Causal AI for Estimating Treatment Effect Heterogeneity in Cancer Patients Using SEER-Medicare Data
국가간협력기반조성 · (인력교류) 미국_여성대학원생
2026년
2710115153
과학기술정보통신부
한국연구재단
(서울)경희대학교산학협력단
장민설
2명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
2,000만원
2,000만원
응용연구
대학
서울특별시 동대문구
보건의료 > 보건학 > 보건경제/경영/사회
본 연구의 최종목표는 미국의 SEER-Medicare 자료를 활용하여 환자의 기저특성과 상태를 고려하여 고령의 암환자에서의 치료효과 이질성을 추정하여 임상 의사 결정에 대한 실세계 근거를 창출하는 것이다.65세 이상 환자는 임상시험에 포함되지 않아 그에 대한 근거가 부족하며, 특히 항암제에 대한 내약성이 낮은 것으로 알려져 치료제 선택에 어려움이 있다. S...
... effect, ITE)를 추정하고, 실제 임상현장에서 환자의 특성을 고려한 맞춤형 치료 전략 수립에 활용 가능한 근거를 마련하고자 한다.2. 연구 대상 및 자료미국 SEER-Medicare 데이터를 활용하여 65세 이상의 비소세포폐암(Non-Small Cell Lung Cancer, NSCLC)을 포함한 주요 암종 환자를 대상으로 연구를 수행한다. SEER-Medicare는 미국의 암등록자료와 ...
... 절차는 국내 HIRA·NHIS 자료를 활용한 후속 연구에도 적용 가능하여, 국내 보건의료 빅데이터 기반 정밀의료 연구와 규제과학 연구의 방법론적 수준을 높일 수 있다. 연구 결과는 국제학술지 ... 자료 활용 경험과 미국의 SEER-Medicare 자료 분석 경험을 결합하여 한미 보건의료데이터 연구 협력 기반을 강화한다. 셋째, Causal AI와 대규모 암 환자 자료 분석 역량을 확보하여 ...