데이터메이커를 위한 기술 제안
의료 학습데이터 구축에 한국인 임상 근거를 더하는 식이·임상·부작용·유전형을 묶은 660명 코호트
한국식품연구원 정밀식이연구단
최효경 연구단장
기술 개요
2022년부터 항암 치료 환자 660명을 추적하며 식이(FFQ)·임상(EMR)·자가보고 부작용(PRO-CTCAE)·유전체(SNP)를 한 사람 단위로 모은 연구데이터와, 이 데이터로 어떤 식품군을 얼마나 먹으면 어떤 부작용 위험이 커지는지를 계산해 환자별 권장·주의 식품을 제시하는 부작용 예측 알고리즘입니다.
데이터메이커
가 이 기술을 주목해야 하는 이유
1
의료 학습데이터 구축: 식품-부작용 텍스트 라벨 기준
기존 문제
데이터메이커의 의료 학습데이터 구축은 DICOM 같은 의료 영상 가공에 강점이 있지만, 식이·증상처럼 텍스트·정형 데이터로 과제를 넓히려면 근거가 연결된 한국인 임상 데이터와 무엇을 어떻게 태깅할지 정한 도메인 라벨 기준이 먼저 필요합니다.
적용 방식
24개 식품군·PRO-CTCAE 20개 항목 분류 체계와 식품군별 부작용 위험도 205건을 식품-증상 관계 라벨 스키마로 옮겨, DATAMAKER AI 프로젝트의 라벨 가이드와 검수 기준에 넣고 자동 라벨링 모델의 학습 기준으로도 씁니다. 스키마 설계를 함께 하는 공동연구로 시작합니다.
2
공공 의료 AI 데이터 과제: 한국인 항암 코호트 공동 제안
기존 문제
공공 의료 AI 학습데이터 과제는 원천 데이터 확보 계획이 평가의 핵심이지만, 가공 역량과 MLOps 플랫폼만으로는 근거가 연결된 한국인 임상 원천 데이터를 제시하기 어렵습니다. 개별 병원 데이터는 협의 기간이 길어 제안 일정을 맞추기도 쉽지 않습니다.
적용 방식
식이·임상·부작용·유전형이 한 사람 단위로 연결된 660명 코호트의 식별정보 제거 가공 데이터를 범위·형태·공개 여부 협의 후 과제 원천으로 두고, DATAMAKER AI로 가공·검수를 맡는 공동 제안 구조를 설계합니다. 과제 공고에 맞춘 공동연구로 시작합니다.
도입 효과
기술·성능 개선
DATAMAKER AI 라벨링에 식품-증상 관계 스키마와 검수 기준 추가
24개 식품군·PRO-CTCAE 20항목으로 식품-증상 라벨 스키마 설계
위험도 205건으로 식품-증상 관계 라벨 검수 기준과 예시 문장 작성
한 사람 단위 연결 구조로 정형 임상 데이터 가공 템플릿 설계
B. 비즈니스·사업 개선
공공 의료 AI 데이터 과제 수주와 의료 도메인 확장에 쓸 원천 확보
공공 의료 AI 과제 제안서에 한국인 항암 코호트 원천 계획 반영
영상 중심 의료 사업에 식이·증상 텍스트 데이터 라인 신규 추가
개별 병원 협의 대신 660명 코호트 협력으로 제안 준비 단축
C. 협업 파트너십 체결
연구데이터 사용계약부터 공동연구까지 협업 가능
연구데이터 사용계약 · 민간수탁 · 공동연구 단계별 진행
연구자와 한국식품연구원 기술지원사업화센터 직접 참여
제공·협업 범위
구분
내용
코호트 데이터
항암 환자 660명의 임상·식이·부작용·유전체
환자당 평균 2.6회 관찰한 종단 데이터
식별정보 제거·마스킹 후 제공, 유전체 원데이터 제외
분석 결과·모델
식이 독립 효과 63개 등 위험도(OR) 라이브러리
시제품 3종: 웹 알고리즘·모바일 앱·LLM 식단
특허 출원 4건·영업비밀 등록 알고리즘
연구자 협업
자사 데이터 결합·해석을 돕는 1:1 기술교류
PRS·LP 최적화 등 고도화 모델 공동연구
암종 특화 모델·CDSS 실증은 민간수탁·공동연구로
이용·협업 조건
연구데이터 사용계약·민간수탁·공동연구 중 선택
비밀유지계약 후 데이터 실사·도입 검토부터
이용 범위·비용은 한국식품연구원 기술지원사업화센터와 협의
기술 핵심정보
어떤 기술인가요?
항암 부작용 예측·식이 의사결정 지원 기술은 항암 치료 환자 660명의 임상·처방·식이·자가보고 부작용·유전체 데이터를 한 사람 단위로 묶은 종단 코호트에서 어떤 식품군이 어떤 부작용 위험을 높이거나 낮추는지 찾아내는 데이터·분석 기술입니다. 28개 암종을 7개 군, 339종 약물을 5개 치료법으로 정리하고 432명·1,131개 관찰값을 교란 요인을 통제한 모델(CLMM)로 분석해 식이 독립 효과 63개를 확인했습니다. 이를 위험도(OR)로 바꿔 웹·앱·LLM 식단 추천 시제품으로 구현했고, PRS와 선형예측인자(LP) 최적화로 개인 맞춤 식단까지 고도화하고 있습니다.
어떤 문제를 해결하나요?
1.
가이드라인에 머무는 항암 환자 식이 관리
암 환자 60~80%가 치료 중 부작용을 겪지만 식이 관리는 일반 가이드라인·경험에 기대고, 치료별 반응 차이를 반영하지 못합니다. 암종·치료법·식이 데이터로 부작용 위험을 정량화해 치료 단계부터 식이로 조절하게 합니다.
2.
교란변수에 가려지는 식이-부작용 관계
단순 상관분석은 연령·성별·암종·치료법의 영향을 걸러내지 못해 식이와 부작용의 관계를 잘못 읽기 쉽습니다. 환자당 평균 2.6회 관찰한 432명·1,131개 관찰값을 CLMM으로 분석해 식이의 독립 효과만 골라냅니다.
3.
위험도 예측에서 멈추는 식이 추천
위험도만 알려 주면 무엇을 얼마나 바꿔야 할지는 환자와 의료진의 몫으로 남습니다. 선형예측인자(LP)로 부작용 예측과 식단 최적화를 하나의 수식으로 잇고, 572명 SNP 기반 PRS로 개인별 민감도까지 반영합니다.
연구자 소개
최효경
책임연구원 · 연구단장
한국식품연구원 식품기능연구본부 정밀식이연구단
연구 분야: 암 생존자 정밀영양 재활·의사결정 지원(P-NuRECA), 항암 치료 부작용-식이-유전체 코호트(660명) 구축·분석 책임, 유전체 기반 개인맞춤 영양, 후성유전학 기반 대사질환 조절
한국식품연구원 식품기능연구본부 정밀식이연구단 단장(책임연구원)
본 내용은 연구자가 직접 작성한 내용입니다.
연구자 한마디
“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.”
진행 프로세스
STEP 1
상담 신청
신청 폼 작성
STEP 2
연구자와 미팅
데이터·기술 확인
STEP 3
조건 협의
이용 범위·비용 범위
STEP 4
계약 체결 및 협업
협업 착수
자주 묻는 질문
왜 우리 회사에 기술을 제안했나요?
문의&상담 신청 이후 절차는 어떻게 진행되나요?
문의하면 비용이 발생하나요?
이 연구자와 다양한 협업을 진행하고 싶은데 어떻게 하면 되나요?
문의
담당자
송재민
이메일
jm.song@rndcircle.io
소속
(주)디써클 기술매칭팀
이 연구데이터 사용계약 및
상담 신청하기
데이터 연구
공동 연구
협업 제안
데이터 이용·협업 조건
데이터·기술 관련 문의
양측 협업 방식 진행 논의
자세한 자료 받기
데이터 구성/ 연구성과 자료를
보내드립니다