주식회사 로하스메디를 위한 기술 제안
비만 치료제 영업과 트리맥스 기획에 근거를 더하는 640명 NutriOmics 코호트와 맞춤 식이 AI 모델
한국식품연구원 정밀식이연구단
박재호 책임연구원
기술 개요
2021년부터 만성질환자 558명을 3차까지 추적하고 비질환자 150명과 비교하며 식이·임상·유전체·후성유전체·대사체를 한 사람 단위로 모은 NutriOmics 연구데이터와, 이 데이터로 비만·당뇨·고혈압 위험을 예측하고 개인에게 맞는 식이를 추천하는 알고리즘·식이 분석 앱입니다.
로하스메디
가 이 기술을 주목해야 하는 이유
1
항비만 전문의약품 마케팅: 병의원 학술 자료 강화
기존 문제
로하스메디는 국내외 제약사와 협력해 비만 치료제 영업·마케팅에 강점이 있지만, 병의원 의료진에게 제안할 때 한국인 체중·대사 지표 변화를 보여 줄 자료가 없으면 학술 지원이 제품 특성 소개에 머물고 환자별 처방 설명이 약해지기 쉽습니다.
적용 방식
질환자·비질환자 640명을 해마다 추적한 종단 데이터와 비만·당뇨 특이 분변 대사체 89종 분석 결과로 비만 환자 중 대사 위험이 큰 집단의 특성을 정리해, 병의원용 학술 자료와 세미나 콘텐츠에 씁니다. 모델·분석 결과 중심의 데이터 이용 계약으로 시작합니다.
2
트리맥스 위드컷 레드: 대상 소비자와 섭취 시나리오 설계
기존 문제
포스콜린을 담은 체지방 건강기능식품 위드컷 레드는 불규칙한 식습관을 가진 현대인을 겨냥하지만, 식습관별 대사 특성을 보여 줄 데이터가 없으면 누구에게 어떻게 권할지가 일반적인 다이어트 메시지에 머물러 브랜드 차별화가 약해지기 쉽습니다.
적용 방식
FFQ·식단 이미지와 대사 지표를 묶은 640명 데이터와 맞춤 식이 추천 모델로 식사 패턴별 대상 소비자를 나누고, 트리맥스 섭취 시나리오와 후속 제품 기획에 씁니다. 효능 표시가 아닌 기획·검증 설계의 근거로 쓰고 이용 범위는 협의합니다.
도입 효과
기술·성능 개선
비만 치료제 제안과 트리맥스 기획에 식습관별 대사 구분 추가
비만·당뇨 특이 분변 대사체 89종으로 대사 위험이 큰 비만 환자군 정의
식단 이미지·FFQ 데이터로 식사 패턴별 트리맥스 소비자 세그먼트 설계
식품 통합 DB 12,151건으로 트리맥스 후속 원료 후보 스크리닝
B. 비즈니스·사업 개선
병의원 영업과 건강기능식품 브랜드의 차별화 근거 확보
비만 치료제 병의원 학술 지원에 한국인 체중·대사 종단 데이터 근거 추가
트리맥스 위드컷 레드 마케팅에 식습관별 소비자 타깃 메시지 적용
트리맥스 리포좀 제형 라인에 체중·대사 관리 신제품 기획 기회 확보
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
만성질환자 558명·비질환자 150명 종단 코호트
SNP·메틸화·혈액·분변 대사체·펩타이드
섭취 식품 분석 DB 3,914종·기능성 평가 1,230건
분석 결과·모델
예측·추천 알고리즘 json·encoder, API 추천 식이 예정
SNP 기반 임상지표 13종 예측·당뇨·고혈압 모델
식이 이미지 분석 앱·식품-유전자-질환 리포트
연구자 협업
자사 유전체·질병 데이터로 모델 실증 위탁연구
식이 분석 앱 20~50명 파일럿 운영·평가
코호트 확장·맞춤 기능식품 공동연구
이용·협업 조건
연구데이터 사용계약·위탁연구·공동연구 중 선택
오믹스 원데이터 대신 분석 결과·모델 중심 제공
이용 범위·비용은 한국식품연구원 기술지원사업화센터와 협의
기술 핵심정보
어떤 기술인가요?
NutriOmics 맞춤 식이 기술은 2021년부터 만성질환자 558명을 3차까지 추적하고 비질환자 150명과 비교하며 유전체(SNP)·후성유전체(메틸화)·혈액·분변 대사체·펩타이드와 식이·임상 정보를 한 사람 단위로 통합한 코호트에서 어떤 유전·대사 상태의 사람에게 어떤 식이가 질환 위험을 바꾸는지 찾는 기술입니다. 국가 코호트(KoGES) 7만여 명으로 학습한 머신러닝 모델로 임상지표 13종을 예측하고 실제 진단과 대조해 당뇨·고혈압 예측을 검증했으며, 섭취 식품 분석 DB 3,914종과 식이 이미지 분석 앱을 갖췄습니다. 2027년부터 LLM 기반 식이 추천 엔진으로 고도화합니다.
어떤 문제를 해결하나요?
1.
일반 가이드라인에 머무는 식단 추천
상용 헬스케어 서비스는 임상 데이터가 아닌 식약처 가이드를 기준으로 칼로리·나트륨 제한 제품을 권하는 데 머뭅니다. 식이·임상·오믹스를 함께 분석해 개인의 유전형과 대사 상태에 맞는 식이를 설계합니다.
2.
한 시점 데이터로는 보이지 않는 질환 진행
대부분의 식이·건강 데이터는 한 시점만 담아 질환 전 단계에서 질환으로 넘어가는 과정을 읽기 어렵습니다. 같은 사람을 반복 추적하며 쌓은 비질환→질환 전환 정보를 예측과 원인 규명의 근거로 씁니다.
3.
한 코호트에서만 맞는 예측 모델
소규모 코호트로 만든 예측 모델은 다른 집단에 적용하면 성능이 떨어지기 쉽습니다. 국가 코호트 7만여 명으로 학습한 모델을 자체 코호트 두 곳에 적용하고, 실제 진단 기록과 대조해 검증했습니다.
연구자 소개
박재호
책임연구원
한국식품연구원 식품기능연구본부 정밀식이연구단
연구 분야: 만성질환 NutriOmics 코호트(만성질환자 558명·비질환자 150명) 구축·분석 책임, 유전형·오믹스 기반 비만·당뇨·고혈압 예측, 식품 분석 DB·식이 이미지 분석 기반 맞춤 식이 추천
한국식품연구원 식품기능연구본부 정밀식이연구단 책임연구원
본 내용은 연구자가 직접 작성한 내용입니다.
연구자 한마디
“건강관리는 이제 단순한 식단 추천을 넘어, 개인의 유전체와 대사체, 장내미생물, 식이 패턴을 함께 읽어내는 방향으로 가야 합니다. 본 기술은 오믹스와 식이, 질환 변화를 장기 추적해 축적한 NutriOmics 기반 자산으로, 당뇨병 예측과 맞춤형 식이 추천은 물론 건강관리 앱, 검진 연계 서비스, 기능성 식품 개발까지 확장 가능한 정밀영양 기술의 영역으로 도달할 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