김루시아 연구실
의예과 김루시아
김루시아 연구실은 폐병리학을 중심으로 폐암 및 다양한 폐질환의 진단, 분자생물학적 특성 분석, 그리고 정밀의료 실현을 위한 연구를 선도적으로 수행하고 있습니다. 연구실은 EGFR, ALK, ROS1 등 주요 유전자 변이의 진단 및 예후 예측을 위한 분자 표지자 검사 가이드라인 개발, 액체생검 기반의 비침습적 진단법 개발, 그리고 차세대 염기서열분석(NGS) 등 첨단 분자진단 기술을 임상에 적용하는 데 중점을 두고 있습니다.
특히, 최근에는 인공지능 및 딥러닝 기술을 활용한 폐암 진단 연구에 집중하고 있습니다. Whole Slide Image(WSI) 기반의 조직 슬라이드 이미지를 딥러닝 모델로 분석하여 EGFR 변이 여부를 예측하는 연구, CT 영상에서 추출한 방사선학적 특징과 임상 데이터를 결합한 예측 모델 개발 등 다양한 AI 기반 정밀의료 연구를 수행하고 있습니다. 이러한 연구는 폐암 환자의 진단 정확도 향상과 맞춤형 치료 전략 수립에 큰 기여를 하고 있습니다.
연구실은 국내외 다기관 협력 연구를 통해 한국인 폐암 환자 집단의 분자적 특성에 대한 대규모 데이터베이스를 구축하고, 이를 바탕으로 표준화된 분자진단 가이드라인을 제시함으로써 임상 현장에서의 적용 가능성을 높이고 있습니다. 또한, 다양한 폐질환(폐섬유화, 폐감염, 희귀 폐질환 등)에 대한 조직학적, 분자생물학적 연구도 활발히 진행하여 폐질환의 병인 기전 규명과 진단법 개발에 기여하고 있습니다.
이외에도, 연구실은 세포병리학적 진단법의 고도화, 고품질 세포블록 제작 기술 개발, 다양한 조직 및 세포 샘플에서의 분자진단 최적화 연구 등 병리학적 진단의 정확성과 효율성을 높이기 위한 다양한 연구를 수행하고 있습니다. 이러한 연구는 임상 현장에서의 신속하고 정확한 진단, 환자 맞춤형 치료, 그리고 예후 예측에 중요한 역할을 하고 있습니다.
김루시아 연구실은 앞으로도 폐병리와 분자진단, 인공지능 기반 영상 분석 등 다양한 첨단 기술을 융합하여 폐암 및 폐질환 환자의 진단과 치료, 그리고 정밀의료 실현에 앞장설 것입니다. 이를 통해 환자 중심의 의료 혁신과 임상적 가치 창출에 지속적으로 기여할 계획입니다.
폐병리와 분자진단의 융합 연구
김루시아 연구실은 폐병리학을 중심으로 분자진단 기술을 접목한 연구를 활발히 수행하고 있습니다. 특히 비소세포폐암(NSCLC)과 소세포폐암(SCLC) 등 다양한 폐암의 조직학적 특성과 분자생물학적 변이를 정밀하게 분석하여, 환자 맞춤형 치료 전략을 제시하는 데 주력하고 있습니다. EGFR, ALK, ROS1 등 주요 유전자 변이의 진단 및 예후 예측을 위한 분자 표지자 검사 가이드라인 개발에도 선도적인 역할을 하고 있습니다.
최근에는 조직 생검이 어려운 환자를 위한 액체생검(혈액, 기관지세척액 등) 기반의 EGFR 변이 검출법 개발, 다양한 분자진단법(직접염기서열분석, 피로시퀀싱, PNA 클램핑 등)의 비교 연구, 그리고 차세대 염기서열분석(NGS) 기반의 폐암 진단 및 예후 예측 연구도 진행하고 있습니다. 이러한 연구는 폐암 환자의 진단 정확도 향상과 치료 반응 예측, 그리고 재발 및 내성 기전 규명에 중요한 기여를 하고 있습니다.
이와 더불어, 연구실은 국내외 다기관 협력 연구를 통해 한국인 폐암 환자 집단의 분자적 특성에 대한 대규모 데이터베이스를 구축하고, 이를 바탕으로 표준화된 분자진단 가이드라인을 제시함으로써 임상 현장에서의 적용 가능성을 높이고 있습니다. 이러한 융합 연구는 폐암 환자의 생존율 향상과 맞춤형 치료 시대를 앞당기는 데 중요한 역할을 하고 있습니다.
인공지능 및 영상 기반 폐암 진단 기술 개발
연구실은 인공지능(AI)과 딥러닝 기술을 활용한 폐암 진단 및 예후 예측 연구에도 집중하고 있습니다. 최근 Whole Slide Image(WSI) 기반의 조직 슬라이드 이미지를 딥러닝 모델로 분석하여 EGFR 변이 여부를 예측하는 연구를 수행하였으며, EGFR mutation prevalence(EMP) score라는 새로운 지표를 도입하여 조직 내 이질성 및 변이 분포를 정량화하는 방법을 제시하였습니다. 이 연구는 다기관 대규모 환자 데이터를 활용하여 모델의 신뢰성과 해석 가능성을 검증하였으며, 실제 임상 적용 가능성을 높였습니다.
또한, CT 영상에서 추출한 방사선학적 특징(radiomics)과 임상 데이터를 딥러닝 모델과 결합하여 EGFR 변이 예측 정확도를 높이는 연구도 진행 중입니다. 이러한 영상 기반 분자진단 기술은 조직 생검이 어려운 환자에게 비침습적으로 유전자 변이 정보를 제공할 수 있어, 폐암 환자의 진단 및 치료 전략 수립에 혁신적인 변화를 가져올 것으로 기대됩니다.
연구실은 앞으로도 AI 기반 영상 분석, 멀티모달 데이터 통합, 그리고 임상적 해석 가능성을 높인 예측 모델 개발을 통해 폐암 진단의 정밀의료 실현을 목표로 하고 있습니다. 이를 통해 폐암 환자의 조기 진단, 예후 예측, 맞춤형 치료에 기여하고자 합니다.
1
Deep learning-based analysis of EGFR mutation prevalence in lung adenocarcinoma H&E whole slide images
박준형, 림준혁, 김선화, 김철호, 최정숙, 임준혁, 김루시아, 장재원, 박동길, 이명원, 김섭, 박일석, 한승훈, 신은, 노진, 허재성
JOURNAL OF PATHOLOGY CLINICAL RESEARCH, 2024
2
Bronchial washing fluid sequencing is useful in the diagnosis of lung cancer with necrotic tumor
임준혁, 신현태, 박선민, 유우경, 김루시아, 이경희, 고성민, 이승재, 김정수, 류정선
TRANSLATIONAL ONCOLOGY, 2024
3
Diffuse pulmonary meningotheliomatosis: A case report
오수지, 임준혁, 김루시아, 김영삼
Respiratory Medicine Case Reports, 2024
1
마이크로바이옴 연구지원 한국형 유방 및 여성생식기 질환 정밀의료 인체자원 네트워크 구축
2
[Ezbaro] 전장엑솜, 전사체분석을 통한 폐암발병기전 규명 및 진단기술개발
3
위암 전이의 병인 기전 규명을 위한 thymosin beta4에 관한 연구(E00023)