Image-to-Omics
Genesis
병리 이미지에서 전사체·단백질체 등 분자 데이터를 생성합니다. 고비용 오믹스 검사를 대체·보완하여 정밀의료와 신약개발을 가속화합니다.
01
취득 비용과 지연
전사체/단백질체 확보에 추가 비용과 2~4주 소요. 실제 의료현장 적용이 어렵습니다.
02
데이터 파편화
기관·플랫폼·프로토콜 차이로 batch shift 발생, 모델 일반화가 저하됩니다.
03
법적·상업적 제한
비식별화·반출 규제로 멀티오믹스 데이터 통합 확보가 어렵습니다.
Features
핵심 기술
병리 이미지 → 분자정보 추론
H&E 병리 이미지로부터 전사체(RNA-seq) 및 단백질체 발현 프로파일을 추출합니다. 추가 오믹스 검사 없이 즉각적으로 분자 수준 정보를 얻을 수 있습니다.
멀티모달 파운데이션 모델
병리 이미지, 전사체, 단백질체를 공통 잠재공간으로 정렬하는 파운데이션 모델을 기반으로 합니다. 각 모달리티별 공개 데이터로 사전학습 후 paired 데이터로 정렬합니다.
합성 데이터 생성
부족한 오믹스 데이터를 in-silico 합성 데이터로 보완합니다. 생성된 데이터는 Catalyst의 바이오마커 탐색 입력으로 활용됩니다.
도메인 적응 및 미세조정
병원별 paired 또는 독립 모달리티 데이터를 활용해 fine-tuning합니다. 기관별 이미지 편차와 배치 시프트를 보정하여 현장 최적화 모델을 구축합니다.
프라이버시 보호형 학습
병원 내 익명화/비식별화 후 feature 또는 gradient 기반으로 데이터를 반출합니다. 연합학습(federated learning)으로 법적·규제 제한에 대응합니다.
Wet-Lab 검증 피드백
생성된 분자정보의 정확도를 IHC 검증, 세포실험 등 wet-lab 실험으로 확인하고, 검증 결과를 다시 학습에 반영하여 지속적으로 성능을 고도화합니다.