 있어야 함

* 버전 관리 및 변경 추적 기능을 제공할 수 있어야 함 * 규제 문서 원문뿐만 아니라 규제 대상, 제품 유형, 원료명, 성분명, 기능성, 안전성, 국가, 규제기관, 문서 유형 등 규제 문서에서 추출한 주요 속성 정보의 변경 이력을 관리할 수 있어야 함 * 규제 정보 Index DB와 연계하여 구조화된 규제 정보의 변화 이력을 관리할 수 있어야 함 - (관리자용 모니터링 기능) 주요 규제 변경 사항과 데이터 수집 상태를 관리자가 확인할 수 있는 기능을 제공함 * 주요 규제 변경 사항을 관리자 화면에서 확인할 수 있어야 함 * 기관별, 국가별, 문서 유형별 변경 현황을 조회할 수 있어야 함 * 데이터 수집 현황, 처리 현황 및 오류 이력을 확인할 수 있어야 함 * 수집 실패, 처리 오류 등 운영 이슈를 확인하고 대응할 수 있어야 함 * 자동화 규제 데이터 수집·정제 파이프라인의 운영 상태, 처리 결과 및 품질관리 현황을 통합적으로 확인할 수 있어야 함 - (고려 사항, 일반 사용자용 모니터링 서비스) 내부망 플랫폼 이용자가 규제 정보의 변경 사항을 확인할 수 있는 서비스를 제공할 수 있도록 설계함 * 이용자는 특정 규제 문서의 신규 등록, 개정, 폐지, 삭제 여부 등 변경 사항을 확인할 수 있어야 함 * 이용자는 규제 대상, 제품 유형, 원료명, 성분명, 기능성, 안전성, 국가, 규제기관, 문서 유형 등 주요 속성 정보를 기준으로 기능성 원료를 포함한 바이오헬스케어 소재 관련 규제 변화 이력을 조회할 수 있어야 함 * 단순 문서 단위 변경 이력 제공을 넘어 규제 정보 Index DB에서 추출·구조화한 주요 속성 정보의 변화 추이를 추적할 수 있는 구조를 고려하여야 함 * 해당 항목은 확장성 측면에서 고려 사항으로, 본 과업 구축 범위에는 포함되지 않음 * 다만 향후 서비스 확장을 고려하여 데이터 모델, 이력 관리 체계 및 사용자 서비스 구조를 설계하여야 함 - (확장성 확보) 향후 규제기관 확대 시 동일한 방식으로 모니터링이 가능하도록 설계하여야 함 * 신규 규제기관 추가 시 별도의 대규모 개발 없이 모니터링 기능을 적용할 수 있어야 함 * 자동화 규제 데이터 수집·정제 파이프라인 및 규제 정보 Index DB와 연계하여 통합 운영이 가능하여야 함 * 향후 후속 과제에서 추천 AI 모델, 규제 검색 결과 연동, AI 기반 분석 서비스 및 지능형 플랫폼 전반과 연계하여 규제 변화 분석 기능으로 확장할 수 있는 구조를 고려하여야 함

* 향후 후속 과제에서 규제기관 확대에 따른 데이터 증가 및 모니터링 대상 확대에도 안정적으로 운영 가능한 구조를 확보하여야 함 ■ 디지털화된 데이터 활용을 통한 소재 최적화 ◦ QSAR 기반 예측 정보 활용 가능성 탐색 - (개요) 기능성 원료 추천 AI 모델이 도출한 후보 소재의 독성·안전성 검토를 보조하기 위하여 QSAR 기반 예측 정보의 역할 및 활용 가능성을 탐색함 * 본 항목은 QSAR 기반 예측 기능의 즉시 구축 또는 운영을 전제로 하지 않으며, 후보 소재의 독성·안전성 검토를 지원하기 위한 보조 정보로서의 활용 가능성을 검토함 * QSAR 기반 예측 정보는 후보 소재의 안전성 최종 판정이 아니라, 규제 문서 기반 안전성·유효성 평가 지원 체계와 연계하여 후속 검토 필요 항목을 도출하기 위한 참고 정보로 활용 가능성을 검토함 - (QSAR 기반 예측 정보의 역할 검토) 지능형 플랫폼 내에서 QSAR 기반 예측 정보가 수행할 수 있는 역할을 검토함 * 추천 AI 모델이 도출한 후보 소재에 대하여 독성·안전성 검토를 보조하는 참고 지표로 활용하는 방안을 검토함 * 규제 문서 기반 안전성·유효성 근거 정보와 함께 후보 소재의 후속 검토 필요 항목 도출에 보조적으로 활용할 수 있는지 검토함 * QSAR 기반 예측 정보의 활용 범위와 한계를 정리함 - (지능형 플랫폼과의 연계 방향 검토) QSAR 기반 예측 정보를 지능형 플랫폼에서 활용하기 위한 향후 연계 방향을 검토함 * 플랫폼 운영 환경 및 QSAR 도구의 기술적 제약을 고려하여, QSAR 기반 예측 정보를 AI 에이전트 기반 지능형 플랫폼과 연계하여 활용하거나 별도 도구로 독립적으로 활용하는 방안을 검토함 * 추천 AI 모델, 규제 정보 Index DB 및 안전성·유효성 평가 지원 체계와의 연계 가능성을 검토함 * 향후 QSAR 기반 예측 정보 활용을 위한 추가 검토 사항과 단계적 적용 방향을 제시함

3. 산출물 ㅇ 본 과업의 주요 산출물은 기능성 원료 추천 AI 모델 개발, 규제 문서 기반 안전성·유효성 평가 지원 체계 구축, 지능형 플랫폼 연계 기반 마련 및 QSAR 기반 예측 정보 활용 가능성 탐색 결과를 중심으로 제출함 ㅇ 과업 기간, 데이터 수집 난이도, 규제기관별 문서 구조 차이, 플랫폼 연계 일정, 외부망·내부망 운영 환경 등을 고려하여 세부 산출물의 종류와 제출 수준은 착수 이후 발주처와 협의하여 조정할 수 있음 - 각 보고서의 제출 형식, 출력 여부 및 전자파일 제출 방식은 발주처와 협의하여 조정할 수 있음 ㅇ 산출물은 보고서, 데이터, 소스코드 및 연계 문서로 구분하여 제출함 - 보고서 산출물은 최종보고서, 데이터 구조 정의서, 시스템 설계서, 운영·활용 가이드 등으로 구성할 수 있음 - 데이터 산출물은 기능성 원료 추천 AI 모델 결과 DB, 규제 정보 Index DB, 규제 문서 메타데이터, 정제 데이터셋, 모니터링 이력 데이터 등으로 구성할 수 있음 - 소스코드 산출물은 추천 AI 모델 개발 코드, 데이터 전처리 코드, 규제 데이터 수집·정제 파이프라인 코드, 검색·연계 기능 구현 코드 등으로 구성할 수 있음 - 연계 문서는 지능형 플랫폼 적용을 위한 API 명세, 데이터 제공 방식, 화면 구성안, 주요 기능 흐름 및 향후 연계 방안 등을 포함할 수 있음 ㅇ 모든 산출물은 원본용 및 백업용 외장하드 각 1개에 저장하여 제출하며, 산출물 유형별로 별도의 디렉터리를 생성하여 체계적으로 관리함 - 원본·백업용 외장하드 각 1개씩 총 2개 제출 - 보고서는 각 1부씩 출력하여 제출하되, 세부 제출 방식은 발주처와 협의 가능

참가자격

2. 입찰참가자격 ㅇ 다음 각 호의 자격을 모두 갖춘 자이어야 합니다. ① ⌜국가를 당사자로 하는 계약에 관한 법률시행령⌟ 제12조 및 동법 시행규칙 제14조에 의한 입찰참가자격을 갖추고, 제출마감일시까지 한국화학융합시험연구원에 입찰 등록에 필요한 서류를 방문 또는 우편 제출하고 가격투찰을 완료한 자 ② ⌜국가종합전자조달시스템 입찰참가자격등록규정⌟에 의하여 국가종합전자조달시스템(나라장터)에 마감일시까지 입찰참가자격 등록한 자 ③ ⌜국가를 당사자로 하는 계약에 관한 법률 시행령⌟제39조 제4항 및 동법 시행규칙 제44조 규정에 의해 입찰 참가 자격을 제한받은 업체는 제외 ④ ⌜중소기업기본법⌟제2조에 따른 중·소기업 또는 ⌜소상공인 보호 및 지원에 관한 법률⌟제2조에 따른 소상공인으로서 「중소기업 범위 및 확인에 관한 규정」에 따라 발급된 중·소기업·소상공인 확인서를 소지한 자 ※ 중소기업제품 공공구매 종합정보망 (http://www.smpp.go.kr)에서‘중소기업ㆍ소상공인확인서’확인(제출 마감일 전일까지 발급된 것으로서 제출 마감일까지 계속 유지되어야 함)이 안 될 경우 입찰참가자격이 없습니다. ※ 위 확인서는 제출 마감일 전일까지 발급된 것으로 유효기간 내에 있어야 함 ※ 상기 자격 해당 여부는 개찰 후 낙찰자 결정 전에 관련 서류를 제출받아 확인하며 해당 자격이 없는 경우 낙찰자 결정 대상에서 제외됩니다.

배점·평가

[별표1] 신용도 평가 (10점) - 유효한 신용평가등급 확인서를 기준으로 적용률을 고려하여 배점한도 내에서 평가 - 배점방식 : 적용률 × 배점 / 100

※ [주] 1. 「신용정보의 이용 및 보호에 관한 법률」제4조 제1항 제1호 또는「자본시장과 금융투자업에 관한 법률」제335조의 3에 의해 업무를 영위하는 신용조회사 또는 신용평가사가 심사기준일 이전에 평가한 유효기간 내에 있는 회사채, 기업어음, 기업신용평가등급으로서 한국화학융합시험연구원에 서면 제출된 신용평가등급으로 평가하되 가장 최근의 신용평가등급으로 평가한다. 다만, 가장 최근의 신용평가등급이 동일일자에 다수가 있어 그 결과가 상이한 경우 가장 낮은 등급으로 평가한다. 2. [주] 1에 따른 ‘신용평가등급’이 확인되지 않은 경우에는 최저등급으로 평가하며, 유효기간 만료일이 입찰공고일인 경우에도 유효한 것으로 평가한다. 3. [주] 1에도 불구하고 합병 또는 분할한 자가 입찰공고일 이전에 평가한 신용평가등급이 없는 경우에는 입찰서 제출 마감일 전일까지 발급된 유효기간 내에 있는 가장 최근의 신용평가등급으로 평가한다. 다만, 합병 후 새로운 신용평가등급이 없는 경우에는 입찰공고일 이전에 평가하고 유효기간 내에 있는 신용평가등급으로서 합병 대상자 중 가장 낮은 신용평가등급을 받은 자의 신용평가등급으로 평가한다. [별표2] 용역이행계획 (40점) - 제안서와 PT 자료의 내용으로 본 과업에 대한 과업지시 사항의 명확한 이해 여부, 제안내용과 과업목적과의 부합성, 제안내용의 논리성 및 체계성, 수행방법과 절차의 구체성 및 합리성을 종합 평가

[별표3] 수행능력(30점) - 현재 조직 및 본 과업에 참여하는 전담인력의 규모, 유사과제 수행실적 등 경력 사항과 본 과업에 참여하는 조직의 운영방안 등을 종합 평가