KOR
SITE MAP
회사소개
연구개발
고객문의
채용
온라인문의
연구개발
- 핵심기술
- 연구개발 파이프라인
- 서비스
연구개발 
연구개발 파이프라인
SYSBIOGEN
연구개발 파이프라인
전립선암 조기 진단 시스템
- 전립선암에 대해
- 전립선암(Prostate cancer, PCa)은 남성에게 높은 빈도로 발생되는 암입니다. 초기에 특별한 증상이 없고 전립선 비대증과 같은 다른 전립선 질환에서 나타나는 증상들과 유사해서 정확한 진단이 필요합니다. 조기 발견의 경우 생존율이 95% 이상에 가깝지만, 그렇지 않고 늦게 발견 될 경우 생존율이 50% 미만입니다. 현재 전립선암 진단방법으로 혈액검사로 전립선 특이 항원(Prostate Specific Antigen, PSA)의 수치를 확인하고, 추가적으로 조직 생검 등을 하여 확진을 합니다.
- 새로운 진단 시스템의 필요성
- PSA 수치가 높을 경우, 주기적으로 조직 생검 등을 통해 암의 여부를 조기에 진단하는 것이 필요합니다. 하지만 PSA 검사의 경우 정확도가 높지 않아서 60% 이상의 정상인이 불필요한 조직 생검을 받고 있으며 생검으로 인한 불필요한 경제적 손실 및 부작용(고통, 출혈 및 감염 등)을 초래하고 있습니다. 따라서 이를 대체할 수 있는 진단 시스템이 필요합니다. 아울러 소변 등을 이용한, 환자의 고통 없이 쉽게 주기적으로 검사할 수 있는 시스템이 필요합니다.
- 기술개발 과정
- 머신 러닝을 기반으로 전립선암을 조기에 진단할 수 있는 시스템을 현재 특허 등록(제10-2550113호)하였고, 관련 제품을 개발하고 있습니다.
-
STEP. 1 샘플(오줌) 수거
-
STEP. 2 RNA 추출
및 CDNA 합성 -
STEP. 3 실시간 중합효소
연쇄반응 (qPCR) -
STEP. 4 데이터 분석
-
STEP. 5 전립선암 위험가능성
평가서 발송
-
STEP. 1 샘플(오줌) 수거
-
STEP. 2 RNA 추출
및 CDNA 합성 -
STEP. 4 데이터 분석
-
STEP. 3 실시간 중합효소
연쇄반응 (qPCR) -
STEP. 5 전립선암 위험가능성
평가서 발송 -
만성골수성백혈병 약물저항성 변이 검출 시스템
- 만성골수성백혈병에 대해
- 만성골수성백혈병(Chronic Myeloid Leukemia, CML)은 대부분 9번과 22번 염색체 사이의 끝부분이 자리를 바꿔 융합한 BCR-ABL1 fusion 염색체인 필라델피아 염색체의 형성으로 인한 것입니다. BCR-ABL1 융합단백질의 비정상적인 tyrosine kinase 활성으로 인해 암세포의 증식이 일어나게 됩니다. 따라서 TKI(Tyrosine Kinase Inhibitor) 계열 항암제들로 현재 치료를 하고 있습니다.
- 약물치료 모니터링 필요성
- CML 환자는 TKI 계열 항암제를 투여 받고 이에 대한 항암 효과를 확인하기 위해 몸 속의 BCR-ABL1 fusion transcript의 농도를 추적 관찰을 합니다. 이와 더불어 항암제 저항성을 띠는 변이의 발생 또한 모니터링을 할 필요성이 있습니다. 기존 항암제에 저항성을 띠는 변이가 확인이 되면, 새로운 항암제로 대체해야 합니다. 또한 미세 잔존 암세포(Minimal Residual Disease, MRD)가 존재하는지 확인하는 것도 매우 중요합니다. 따라서 CML의 치료 과정에서 매우 낮은 농도의 transcript와 변이 여부를 검출해 낼 수 있는 기술이 요구되고 있습니다.
-
미세 잔존 암세포 모니터링 미실행 -
미세 잔존 암세포 모니터링 실행
- 기술개발 과정
- 혈액 내 BCR-ABL1 fusion transcript 중에 항암제 저항성 변이 발생 여부를 BDA 기술을 활용하여 매우 낮은 농도에서도 높은 민감도와 특이도로 검출하는 제품을 현재 개발하고 있습니다.
인공지능(AI)+유전체데이터+유방촬영술의 융복합 라디오지노믹스 연구 개발
- 병/의원의 유방암 의심 환자를 대상으로 유방촬영술로 얻은 영상데이터를 인공지능으로 분석하고, 추가적으로 환자 샘플의 차세대 유전자 서열 분석(NGS) 데이터와 접목한 라디오지노믹스(Radiogenomics) 시스템을 통해 개인의 암 진단에 획기적인 진단 서비스를 개발 중입니다.
- 라디오지노믹스의 특장점
- 의료 영상 데이터(라디오믹스, Radiomics)와 유전체 데이터(지노믹스, Genomics)를 접목하여 환자의 유전적 특성과 영상 데이터 간의 연관성을 분석합니다. 이를 통해 특정 유전적 이상이 특정 병변의 형성과 관련성이 있는지 파악할 수 있습니다.
- 빅데이터 분석과 기계학습 기법을 활용하여 복잡한 데이터 상호작용을 해석함으로써 진단 기술을 향상시켜 의료영상 판독이 어려운 경우에도 진단의 정확도를 높일 수 있습니다.
- 개인 맞춤형 치료 전략을 개발하는데 활용될 수 있습니다.
의료 영상 데이터 획득하여
판독
결정에 활용환자의 임상적 데이터
-
조직 특성화
유전적 발현
유전적 변이
후성유전학적 분석
엑솜 특성화
비코딩 게놈
-
라디오믹스
MRI
CT
PET
-
임상데이터
-
지노믹스
IHC
Microarray
DNA sequencing
NGS
라디오지노믹스
영상데이터와 유전자 프로파일간 연관성 분석
기능 선택
통합 데이터 분석
(상관 분석, 회귀 모델, LASSO 정규화, 클러스터 분석)
데이터 정규화
데이터 해석
-
라디오믹스의 기술 적용환자 맞춤형 치료계획
유전적 특징을 분석
분석된 유전적 특징과의 연관성을 기반으로 맞춤형 치료 병행
-
개인별 맞춤형 치료의 기존 한계를 극복
위험 계층화
조기진단
치료 선택
치료 반응
정확한 예측