풀무원건강생활을 위한 기술 제안
풀무원건강생활 건강기능식품에 식습관 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.
풀무원건강생활
이 이 기술을 주목해야 하는 이유
1
건강기능식품 라인업: 식습관 유형별 패키지 구성
기존 문제
풀무원건강생활이 건강기능식품 라인업을 고객군별로 다시 묶을 때, 고객의 식습관과 대사 상태 차이를 보여 줄 한국인 데이터가 없으면 패키지가 연령·관심사 구분에 머물고, 고객이 왜 이 구성인지 납득할 설명을 갖추기 어려울 수 있습니다.
적용 방식
FFQ·식단 이미지로 모은 640명 식이 데이터와 식이 추천 모델로 식습관 유형을 나누고, 유형별로 묶어 권할 제품 패키지 기준을 세우는 데 쓸 수 있습니다. 효능 표시가 아닌 기획·검증 설계의 근거로 쓰며, 데이터 이용 계약으로 시작합니다.
2
맞춤형 제품 추천: 대사 위험 기반 자가 확인 지표 검토
기존 문제
풀무원건강생활이 맞춤형 제품 추천을 검토할 때 고객이 스스로 확인할 간편한 건강 지표가 없으면 추천이 설문 응답에만 기대게 되고, 같은 응답이라도 사람마다 다른 대사 위험을 반영하기 어려워 추천의 신뢰를 쌓기 어렵고 기존 라인업 판매와도 연결하기 어렵습니다.
적용 방식
당뇨병 예측 모델의 입력 변수와 위험 구간을 참고해 고객이 쉽게 답할 수 있는 자가 확인 항목을 고르고, 맞춤형 추천의 위험 구간별 조합 규칙을 설계하는 데 쓸 수 있습니다. 효능 표시가 아닌 기획·검증 설계의 근거로 쓰며, PoC로 범위를 정합니다.
도입 효과
기술·성능 개선
제품 패키지·추천 설계에 식습관·대사 위험 유형 기준 추가
FFQ·식단 이미지 데이터로 고객군별 식습관 유형 정의 기준 마련
당뇨병 예측 모델 입력 변수로 고객용 자가 확인 지표 후보 검토
식품 통합 DB 12,151건으로 패키지별 함께 권할 제품 조합 검토
B. 비즈니스·사업 개선
라인업 재구성과 맞춤 추천 서비스로 재구매 확대 기회
기존 라인업을 다시 묶은 식습관 유형별 건강기능식품 패키지 기회
기존 고객 대상 대사 위험 기반 맞춤 추천 서비스 도입 검토
추천 근거를 보여 주는 고객 안내 자료로 패키지 재구매 설득력 강화
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