연합학습 기반 복약 순응도 예측을 통한 이상지질혈증 치료 지속성 관리 연구

Federated learning–based medication adherence prediction for dyslipidemia care continuity

연구 내용

실제임상자료와 합성데이터를 결합하고 연합학습으로 이상지질혈증 환자의 복약 순응도를 예측하는 연구

동아대학교 손민국 연구실은 실제임상자료와 합성데이터를 함께 활용하여 환자 복약 순응도를 예측하는 의료정보 기반 모형을 구축합니다. 연합학습(Federated Learning) 방식을 적용해 다기관 데이터에서 직접 원자료를 공유하지 않고도 학습 성능을 확보하는 절차를 마련합니다. 또한 이상지질혈증 복약 지속성과 관련된 특징을 정리하고 모델의 일반화 성능을 검증하여 임상에서 치료 지속성을 관리할 수 있는 예측 체계를 구현하는 방향으로 연구를 수행합니다.

관련 프로젝트

1건

연구 흐름

2024년에는 실제임상자료와 합성데이터의 결합 구조를 먼저 수립하고, 이상지질혈증 복약 순응도 예측에 필요한 입력 변수와 학습 절차를 정리했습니다. 2025~2026년에는 연합학습을 통해 다기관 환경에서의 학습 안정성과 성능을 평가하고, 데이터 편향과 누락 문제에 대응하는 검증 전략을 보강하는 단계로 연구를 진행합니다. 2027년에는 예측 모형을 활용한 치료 지속성 관리 시나리오에 맞춰 적용 가능성을 정리하고, 후속 분석을 위한 운영 단위의 프로토콜을 확립하는 것을 목표로 합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

연합학습 예측모형 구축
합성데이터 생성 파이프라인
복약 순응도 위험도 스코어링
개인화 복약지도 의사결정지원
이상지질혈증 치료 지속성 평가
의료데이터 프라이버시 보존 학습
다기관 일반화 성능 검증체계
치료 중단 위험 조기 탐지
복약 모니터링 자동화
실제 임상 적용 프로토타입