Digital and Clinical Screening for Pediatric Obesity Assessment Using Body Composition and Lipid Markers
연구 내용
체성분 데이터로 성장 지표를 추정하고, 공복 부담이 적은 지질 지표로 이상지질혈증을 선별하여 소아 비만 평가의 실사용성을 높이는 연구
체성분 변수와 explainable artificial intelligence를 활용해 소아청소년의 키를 추정하는 모델링 접근을 수행합니다. 머신러닝 기반 예측 성능을 확인하면서 feature importance, SHAP 등 설명가능성 도구를 통해 주요 영향 요인을 해석하고, 임상적 성장평가 도구로 연결할 수 있는 설계를 지향합니다. 동시에 공복 채혈 요구가 적은 non-HDL cholesterol을 이용해 overweight 또는 obesity를 가진 아동·청소년의 이상지질혈증을 선별하는 임상 연구를 수행합니다. 비공복 조건에서의 실용성을 검토하고, routine clinical use 관점에서 스크리닝 기준 적용 가능성을 평가합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
디지털 헬스 기반의 성장평가 연구로 확장되며, 2025년에는 체성분 빅데이터와 설명가능 AI를 결합해 키 추정 모델을 구축하는 방향을 제시했습니다. 같은 시기에 임상 선별검사 관점에서는 2025년 비공복 조건에서 non-HDL cholesterol의 이상지질혈증 선별 유용성을 단일기관 후향 연구로 검토했습니다. 두 축은 모두 소아 비만 평가의 접근성과 해석가능성을 높이는 공통 목표를 공유하며, 임상 데이터 기반 의사결정 보조로 통합될 수 있는 기반을 마련합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Height estimation in children and adolescents using body composition big data: Machine-learning and explainable artificial intelligence approach
Usefulness of Non-High-Density Lipoprotein Cholesterol for Screening Dyslipidemia in Children and Adolescents with Overweight or Obesity: A Single-Center Retrospective Study