소울소프트를 위한 기술 제안
MealCare AI 식단 추천에 대사 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.
소울소프트
가 이 기술을 주목해야 하는 이유
1
MealCare AI: 만성질환자 질환군별 식단 추천 기준
기존 문제
MealCare AI는 질환 정보·신체 계측·생활 습관으로 만성질환자 맞춤 식단을 추천하지만, 학습 근거가 일반 식사 지침과 질환명 구분에 머물면 같은 질환이라도 사람마다 다른 대사 상태를 반영하기 어렵고 추천 기준을 의료 현장에 설명하기도 어렵습니다.
적용 방식
만성질환자와 비질환자를 함께 추적한 640명 데이터와 당뇨병 예측·식이 추천 모델(F1 0.83·AUC 0.92 이상)로 질환군·위험 구간별 추천 기준을 세우고, 식이 이미지 분석 앱 구조로 사진 기록 → 식단 조정 흐름을 보강합니다. 데이터 이용 계약으로 시작합니다.
2
캐시인포: 리워드 사용자 대상 건강관리 서비스 기획
기존 문제
캐시인포는 많은 사용자의 행동 데이터를 가지고 있지만, 이를 건강관리 서비스로 넓히려면 어떤 사용자에게 어떤 건강 정보를 보낼지 정할 건강 위험 기준이 필요하고, 행동 데이터만으로는 대사 위험을 나눌 근거가 부족해 건강 서비스 전환 설계가 막히기 쉽습니다.
적용 방식
식이 설문과 자가 입력 검진 수치로 위험을 내는 당뇨병 예측·식이 추천 모델을 캐시인포 안의 건강 설문 콘텐츠로 구성해 위험 구간별 사용자를 MealCare AI로 잇는 건강관리 전환 흐름을 설계합니다. 이용 범위는 협의하며, PoC로 시작합니다.
도입 효과
기술·성능 개선
만성질환자 식단 추천에 대사 위험 예측과 식이 이미지 분석 연결
식단 추천 입력에 당뇨병 위험 예측값을 질환군 보조 변수로 추가
식이 이미지 분석 앱 구조로 사진 기록 → 식단 조정 흐름 보강
640명 종단 데이터로 만성질환 위험 구간별 추천 기준 설계
B. 비즈니스·사업 개선
캐시인포 사용자 기반을 MealCare AI 이용으로 전환할 근거 확보
캐시인포 건강 설문으로 MealCare AI 신규 이용자 유입 경로 확보
병원·보험사 제휴 제안에 질환군별 식단 추천 근거를 더해 설득
건강 위험 구간 기반 맞춤 건강 콘텐츠·광고 상품 기획 기회
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