주식회사 서울제약을 위한 기술 제안
스마트필름 건강기능식품 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.
서울제약
이 이 기술을 주목해야 하는 이유
1
스마트필름 건강기능식품: 대사 관리 필름 제품 기획
기존 문제
글루타치온·홍삼·멜라토닌 등 ODF 제형 건강기능식품을 넓혀 갈 때 다음 품목을 고르는 기준이 제형 편의성과 시장 트렌드에 머물면, 어떤 대사 상태의 소비자에게 필름형이 필요한지 타깃 근거를 세우기 어렵고 기존 정제·캡슐 제품과 차별화하기도 어렵습니다.
적용 방식
질환 상태별 식이 섭취 변화와 식이 추천 AI 모델(F1 0.83·AUC 0.92 이상) 분석 결과로 대사 위험군별 성분 후보를 정리해 컨슈머 헬스케어 사업의 신규 품목 기획서에 씁니다. 효능 표시가 아닌 기획·검증 설계의 근거이며, 데이터 이용 계약으로 시작합니다.
2
스마트필름 CDMO: 파트너사 대상 신규 품목 제안
기존 문제
스마트필름 기술로 국내외 제약사와 CDMO·기술수출을 이어 갈 때 제안 품목이 기존 의약품의 제형 변경 중심이면, 대사 관리처럼 수요가 커지는 영역에서 파트너사가 검토할 새 품목 근거를 함께 내놓기 어렵고 제안 범위도 좁아지기 쉽습니다.
적용 방식
식품 통합 DB 12,151건·기능성 평가 1,230건과 당뇨병 예측 모델 분석 결과로 필름형에 맞는 대사 관리 성분 후보를 골라 파트너사용 CDMO 제안서에 넣습니다. 효능 표시가 아닌 기획·검증 설계의 근거이며, 모델·분석 결과 중심의 공동연구로 검토합니다.
도입 효과
기술·성능 개선
ODF 건강기능식품·CDMO 품목 발굴에 대사 위험군 기준 추가
식이 추천 AI 모델 결과로 필름형 대사 관리 성분 후보 우선순위 설계
질환 상태별 식이 섭취 변화로 필름형 제품 타깃 위험군 정리
기능성 평가 1,230건으로 CDMO 제안 성분 후보 사전 스크리닝
B. 비즈니스·사업 개선
컨슈머 헬스케어 라인 확장과 CDMO 파트너 제안 경쟁력 강화
컨슈머 헬스케어 건강기능식품에 대사 관리 필름형 신규 라인 추가
국내외 제약 파트너사 CDMO 제안서에 대사 관리 품목 근거 추가
필름형 신규 품목 후보 사전 선별로 제형 개발 비용·기간 절감
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