이 연구 주제는 산업역학과 예방의학의 관점에서 심혈관질환, 암, 대사질환과 같은 주요 만성질환의 발생 위험을 조기에 파악하고, 건강검진 기반의 대규모 인구집단 자료를 활용해 질병 부담을 줄이기 위한 과학적 근거를 만드는 데 초점을 둔다. 연구실은 특히 무증상 성인과 일반 건강인을 대상으로 한 코호트 자료를 바탕으로 질환의 초기 징후, 생활습관, 직업·환경 요인, 생체지표 사이의 관련성을 정량적으로 분석하는 접근을 수행하는 것으로 보인다. 이러한 연구는 임상 진단 이전 단계에서 위험군을 식별하고 예방 전략을 설계하는 데 중요한 역할을 한다. 구체적으로는 관상동맥 석회화, 맥파속도, 식이 단백질 섭취, 흡연 및 기타 전통적 심혈관 위험요인과 같은 요소들이 아임상적 동맥경화와 어떤 관련을 가지는지를 분석하는 연구가 중심을 이룬다. 연구실의 논문과 경력 정보는 예방의학, 산업의학, 건강검진 자료 분석, 대규모 역학 연구 설계 역량을 보여주며, 이를 통해 기존 위험인자뿐 아니라 새로운 예측지표의 임상적 유용성을 평가하고 있다. 단면 및 종단 분석, 교란변수 보정, 위험도 분류 개선 평가 등 역학적 방법론이 핵심 기반이 된다. 이 연구의 의의는 질병이 발현된 이후의 치료보다 질병 이전 단계의 위험예측과 개입에 방점을 둔다는 점에 있다. 산업역학적 관점은 직업환경과 생활환경을 함께 고려할 수 있게 하며, 예방의학적 접근은 국가 검진체계, 건강증진 정책, 고위험군 관리 프로그램으로의 확장을 가능하게 한다. 결과적으로 이 연구는 개인 맞춤형 예방의료, 검진 전략 최적화, 보건의료 자원 배분의 효율화에 기여할 수 있다.

이 연구 주제는 유방촬영, 흉부 X선, 저선량 흉부 CT와 같은 의료영상을 활용하여 질환 위험을 예측하는 인공지능 기반 이미지 바이오마커를 개발하는 데 초점을 둔다. 연구실은 단순 판독 보조를 넘어, 영상 내부의 미세한 패턴을 학습하여 향후 질병 발생 가능성이나 기능 저하, 사망 위험까지 예측하는 모델을 구축하려는 방향성을 보여준다. 이는 기존의 임상 변수나 전통적 통계모형이 포착하지 못하던 잠재 신호를 발견해 정밀한 위험층화로 연결할 수 있다는 점에서 중요한 의미가 있다. 대표적으로 유방촬영 영상을 이용한 유방암 위험 예측 연구에서는 딥러닝 기반 모델이 기존 Gail 모델이나 Tyrer-Cuzick 모델보다 우수한 예측 성능을 보였으며, 이는 영상 자체가 강력한 예측 바이오마커가 될 수 있음을 시사한다. 또한 유방촬영 이미지 패턴을 이용해 관상동맥 석회화나 심혈관질환 위험을 함께 예측하려는 연구는 하나의 검진 플랫폼에서 다중 질환 위험을 통합적으로 평가하려는 매우 실용적인 접근이다. 최근 과제에서는 흉부영상과 혈액 기반 SERS 마커를 결합하여 폐기능과 폐질환 사망 위험을 예측하는 다중모달 융합 모델 개발도 추진되고 있다. 이 연구의 확장 가능성은 매우 크다. 영상 기반 인공지능은 대규모 검진 환경에서 자동화와 표준화를 가능하게 하고, 조기 선별 및 맞춤형 추적검사의 기준을 정교화할 수 있다. 특히 영상 바이오마커를 임상정보, 생체신호, 혈액마커와 결합하면 단일 질환 중심의 예측을 넘어 다질환 통합 관리 체계로 발전할 수 있다. 궁극적으로 연구실의 이 분야 연구는 정밀의학, 스마트 검진, 예방 중심 의료체계 전환에 핵심적인 기술 기반을 제공한다.

이 연구 주제는 암과 심혈관질환을 পৃথ개 질환군으로 보지 않고, 공통 위험요인과 공존 가능성을 고려하여 통합적으로 평가하는 정밀의학적 접근을 지향한다. 연구실의 논문에서는 암 검진과 심혈관질환 위험평가의 연계 가능성을 제시하며, 두 질환이 동일 개인에서 동시에 중요한 건강 부담으로 작용할 수 있다는 점을 강조한다. 이러한 시각은 기존의 분절적 진료체계를 넘어, 검진·예방·추적관리를 통합한 새로운 보건의료 모델의 필요성을 보여준다. 실제 연구 방향은 유방암 검진 환경에서 유방촬영 영상을 활용해 유방암 발생 위험뿐 아니라 심혈관질환 위험까지 함께 예측하는 모델 개발로 구체화되고 있다. 이는 검진 현장에서 추가 검사 없이 이미 획득된 데이터를 최대한 활용해 질환 간 시너지를 만들어내는 전략이다. 더 나아가 대규모 국가 통합 바이오 빅데이터 구축 과제 참여는 임상정보, 유전체 데이터, 공공데이터, 검체 정보를 연계하여 통합 위험예측 모델의 정밀도와 확장성을 높일 수 있는 기반을 제공한다. 이 연구는 궁극적으로 개인별 위험 프로파일에 맞춘 선별검사 주기 조정, 예방중재 우선순위 설정, 질환 간 상호작용을 고려한 통합 건강관리 전략 수립에 기여할 수 있다. 또한 암과 심혈관질환의 공통 생활습관 요인, 대사 이상, 염증 반응 등을 함께 고려함으로써 보다 현실적이고 효과적인 예방정책 설계가 가능해진다. 연구실의 정밀의학 지향 연구는 인구집단 수준의 공중보건과 개인 맞춤형 의료를 연결하는 가교 역할을 수행한다.