RnDCircle Logo
arrow left icon

조나리야 연구실

서울대학교 의과대학

조나리야 교수

조나리야 연구실

의과대학 조나리야

조나리야 연구실은 유방진단방사선학 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 유방암의 조기 진단, 분자아형별 영상 표현형 분석, 치료반응 및 예후 예측, 그리고 영상기반 정밀의료 실현을 목표로 다양한 첨단 영상기술을 개발하고 임상에 적용하고 있습니다. 자기공명영상(MRI), 초음파, 탄성초음파, 디지털 유방촬영술, PET/MRI 등 다중 영상기법을 통합적으로 연구하며, 컴퓨터보조진단(CAD), 텍스처 분석, 인공지능 기반 영상 분석 등 혁신적인 기술을 도입하여 영상의학적 진단의 정확도와 효율성을 높이고 있습니다. 특히, 선행항암화학요법 후 잔존병변 예측, 병리학적 완전관해(pCR) 예측, 국소재발 위험 평가 등 임상적으로 중요한 문제에 대해 영상 바이오마커를 개발하고, 영상-임상-병리 정보를 통합한 예측 모델(노모그램) 및 임상 의사결정 지원 시스템을 구축하고 있습니다. 이를 통해 불필요한 수술이나 치료를 최소화하고, 환자 맞춤형 치료 전략을 제시함으로써 환자의 삶의 질 향상과 생존율 증진에 기여하고 있습니다. 또한, 본 연구실은 대규모 임상연구, 다기관 협력 연구, 그리고 국제 학술지 및 학회 발표를 통해 연구 성과를 국내외에 널리 알리고 있습니다. 다양한 정부 및 기관 연구과제를 수행하며, 영상기반 정밀의료의 표준화와 가이드라인 수립에도 적극적으로 참여하고 있습니다. 연구실 구성원들은 영상의학, 병리학, 외과, 내과 등 다양한 분야와의 융합 연구를 통해 다학제적 접근을 실현하고 있습니다. 향후에는 인공지능, 빅데이터, 다중모달리티 융합 등 첨단 기술을 접목하여, 더욱 정밀하고 예측력 높은 영상 바이오마커 개발과 임상 적용을 확대할 계획입니다. 이를 통해 유방암 환자의 조기 진단, 치료반응 평가, 예후 예측, 그리고 재발 방지 등 전주기적 환자 관리에 혁신을 가져올 것으로 기대됩니다. 조나리야 연구실은 앞으로도 유방진단방사선학 분야의 학문적 발전과 임상적 혁신을 선도하며, 환자 중심의 정밀의료 실현에 앞장설 것입니다.

유방진단방사선학의 최신 영상기술 개발 및 임상 적용
본 연구실은 유방진단방사선학 분야에서 최신 영상기술의 개발과 임상 적용을 선도하고 있습니다. 특히 유방암의 조기 진단과 치료 반응 평가를 위해 자기공명영상(MRI), 초음파, 탄성초음파, 디지털 유방촬영술 등 다양한 영상기법을 통합적으로 연구하고 있습니다. 이를 통해 영상의 정확도를 높이고, 환자 맞춤형 진단 및 치료 전략을 수립하는 데 기여하고 있습니다. MRI 기반의 정량적 분석, 텍스처 분석, 컴퓨터보조진단(CAD) 시스템 등 첨단 영상 분석 기법을 도입하여, 기존 영상 판독의 한계를 극복하고자 합니다. 예를 들어, 동적조영증강 MRI의 파라메트릭 분석, 확산강조영상(ADC), 초고속 MRI, 그리고 영상-유도 생검 기법을 활용하여 유방암의 분자아형별 영상 표현형 및 예후 예측 인자를 규명하고 있습니다. 또한, 영상과 임상병리 정보를 통합한 예측 모델(노모그램) 개발을 통해 수술 및 치료 계획의 최적화를 추구합니다. 이러한 연구는 국내외 대형 임상연구와 연계하여 실제 임상 현장에 적용되고 있으며, 영상의학적 진단의 표준화, 영상-병리 상관 연구, 그리고 영상기반 정밀의료 실현에 중요한 역할을 하고 있습니다. 앞으로도 인공지능, 빅데이터, 다중모달리티 융합 등 혁신적인 기술을 접목하여, 유방암 환자의 생존율 향상과 삶의 질 개선에 기여할 것입니다.
유방암 치료반응 및 예후 예측을 위한 영상 바이오마커 연구
유방암 환자의 치료반응 평가와 예후 예측을 위한 영상 바이오마커 개발은 본 연구실의 핵심 연구 분야 중 하나입니다. 선행항암화학요법(Neoadjuvant Chemotherapy) 후 잔존병변 예측, 병리학적 완전관해(pCR) 예측, 국소재발 위험 평가 등 다양한 임상적 요구에 부응하기 위해, MRI, PET/MRI, 초음파, 탄성초음파 등 다중 영상기법을 활용한 정량적 바이오마커를 연구하고 있습니다. 특히, 동적조영증강 MRI의 신호강도 변화, 배경실질조영증강, 확산강조영상의 ADC 값, 텍스처 분석, 그리고 PET 기반 대사활성도(SUV) 등 다양한 영상 파라미터를 통합하여, 치료반응 및 재발 위험을 예측하는 모델을 개발하였습니다. 또한, 영상-유도 생검과 영상기반 노모그램을 통해 수술 및 방사선 치료의 적응증을 정밀하게 선정하고, 불필요한 수술을 줄이는 임상연구도 활발히 진행 중입니다. 이러한 연구는 실제 임상에서 환자 맞춤형 치료 전략을 수립하는 데 큰 도움을 주고 있으며, 영상 바이오마커의 표준화 및 외부 검증을 통해 국내외 가이드라인 수립에도 기여하고 있습니다. 앞으로는 인공지능 기반 영상 분석, 다기관 대규모 데이터 통합, 그리고 분자영상과의 융합을 통해 더욱 정밀하고 예측력 높은 바이오마커 개발을 목표로 하고 있습니다.
1
Deep-learning based discrimination of pathologic complete response using MRI in HER2-positive and triple-negative breast cancer
조나리야, Kim Soo-Yeon, Lee Jinsu, Kim Young-Gon
SCIENTIFIC REPORTS, 202410
2
Mammographic density changes after neoadjuvant chemotherapy in triple-negative breast cancer: Association with treatment and survival outcome
Choi Yelim, Kim Soo-Yeon, 조나리야, 문우경
CLINICAL IMAGING, 202405
3
Problem Solving MRI to Reduce False-Positive Biopsy Related to Breast US: Conductivity vs. DWI vs. Abbreviated Contrast-Enhanced MRI
Kim Jun-Hyeong, Kim Soo-Yeon, 조나리야, Cui Chuanjiang, Ji Hye, Yoen Heera, Kim Dong-Hyun
JOURNAL OF MAGNETIC RESONANCE IMAGING, 202404
1
유방암환자의 MRI기반 선행항암 후 잔존병변 예측 노모그램개발
교육부
2019년 07월 ~ 2019년 10월
2
하이브리드 일체형 PET/MR 텍스쳐분석을 통한 종양내부 이질성의 정량화와 치료반응 평가
교육부
2016년 05월 ~ 2017년 04월
3
항암제 내성 유방암 이종이식 동물모델의 자기공명영상 표지자 개발
미래창조과학부
2013년 05월 ~ 2014년 04월