메디쏠라 맞춤형 임상 영양의 초격차 완성 : 660명 다중 오믹스 코호트 기반 항암 부작용 예측 및 초개인화 메디컬푸드 솔루션
항암 부작용 예측 메디컬푸드
다중 오믹스 기반 정밀영양
CLMM 부작용-식이 알고리즘
유전체 연동 케어푸드
근거 중심(EBM) 식이 큐레이션
기술 개요
기술 상세
사업화 기회
협업 방식
특허/데이터
"단순한 암환자용 식단을 넘어, 환자별 유전체와 임상 데이터를 융합해 부작용을 선제적으로 통제하는 '진짜' 맞춤형 정밀 메디컬푸드로 진화할 시간입니다"
본 섹션은 AI로 생성된 내용입니다.
왜 메디쏠라에 본 기술이 필요한가?
현재의 한계 (Pain Point)
메디쏠라의 질환 맞춤형 식단은 임상적 근거(EBM)를 바탕으로 훌륭히 설계되었으나, 개별 환자의 유전적 형질(SNP)이나 현재 투여 중인 특정 항암제에 따라 시시각각 변하는 '가변적 부작용'까지 선제적으로 예측하여 식단을 차별화하는 데에는 데이터적 한계가 존재함
기술적 돌파구 (Breakthrough)
EMR(임상 약물) + FFQ(영양) + SNP(유전체)가 결합된 CLMM 분석 엔진을 통해, 환자별 항암 부작용 발생 확률(Odds Ratio)을 정밀 계산하여 메디쏠라의 케어푸드 라인업을 '실시간 개인별 부작용 방어형 메디컬푸드'로 고도화 가능함
본 기술 도입 시 메디쏠라의 변화점
Before (현재)
대형병원 임상 기반의 신뢰도 높은 암환자용/질환별 영양 식단을 제공하고 있으나, 특정 식품군이 환자 개인의 부작용에 미치는 순수 기여도를 정량화한 초개인화 알고리즘 부재로 범용적인 질환 관리 수준에 머무름
After (도입 후)
환자의 항암제 종류와 유전적 다형성(PRS), 실시간 증상(PRO-CTCAE) 데이터를 결합해 부작용을 악화시키는 식재료를 배제하고 완화시키는 식단을 동적으로 추천·배송하는 '초개인화 항암 메디컬푸드 구독 시스템' 탑재 가능
즉각적인 비즈니스 임팩트
특수의료용도식품(메디컬푸드) 시장 내 독보적 R&D 초격차 확보
660명 규모의 실증 코호트 기반 '식품군 섭취-부작용 상관성(205개)' DB를 독점적으로 활용함으로써, 메디쏠라의 암환자용 식단에 "항암 부작용 완화"라는 강력한 과학적 클레임을 더해 경쟁사 대비 압도적인 제품 경쟁력 확보
B2B(병원) 및 DTx(디지털 치료제) 연계형 비즈니스 확장
본 기술의 mHealth 및 CDSS(임상의사결정지원시스템) 연계 구조를 활용하여, 병원 주치의가 항암 처방 시 메디쏠라의 맞춤형 식단을 즉각적으로 연계 처방하는 '스마트 임상 영양 처방 시스템'을 구축하여 B2B 수익 모델 극대화
기술 핵심 개요
항암 부작용 완화를 위한 다차원 데이터 융합 맞춤형 영양/식이 솔루션
- 국내 최초 항암 부작용-식이 상관성 빅데이터 구축 (660명 이상의 다중 오믹스 데이터 확보) - 교란변수를 완벽히 통제한 고도화된 CLMM 분석 모델 (암종, 치료법 영향 제외 순수 식이 효과 추출) - 유전체 기반 다유전자 위험점수(PRS) 연동 (개인별 부작용 민감도 정밀 예측) - 실시간 환자보고(PRO-CTCAE) 연동형 mHealth 인터페이스 (임상 현장 적용 가능 구조)
연구원 소개
본 내용은 연구자가 직접 작성한 내용입니다.
한국식품연구원 식품기능연구본부 정밀식이연구단 최효경 연구원
"질병은 이제 단순한 치료를 넘어 조절과 관리의 대상입니다. 개별적으로 존재하던 임상, 영양, 유전체 데이터를 통합한 본 알고리즘은, 항암 환자는 물론 건강인 시장까지 확장 가능한 '개인 맞춤형 식이추천 플랫폼'의 강력한 코어가 될 것입니다."
기술 차별성
1. 데이터의 포괄성 및 연계성
기존 기술의 한계
대부분의 식이 추천 서비스는 환자의 설문 데이터(FFQ)에만 의존하거나, 병원의 임상 데이터(EMR)와 단절되어 있어 실제 치료 과정과의 정합성이 떨어짐
본 기술의 차별점
- Full-Stack 데이터 연계: 국내 최초로 EMR(약물/처치) + FFQ(식이) + PRO-CTCAE(부작용) + SNP(유전체) 데이터를 단일 알고리즘 내에서 통합 분석 - 임상 근거 확보: 단순 식단 제안이 아닌, 실제 암 환자 660명 이상의 임상 경로와 식이 패턴을 매칭하여 '근거 중심(Evidence-based)'의 상관관계를 도출
2. 고도화된 통계 분석 모델 (Advanced CLMM Engine)
기존 기술의 한계
단순 상관분석은 환자의 연령, 성별, 암종, 항암제 종류 등 다양한 '교란변수'를 통제하지 못해, 특정 식품이 정말 부작용을 일으키는지 아니면 다른 요인 때문인지 판별하기 어려움
본 기술의 차별점
- 교란변수 완벽 통제: CLMM(Cumulative Link Mixed Model) 모델을 적용하여 개인차와 치료 환경 변수를 통계적으로 제거 - 순수 식이 효과 추출: 약물이나 질환의 영향을 배제한 채, 특정 식품군 섭취가 부작용 발생 위험(Odds Ratio)에 미치는 순수 기여도를 정밀하게 산출
3. 유전체 기반의 초개인화 예측 (Genomic-informed Prediction)
기존 기술의 한계
동일 식품 섭취 시 개인별로 상이하게 나타나는 부작용 반응(유전적 요인)에 대한 설명 어려움
본 기술의 차별점
- PRS(다유전자 위험점수) 도입: SNP 정보를 활용하여 개인별 부작용 민감도 및 유전적 취약성 수치화 - 이중 필터링 시스템: 통계적 상관관계에 유전적 위험도를 결합하여 오진율 최소화 및 예측 정확도 극대화 도출
기술 구조
단계
핵심 내용
다중 데이터 수집
EMR 339종 약물, FFQ 109개 식품항목, PRO-CTCAE 19개 부작용, 유전체(SNP) 연동
데이터 처리 및 분석
CLMM 모델 활용 및 교란변수 (인구통계학적 요인, 암종 등) 영향력 통제
알고리즘 위험도 산출
OR(Odds Ratio) 기반 부작용 위험도 분석 및 다유전자 위험점수(PRS) 적용
플랫폼 서비스 연계
부작용 예측 및 ‘권장/주의' 식품 분류, mHealth 및 CDSS(임상의사결정지원시스템) 구현
기술 문의
한국식품연구원 기술지원사업화센터
E-mail tlo@kfri.re.kr
특허법인 다나 서유진 선임
Tel 042-719-8213 E-mail newjin@danapat.com
기술 개발자로부터
기술 상세 내용을 직접
확인해보세요
기술이전·공동연구 전략 수립 및 파트너링을 위한 맞춤형 상세 기술교류회를 진행합니다.
[일시]
4/16(목) 13:15 ~ 17:40
[장소]
코엑스 | 서울 강남구 영동대로 513(삼성동)
컨퍼런스룸 (남) 301호 (설명회)
304-305호 (파트너링룸)
기술 자료에서 확인할 수 있어요!
기술 상세 내용 및 성과
기술 라이센싱/협업 관련 내용
기존 공정(프로세스) 호환성
기술에 대한 질의사항
유관 연구/기술 정보