인공지능(AI, 머신러닝, 딥러닝)이 변화시킬 세상은? 의료 분야 도입 및 활용 사례

의료 분야 인공지능(AI, 머신러닝, 딥러닝)이 변화시킬 세상은?

인공지능(AI, 머신러닝, 딥러닝)이 세상을 변화시킬 것입니다. 특히 의료 분야 도입되어 활용한다면 질병을 미리 발견하고 최적의 치료 방법을 제공하는데 도움될 수 있을 것입니다.

코로나 19 대유행은 의료 서비스 분야의 발전을 촉진시켰으며, 많은 기업들이 의료 분야의 응용 프로그램을 늘리기 위해 AI 소프트웨어에 막대한 투자를 하고 있습니다.

첨단 AI 소프트웨어 시장의 성장에 긍정적인 영향을 미치고 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.

인공지능 의료 활용 사례 @https://promedmail.org/ 캡쳐

https://promedmail.org/

Home - ProMED - ProMED-mail

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...

의료 분야 10대 AI 트렌드 

이 표는 헬스케어 10대 AI 트렌드의 영향도를 보여줍니다. 
 
AI 기반 빅데이터와 예측 건강 분석을 통해 조기 질병 감지가 가능하며, 머신러닝(ML) 기반 건강 진단은 인간의 오류를 줄여줍니다. 스타트업들은 점점 더 원격 환자 모니터링, 원격 건강 서비스 및 인구 건강 위험 예측에 인공지능을 활용합니다. 게다가, 인공지능 로봇은 외과 의사들이 복잡한 절차를 수행하고 병원 유지보수, 안전 및 위생을 개선하는 것을 돕습니다. 
 
임상 의사는 점점 더 ML 및 자연어 처리(NLP)를 활용하여 임상 의사 결정, 약물 시험 및 의료 등급 관리를 가속화합니다. NLP는 또한 개인화된 의료 서비스를 향상시키기 위해 전자 건강 기록(EHR), 유전자 검사 및 연구의 데이터를 통합합니다. 의료 디지털화에서 발생하는 위협 탐지 및 사기 방지 기능을 개선하여 사이버 보안을 강화합니다.
 
 

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

인공지능(AI, 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.