AI 리서처 · 서울
Computational Pathology / 병리 파운데이션 모델 / 멀티오믹스
5년간 의료영상과 신약 개발을 위한 딥러닝을 연구해 왔습니다. WSI 파이프라인과 식약처(MFDS) 인허가 트랙 검증부터 병리 파운데이션 모델까지, 그리고 지금은 프로테오믹스·멀티오믹스로 영역을 넓히고 있습니다.
저는 Computational Pathology와 신약 개발을 위한 딥러닝 시스템을 개발합니다. H&E 기반 유방암 재발 예측 연구로 Scientific Reports 제1저자 논문을, Prostate International에 공동 제1저자 리뷰를 냈고, 대규모 병리 파운데이션 모델(G2L, AAAI 2026 워크숍 구두 발표)에도 참여했습니다.
OMIXAI에서는 조직병리 AI를 프로테오믹스·멀티오믹스로 확장하고 있으며, 한·미·일 정밀종양학 공동연구(Pan-Sarcoma 프로테오지노믹스)도 그 일환입니다. 특히 H&E 슬라이드만으로 분자 정보(유전자 발현·단백질)를 예측하고, 그 예측이 실제 분자 검사를 대신할 수 있는지 검증하는 연구에 집중하고 있습니다. 앞서 딥바이오에서는 WSI 파이프라인 개발과 식약처(MFDS) 인허가 신청을 위한 배포 전 모델 검증을 이끌었습니다.
Scientific Reports · 2025 · 1저자
다기관 후향적 연구(n=125; 국립암센터 + 고려대 구로병원)로, 조직병리만으로도 유전자 검사에 준하는 위험 층화가 가능함을 보였습니다.
AAAI 2026 워크숍 (W3PHIAI) · 구두
지식 증류(knowledge distillation)로 기가스케일 병리 파운데이션 모델을 작고 암종 특화된 인코더로 압축해, 더 적은 연산으로도 downstream 성능을 유지합니다.
Medical Image Analysis · 2026
KPIs 2024 챌린지의 공식 결과 논문(Medical Image Analysis 114권, 104234). 전체 슬라이드 트랙에서 2위를 기록했고, 패치 단위 학습을 슬라이드 단위로 일반화하는 문제를 다룹니다.
Prostate International · 2025 · 공동 1저자
비뇨기암 병리에서의 AI 최신 동향과 향후 방향을 임상·기술·규제 관점에서 정리한 리뷰 논문입니다.
Bioengineering · 2024
여러 해상도를 동시에 입력받고, 신뢰도(confidence) 기반 reject loss로 불확실한 영역은 예측을 보류합니다. 라벨 노이즈가 많은 조직병리를 위해 설계했습니다.
프리프린트 · 2026
H&E 기반 AI 위험도 점수로 공간 프로테오믹스를 안내해 삼중음성 유방암 156명을 분석했습니다. 고위험 니치는 세포 증식 경로가, 저위험 니치는 면역 활성이 두드러졌고, 여기서 도출한 13개 단백질 시그니처가 영상 기반 위험도와 결합해 예후 성능을 높였습니다.
프리프린트 · 2026 · 공동 1저자
WSI 패치를 형태학적 미시 상태로 묶고, 그 공간적 인접 관계에서 거시 상태(macrostate)를 찾아 저랭크 분자 프로그램으로 유전자 발현을 예측하는 선형 회귀 프레임워크입니다. TCGA 3개 암종에서 비교 모델 14종보다 높은 성능을 보였고, 선형 구조 덕분에 예측을 전역·영역별 분자 프로그램으로 분해해 해석할 수 있습니다.
프리프린트 · 2026
여러 조직 섹션을 아우르는 효율적 AI 분석으로 생화학적 재발을 예측하고, 단일 슬라이드 추론을 다중 섹션 검체 전체로 확장합니다.
IEEE Access · 2021
영역 주석(annotation) 단위의 픽셀 대조 손실로, 적고 불확실한 의료영상 라벨에서도 분할을 안정화합니다. 석사 논문으로 이어진 연구입니다.
서울 · 2026.11.17–20. 정확도가 높다고 분자 검사를 대체할 수 있는 건 아닙니다. 오분류를 치료 경로 편차로 환산한 '대체 비용'을 정의하고, 5개 암종(유방·폐·대장·위·두경부)에 사전등록된 단일 프로토콜(UNI + CLAM-SB, 기관 분리 hold-out, label-shuffle 대조)을 적용했습니다. 약 15개 엔드포인트 중 사전등록 기준을 통과한 것은 두경부암 HPV 하나뿐이었고, 대부분은 '부정'이 아닌 '미결'로 보고했습니다. Pseudo Lab 공동.
서울 · 2026.11.17–20. 멀티옴 RNA velocity가 내놓는 유전자별 파라미터(전사율 α, 분해율 γ, 크로마틴-전사 지연)가 실제로 믿을 만한지 검증했습니다. 5개 velocity 방법 × 4개 축(방법 간 재현성, ATAC-shuffle 대조, 외부 멀티옴 5종 재현, 측정된 합성·분해율과의 정합)으로 평가한 결과, α만 방법 간에 재현됐고 γ와 지연은 직교 검증이 필요한 것으로 나타났습니다.
AACR 연례학술대회 2023 · 포스터 · 1저자
초록 #5404 · 2023.04.02. IHC 염색 없이 H&E WSI만으로 ER·PR·HER2 상태를 예측. TCGA-BRCA 728례, 공유 인코더 + 수용체별 예측 헤드의 멀티태스크 모델에 신뢰도 기반 패치 선택을 결합. 고려대 구로병원 공동.
AACR 연례학술대회 2022 · 포스터 · 1저자
뉴올리언스 · 2022.04.12. H&E WSI 분석으로 21-유전자 재발점수를 근사할 수 있는지 검증. 호르몬 양성·림프절 음성·HER2 음성 125례, 패치 단위 CNN + 다수결로 저·중·고위험 분류, nested 교차검증. 저위험을 고위험으로 오분류한 사례 0건. Scientific Reports(2025) 논문으로 이어진 연구.
AACR 연례학술대회 2022 · 포스터 · 공저자
뉴올리언스 · 2022.04. 췌장 선암 H&E에서 생존 위험을 예측하고, 범(汎)선암 특징 추출기(GAFE)로 다른 장기 선암에도 적용할 수 있는지 검증. TCGA 췌장 179례, 5-fold 교차검증 · 직장(READ)·유방(BRCA)에 적용해 평가.
USCAP 연례학술대회 2022 · 포스터 · 공저자
2022.03.18. 일반 이미지 백본 대신 전립선 진단 모델의 특징으로 유방암 사망 위험을 H&E WSI에서 예측. TCGA-BRCA 980장, attention 기반 다중 인스턴스 학습, 5-fold 교차검증 · 고·저위험군 Kaplan-Meier 분리.
USCAP 연례학술대회 2022 · 포스터 · 1저자
2022.03.17. 판독자 간 편차를 줄이기 위한 일관된 조직학적 등급 판정(관 형성·핵 등급·유사분열). 병리의가 등급과 영역을 주석한 H&E WSI 125장, 종양 패치를 1/2/3등급으로 분류하고 class-activation map으로 검토. 고려대 의대 공동.
대한산업공학회 추계학술대회 2020 · 구두 발표 · 1저자
서울과학기술대 데이터사이언스학과, 황상흠 교수님과 함께. 인코더 병목의 특징 벡터에 feature-wise contrastive loss를 걸어 같은 클래스는 가깝게, 다른 클래스는 멀게 임베딩되도록 했습니다. CT 폐(Kaggle)·간(LiTS2017) 분할에서 U-Net과 UNet++ 모두 향상, 특히 거리 기반 경계 지표에서 큰 폭으로 개선. 석사 논문과 IEEE Access(2021) 논문으로 이어진 연구.
LoRA/PEFT 파인튜닝 기반 자기지도 프로테옴 표현 학습과 세포주(cell line) IC50 예측. 미학습 약물에 대해 leave-drug-out 프로토콜로 검증.
임상의사결정지원(CDSS)을 위한 반려견 종양 약물 추천 알고리즘 개발, 그리고 Virtual Cell Challenge 공동 주도(만능줄기세포의 CRISPR 넉다운 반응 예측).
NVIDIA Korea Agentic AI Hackathon 2026 출품작(5인 팀). 시판 전 표적 결합 예측(FlyDiscovery)과 시판 후 이상사례 감시(FlyVigilance)를 하나의 에이전트로 잇습니다. BioNeMo NIM(OpenFold3 · DiffDock · Boltz-2)으로 구조 예측부터 친화도까지 평가하는 FlyDiscovery 모듈과 탐색 워크벤치 UI를 담당했습니다.
다른 임상정보 없이 H&E WSI만으로 유방암 예후 예측. 패치 단위 분류에 신뢰도(confidence) 기반 선택과 다수결을 결합해 슬라이드 단위 GHI-RS 위험군으로 분류.
초기 약물 물성 프로파일링을 위한 ADMET 예측과 약물-표적 상호작용 모델링, 그리고 병리 이미지에서 OOD 샘플을 정의해 라벨 효율을 높이는 액티브 러닝 프레임워크. 내부 R&D로 공개 성과는 없음.
뇌출혈 영역의 2D·3D 분할과 슬라이스 단위 분류. 외부 공개 데이터로 도메인 일반화를 검증하고, class-activation map으로 분류 신뢰성을 점검(U-Net vs DeepLab).
생산 라인 불량 검출: 969장, 5개 클래스, 장당 0.3초 제약. 딥러닝 대신 머신비전으로 나사 위치를 잡아 배경을 제거한 뒤 분류해 성능을 끌어올림.
서울·부산 실거래가 예측(160만 건). 우편번호로 주소를 재매칭해 오기입 지역을 바로잡고, 원본에 없던 공공 API 피처(주변 지하철·학교)를 추가.
멜론·지니·바이브·유튜브 뮤직·애플 뮤직·벅스 6개 플랫폼의 일간 Top 100을 매일 같은 시각에 수집해 곡·아티스트 기준으로 병합하고 DB에 적재. 차트인/아웃에 따른 결측을 스키마(NULL 허용 컬럼)로 설계하고 다국어 제목을 위해 nvarchar 채택.
PASCAL VOC(20개 클래스, 1,928장, 4,203개 객체)에서 U-Net 분할에 adversarial training · label smoothing · cut-out을 단독/조합으로 적용해 견고성-정확도 트레이드오프를 비교. 의료 AI에서의 '견고성 우선' 관점의 출발점.
KPI 챌린지 2024 · 전체 슬라이드 트랙
사구체 분할 · MICCAI 2024 개최 · Med. Image Anal. 2026 게재
파운데이션 모델, 멀티오믹스, 또는 중개(translational) 디지털 병리, 편하게 연락 주세요.