이재원 연구실은 생물통계 분야에서 다양한 임상시험 데이터와 생명과학 데이터를 분석하기 위한 통계적 방법론을 개발하는 데 중점을 두고 있습니다. 임상시험에서의 집단축차검정, 반복측정자료 분석, 생존분석 등 다양한 통계적 기법을 실제 임상 데이터에 적용하여 신뢰성 있는 결과를 도출하는 연구를 수행하고 있습니다. 특히, 임상시험 설계와 분석에서 발생할 수 있는 다양한 문제점(예: 중도절단, 표본 크기 결정, 공변량 조정 등)에 대한 해결책을 제시하고, 실제 임상현장에서 활용 가능한 통계적 가이드라인을 마련하는 데 기여하고 있습니다. 이 연구실에서는 항암제 임상시험, 백신 연구, 신약 개발 등 다양한 의료 분야에서 발생하는 데이터를 분석하며, 비모수적 방법, 베이지안 접근법, 적응적 설계 등 최신 통계 이론을 실제 문제에 적용합니다. 최근에는 소규모 표본, 고차원 데이터, 불균형 데이터 등 복잡한 임상 데이터의 특성을 반영한 새로운 통계적 모형 개발에 집중하고 있으며, 이를 통해 임상시험의 효율성과 정확성을 높이고 있습니다. 이러한 연구는 국내외 다양한 임상연구와 협력하여 실제 의료 현장에서의 의사결정 지원에 활용되고 있으며, 통계학적 방법론의 발전뿐만 아니라 보건의료 분야의 혁신에도 크게 기여하고 있습니다. 앞으로도 임상시험 통계의 신뢰성 향상과 데이터 기반 의학 발전을 위해 지속적으로 연구를 이어갈 계획입니다.

연구실은 법의학 및 법곤충학 분야에서 빅데이터 분석과 통계적 모형 개발을 활발히 진행하고 있습니다. 사후경과시간(PMI) 추정, 유전자 감식, 혈연관계 판정 등 법과학적 문제 해결을 위해 다양한 통계적 접근법을 적용하고 있으며, 실제 범죄수사 및 법적 판정 과정에서 활용할 수 있는 실질적인 분석 도구를 개발하고 있습니다. 특히, 파리 성장곡선 추정, 현장 온도 예측, 유효적산온도 계산 등 법곤충학적 데이터의 특성을 반영한 맞춤형 통계 모형을 제안하고 있습니다. 이 연구는 국내외 경찰청, 과학수사기관 등과의 협력을 통해 실제 사건 현장에서 수집된 다양한 데이터를 분석하며, 환경적·유전적 요인, 기후 변수 등 복합적인 요소를 통계적으로 통합하여 신뢰도 높은 결과를 도출합니다. 또한, STR, SNP 등 유전자 마커를 활용한 혈연관계 판정, 인종 분류, 개인 식별 등 법유전학적 문제에 대해서도 최신 통계기법을 적용하고 있습니다. 이러한 연구 성과는 법과학 분야의 신뢰성 제고와 과학적 수사 기법의 고도화에 크게 기여하고 있습니다. 앞으로도 빅데이터와 인공지능, 머신러닝 등 첨단 분석기술을 접목하여 법의학 및 법곤충학 분야의 데이터 해석 능력을 한층 강화할 계획입니다.

이재원 연구실은 유전체, 전사체, 단백질체 등 오믹스 데이터의 대규모 분석을 위한 통계적 및 머신러닝 기반 방법론 개발에도 주력하고 있습니다. 마이크로어레이, 대사체 분석, 단백질 동정 등 다양한 오믹스 데이터에서 유의미한 생물학적 정보를 추출하기 위해 SVM, 랜덤포레스트, 베이지안 네트워크 등 첨단 기계학습 기법과 통계적 변수 선택, 차원 축소, 군집분석 등 다양한 통계 기법을 융합하여 적용하고 있습니다. 특히, 암 아형 분류, 유전자 마커 선정, 질병 예측 모델 개발 등 생명과학 및 의학 분야의 실제 문제에 맞춘 맞춤형 분석법을 제시하고 있습니다. 최근에는 고차원 데이터에서의 변수 선택, 샘플 크기 결정, 결측치 처리 등 오믹스 데이터 특유의 문제를 해결하기 위한 새로운 통계적 프레임워크를 개발하고, 실제 임상 및 연구 현장에 적용하여 그 유용성을 검증하고 있습니다. 이러한 연구는 국내외 연구기관, 병원, 제약회사 등과의 협업을 통해 실제 임상 및 생명과학 연구에 직접적으로 기여하고 있으며, 정밀의료, 맞춤의학, 바이오마커 개발 등 미래 의료기술 발전에도 중요한 역할을 하고 있습니다.