본 연구의 목적은 수많은 전신 약물이 개발되어 있고 신약 개발이 가속화되며, 눈 이상반응이 보고되는 약물이 증가하는 추세에서 약물 사용과 관련된 눈 이상반응을 체계적으로 분석하는 방법론을 확립하며, 눈 이상반응과 연관된 아직 알려져 있지 않은 약물을 발굴하는 데 있다. 이를 위해 두 가지 빅데이터(건강보험심사평가원 데이터베이스와 미국 FDA의 Adverse...

연구 내용은 3개 년도에 걸쳐 3단계로 구성되어 있음. 1차 년도 (2020): 1단계 – 망막 및 맥락막 신생혈관의 분자 영상 확보 - 1단계에서는 쥐에서 맥락막 신생혈관 레이저 유도 및 산소 유도 망막병증 모델을 통해 맥락막 및 망막 신생혈관 모델을 각각 확보하고 각 모델에서 망막 및 맥락막을 분리하여 신생혈관 형성을 확인함. 신생혈관에 integrin 이 발 현되며, RGD 펩타이드가 결합하는지를 면역형광법을 이용하여 확인함. 또한 RGD 결합 FITC를 정맥내 주사하여 형광안저촬영을 시행함으로써, 레이저를 시행한 부위 혹은 망막 신생혈관 부위에서 형광물질이 결합하여 혈관신생 이 일어나고 있는 병변을 확인할 수 있는지 관찰함. 레이저 신생혈관 유도 및 산소 유발 망막병증 유도 후 1일, 3일, 7일, 14일 등으로 시간에 따른 영상을 얻어서 어떤 변화를 보이는지도 함께 확인함. 2차 년도 (2021): 2단계 - 상기 영상의 검증 - 2단계에서는 각각의 분자 영상이 과연 신생혈관을 적합하게 영상화한 것인지 검증하는 단계로, 영상에서의 시간 에 따른 변화 양상이 integrin의 발현 정도와 상관 관계를 가지는지 검증하고자 레이저로 맥락막 신생혈관을 유도 한 눈/산소 유도 망막병증이 발생한 눈을 분리하여 integrin 발현양을 역전사 중합효소 연쇄반응 (reverse transcription polymerase chain reaction)을 통해 파악하고 분자 영상에서의 시간에 따른 변화와 상관 관계를 알아봄. 분자 영상에서 관찰된 부위와, 망막 및 맥락막을 분리 후 ex vivo 형광염색을 통해 관찰된 신생혈관의 위치 가 동일한지를 검증함. 분자 영상 및 빛간섭단층촬영에서의 망막/맥락막 신생혈관 영상과 시간대 별로 비교하여 분 자 영상이 신생혈관이 형성되기 전 조기 진단에 도움이 되는지, 분자영상의 기존 영상 대비 장단점을 알아봄. 3차 년도 (2022): 3단계 – 분자 영상 기반 조기 치료의 효과 판정 - 3단계에서는 레이저 유도 및 산소 유발 망막병증 유도 후 시간에 따른 분자영상 및 기존 망막 이미징을 시행하여 뚜렷한 신생혈관이 형성되었는지, 분자 영상에서 혈관 신생의 활성도가 있는지 여부를 각각 확인함. 신생혈관이 아 직 형성은 안되었으나, 혈관 신생의 활성도가 있을 경우, 항체 주사를 유리체강 내 주사함으로써, 망막 혹은 맥락막 신생혈관이 만들어지지 않은 단계에서 조기 치료가 신생혈관 형성 억제 효과가 있는지를 알아봄. 대조군으로 뚜렷 한 망막 혹은 맥락막 신생혈관이 만들어지는 시점에 신생혈관을 기존 망막 이미징을 통해 확인한 후 주사치료를 시 행한 군을 설정하여 망막의 구조적 (빛간섭 단층촬영 및 형광안저촬영) 및 기능적 (망막전위도) 상태를 치료군 및 대조군 간 비교함.

연구 내용은 3개 년도에 걸쳐 3단계로 구성되어 있음. 1차 년도 (2020): 1단계 – 망막 및 맥락막 신생혈관의 분자 영상 확보 - 1단계에서는 쥐에서 맥락막 신생혈관 레이저 유도 및 산소 유도 망막병증 모델을 통해 맥락막 및 망막 신생혈관 모델을 각각 확보하고 각 모델에서 망막 및 맥락막을 분리하여 신생혈관 형성을 확인함. 신생혈관에 integrin 이 발현되며, RGD 펩타이드가 결합하는지를 면역형광법을 이용하여 확인함. 또한 RGD 결합 FITC를 정맥내 주사하여 형광안저촬영을 시행함으로써, 레이저를 시행한 부위 혹은 망막 신생혈관 부위에서 형광물질이 결합하여 혈관신생이 일어나고 있는 병변을 확인할 수 있는지 관찰함. 레이저 신생혈관 유도 및 산소 유발 망막병증 유도 후 1일, 3일, 7일, 14일 등으로 시간에 따른 영상을 얻어서 어떤 변화를 보이는지도 함께 확인함. 2차 년도 (2021): 2단계 - 상기 영상의 검증 - 2단계에서는 각각의 분자 영상이 과연 신생혈관을 적합하게 영상화한 것인지 검증하는 단계로, 영상에서의 시간에 따른 변화 양상이 integrin의 발현 정도와 상관 관계를 가지는지 검증하고자 레이저로 맥락막 신생혈관을 유도한 눈/산소 유도 망막병증이 발생한 눈을 분리하여 integrin 발현양을 역전사 중합효소 연쇄반응 (reverse transcription polymerase chain reaction)을 통해 파악하고 분자 영상에서의 시간에 따른 변화와 상관 관계를 알아봄. 분자 영상에서 관찰된 부위와, 망막 및 맥락막을 분리 후 ex vivo 형광염색을 통해 관찰된 신생혈관의 위치가 동일한지를 검증함. 분자 영상 및 빛간섭단층촬영에서의 망막/맥락막 신생혈관 영상과 시간대 별로 비교하여 분자 영상이 신생혈관이 형성되기 전 조기 진단에 도움이 되는지, 분자영상의 기존 영상 대비 장단점을 알아봄. 3차 년도 (2022): 3단계 – 분자 영상 기반 조기 치료의 효과 판정 - 3단계에서는 레이저 유도 및 산소 유발 망막병증 유도 후 시간에 따른 분자영상 및 기존 망막 이미징을 시행하여 뚜렷한 신생혈관이 형성되었는지, 분자 영상에서 혈관 신생의 활성도가 있는지 여부를 각각 확인함. 신생혈관이 아직 형성은 안되었으나, 혈관 신생의 활성도가 있을 경우, 항체 주사를 유리체강 내 주사함으로써, 망막 혹은 맥락막 신생혈관이 만들어지지 않은 단계에서 조기 치료가 신생혈관 형성 억제 효과가 있는지를 알아봄. 대조군으로 뚜렷한 망막 혹은 맥락막 신생혈관이 만들어지는 시점에 신생혈관을 기존 망막 이미징을 통해 확인한 후 주사치료를 시행한 군을 설정하여 망막의 구조적 (빛간섭 단층촬영 및 형광안저촬영) 및 기능적 (망막전위도) 상태를 치료군 및 대조군 간 비교함.

망막 단층촬영 영상 기반 진단용 인공지능 및 의사 결정 지원 시스템 개발 및 검증은 총 2단계로 구성됨. [3차년도] : 망막 단층촬영 영상기반 딥러닝 진단 알고리즘 개발 및 검증 1) CNN 알고리즘 개발 - 딥러닝의 일종인 Convolutional neural network (CNN) 을 단층촬영 영상에 적용하며, 망막 질환 진단에 최적화 2) 알고리즘 Training - 망막 전문의에 의해 각종 임상 정보를 통해 내려진 진단으로 labeling 된 망막 단층촬영 영상으로 훈련시킴 3) 알고리즘 검증 - 훈련된 알고리즘을 독립적인 환자군에 대입하고, 전문가에 의한 진단과 비교 [4차 년도] : 의사 결정 지원시스템 프로그램 개발 Referral algorithm 개발 - 전문가에 의한 referral 단계 (즉각 의뢰/의뢰/경과 관찰 등)를 구분하여 이 label을 바탕으로 망막 단층촬영 이미지를 훈련시키고 검증 Disease activity 판정 - 전문가에 의한 병의 활성도를 구분하여 이 label을 바탕으로 망막 단층촬영 이미지를 훈련시키고, 이를 검증함 치료 효과 예측 - 치료 후 상태에 대한 결과를 labeling 하여 망막 단층촬영 이미지를 훈련시키고, 이를 검증하며 전문가에 의한 예측과 비교