연구 활동

'AAA' 전략: 인공시각 (Artificial Vision), 대안동물모델 (Alternative animal models), 인공지능 (Artificial Intelligence).

  - 퇴행성 망막 질환 치료의 새로운 길을 찾습니다.

I. 인공 시각: 생물학적 회로에서 시각 회복까지

광수용체의 심각한 소실이 발생하는 말기 망막 퇴행성 질환에서, 저희 연구는 생물학과 공학의 간극을 연결합니다.

• 망막 회로 해독: 중심-주변 수용 영역, 측면 억제, 그리고 양극세포와 아마크린세포의 생리적 기전에 초점을 맞추어 생물학적 망막의 정교한 신호 처리 과정을 분석합니다.

• 생체모방 계산 모델: 이러한 복잡한 신경 기전을 수학적 모델로 변환함으로써, 차세대 망막 보철 및 시각 회복 기술을 위한 영상 처리 알고리즘 개발을 선도하고자 합니다.

II. 대안 동물 모델: 망막 노화의 해석

나이 관련 황반변성(AMD)과 같은 퇴행성 질환의 근본적인 기전을 탐구합니다.

• 급속 노화 생체 모델: 인간과 유사한 노화 표현형을 빠르게 나타내는 독특한 척추동물 모델인 아프리카 킬리피쉬를 활용하여, 망막 퇴행의 진행 과정을 연구합니다.

III. 인공지능: 데이터 기반 정밀 안과학

저희는 인공지능의 강력한 역량을 활용하여 복잡한 다중 모달 임상 및 동물 데이터를 개인 맞춤형 환자 치료를 위한 실질적인 통찰로 전환합니다.

• 안과 데이터 기반 뇌질환 분류: 망막 영상을 통한 CADASIL 및 알츠하이머병 중증도 분류

• 자동화 분할: 황반 내 액체, 망막하 고반사 물질(SHRM), OCT 및 OCTA에서의 Haller 혈관 형태 등 주요 영상 바이오마커를 정밀하게 정량화하는 강인한 합성곱 신경망(CNN) 개발

• 장기 예후 예측: 생성적 적대 신경망(GAN)을 활용하여 기저 임상 데이터로부터 치료 12개월 후 OCT 영상을 성공적으로 예측 및 생성

• 해석 가능한 머신러닝: SHAP 등 고급 머신러닝 기법을 적용하여 시력 예후를 예측하고, 신생혈관 황반변성(nAMD) 치료에 대한 투명한 예측 로드맵을 임상의에게 제공