AI / Machine Learning Engineer
building clinical-grade systems.
임상 등급 시스템을 구축하는
AI / 머신러닝 엔지니어.
AI / Machine Learning Engineer with nearly 4 years in regulated medical-device software, including nearly 2 years leading production AI/ML systems end-to-end for clinical diagnostics. As AI R&D Team Lead and Lead AI Engineer on Canopus, built AI medical-device software that classifies microsatellite instability (MSI) in cancer at ROC-AUC 0.9998, replacing 10–14-day NGS workflows with an automated ~85-minute pipeline. 규제 의료기기 소프트웨어 분야 4년 경력의 AI / 머신러닝 엔지니어이며, 그중 2년간 임상 진단용 프로덕션 AI/ML 시스템을 엔드투엔드로 이끌었습니다. AI R&D 팀장이자 Canopus의 리드 AI 엔지니어로서 암의 현미부수체 불안정성(MSI)을 ROC-AUC 0.9998로 판정하는 AI 의료기기 소프트웨어를 구축해, 10–14일 걸리던 NGS 워크플로를 약 85분 자동 파이프라인으로 대체했습니다.
Four areas where I deliver measurable impact 측정 가능한 성과를 만드는 네 가지 전문 영역
Production ML Engineering프로덕션 ML 엔지니어링
Own the full ML lifecycle — data pipelines, training, evaluation, versioned packaging, and on-premise deployment — for clinical-grade AI products. Every release bundles classifier, scaler, feature indices and decision threshold together to guarantee training–serving parity. 임상 등급 AI 제품의 ML 전 주기를 책임집니다 — 데이터 파이프라인, 학습, 평가, 버전 패키징, 온프레미스 배포. 분류기·스케일러·특징 인덱스·판정 임계값을 하나의 릴리스 아티팩트로 묶어 학습–서빙 일치성을 보장합니다.
Data-Centric AI데이터 중심 AI
Solve real-world data scarcity. A synthetic Tm-Histogram generator lifted MSS specificity from 87% to 97.52% and MSI-H sensitivity by 14.4 points — the change that drove the largest model-quality gain. 현장의 데이터 부족 문제를 해결합니다. 합성 Tm 히스토그램 생성기로 MSS 특이도를 87% → 97.52%로, MSI-H 민감도를 14.4%p 향상시켜 모델 품질 개선에 가장 크게 기여했습니다.
Full-Stack Delivery풀스택 개발 & 납품
Ship software end-to-end (Python, C#, C++, Qt / PySide6) with a robust C#–Python integration layer — from minimum viable product to production deployment at clinical sites. Python · C# · C++ · Qt / PySide6로 소프트웨어를 엔드투엔드로 개발합니다. 견고한 C#–Python 연동 계층을 통해 MVP부터 임상 현장 프로덕션 배포까지 책임집니다.
Domain Expertise (Bio-IT)도메인 전문성 (Bio-IT)
Turn clinical requirements into regulated diagnostic products — digital PCR / HRM signal analysis under ISO 13485, IEC 62304 and CE-IVD (EU IVDR) / MFDS — backed by a POSTECH B.S. in Life Sciences with a Computer Science minor. 임상 요구사항을 규제 진단 제품으로 구현합니다 — ISO 13485, IEC 62304, CE-IVD(EU IVDR) / MFDS 체계 아래의 digital PCR / HRM 신호 분석. POSTECH 생명과학 학사(전산학 부전공) 기반.
Scientific foundation meets systems engineering 과학적 기반과 시스템 엔지니어링의 결합
POSTECH
Pohang University of Science and Technology
B.S. · Double Major: Life Science & Computer Engineering 이학사 · 복수전공: 생명과학 & 컴퓨터공학
This combination allows me to read both a PCR trace and a call stack — bridging biological domain expertise with rigorous software engineering. 이 조합 덕분에 PCR 트레이스와 콜 스택을 모두 해석할 수 있으며, 생물학 도메인 전문성과 엄격한 소프트웨어 엔지니어링을 자연스럽게 연결합니다.
"If the operator cannot follow the flow, if the reviewer cannot trust the output, or if the result cannot be packaged clearly — the system is not complete yet." "운영자가 흐름을 따라갈 수 없거나, 검토자가 출력물을 신뢰할 수 없거나, 결과를 명확히 패키징할 수 없다면 — 아직 완성된 시스템이 아닙니다."
Hands-on research across neuroscience & oncology 신경과학 & 종양학을 아우르는 현장 연구 경험
Modeling of neurodevelopmental disorders associated with congenital brain malformations.선천성 뇌 기형과 관련된 신경발달 장애 모델링 연구.
Characterization of activity-dependent transcriptional regulation of the Arc gene in neuronal cells.신경세포에서 Arc 유전자의 활성 의존적 전사 조절 특성 분석.
Viral-mediated neural pathway mapping for anatomical and functional connectivity confirmation.바이러스 매개 신경 경로 매핑을 통한 해부학적·기능적 연결성 확인.
Development and validation of DNA-based therapeutic vaccine constructs targeting lung cancer.폐암 표적 DNA 기반 치료 백신 구조물의 개발 및 검증.
Development of peptide-based diagnostic biomarkers for breast cancer and assessment of peptide–protein binding affinity.유방암 펩타이드 기반 진단 바이오마커 개발 및 펩타이드-단백질 결합 친화도 평가.
Analysis of behavioral phenotypes and gene-expression alterations in murine depression models under neural stimulation.신경 자극 하 마우스 우울증 모델에서의 행동 표현형 및 유전자 발현 변화 분석.
How I build things that earn trust 신뢰를 얻는 시스템을 만드는 방법
Gather requirements from the source현장에서 요구사항 수집
Every system starts with pathologist and lab staff interviews — not assumptions.
Clinical requirements drive architecture decisions before a single line of code is written.
모든 시스템은 가정이 아닌 병리학자·실험실 직원 인터뷰에서 출발합니다.
코드 한 줄을 작성하기 전에 임상 요구사항이 아키텍처 결정을 이끕니다.
Own every layer end-to-end모든 레이어를 엔드투엔드로 책임
UI, inference pipeline, data layer, PDF report, regulatory docs — I build them all.
End-to-end ownership means each layer is designed knowing what comes before and after.
UI, 추론 파이프라인, 데이터 레이어, PDF 보고서, 규제 문서 — 모두 직접 구축합니다.
엔드투엔드 책임은 각 레이어가 앞뒤를 모두 고려한 설계를 의미합니다.
Measure by daily clinical adoption일상적 임상 사용을 성공의 척도로
Success isn't a demo — it's lab staff relying on the system every day. Reproducibility, auditability, and output clarity are first-class engineering concerns, not afterthoughts. 성공은 데모가 아니라 실험실 직원이 매일 시스템에 의존하는 것입니다. 재현성, 감사 가능성, 출력 명확성은 나중에 추가하는 것이 아닌 핵심 공학 과제입니다.