병리 이미지와
분자 데이터를
연결하다
병리 이미지에서 전사체·단백질체 등 분자정보를 추출하고, 바이오마커를 탐색하는 멀티모달 생성형 AI 플랫폼
Products
두 가지 제품,
하나의 기술 스택
이미지에서 분자정보를 생성하는 Genesis와 바이오마커를 탐색하는 Catalyst. 생성 데이터와 wet-lab 검증이 선순환하는 구조입니다.
Genesis
병리 이미지로부터 분자정보 생성
H&E 병리 이미지에서 전사체·단백질체 등 분자 데이터를 추출합니다. 부족한 오믹스 데이터를 합성 데이터(in-silico)로 보완하고, 기관별 데이터 편차를 보정합니다.
- › 병리 이미지 → 전사체/단백질체 추론
- › 합성 데이터로 오믹스 데이터 보완
- › 기관별 배치 편차 보정
Catalyst
바이오마커 고속 탐색 엔진
AI, 수리최적화, 강화학습을 융합하여 수만 개 유전자 조합을 초고속 스크리닝합니다. 소규모 코호트의 한계를 극복하고 임상·산업 검증이 가능한 바이오마커 후보를 도출합니다.
- › AI + 최적화 + 강화학습 융합 알고리즘
- › 유전자 조합 초고속 스크리닝
- › Wet-lab 검증 피드백 루프
Core Technologies
멀티모달 파운데이션 모델
병리 이미지, 전사체, 단백질체를 공통 잠재공간(latent space)으로 정렬합니다. 각 모달리티별 공개 데이터로 foundation encoder를 사전학습한 후 일부 paired 데이터로 정렬합니다.
생성 데이터 + Wet-Lab 검증
데이터 부족 문제를 합성 데이터로 보완하고, IHC 검증·세포실험 등 wet-lab 검증 결과를 다시 학습에 반영하는 선순환 구조로 정확도를 지속 고도화합니다.
프라이버시 보호형 학습
병원 내 익명화/비식별화 후 feature 또는 gradient 기반 반출 및 연합학습(federated learning)으로 법적·규제 제한에 대응합니다.
Research
Scientific Publications
ML-based integration of transcriptome and digital pathology for predicting chemoresistance in muscle-invasive bladder cancer
Synaptophysin, CD117, and GATA3 as a diagnostic IHC panel for small cell neuroendocrine carcinoma
PD-L1 Upregulation by the mTOR pathway in VEGFR-TKI-Resistant Metastatic Clear Cell Renal Cell Carcinoma