임상·유전체 기반 정밀치료 예측 바이오마커와 머신러닝 모델 연구

Clinical-Genomic Predictive Biomarkers and Machine Learning Models for Precision Oncology Research

연구 내용

임상 변수와 유전체 정보를 통합해 특정 항암·표적 치료의 반응과 생존을 예측하는 연구

치료 반응의 개인차를 설명하기 위해 혈액 지표, 종양 마커, 유전체 변이를 활용한 예측 전략을 구축합니다. 위암에서는 nivolumab 치료에서 PD-L1 발현, 혈액 NLR, 혈청 Na와 같은 인자를 비교해 진행 및 생존 예측과 연관성을 평가합니다. 폐선암에서는 다중 유전자 패널 기반 NGS 결과로 actionable mutation을 확인하고, 보고서에 근거한 표적치료 적용이 생존에 미치는 영향을 실사용 코호트에서 분석합니다. 또한 위암에서는 임상 인자와 병적 변이를 함께 입력해 paclitaxel 기반 2차 치료 반응을 예측하는 머신러닝 모델을 개발하고 검증합니다.

관련 프로젝트

0건

연구 흐름

초기에는 NGS를 실제 임상 흐름에 적용하여 actionable mutation의 검출 양상과 표적치료 선택의 유용성을 확인하는 연구를 수행했습니다. 이후 면역치료 영역으로 확장하여 nivolumab 효능에 대한 종양 PD-L1 및 혈액·전신 지표의 예측력을 다기관 환자 데이터에서 정리했습니다. 최근에는 정밀의료의 범위를 넓혀 임상 정보와 유전체 변이를 결합한 머신러닝 예측 모델을 구성하고, 위암에서 paclitaxel 기반 화학요법의 민감군을 판별하는 방향으로 심화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

혈액 기반 모니터링 지표
PD-L1 기반 치료 예측
NGS 리포트 기반 치료 선택
actionable mutation 판정
임상-유전체 통합 모델
머신러닝 기반 regimen 결정
정밀의료 의사결정 지원
바이오마커 패널 설계
예후 보정 프레임
전향적 검증 코호트 구축