황선덕 부교수

신장이식 환자에서 발생하는 항체매개거부반응(AMR)과 급성 신부전(AKI), 혈액투석 중 저혈압과 같은 합병증을 조기에 예측하여 환자 예후를 개선하기 위한 연구를 수행하고 있습니다. 후향적 코호트 데이터를 기반으로 기계학습 예측 모델을 개발했으며, 이 성과는 '인공지능 기반 기계 학습을 이용한 급성 신부전 발생 예측 장치 및 그 방법'(출원번호 1020200068147, 등록번호 1025048830000) 특허로 등록되었습니다. 인공지능 열영상 분석 장비를 활용하여 혈액투석 환자의 혈관통로 합병증을 예측하는 연구도 병행하고 있습니다. 개발된 모델은 집중치료실(ICU)에서의 급성신부전 발생 예측 및 치료의사결정 시스템, 혈액투석 환자의 혈관통로 합병증 예측 및 치료의사결정 시스템, 인공지능 열영상 기반 혈관통로 이상 예측에 적용되고 있습니다. 해당 예측 모델은 0.94~0.97 수준의 높은 예측 정확도를 확보했으며, '혁신형 의사과학자 공동연구사업' 참여를 통해 AI 기반 급성 신부전 예측·치료의사결정 프로그램 개발 성과를 발표한 바 있습니다. 이 연구는 임상 현장에서 실시간 의사결정 지원 도구로 활용되도록 지속적으로 고도화되고 있습니다.

이식 신장의 장기 생존율 향상을 위해 면역억제 전략과 감염 관리 방안을 규명하는 연구를 수행하고 있습니다. 네트워크 메타분석을 통해 IL-6 inhibitor와 리툭시맙 병용치료의 효능을 평가했으며, ABO 부적합 신장이식 환자에서 바이러스 감염 조절 효과를 분석하고 HLA mismatch에 따른 환자 사망률(patient mortality)을 예측하는 모델을 개발했습니다. 이러한 연구 결과는 신장이식 후 항체매개거부반응 치료 전략 수립에 활용되며, Calcineurin Inhibitor와 Mycophenolic acid 간 유지요법 전환투여에 대한 다기관 임상연구, HLA mismatch 기반 신이식 환자 사망률 예측 연구로 확장되고 있습니다. 다기관 임상연구와 네트워크 메타분석 결과는 다수의 논문으로 발표되었으며, 2024년에는 ABO 부적합 신장이식 관련 연구 성과를 발표했습니다. 이러한 연구를 통해 이식 신장의 장기 생존율 개선과 면역억제제 부작용 최소화를 위한 근거 기반 임상 지침 마련에 기여하고 있습니다. 이 과정에서 확보된 임상 데이터는 신장이식 환자의 장기 예후 개선을 위한 맞춤형 면역억제 전략 수립의 근거로 활용되고 있습니다.

당뇨병성 신증의 주요 원인 중 하나인 콩팥 내 림프관신생(Lymphangiogenesis) 기전을 규명하기 위한 연구를 수행하고 있습니다. AI 가상실험과 유전체 특징 분석을 통해 db/db 및 ob/ob 마우스 모델에서 림프관신생 조절 기전을 규명했으며, VEGFR3 표적 억제제 등의 신장 보호 효과를 검증하여 치료제 개발로 연계하고 있습니다. 이러한 연구는 당뇨병성 콩팥병 치료제 개발, 제2형 당뇨병 및 비만 모델 기반 신장보호 약물 스크리닝, 제1형 당뇨병 SGLT/GLP-1 억제제 네트워크메타분석 연계 연구에 적용되고 있습니다. [Ezbaro] 관련 산학 과제를 다수 수행했으며, 마우스 모델 기반 유전체 특징 규명 연구를 지속적으로 진행하고 있습니다. 특히 VEGFR3 신호전달 경로 억제를 통한 림프관신생 조절 효과 검증 결과는 향후 임상 적용 가능성을 뒷받침하는 전임상 데이터로서 의미를 갖습니다. 이를 통해 당뇨병성 콩팥병의 조기 진단 및 치료제 개발을 위한 기초 연구 기반을 구축하고 있습니다.