선행연구를 통해 위암과 정상 조직을 구분하는 classifier를 개발하였으며, 총 1027 증례의 병리whole slide image를 확보 완료한 상태입니다.먼저, lymph node metastasis (LNM) 예측 classifier를 개발 및 whole pathologic slide image에 적용하여 t-SNE 기법으로 림프절 전이로 예측된 patch를 분석하여 조직학적 특징 도출합니다. TBannotation을 시행한 Deep learning 알고리즘 개발하여 최소한 개입한 algorithm과 통합 및 riskmodeling & 예측 performance 평가하겠습니다. 위의 과정을 그 외 예측 인자를 대상으로 반복하여최종적으로 최적인 지점 찾을 예정입니다.다음으로, epithelial-mesenchymal trasition (EMT)에 관여가 있는 면역염색 or RNAseq 시행하여LNM을 잘 예측하는 조합, 형태학적 변화와 잘 일치하는 조합 찾겠습니다.마지막으로, 병리영상 정보를 기반으로 개발된 알고리즘과 EMT marker의 정보를 통합하고, 통합 모델에서 제시된 cirteria로 실제 임상영역에서 검증하여, 모델이 잘 기능하는 검증할 예정입니다.현재까지 병리 WSI로 LNM을 예측하는 모델을 개발하여 대한민국 특허 출원 및 PCT 출원 하였으며, 연구 결과를 정리하여 논문 작성 중 입니다. 또한 의무기록 (electronic medical records, EMR)을 이용하여 조기 위암에서 LNM을 예측하는 모델도 개발하여 대한민국 특허 및 PCT 출원을 완료하였고, 역시 논문 작성 중 입니다. Visium을 이용한 Spatial single cell analsysis 분석을 시행했고, tumor budding과 modified tumor budding, tumor cells의 유전자 발현 양상이 어떻게 다른지 현재 분석 중 입니다.