이 연구 주제는 대규모 청구자료, 공공데이터, 다기관 병원 데이터를 활용해 백신과 약물의 안전성, 유효성, 그리고 장기적인 건강 영향을 정량적으로 평가하는 데 초점을 둔다. 연구실은 실제 임상 현장에서 축적되는 실사용데이터를 바탕으로, 무작위 대조시험만으로는 충분히 파악하기 어려운 희귀 이상반응, 장기 예후, 취약집단별 효과 차이를 분석하는 연구를 수행한다. 특히 백신 접종과 심혈관계 결과, 감염 이후 장기 합병증, 주요 약물 사용 후 위험도 변화와 같은 공중보건적으로 중요한 질문을 다루며, 근거 기반 정책 수립에 기여하고자 한다. 방법론적으로는 코호트 연구, 성향점수매칭, 생존분석, 위험비 추정 등 역학적·통계적 기법을 적극 활용한다. 한국, 일본, 영국 등 국가 간 데이터 연계를 통해 외부 타당성을 높이고, 서로 다른 보건의료체계에서 일관되게 나타나는 패턴을 비교함으로써 결과의 신뢰도를 강화한다. 또한 WHO 약물부작용 데이터와 같은 국제 데이터셋을 함께 활용해 약물 및 백신 위해 신호를 조기에 탐지하고, 인구집단 수준에서 예방 전략의 효과를 예측하는 연구로 확장하고 있다. 이 연구의 의의는 단순한 상관관계 보고를 넘어, 실제 의료현장에 적용 가능한 공중보건 의사결정 지원 체계를 만드는 데 있다. 백신 접종 전략의 건강 형평성 개선 효과, 감염병 이후 심혈관 위험 관리, 시판 후 약물감시 체계 고도화 등 다양한 사회적 파급효과가 기대된다. 궁극적으로 연구실은 의료 빅데이터를 기반으로 보다 안전하고 정밀한 예방의학 및 약물감시 체계를 구축하여 국민 건강 증진에 기여하는 것을 목표로 한다.

이 연구 주제는 의료정보와 디지털헬스 기술을 결합하여 질병 발생, 약물 위해도, 치료 반응 등을 조기에 예측하는 모델을 개발하는 데 중점을 둔다. 연구실은 대규모 의료데이터에서 개인의 기저질환, 생활습관, 진료기록, 약물 노출 이력 등을 통합적으로 분석하여 환자 맞춤형 위험도 평가 체계를 구축하고자 한다. 이러한 접근은 기존의 평균적 치료 방식에서 벗어나, 환자별 특성을 반영한 정밀의료 실현에 핵심적인 기반이 된다. 구체적으로는 청구자료와 병원 임상데이터를 바탕으로 머신러닝 및 예측 모델링 기법을 적용해 백신 및 약물의 부작용 가능성, 감염 이후 합병증, 특정 질환군의 예후를 추정한다. 단순한 예측 정확도 향상뿐 아니라, 임상 현장에서 해석 가능하고 활용 가능한 모델 설계가 중요한 목표이다. 따라서 연구실은 데이터 품질 관리, 변수 표준화, 다기관 간 이질성 보정, 모델 검증과 같은 실무적 문제도 함께 다루며, 현장 적용성을 높이는 방향으로 연구를 수행한다. 이러한 연구는 디지털헬스 시대의 예방 중심 의료체계를 고도화하는 데 큰 의미가 있다. 위험이 높은 환자를 조기에 식별하면 불필요한 부작용을 줄이고, 자원을 보다 효율적으로 배분할 수 있으며, 환자 중심의 의사결정을 지원할 수 있다. 나아가 의료기관, 정부, 산업계가 활용할 수 있는 임상 의사결정지원도구와 보건정책 인사이트를 제공함으로써, 데이터 기반 의료혁신을 실현하는 핵심 축으로 기능할 수 있다.

이 연구 주제는 파킨슨병, 경도인지장애, 알츠하이머병, 혈관성 치매와 같은 신경계 질환을 보다 이른 단계에서 선별하고 구분하기 위한 디지털 바이오마커와 분류 알고리즘 개발을 목표로 한다. 연구실은 임상 증상이 뚜렷해지기 이전 단계에서 질환의 신호를 포착하는 것이 예후 개선과 치료 개입 시점 결정에 매우 중요하다고 보고, 감각기능과 생체신호를 활용한 비침습적 진단 연구를 수행하고 있다. 특히 고령화 사회에서 치매와 퇴행성 신경질환의 부담이 커지는 상황에서, 조기 스크리닝 기술의 임상적 가치가 더욱 커지고 있다. 주요 방법으로는 근적외선 분광법 기반 신호 획득, 후각 관련 바이오마커 분석, 전전두엽 측정 프로브 최적화, 그리고 인공지능 기반 특징 추출 및 분류 알고리즘 개발이 포함된다. 연구실은 서로 다른 치매 아형을 구분할 수 있는 데이터셋을 구축하고, 질환군별 신호 패턴의 차이를 학습하는 소프트웨어를 개발하여 조기 진단 정확도를 높이고자 한다. 이는 기존의 임상 평가나 영상검사만으로는 구분이 쉽지 않은 초기 단계 환자 선별 문제를 보완할 수 있는 접근이다. 이 연구가 성공하면 보다 간편하고 접근성 높은 선별 도구를 통해 신경계 질환의 조기 발견 가능성이 향상될 수 있다. 환자와 보호자의 진단 지연 부담을 줄이고, 적절한 치료 및 관리 개입을 앞당기는 데 기여할 수 있으며, 향후 디지털 의료기기 개발과도 직접 연결될 수 있다. 장기적으로는 바이오마커 기반 디지털 진단 플랫폼으로 확장되어, 신경계 질환 관리의 표준을 변화시키는 기반 기술이 될 가능성이 크다.