고령화에 따라 전 세계적으로 치매환자의 수가 증가하고 있는 추세이며 이에 따라 치매를 이해하기 위한 다각적인 연구들이 활발하게 진행되고 있다. 최근에는 유전자, 대사경로, 임상, 약물 데이터 등 전문가에 의해 정제된 다양한 바이오메디컬 데이터에 기계학습 알고리즘을 활용하는 연구들이 주목받고 있다. 특히, 치매는 예방에서부터 진단 및 치료까지 아우르는 총체적인 관리가 필요한 질병이다. 따라서 본 연구에서는 세 가지 접근방법으로 구성된 포괄적인 치매연구를 제안한다. 첫째, 치매를 예방하기 위해서 질병네트워크를 활용한다. 질병네트워크는 대사경로 속 유전자의 관계정보로 서로 다른 질병들 간의 인과관계를 나타낸다. 즉, 치매에 영향을 끼치는 질병과 치매로부터 영향을 받는 질병을 파악할 수 있다. 둘째, 치매진단을 보다 정확하고 효율적으로 하기 위해서 병원에서 수집한 임상환자들의 진료 기록(CREDOS)을 토대로 기계학습 예측모델을 구성하는 CAD(Computer Aided Diagnosis)를 진행한다. 마지막으로, 치매 치료에 사용되는 새로운 약물을 창출하기 위해서 단백질 및 질병 정보를 활용한다.