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.

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.