1. 극초고령사회에 대응하기 위해 뇌영상, 인지, 의료, 라이프로그, 혈액 등 멀티모달 데이터를 통합 분석하는 뇌나이 및 인지예비력 기반 차세대 바이오파운데이션 모델 개발함.2. 개발한 모델을 통해 정상노화 및 경도인지장애 단계에서 치매 위험도를 예측하고, 위험요인에 따라 개인 맞춤형 디지털 치료제(DTx) 제공함.3. 뇌 나이를 실제 나이보다 젊게 유지하...

[임상] 1차년도 ● 국내외 알츠하이머·파킨슨·혈관치매 코호트의 표준항목 정의서 구축 및 연계 ● 데이터 품질관리 방안 제시 2차년도 ● 인공지능 학습용 minimal common data (MCD) 정의 ● 데이터 큐레이션·품질관리 방안 고도화 ● K-BDS 연계방안 설계 3차년도 ● 알츠하이머·파킨슨·혈관치매 코호트 국내외 빅데이터 통합을 통한 ‘AI 학습용 데이터’ 구축 및 K-BDS 데이터 등록 및 연계 [AI] 1차년도 ● 데이터 도메인 특화 사전학습 모델 구축 ● 사전 학습 모델 기반 진단/예측 플랫폼의 인터페이스 및 상호작용 지침 개발 2차년도 ● 다중 데이터 도메인 사전 학습 모델의 통합 ● 의료진의 효과적, 효율적 사전 학습 기술 활용을 위한 인터랙션 및 인터페이스 설계 3차년도 ● 다중 데이터 도메인 사전 학습 모델의 통합 ● 의료진의 효과적, 효율적 사전 학습 기술 활용을 위한 인터랙션 및 인터페이스 설계 [바이오인포] 1차년도 ● 유전체 데이터 수집 항목기준(표준항목정의서) 및 품질관리기준설정 ● 유전체 데이터의 질관리 및 통합 파이프라인 구축 ● 치매질환 단일세포 atlas 구축 및 표준항목 정의서와 품질관리 기준설정 ● 단백체 (proteome), 대사체 (metabolome) 및 흐름체 (fluxome; 합성데이터) 데이터 수집 ● 비정상적 응집체 치매 모델을 위한 연구기반 구축 2차년도 ● SNParray 데이터와 WGS 데이터 통합을위한 유전체 사전학습 AI모델구축 ● 치매질환 단일세포 atlas 구축 및 표준항목 정의서와 품질 관리기준 설정 ● 단백체 (proteome), 대사체 (metabolome) 및 흐름체 (fluxome; 합성데이터) 데이터 전처리 및 K-BDS 기탁 ？ ● 치매 유형별 실험적 기반 마련 ？ 3차년도 ● 사전 학습 모델과 적대적 생성 모델(generative adversarial network)을 함께 활용하 여 합성 유전체 데이터(synthetic genome data) 생성 ？ ● 치매 전사체/후성유전체 사전학습 모델 in silico 검증 ● 치매 관련 유전자 변이에 따른 대사물질 바이오마커 발굴 예측 및 오믹스 데이터 기 반 예후 예측 컴퓨터 모델 프로토타입 개발 ● 사전학습모델을 통한 표적들의 특정화와 분리 [소프트웨어] 1차년도 ● 응용 AI 모델 개발용 소프트웨어 요구 분석 및 설계 2년차 ● 민감 데이터 전처리 가이드라인 설계 ● 웹 어플리케이션 개발 및 Database 구축 3년차 ● 응용 AI 모델 개발 환경 설계 ● 모델 개발 환경 도커 이미지 구축

치매 환자의 다면적 데이터셋을 이용한 사전학습 모델 개발과 이를 응용한 치매 신약 표적, 바이오마커 발굴 및 실험적 검증.

치매 환자의 다면적 데이터셋을 이용한 사전학습 모델 개발과 이를 응용한 치매 신약 표적, 바이오마커 발굴 및 실험적 검증.