당신은 주제를 찾고 있습니까 “인공 지능 의료 – 4-인공지능은 의료를 어떻게 혁신하는가“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 KIRD국가과학기술인력개발원 이(가) 작성한 기사에는 조회수 11,732회 및 좋아요 140개 개의 좋아요가 있습니다.
인공 지능 의료 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 4-인공지능은 의료를 어떻게 혁신하는가 – 인공 지능 의료 주제에 대한 세부정보를 참조하세요
내 삶을 바꿔줄 디지털 헬스케어
4-인공지능은 의료를 어떻게 혁신하는가
– 최윤섭 연구소장 (디지털 헬스케어 연구소)
인공 지능 의료 주제에 대한 자세한 내용은 여기를 참조하세요.
인공지능, AI로 의료 산업의 혁신 | SAS KOREA
의료 분야에서 인공지능은 복잡한 의료 데이터를 분석하고 개선할 수 있습니다. SAS에서 AI를 통한 의료산업의 혁신을 알아 보시길 바랍니다.
Source: www.sas.com
Date Published: 9/27/2021
View: 2479
의료에서 인공지능의 정의 – 대한민국 | IBM
인공지능(AI) 및 머신 러닝 솔루션은 의료 서비스의 제공 방식을 혁신하고 있습니다. 의료 기관들은 의료 기록과 이미지, 환자 데이터, 청구 데이터 및 임상 시험 …
Source: www.ibm.com
Date Published: 4/2/2022
View: 4029
인공지능이 바꾸는 미래의 의료 – Sciencetimes – 사이언스타임즈
또 논란의 여지는 없을까. IBM과 구글, 인공지능 의료의 선두 주자. 먼저, 세계적인 기업들이 뛰어든 헬스케어 분야 인공지능 기술이 어느 수준까지 와 …
Source: www.sciencetimes.co.kr
Date Published: 7/21/2022
View: 798
“질병 진단 인공지능 만들자” 국내 AI의료기기 개발 ‘붐’
9일 제약·바이오업계에 따르면 현재 국내에서 AI를 활용한 의료기기로 식품의약품안전처 품목 허가 승인을 받은 제품은 총 9개다. 지난해 5월 뷰노가 국내 첫 의료 AI …
Source: yesme.kiom.re.kr
Date Published: 5/14/2021
View: 9350
날로 진화하는 의료AI…폐결핵·파킨슨병·치매 예측하고 MRI …
[메디게이트뉴스 임솔 기자] 18~21일 4일간 서울 강남구 코엑스에서 개최된 ‘제36회 국제의료기기·병원설비 전시회 (KIMES 2021)’에서 의료 인공지능(AI)과 관련한 …Source: m.medigatenews.com
Date Published: 12/14/2021
View: 798
[보고서]의료계의 인공지능 기술의 응용 현황 및 미치는 영향
연구자들은 약제 개발의 더 빠르고 경제적인 프로세스를 위해 디자인된 ‘Eve’라고 불리는 AI 로봇을 개발했다. 헬스케어에 사용되는 AI 시스템은 의료 연구에 적절한 환자 …
Source: scienceon.kisti.re.kr
Date Published: 1/25/2022
View: 2631
의료 인공지능의 신뢰성과 안전성 – 한국보건산업진흥원
이렇듯 인공지능 모델이 복잡할수록 인간이 이해하기 어렵다. 특히, 머신러닝 기술이 발전하면서. 나타난 딥러닝(Deep Learning)이나, 다양한 모델들을 조합하는 앙상블( …
Source: www.khidi.or.kr
Date Published: 11/28/2021
View: 326
인공지능과 의료 서비스가 만나다 – 한국전자통신연구원
코로나19로 인해 비대면 진찰의 필요성과 함께 의료 데이터를 학습해 환자를 분석하고 진단하는 의료지능(의료+인공지능) 기술이 떠오르고 있다. 2020년 인텔이 미국의 …
Source: www.etri.re.kr
Date Published: 1/24/2021
View: 8251
의료 분야에서 맹활약하는 AI
그러자 세계적인 의료 기관들이 이들 국가에 도움을 주기 위해 나섰다. 가난한 국가들이 인공지능(AI) 공급망 관리 도구를 사용해서 국민들이 더 쉽게 …
Source: www.technologyreview.kr
Date Published: 9/21/2021
View: 9559
주제와 관련된 이미지 인공 지능 의료
주제와 관련된 더 많은 사진을 참조하십시오 4-인공지능은 의료를 어떻게 혁신하는가. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 인공 지능 의료
- Author: KIRD국가과학기술인력개발원
- Views: 조회수 11,732회
- Likes: 좋아요 140개
- Date Published: 2019. 11. 21.
- Video Url link: https://www.youtube.com/watch?v=OZo5TPLXmwo
인공지능, AI로 의료 산업의 혁신
소비자들은 다양한 산업에 빠르게 도입되고 있는 인공지능(AI)을 어떻게 받아들이고 있을까요? SAS가 최근 미국인 500명을 대상으로 조사한 결과, 소비자들은 금융이나 소매 분야보다 의료 산업의 인공지능 기술을 더욱 편안하게 여기는 것으로 나타났습니다.
특히 응답자의 47%는 수술 중에도 기꺼이 인공지능 기술의 도움을 받겠다고 답했는데요. 또 10명 중 6명(60%)은 의사가 애플워치나 핏비트와 같은 웨어러블 기기의 데이터를 사용해 생활 방식을 평가하고 조언하는 것에 대해 편안하게 생각했습니다.
실제 인공지능은 복잡하고 비용이 많이 드는 의료 문제에 대한 새로운 해결 방법을 제공하며 빠르게 헬스케어 분야에 진입하고 있는데요. 이때 인공지능을 성공적으로 활용하려면 분석적으로 생각하는 분석 조직을 구축하고, 그 노력의 일부로 분석 플랫폼을 구축해야 합니다.
인공지능은 기계가 스스로 경험을 통해 배우고, 새로운 입력에 적응하고, 사람처럼 작업을 수행하도록 만듭니다. 체스 게임용 컴퓨터부터 자율주행차에 이르기까지 우리가 듣는 대부분의 인공지능 사례는 딥러닝과 자연어처리(NLP)에 크게 의존하는데요. 이러한 기술을 통해 컴퓨터는 방대한 데이터를 처리하고 패턴을 인식함으로써 특정 작업을 수행하도록 훈련됩니다.
의료 분야에서 인공지능은 알고리즘과 소프트웨어를 이용해 사람의 인지와 비슷한 수준으로 복잡한 의료 데이터를 분석하고 있습니다. 핵심 목적은 예방이나 치료 기술과 이를 통한 환자의 결과 사이의 관계를 분석하는 것입니다.
의료에서 인공지능의 정의
주제 전문가들이 의료 업종 부문에서 언어가 실제로 사용되는 방식을 반영하는 특정 데이터 패턴을 감지하고 분류할 수 있도록 AI 알고리즘의 훈련을 지원하는 경우, 이러한 자연어 처리(NLP)를 통해 알고리즘은 의미 있는 데이터를 분리할 수 있습니다. 이는 의사결정자가 신속하게 풍부한 정보를 활용하여 치료를 실시하거나 비즈니스 의사결정을 내리는 데 필요한 정보를 찾는 데 도움이 됩니다.
의료 지급자
의료 지급자의 경우, 이 NLP 기능은 적절한 규모로 의료보험 가입자를 맞춤형 답변과 연계할 수 있도록 지원하는 대화형 AI를 사용하는 가상 에이전트의 형태를 취할 수 있습니다.
정부 의료 및 보건복지 전문가
정부 의료 및 보건복지 전문가의 경우, 사례별 사회복지사는 AI 솔루션을 사용함으로써 개별 치료의 지원을 위한 핵심 개념과 관심사에 대한 사례별 기록을 신속하게 마이닝할 수 있습니다.
임상 운영 및 데이터 관리자
임상 시험을 실행하는 임상 수술 및 데이터 관리자들은 AI 기능을 이용함으로써 의료 코딩의 검색과 검증을 가속화할 수 있으며, 이는 임상 연구를 시작, 수정 및 관리하는 주기를 단축하는 데 도움을 줄 수 있습니다.
AI를 통한 의료 코딩의 작동 방법 알아보기(동영상, 00:48)
인공지능이 바꾸는 미래의 의료 – Sciencetimes
2003년 5월 19일, 사이언스타임즈가 독자분들께 처음으로 인사드린 날입니다. 사이언스타임즈는 창간 18주년을 기념하여 그간 독자분들께 많은 관심과 사랑을 받은 본지 기사를 다시한번 전해드리려 합니다. 앞으로도 사이언스타임즈를 향한 독자분들의 많은 성원과 관심 부탁드립니다.
알파고와 이세돌의 대국이 전 세계를 떠들썩하게 만들고 있다. 이세돌의 패배 소식으로 인간들은 멀게만 느껴졌던 인공지능이 현실로 다가왔음을 느끼고 인공지능이 인간을 뛰어넘는 미래를 상상하며 불안해 하고 있다.
인공지능 기술의 발전을 지켜본 사회 곳곳에서 인공지능으로 인한 미래사회 변화에 관심을 갖고 있는 가운데, 특히 많은 영향을 받을 것 으로 예상되는 분야들에 이목이 쏠린다.
인공지능이 인간의 영역을 대신 할 것으로 예상되는 분야 중에는 대표적으로 헬스케어가 있다. 미래에는 의사 대신 인공지능이 인간의 질병을 진단하는 시대가 올 것이라는 예측과 함께 의사라는 직업이 없어질 수 있다는 전망도 나오고 있다. 그렇다면 인공지능은 미래 의료에 어떤 영향을 끼치고 현재 어느 수준까지 와있을까. 또 논란의 여지는 없을까.
IBM과 구글, 인공지능 의료의 선두 주자
먼저, 세계적인 기업들이 뛰어든 헬스케어 분야 인공지능 기술이 어느 수준까지 와있는지 알아본다. 인공지능 기술을 헬스케어에 적용하기 위한 노력은 전세계 곳곳에서 이루어 지고 있다. 인공지능의 의료분야 활용은 아직 초기단계이긴 하지만, 이미 의료 현장에서 인공지능은 활용되고 있다. 헬스케어 분야 중에서는 IBM이 만든 닥터 왓슨과 구글의 베릴리 등이 대표적이다.
IBM이 만든 닥터 왓슨은 환자의 암 진단 등에 활용된다. 암 진단 뿐 아니라 다른 질병의 진단, 유전 정보 분석, 임상시험을 도와주는 등의 형태로 활용되고 있고, 암 진단의 경우 인공지능이 이미지 분석 기술을 활용해 병리학자의 역할을 하는 디지털 병리학 기술도 발전하고 있어 암 조직 검사를 수행하기도 한다.
머신러닝 기술을 적용한 닥터 왓슨은 빅데이터를 이용해 의학 정보를 학습해 암 진단의 정확성을 높였다. 실제로 2014년 미국 종양학회에서 발표된 자료에 따르면 메모리얼슬로언케터링 암센터의 연구결과 전문의들과의 진단일치율이 대장암 98%, 직장암 96%, 자궁경부암 100% 등의 높은 일치율을 보였다. IBM과 유수의 대형 암 전문병원들이 엄청나게 많은양의 의학저널과 전문의사들의 기존 처방기록을 내재화해 암 적중률 99.9%의 치료법을 닥터 왓슨이 제시하도록 만든 것이다.
IBM은 헬스케어 분야에서 활용도를 높이기 위해 최근 헬스 사업부를 출범시키고 본격적인 기술 개발에 집중하고 있다. 왓슨 헬스 그룹을 독립시킨 후 환자 데이터 관리, 데이터 분석, 영상의료데이터와 분석기술을 보유한 회사 등을 인수하는 등 기술력 확대를 위해 활발하게 움직이고 있다.
알파고를 만들어 인공지능이 세계적 화두가 되게 만든 구글도 헬스케어 분야에 집중하고 있다.
구글은 이번 알파고와 이세돌의 첫 대국 직후 기자회견을 통해 머신러닝이 적용될 분야로 헬스케어와 로보틱스를 꼽을 정도로 헬스케어 분야에 인공지능 기술을 확대하는 것에 적극적이다.
구글의 지주회사인 알파벳의 계열사인 베릴리는 개발중인 수술로봇에 기계학습 기술을 더해 이전 수술의 영상 라이브러리 분석을 통해 수술을 담당하는 의사에게 절개 부위를 보여주는 등의 기술을 더할 계획이다. 또 눈 사진만 보고 당뇨를 예측하는 프로그램, 암세포를 탐지하는 나노입자가 든 알약, 혈액 속의 암세포를 파괴할 수 있는 손목 부착형 기기 등 구글의 헬스케어 분야 기술은 인간의 질병을 정복하고 의사의 영역을 흔들만한 기술들이다.
구글의 지주회사인 알파벳의 에릭 슈미트 회장은 지난해 10월 한국을 방문해 “앞으로 머신러닝 기술이 더 발달 할 것이다. 현재는 방사선 촬영 등의 해독을 사람이 하고 있는데 컴퓨터가 이미지 해독을 더 잘할 수도 있을 것”이라며 “한 명의 의사가 5만명분을 해독한다면 진단이나 이런 부분은 컴퓨터가 더 많은 양을 해낼 것이라고 생각한다. 진단 부분에서는 의사보다도 더 잘해낼 수 있는 일이 있을 것이라 생각해 구글이 현재 관련 연구를 진행하고 있다”고 인공지능 기술이 헬스케어 분야에서 의사를 대신할 수 있을 것이라고 예측했다.
미래에는 의사란 직업 사라질 거라는 우려
이처럼 인공지능 기술의 헬스케어 분야 적용이 점차 확대되면서 의료계와 사회 곳곳에서는 미래에 의사라는 직업이 사라지는 것 아니냐는 우려도 나온다.
질병을 정복하고자 하는 인간에게 인공지능의 의료 영역 확대는 희소식일지 모르나 논란의 여지가 남아있다. 인공지능이 의료행위를 하는데 따른 윤리적 문제와 의사라는 직업이 사라질 것이라는 우려다. 그렇다면 전문가들은 헬스케어 분야에 진출하는 인공지능 기술에 대해 어떻게 생각하고 있을까.
인간의 생명을 다루는 직업인 의료. 인공지능이 의료적 의사결정을 내릴 수 있느냐를 놓고 윤리적 문제가 거론된다. 또 임상 시험을 하듯이 인공지능 의사와 인간 의사의 이중 검사 등도 논란거리다. 인공지능의 기술이 개발되면서 화제가 되고 있는 것 중 하나가 인공지능으로 인해 사라질 직업이다. 의사 또한 마찬가지다. 기계가 인간의 영역에 진출하면서 의사라는 직업도 점차 사라지는 것 아니냐는 우려가 나온다. 실제로 실리콘밸리의 비노드 코슬라는 몇 년 전 “80%의 의사가 기술로 대체될 것”이라고 주장해 논란이 됐었다. 이에 대해서는 다양한 의견이 있으나 전문가들은 걱정을 하기보다 변화에 발 맞춰 새로운 관계를 구축해야 한다고 주장한다.
인공지능 의사의 의사 역할 대체는 기술적으로나 윤리적으로 가능하지 않고 인간과의 대결구도가 아니라 협력구도로 나아가는 것을 고민해야 한다는 것. 또 인간 의사와 인공지능 의사가 각자 자기의 역할에 집중하는 것이 필요하다고 분석하고 있다.
디지털 헬스케어 연구소 최윤섭 소장은 “인공지능과 인간 의사의 우위를 결정하는 이중맹검, 무작위, 대조군 테스트를 진행한다는 것은 기술적으로나 윤리적으로나 가능하지 않다”며 “결국은 인공지능과 인간 의사의 대결구도가 아니라 서로 어떠한 방식으로 협력할 것인지가 문제”라고 주장했다.
또 “인공지능이 특정한 의료 분야에서 인간과 비슷하거나 더 정확해지는 수준으로 발전한다고 하더라도 인공지능이 내놓은 치료법들 중에 무엇을 실행할지 최종적으로 판단하는 것은 인간 의사의 몫“이라며 인공지능 때문에 의사의 역할이 사라지지는 않을 것이라고 강조했다.
그는 “다만 의사의 역할은 현재와 달라질 것으로 예상하며, 이에 따라 필요한 의사의 숫자는 줄어들 수 있다”며 “현재 의사들이 하는 역할들 중에 미래에는 인공지능과 디지털 기술 때문에 사라지는 역할, 새롭게 생겨나는 역할, 여전히 유지되는 역할이 있을 것이다. 사라질 역할 보다는 앞으로도 유지될 역할과 새롭게 생겨날 역할에 집중하는 것이 필요하다”고 밝혔다.
(12205)
“질병 진단 인공지능 만들자” 국내 AI의료기기 개발 ‘붐’
국내 AI 의료기기 승인 현황 제조사, 제품명, 특징 항목에 관한표입니다. 제조사 제품명 특징 뷰노 뷰노메드 본에이지 어린이 손목뼈로 발육 진단 뷰노메드 체스트엑스레이 흉부 엑스레이로 기흉 등 진단 뷰노메드 딥브레인 뇌 MRI 영상으로 치매 진단 루닛 루닛인사이트 흉부 엑스레이로 폐암 등 진단 루닛인사이트 MMG 유방촬영영상으로 유방암 진단 JLK 인스펙션 JBS-01K 뇌 MRI 영상으로 뇌경색 유형 분류 자료 : 업계 종합
인공지능(AI)이 4차 산업혁명의 핵심으로 부상한 가운데 바이오헬스 분야에서도 AI를 접목한 서비스를 개발하기 위해 국내외 많은 회사와 연구진들이 나서고 있다. 특히 우리나라는 탄탄한 정보통신기술(ICT) 인프라와 단일건강보험체제로 전자의무기록(EMR) 등이 의무화돼 있어 융합 효과가 크다는 분석이다.
9일 제약·바이오업계에 따르면 현재 국내에서 AI를 활용한 의료기기로 식품의약품안전처 품목 허가 승인을 받은 제품은 총 9개다. 지난해 5월 뷰노가 국내 첫 의료 AI인 ‘뷰노메드 본에이지’의 시판허가를 받은 뒤로 관련 연구도 활발하게 진행되고 있다. 식품의약품안전처에 따르면 AI를 활용한 의료기기 임상 시험 승인 건수 역시 지난해 2건에서 올해 5건으로 급증한 것으로 나타났다.
바이오헬스 분야에서 AI를 활용한 의료기기 개발에 방아쇠를 당긴 것은 IBM의 ‘왓슨’이다. 300종 이상 의학저널, 200권 이상 전문서적 등에서 암 관련 자료를 학습해 의사의 진단을 돕는다. 우리나라에서도 지난 2016년 8월 가천대 길병원에서 이를 도입했다. 하지만 국내와 미국 환자들이 자주 걸리는 병이 달라 실효성이 떨어진다는 지적이 이어졌다. 이에 국내 스타트업들은 한국인 환자를 대상으로 AI를 활용한 의료기기 개발에 뛰어들고 있다.
국내 1호 AI 의료제품인 뷰노메드 본에이지는 엑스레이로 촬영한 어린이의 손목뼈를 분석해 어린이의 성장, 발육에 대한 진단을 한다. 표준화된 어린이 손목뼈 사진을 AI가 머신러닝(기계학습)으로 학습하고 이를 토대로 실제 진료를 받는 아이의 엑스레이 영상을 분석한다. 뼈 마디의 간격, 뼈의 모양과 크기 등을 고려해 향후 아이의 신장 등 발육 상태를 예측할 수 있다. 의사가 20분 가량 직접 300장 이상의 표본 사진과 비교해 분석하던 기존 방식에 비해 100%에 근접하는 정확도와 20초 내외의 짧은 분석 시간이 눈에 띈다.
루닛의 ‘루닛인사이트’는 흉부 엑스레이를 활용한 폐암 결절 진단에 대해 품목허가를 지난해 8월 획득했다. 아울러 지난 7월에는 유방암을 진단할 수 있는 ‘루닛인사이트 MGG’도 출시했다. 이 시스템은 환자의 암 조직을 분석해 적합한 치료가 무엇인지까지 제시할 수 있다. 서울대 병원 등에서 도입했을 정도로 현장의 반응이 나쁘지 않다.
다만 식약처 승인을 받은 뒤에도 실제 판매와 보급으로까지 이어지기에는 장애물이 많다. 가장 큰 걸림돌은 수가다. 업계 관계자들은 AI를 활용한 질병 진단과 의사가 직접 수행하는 질병 진단의 수가 차이가 없기 때문에 일부 대학병원을 제외하면 기기나 소프트웨어를 도입할 유인이 크지 않다고 입을 모은다.
출처 : https://www.sedaily.com/NewsView/1VPGFYNC7H
MEDI:GATE NEWS : 날로 진화하는 의료AI…폐결핵·파킨슨병·치매 예측하고 MRI 촬영시간 줄이는 기술까지
KIMES 2021에 참관하고 있는 관람객들. 사진=한국이앤엑스
GE헬스케어, AI플랫폼 ‘에디슨’에 루닛 등 스타트업 협업
GE헬스케어 AI플랫폼 에디슨에 탑재된 기업들
메디컬아이피, 폐결핵 정량화와 치료모니터링 솔루셥 ‘티셉’ 첫 공개
에어스메디컬, MRI 촬영시간 줄이고 품질 향상시키는 솔루션 전시
휴런, 파킨슨병 등 뇌신경질환 분석 AI 소프트웨어 소개
아이메디신 치매 조기 발견과 진행 정도 확인을 위한 AI기술 전시
[메디게이트뉴스 임솔 기자] 18~21일 4일간 서울 강남구 코엑스에서 개최된 ‘제36회 국제의료기기·병원설비 전시회 (KIMES 2021)’에서 의료 인공지능(AI)과 관련한 다양한 기술이 선보였다. AI기술을 중심으로 전시한 기업은 GE헬스케어, 메디컬아이피, 에어스메디컬, 휴런, 아이메디신 등이다. 다만 국내 대표적인 의료AI 기업인 루닛, 뷰노, 제이엘케이, 딥노이드 등은 이번 KIMES에 참여하진 않았다.식품의약품안전처에 따르면 인공지능 의료기기의 연도별 허가·인증은 2018년 4건, 2019년 10건에 이어 지난해 11월 기준 47건 등 총 61건으로 급증하고 있다.GE헬스케어코리아는 GE의 AI플랫폼인 ‘에디슨(Edison)’기술이 탑재된 다양한 솔루션을 대거 선보였다. 우선 다양한 AI스타트업들이 일종의 앱스토어처럼 AI플랫폼에 포함돼 한 눈에 볼 수 있게 했다. 사용자가 X-레이, CT, MRI 등을 촬영한 다음 영상을 확인할 때 의 해당 기업의 AI기술 불러오기를 하면 진단에 필요한 AI기술을 접목해 볼 수 있다. 국내 기업에서는 루닛이 들어가있다.회사측은 “사용자가 원하는 AI기술이 있다면 이를 선택해 진단에 활용하거나 연구에 적용할 수 있다”라며 “루닛을 비롯해 세계적인 스타트업과 서로 협업하고 상생하기 위한 취지”라고 설명했다.심장초음파 비비드(Vivid) AI 플랫폼은 AI를 기반으로 한 심장전용 초음파 장비(Vivid Ultra Edition)를 확인할 수 있다. 모든 제품군에 적용된 딥러닝 분류 네트워크(Deep Artificial Neural Network)를 활용해 AI에 지속적으로 표준 2D 이미지를 자율학습을 시켜 설계한 알고리즘이 적용됐다.산부인과 전용 초음파기기인 ‘볼루손(Voluson) 시리즈’는 AI기술 에디슨(Edison)을 기반으로 개발된 중추신경검사에서 필수적인 단면과 측정값을 자동으로 제공하는 소노씨앤에스(SonoCNS)와 세계산부인과초음파학회 (ISUOG)에서 권장하는 20가지 권고 검사 영상에 대한 획득 여부를 자동 인식해주는 기능인 소노리스트(SonoLyst)기능을 탑재했다.베뉴(VENUE)는 팬데믹 시기의 감염 관리를 위한 장비다. 코로나19로 인한 환자의 폐에 이상 상태를 AI 기반의 자동화 기능을 토대로 측정, 치료법을 빠르게 확인할 수 있다. 무선으로도 영상 전송이 가능해 외부로 장비를 반출할 수 없는 음압병실에서도 사용 가능한 장점이 있다.메디컬아이피는 ▲AI 체성분 자동 분석 소프트웨어 ‘DeepCatch(딥캐치)’ ▲X-레이 기반 질환 정량화 AI 플랫폼 ‘TiSepX(티셉)’ ▲AI 의료영상 분할·분석 소프트웨어 ‘MEDIP PRO(메딥프로)’ ▲의료용 3D프린팅 솔루션 ‘ANATDEL(아낫델)’ 등 다양한 의료 AI 제품 라인업을 공개했다.특히 회사측은 최근 개발이 완료된 폐결핵(TB) 정량화 및 치료 모니터링 AI 솔루션 ‘TiSepX TB(티셉TB)’를 처음으로 공개했다.회사측은 “티셉은 AI, 3D모델링, 의료영상 분할 기술 등을 결합해 개발한 X-레이 기반 AI 솔루션이다. 2D 영상인 X-레이에서 단순 이상 징후를 탐지하는 데 그치지 않고 병변의 크기, 용적률 등 수치적 정보까지 얻을 수 있는 AI 플랫폼”이라고 설명했다.회사측은 “티셉의 기술력을 바탕으로 전파력이 있는 활성 폐결핵(TB)군을 비활동성 폐결핵과 분류하고 폐결핵 활성 정도를 정량화하는 솔루션 ‘티셉TB’의 개발을 완료했다“라며 ”X-레이를 기반으로 약제 효과, 폐결핵 개선 추이 등을 수치 정보로 산출할 수 있어 장기 치료가 필요한 폐결핵 치료 모니터링에 특화된 제품“이라고 설명했다.또한 회사측은 대사성질환의 예측과 예방에 최적화된 AI 솔루션 ‘딥캐치’를 소개했다. 딥캐치는 한 번의 클릭만으로 전신 체성분을 7개 구조물(피부, 뼈, 근육, 내장지방, 피하지방, 장기, 뇌척수)로 분석하고 각각의 정보를 수치화해주는 소프트웨어다.회사측은 “정확도가 97%에 달해 CT 분석 연구를 위한 체성분 지표로 활용되고 있다. 각 질환별 기회검진을 위한 표준치를 수립하고자 다수의 대학병원과 공동 연구를 진행하고 있다”고 말했다.회사측은 자체적인 AI 의료영상 분할 기술을 활용해 3D프린팅 해부학 모델을 제작하는 ‘아낫델’ 솔루션을 구축하고 있다. 다수의 대학병원은 물론 메드트로닉, 올림푸스 등 글로벌 대형 의료기기 기업으로 공급처를 확대해가고 있다. 회사 창업자인 박상준 대표는 공학박사 출신의 서울의대 영상의학과 교수다.에어스메디컬은 식약처 인허가 MRI 가속화 제품인 ‘SwiftMR’을 전시했다. 촬영을 할 때 가속 촬영한 MRI 이미지를 딥러닝 기술을 기반으로 복원해 PACS(의료영상저장전송장치)에 전달하는 소프트웨어 솔루션이다.회사측은 “촬영시간은 최대 50% 단축될 뿐만 아니라 영상 품질은 기존보다 향상된다. 해당 솔루션은 클라우드 기반 단독형 소프트웨어로, 하드웨어의 추가적 설치 없이 의료기관의 PACS에 연동해 사용할 수 있다”고 설명했다.회사측은 “MRI 장비 교체 혹은 추가 구매가 필요하지 않고 30여 분에 이르는 기존 MRI 촬영 시간을 단축할 수 있다는 점에서 병원의 MRI 장비 운영 및 수익성, 폐소공포증이 있는 환자 경험 개선에 도움을 준다”고 소개했다.이 제품은 서울대병원, 서울아산병원, 서울성모병원 등 의료기관들과 협력을 통해 방대한 양의 MRI 영상 데이터를 딥러닝 모델에 학습시키며 유효성을 검증해왔다. 이를 통해 지난 2월 식품의약품안전처에서 인허가를 획득했고 미국 식품의약국(FDA) 허가도 진행하고 있다.이 회사는 지난해 페이스북 AI 연구소 (Facebook AI Research)와 뉴욕대 의과대학이 공동 개최한 MRI 가속영상 AI복원 대회(fastMRI Challenge)에서 전 부문 1위에 오르기도 했다. 이 회사의 공동창업자는 서울대 전기정보공학부와 서울대 의대 출신이다.휴런은 치매의 원인으로 알려진 ‘베타 아밀로이드’ 단백질을 자동으로 정량화하는 소프트웨어(Veuron-Brain-pAb)를 선보였다. 지난 1월 미국 FDA로부터 510K 승인을 받았으며, 국내에서는 지난해 7월 식품의약품안전처로부터 의료기기 2등급 허가를 받았다.휴런은 ‘Clinical AI’를 기반으로 파킨슨병, 뇌졸중, 치매 등 뇌신경질환 파이프라인을 개발하는 스타트업 회사다. 2017년 가천의대 길병원 신경과 교수인 신동훈 대표를 중심으로 신경과, 영상의학과, 의공학과 교수진과 가천대 의료기기센터의 인공지능 박사 연구진들이 참여했다.대표 제품인 ‘mPDia’는 파킨슨병을 조기에 진단하는 AI 솔루션이다. 회사측은 “파킨슨병은 치매에 이어 두 번째로 흔한 만성 퇴행성 질환이지만, 지금까지 파킨슨병 진단을 위해서는 임상의의 신경학적 진단과 PET 영상 판독이 병행돼야 했다”라며 “파킨슨병의 병소 영역을 자체적인 MRI 영상 처리 기술을 통해 가시화하고, 해당 영역의 손상 여부를 인공지능 딥러닝 기술을 통해 자동 판단하여 결과를 도출한다”고 설명했다.회사측은 “단순히 많은 양의 데이터를 모델링 방식이 아니라 양질의 데이터로 학습시킬 수 있었다. 파킨슨병 진단 시 PET대비 비용 감소 효과가 크다. mPDia는 상대적으로 저렴한 MRI 영상을 기반으로 하는 데다, 별도의 조영제를 사용하지 않아 안전성이 보장되며 반복검사도 가능하다”고 했다.회사측은 서울대병원, 서울아산병원, 서울성모병원을 비롯해 국내 10개 대학병원과의 후향 임상에 이어 전향 임상 예정이며, 영국과 네덜란드에서도 임상을 추가로 추진할 계획이다.아이메디신은 알츠하이머 치매 조기 발견을 위한 뇌전도 디지털 바이오마커를 선보였다. 인공지능(AI)이 뇌파를 딥러닝으로 분석해 알츠하이머 치매의 전 단계인 기억장애형 경도인지장애 여부를 선별(screening)하는 기술이다. 이 회사는 의사 출신인 강승완 서울대 간호대 교수가 창업했다.알츠하이머 치매는 뇌의 구조적인 변화가 생겨나기 전에는 기존 영상검사로 발견하기가 어려운 한계가 있다. 이에 비해 뇌파는 뇌가 퇴화함에 따라 전반적으로 느려지는 현상이 나타나 뇌의 건강 상태를 조기에 발견, 치료적인 접근을 할 수 있는 기회를 제공하는 것에 착안했다.해당 기술을 적용한 제품으로 시행한 임상시험에서 선별정확도(민감도 93.2%, 특이도 90.2%)를 입증해 지난해 8월 해당 제품(iSyncBrain MCI-Classifier)에 대해 의료기기 소프트웨어 허가를 받았다. 현재는 경도인지장애 정도에 따라 치매로의 진행가능성을 구분해 보여주는 기술을 개발 하고 있다.회사측은 “AI 치매 선별기술을 이용하면 딥 러닝을 통해 분석된 결과를 통해 치매 여부를 손쉽게 판별할 수 있다. 최근 개발한 전용 헤드셋 ‘아이싱크웨이브(iSyncWave)’를 10분 내외 착용한 상태로 뇌파를 측정하면 AI기술이 탑재된 ‘아이싱크브레인-M(iSyncBrain MCI Classifier)’ 솔루션에 뇌파데이터를 업로드 해 치매 혹은 경도인지장애 가능성을 구별할 수 있는 결과를 확인할 수 있다”고 밝혔다.회사측은 “상반기 출시를 목표로 개발 중에 있는 ‘아이싱크웨이브(iSyncWave)’는 기존에 젤 방식의 뇌파측정 대신 건식(gel-free) 측정으로 사용자와 환자의 편의성을 높이고, 측정된 결과에 따라 측정기에 함께 장착된 근적외선엘이디(NIR-LED)로 개인 맞춤형 광자극조절치료도 제공하는 제품”이라고 소개했다.
[보고서]의료계의 인공지능 기술의 응용 현황 및 미치는 영향
초록
1. 개요
인공지능은 인간의 인지능력을 모방하는 것을 목적으로 한다. 최근 대량의 헬스케어 데이터가 이용 가능해지고, 분석기술이 빠르게 성장함에 따라 인공지능의 활용도 또한 헬스케어로 확장되고 있다. 이 보고서에서는 헬스케어에서 인공지능이 응용되고 있는 현황을 조사하고 미치는 영향 및 미래를 논의한다.
인공지능은 헬스케어 데이터가 구조화되어 있든, 자유로운 형식의 문장이든 상관없이 헬스케어 분야에 적용될 수 있다. 구조화된 데이터에 대해서는 서포트 벡터 머신(Support Vector Machine, SVM), 신경망(Neural Network), 딥러닝(deep learning) 등이 사용되고 있고, 구조화되어 있지 않은 데이터에 대해서는 자연언어 처리기술이 사용된다.
인공지능 기술을 사용하는 주된 질병에는 암, 신경학, 그리고 심장학이 있다. 이 보고서에서는 IBM 왓슨(Watson)과 같은 초기 인공지능 시스템이 이러한 분야에 적용되고 있는 현황과 인공지능이 실제로 적용될 때 빈번히 나타나는 장애에 대하여 논의한다.
2. AI(인공지능) 헬스케어의 응용과 연구 헬스케어 기관
AI는 헬스케어와 사회복지서비스 분야에서 계획(planning)과 리소스 할당 업무에 이용될 수 있다. IBM 왓슨의 케어매니저 시스템은 비용 대비 효율성을 증가시키기 위해 개발된 시스템이다. 이 시스템은 할당된 예산 안에서 고객들의 필요를 충족시키는 케어 전문가를 찾아 각 고객과 연결시켜주는 역할을 한다. 또한 각 개인의 케어 플랜을 디자인하고, 케어 관리를 더 효과적으로 하기 위한 의견을 제공한다. AI는 환자 경험을 증진시키는 목적으로 사용되기도 한다. 영국 리버풀의 Alder Hey Children 병원은 ‘인지력 있는 병원(cognitive hospital)’이 되기 위해, 환자와의 상호작용을 증진시키는 앱을 개발하였고, 이를 위해 IBM 왓슨을 활용하고 있다. 이 앱은 환자가 병원을 방문하기 전부터 환자의 걱정과 문제점을 미리 인지하고, 환자가 원하는 정보를 제공하며, 환자의 적절한 치료를 위해 치료 정보를 가지고 있는 의료인을 대기시키는 등의 기능을 통해 환자의 병원에 대한 사용 경험의 향상을 꾀한다.
3. AI를 이용한 의학 연구
AI는 크고 복잡한 데이터셋에서 이전보다 더 빨리 그리고 더 정확하게 패턴을 분석하고 인식하기 위해 사용될 수 있다. 이와 관련된 연구논문을 찾는 데 AI 기술이 이용될 수 있고, 다른 종류의 데이터를 결합하여 대량의 데이터셋을 구축하는 데에도 사용될 수 있다. 예를 들면, 신약 개발을 돕기 위한 AI 이용의 경우를 들 수 있다. 영국의 암 연구 기관인 canSAR의 데이터베이스는 유전과 관련된 의료 데이터로부터 AI를 사용하여 암 치료를 위한 약제 예측을 하고 있다. 연구자들은 약제 개발의 더 빠르고 경제적인 프로세스를 위해 디자인된 ‘Eve’라고 불리는 AI 로봇을 개발했다. 헬스케어에 사용되는 AI 시스템은 의료 연구에 적절한 환자를 매칭하는 과정을 도움으로써 의료 연구의 성과를 높이는 데 기여하고 있다.
4. 의료 인공지능 연구의 개요
최근 인공지능 기술들이 헬스케어 분야에 큰 영향을 미치게 되면서, 인공지능을 가진 로봇 의사가 인간 의사를 대체할 수 있는지에 대한 논의가 활발하게 이루어지고 있다. 많은 연구자들이 인간 의사가 가까운 미래에 기계에 의해 대체되지 않을 것이라고 생각하는 듯하다. 그러나 인공지능이 더 나은 의료 결정을 내리기 위해 인간 의사를 도울 수 있고, 방사선학과 같은 헬스케어의 특정 기능 분야에서는 인간의 결정을 대신할 수도 있다는 데에는 이견이 없다. 헬스케어 데이터의 이용이 더 용이해지고 빅데이터 분석 방법이 빠르게 발달하고 있는 현시점에서 인공지능은 헬스케어 분야의 깊은 곳까지 그 영역을 확장하고 있다. 강력해진 인공지능 기술들은 방대한 양의 데이터에 숨겨진 의료 정보를 파악하고, 이렇게 파악된 정보는 의료 관련 결정을 내리는 데 영향을 미치게 된다.
5. AI의 이용 가능 분야
헬스케어에서 AI의 이용이 가능한 분야는 다음과 같다.
？ Medical Imaging: 이 분야에서 진단을 위해 스캔된 이미지는 체계적으로 저장되어왔고, 이로 인해 AI 시스템을 학습시키는 데 데이터로서 쉽게 이용이 가능하다. AI는 이미지를 분석하는 데 필요한 비용과 시간을 줄이는 기능을 하기 때문에, 더 나은 치료를 위한 더 많은 사진판독이 이루어질 수 있다. AI는 이미 폐렴, 유방암과 피부암 등을 판독하는 데 좋은 성능을 보이고 있다.
？ Echocardiography: 영국 옥스퍼드의 John Radcliffe 병원에서 시도하고 있는 Ultromics 시스템은 심장박동의 패턴을 인식하고 심혈관질환을 진단하는 Echocardiography 스캔을 분석하기 위하여 AI를 사용한다.
？ 뇌신경계 분석: 파킨슨병과 같은 뇌신경계와 연관된 질병을 진단하고 증상을 모니터하기 위해 음성 패턴을 분석하는 데 AI 도구가 이용되고 있다.
6. AI 적용 질병 대상들
6.1. 죽음에 이르는 3대 질병에 대한 AI 응용
최근 AI가 헬스케어 분야에 활발히 이용됨에도 불구하고, 연구는 주로 암, 신경 시스템에 관련된 질병, 그리고 심장병 등 몇 개의 질병 타입에 초점을 맞추고 있다.
？ 암(csancer): IBM Watson 시스템은 암 연구에 대해 이중맹검(double-blinded validation)을 도입함으로써 신뢰도 높은 AI 시스템을 만들고자 한다. 또한 피부암을 알아내기 위해 자동 이미지 분석기술을 도입했다.
？ 신경 시스템(neurology): Bouton은 사지마비 환자들의 움직임 제어를 복원하기 위한 AI 시스템을 만들었다. Farina는 의족을 제어하기 위해 척추 운동에 관여하는 뉴런의 활동 시간대를 사용하여 오프라인 인간/기계 인터페이스를 구축하였다.
？ 심장병(Cardiology): 심장 사진을 통해서 심장병을 진단하기 위한 AI 시스템 또한 연구되었다. Arterys는 심장 사진 판독 AI 기술의 응용을 시장화하기 위해 2017년에 US FDA로부터 허가를 받았다. 이 AI 응용기술은 기존의 심장 MRI 사진을 분석하여 자동화된, 그리고 수정 가능한 심실 분할(ventricle segmentations) 기능을 제공한다.
앞에서 언급한 세 가지 질병은 죽음에 이르는 대표적인 원인이기 때문에, 이에 대한 조기진단이 환자의 건강을 해치는 것을 막는 데 필수적이다. 이러한 조기진단은 AI 시스템이 잘 작동하는 사진판독(imaging), 유전정보(genetic), 또는 전자의료문서(EMR)에 대한 분석 등을 활용하여 이루어지기 때문에 인공지능의 활용도를 극대화시킬 수 있다. AI는 상기 3가지 주된 질병뿐만 아니라 다른 질병에도 적용될 수 있다. 선천적 백내장을 진단하기 위해 눈 사진 데이터를 AI가 분석할 수 있고, 망막 사진을 통해 당뇨병성망막증을 인식하는 데 또한 AI가 활용될 수 있다.
6.2. 뇌졸중(stroke)에 대한 AI 응용
뇌졸중은 전 세계 5천억 인구에게 발생하는 흔한 질병이다. 중국에서는 뇌졸중이 죽음에 이르는 가장 큰 원인 중의 하나이고, 북미에서는 죽음에 이르는 질병 5위를 차지하고 있다. 뇌졸중은 세계적으로 689조 달러의 비용을 발생시키며, 각 나라와 가정에 커다란 경제적 부담이 되고 있다. 그러므로 뇌졸중을 방지하고 치료하는 연구는 전 세계적으로 중요한 이슈이다. 최근에는 AI 기술이 점점 더 많은 뇌졸중 관련 연구들에 사용되고 있다. 뇌졸중에 인공지능을 적용할 때 (1) 초기 질병 예측과 진단, (2) 치료, 그리고 (3) 결과 예측과 예후 평가의 세 단계로 구분할 수 있다.
6.2.1. 초기 질병 예측과 진단
뇌졸중은 혈관 안에 생기는 혈전으로 인한 뇌경색이 85%를 차지한다. 그러나 초기 뇌졸중 증상에 대한 판단 부족으로, 제때에 적합한 치료를 받을 수 있는 환자는 얼마 되지 않는 실정이다. Villar는 뇌졸중을 초기에 진단하기 위해 움직임 인식(movement-detecting) 도구를 개발했다. 기계학습 알고리즘인 ‘유전자 퍼지 유한상태기계(genetic fuzzy finite state machine)’와 ‘주성분분석(PCA)’을 사용하여 솔루션을 제공하는 모듈을 개발하였다. 움직임 인식 프로세스는 인간의 활동 인식 단계와 뇌졸중 시작 예측 단계를 포함하고 있다. 환자의 움직임이 보통의 패턴과 심각한 수준으로 다른 정도를 보이면, 뇌졸중의 경고가 켜지고 가능한 한 빨리 치료를 시작하도록 유도한다. 이와 유사하게, Maninini는 뇌졸중 예측을 위해 평소의 걸음걸이와 뇌졸중 증상 중의 걸음걸이에 대한 데이터를 수집하였고, 이를 위해 몸에 착용 가능한 도구를 제안했다. 데이터는 은닉 마코프 모델(hidden Markov models)과 서포트 벡터 머신(SVM) 알고리즘에 의해 모델링되었고, 알고리즘은 해당 그룹에 대해 90.5%의 정확도로 분류할 수 있었다.
뇌졸중의 진단을 위해서, MRI와 CT를 포함한 뇌 사진 판독기술이 질병 예측에 매우 중요한 역할을 한다. 몇몇 연구는 뇌 사진 데이터에 대한 의사의 뇌졸중 진단을 돕기 위해 기계학습 방법을 적용하였다. Rehme는 휴지기 기능적(resting-state functional) MRI 데이터에 서포트 벡터 머신(SVM)을 사용했다. 그 결과 SVM 분류기를 통해 87.6% 정확도로 뇌졸중이 있는 환자를 구분해낼 수 있었다.
6.2.2. 치료
기계학습은 뇌졸중 치료의 성능을 예측하고 분석하는 데 적용되고 있다. 비상 상황 예측의 결정적인 단계로서, 정맥 내 혈전용해의 결과는 향후 환자 상태와 생존율에 깊이 연관되어 있다. Bentley는 환자의 CT 스캔을 분석하여 전조가 되는 뇌출혈의 인식을 서포트 벡터 머신(SVM)으로 예측하였다. 이 연구에서는 SVM 분류기에 대한 입력 데이터로 뇌 사진을 사용하였다. 이 예측은 기존의 방사선학에 기반한 방법보다 더 좋은 성능을 보였다.
6.2.3. 결과 예측과 예후 평가
수많은 요인들이 뇌졸중의 예후와 사망에 영향을 줄 수 있다. 기존 방법들과 비교하여, 기계학습 방법은 예측의 정확도를 향상시키는 장점이 있다. 임상적 의사결정(Clinical decision-making) 프로세스를 지원하기 위해, Zhang은 로지스틱 회귀(logistic regression)를 사용하여 뇌졸중 후에 48시간 동안 생리적인 상태를 분석함으로써 향후 3개월의 치료 결과를 예측하기 위한 모델을 제안했다.
Asadi 등은 급성허혈증뇌졸중과 후방순환계뇌졸중이 있는 107개의 환자의 동맥 내 치료(intra-arterial therapy)에 대한 임상 정보 데이터베이스를 구성했다. 이들은 인공신경망(artificial neural network)을 통해 데이터를 분석했고, 70% 이상의 예측 정확도를 보였다.
뇌졸중 치료의 결과를 예측하기 위해서는 뇌의 이미지가 분석되었다. Chen은 기계학습을 통하여 반구경색증(hemispheric infarction)에 따른 대뇌부종(cerebral oedema)을 평가하기 위해 CT 스캔 데이터를 분석했다. 그들은 자동으로 뇌척수액(cerebrospinal fluid)을 인식하고 CT 스캔 결과에 대한 변화를 분석하기 위해 랜덤 포레스트(random forest) 분류기를 구축했다. 그리하여 기존의 방법들보다 더 효율적이고 정확한 결과를 도출했다.
7. AI의 한계
AI는 디지털 데이터에 의존한다. 디지털 데이터에 모순이 있거나 질이 낮을 경우 인공지능의 결과도 좋지 않게 된다. 또한 방대하고 복잡한 데이터셋을 분석하기 위해 고성능 컴퓨팅 파워가 요구된다. 많은 사람들이 의료기관에서의 AI의 사용에 대해 적극적이지만, 실제 사용에 있어서의 문제점에 대한 지적 또한 상당하다. 그 이유로, 첫째 의료 데이터가 일률적으로 디지털화되어 있지 않다는 것이다. 두 번째로, IT 시스템 및 데이터에 대한 라벨에 표준이 없고, 이로 인해 데이터 상호 간 정보처리에 한계가 발생한다. 셋째, 개인적인 의료 데이터의 디지털 공유에 환자들과 의료인들이 완전하게 동의하지 않는다. 마지막으로, 인간들은 AI 시스템이 할 수 없는 능력을 지니고 있다. 임상 의료인들은 종종 현재 AI가 따라 할 수 없는 복잡한 판단을 하고 능력을 발휘한다. 예를 들어 주변 환경으로부터의 지식과 사회적 신호(social cue)를 읽는 능력은 인공지능이 쉽게 배울 수 없는 것이다. 자체적인 판단과 이에 맞는 처치 또한 AI가 인간을 따라 할 수 없는 능력 중 하나이다.
8. 어떻게 인공지능이 의료 분야에서 성공할 것인가
의료인들은 성능이 좋은 AI 기술을 두 팔 벌려 환영하는 자세를 갖는 것이 필요하다. Ochsner Health System 사진판독부의 부대표인 Ashley Clary는 이용 가능한 데이터를 확장하는 데 필요한 솔루션의 관점에서 AI의 위치를 설명한다. 일반적으로 우리 사회는 AI가 인간의 노동을 대체하는 것을 바람직하게 생각하지 않지만, Ochsner의 방사선전문의들은 AI 기술을 환영하고 있고, AI가 의료 분야에 이용되는 기회가 많아지기를 바라고 있다. 이 방사선전문의들은 반복적인 이미지 판독보다는 환자와 더 많이 연결될 기회를 갖기를 원하고 있다. 또한 복잡한 임상 의사결정과 중재적 방사선학(interventional radiology)과 같은 더 높은 레벨의 의료문제에 자신의 업무 시간을 쓰고자 한다. AI를 반복적인 이미지 판독에 이용하는 과정에 적용함으로써 의료인과 환자들은 더 많은 혜택을 얻게 될 것이고 궁극적으로 의료 분야의 진보라는 중요한 결과를 얻게 될 것이다.
이러한 변형 인공지능(transformative AI)이 일으키는 변화는 노동의 질과 생산성을 향상시키는 데 초점이 맞춰질 것이고, 앞으로 더 많은 의료인과 환자들이 쉽게 이러한 변화를 경험하게 될 것으로 보인다. Alexander Fogel과 Joseph Kvedar는 최근 《Nature》지에 다음과 같이 주장했다. “인공지능은 의료인들이 단지 인간만이 해낼 수 있는 일에 집중할 수 있도록, 그리고 그 일에 최선을 다할 수 있도록 도와줄 것이다.”
9. 결론 및 논의
헬스케어에서 AI를 사용하고자 동기를 파악하고, AI가 분석한 다양한 헬스케어 데이터에 대해 알아보았다. 그리고 AI가 이용된 주된 질병 타입을 조사했다. AI 도구의 2개의 주된 카테고리인 기계학습(machine learning)과 자연어처리(natural language processing)를 통해 의료 데이터를 분석하고 분류할 수 있다. 의료 데이터의 기계학습을 위해서는 가장 유명한 보편적인 기술인 서포트 벡터 머신(SVM)과 인공지능(neural network), 그리고 현대 딥러닝 기술이 활용되고 있다. 뇌졸중 질병에 관해서는 AI가 적용될 수 있는 분야를 3개의 카테고리로 나누어 조사했다.
성공적인 AI 시스템은 구조화된 데이터(image, EP data, genetic data)를 다루기 위해 기계학습 컴포넌트를 가지고 있어야 하고, 비구조화된 자연어 문장에 대해서는 자연어처리 컴포넌트를 가지고 있어야 한다. AI 시스템이 질병 진단과 치료에 대한 조언을 통해 의료인을 돕는 데 사용되기 위해, AI 알고리즘은 헬스케어 데이터를 통한 학습 및 검증이 필요하다.
AI는 기복 없이 높은 질의 성능을 보장하면서 인간의 관심과 시간을 더 높은 레벨의 의료문제에 맞추게 함으로써 헬스케어의 질을 높이는 데 기여한다. Massachusetts General and Brigham & Womeneneral andat의 디렉터인 Dr. Mark Michalski는 다음과 같은 말을 하였다. ” 다는 의료인을 대체할 수 없을 것이다. 그러나 AI를 사용하는 의료인은 그렇지 않은 의료인을 대체할 것이다.”
References
1. Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H. and Wang, Y.,. Artificial intelligence in healthcare: past, present and future. Stroke and vascular neurology, 2(4), pp.230-243. 2017.
2. Bioethics Briefing note, Artificial intelligence (AI) in healthcare and research, Nuffield Council on Bioethics, 2018. http://nuffieldbioethics.org/wp-content/uploads/Artificial-Intelligence-AI-in-healthcare-and-research.pdf
3. GE Healthcare, AI in Healthcare: Keys to a Smarter Future, General Electric Company, 2018. https://www.gehealthcare.com/-/media/b3a5e32538454cf4a61a4c58bd775415.pdf
의료 분야에서 맹활약하는 AI
자원이 부족한 국가에서 이제 AI가 효율적인 의료 서비스 제공에 도움을 주고 있다. AI 소프트웨어는 어느 곳에 진료소를 만들지, 인력이나 장비를 어디에 우선적으로 배치할지 등의 문제를 결정하는 데 도움을 주면서 환자들이 더 나은 검사와 치료를 받는 데 기여하고 있다.
의료 시스템을 운영하려면 신경 써야 할 일이 매우 많다. 가령 이동식 진료소에서 테스트 키트에 이르기까지 수많은 것들을 말 그대로 ‘적시 적소’에 배치해야 한다. 이는 자원이 부족하고 풍토병을 겪는 가난한 나라에서는 감당하기 버거운 일이다.
그러자 세계적인 의료 기관들이 이들 국가에 도움을 주기 위해 나섰다. 가난한 국가들이 인공지능(AI) 공급망 관리 도구를 사용해서 국민들이 더 쉽게 검사와 치료를 받을 수 있게 해주고 있는 것이다.
의료 기관들은 AI 소프트웨어를 사용해서 어디에 새로운 진료소를 세울지, 장비와 인력을 어떻게 할당할지, 어떤 지출을 우선시할지 결정하는 데 도움을 주고 있다. 그리고 이 소프트웨어는 곧 미국에서도 의료 프로그램을 운영하는 데 유용할 것으로 기대된다.
세계보건기구(World Health Organization)가 2017년 발표한 보고서에 따르면 중저소득 국가에서 에이즈(HIV), 결핵, 말라리아 같은 풍토병 진단에 필요한 장비나 인력을 보유하고 있는 시설은 진료소 중 1%, 병원 중 14%에 불과하다. 2021년에 의학 저널 <랜싯(Lancet)>이 설립한 한 위원회는 전 세계 인구의 절반 가까이가 의료시설에서 검사를 받는 데 어려움이 있거나 아예 검사를 받을 수 없다고 결론 내렸다. 검사를 받을 수 있다고 해도 결과가 정확하지 않거나, 결과가 너무 늦게 나와서 치료 받을 수 없는 경우도 많다는 설명이다.
공급망 문제에서 찾은 해결책
세계적인 의료 기관들은 이러한 문제의 근본적인 원인이 ‘공급망’ 문제라는 것을 깨닫기 시작했다. 브로드리치 그룹(BroadReach Group)의 공동설립자이자 의사인 존 사전트(John Sargent)는 “코카콜라는 세계에서 가장 외딴곳에도 얼음처럼 차가운 콜라를 공급할 수 있는데, 왜 우리는 의료 분야에서 비슷한 일을 할 수 없는 것일까?”라는 질문을 던졌다. 의료 서비스 전달 기관은 제품, 창고, 운송 링크 같은 현실 세계의 자원을 미러링하여 복잡한 과정을 시뮬레이션하는 도구인 ‘디지털 트윈(digital twin)’ 같은 AI 소프트웨어를 활용하여 세계에서 가장 큰 HIV 관리 및 치료 프로그램을 관리한다. 머신러닝 알고리즘(machine learning algorithm)도 이러한 시뮬레이션을 사용하여 문제를 예측하고 해결책을 제안할 수 있다.
지난 몇 년 동안 소매에서 제조에 이르기까지 다양한 산업군에 속한 기업들이 현재 전 세계에서 벌어지고 있는 최악의 공급망 붕괴 문제를 견뎌내기 위해 디지털 트윈을 활용하기 시작했다. 스위스에 본사를 둔 비영리단체 FIND(Foundation for Innovative New Diagnostics, 혁신적 진단기기재단)의 남아공 지사 대표 하이디 앨버트(Heidi Albert)는 “우리는 물러서서 한 나라의 전체 의료 네트워크를 살펴보고 싶었다”며 “검사가 전 세계 의료 서비스에서 가장 취약한 부분이나 우리의 목표는 의사의 검사가 필요한 모든 사람들이 제대로 된 검사를 받을 수 있도록 하는 것”이라고 말했다.
그러기 위해서는 한정된 자원을 전체 의료 시스템에 할당하여, 이용 가능한 자원을 한도 내에서 최대로 활용할 수 있는 방법을 고민해야 한다. 이 과정에서 디지털 트윈은 자원과 각각의 자원 간의 의존도를 모델링하여 서비스에 존재하는 격차를 파악하고, 앞으로 발생할 문제를 예측하며, 상황을 조정해서 가능한 시나리오를 탐색한다.
FIND는 의료 검사 서비스 최적화를 위한 도구를 구축하기 위해 미국의 비즈니스 관리 소프트웨어 공급 업체인 쿠파(Coupa)와 협력하고 있다. 쿠파는 지난 4년 동안 ‘OptiDx’라는 이름을 가진 자사의 비즈니스 소프트웨어를 의료 시스템에 맞춰 조정해왔다. OptiDx는 머신러닝 같은 다양한 기술을 사용하여 복잡한 과정을 모델링하고 분석한 결과를 바탕으로 수요를 예측하고 그 수요를 충족하는 최적의 설정을 파악한다.
OptiDx는 정부 관계자부터 간호사까지 의료 서비스 관리자들이 장비와 인력을 최적의 장소에 배치할 수 있게 하여 자원을 효과적으로 할당하는 데 도움을 줄 수 있도록 설계되었다. 예를 들어, 정부는 국가 검사 시설들의 디지털 트윈을 이용해 수요 증가를 시뮬레이션하여 어떤 추가 진료소와 장비가 필요할지 파악하고 변수를 조정해서 가상 시나리오들을 탐색할 수 있다.
FIND와 쿠파는 이미 잠비아, 베트남, 방글라데시, 부르키나파소에서 해당 소프트웨어를 시범적으로 사용했다. 잠비아에서는 소프트웨어의 추천 덕분에 HIV 검사 샘플이 이동해야 하는 평균 거리가 약 5km로 단축되었다. 이전보다 11배나 줄어든 거리다.
FIND는 이제 케냐, 레소토, 인도, 필리핀을 포함해 15개 국가에서 OptiDx를 출시하고 있다. 필리핀에서는 OptiDx를 이용하여 한 진료소가 예상보다 더 적은 기구로도 같은 수의 검사를 진행할 수 있다는 것을 파악한 덕분에 그 진료소가 예산의 일부를 재할당할 수 있었다.
FIND는 OptiDx 소프트웨어의 추천 시스템이 유용한지, 또 그런 추천을 실제로 실행에 옮길 수 있는지 모니터링하고 있다. 앨버트는 “이러한 작업에는 국가가 나서야 한다. 중요한 것은 결정을 내려야 하는 관리자들의 손에 이러한 데이터와 관련한 권한을 부여하는 것”이라고 설명했다.
개별 환자의 행동 예측까지
브로드리치는 마이크로소프트(Microsoft)와의 협력을 통해 제작한 밴티지(Vantage)라는 시뮬레이션 도구를 사용하여 인력이 부족한 진료소를 파악하고 가장 시급한 곳에 인력을 보낸다. 2020년 코로나19 팬데믹이 발생한 처음 몇 주 동안 브로드리치는 FIND와 협력하여 남아공의 두 지역이 코로나19에 얼마나 대비되어 있는지 평가하고, 단 사흘 만에 보호장비와 인력이 부족한 300곳 이상의 진료소를 파악하여 표시했다.
사전트는 의대에 진학하기 전에 난민수용소에서 일을 하면서 아프리카의 의료 시스템에 관해 직접 배웠다고 밝혔다. 그는 이후에 탄자니아와 케냐에서 성장한 동료 의사 에르네스트 다르코(Ernest Darkoh)와 함께 브로드리치를 설립했다. 사전트는 “잠비아 같은 곳에 있는 시골 진료소에 가면 종이에 적힌 환자 기록을 볼 수 있다”고 말했다. 그러나 그곳에는 기술도 존재한다. 그는 “간호사들은 스마트폰을 사용하고 페이스북은 그들이 좋아할 것 같은 게시물을 추천한다”고 덧붙였다.
부족한 부분을 모니터링하는 것뿐만 아니라, 브로드리치는 몇몇 아프리카 국가에 있는 수천 곳 이상의 진료소에서 개별 환자들을 추적해 그들이 필요한 치료를 지속적으로 받고 있는지 모니터링한다. 진료소들도 그런 작업을 하고 있지만, 밴티지는 수십만 개의 익명 의료 기록과 소셜 데이터를 이용해 학습한 머신러닝을 이용해 치료를 중단할 가능성이 있는 환자를 파악하고, 그들이 치료를 중단하기 전에 의료종사자들이 미리 그들에게 연락할 수 있도록 하고 있다.
나이지리아 바이러스학 연구소(Institute of Virology Nigeria)는 2021년에 밴티지를 사용하여 나이지리아의 세 지역에서 HIV 치료를 받고 있는 3만 명 중에 치료를 중단할 위험성이 있는 사람들이 누구인지 예측했다. 밴티지는 또한 의료종사자가 전화를 하거나 방문한 환자 중 91%가 치료를 계속했다는 것을 발견했다. 이에 반해 연락을 받지 않은 사람 중에서 치료를 지속한 사람은 55%에 불과했다.
브로드리치에 따르면 수많은 HIV 진료소에서 근무하는 의료분야 종사자들이 밴티지가 가장 개입이 필요한 환자들에게 집중할 수 있도록 도움을 준 덕분에 환자들과 더 긴밀한 관계를 유지할 수 있었다고 말하고 있다.
한편 ‘선진국’에서는
브로드리치는 이제 미국에서도 자사의 소프트웨어를 이용할 수 있게 하려고 한다. 사전트는 “코로나19가 전 세계에 타격을 줬을 때, 우리는 소위 ‘선진국’의 의료 시스템이 그다지 훌륭하지 않으며, 수많은 사람들이 낙오되고 있다는 것을 깨닫게 되었다”고 밝혔다.
브로드리치는 미국 의료 서비스 제공자들 및 보험사들과 함께 네 건의 시범 프로젝트에 참여하고 있다. 그중 하나에서 브로드리치는 머신러닝을 활용해 어느 곳에 백신 접종소가 세워져야 할지, 그리고 어떤 커뮤니티들을 자세히 조사해야 할지 예측했고, 이 덕분에 콜로라도주 일부 지역의 낮은 백신 접종률 문제를 처리할 수 있었다. 당시 지역 보건당국은 가능한 한 많은 사람들에게 백신을 접종하기 위해서 도시 지역에 자원이 집중되어야 한다고 생각했지만, 밴티지는 저소득 농촌 지역과 소수 커뮤니티에 초점을 맞추는 것이 훨씬 더 큰 효과를 가져온다는 것을 밝혀냈다.
브로드리치는 또한 캘리포니아주의 어떤 보험사와 협력하고 있다. 캘리포니아주는 각각의 인구 집단마다 고지혈증약 스타틴(statin)을 복용하는 방식에 상당한 격차가 드러나는 곳이다. 브로드리치는 데이터를 검토해서 이러한 현상이 어째서 발생하는지 파악하려고 한다.
사전트는 “일부 커뮤니티들은 진료소로 가는 교통편이 좋지 않아서 그곳에 사는 사람들이 처방전을 새로 받기 위해 의사를 찾아가지 않을 수도 있고, 어떤 곳에서는 단순히 의료 시스템에 대한 오랜 불신이 있어서 그런 현상이 발생할 수도 있다”고 설명했다. 그는 밴티지가 개별 환자의 위험 요인을 예측할 수 있게 되기를 바란다. 예를 들어, 진료소 근처에 살지 않은 스페인어 화자가 있다고 하면, 밴티지는 보험사에 스페인어를 할 수 있는 사회복지사와 택시 할인권을 제공하라고 추천할 것이라는 설명이다.
구하기 힘든 데이터
그러나 AI가 그런 예측을 정확하게 할 수 있도록 학습시키는 데 필요한 데이터를 구하기는 쉽지 않다. 미국에서 의료 데이터는 일반적으로 의료 서비스 제공자들 사이에서 공유되지 않는다. 사전트는 브로드리치가 사람들의 우편번호와 신용기록 같은 사회경제적 데이터와 의료 기록을 결합하여 이 문제를 해결하고 있다고 밝혔다. 그는 “우리는 소비자 데이터 기업들과 협력한다. 행동 패턴과 거주하는 곳의 환경을 파악하면 환자에 대해 많은 것들을 알 수 있기 때문이다. 우리는 이러한 자료들을 모두 합쳐서 전체 인구의 전반적인 상황과 개별 환자 각자의 사정을 파악할 수 있다”고 설명했다.
이러한 일종의 감시에 대해 사람들이 느끼게 될 감정은 이 소프트웨어가 실제로 가져올 이점에 따라 달라질 것이다. 신용 기업, 채용 대행사, 경찰 등 다양한 기관들이 브로드리치가 개인의 미래 행동을 예측할 때 사용하는 사회경제적 데이터를 이미 활용하고 있다. 이러한 시스템에 내재된 편향들은 당연하게도 시민권 단체들의 강한 반발로 이어져왔다.
미국, 영국, 호주를 포함한 몇몇 국가에서는 의료 데이터를 공유하자는 정부 제안이 반발을 불러일으키고 있다고 미시간 대학교에서 개인 데이터 사용에 관한 법률적. 윤리적 문제를 연구하는 니컬슨 프라이스(Nicholson Price)가 말했다. 그러나 이런 상황에서도 기업들은 의료 데이터와 소비자 데이터를 계속해서 활용하고 있다. 프라이스는 “잘 안 알려졌을 뿐이지 회사들은 사실 이러한 데이터 수집을 몇 년 동안 계속해왔다”고 설명했다.
그는 “우리에게는 기업의 데이트 공유를 막을 능력이 없는 것 같아서 일부에서는 이에 대해 체념하기도 한다”면서 “그렇지만 그러한 데이터가 단순히 광고나 조작에 사용되는 대신에, 거기서 무언가 좋은 결과물들이 나올 수도 있다는 희망적인 전망도 있다”고 말했다.
키워드에 대한 정보 인공 지능 의료
다음은 Bing에서 인공 지능 의료 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 4-인공지능은 의료를 어떻게 혁신하는가
- KIRD
- 국가과학기술인력개발원
- 과학
- 기술
- 과학기술
- 인력개발
- 4차산업혁명
- 디지털헬스케어
- 인공지능
- 최윤섭
4-인공지능은 #의료를 #어떻게 #혁신하는가
YouTube에서 인공 지능 의료 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 4-인공지능은 의료를 어떻게 혁신하는가 | 인공 지능 의료, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.