김현지 연구실
의과대학 영상의학교실 김현지
김현지 연구실은 소아 진단방사선학, 특히 신생아 및 영유아의 뇌영상 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 MRI, CT, 초음파 등 다양한 영상기법을 활용하여 성장기 아동의 뇌 구조와 기능을 정량적으로 평가하고, 이를 통해 조기 진단 및 예후 예측의 정확도를 높이는 데 주력하고 있습니다. 특히, 미숙아 및 신경발달장애 위험군에서의 뇌 발달 평가와 맞춤형 치료 전략 수립에 중점을 두고 있습니다.
최근에는 3차원 자기공명지문법, 다중지연 동맥스핀표지, 합성 MRI, 딥러닝 기반 영상 재구성 등 첨단 영상기술을 적극적으로 도입하여, 촬영 시간 단축, 영상 품질 향상, 방사선 노출 최소화 등 환자 친화적 진단 환경을 조성하고 있습니다. 또한, 뇌 백질의 미엘린화, 뇌혈류 변화, 뇌 나이 예측 등 뇌 발달의 다양한 지표를 정량적으로 분석하여, 정상 발달과 질환 간의 미세한 차이를 탐지하고, 임상적 의사결정에 실질적인 도움을 주고 있습니다.
연구실은 빅데이터와 인공지능 기술을 접목한 연구도 활발히 진행 중입니다. 대규모 국내외 뇌영상 데이터셋을 통합하고, 딥러닝 및 머신러닝 알고리즘을 적용하여 뇌 구조 및 기능의 미세한 변화를 자동으로 분석할 수 있는 시스템을 구축하고 있습니다. 이를 통해 신생아 및 영유아의 뇌 나이 예측, 뇌 성숙도 지표 산출, 신경발달장애 위험군 선별 등 임상적으로 유용한 정보를 제공합니다.
이외에도, 영상기반 진단의 정확도 향상, 방사선 저감화, 비진정 뇌 MRI 프로토콜 개발, 다양한 소아 질환(급성신우신염, 갑상선 질환, 두개골 골절 등)에 대한 영상진단 연구 등 폭넓은 주제를 다루고 있습니다. 이러한 연구 성과는 국내외 학술지 및 학회에서 다수의 수상과 발표로 이어지고 있으며, 임상 현장에 실질적으로 적용되어 소아 환자의 건강 증진에 기여하고 있습니다.
궁극적으로 김현지 연구실은 소아 환자의 건강한 성장과 삶의 질 향상을 목표로, 영상의학과 인공지능의 융합을 통한 정밀의료 실현, 그리고 세계적 수준의 연구 성과 창출을 위해 지속적으로 노력하고 있습니다.
소아 진단방사선학과 뇌영상 기술의 발전
소아 진단방사선학은 성장기 아동의 특수한 생리적, 해부학적 특성을 고려하여 영상의학적 진단과 치료를 수행하는 분야입니다. 본 연구실은 특히 신생아 및 영유아의 뇌 발달과 관련된 다양한 영상 기법 개발에 주력하고 있습니다. 뇌 자기공명영상(MRI), 초음파, 컴퓨터단층촬영(CT) 등 다양한 영상 장비를 활용하여 소아 뇌의 구조적·기능적 변화를 정량적으로 평가하고, 이를 통해 조기 진단 및 예후 예측의 정확도를 높이고자 합니다.
최근에는 3차원 자기공명지문법(MR Fingerprinting), 다중지연 동맥스핀표지(arterial spin labeling), 합성 MRI, 그리고 딥러닝 기반 영상 재구성 등 첨단 영상 기술을 적극적으로 도입하고 있습니다. 이러한 기술들은 기존 영상기법의 한계를 극복하고, 촬영 시간 단축, 영상 품질 향상, 방사선 노출 최소화 등 환자 친화적 진단 환경을 조성하는 데 기여하고 있습니다. 또한, 뇌 백질의 성숙도, 미엘린화, 뇌혈류 변화 등 뇌 발달의 다양한 지표를 정량적으로 분석하여, 정상 발달과 질환 간의 미세한 차이를 탐지할 수 있습니다.
이러한 연구는 미숙아, 조산아, 신경발달장애 아동 등 고위험군에서의 조기 진단과 맞춤형 치료 전략 수립에 중요한 역할을 합니다. 더불어, 대규모 영상 데이터와 인공지능 기술을 접목하여 뇌 나이 예측, 디지털 트윈 기반 뇌 발달 모델링 등 미래 지향적 연구도 활발히 진행 중입니다. 궁극적으로 소아 환자의 건강한 성장과 삶의 질 향상에 기여하는 것을 목표로 하고 있습니다.
인공지능 및 빅데이터 기반 소아 뇌발달 평가와 예후 예측
본 연구실은 빅데이터와 인공지능(AI) 기술을 활용하여 소아 뇌발달의 정량적 평가와 예후 예측 소프트웨어 개발에 앞장서고 있습니다. 다양한 국내외 뇌영상 데이터셋을 통합하고, 딥러닝, 머신러닝 등 최신 AI 알고리즘을 적용하여 뇌 구조 및 기능의 미세한 변화를 자동으로 분석할 수 있는 시스템을 구축하고 있습니다. 이를 통해 신생아 및 영유아의 뇌 나이 예측, 뇌 성숙도 지표 산출, 신경발달장애 위험군 선별 등 임상적으로 유용한 정보를 제공합니다.
특히, 뇌 MRI 영상의 자동 분할, 방대한 영상에서의 특징 추출, 라디오믹스(radiomics) 기반 예후 예측 모델 개발 등 다양한 AI 기반 연구가 이루어지고 있습니다. 예를 들어, 미숙아의 뇌 MRI에서 추출된 영상 특징을 바탕으로 향후 인지 및 운동 발달 결과를 예측하는 모델을 개발하여, 조기 중재와 맞춤형 치료 계획 수립에 활용하고 있습니다. 또한, 뇌 백질 손상, 미엘린화 지연, 혈류 변화 등 다양한 병리적 변화의 정량적 평가를 통해 임상적 의사결정 지원 시스템을 고도화하고 있습니다.
이러한 연구는 단순히 영상 판독의 자동화에 그치지 않고, 환자 개개인의 뇌 발달 궤적을 예측하고, 최적의 치료 시점과 방법을 제시하는 정밀의료 실현에 기여합니다. 앞으로도 대규모 데이터와 AI 기술의 융합을 통해 소아 신경영상 분야의 패러다임을 변화시키고, 전 세계적으로 경쟁력 있는 연구 성과를 창출하는 것을 목표로 하고 있습니다.
1
Brain MRI changes in children and young adults with B-cell acute lymphoblastic leukemia following chimeric antigen receptor T-cell therapy
김현지, Kristen W. Yeom, Iryna Vasyliv, Zahra Shokri Varniab, Courtney Erickson, Christina Baggott, Liora Michal Schultz, Heike E. Daldrup-Link
EUROPEAN RADIOLOGY, 202503
2
A regional brain volume-based age prediction model for neonates and the derived brain maturation index
박성환, 김현지, 양현식, 이민호, 김은영, 김선형, Martin A. Styner, 김지영, 김정례, 김동현
EUROPEAN RADIOLOGY, 202406
3
3D MR fingerprinting-derived myelin water fraction characterizing brain development and leukodystrophy
김현지, 한동엽, 김지민, 최정선, 조경옥
JOURNAL OF TRANSLATIONAL MEDICINE, 202312
1
첨단 영상 기법을 이용한 미숙아 뇌 발달의 정량적 평가와 예후 예측
