문성경 연구실
의학과 문성경
문성경 연구실은 소화기 복부 및 비뇨생식기 질환의 진단과 치료를 위한 첨단 영상의학 연구를 선도하고 있습니다. 본 연구실은 자기공명영상(MRI), 컴퓨터단층촬영(CT), 초음파 등 다양한 영상기법을 활용하여 대장암, 직장암, 크론병, 간담도질환, 전립선암, 방광암 등 주요 질환의 진단 정확도를 높이고, 임상 현장에서 실질적으로 활용 가능한 진단 알고리즘을 개발하는 데 주력하고 있습니다.
특히, 영상의학적 소견과 임상 데이터를 통합하여 수술 후 합병증, 재발, 치료 반응 등을 조기에 예측할 수 있는 정밀의학 기반 진단 시스템을 구축하고 있습니다. 대장직장암 수술 후 영상 소견 분석, 크론병의 장기적 경과 추적, 담도 및 췌장 질환의 비침습적 진단법 연구 등 다양한 임상적 문제 해결을 위한 연구가 활발히 이루어지고 있습니다. 또한, 영상 판독의 표준화와 구조화된 리포팅 시스템 개발을 통해 진단의 신뢰성과 효율성을 높이고 있습니다.
비뇨생식기 분야에서는 전립선암, 방광암, 신장 질환 등 다양한 질환의 조기 진단과 예후 예측을 위해 인공지능(AI) 및 머신러닝 기법을 적극적으로 도입하고 있습니다. PI-RADS 점수, PSA 밀도, MRI 기반 자동 볼륨 측정 등 다양한 임상 및 영상 지표를 통합하여 불필요한 생검을 줄이고, 임상적으로 의미 있는 암을 정확히 선별하는 연구가 진행되고 있습니다. 딥러닝 기반의 자동 분할 및 진단 보조 시스템 개발, 실제 임상 적용을 위한 AI 모델의 검증 등도 중요한 연구 주제입니다.
이러한 연구 성과는 국내외 임상 가이드라인 및 표준 진료지침 개발에 반영되고 있으며, 환자 맞춤형 치료 전략 수립과 진단의 정확성 향상에 크게 기여하고 있습니다. 연구실은 다학제적 협력을 통해 영상의학의 최신 지견을 임상에 적용하고, 환자 안전과 진료의 질 향상을 목표로 하고 있습니다.
문성경 연구실은 앞으로도 영상의학과 정밀의학, 인공지능 기술의 융합을 통해 소화기 및 비뇨생식기 질환의 진단과 치료 패러다임을 혁신하고, 환자 중심의 의료 발전에 앞장설 것입니다.
소화기 복부 진단방사선학
소화기 복부 진단방사선학은 복부와 소화기계 질환의 진단 및 치료 계획에 있어 영상의학적 접근을 중점적으로 연구하는 분야입니다. 본 연구실에서는 대장, 직장, 간, 췌장, 담도 등 다양한 소화기 장기의 질환을 진단하기 위해 자기공명영상(MRI), 컴퓨터단층촬영(CT), 초음파 등 첨단 영상기술을 활용합니다. 특히, 대장암, 크론병, 담도질환 등 복잡한 임상 상황에서 영상의 정확성과 신뢰도를 높이기 위한 표준화된 판독법과 구조화된 리포팅 시스템 개발에 주력하고 있습니다.
최근에는 영상의학적 소견과 임상 데이터를 통합하여 수술 후 합병증, 재발, 치료 반응 등을 조기에 예측할 수 있는 진단 알고리즘을 개발하고 있습니다. 예를 들어, 대장직장암 수술 후 영상 소견 분석, 크론병의 장기적 경과 추적, 담도 및 췌장 질환의 비침습적 진단법 연구 등이 활발히 이루어지고 있습니다. 또한, 다양한 영상기법의 민감도와 특이도를 비교 분석하여 임상 현장에서 최적의 진단 전략을 제시하고 있습니다.
이러한 연구는 환자 맞춤형 치료와 예후 예측에 큰 기여를 하고 있으며, 국내외 임상 가이드라인 및 표준 진료지침 개발에도 적극적으로 참여하고 있습니다. 연구실은 다학제적 협력을 통해 영상의학의 최신 지견을 임상에 적용하고, 환자 안전과 진료의 질 향상을 목표로 하고 있습니다.
정밀의학 기반 비뇨생식기 영상진단 및 인공지능 활용
정밀의학 기반 비뇨생식기 영상진단은 전립선, 방광, 신장 등 비뇨생식기계 질환의 진단과 치료에 있어 영상의학적 기법과 인공지능(AI) 기술을 융합하는 첨단 연구 분야입니다. 본 연구실은 전립선암, 방광암, 신장 질환 등 다양한 비뇨기 질환의 조기 진단과 예후 예측을 위해 자기공명영상(MRI), 초음파, CT 등 다양한 영상 데이터를 분석하고, 이를 바탕으로 정밀의학적 진단 알고리즘을 개발하고 있습니다.
특히, 전립선암의 경우 PI-RADS 점수와 PSA 밀도, MRI 기반 자동 볼륨 측정 등 다양한 임상 및 영상 지표를 통합하여 불필요한 생검을 줄이고, 임상적으로 의미 있는 암을 정확히 선별하는 연구가 진행되고 있습니다. 인공지능 및 머신러닝 기법을 활용한 영상 분석, 딥러닝 기반의 자동 분할 및 진단 보조 시스템 개발 등도 활발히 이루어지고 있으며, 실제 임상 현장에 적용 가능한 AI 모델의 검증과 최적화에 중점을 두고 있습니다.
이와 더불어, 방광암, 신장암 등 비뇨기계 종양의 영상 소견과 병리적 특성 간의 연관성 분석, 수술 후 재발 예측, 치료 반응 평가 등 다양한 임상적 문제 해결을 위한 연구도 병행되고 있습니다. 이러한 연구는 환자 맞춤형 치료 전략 수립과 진단의 정확성 향상에 크게 기여하고 있으며, 국내외 학회 및 가이드라인 개발에도 적극적으로 참여하고 있습니다.
1
Machine learning-based response assessment in patients with rectal cancer after neoadjuvant chemoradiotherapy: radiomics analysis for assessing tumor regression grade using T2-weighted magnetic resonance images
이용대, Kim, Hyug-Gi, Seo, Miri, 문성경, 박성진, 유명원
INTERNATIONAL JOURNAL OF COLORECTAL DISEASE, 2024
2
Assessing Active Bowel Inflammation in Crohn's Disease Using Intestinal Ultrasound: Correlation With Fecal Calprotectin
유명원, 문성경, Lee, Y.D., Oh, S.J., 박성진, 이창균
Journal of Ultrasound in Medicine, 2023
3
Typical MR features and interpretation of perianal fistulas in patients with Crohn's disease
Kim, H., Lee, D.I., 문성경, 박성진, 유명원
European Journal of Radiology, 2023
1
[신진, 1/3]전립선암의 영상진단 효용성 분석 및 정밀의학에 기초한 새로운 진단 알고리즘 정립
