Open Convergence Lab
컴퓨터공학전공 이영호
Open Convergence Lab은 데이터 분석과 인공지능 기술을 기반으로 다양한 분야와의 융합 연구를 선도하는 연구실입니다. 본 연구실은 의료, 헬스케어, 사회 데이터 등 다양한 데이터 소스를 통합적으로 분석하여, 실제 현장에서 활용 가능한 혁신적 솔루션을 개발하는 데 주력하고 있습니다.
특히 뇌파(EEG) 데이터를 활용한 우울증 등 정신질환 예측, 대장암 및 심혈관질환 등 만성질환의 진단 및 치료 의사결정 지원, 환자 맞춤형 헬스케어 서비스 개발 등 의료 인공지능 분야에서 두각을 나타내고 있습니다. 최신 딥러닝, 머신러닝, 자연어처리 기술을 적극적으로 도입하여, 데이터의 한계와 복잡성을 극복하고, 임상 현장에 실질적으로 기여할 수 있는 다양한 시스템을 구축해왔습니다.
또한, 의료 데이터의 비식별화, 합성 데이터 생성, 보호 건강정보 인식 등 데이터 보안 및 개인정보 보호 분야에서도 활발한 연구를 진행하고 있습니다. 이를 통해 환자 데이터의 안전한 활용과 데이터 기반 의료 혁신을 동시에 추구하고 있습니다. 연구실의 연구 성과는 다수의 특허, 국제 학술지 논문, 정부 및 산업체 협력 프로젝트 등으로 이어지고 있습니다.
의료 분야를 넘어, 소셜 미디어, 행동 센서, 설문조사 등 다양한 사회 데이터를 활용한 빅데이터 분석 및 사회 현상 예측 연구도 활발히 이루어지고 있습니다. 청소년 삶의 질 분석, 스트레스 요인 탐색, 건강행동 예측 등 사회적 가치 창출을 위한 데이터 융합 연구가 진행 중입니다.
Open Convergence Lab은 융합적 사고와 첨단 데이터 기술을 바탕으로, 차세대 융합형 인재 양성과 함께, 국민 건강 증진과 사회 혁신을 선도하는 연구실로 성장하고 있습니다. 앞으로도 데이터와 인공지능의 융합을 통해 새로운 가치를 창출하고, 국내외 학계 및 산업계와의 협력을 확대해 나갈 계획입니다.
Deep Learning in Healthcare
EEG Analysis
Clinical Data Annotation
뇌파 기반 우울증 예측 및 전이학습 적용
Open Convergence Lab에서는 뇌파(EEG) 데이터를 활용한 우울증 중증도 예측 연구를 활발히 진행하고 있습니다. 뇌파 데이터는 인간의 뇌 상태를 실시간으로 반영하는 중요한 생체 신호로, 이를 통해 정신 건강 상태를 정량적으로 평가할 수 있습니다. 하지만 실제 임상 현장에서는 주석이 잘 달린 대규모 뇌파 데이터 확보가 어렵기 때문에, 데이터 부족 문제를 극복하기 위한 다양한 인공지능 기반 방법론이 요구되고 있습니다.
본 연구실에서는 Deep-Asymmetry와 같은 첨단 딥러닝 기반 특징 추출 기법을 도입하여, 뇌파 신호를 이미지화하고, 이를 사전학습된 모델의 전이학습(Transfer Learning) 기법과 결합하여 우울증 중증도(BDI, Beck Depression Inventory) 예측 모델을 개발하고 있습니다. 이러한 접근은 제한된 데이터 환경에서도 높은 예측 성능을 달성할 수 있도록 하며, 실제 임상 진단 및 치료 의사결정 지원에 활용될 수 있습니다.
이 연구는 특허 출원 및 다양한 국제 학술지 논문 발표로 이어지고 있으며, 뇌파 기반 정신질환 조기진단, 맞춤형 치료 전략 수립, 그리고 디지털 헬스케어 분야에서의 혁신적 응용 가능성을 제시합니다. 앞으로도 Open Convergence Lab은 뇌파 신호와 인공지능의 융합을 통해 정신건강 분야의 새로운 패러다임을 제시하고자 합니다.
의료 데이터 마이닝 및 헬스케어 인공지능
Open Convergence Lab은 다양한 의료 데이터를 활용한 데이터 마이닝 및 인공지능 기반 헬스케어 솔루션 개발에 중점을 두고 있습니다. 대장암, 심혈관질환, 비만, 치매, ADHD 등 다양한 질환에 대한 임상 데이터, 뇌파, 설문지, 행동 센서 등 다차원 데이터를 통합 분석하여, 질병 예측, 진단, 치료 의사결정 지원 시스템을 연구합니다. 특히, 의료 데이터의 복잡성과 비정형성을 극복하기 위해 딥러닝, 머신러닝, 자연어처리(NLP) 등 최신 AI 기술을 적극적으로 도입하고 있습니다.
연구실은 환자 맞춤형 치료법 추천, 재발 예측, 생존율 분석, 개인 건강정보 보호 및 비식별화, 의료 합성 데이터 생성 등 실질적 임상 현장에 적용 가능한 다양한 인공지능 시스템을 개발해왔습니다. 예를 들어, 대장암 환자의 최적 항암화학요법 결정, 의료 텍스트 데이터 증강, 보호 건강정보(Protected Health Information) 인식, 임상시험 참여자 관리 시스템 등은 특허와 논문으로 그 성과를 인정받고 있습니다.
이러한 연구는 보건의료 데이터의 가치 극대화와 함께, 환자 중심의 스마트 헬스케어 실현에 기여하고 있습니다. 앞으로도 Open Convergence Lab은 의료 데이터와 인공지능의 융합을 통해 국민 건강 증진과 의료 혁신을 선도할 것입니다.
빅데이터 분석 및 사회 데이터 융합
Open Convergence Lab은 의료 분야를 넘어, 다양한 사회적 데이터를 활용한 빅데이터 분석 및 융합 연구도 활발히 수행하고 있습니다. 소셜 미디어, 웹 데이터, 행동 센서, 설문조사 등 다양한 출처의 데이터를 통합하여, 사회적 현상 분석, 청소년 삶의 질 평가, 스트레스 및 정신건강 위험 요인 탐색 등 폭넓은 주제를 다룹니다. 이러한 연구는 데이터사이언스와 사회과학, 공공정책 등 다양한 분야와의 융합을 통해 새로운 인사이트를 도출하는 데 중점을 두고 있습니다.
연구실은 데이터 시각화, 네트워크 분석, 예측 모델링 등 다양한 빅데이터 분석 기법을 적용하여, 복잡한 사회 현상을 정량적으로 분석하고, 정책 수립 및 실무 적용에 기여하고 있습니다. 예를 들어, 청소년의 삶의 질 분석, 스트레스 요인 빅데이터 분석, 건강행동 예측 등은 실제 사회적 문제 해결에 직접적으로 연결되는 연구 성과입니다.
이와 같은 빅데이터 융합 연구는 4차 산업혁명 시대의 데이터 기반 의사결정과 혁신적 서비스 창출에 중요한 역할을 하고 있습니다. Open Convergence Lab은 앞으로도 다양한 사회적 데이터와 첨단 분석 기술을 결합하여, 사회적 가치 창출과 데이터 기반 혁신을 선도할 계획입니다.
1
AB-XLNet : Named Entity Recognition Tool for Health Information Technology Standardization
, 1970
2
Protected Health Information Recognition by Fine-Tuning a Pre-training Transformer Model
, 1970
3
Deep Learning-Based Model for Classification of Medical Record Types in EEG Report
, 1970