AIFrenz 참여 연구자들의 최신 연구결과를 소개합니다. (1)

–

연구 #1: Global burden of insomnia medication-associated suicidality, 1967-2024: A disproportionality analysis of the global pharmacovigilance database

등록 저자: Eun Kyoung Chung (Kyung Hee University)
공동 저자: Tae Hyeon Kim and Kyeongmin Lee and Suhyun Lee and Jiyoung Hwang and Hanseul Cho and Guillaume Fond and Laurent Boyer and Eun Kyoung Chung and Dong Keon Yon

가상의 활용 시나리오
예를 들어, 한 대형 병원의 정신건강 클리닉에서는 불면증 환자를 대상으로 약물 처방 전후 자살 위험에 관한 정보를 의사와 환자가 함께 검토할 수 있도록 이 연구 결과를 활용할 수 있습니다. 연구 결과를 바탕으로 의사는 특정 수면제의 자살 관련 부작용 발생 가능성을 고려해 개인 맞춤형 치료 계획을 수립하고, 환자에게는 약물의 이점과 위험에 대해 명확히 설명할 수 있습니다. 또한, 보건 당국은 이 데이터를 바탕으로 신약 허가와 약물 안전성 모니터링 체계를 강화하여 환자 안전을 증진시킬 수 있습니다.
연구내용 요약
이 연구는 WHO의 글로벌 약물 부작용 감시 데이터베이스(1967년~2024년)를 활용하여 불면증 치료에 사용되는 여러 약물(벤조디아제핀, Z-드럭, 항우울제, 1세대 H1 길항제, 듀얼 오렉신 수용체 길항제 등)과 자살 관련 부작용 사이의 연관성을 분석하였습니다. 연구진은 멜라토닌 및 그 수용체 작용제를 기준군으로 설정하여, 연령, 성별, 보고 지역 등의 변수에 대해 다변량 로지스틱 회귀분석을 진행하였으며, 그 결과 벤조디아제핀 계열 약물의 경우 자살 관련 부작용 보고 위험비(ROR)가 1.78(95% 신뢰구간 1.62-1.97)로 유의하게 높게 나타남을 확인하였습니다.
미래 활용 방안
본 연구 결과는 임상 현장에서 불면증 치료제를 처방할 때 환자 개개인의 위험 요인을 고려한 맞춤형 치료 전략을 수립하는 데 기여할 수 있습니다. 더불어, 약물 안전성 평가 및 부작용 모니터링 시스템을 개선하고, 제약회사나 보건 당국이 신약 개발 및 허가 심사 시 위험 관리 방안을 마련하는 데 활용될 수 있습니다. 향후 연구에서는 다양한 인구 집단을 대상으로 추가 분석함으로써, 불면증 치료제와 자살 위험 간의 인과관계를 보다 명확히 하고, 예방적 치료법 개발에 기여할 수 있을 것으로 기대됩니다.

제1저자 Spotlight: Tae Hyeon Kim

이 연구에서는 불면증 약물이 자살 위험과 어떤 관련이 있는지 조사하였습니다. 저희 연구팀은 세계보건기구(WHO)가 운영하는 글로벌 약물 부작용 감시 데이터베이스를 활용하여 1967년부터 2024년까지의 자료 중 불면증 치료에 사용되는 여러 약물(예를 들어, 벤조디아제핀 계열, Z-약물, 항우울제, 1세대 H1 길항제, 그리고 이중 오렉신 수용체 길항제)을 분석하였습니다. 이를 통해 각 약물군에 대해 자살 위험을 통계적으로 평가하였으며, 특히 벤조디아제핀 계열 약물에서 유의미한 위험 증가가 관찰되었음을 확인하였습니다.

이와 같은 연구 결과는 일상생활 속에서 불면증 치료를 받고 있는 분들이 자신이 복용하는 약물의 부작용과 위험성을 보다 신중하게 인지하고, 필요 시 의사와 상담할 수 있는 중요한 정보를 제공하는 데에 도움이 될 수 있습니다. 예를 들어, 불면증 치료를 시작하기 전이나 진행 중인 분들께서는 약물의 부작용에 대해 미리 알고 대비할 수 있도록 의사 선생님과 충분한 상담을 받으시는 것이 바람직합니다.

출처
(불면증 약물 부작용 분석) https://www.sciencedirect.com/science/article/pii/S0165178125002355

연구 #2: mLaSDI: Multi-stage latent space dynamics identification

등록 저자: Youngsoo Choi (Research Scientist, LLNL)
공동 저자: William Anderson and Kevin Chung and Youngsoo Choi

가상의 활용 시나리오
예를 들어, 항공기 설계 엔지니어들이 비행 중 발생할 수 있는 복잡한 유동 및 열전달 문제를 신속하게 예측하기 위해 mLaSDI를 도입할 수 있습니다. 기존의 고차원 시뮬레이션 대신, 여러 단계의 오토인코더를 적용해 계산 시간을 크게 단축하면서도 정확한 예측값을 산출, 날씨 변화나 급격한 외부 충격 상황에서도 안전하게 항공기의 성능을 모니터링하고 안정성을 확보할 수 있는 시스템에 응용될 수 있습니다.
연구내용 요약
본 논문에서는 전통적인 부분 미분 방정식(PDE) 해결 방법이 가진 계산 복잡성과 속도 한계를 극복하기 위해, 기존의 LaSDI 기법을 개선한 mLaSDI (multi-stage LaSDI)를 제안합니다. mLaSDI는 여러 단계에 걸쳐 오토인코더를 순차적으로 학습시키며 이전 단계의 오차를 보완해 나가, 낮은 차원의 잠재 공간에서 ODE(상미분 방정식)를 효과적으로 학습하고 예측합니다. 이로 인해 복잡한 문제에서도 재구성오차와 예측오차가 감소하고, 학습 시간 또한 단축되어 다양한 과학 및 공학 문제에 빠르고 신뢰성 있는 솔루션을 제공할 수 있음을 보여줍니다.
미래 활용 방안
앞으로 mLaSDI는 다양한 분야, 예를 들어 기상 예측, 에너지 시스템 모델링, 생물학적 시스템의 동역학 분석 등에서 실시간 예측 및 제어 목적으로 활용될 수 있습니다. 또한, 인공지능과 결합된 첨단 제조 공정이나 스마트 인프라 관리에서도 본 기법의 신속한 계산 능력과 높은 예측 정확성이 중요한 역할을 할 것으로 기대됩니다. 이를 통해 복잡한 시스템의 분석과 최적화를 보다 효율적으로 수행할 수 있을 것입니다.

제1저자 Spotlight: William Anderson

이 연구에서는 저희 연구팀이 기존의 수치 해석 방법보다 빠르고 정확하게 복잡한 물리 문제를 해결할 수 있는 새로운 접근법을 제안하고자 하였습니다. 기존에 사용되던 축소 차원 모델(ROM) 방식인 LaSDI는 데이터 압축 및 예측 과정에서 어려움을 겪었는데, 이를 극복하고자 여러 단계로 나누어 작은 인공신경망(자동인코더)을 순차적으로 학습시키는 mLaSDI 방식을 도입하였습니다. 이를 통해 예측 및 데이터 재구성이 더욱 정교해지고 계산 속도도 개선되어, 예를 들어 자동차 사고 시 안전성 평가나 건축물의 내진 설계와 같은 실생활의 다양한 공학적 문제에 빠르게 응용될 수 있을 것으로 기대됩니다.
출처: (mLaSDI, 축소 차원 모델) https://arxiv.org/abs/2506.09207

이 연구에서는 자연어 처리나 컴퓨터 비전 분야에서 성공적으로 사용되고 있는 ‘foundation model’ 개념을 과학 및 공학 문제에 적용하고자 하였습니다. 기존의 전통적인 수치 해석 기법과 최신 인공지능 기술을 접목하여, 데이터 기반의 유연한 해법인 ‘Data-Driven Finite Element Method (DD-FEM)’를 제안하였습니다. 이 방식은 복잡한 물리 현상을 보다 일반적이고 재사용이 가능한 모델로 만드는 데 초점을 맞추며, 실생활에서는 예를 들어 기후 변화 예측이나 구조물의 안전성 분석 등 다양한 분야에서 보다 정확하고 빠른 분석 도구로 활용될 수 있을 것으로 기대됩니다.
출처: (Foundation model, DD-FEM) https://arxiv.org/abs/2505.22904