Multi-Modal Deep Learning Framework for Immunotherapy Response Prediction in Advanced Hepatocellular Carcinoma Using Histopathology and Spatial Transcriptomic Data
이공학학술연구기반구축(R&D) · 미래도전연구지원
2026년
2340063994
교육부
한국연구재단
가톨릭대학교산학협력단
이성학
5명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2031.08.31
8,000만원
8,000만원
기초연구
대학
서울특별시 서초구
보건의료 > 의생명과학 > 기초병리학
진행성 간세포암 환자에서 병리 이미지, 전장유전체, 공간전사체, 단일세포/단일핵 전사체 및 임상정보를 통합한 설명 가능한 다중모달 인공지능 예측 플랫폼을 구축하여, 면역관문억제제 치료 반응과 생존을 정밀하게 예측하는 것을 최종 목표로 함. 이를 통해 단일 바이오마커 기반 접근의 한계를 극복하고, 치료 전 환자별 반응 가능성을 계층화할 수 있는 통합 알고리즘...
... 분석, 공간전사체 분석이 가능하도록 샘플 처리 체계를 표준화하고, 병리 H&E 슬라이드의 디지털 스캔 및 전처리 파이프라인도 함께 구축. 또한 다중오믹스 데이터의 병리 이미지?오믹스 정합을 ... 설명 가능한 인공지능 기반 예측모듈을 완성.5차년도: 최종 모델 완성, 기능 검증, 임상 전환 기반 구축최종 통합 예측알고리즘과 핵심 바이오마커 패널을 확정하고, in vitro 및 in ...
... 불필요한 독성과 의료비 부담을 줄일 수 있을 것으로 기대함. 또한 치료 전 환자 선별의 정밀도를 높여 실제 임상 의사결정의 객관성과 재현성을 향상시킬 것으로 기대함.셋째, 본 과제의 성과는 디지털 병리 기반 정밀진단 기술, 동반진단 바이오마커, 의료 인공지능 소프트웨어 개발로 확장될 수 있어 국내 의료 AI 산업 경쟁력 강화에 기여할 것으로 기대함. 아울러 설명 가능한 인공지능을 ...