[의사과학자 프로젝트 #1] UChicago 1년 석사 + 2년 박사 칼졸업을 위한 천재적 AI x 유전체학 연구 설계

[의사과학자 프로젝트 #1] UChicago 1년 석사 + 2년 박사 칼졸업을 위한 천재적 AI x 유전체학 연구 설계

안녕하세요, 엘리나(Eliana)입니다!

저는 인류의 건강과 질병 치료에 기여하는 의사과학자(Physician-Scientist) 가 되기 위해 미국 시카고대학교(University of Chicago)에서 새로운 도전을 준비하고 있습니다.

단순히 연구실에서 실험 데이터만 돌려보는 연구자를 넘어, **'생물학적 메커니즘을 규명하는 핵심 알고리즘을 설계하고, 이를 대규모 분산 환경에서 학습시킨 뒤, 실제 임상의들이 쓸 수 있도록 풀스택 웹 애플리케이션으로 기획·구현하여 클라우드에 배포 및 파이프라인 관리(MLOps)까지 전 과정을 완수하는 핵심 인재'**로 도약하고자 합니다.

이 첫 번째 포스팅에서는 저의 인지 최적화 루틴과 학업 성취 능력을 극대화할 컴퓨터공학(CS) x 의학 융합 연구의 핵심 아키텍처를 소개합니다.

───

1. 긍정적 에너지와 인지 최적화를 위한 나의 루틴

고강도의 학업과 뇌 연산 부하를 견디며 지속 가능한 복원력을 유지하기 위해서는 정교하게 설계된 하루 루틴이 필수적입니다. 저의 하루는 전두엽의 실행 기능(Executive Function)을 최고조로 끌어올리는 인지 최적화 단계로 채워져 있습니다.

• 오전 6시 기상: 기도, 아침 필사, 묵상 및 30분간의 영어 공부를 진행합니다. 마음을 다스리는 신앙적 명상은 스트레스 호르몬인 코르티솔(Cortisol)의 분비를 억제하고 심박변이도(HRV)를 향상시킵니다.
• 오전 6시 30분 출발 ➡ 7시 PT: 고강도 신체 훈련은 뇌유래신경영양인자(BDNF)의 분비를 촉진해 장기 기억 응고화와 수리적 사고력을 향상시킵니다.
• 밤 10시 취침: 엄격한 수면 위생을 고수하여 깊은 수면 단계에서 전날 학습한 고난도의 기계학습 알고리즘 구현 기법을 완전히 내재화합니다.

───

2. 나의 독보적인 융합적 강점(Bilingual Advantage)

일반적인 컴퓨터공학 연구자는 분자생물학적 데이터의 노이즈와 실제 임상 기전을 이해하지 못하고, 반대로 생물학자는 알고리즘의 최적화 한계나 분산 학습 시스템의 아키텍처를 설계하지 못합니다.

저는 이 두 영역의 중간에서 양방향 해석이 가능한 독보적인 **'Bilingual Researcher(이중언어 연구자)'**로서 최강의 효율을 발휘합니다. 생물학과 통계 분석 역량을 완벽히 갖춘 상태에서, 클라우드 기반 분산 병렬 학습 환경을 구축하고 이를 MLOps 기반의 풀스택 플랫폼으로 무중단 배포해 낼 수 있는 실행력이야말로 저만의 강력한 치트키입니다.

───

3. 마스터피스 연구 주제: "RNA 스플라이싱 병원성 스크리닝을 위한 분산형 풀스택 기하학적 트랜스포머 플랫폼"

알츠하이머, 자가면역 질환, 소아 희귀 질환 등 복잡한 만성 질환의 90% 이상은 단백질을 코딩하지 않는 non-coding DNA 변이에서 기인합니다. 이 변이들은 pre-mRNA가 성숙한 mRNA로 변환되는 과정에서 비정상적인 RNA 스플라이싱(Unproductive Splicing)을 유도하여 질병을 일으킵니다.

이 문제를 해결하기 위해, 저는 RNA의 3차원 물리적 입체 구조와 리보핵산-단백질 상호작용(RBP)을 융합한 기하학적 그래프 신경망(Geometric GNN) 및 자가주의집중 트랜스포머(Attention Transformers) 플랫폼을 설계했습니다.

💡 기계학습 최적화 목적함수(Loss Function)
모델의 일반화 성능과 임상적 신뢰성을 담보하기 위한 목적함수는 다음과 같이 정식화됩니다.

latex
\min_{\theta \in \mathbb{R}^d} \mathcal{L}(\theta) = \frac{1}{N} \sum_{i=1}^N \ell\left(f(x_i; \theta), y_i\right) + \lambda \mathcal{R}(\theta) + \gamma \mathcal{D}_{KL}\left( P(Y|X) \parallel Q_\theta(Y|X) \right)



•  은 정답 레이블과 모델 예측값 간의 손실 함수입니다.
latex
\mathcal{R}(\theta)

• 는 오버피팅을 방지하기 위한 정규화 항(Regularization)입니다.[1]
latex
\mathcal{D}_{KL}

• 은 임상 전문가의 지험적 확률 분포  와 생성형 AI 모델의 조건부 확률 분포   간의 쿨백-라이블러 발산(Kullback-Leibler Divergence) 제약 조건으로, 모델의 예측을 실제 분자 열역학 법칙에 정렬(Physics-Informed ML)시킵니다.[1]

───

4. 시카고대학교 이공학-의학 융합 최강의 연합 교수 드림팀

저의 3년 석·박사 칼졸업 계획을 전폭적으로 지지하고, 알고리즘적 우수성과 분자 기전의 완벽한 조화를 이끌어내기 위한 시카고대 최고 석학 4인의 연합 드림팀 구성입니다.

1. Jian Zhou, PhD (의과대학 내과학교실 / GGSB 위원회)
◦ 연구 분야: 프린스턴 대학교 정량전산생물학 PhD 출신이자 NIH Director's New Innovator Award 수혜자.
◦ 기여: 딥러닝 기반 3D 게놈 아키텍처 및 변이 효과 예측 알고리즘 설계를 직접 지도합니다.
2. Yang I. Li, DPhil (의과대학 유전의학교실 / GGSB)
◦ 연구 분야: 옥스퍼드 대학교 DPhil 출신으로, RNA 스플라이싱 분석 알고리즘인 LeafCutter 개발자.
◦ 기여: 대규모 환자 코호트 및 single-cell 데이터를 독점 제공하며, AI가 탐색한 스플라이싱 치료제(SSO 약물)의 임상적 메커니즘 검증을 지도합니다.
3. Ce Zhang, PhD (컴퓨터과학과 부교수) [2]
◦ 연구 분야: 기계학습 시스템(SysML) 및 분산 컴퓨팅의 대가 (Together AI 공동창업자/CTO 출신).[2]
◦ 기여: 멀티오믹스 데이터를 중단 없이 전처리하는 고속 분산 병렬 컴퓨팅 아키텍처 인프라 최적화를 조율합니다.
4. Robert L. Grossman, PhD (컴퓨터과학과 및 의과대학 석좌교수)
◦ 연구 분야: 미국 국립암연구소(NCI)의 Genomic Data Commons(GDC) 데이터 플랫폼 구축 및 CTDS 소장.
◦ 기여: 제가 설계한 풀스택 진단 웹 어플리케이션을 실제 대학 병원 시스템과 국가 데이터 인프라에 결합할 수 있는 행정적·재정적 토대를 전폭 지원합니다.

───

다음 포스팅에서는 비시민권 유학생으로서 미국 의과대학의 가혹한 장벽을 어떻게 무력화하고, 3년의 석·박사 기간 동안의 마일스톤과 Pritzker 의대 다이렉트 장학 합격을 성취해 낼 수 있는지 구체적인 48개월 마스터 체크리스트를 공개하겠습니다!

"Eliana는 언제나 빛나고 긍정적인 에너지가 가득합니다! ✨"