Joungyoun Kim's HOMEPAGEGE
서울시립대학교 인공지능학과
김정연 교수
artificial intelligence
medical big data
machine learning
홈
Joungyoun Kim's HOMEPAGEGE
서울시립대학교 인공지능학과 김정연 교수
김정연 교수 연구실은 인공지능과 의료 빅데이터의 융합을 통해 미래 의료의 혁신을 이끄는 연구를 수행하고 있습니다. 본 연구실은 방대한 의료 데이터를 효과적으로 수집, 처리, 분석하는 기술을 개발하고, 이를 바탕으로 질병의 조기 예측, 맞춤형 치료, 건강 위험 요인 분석 등 다양한 의료 문제 해결에 기여하고 있습니다. 특히, 머신러닝과 딥러닝, 통계적 모델링 등 첨단 인공지능 기법을 실제 임상 데이터에 적용하여, 환자 개개인에 최적화된 예측 및 진단 시스템을 구축하는 데 주력하고 있습니다. 연구실의 주요 연구 분야는 의료 빅데이터와 인공지능의 융합, 머신러닝 기반 질병 예측, 고급 통계 모델 개발, 베이지안 변수선택 및 다중검정 방법론 등으로 구성되어 있습니다. 의료 현장에서 발생하는 다양한 데이터의 특성을 반영한 분석 방법을 개발하고, 실제 건강보험공단 데이터, 건강검진 데이터, 임상시험 데이터 등 대규모 코호트에 적용하여 그 성능과 실효성을 검증하고 있습니다. 이를 통해 국민 건강 증진과 의료 서비스의 질 향상에 실질적으로 기여하고 있습니다. 또한, 본 연구실은 Hidden Markov Random Field, 베이지안 MCMC 알고리즘 등 고급 통계기법을 활용하여, 시간에 따른 건강 상태 변화나 질병의 진행 경로를 정밀하게 모형화하고 있습니다. 이러한 연구는 단순한 예측을 넘어, 질병의 진행 단계별 위험 요인 분석, 치료 반응 예측, 장기 생존율 추정 등 다양한 임상적 의사결정 지원에 활용되고 있습니다. 연구실은 베이지안 변수선택, 다중검정, 결측치 보정 등 고차원·대용량 데이터 분석에서 발생하는 다양한 통계적 문제 해결에도 앞장서고 있습니다. 실제 의료 데이터뿐만 아니라, 경제활동인구조사, 유전체 데이터, 사회과학 데이터 등 다양한 분야에 적용 가능한 이론적·응용적 방법론을 개발하고 있습니다. 이를 통해 데이터 기반의 과학적 의사결정과 정책 수립에 기여하고 있습니다. 마지막으로, 연구실은 다양한 국내외 연구기관, 의료기관과의 협력을 통해 실제 현장에서 활용 가능한 인공지능 및 통계 분석 도구를 개발하고, 연구 결과를 논문, 학술대회, 산학협력 프로젝트 등을 통해 적극적으로 확산하고 있습니다. 이러한 노력을 통해 미래 의료와 데이터 과학의 발전에 선도적인 역할을 하고 있습니다.
artificial intelligencemedical big datamachine learningdisease predictionHidden Markov Random Field
대표 연구 분야
연구 영역 전체보기
의료 코호트 기반 위험요인 및 예후 예측 연구
Risk factor identification and prognosis prediction based on medical cohort data
연구 분야 상세보기
다변량 통계 감시와 의존성 하 다중검정 알고리즘 연구
Multivariate monitoring and dependence-aware multiple testing algorithms
연구 분야 상세보기
국가 보건데이터 기반 약물역학 및 만성질환 연관성 분석 연구
Pharmacoepidemiology and chronic disease association analyses using national health data
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
3
논문 전체보기
1
Article
|
·
인용수 3
·
2024Higher high-density lipoprotein cholesterol levels increased vertebral osteoporotic fracture, but reduced hip fracture in men based on the National Health Insurance Service-National Health Screening Cohort
Jae‐woo Lee, Jeong‐Sook Kim, Yonghwan Kim, Ye-Seul Kim, Joungyoun Kim, Hee‐Taik Kang
IF 4.7 (2024)
The Spine Journal
https://doi.org/10.1016/j.spinee.2024.05.003
National health insurance
Medicine
Osteoporotic fracture
Hip fracture
Cohort
Osteoporosis
Physical therapy
Fracture (geology)
Cohort study
Family medicine
2
Article
|
인용수 3
·
2024Association Between Fatty Liver Index and Incidence of Cataract Surgery in Individuals Aged 50 Years and Older Based on the Korean National Health Insurance Service-Health Screening Cohort (NHIS-HEALS) Data: Longitudinal Retrospective Cohort Study
Yonghwan Kim, Kim Jeongsook, Eoi Jong Seo, Kyung Tae Kim, Jae‐woo Lee, Joungyoun Kim, Hee‐Taik Kang
IF 3.9 (2024)
JMIR Public Health and Surveillance
배경: 백내장은 시각 장애의 주요 원인이다. 인슐린 저항성을 포함한 비만 관련 위험 요인은 백내장 위험을 증가시킨다. 지방간 지수(fatty liver index, FLI)는 비알코올성 지방간질환의 비침습적 지방 층 예측을 위한 바이오마커이다. FLI는 안구를 제외한 다른 장기에서의 대사적 기여를 평가하는 데 사용되어 왔다. 그러나 FLI와 안과 질환 간의 관련성을 다룬 연구는 존재하지 않는다. 목적: 50세 초과 성인을 대상으로 FLI와 백내장 수술 발생 간의 연관성을 보기 위한 후향적 코호트 연구를 설계하였으며, 50세 이상에서 FLI가 높을수록 백내장 수술 발생이 증가함을 보여주고자 했다. 방법: 본 연구는 국민건강보험공단 건강검진 코호트(Korean National Health Insurance Service-Health Screening Cohort, NHIS-HEALS)를 기반으로 후향적으로 설계되었으며, 추적관찰의 중앙값은 9.8년이었다. 참여자는 FLI에 따라 3개 군 중 하나로 배정하였다: 저위험(low, FLI<30), 중간위험(intermediate, FLI 30-59), 고위험(high, FLI≥60). 모든 백내장(all-cataract) 및 노인성 백내장(senile-cataract) 수술의 누적 발생에 대해 Kaplan-Meier 생존 분석을 수행하였다. 잠재적 교란요인을 보정한 후, FLI 군과 백내장 수술의 연관성을 확인하기 위해 다변수 Cox 비례위험 회귀모형을 사용하였다. 결과: 총 138,347명의 참여자 중 백내장 수술 발생률은 저위험군 12.49%(4779/38,274), 중간위험군 13.95%(6680/47,875), 고위험군 14.16%(7496/52,930)이었다. 모든 교란요인을 보정한 뒤, 저위험군과 비교했을 때 모든 백내장 수술에서 고위험군의 위험비(HR; 95% CI)는 남성에서 1.111(1.028-1.199), 여성에서 1.184(1.101-1.274)였다. 노인성 백내장 수술에서 고위험군의 HR(95% CI)은 저위험군과 비교했을 때 남성에서 1.106(1.022-1.197), 여성에서 1.147(1.065-1.237)이었다. 본 연구는 2023년 8월부터 2024년 2월까지 외부 기관의 기부 없이 수행되었다. 결론: FLI가 높은 개인은 모든 백내장 수술의 위험이 더 높았다. 이러한 연관성은 노인성 백내장 수술로 분석을 제한하더라도 유지되었다.
https://doi.org/10.2196/57168
Medicine
Incidence (geometry)
Hazard ratio
Cataract surgery
Nonalcoholic fatty liver disease
Cohort
Confounding
Proportional hazards model
Cohort study
Internal medicine
3
Article
|
인용수 2
·
2023Effect of metabolic health and obesity on all-cause death and CVD incidence in Korean adults: a retrospective cohort study
Ye-Seul Kim, Sang-Jun Shin, Yonghwan Kim, Joungyoun Kim, Hee‐Taik Kang
IF 3.8 (2023)
Scientific Reports
이 연구는 한국 성인을 대상으로 대사 건강 상태와 체질량지수(BMI)에 따른 모든 원인 사망 위험과 CVD(심혈관질환) 발생의 위험도를 조사하는 것을 목적으로 하였다. 본 연구는 국민건강보험서비스-국민건강검진 코호트 자료를 이용하여 후향적으로 설계되었다. 연구 참여자는 대사증후군의 두 범주와 BMI의 세 범주를 기준으로 총 여섯 그룹으로 나누었다. 복합 결과(모든 원인 사망 및 CVD 발생)에 대한 위험비(HR)와 95% 신뢰구간(CI)은 다변량 콕스 비례위험 회귀 모형을 사용하여 추정하였다. 40세 이상 151,706명의 참여자가 등록되었으며, 추적 관찰 기간의 중앙값은 9.7년이었다. 대사적으로 건강한 정상체중에 비해, 남성에서 대사적으로 건강한 과체중, 대사적으로 건강한 비만, 대사적으로 건강하지 않은 정상체중, 대사적으로 건강하지 않은 과체중, 대사적으로 건강하지 않은 비만의 복합 결과에 대한 완전 보정 HR(95% CI)은 각각 1.07 (1.03-1.12), 1.12 (1.07-1.17), 1.33 (1.25-1.41), 1.28 (1.22-1.34), 1.31 (1.26-1.37)이었고, 여성에서 각각 1.10 (1.05-1.16), 1.22 (1.16-1.29), 1.34 (1.26-1.43), 1.27 (1.19-1.34), 1.40 (1.34-1.47)이었다. 높은 BMI와 대사적 건강하지 않음은 남녀 모두에서 모든 원인 사망과 CVD 발생의 복합 결과에 대한 위험 증가와 관련이 있었다.
https://doi.org/10.1038/s41598-022-27097-8
Retrospective cohort study
Incidence (geometry)
Obesity
Medicine
Cohort
Cohort study
Cause of death
Environmental health
Demography
Internal medicine
최신 정부 과제
2
과제 전체보기
1
주관|
2019년 6월-2022년 8월
|150,000,000원잠재 마코프 임의 필드와 다중검정
본 과제는 유전자·영상·금융 등에서 여러 가설을 동시에 검정할 때, 가설들 사이의 연관성을 반영해 더 정확한 결과를 얻는 통계방법을 개발하는 연구임.
연구 목표는 다중검정에서 false discovery rate (FDR)을 FDR 이하로 조절하면서, 가정되던 독립성과 정규성 같은 강한 분포 가정을 완화하고 hidden Markov random field (HMRF) 기반 및 data-adaptive 추정을 구현하는 데 있음. 핵심 내용은 Markov chain, 이차원 lattice(Ising model), 비정형 graph(tree)로 구조를 1차원→2차원→비정형으로 확장하며 전이확률 추정·준모수적 분포 추정과 다중검정 절차를 통합하는 알고리즘 개발임. 기대 효과는 robust하고 활용 범위가 넓은 다중검정 절차 제공으로 fMRI·SNS network 등 고차원 자료 분석 성능 향상임.
잠재 마코프 랜덤 필드
다중검정
필링 알고리즘
잠재 마코프 나무
마코프 사슬
아이싱 모형
격자
그래프 모형
2
주관|
2017년 3월-2020년 2월
|90,000,000원베이지안 변수선택과 다중검정
1차년도: 일반 회귀 모형에서의 변수선택을 중점적으로 연구할 계획이다. 변수선택이란 반응변수에 영향을 미치는 여러 개의 설명변수들 중에서 유의하게 연관된 설명변수들을 골라내는 것으로 통계학에서 매우 중요한 역할을 한다. 과학기술의 발달과 측정 기기의 발달 및 자료의 전산화 등으로 인해 데이터의 양과 종류가 폭증하면서 변수선택은 더욱 각광받게 되었다. 특히 샘플사이즈보다 변수의 개수가 많아지는 High dimension Low Sample Size 문제들은 변수선택에 대한 연구를 더욱 가속화 하였다. 일반적으로 베이지안 변수 선택에 있어서는 Stochastic Search Variable Selection이 골조를 이룬다. 모형 A의 핵심 아이디어는 각 변수의 포함여부를 나타내는 잠재변수 의 사용에 있다. 각 j번째 설명변수 에 대응되는 잠재변수 가 1의 값을 가질 때는 설명변수 의 회귀계수의 추정값이 0으로부터 먼 값을 가질 수 있도록 허용하고, 가 0의 값을 가질 때는 명변수 의 회귀계수의 추정값이 0근처에 머물도록 제한한다. 본 연구에서는 설명변수간에 상관성(dependency)이나 위계제약 (heredity constraint)이 있는 경우에 효과적으로 모수공간을 탐색할 수 있는 알고리즘을 개발하고자 한다.
2차년도: 1차년도에 일반회귀모형을 바탕으로 개발된 알고리즘을 로지스틱 회귀모형과 생존자료 모형으로 확장하고자 한다.
3차년도: 베이지안 변수선택에서의 잠재변수 의 사용은 회귀모형에서의 변수선택 문제를 Hidden Markov Random Field (HMRF)에서의 다중검정(multiple testing)로 쉽게 확장할 수 있다 해당연도에는 인접 자료간에 의존성이 존재하는 1차원 two-state HMRF상에서의 베이지안 다중검정을 연구하고자 한다. 특히 correlation이 존재하는 고차원 HMRF에서의 효과적 MCMC알고리즘 개발에 중점을 둔다. 이후 2차원 twp-state HMRF로 확장한 연구를 진행한다.
베이지안
변수선택
다중검정
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
기술파급력
AI 기반 정밀의료: 질병 예측 솔루션
AI 요약 확인하기
기업협력
데이터 기반 약물 재창출 및 안전성 검증
AI 요약 확인하기
연구자역량
고차원 데이터 분석을 위한 베이지안 통계 원천기술
AI 요약 확인하기
상용화성공
머신러닝 기반 병원 내 감염(HAI) 예측 시스템
AI 요약 확인하기
데이터전문성
국가 단위 대규모 코호트 데이터 분석 전문성
AI 요약 확인하기
독창적기술
질병 위험 예측을 위한 신규 바이오마커 발굴
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
지금 바로 확인해보세요
무료 리포트 확인하기