요약
전통적인 항암 치료에서 특정 약물에 대한 저항성은 치료 효과를 감소시키는 주요 원인입니다. 이를 해결하기 위해 환자의 유전자 데이터를 활용한 예측 모델이 개발되고 있습니다. 이 모델은 환자의 개인적 유전자 특성을 바탕으로 약물 저항성을 사전에 예측하여 해당 환자에게 가장 적합한 약물을 선정하는 데 도움을 줍니다. 머신러닝 알고리즘을 사용하여 유전자 데이터와 약물 반응 정보를 결합, 가중치 행렬을 기반으로 특정 약물에 대한 환자의 저항성을 예측합니다. 이 혁신은 치료 전략을 맞춤화하고 신약 개발을 가속화하며, 의료 비용 절감과 환자 치료 성과를 향상시킬 수 있는 잠재력을 갖고 있습니다.
기본 정보
•
특허명: 약물에 대한 저항성 여부의 예측 모델을 생성하는 전자 장치 및 그 동작 방법
•
발명자: 안재균 교수
•
출원번호: 10-2019-0055615
•
등록번호: 10-2273154
상세 정보
발명의 배경과 필요성
기술의 배경과 문제점
•
현대 의학에서는 많은 질병 치료에 있어 다양한 약물이 사용되지만, 특정 환자에게 약물 저항성이 발생하는 문제가 있음. 특히, 항암 치료에서 이러한 약물 저항성 문제는 환자의 치료 효과를 크게 감소시킬 수 있다는 점에서 중요함.
•
약물 저항성 문제를 해결하기 위해 환자의 유전자 데이터를 활용한 예측 모델이 필요함. 이는 환자의 유전자 특성에 따라 약물에 대한 저항성을 사전에 예측하여 적절한 약물을 선택하는 데 도움을 줄 수 있음.
기술의 필요성
•
약물 반응이 유전자 발현량과 관련이 있다는 연구 결과들이 증가하고 있음. 이로 인해 유전자 데이터를 활용한 예측 모델 개발이 기대됨.
•
개인 맞춤형 치료 전략 수립 및 저항성 약물의 예측을 통해 약물 치료의 효율성을 높이고, 새로운 약물 개발에도 기여할 수 있음.
구현방법
기술의 원리
•
유전자 데이터와 약물에 대한 실험 결과를 기초로 한 예측 모델을 구성함. 이를 통해 복수의 약물에 대한 환자의 저항성을 예측할 수 있음.
•
이 모델은 환자로부터 수집한 유전자 데이터와 약물에 대한 저항성 여부를 결합하여 머신러닝 알고리즘을 통해 가중치 행렬을 결정하고 예측 모델을 생성함.
구체적인 구현 방법
•
훈련 데이터 저장부, 벡터 생성부, 은닉층 생성부, 내적 연산부 및 학습 수행부로 구성됨.
•
유전자 데이터 값을 성분으로 갖는 벡터는 가중치 행렬과 곱해져 연산 벡터를 생성하며, 이는 은닉층을 생성하는 데 사용됨. 이후 출력 데이터와 원-핫 벡터 간의 내적을 연산하여 손실 함수를 최소화하도록 기계학습을 수행함.
기술의 장점
•
예측 모델을 통해 특정 환자의 약물에 대한 저항성을 사전에 파악할 수 있어, 치료 전략 수립과 새로운 약물 개발에 유용함.
발명의 활용 방안
활용 방안
•
환자의 유전자 특성을 바탕으로 적절한 치료 약물을 선택하는 데 활용될 수 있음.
•
제약 산업에서 약물 저항성 연구와 맞춤형 치료 전략 수립에 있어 중추적인 역할을 할 수 있음.
기대효과
•
환자의 맞춤형 치료 전략 개발을 통해 약물 효능을 최적화하고, 신약 개발 과정에서도 핵심적인 기술로 자리잡을 수 있을 것임.
•
의료 비용 절감 및 환자의 치료 성과 향상에 기여할 수 있는 잠재력을 가짐.
시장 동향
유전자 데이터 예측 모델
대표도면
인천대학교 산학협력단
(21999) 인천광역시 연수구 갯벌로 27(송도동) INU이노베이션센터 202호
본 메일은 마케팅 활용 동의서에 동의하신 회원님께 전송된 것입니다.
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.