액체크로마토그래피-질량분석법(LC-MS)은 액체크로마토그래피의 높은 분리능과 질량분석법의 높은 감도 식별 능력을 결합하여 생명과학, 임상의학 및 환경과학 분야에서 핵심 분석 도구가 되었다. 그러나 이 기술이 생성하는 고차원적이고 복잡하며 잡음이 포함된 원시 데이터는 효율적이고 견고한 데이터 처리 알고리즘이 필요하며, 원시 신호를 유효한 과학적 정보로 전환해야 한다. 본 논문은 LC-MS 데이터 처리 과정의 세 가지 핵심 과제인 신호 추출, 시공간 정렬 및 물질 식별에 초점을 맞추어 방법론의 진화와 내재 논리를 심층 분석하고, 현재 알고리즘 연구가 직면한 일반화 부족, 벤치마크 데이터셋 부재, 소프트웨어 생태계 단편화 등의 공통 과제를 밝힌다. 이러한 문제점을 해결하기 위해 물리학에 기반한 인공지능 모델링 및 표준화된 벤치마크 체계 구축 방향을 제안하며, 알고리즘 개발에 기기 메커니즘과 데이터 과학의 융합이 필요함을 강조하여 높은 견고성, 해석 가능성, 클라우드 협업이 가능한 차세대 LC-MS 데이터 처리 기술 구축을 목표로 한다.

액체크로마토그래피-질량분석;데이터 처리;딥러닝;특징 추출;유지시간 보정;물질 식별