주식회사 써티웨어를 위한 기술 제안
Certi-AI 라벨링에 항암 임상 라벨 기준을 더하는 PRO-CTCAE 20개 항목 부작용과 식이 연관 205건
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.
써티웨어
가 이 기술을 주목해야 하는 이유
1
Certi-AI 라벨링: 의료 라벨 검수 기준표
기존 문제
Certi-AI는 인간 참여형 능동학습으로 라벨링 효율을 높이지만, 부작용 심각도처럼 작업자마다 판단이 갈리는 의료 라벨은 작업자 간 일관성을 맞출 임상 기준이 따로 필요하고, 기준 없이 검수하면 의료 AI 고객사에 전문 라벨 품질을 설명하기 어렵습니다.
적용 방식
PRO-CTCAE 20개 항목의 빈도·심각도 체계를 부작용 라벨 정의로 쓰고, 식이-부작용 관계 라벨은 교란변수 보정 연관 205건과 대조하는 검수 규칙으로 만들어 Certi-AI에서 능동학습이 고른 샘플부터 적용합니다. 의료 라벨링 과제 한 건의 PoC로 시작합니다.
2
DW·SI 사업: 병원 식이·부작용 통합 데이터 모델
기존 문제
통신·금융 분야의 대규모 데이터웨어하우스 구축·운영 경험은 깊지만, 병원·헬스케어 고객의 데이터 통합 과제에서는 식이·임상·부작용 기록을 환자 한 사람 단위로 잇는 설계 사례가 없어, 제안 단계의 데이터 모델을 매번 처음부터 짜야 합니다.
적용 방식
EMR·FFQ·식단기록·PRO-CTCAE·SNP가 한 사람 단위로 연결되고 추적조사 3차까지 쌓인 660명 코호트 구조를 참조 데이터 모델로 삼아, 병원 고객에게 낼 헬스케어 DW 제안서의 테이블 설계에 반영합니다. 연구자 자문과 데이터 이용 계약으로 시작합니다.
도입 효과
기술·성능 개선
Certi-AI 의료 라벨링에 부작용 표준 항목과 검수 규칙 추가
환자 보고 부작용 라벨을 PRO-CTCAE 20개 항목 체계로 표준화
식이-부작용 관계 라벨에 교란변수 보정 연관 205건 대조 규칙 추가
능동학습 샘플 선택에 7개 암종군·5개 치료법군 층화 기준 반영
B. 비즈니스·사업 개선
헬스케어 데이터 구축·통합 과제 수주에 쓸 의료 레퍼런스 확보
의료 AI 학습데이터 과제 제안서에 임상 라벨 검수 체계 추가
병원·헬스케어 고객 DW 제안에 환자 단위 통합 데이터 모델 제시
통신·금융 밖 헬스케어 DLOps 레퍼런스 확보로 신규 수요처 확대
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