초록 ▼

연구 목표
난치성 뇌종양 내 유전자 변이를 시각화하여 개인별 정밀 치료 선정 및 반응 평가를 보조하는 영상-유전체 융합 (Radiogenomics) 플랫폼 개발
1. 뇌종양 내 공간 이질성 유전체 변이와 고도화된 영상 데이터의 연관성을 분석
2. 개인별 영상-유전체 융합 플랫폼을 통한 공간 이질성 유전 분포 시각화, 개인별 정밀 치료의 표적 발견
3. 뇌종양 환자 영상 및 임상 빅 데이터 수집 및 중개적 치료반응 평가도구 개발

연구 내용
1. 뇌 종양 내 영상 데이터 및 유전체 데이터 플랫폼

연구 목표
난치성 뇌종양 내 유전자 변이를 시각화하여 개인별 정밀 치료 선정 및 반응 평가를 보조하는 영상-유전체 융합 (Radiogenomics) 플랫폼 개발
1. 뇌종양 내 공간 이질성 유전체 변이와 고도화된 영상 데이터의 연관성을 분석
2. 개인별 영상-유전체 융합 플랫폼을 통한 공간 이질성 유전 분포 시각화, 개인별 정밀 치료의 표적 발견
3. 뇌종양 환자 영상 및 임상 빅 데이터 수집 및 중개적 치료반응 평가도구 개발

연구 내용
1. 뇌 종양 내 영상 데이터 및 유전체 데이터 플랫폼 구축
1.1 수술로 얻어진 뇌 종양 내 유전체 오믹스 (genomics) 분석
1.2 확산강조영상, 혈관투과도영상, 분자 영상 뇌혈류용적영상 및 뇌혈류영상을 조합한 고도화된 다지표 영상 수집
1.3 데이터 수집 전처리, 분할 및 영상 특징 추출
2. 영상 및 유전체 데이터 간 연관성 분석
2.1 영상 지표와 병리 소견 중 세부적인 유전체 지표의 연관성 규명
2.2 유전체와 다지표 영상 연관성 분석, 종양내 공간 이질성 시각화
2.3 유전체와 연관된 여러 영상 지표 중 평가를 통한 최적의 지표 발견
3. 영상-유전체 융합 플랫폼 구축
3.1 비 침습적인 영상검사로 종양 내 유전체의 분포를 시각화하는 영상-유전체 융합 플랫폼 구축 (radiogenomics big data platform)
3.2 정보 시각화 기술로 개인별 정밀 치료의 표적 발견
4. 영상-유전체 융합 플랫폼 임상 검증
4.1 임상데이터, 영상데이터, 질환 관련 오믹스 포함 데이터 구축
4.2 검증집단 (test set)에서 융합 플랫폼 지표와 표적항암제 및 방사선 치료반응과의 연관성을 전향적으로 검증
4.3 특정 항암 치료의 반응과 연관이 있는 영상-유전체 융합 플랫폼 지표에 대해 메타분석을 시행함

기대성과
1. 난치성 뇌종양 환자를 비침습적 영상검사로 종양내 유전체 분포를 예측함으로써 불필요한 침습적 생검 검사를 방지.
2. 영상-유전체 융합 연구로 유전체 기반 기초연구와 임상적 진단 기술을 중개하는 진단 기술이 됨.
3. 개인별 다양한 유전체 변이의 분포를 시각화 하여 개인별 정밀 진단 및 표적 치료 선정에 도움이 되는 기술임.
4. 임상 데이터로 검증하여 향후 치료반응을 예측하는 지표가 됨.

(출처 : 요약문 5p)

Abstract ▼

Aim
To develop a radio-genomic platform for malignant brain tumor supporting clinical decision making for precision oncology
1. Correlation analysis for intratumoral spatial heterogeneity and genetic landscape
2. Development of individualized radiogenomic map to demonstrate target imaging b

Aim
To develop a radio-genomic platform for malignant brain tumor supporting clinical decision making for precision oncology
1. Correlation analysis for intratumoral spatial heterogeneity and genetic landscape
2. Development of individualized radiogenomic map to demonstrate target imaging biomarker with aggressive tumor component and tissue with growth potential
3. Prospective database construction incorporating clinical, radiologic, and genetic data to assess therapeutic response

Methods
1. Retrospective database construction to correlate imaging features with genetic mutations
1.1 Analysis of genetic data from surgical specimen
1.2 Acquisition of imaging data using diffusion-weighted, perfusion-weighted imaging, and molecular imaging
1.3 Imaging data pre-processing and feature extraction
2. Correlation analysis between imaging features and each genetic mutations
2.1 Depiction of intratumoral spatial heterogeneity using multiparametric MRI data
2.2 Correlation of genetic landscape with multiparametric MRI parameters
2.3 Application of machine learning to find relevant radiogenomic features
3. Construction of radio-genomic platform
3.1 Construction of radiogenomics big data platform
3.2 Visualization and find a target for signaling pathway with non-invasive manner
4. Clinical validation of radiogenomic platform
4.1 Recruiting of prospective dataset and test the association of radiogenomic results and actual genetic mutations

Future perspectives
1. Enables noninvasive prediction of genetic mutation and alteration of core signaling pathway
2. Enables identification of target for individual patient undergoing targeted therapy
3. Enables precision medicine by predicting genetic heterogeneity and alteration of core signaling pathway in repetitive and dynamic manner

(출처 : Project Summary 6p)

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 목차 ... 4
• 요약문 ... 5
• Project Summary ... 6
• 1. 연구과제의 최종 연구개발 목표 ... 7
• 1-1. 연구개발의 최종목표 ... 7
• 2. 연구과제의 연구대상 및 방법 ... 8
• 2-1. 연구과제의 대상: 레지스트리를 통해 구축 된 뇌종양 환자 ... 8
• 2-2. 연구개발의 추진전략 ... 8
• 2-3. 연구개발의 방법 ... 8
• 3. 연구과제의 연구개발결과 ... 13
• 4. 연구과제의 연구결과 고찰 및 결론 ... 24
• 5. 연구과제의 연구성과 및 목표달성도 ... 26
• 6. 연구과제의 활용계획 ... 39
• 7. 참고문헌 ... 40
• 8. 첨부서류 ... 41
• 끝페이지 ... 62