의료 인공지능

최윤섭 지음

클라우드나인 2018년 07월 16일 출간 종이책 : 2018년 06월 25일 출간

작품소개

책소개

전세계에서 의료 인공지능을 둘러싸고 제기되는 다양한 이슈를 통해 의료 인공지능의 현재와 미래를 살펴보다!

의료 인공지능의 기술적 측면과 아울러 의료계 안팎에서 제기되는 인공지능과 관련된 여러 이슈를 깊이 있게 다룬 『의료 인공지능』. 의료인이나 인공지능 전문가가 아닌 일반 독자들도 의료 인공지능의 최신 동향과 주요 이슈를 이해할 수 있도록 전문적인 용어를 최대한 배제하여 정리한 책이다. 이미 시작된 의료 인공지능이라는 미래의 근본적인 변화를 어떻게 받아들이고 어떤 미래를 만들어갈지 이 책을 통해 생각해볼 수 있도록 깊이 있게 써내려갔다.

이 책은 크게 세 가지 파트로 나뉜다. 1부에서는 의료 인공지능을 살펴보기 위한 전반적인 방향성과 논의의 범위를 제시한다. ‘의사의 80%가 사라진다’는 도발적인 주장부터 시작해서 의료 외의 다양한 분야에서 인공지능 때문에 이미 일어나고 있는 기술적 실직technological unemployment에 관해서도 소개한다. 2부에서는 의료 인공지능이 현재 어느 수준까지 발전되어 있는지 구체적인 사례들에 대해서 다룬다. 특히 알파고 쇼크 이후 의료계에 인공지능을 화두로 만든 주역 IBM 왓슨에 대해 살펴본다.

더불어 의료 현장에서 사용되는 의료 인공지능의 연구결과 및 실질적인 사례를 담았다. 지난 몇 년간 저자가 의료계, 학계, 산업계의 많은 전문가와 다양한 논의를 거쳤던 대표적인 사례들, 특히 근거가 충분한 사례들을 중심으로 균형 있게 설명하고 있다. 3부에서는 의료 인공지능으로 야기되는 다양한 이슈들에 대해서 살펴본다. 국내 산업계에서도 세계적인 혁신가들이 등장하여 의료 인공지능을 개발하기 위한 치열한 도전을 시작했지만 매우 복잡하고 아직 논의가 진행 중인 의료적, 기술적, 규제적, 윤리적, 사회적, 경제적, 법적 이슈들이 산적해 있다. 이러한 이슈들에 대해서 개괄하며 어떠한 방향에서 논의를 진행해야 하는지 방향성을 제시하고 있다.

목차

들어가는 말 인공지능은 의료를 어떻게 혁신할 것인가

집필에 도움을 주신 분들

1부 제2의 기계시대와 의료 인공지능

1장 80%의 의사는 사라질 것인가
인공지능의 부상
제2의 기계 시대
기술적 실직의 전조

2장 강한 인공지능부터 의료 인공지능까지
‘여름 한철 동안’
인공지능과 기계학습
딥러닝의 발전
약한 인공지능
강한 인공지능
초인공지능
인공지능을 어떻게 바라볼 것인가

2부 의료 인공지능의 과거와 현재

3장 IBM 왓슨의 이상과 현실적 과제
의료 인공지능의 세 가지 유형
「제퍼디!」, 위대한 도전
「제퍼디!」의 슈퍼스타
왓슨에 밀려난 최초의 직업
왓슨, 병원에 가다
왓슨 포 온콜로지란 무엇인가
왓슨 포 온콜로지의 특징
이슈 1. 왓슨은 의료기기일까
왓슨 규제의 근본적 어려움
이슈 2. 왓슨은 과연 얼마나 정확한가
왓슨의 정확성에 대한 오해
MD앤더슨의 연구결과(ASCO 2014)
인도 마니팔 병원의 왓슨
인도 암 환자 1,000명 대상 왓슨의 실력
미국임상종양학회ASCO 2017에 보고된 왓슨의 실력
왓슨 포 온콜로지 최초의 논문
왜 왓슨의 실력이 다를까 (1) 가이드라인 및 인종적 차이
왜 왓슨의 실력이 다를까 (2) 보험제도의 차이
왜 왓슨의 실력이 다를까 (3) 치료 옵션 다양성의 차이
왜 왓슨의 실력이 다를까 (4) 가이드라인의 변화와 왓슨의 진화
이슈 3. 왓슨의 정확성과 의학적 효용을 어떻게 증명할까
임상시험이 필요하다. 하지만……
임상시험으로 왓슨을 검증하려면
IBM은 임상시험을 원할까
왜 길병원은 왓슨을 도입했나
왓슨은 정말 마케팅용일까
왓슨, 원칙과 근거가 필요하다
인터뷰: IBM 헬스의 최고 의료 책임자 큐 리 박사
왓슨 포 온콜로지의 도입 등 일반적 이슈
왓슨 포 온콜로지의 정확도, 의학적 검증
왓슨 포 온콜로지의 의료기기 여부 및 규제

4장 의료 빅데이터로 질병을 예측한다
데이터 기반의 심혈관 질환 예측
의료계 가이드라인 vs. 인공지능의 가이드라인
인공지능의 심혈관 질환 예측
치료 결과를 예측하는 구글의 인공지능
전자의무기록 전체를 분석
구글 인공지능의 정확도
인공지능이 주목하는 데이터
첫번째 유형의 의료 인공지능

5장 딥러닝, 딥러닝, 딥러닝
신경망과 인공신경망
인공신경망이 학습하는 법
인공신경망의 발전과 도전
마침내, 딥러닝의 시대
인공지능이 유튜브를 본다면
이미지넷: 영상 인공지능의 마중물
이미지 인식 인공지능의 폭발적 발전
인공지능의 시각적 인지능력
사람보다 사람을 더 잘 알아보다
이미지를 이해하고 설명하는 인공지능
딥러닝을 이용한 의료 인공지능

6장 의사를 능가하는 딥러닝의 영상 판독 분석
딥러닝 기반 유방암 엑스레이 판독
뷰노의 골연령 판독 인공지능
영상의학과 의사와 인공지능의 시너지
당뇨 합병증을 진단하는 안과 인공지능
인공지능 안과의사의 필요성
구글의 인공지능 안과의사
인간 안과의사의 판독을 능가
피부암을 진단하는 인공지능
피부암에 딥러닝을 적용하기까지
딥러닝의 피부암 데이터 학습
인공지능의 피부암 진단 정확도
스마트폰으로 피부암 검사
양적, 질적으로 우수한 데이터
진단의 최종 결정권자, 병리과
병리과 의사 간의 진단 불일치율
병리과 인공지능
하버드대의 인공지능 병리학자
구글의 인공지능 병리학자
병리학자와 인공지능의 시너지
구글의 미국암연구협회AACR18 기조연설

7장 실시간 모니터링을 통한 질병의 예방 및 예측
빅데이터 분석을 통한 예방과 예측 의료
인공지능으로 패혈증 예측하기
IBM의 신생아 패혈증 예측
존스 홉킨스의 패혈증 예측
인공지능 혈당 관리
IBM 왓슨을 이용한 혈당 관리 앱
슈거아이큐의 활용 사례
부정맥의 한 시간 전 예측
심장마비의 하루 전 예측
애플워치로 부정맥 측정하기
심장내과 전문의 vs. 딥러닝

3부 미래를 어떻게 맞이할 것인가: 이슈, 함정, 그리고 희망

8장 인공지능은 의사를 대체하는가
인공지능이 80%의 의사를 대체할까?
자동 마취 기계와 러다이트 운동
쓰나미에 거슬러 헤엄칠 것인가
인간 의사의 사라지는 역할
도식화, 표준화할 수 있는 역할
시각적 인지능력 기반의 역할
영상의학과는 인공지능에 영향을 받을까
빠르게 도입될 인공지능의 조건
영상의학과 레지던트를 권장하는가

9장 정신과와 외과는 인공지능에서 자유로운가
정신과는 인공지능에서 자유로운가
트위터로 양극성 장애 환자 구분하기
인공지능 의사와 환자의 유대감
외과는 인공지능에서 자유로운가
자동 수술 로봇의 시작
자율주행차와 자동 수술 로봇

10장 인공지능의 시대, 의사는 무엇으로 사는가
의학적 최종 의사결정권자
자율주행차와 의사의 미래
의사의 탈숙련화
인간 의사의 인간적인 일
나쁜 뉴스 전하기
의사의 공감 능력이 치료결과를 좌우한다
의사의 낮은 공감 능력
왜 의사는 공감 능력이 낮을까
기초 의과학자의 역할

11장 인공지능과 함께 진료하기 위해서
인공지능의 임상적 효용
임상적 효용의 증명이 왜 어려운가
진료에 어떻게 녹여낼 것인가
구글의 인공지능 병리 현미경
의료 인공지능 사용법 교육하기
의사도 딥러닝을 배워야 할까
새로운 세대의 의사 양성하기
디지털 네이티브 닥터
플립 러닝, 의대 교육의 혁신

12장 인공지능이 의료사고를 낸다면
책임은 누구에게 있는가
관건1. 의료기기 vs. 비의료기기
관건2. 의사의 독립적인 판단이 보장되는가
의사의 관여 없이 진단까지 내리는 최초의 인공지능
만약 환자가 의사보다 인공지능을 선호한다면
관건3. 결과를 얼마나 확정적으로 제시하는가
관건4. 판단 과정이 투명한가 vs. 블랙박스인가
묘수인가, 떡수인가?
의료 인공지능의 블랙박스 문제
블랙박스 해독하기
블랙박스의 의료 활용

나가는 말 의료의 새로운 동반자를 맞이하며

참고 문헌

출판사 서평

데이터 중 80%는 인공지능을 학습시키는 훈련 데이터training data로, 10%는 개발한 모델을 개선하고 검증하기 위해서, 나머지 10%는 이 예측 모델의 성능을 테스트하기 위해서 사용되었다.
-p. 160

한 사람이 생명을 유지하고 있다는 것은 결국 끊임없이 데이터를 만들어내고 있다는 의미이기도 하다. 우리가 살아 있는 이상 숨을 쉬고, 심장이 뛰고, 혈압이 바뀌며, 먹고, 싸고, 움직이며, 잠을 잔다. 이 과정에서 호흡수, 체온, 심전도, 심장박동, 혈당, 체온, 산소포화도, 활동량, 뇌파, 피부전도도, 장내 미생물의 구성 등이 끊임없이 바뀐다. 이러한 다양한 수치들은 우리의 건강 상태를 직간접적으로 나타내는 지표이다.
이러한 데이터는 병원에 있는 환자로부터는 물론, 우리의 일상생활 속에서도 쏟아지고 있다. 중환자실이나 응급실에 입원한 환자나 수술 중인 환자들의 경우, 활력징후를 비롯한 다양한 데이터를 실시간으로 측정한다. 더 나아가서 우리는 언제 어디서나, 혹은 평생에 걸쳐 이러한 데이터를 일상적으로 측정하고 저장하며 전송할 수 있게 되었다. 휴대용 의료기기, 사물인터넷과 웨어러블 센서, 스마트폰 및 클라우드 컴퓨팅 기술 등의 발전 덕분이다.
하지만 이러한 데이터를 바탕으로 예방 및 예측 의료를 실현하기 위해서 또 하나의 난관이 있다. 바로 이렇게 모니터링하고 있는 방대하고도 다차원적인 데이터를 어떻게 분석하여 적시에 질병을 예측할 것인지이다. 사물인터넷이나 웨어러블 센서에 의해서 측정되는 데이터의 양은 늘어나고, 측정하는 빈도는 계속 높아질 것이다. 이러한 기술의 발전은 결국 실시간 상시 모니터링으로 이어지게 된다.
-p. 255

인공지능에 의해서 인간 의사의 역할이 축소될 것으로 보이는 또 다른 부분은 인간의 시각적 인지능력에 기반을 둔 역할이다. 앞서 누누이 강조했다시피, 딥러닝 특히 컨볼루션 신경망의 발전으로 이미 인공지능의 시각적 인지능력은 인간을 뛰어넘고 있기 때문이다. 이는 사람의 얼굴을 인지하는 등의 일반적인 문제에 대해서도 인간보다 더 높은 정확도를 보여주고 있을 뿐만 아니라, 영상 의료 데이터의 판독에도 그대로 적용된다.
앞서 우리는 영상의학과, 안과, 피부과, 병리과의 사례를 들어서, 이미지 형태로 나타나는 의료 데이터를 딥러닝이 이미 얼마나 정확하게 판독하고 있는지에 대해서 살펴본 바 있다. 진료과를 가리지 않고 이미지

작가정보

저자(글) 최윤섭

저자 : 최윤섭
저자 최윤섭
컴퓨터공학, 생명과학, 의학의 융합을 통해 디지털 헬스케어 분야의 혁신을 창출하고 사회적 가치를 만드는 것을 화두로 삼고 있는 융합생명과학자, 미래의료학자, 기업가, 엔젤투자가, 에반젤리스트이다. 국내 디지털 헬스케어 분야의 대표적인 전문가로, 활발한 연구, 저술 및 강연 등을 통해 국내에 이 분야를 처음 소개한 장본인이다.
포항공과대학교에서 컴퓨터공학과 생명과학을 복수전공하였으며 동 대학원 시스템생명공학부에서 전산생물학으로 이학박사 학위를 취득하였다. 스탠퍼드대학교 방문연구원, 서울의대 암연구소 연구조교수, KT 종합기술원 컨버전스연구소 팀장, 서울대병원 의생명연구원 연구조교수 등을 거쳤다. 『사이언스』를 비롯한 세계적인 과학 저널에 10여 편의 논문을 발표했다.
국내 최초로 디지털 헬스케어를 본격적으로 연구하는 연구소인 ‘최윤섭 디지털 헬스케어 연구소’를 설립하여 소장을 맡고 있다. 또한 국내 유일의 헬스케어 스타트업 전문 엑셀러레이터 ‘디지털 헬스케어 파트너스’의 공동 창업자 및 대표 파트너로 혁신적인 헬스케어 스타트업을 의료 전문가들과 함께 발굴, 투자, 육성하고 있다. 성균관대학교 디지털헬스학과 초빙교수로도 재직 중이다.
뷰노, 직토, 3billion, 서지컬마인드, 닥터다이어리, VRAD, 메디히어, 소울링, 메디히어, 모바일닥터 등의 헬스케어 스타트업에 투자하고 자문을 맡아 한국에서도 헬스케어 혁신을 만들어내기 위해 노력하고 있다. 국내 최초의 디지털 헬스케어 전문 블로그 『최윤섭의 헬스케어 이노베이션』에 활발하게 집필하고 있으며, 『매일경제』에 칼럼을 연재하고 있다. 저서로 『헬스케어 이노베이션: 이미 시작된 미래』와 『그렇게 나는 스스로 기업이 되었다』가 있다.