의료 산업에서 인공지능 AI에 대한 관심이 계속해서 증가하면서 현재 많은 AI 응용 사례가 있으며 미래에는 더 많은 사용 사례가 나타날 것입니다.
의료 산업에서 5대 인공 지능 응용 사례와 공급 업체를 확인하고 의료 산업에서 사용되는 일반적인 과정을 알아봅니다.
의료 산업은 어떻게 인공지능의 사용으로 이익을 얻을 수 있을까요?
여러 연구 결과에서 효과가 있는 것으로 나타났습니다.
- 93% 이상의 실무자가 ML을 통한 프로세스가 의료 산업에서 숨겨진 가치 또는 얻을 수 없는 가치를 되살리는 데 도움이 될 수 있다는 데 동의하고 있다고 합니다.
- AI는 더 나은 환자 결과를 달성하고, 의료 서비스 제공을 강화하며, 의료 업계의 운영 이익을 촉진할 수 있습니다.
- 의료기업의 69% 이상이 예비진단 관리지원을 위해 AI 솔루션을 시험 또는 채택하고 있습니다.
- AI 지원 진단을 통한 향상된 진료 제공에서 의료 기록 관리까지, AI 기술은 배우고, 이해하고, 예측하고, 행동할 수 있는 기계를 사용하여 현대 의료에 혁명을 일으키고 있습니다.
의료 산업에서의 인공지능 활용 사례
임상시험에 관여하는 임상의, 연구자 또는 데이터 관리자로 구성된 팀은 임상연구를 수행하고 마무리하는 데 중요한 의료코드 검색 및 확인 업무를 신속히 처리할 수 있습니다.
의료보험 납부자는 맞춤형 의료 솔루션에 관심이 있는 회원과 대화형 AI를 통해 가상 에이전트를 연결함으로써 의료보험을 개인화할 수 있습니다.
임상의는 의료 데이터를 종합하여 보다 신속하게 질병을 예측하거나 진단함으로써 환자의 진료를 개선하고 맞춤화할 수 있습니다.
1. 의료영상 분석 지원
AI를 활용한 가장 대표적인 사례는 분류 도구로 사용하는 것입니다. 각종 의료 영상 및 스캔을 검토하는 임상의사를 의 업무를 확실하게 도와 줄 수 있습니다. 예들 들어, 방사선 전문의 또는 심장 전문의는 중요한 사례의 우선순위를 지정하기 위한 필수 통찰력을 식별하고, 전자 건강 기록(EHR)을 읽을 때 발생할 수 있는 오류를 방지하고, 보다 정확한 진단을 수행할 수 있습니다.
임상 연구는 확인해야 할 방대한 양의 데이터와 이미지가 발생하고 있어 사람의 전문성만으로 분석하기에는 감당해야 할 업무가 너무 많은데 AI 알고리즘은 이러한 데이터셋을 고속으로 분석하여 다른 연구와 비교하여 패턴 및 보이지 않는 상호연결을 식별하는 것을 도와 줄 수 있습니다. 이러한 체계를 통해 의료 영상 전문가는 중요한 정보를 신속하게 추적하고 진단할 수 있습니다.
예를 들어 HMH(Hardin Memorial Health)의 경우는 이미지 전문가들을 위해 EHR에서 관련 데이터를 집중적으로 추출하는 방법을 찾아야 했습니다. HMH는 전자 의료 기록과 관련된 문제를 해결하고자 했습니다.
관련 데이터를 신속하게 추출하여 영상의학과 전문의가 집중할 수 있는 단일 데이터 포인트로 제공하는 솔루션을 찾고 있었습니다. 환자 인사이트는 의료 환경에서 매우 중요하며, 관련 환자 정보에 대한 빠른 액세스를 통해
더 나은 결과로 이어질 수 있습니다. HMH는 다음과 같은 목표를 달성하고자 했습니다.
그 결과 영상의학과 전문의가 환자 데이터를 선별하는 데 소요되는 시간과 노력을 시간을 대폭 줄이기 위하여 AI 기반 IBM 왓슨 이미징 구현 환자 개요 솔루션을 구현함으로써 더 빠르고 자신감 있는 의사 결정을 내릴 수 있었습니다.
* 왓슨 헬스
IBM 왓슨 헬스 Watson Health는 IBM의 비즈니스 개발 및 구현에 전념하는 IBM의 개발 및 구현에 전념하는 인지 및 데이터 기반 기술 개발에 전념하는 사업 부문입니다.
왓슨 헬스 기술은 전 세계에서 가장 큰 건강 관리 문제를 가장 큰 의료 문제를 해결하고 있습니다, 암, 당뇨병, 신약 개발 등 개발 등 다양한 문제를 해결하는 기술을 개발하고 있습니다.
최근 Merative는 IBM으로부터 건강 데이터 및 분석 자산을 취득하는 최종 계약을 발표했습니다. Merative는 독립 기업으로 향후 Watson Health 제품에 대한 모든 정보는 www.merative.com 에서 확인할 수 있습니다.
이 병원의 응급실(ER)은 연간 70,000명 이상의 환자를 처리하고 있었으며 IBM과 협력하여 "The Patient Synopsis"를 구현한 것입니다. 이를 활용하여 해당 환자에 대해 수행된 영상촬영 절차와 관련된 환자 정보를 식별합니다.
Patient Synopsis는 과거의 진단 및 의료 절차, 실험실 결과, 의료 기록 및 기존 알레르기를 파헤쳐 방사선 전문의 및 심장 전문의에게 이러한 이미지의 컨텍스트에 초점을 맞춘 요약을 제공합니다.제품은 모든 의료 장치 시스템 구조와 통합될 수 있으며, 네트워크의 모든 통신 워크스테이션 또는 장치에서 액세스할 수 있으며, 의료 장치의 일상적인 활동에 영향을 미치지 않고 업그레이드할 수 있습니다.
관련 문제를 검출하여 방사선사에게 알기 쉬운 요약 뷰로 제시함으로써 진단 의사결정 프로세스에서 사용되는 보다 맞춤형, 표적 및 정확한 보고서를 설계할 수 있습니다.
2. 인공지능은 약물 개발 비용 절감
슈퍼컴퓨터는 분자 구조 데이터베이스에서 어떤 잠재적인 약이 다양한 질병에 효과적이거나 효과적이지 않을 것인지를 예측하는 데 사용되어 왔습니다.
Atomwise는 AI의 힘을 활용하여 소분자 약물 발견을 혁신하는 기술 지원 제약 회사입니다.Atomwise 팀은 구조 기반 약물 설계를 위한 딥 러닝의 사용을 발명했습니다. 이 기술은 새로운 화학 물질을 찾고 최적화하는 능력으로 차별화된 Atomwise의 동급 최고의 AI 발견 엔진을 개발하였습니다. 현재 광범위하게 신약 물질 발견 엔진을 검증하여 다양한 단백질 유형과 수많은 신약 물질을 찾기 위한 목표를 포함하여 현재까지 185개 이상의 프로젝트에서 성공을 거두었습니다. Atomwise는 최적화에 관한 3개의 프로그램과 발견에 관한 30개 이상의 프로그램이 있는 완전한 소분자 약물 후보 파이프라인을 구축하고 있습니다.
Atomwised는 CNN을 기반으로 AtomNet 이라는 인공지능을 개발했습니다. ATOMNet은 자동차가 스스로 운전하는 것과 유사한 기술인 컨볼루션 신경망을 사용하여 수백만 개의 실험 측정과 수천 개의 단백질 구조에서 얻은 힌트를 분석함으로써 단백질에 대한 작은 분자의 결합을 예측할 수 있었습니다.
이 과정을 통해, 컨볼루션 신경망은 검색된 데이터베이스에서 안전하고 효과적인 약물 후보를 식별할 수 있었고, 약물 개발 비용을 줄일 수 있었습니다.
3. AI가 비구조, 비정형 데이터 분석에 용이
임상의들은 종종 방대한 양의 건강 데이터와 의료 기록으로 인해 환자 중심의 질 높은 치료를 제공하면서 최신 의료 진보를 최신 상태로 유지하는 데 어려움을 겪습니다.
의료 기관과 의료 전문가가 큐레이션한 EHR 및 생물의학 데이터를 ML 기술로 신속하게 스캔하여 임상의에게 신속하고 신뢰할 수 있는 답변을 제공할 수 있습니다. 환자의 건강 데이터와 의료 기록은 복잡한 비정형 데이터로 저장되는 경우가 많아 해석과 접근이 어렵습니다.
이러한 경우에도 AI는 형식에 구애받지 않고 의료 데이터를 검색, 수집, 저장 및 표준화할 수 있으며 반복 작업을 지원하여 임상 의사가 필요한 해결방안을 검색, 식별, 수집과 같은 업무 부담을 줄여 환자를 위한 빠르고 정확한 맞춤형 치료 계획 및 의약품을 제공할 수 있습니다.
4. AI는 신약 물질 발견을 위한 복잡하고 통합된 플랫폼 구축
AI 알고리즘은 신약 응용 프로그램을 식별하여 독성 잠재력과 작용 메커니즘을 추적할 수 있습니다.이 기술은 기존 약물과 생체활성 화합물의 사용을 바꿀 수 있는 약물 발견 플랫폼의 기반을 마련했습니다.
생물학, 데이터 과학 및 화학의 최고 요소를 자동화 및 현대 AI의 발전과 결합하면 매주 150만 번 이상의 실험을 통해 AI 도구로 처리되는 약 80테라바이트의 생체 인식 데이터를 생성할 수 있습니다.
ML 도구는 인간이 해석하기에는 너무 복잡한 생물학적 데이터 세트에서 통찰력을 끌어내기 위해 만들어지며, 인간 편향의 위험을 줄입니다.알려진 약의 새로운 용도를 식별하는 것은 기존의 약을 처음부터 다시 사용하고 재배치하는 것보다 비용이 덜 들기 때문에 대형 제약 회사에게 매력적인 전략입니다.
5. AI는 신장질환 예측 가능
급성 신장 손상(AKI)은 임상의가 발견하기 어려울 수 있지만 환자가 매우 빠르게 악화되어 생명을 위협할 수 있습니다.환자를 식별하고 치료하지 못한 후 병원에서 사망자의 약 11%가 발생하는 상황에서, 이러한 환자의 조기 예측과 치료는 평생 치료와 신장 투석 비용을 줄이는 데 큰 영향을 미칠 수 있다.
2019년 미국 Department of Veterans Affairs (VA)와 구글 DeepMind Health가 치명적인 신장 질환을 최대 48시간 전에 AKI를 예측할 수 있는 인공 지능(AI) 시스템 개발 결과를 Nature 발표했습니다.
연구와 혁신을 통해 재향군인들의 삶을 개선하려는 재향군인회의 노력에 발맞춰 연구진이 개발한 이 획기적인 모델은 환자의 급성 신장 손상(AKI)을 최대 48시간 전에 예측할 수 있어 의사가 신장의 추가 악화를 방지하기 위한 치료 옵션을 결정하는 데 도움이 됩니다.
급성 신장 손상은 의사와 간호사가 발견하기 어려운 것으로 악명이 높으며, 발생하면 환자의 상태가 매우 빠르게 악화되는 경우가 많습니다. AI 모델을 사용하면 가장 심각한 급성 신장 손상(AKI) 사례의 90% 이상을 일반적인 치료보다 48시간 더 빨리 식별할 수 있습니다. 이러한 조기 발견은 투석 필요성과 같은 심각한 결과로의 진행을 줄일 수 있는 개선된 의료 서비스를 가능하게 합니다.
AI 도구는 급성 AKI 사례의 90% 이상을 기존 치료 방법보다 48시간 빨리 식별할 수 있었다. VA와 DeepMind Health의 다음 목표는 의료 기관에 이 ML 도구를 어디에 활용할 것인지 연구하는 것입니다. AKI에 시달리는 참전용사의 삶의 질을 향상시킬 수 있게 의료진의 치료 결정을 지원하기 위한 사용자 친화적인 플랫폼도 개발 중입니다.
6. AI는 응급의료진에게 귀중한 정보 제공
갑작스런 심장마비 때는 911 신고에서 구급차 도착까지의 시간이 회복뿐만 아니라 생명에 매우 중요합니다.생존 가능성을 높이기 위해 응급구조대는 적절한 조치를 취하기 위해 심장마비의 증상을 인식할 수 있어야 합니다. AI는 원격 진단을 내리기 위해 언어적 단서와 비언어적 단서 모두를 분석할 수 있습니다.
콜티 Corti의 경우는 응급 의료진을 돕는 AI 도구입니다. 콜티는 발신자의 목소리, 배경 소음, 환자의 병력 데이터를 분석함으로써 심장 마비를 발견하면 응급실에 알려줍니다.다른 ML 테크놀로지와 마찬가지로 콜티는 특정 신호를 검색하지 않지만 중요한 요인을 검출하기 위해 많은 콜을 수신함으로써 자신을 훈련합니다.
이 학습을 바탕으로 Corti는 진행 중인 프로세스로서 모델을 개선합니다. 콜티가 탑재한 기술은 사이렌과 같은 배경 소음과 발신자의 단서 또는 배경에서 들리는 환자 소리의 차이를 감지할 수 있습니.
코펜하겐에서는 긴급 출동 요원들이 약 73%의 시간 동안 발신자가 제공한 설명을 바탕으로 심장 마비를 식별할 수 있습니다.하지만 AI가 더 잘할 수 있다.2019년에 실시된 소규모 연구에 따르면 ML 모델은 음성 인식 소프트웨어, ML 및 기타 배경 단서를 사용하여 인간 디스패처보다 심정지 호출을 더 잘 인식할 수 있었다. ML은 응급 의료진을 지원하는 데 필수적인 역할을 할 수 있습니다.
미래에는 자동 제세동기가 장착된 무인기나 심폐소생술 훈련을 받은 자원봉사자를 통해 응급 호출에 응답하는 기술을 사용할 수 있으며, 이는 지역사회에서 심장 마비가 발생할 경우 생존 가능성을 높일 수 있습니다.
7. AI는 특히 방사선 치료에 암 연구와 치료에 기여
경우에 따라 방사선 치료는 EHR을 수집하고 정리하기 위한 디지털 데이터베이스가 부족할 수 있으며, 이는 암의 연구와 치료를 어렵게 합니다.
Oncora Medical은 암 환자의 방사선 치료와 관련하여 임상의사가 정보에 입각한 결정을 내릴 수 있도록 지원하기 위해 환자의 관련 의료 데이터를 수집하고 제공되는 치료의 질을 평가하고 치료를 최적화하며 철저한 종양학 결과, 데이터 및 이미징을 제공하는 플랫폼을 개발했습니다.
EHR과 통합된 임상 기록의 자동 생성은 임상의가 환자 문서 관리에 소비하는 시간을 줄여 의료 운영 및 건강 결과 분석 방식를 개선했습니다.
8. AI는 수집된 데이터를 예측 분석에 활용
EHR을 AI 기반 예측 도구로 전환하면 임상의가 워크플로우, 의료 결정 및 치료 계획을 보다 효과적으로 수행할 수 있습니다.NLP와 ML은 환자의 전체 병력을 실시간으로 읽고 증상, 만성 애정, 가족 구성원에게 영향을 미치는 질병과 연결할 수 있으며, 그 결과를 생명을 위협하기 전에 질병을 포착하고 치료할 수 있는 예측 분석 도구로 바꿀 수 있습니다.
기본적으로 만성질환을 예측할 수 있고 진행률을 추적할 수 있다.
CloudMedX는 비구조화 데이터(임상 노트, 퇴원 요약, 진단 및 입원 노트 등)를 해독하는 데 주력하는 기업입니다. CloudMedx는 인공 지능을 사용하여 의료 서비스 제공을 혁신하고 환자, 의료 서비스 제공자 및 지불자에게 데이터에 대한 실행 가능한 인사이트를 제공하여 치료 및 결과를 개선할 수 있게 합니다. CloudMedx는 운영, 임상 및 재무 워크플로우 전반에 걸쳐 강력한 API 및 앱 제품군을 통해 사일로화된 데이터를 단일 통합 데이터 플랫폼으로 통합하는 'Healthcare In a Box'를 제공함으로써 의료 프로세스를 자동화합니다. 데이터 플랫폼은 임상, 사회, 경제 인사이트를 포함하여 공공 및 독점 소스에서 방대한 양의 정보를 수집하고 정리합니다. 강력한 데이터 시각화, 예측 분석, 상호 운용 가능한 도구 및 애플리케이션 서비스 제품군을 제공합니다. CloudMedx는 통합된 환자 기록, 다양한 인구집단의 건강 데이터에 대한 전례 없는 이해, 자동화된 워크플로우를 제공하여 우수한 결과를 도출합니다.
이러한 메모는 EHR과 함께 의료 전문가에 대한 임상 통찰력을 창출하기 위한 소스로 사용되어 환자 결과를 개선하기 위한 데이터 중심 의사결정을 가능하게 한다. CloudMedX 솔루션은 이미 신부전, 폐렴, 울혈성 심부전, 고혈압, 간암, 당뇨병, 정형외과 수술 및 뇌졸중과 같은 여러 고위험 질환에 적용되었으며, 환자의 조기 정확한 진단을 지원함으로써 환자와 임상의 비용을 절감하는 것이 목표입니다.
9. AI는 유전의학의 발견과 개발을 촉진
AI는 또한 높은 성공률로 의학의 빠른 발견과 개발을 돕기 위해 사용된다.유전자 질환은 단백질 결합과 같은 변화된 분자 표현형에 의해 선호된다.이러한 변화를 예측하는 것은 유전적 질병의 발생 가능성을 예측하는 것을 의미합니다. 이는 확인된 모든 화합물과 특정 임상시험과 관련된 바이오마커에 대한 데이터를 수집함으로써 가능합니다.
이 데이터는 예를 들어 딥게노믹스의 AI 시스템에 의해 처리합니다. 이 회사는 자체 AI를 설계해 유전자 돌연변이의 결과를 고치는 새로운 방법을 발견하는 한편 희귀 멘델리안과 복합질환을 앓고 있는 사람들을 위한 맞춤형 치료법을 개발하고 있습니다.
미충족 상태의 유전의학을 보다 빠르게 개발하기 위해 확인된 화합물을 검사합니다.이 회사 전문가들은 세포생물학을 감시해 치료 가능성을 높이기 위해 실리콘에 있는 690억 개 이상의 올리고뉴클레오티드 분자를 100만 개의 표적 부위에서 평가하는 AI 분자생물학 기반의 약물 시스템 프로젝트 새턴(Project Saturn)을 연구하고 있습니다.
유전의학의 발견과 개발은 희귀병 치료와 관련된 비용을 줄임으로써 환자와 임상의에게 이익을 가져다 줄 것입니다.
2023년 의료 분야의 인공지능관련 주제
생물정보학과 유전체학에서의 AI
AI는 방대한 양의 게놈 및 생물학적 데이터를 분석하여 패턴과 관계를 파악함으로써 시스템 생물학 및 질병 메커니즘을 더 잘 이해할 수 있도록 합니다. 이러한 지식은 개인화된 위험 평가 및 치료를 위한 새로운 진단 또는 동반 진단의 개발에 기여할 수 있습니다.
신약물질 발견
AI 알고리즘을 사용하여 약물 발견의 리드 식별 프로세스를 가속화합니다. 인공지능은 인지 분자 연구와 정보 소싱을 통해 생산 사슬 전반의 의사 결정, 약물 감시 및 실패한 자산의 용도 변경을 돕습니다. 새로운 의료 기관이 임상 시험으로 이동하는 속도를 가속화합니다.
임상 시험에서의 AI
AI 기술은 임상 시험의 설계를 최적화하고 환자 모집을 개선하여 궁극적으로 프로세스를 간소화하고 데이터 품질을 향상시키는 데 도움이 됩니다. AI는 또한 프로토콜에서 제출까지 임상 데이터 캡처를 자동화하여 임상 시험과 관련된 비용과 시간을 줄입니다.
의료 영상 및 감지 분야의 AI
의료 영상 및 감지 데이터를 분석하기 위해 AI 알고리즘을 사용하여 신속하고 정확한 진단이 가능합니다. 또한 복잡하고 이질적인 의료 데이터에서 통찰력을 제공하여 치료적 의사 결정을 지원합니다.
의료 운영의 AI
AI를 적용하여 전자 진료 기록과 고급 비즈니스 분석을 활용하여 병원 진료 제공 및 제조 품질을 개선합니다. 이를 통해 리소스 할당을 최적화하고 환자 결과를 개선하며 운영 효율성을 높일 수 있습니다.
공급망 관리의 AI
전염병과 같은 글로벌 역학 관계에서도 의료 제품의 효율적이고 효과적인 유통을 보장하기 위해 사용됩니다. AI는 공급망 물류, 재고 관리 및 수요 예측을 최적화하여 적시 납품을 보장하고 중단을 최소화할 수 있습니다.
규제 승인의 과제
기존 및 새로운 AI 접근 방식 모두 검증, 투명성 및 안전 및 윤리 표준 준수의 필요성으로 인해 규제 승인을 얻는 데 어려움을 겪고 있습니다. 규제 기관은 이러한 문제를 해결하기 위한 지침과 프레임워크를 수립하기 위해 노력하고 있습니다.
연구 및 자금 조달 연결
인공지능에 의해 구동되는 새로운 의료 기회의 적용과 수용은 연구와 자금 조달 사이의 격차를 해소해야 합니다. AI 기반 혁신을 실용적인 의료 솔루션으로 전환하고 시장에 내놓으려면 연구원, 업계 이해 관계자 및 투자자 간의 협업이 중요합니다.
인공지능의 대표적인 의료 분야 적용 사례
의료 진단 및 예측
인공지능 알고리즘은 의료 진단과 예측에 많은 도움을 주고 있습니다. 예를 들어, 암 진단의 경우 인공지능은 의료 영상 데이터를 분석하여 종양의 크기, 위치 및 악성 여부를 식별하는 데 도움을 줍니다. 환자의 의료 기록과 생물학적 데이터를 분석하여 질병 발생 위험을 예측하고 조기에 예방 조치를 취할 수 있도록 돕습니다.
개인화된 치료 계획
개인의 의료 데이터와 유전자 정보를 기반으로 개인화된 치료 계획을 개발하는 데 사용될 수 있습니다. 의료 전문가는 개인의 특정 상태와 반응성을 고려하여 최적의 치료 방법을 결정할 수 있습니다. 예를 들어, 약물 반응 예측을 위해 인공지능은 유전자 정보와 환자의 응답 데이터를 분석하여 특정 약물의 효과와 부작용을 예측할 수 있습니다.
의료 이미지 해석
의료 이미지 해석 분야에서 큰 역할을 합니다. 의료 영상 데이터를 분석하여 종양, 심장 질환, 뇌졸중 등의 질병을 식별하고 다른 구조와 비교하여 이상을 탐지할 수 있습니다. 또한, 인공지능은 의료 영상 데이터의 분석을 통해 진단 정확도를 향상시키고 의료 전문가의 의사 결정을 지원합니다.
의료 업무 자동화
진료 분야에서 작업의 자동화를 돕습니다. 예를 들어, 의료 기록의 자동 요약 및 분류, 약물 조제 및 관리, 환자 모니터링 등의 작업을 인공지능이 수행할 수 있습니다. 이를 통해 의료 전문가는 더 많은 시간을 환자 진료에 집중할 수 있습니다.
이러한 인공지능 알고리즘은 의료야에서 환자 진료의 효율성을 향상시키고 정확성을 높이는 데 도움을 줍니다.
'인공지능 > 인공지능 뉴스' 카테고리의 다른 글
| CPU, GPU 그리고 DPU란 무엇일까? (0) | 2024.05.02 |
|---|---|
| [글로벌 로봇 선도 기업] 화낙, FANUC - 로봇 분야 최강자 (0) | 2024.03.04 |
| 온디바이스 AI 종목에 투자해도 될까, On Device AI 기술의 발전 (2) | 2024.01.03 |
| 헬스케어 인공지능(AI, 머신러닝, 딥러닝) 적용 사례 - 의약품 및 제약 분야 (3) | 2023.12.23 |
| AI를 넘어 AGI로 : 인공 일반 지능 범용인공지능 (Artificial General Intelligence, AGI)과 인공지능 (Art (0) | 2023.11.21 |
