의료, 의학, 인공지능, 데이터 치료

임상현장의 미충족 수요와 의료 인공지능 4차 산업혁명의 편승하고 향후 어떻게 주도해갈 것인가는 우리나라의 생존이 달린 문제입니다. 역사 속으로 산업화 대열에 늦게 참여한 우리나라에게 4차 산업혁명의 도래는 위기이자 기회가 될 수 있습니다. 기존의 지능형 기술과는 달리 최근 떠오르고 있는 딥러닝 기술은 영상, 음성 등 특정 영역에서 인간을 넘어서는 성능을 보여주고 있습니다. 특히, 의료분야에서도 인공지능기술의 도입에 대한 관심이 뜨겁습니다. 최근 유수의 해외 저널에서 수많은 인공지능을 이용해서 연구하고 있고, 안저 질환, 피부암, 흉부 x-ray를 이용한 폐질환, 병리 영상 등 다양한 질환에 적용하는 유즈 케이스를 늘리고 있습니다. 혁신적인 기술이 소개될 때마다 두 가지 극단적인 반응을 보이는 사람들을 보..

인공지능과 의료혁신(정밀 의료, 질병관리, 임상 시험) 우리 사회에서는 2016년 알파고와 이세돌의 바둑 시합 이후에 그 관심이 증대되었습니다. 하지만 인간처럼 사고하고 행동하는 기기라고 표현되는 인공지능은 컴퓨터의 출발과 함께 시작된 수십 년 된 개념이고 계속해서 연구, 발전되어온 개념입니다. 특히, 최근에 딥러닝이라는 인간의 뇌와 신경세포 시스템의 모사에서 출발한 기술이 소개되면서, 우리 이미는 자율 자동차, 안면인식 기술, 음성인식 및 챗봇 등 다양한 인공지능 기술을 일상생활에서 경험하고 있습니다. 또 다른 측면으로 현대의료가 발전하고 있습니다. 기존의 질환 치료를 목적으로 병원에서 일반적으로 규격화되어 제공되던 의료가 전 단계의 예방으로 확장되고 환자와의 협력으로 양방향의 의료가 개개인의 특성에 ..

인공지능 학습과 관련된 용어들과 의학분야 연구 이용 사례 다음으로 인공지능 모델을 머신러닝과 딥러닝으로 학습하는 과정에서 여러분들이 반드시 알아야 할 개념들을 소개해드리겠습니다. 먼저 인공지능 모델을 생성하기 위해서는 학습 데이터가 필요합니다. 학습 데이터는 머신러닝 알고리즘에 사용되는 데이터입니다. 지도 학습을 수행하는 경우, 학습 데이터에는 과거 관찰을 통해 소위, 정답이 할당이 되어 있어야 합니다. 저희가 예를 들었던 스팸 메일과 아닌 메이르 구분하는 문제라면, 각 메일에 실제로 스팸인지 스팸이 아닌지 알고 있는 데이터가 사용이 됩니다. 흉부 X-ray 이미지라면 폐질환 소견이 있는지 없는지의 여부가 미리 알려진 데이터가 학습에 사용이 됩니다. 그리고 학습 데이터가 아닌 새로운 데이터도 염두를 해야..

인공지능 정의와 의료분야 영향 세계는 인공지능의 급속한 발전으로 인해 산업과 사회 전반에 걸친 거대한 문명사적 변화를 맞이하고 있습니다. 과거 산업화 과정에서는 기계가 인간의 육체노동을 대체했고, 이제는 인공지능이 인간의 지적 능력을 수행하는 수준까지 발전했습니다. 인공지능은 막대한 부가가치를 창출하는 산업인 동시에 일자리 변동과 같은 사회 변화를 가져오는 핵심 요소입니다. 고령화 사회의 국민 건강, 노인 돌봄, 범죄 대응, 맞춤형 서비스 등 사회가 당면한 여러 문제의 해결에 활용할 수 있습니다. 대한민국 정부 또한 2019년 12월, 경제 사회 전반에 혁신 프로젝트로서 인공지능 국가 전략을 발표하였습니다. 인공지능 국가 전략은 총 3개 분야, 세부 9개 추진 전략으로 구성되어 있으며, 3개 분야는 인공..

의료정보, 오픈 데이터셋 접근 및 활용 방법 전자 의무기록이 빠르게 보급되면서 환자의 모든 의료정보들이 데이터화 되기 시작했습니다. 이에 발맞추어 의료 데이터를 이용한 인공지능 헬스케어 분야도 빠르게 성장하고 있으며 특히 많은 수의 데이터를 가진 기관들이 분야를 선도하고 있습니다. 최근 연구목적을 국내외 기관 및 기업이 소유하고 있는 의료 데이터를 완전히 익명화한 후 공개하는 사례가 늘고 있으며 의류 영상부터 환자 병력까지 다양한 데이터들이 무료로 개방되고 있습니다. 그러나 의료 공개 데이터의 존재, 혹은 위치를 모르거나 더 나아가 언어의 장벽 때문에 국외의 의료데이터를 활용하지 못하는 경우가 종종 발생하고 있습니다. 의료 공개 데이터는 데이터 자체를 보유하고 있지 않은 소규모 연구 그룹이 의료 데이터를..

의료인공지능 학습방향, 의료 인공지능은 어떻게 배울까? 의료인공지능에 초점을 두고 앞으로 의료인공지능을 배우기 위한 몇 가지 팁과 정보를 알려 드리려고 합니다. 의료인공지능은 융합된 분야이죠. 아마도 이 강의를 들으시는 분들 중에서는 의사, 간호사, 보건의료정보관리사, 임상병리사, 방사선사 등의 의료종사자분들, 의료는 아니지만 헬스케어 분야와 관련된 산업계에서 일을 하시는 분들, 의료나 헬스케어 분야에 관심을 갖고 있는 다양한 분야의 분들이 있을 것으로 생각됩니다. 이에 각자가 의료인공지능을 배우는 방향과 목적이 조금은 다를 것이라고 생각합니다. 먼저 인공지능 관련 공부를 처음 접하시는 분들이라면 먼저 인공지능과 관련된 분야의 공부를 먼저 하실 것을 추천드립니다. 의료분야는 전문적인 교육을 받는 것이 아..

의료영상 데이터(CT) 구성과 데이터 현대학 기술의 발달과 함께 질병의 진단을 위해 다양한 방법의 영상 검사가 활용되고 있습니다. 그중에서도 빠르고 정확한 진단 방법으로 광범위하게 시행되고 있는 CT 검사는 일반 X선 촬영보다 인체 내부 구조를 정확하게 보여주기 때문에 인체의 이상 유무와 질환을 파악하는데 효과적입니다. CT 검사에서 빠르고 정확한 진단을 위해 인공지능 기술의 적용 가치는 점점 증대되고 있습니다. 인체의 이상 유무, 이상부위의 검출, 병변의 정량화 및 세분화, 병변의 예후 예측 등 병의 진단에서부터 치료 예후 예측까지 다양한 영역에서 인공지능 기술은 활용될 수 있습니다. 실제 임상에 적용 가능한 인공지능 기술을 개발하기 위해 일반 영상과는 다른 CT 데이터에 대한 이해가 필요합니다. CT..

머신러닝의 세 가지 유형과 의료 분야 응용(지도 학습, 비지도 학습, 강화 학습) 머신러닝은 컴퓨터가 데이터를 학습하는 알고리즘 및 기술을 통칭하는 개념이며 인공지능을 구현하는 기술이라고 말씀드렸습니다. 또한, 딥러닝은 머신러닝의 범주에 포함되는 기술로, 이미지나 신호, 텍스트 등의 비정형 데이터를 잘 학습하는 모델을 생성하게 됩니다. 이번에는 머신러닝의 세 가지 유형에 대해 저희가 짚고 넘어가려고 합니다. 머신러닝은 지도 학습, 비지도학습, 강화학습 이렇게 세 가지의 유형으로 나뉘어 집니다. 딥러닝 또한 학습 하는 형태에 따라 세 가지 유형의 학습 방법이 모두 적용 가능합니다. 지금부터 세 가지 유형의 학습방법을 설명 드리고 의료 인공지능에서 이것이 어떻게 구현되는지 살펴보겠습니다. 지도학습 지도 학습..

머신러닝과 딥러닝을 통한 의료 기술 개혁 인공지능을 구현하는 기술로 가장 크게 각광을 받고 있는 것은 바로 머신러닝입니다. 머신러닝은 사람이 무언가를 학습하는 과정을 컴퓨터로 모사한 기술들을 말합니다. 사람은 여러 현상을 보고 듣고 경험하면서 살아가는 데에 필요한 것들을 학습하게 됩니다. 개와 고양이를 구분하는 것이 아주 간단한 예시이죠. 개와 고양이를 보고 울음소리를 듣다 보면 사람은 어느새 개와 고양이를 구분하는 무언가를 학습하게 됩니다. 머신러닝은 컴퓨터로 하여금, 개와 고양이를 데이터라는 형태로 경험을 하게 만듭니다. 이를 통해 머신러닝은 컴퓨터에게 개와 고양이를 구분하게 만드는 일종의 모델을 만들어 냅니다. 이 모델은 개와 고양이를 구분하는 목적에 인공지능으로 활용이 가능합니다. 이는 의료 데이..

다양한 종류의 의료 데이터 - 의료영상 데이터 (X선) 뢴트겐은 X선의 발견으로 1901년 첫 노벨상 수상자가 됩니다. 그리고 1910년 의학의 새로운 분야인 영상의학이 탄생하며 X선은 오늘날까지 다양한 의료분야의 진단에 사용되고 있습니다. 골절과 같은 외상환자의 응급진료로부터 매년 건강검진 시에 받는 흉부 X선 영상, 그리고 주로 40세 이상의 여성에게 시행되는 유방 영상까지의 많은 수의 영상 데이터가 얻어지며 판독을 통해 의료에 이용되고 있습니다. 최근 인공지능 기술의 발전과 함께 국내외 의료 인공지능 분야의 스타트업 기업들이 이러한 대량으로 생산되는 X선 영상에 판독 및 임상진단 시스템을 보조해주는 의료기기 소프트웨어를 개발하고 있습니다. X선 영상장치의 원리. X선의 실체는 우리가 보는 가시광선과..