당신은 주제를 찾고 있습니까 “의료 머신 러닝 – Machine learning 1 – 2. 머신러닝이란?“? 다음 카테고리의 웹사이트 you.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: you.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 생활코딩 이(가) 작성한 기사에는 조회수 77,033회 및 좋아요 975개 개의 좋아요가 있습니다.
의료 머신 러닝 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 Machine learning 1 – 2. 머신러닝이란? – 의료 머신 러닝 주제에 대한 세부정보를 참조하세요
이 수업은 머신러닝을 처음 시작하는 분들이 이론없이, 수학없이, 코딩없이 머신러닝을 경험해볼 수 있도록 고안된 수업입니다.
이 수업이 끝나고 나면 머신러닝이 무엇이고, 머신러닝으로 무엇을 할 수 있는지를 알게 될 것입니다. 그 결과 머신러닝으로 하고 싶은 일이 생길 것입니다. 다시 말해서 꿈을 갖게 될 것입니다.
모든 수업은 유튜브 재생목록으로 모아두었습니다.
https://www.youtube.com/playlist?list=PLuHgQVnccGMDy5oF7G5WYxLF3NCYhB9H9
전자책 버전으로도 공부할 수 있습니다.
https://opentutorials.org/module/4916/28879
더 많은 수업들을 만나고 싶다면 지식지도 https://seomal.org 에 방문해주세요.
이 수업의 모든 내용은 저작권이 없습니다. 마음대로 이용하셔도 됩니다. (public domain)
의료 머신 러닝 주제에 대한 자세한 내용은 여기를 참조하세요.
의료 분야의 인공지능 | 머신 러닝 – 대한민국 | IBM
인공지능(AI)은 의료 상황에서 진단, 치료 및 결과 예측의 지원에 사용되는 원시 데이터 … 머신 러닝의 지원으로 진단, 치료 과정, 치료 가변성 및 환자 결과에 대한 …
Source: www.ibm.com
Date Published: 11/28/2022
View: 7169
보건의료 분야에서의 인공지능과 기계학습 활용 및 전망
따라서, 본 고에서는 인공지능, 기계학습, 딥러닝에 대한 기본적인 개념을 간단히 설명하고, 보건. 의료 분야에서 활용된 사례와 향후 전망에 대해 살펴보고자 함.
Source: repository.hira.or.kr
Date Published: 1/19/2021
View: 2681
인공지능(AI, 머신러닝, 딥러닝)이 변화시킬 세상은? 의료 분야 …
인공지능(AI, 머신러닝, 딥러닝) 적용 사례 – 의료 분야. 예를 들어, 전염병 발생 예측을 위하여 인공위성에서 수집된 데이터, 웹상의 흩어져 있는 각종 …
Source: earlybirdhenry.tistory.com
Date Published: 6/5/2021
View: 2915
헬스케어 분야 머신러닝 기술 활용 및 동향 – 한국보건산업진흥원
머신러닝(Machine Learning)은 인공지능(Artificial Intelligence)을 구현 … 의료·보건기관) 환자의 질병 진단·예측·치료 및 전염병 확산 경로를 …
Source: www.khidi.or.kr
Date Published: 9/20/2022
View: 8505
의료 분야에서 맹활약하는 AI
의료 기관들은 AI 소프트웨어를 사용해서 어디에 새로운 진료소를 세울지 … 머신러닝 알고리즘(machine learning algorithm)도 이러한 시뮬레이션을 …
Source: www.technologyreview.kr
Date Published: 12/7/2021
View: 8451
의료정보 빅데이터 분석 및 기계학습을 이용한 영상판독, 질병 …
머신러닝(기계학습) 알고리즘이 발달하면서, 컴퓨터가 의료정보를 분석하여 진단 및 치료 결정을 내리는 의료인공지능이 의학에 적용되기 시작함.
Source: scienceon.kisti.re.kr
Date Published: 5/4/2021
View: 2463
딥러닝으로 의료 분야에서 성공한 BM 만들고 싶어 | 나라경제
뷰노는 어떤 회사인가? 20 14년 12월 의료 데이터 분석 솔루션을 바탕으로 창업한 스타트업이다. 머신러닝(machine learning) 기술을 이용해 각종 의료용 진단 사진과 …
Source: eiec.kdi.re.kr
Date Published: 11/22/2022
View: 4390
인공지능은 의료를 어떻게 혁신할 것인가 (4) 딥러닝 기반의 …
신경망과 인공신경망. 앞서 몇 번 언급한 적이 있지만, 우리는 인공지능을 구현하기 위한 방법 중에서 특히 기계학습(machine learning)을 논의 범위 …
Source: www.yoonsupchoi.com
Date Published: 12/27/2022
View: 3713
의료영상에서의 딥 러닝
기계학습(machine learning)은 인공지능의 한 분야로 주어. 진 데이터로부터 패턴이나 특성을 학습하여 새로운 데이터에. 대해 작업을 수행해낼 수 있도록 하는 …
Source: www.ksiim.org
Date Published: 11/15/2022
View: 5724
인공지능, AI로 의료 산업의 혁신 | SAS KOREA
핵심 목적은 예방이나 치료 기술과 이를 통한 환자의 결과 사이의 관계를 분석하는 것입니다. 인공지능, 머신러닝, 딥러닝, 자연어처리, 헬스케어, 분석 …
Source: www.sas.com
Date Published: 3/4/2022
View: 9380
주제와 관련된 이미지 의료 머신 러닝
주제와 관련된 더 많은 사진을 참조하십시오 Machine learning 1 – 2. 머신러닝이란?. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 의료 머신 러닝
- Author: 생활코딩
- Views: 조회수 77,033회
- Likes: 좋아요 975개
- Date Published: 2020. 8. 12.
- Video Url link: https://www.youtube.com/watch?v=KR8ddnPjCtk
의료 분야의 인공지능 | 머신 러닝
AI 구동형 툴은 원시 데이터에서 의미 있는 관계를 식별할 수 있으며, 이에는 신약 개발, 치료 의사결정, 환자 치료 및 재무/운영 의사결정을 포함한 거의 모든 의료 분야에 적용될 수 있는 잠재력이 있습니다.
AI를 활용하여 의료 전문가들은 독자적으로 처리하기에는 힘들고 시간이 많이 걸리거나 비효율적일 수 있는 복잡한 문제점들을 해소할 수 있습니다. AI는 의료 전문가들에게 소중한 자원이 될 수 있으며, 이를 통해 이들은 자신의 전문 지식을 보다 잘 활용하고 의료 에코시스템에서 가치를 제공할 수 있습니다.
인공지능(AI, 머신러닝, 딥러닝)이 변화시킬 세상은? 의료 분야 도입 및 활용 사례
반응형
코로나 19 감염의 확산을 완화하기 위해 여러 국가에서 사회적 거리두기나 봉쇄조치를 부과한 것은 많은 기업들에게는 어려움을 주면서 부정적인 영향을 미쳤지만,
첨단 AI 소프트웨어 시장의 성장에 긍정적인 영향을 미치고 있습니다.
코로나 19 대유행은 의료 서비스 분야의 발전을 촉진시켰으며, 많은 기업들이 의료 분야의 응용 프로그램을 늘리기 위해 AI 소프트웨어에 막대한 투자를 하고 있습니다.
더구나 의료·훈련 분야의 디지털화율이 높아지면서 특히 엣지 AI 소프트웨어 수요가 급증한 것입니다.
또한 인공지능은 뎅기열, 말라리아 등 전염병 발생 예측에 활용하고 있으며, 신약 개발 기간 단축 및 각종 진료 현장에서 활용도가 높아질 기술입니다.
인공지능(AI, 머신러닝, 딥러닝) 적용 사례 – 의료 분야
예를 들어, 전염병 발생 예측을 위하여 인공위성에서 수집된 데이터, 웹상의 흩어져 있는 각종 정보, 실시간 소셜 미디어 정보, 각종 데이터를 바탕으로 전 세계 전염병 발생을 감시하고 예측하는 데도 인공지능 기술이 적용되고 있습니다.
예를 들어, 온도, 월평균 강우량, 총 양성 환자 수, 기타 데이터 지점 등의 데이터를 고려하여 말라리아 발생을 예측하기 위해 지원 벡터 머신러닝 와 인공 신경망 기술이 활용하였습니다. 의료 인프라, 의료진 교육 수단, 치료 접근성이 부족한 제3세계 국가에서는 발생 심각성을 예측하는 것이 특히 시급한 실정입니다. ProMED-mail이라는 곳에서는 신종 질병을 모니터링하고 감염 보고서를 실시간으로 제공하고 있습니다.
@https://promedmail.org/ 캡쳐
이와 같이 인공지능이 사람들의 건강관리와 치료에 활용하게 되면서 많인 효익이 줄 것으로 생각되며, 의료 및 제약 분야의 인공지능 활용 및 사례를 알아봅니다.
인공지능의 활용
의료 분야에서 인공지능은 지난 수십 년 동안 신약 개발, 로봇 보조 수술, 의료 데이터 탐색 등 영역에서 흥미로운 발전으로 가득 차 있습니다.
* 인공지능(AI)이란?
John McCarthy는 1950 년대에 인공지능이라는 단어를 만들었고 그 이후 널리 사용되고 있습니다. 또한 Alan Turning은 AI 개념을 정립하기도 했습니다. 인공 지능이라는 용어는 인간 지능을 모방하여 작업과 결정을 인수하는 알고리즘의 기능을 의미합니다.
많은 전문가들은 인공 지능의 하위 집합 인 머신 러닝이 의료 기술 분야에서 중요한 역할을 할 것이라고 믿습니다.
현재, AI는 의료 분야에서 다양한 방식으로 활용되고 있습니다.
머신 러닝은 대량의 “훈련 데이터”에서 직접 학습할 수 있는 알고리즘을 설명하는 데 사용되는 용어입니다.
알고리즘은 훈련 데이터를 기반으로 모델을 구축하고 경험을 적용하며, 훈련을 통해 얻은 알려지지 않은 새로운 데이터에 대한 예측과 결정을 할 수 있습니다.
바로 인공 신경망이라는 알고리즘은 인간의 뇌를 시뮬레이션한다는 아이디어에서 발전한 기계 학습 방법 중의 하나입니다.
인공신경망은 기계 학습에 사용되는 정보 처리 시스템이며 여러 계층의 뉴런으로 구성됩니다. 정보를 수신하는 입력 계층과 출력 계층 사이에는 수많은 숨겨진 뉴런 계층이 있습니다.
간단히 말해서, 신경망은 노드라고도하는 뉴런으로 구성되며, 이 뉴런은 연결된 다른 노드에서 외부 정보 또는 정보를 수신하고 이 정보를 보완 한 다음 최종 결과로 다음 뉴런 계층 또는 출력 계층으로 전달합니다.
딥 러닝은 입력 계층과 출력 계층 사이에 숨겨진 여러 개의 신경망 계층으로 구성된 인공 신경망의 변형 구조입니다. 내부 레이어는 원시 외부 데이터에서 상위 수준 기능을 추출하도록 설계되었습니다.
인공지능(AI, 머신러닝, 딥러닝) 적용 사례, 의료 및 제약 분야에서 도입 사례 늘고 있어…
인공지능(AI, 머신러닝, 딥러닝) 적용 사례 – 의약품 및 제약 분야에 대한 자세한 내용을 아래에서 볼 수 있습니다.
https://earlybirdhenry.tistory.com/entry/인공지능AI-머신러닝-딥러닝-적용-사례-의약품-및-제약-분야
의료 분야에서 인공 지능을 활용하는 목적과 방법
의료 및 제약 산업에서의 인공 지능
의료 및 제약 분야에서의 AI는 식별과 진단 영역을 변화시킬 수 있는 거대하고 광범위한 잠재력을 가지고 있다. 이 두 가지 혁신이 확산되며, AI와 로봇 공학은 환자에게 개인화된 치료를 제공하는 것부터 의약품 개발 과정을 자동화하는 것까지 가능하게 되었다.
전반적인 병원 업무 흐름을 최적화하고 환자의 특정 증세에 대한 정확한 원인을 정확히 파악하는 등 다양한 방법으로 의료 영역을 지원할 것으로 예상된다.
AI은 의료 및 제약 산업에 어떻게 적용되고 있을까?
인공 지능과 기계 학습은 의료 및 제약 산업에서 소비자 건강 관리에 중요한 역할을 하고 있습니다. 질병 식별이나 진단과 같은 증강 인텔리전스 응용프로그램에서 임상 시험, 의약품 제조 및 예측을 통한 환자 식별과 치료하는 데 도움이 되는 기술이 되었습니다.
최근 AI와 머신러닝은 제약 산업에 어떻게 적용되고 있는지, 몇 가지 사용 사례에 대해 알아보겠습니다.
AI와 머신 러닝은 제약업계에서 코로나 19의 효과적인 백신을 찾기 위한 경쟁에서 중요한 역할을 하고 있습니다. 제약 및 소비자 건강 관리 분야에서의 인공지능 활용 영역은 아래와 같습니다.
① 질병 식별 / 진단 : 종양학에서 코로나19 백신 개발, 눈의 변성에 이르기까지 다양합니다.
② 디지털 치료, 개인화된 치료 분석 : 치과 진료에서 잇몸 상태와 같은 조기 통찰력을 제공하여 문제가 되는 부위를 식별하는 데 효과적으로 사용될 수 있습니다. 예를 들어 잇몸 상태, 피부 피부 질환을 정확하게 분류하고, 일반 의약품으로 1 차 치료 방안을 제시할 수 있습니다. 임상의의 진단 정확도를 높이거나 정신 건강 전문의가 내린 임상 결정을 개선하기 위한 보조 도구 역할을 하고 있습니다.
③ 약물 발견 및 제조 : 생물학적 요인을 기반으로 예상 성공 확률로 약물 화합물의 스크리닝에 도움을 받을 수 있습니다. RNA와 DNA 분석을 빠르게 할 수 있고, 정밀 의학 또는 차세대 유전자 기반의 치료 약물을 더욱 빨리 개발할 수 있고, 환자 맞춤형 치료약물을 발견하는데 두임이 될 것입니다.
④ 예측력 향상 : 전염병 예측은 주요 사례 중 하나입니다. ML이나 인공지능 기술은 전 세계적으로 유행성 발병 또는 계절성 질병을 모니터링하고 예측하는데 적용되고 있습니다. 이러한 예측 결과는 공급망을 계획하고, 적시에 의약품 재고를 확보 헐 수 있는 정보 제공과 적절한 수량을 확보하는 데 도움이 됩니다.
⑤ 임상 시험 : 인구 통계, 감염률, 지역이나 인종 등을 대표하는 병력과 질병 상태, 추가적인 속성에 따른 적합한 대안을 제시할 수 있습니다.
그 이외 다른 측면에서 분류해 볼 수도 있습니다. 인공지능을 활용하는 영역을 다음과 같습니다
건강 계획 분석
건강 모니터링
디지털 상담
외과적 치료
의료 데이터 관리
실제 사용되는 사례를 보면, 온라인 진료 예약, 의료 센터의 온라인 체크인, 의료 기록의 디지털화, 후속 약속에 대한 알림 , 어린이와 임산부를 위한 예방 접종 날짜에 이르기까지 행정적인 업무에서 늘리 사용하고 있습니다.
AI 기술이 의료 및 제약 산업에 활용할 수밖에 없는 이유
인공지능 기술이 의료 행정의 보조적인 역할뿐만 아니라 진료와 진단에 인공지능이 많이 활용되기 시작했으며, 미국의 경우 의료 부문에서 AI가 크게 성장하고 있는데 그 이유는 다음과 같습니다.
– 노령 인구의 증가
. 노인들이 인구의 더 많은 비율을 차지함에 따라 더 많은 의료 시설과 심각한 질병에 대한 치료의 필요성도 증가되고 있기 때문입니다.
– 기계 학습
. 의료 데이터 분석가들은 머신 러닝 사용이 급증할 것으로 보고 있으며 특히 정밀 의학에서는 필수적인 역할을 하고 있습니다.
– 의료 영상 및 진단
. 의료 영상 및 진단은 향후 몇 년 동안 크게 성장할 것으로 예상됩니다. 이 영역은 특히 AI가 엄청난 장점을 가져다줄 것입니다.
의료 분야의 인공지능 사례
AI 증강 X선 솔루션 – 후지필름인도
후지필름인도법인은 Qure.ai의 딥러닝 인공지능(AI) 기술로 설계된 컴퓨터 보조 방사선 소프트웨어 애플리케이션으로 증강된 X선 솔루션을 소개했습니다. 흉부 X선 해석 기술인 QXR은 Covid-19, 결핵, 폐암, 잘못 배치된 카테터 및 기타 여러 방사선학적 소견으로 의심되는 이상을 감지하여 추가 검토 및 확인 테스트를 할 수 있습니다. 이 기술은 글로벌 데이터 집합에서 광범위하게 훈련되어 왔으며 소아 영상뿐만 아니라 성인용에도 사용 가능합니다.
후지필름의 휴대용 X선 FDR Xair 시스템은 qXR 소프트웨어와 연결할 수 있는 확장 장치로 새로운 이미지 처리 박스를 장착하여 의료 시점에서 이상 소견을 표시하여 임상의사와 기술자를 돕게 됩니다.
전이성 유방암 종양 진단 – 구글헬스케어
2018년 가을 구글 AI 헬스케어 연구원들이 개발한 학습 알고리즘인 리나(LYNA, Lymph Node Assistant)로 림프절 생체검사에서 전이성 유방암 종양을 확인 가능합니다. 조직학 분석을 위해 AI를 적용이 처음은 아니지만, 흥미롭게도 이 알고리즘은 주어진 생체실험 샘플에서 사람의 눈에 분간되지 않은 의심스러운 부위를 식별할 수 있었습니다. LYNA는 두 개의 데이터셋에서 테스트하여 샘플을 암 또는 비암으로 99%의 정확도로 분류하는 것으로 나타났습니다. 게다가, 의사들에게 조직 샘플의 일반적인 분석과 함께 사용하도록 했을 때, LYNA는 평균 검토 시간이 반으로 줄였습니다.
구글의 DeepMind Health
DeepMind Health AI 소프트웨어는 전 세계 병원에서 환자를 검사에서 치료로 보다 효율적으로 이동시키기 위해 사용되고 있습니다. DeepMind Health 프로그램으로 환자의 건강이 악화될 때 의사들에게 알려주고 심지어 유사한 증상에 대해 방대한 데이터 세트를 분석하여 질병 진단에 도움을 줄 수 있습니다. 환자의 증상을 수집해 딥마인드 플랫폼에 입력함으로써 의사들은 빠르고 효과적으로 진단할 수 있습니다.
아톰와이즈 – 다발성 경화증 치료약 개발
아톰와이즈(Atomwis)는 에볼라와 다발성 경화증을 포함한 오늘날 가장 심각한 질병들을 다루기 위해 AI를 이용하였습니다.
이 회사의 신경망인 아톰넷은 생체 활동을 예측하고 임상 실험을 위한 환자 특성을 파악하는 데 도움을 줍니다. 아톰와이즈의 AI 기술은 매일 1000만~2000만 개의 유전자 화합물을 걸러내며 기존 제약사보다 100배 빠른 속도로 결과를 전달할 수 있는 것으로 알려졌습니다.
아마존 – H2O.AI, 의료 시스템 전반에 걸친 AI 플랫폼
아마존의 AI는 의료 시스템 전반에 걸쳐 데이터를 분석하여 프로세스를 마이닝, 자동화 및 예측하는데 활용합니다. 그것은 ICU 전송을 예측하고, 임상 작업흐름을 개선하며, 심지어 환자가 병원에서 얻은 감염의 위험을 정확히 알아내는 데 사용되었습니다. 인공지능을 이용해 건강 데이터를 캐내 병원들은 패혈증을 예측하고 감지할 수 있어 궁극적으로 사망률을 낮출 수 있습니다. 참고로 H2O.ai를 사용하면 누구나 머신 러닝과 예측 분석을 쉽게 적용하여 오늘날의 가장 어려운 문제를 해결할 수 있습니다. 현재 다른 머신러닝 플랫폼에서는 찾아볼 수 없는 고유한 기능을 지능적으로 결합하고 있습니다.
IBM의 왓슨
의료 전문가들이 IBM의 왓슨과 경쟁하지 않았을 때는 자신의 데이터를 활용하여 병원 효율성을 최적화하고, 환자와 더 잘 연계하며, 치료를 개선하는 데 도움을 주고 있었다고 하지만, 왓슨을 활용함으로써 개인별 건강플랜 개발부터 유전자 검사 결과 해석, 초기 질병 징후 포착까지 모든 분야에 인공지능 기술아 활용되고 있습니다.
카네기 멜론 대학교 – 로봇 심장치료
카네기멜론 대학의 로봇학과는 심장에 대한 치료를 용이하게 하기 위해 고안된 소형 이동 로봇인 하트랜더를 개발했습니다.
의사의 통제 아래 이 작은 로봇은 작은 절개를 통해 가슴으로 들어가 스스로 심장의 특정 위치를 탐색해 심장 표면에 붙어 환자를 치료하는데 로봇이 사용되기도 합니다.
어큐레이(Accuray) – 암 치료 정밀 로봇
어큐레이 사이버나이프시스템은 로봇팔을 이용해 온몸의 암종양을 정밀하게 치료할 수 있는 이 로봇은 실시간 종양 추적 기능을 이용해 의사와 외과의사들은 전신이 아닌 환부만 치료할 수 있습니다.
어큐레이 사이버나이프 로봇은 6D 모션 센싱 기술을 이용해 암 종양을 공격하고 추적하는 동시에 건강한 조직을 손상하지 않고 치료를 하는데 도움됩니다.
MIT Clinical Machine Learning Group(MIT 임상 기계 학습 그룹) – 약물 화합물의 초기 선별 및 성공률 예측
신약 개발 및 의약품 제조 분야에 있어서 인공지능과 머신러닝(machine learning)을 사용함으로써 약물 화합물의 초기 선별부터 생물학적 요인에 따른 성공률 예측까지 다양한 활용 가능성이 있습니다. 또한 DNA 관련 차세대 시퀀싱과 같은 연구개발(R&D) 검색 기술이 포함됩니다. 의료 분야의 인공지능 연구의 대부분은 감독되지 않은 학습을 포함하는데, 상당 부분 예측 없이 데이터에서 패턴을 식별하는 것에 국한되어 있기도 합니다.
이 영역의 핵심 주체로는 MIT 임상 기계 학습 그룹이 있는데, 질병 변화 과정을 더 잘 이해하기 위한 알고리즘 개발과 제2형 당뇨병에 효과적인 치료를 위한 설계에 초점을 맞추고 있습니다. 현재의 약물 조합을 개인화하는 방법을 개발하는 데 초점을 두고 암 정밀 치료를 위한 AI 기술을 개발하기 위해 와의 협력을 포함한 여러 영역에 인공지능 기술을 사용하고 있습니다. 현재 급성 골수성 백혈병(AML)의 약물 조합을 개인화하는 접근법을 개발하는 데 초점을 두고 암 정밀 치료를 위한 AI 기술을 개발 중입니다.
하지만 풀어야 할 과제도 많아…
의료 분야의 인공지능 활용을 위한 해결 과제
의료 분야에서 AI를 사용하는 그 자체로 어려움, 부정적인 결과 및 발전하기 위한 어려 도전 과제들이 있습니다. 의료 기술 분야의 인공 지능은 성장 단계의 시작 단계에 있습니다. 그러나 인공 지능에 대한 기대는 높아져 있고 결과적으로 의료 부문의 디지털 미래이기도 합니다. 미래에 인공 지능은 중요한 작업에서 의료 전문가를 지원하고 복잡한 프로세스를 제어하고 자동화할 것 있습니다. 이를 통해 진단, 치료 및 치료를 환자의 개별 요구에 최적으로 맞출 수 있으므로 치료 효율성이 향상되어 향후 효과적이고 저렴한 의료 부문이 보장되도록 발전해야 합니다.
AI는 사람이 일으킬 수 있는 판단 오류를 제거할 수 있어, 경우에 따라 인간의 필요성을 완전히 없앨 수 있습니다. 이는 의료진의 일자리를 줄일 수 있다는 점입니다. AI의 또 다른 부정적인 측면은 AI를 사용하면 감성 지능뿐만 아니라 인간의 접촉 공감도 사라진다는 것입니다.
AI의 잘못된 판단을 배제할 수 없고 AI 시스템을 개발하고, 수정 및 업데이트하고 품질을 인증하기 위한 명확한 지침이 필요하다는 것도 중요한 도전과제입니다. 임상 환경에서 AI 시스템의 성능을 평가할 수 있는 올바른 프레임 워크가 마련하는 것은 매우 중요한 과제입니다.
반응형
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.
[보고서]의료정보 빅데이터 분석 및 기계학습을 이용한 영상판독, 질병진단, 예후예측 시스템 개발
초록
▼
연구의 목적 및 내용
– 의료 임상정보, 영상정보 및 유전체정보 데이터가 방대해지면서, 빅데이터 분석을 통해 새로운 의학지식을 발견하고, 질병을 모델링을 하는 것이 가능해짐.
– 머신러닝(기계학습) 알고리즘이 발달하면서, …
연구의 목적 및 내용
– 의료 임상정보, 영상정보 및 유전체정보 데이터가 방대해지면서, 빅데이터 분석을 통해 새로운 의학지식을 발견하고, 질병을 모델링을 하는 것이 가능해짐.
– 머신러닝(기계학습) 알고리즘이 발달하면서, 컴퓨터가 의료정보를 분석하여 진단 및 치료 결정을 내리는 의료인공지능이 의학에 적용되기 시작함. 국내외 여러 연구 기관에서 이를 개발 중이며, 의료인공지능의 효용성이 입증되기 시작함.
– 본 연구는 의료정보 빅데이터의 분석과 머신러닝을 이용하여 영상판독, 질병진단, 예후예측이 가능한 의료인공지능 시스템을 개발하여 진단 및 치료에 새 패러다임을 제시하고자 함. 이를 통해 국민건강과 공공복지, 국가경쟁력 제고, 관련산업 촉진에 공헌하고자 함.
연구개발성과
1) 의료인공지능 연구실 구축
– 머신러닝, 이미지프로세싱, 데이터마이닝 용 서버 2대 구축
– 의료인공지능 전문 연구원 2명 채용 (머신러닝 이론 및 코딩 가능 인력 확보)
– 연구책임자의 연구역량 강화
: 의료정보학 대학원 입학 (서울대학교 박사과정), 웹 머신러닝 강좌 다수 이수
– 머신러닝 관련 타학제 및 스타트업와의 협력체계 구축
2) 머신러닝관련 영상정보 데이터베이스(DB) 구축 및 데이터 검증
– 한림대성심병원 안저사진 DB구축 및 데이터 검증
– 한림대 의료원 위내시경, 대장내시경, 질확대경 사진 등 다수 DB구축
3) 공공개방 빅데이터 분석
– 건강보험공단 표본코호트 100만명 자료 확보 및 분석 시작
– 국민건강영양조사자료를 활용한 질환 위험인자 및 유전성 분석
4) 의료인공지능 개발
– 위내시경사진 자동판독 의료인공지능 시스템 개발
: 웹서비스 시스템 구축, 논문집필, 특허 2건 출원
– 안저사진 자동판독 의료인공지능 시스템 개발
– 질확대경사진 자동판독 의료인공지능 시스템 개발
: 특허 1건 출원
연구개발성과의 활용계획(기대효과)
– 한림대의료원 자체 임상 효용성 검증 및 타병원에서의 외부 검증
– 의료인공지능을 통한 진단 보조, 오진율 감소, 원격의료 질병 선별 등에의 적용
– 의료인공지능 관련 스타트업 창업 계획
– 포털 사이트 기반 온라인 서비스, 스마트폰 앱 개발 등을 통한 실용화, 상용화
– 빅데이터, 생물정보학, 인공지능을 바탕으로 개인맞춤 의료서비스 제공
(출처 : 요약문 4p)
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.
키워드에 대한 정보 의료 머신 러닝
다음은 Bing에서 의료 머신 러닝 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 Machine learning 1 – 2. 머신러닝이란?
- 생활코딩
- opentutorials.org
- 코딩
- 프로그래밍
- 머신러닝
- 머신러닝야학
- machine learning
- 인공지능
- ai
Machine #learning #1 #- #2. #머신러닝이란?
YouTube에서 의료 머신 러닝 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 Machine learning 1 – 2. 머신러닝이란? | 의료 머신 러닝, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.