[정보] 의료에서의 인공지능 정리 파일

의료에서의 인공지능 적용 분야, 인공지능의 효용, 비지니스 모델, 인공지능을 관련 내용 입니다.
내용 참고 하시기 바랍니다.

의료에서의 인공지능 정리 파일 김치원 V5 from Chiweon Kim

 

 

 
2.  연자 소개 • 現 서울와이즈요양병원 원장 • 現 Noom 전략/의학 자문 • 前 삼성서울병원 의료관리학과 임상조교수 • 前 McKinsey & Company, 컨설턴트 • 前 서울대병원 내과 전공의, 내과 전문의 • 연세대학교 보건대학원 보건학 석사 • 서울대학교 의과대학 의학사 • 블로그: www.chiweon.com • 이메일: doc4doc2011@gmail.com • 페이스북: www.facebook.com/chi.w.kim.16
 3.  연자 소개
4.  강의 내용 인공지능 적용 분야 의료 서비스의 특징과 인공지능의 효용 인공지능 비즈니스 모델 인공지능을 위한 빅데이터
5.  데이터 분석: 딥러닝 1. 이미지 분석
6.  인공지능을 활용하여 의료 영상 판독의 정확도를 높일 수 있음
7.  Enlitic: 흉부 엑스레이에서 폐암 진단
8.  한국의 의료 영상 진단 인공지능 회사들 뷰노루닛
9.  DeepMind: 당뇨병성 망막병증 판독에 활용
10.  DeepMind: 당뇨병성 망막병증 판독에 활용
11.  피부암 이미지 진단에 활용
12.  심전도 자동 판독과 유사한 형태로 제공될 수 있음
13.  전문가들이 알고 있는 규칙을 학습하고 이를 의료 현장에 적용 2. 규칙 학습
14.  IBM 왓슨을 활용한 항암 치료 방법 의사 결정 지원 • ASCO 2014에서 발표 • 학습 모델을 만들어 왓슨을 학습시켰고 반복적으로 학습 시켜서 정확한 치료 방침 을 내놓는 비율을 조사함 • 동일한 환자 사례를 대상으로 반복적으로 테스트한 결과
15.  항암치료에서 왓슨의 효용은?
16.  인공지능의 발전으로 기존의 의학지식을 넘어서는 발견이 이루어지 고 있음 • IBM 왓슨과 Medtronic의 협업으로 지속형 혈당 측정계를 사용해서 최대 3시간 전에 저혈당 발생을 예측할 수 있는 알고리즘을 개발했다고 발표함 • 현대 의학은 질병이 발생한 다음을 다루고 있기 때문에 그 전에 생기는 일 에 대한 지식이 부족하기 때문에 기존 에 이런 예측이 힘들었음 3. 의료적인 사실과 연관된 데이터 또는 알고리즘 찾기
17.  데이터 분석을 통한 진단
18.  임상 시험 매칭에 활용 4. 설정된 규칙 기반의 빠른 일 처리
19.  유전자 데이터 매칭
20.  영역 회사 MedyMatch • 뇌 영상 판독 이미지 판독 • 망막, 폐결핵, 초음파 판독 • 영상 판독 (상세 불명) • 심초음파 판독, 전용 기기 사용 • 유방 촬영, 次 CXR에서 폐암 • 흉부 방사선 판독 • 암 영상 판독 • 암 영상 판독 • 폐결핵, 유방 촬영, 병리 • 심초음파 판독, 전용 기기 사용 의료 인공지능 회사와 적용 대상 1/3 적용 대상분야
21.  • 혈액 분석, 기생충 • 성장판 나이, 흉부 CT 등 • 유방 촬영 • 1차 판독과 핵심 이미지 제시 • 심장 혈류량 추정. FDA 510(K) • 골밀도, 지방간, 폐기종 지표 정량화 • 무릎 2D 이미지를 3D 전환 FDA 510(K) • 이미지 프로세싱 • ? 의료 영상 딥러닝 플랫폼? 의료 인공지능 회사와 적용 대상 2/3 • 용어 인식 (예: ‘고혈압’ 단어 인식) 이미지 판독정량화 이미지 처리 기타 용어영역 회사 적용 대상분야
22.  의료 인공지능 회사와 적용 대상 3/3 • Drug discovery • novel small molecule discovery • Drug discovery • Drug discovery • 암 liquid biopsy • 유전자 변이 분석, 유전체 기반 치료제 개발 • 데이터 종합, 자동화 • 데이터 종합, 자동화 • 영상+환자 정보로 위험 판별 • 데이터 종합, 자동화 신약개발데이터분석유전자영역 회사 적용 대상분야
23.  강의 내용 인공지능 적용 분야 의료 서비스의 특징과 인공지능의 효용 인공지능 비즈니스 모델 인공지능을 위한 빅데이터
24.  의료에서 인공지능의 효용 효용 생산성 향상 의료의 질 향상 새로운 지식 • 왓슨 oncology와 항암 전문의 • 영상 판독과 영상의학과 전문의 • 일차 진료 의사 대상인 경우 • 최고 수준 전문가들의 수준을 높이기 보다는 일반 의사들의 능력 향상 효과 • 기존 의학 교과서에 없는 지식 발견
25.  의료 영상의 특징과 인공지능 적용 효용 영상의 특징 판독 오류 시 영향 X-ray 학습 데이터 량 CT, MRI • 그림자를 보는 것 • 이상을 놓칠 가능성 높음 • 타과 의사 판독 비율 높음 • 직접 보는 것 • 영상의학과 전문의 판독 비율 높음 • 일반적인 질환은 진단을 놓쳐도 큰 문제 되지 않음 • 증상 없는 암은 문제가 됨 • 오류 가능성이 적으나 오류 발생 시 문제 발생 가능성 큼 • 생산성 향상이 목표인 경우 정상만 걸러도 도움이 됨 • 의료의 질 향상이 목표인 경우 정상을 거르는 것만으로 부족할 수 있음
26.  의료 영상 판독에서 필요한 인공지능의 효용과 특성 의료의 질 향상생산성 향상 주된 효용 해당 분야 데이터 특성 • 해당 분야 전문가가 더 빠르게 일할 수 있도록 (더 적은 사람으로?) • 정상 이미지를 걸러줌 • 영상의학전문의 CT, MRI 판독 • 소화기전문의 캡슐 내시경 판독 • 뇌파, 근전도, 심전도 판독 • 정상 여부 판독의 경우 정상 VS 비정상으로 필요한 데이터 적음 (예: 군대 신체 검사) • 일차 진료 의사가 수준 높은 진료를 제공할 수 있도록 • 일차진료의사 X-ray 판독 • 유방 촬영 판독 (오진 시 문제가 큰 암 스크리닝) • 질환 진단이 필요한 경우 필요한 데이터 많음 • 단 특정 질환 여부를 보는 것이 필요한 경우 필요한 데이터 적음 (예: 결핵협회에서 결핵 판독)
27.  의사가 필요로 하는 용도는 판독인가? 초음파는 시술자가 제대로 실시하는 것이 중요하나 검사 방법을 교육받기 힘든 경우가 있음. 진단 보다는 제대로 검사를 실시할 수 있도록 도와주는 인공지능의 가치가 판독보다 높을 수 있음
28.  강의 내용 인공지능 적용 분야 의료 서비스의 특징과 인공지능의 효용 인공지능 비즈니스 모델 인공지능을 위한 빅데이터
29.  보험 적용: 유방 촬영 판독에서 컴퓨터 보조 진단에 대한 수가 적용 유방 촬영에 대한 Computed-Aided-Detection (CAD) • 유방암 선별/1차 진단 검사인 유방 촬영 판독 시 자동화된 판독 시스템 이용 • 메디케어에서 CAD 사용에 대해 추가 수가를 지불함 (2002년) • 의료의 질 향상과 관련될 가능성 높음 • (인공지능 여부를 떠나서) CAD에 대해 수가가 인정된 예외적인 사례 • 한국에서 수가 인정을 받을 수 있을것인가?
30.  보험 적용: 생산성 향상과 관련되는 경우 수가 하락이 CAD에 영향 줄 수 있음 • 의료 영상 판독 시 영상의학과 전문의가 판독하면 10% 가산 (판독료) 지급 • 단순 엑스레이에 대해 판독료 폐지 검토 • 만약 폐지되면 단순 엑스레이 판독에 대해서 병원들은 (충분히 가격이 싸다는 전제 하에) 인공지능을 도입하고 타과 전문읟르이 판독하도록 할 가능성 있음 • 즉, 수가를 새로 만드는 것 뿐 아니라 기존 수가의 변화가 인공지능과 같은 CAD 도입을 촉진할 수 있음 수가가 인정된 예외적인 사례 • 한국에서 수가 인정을 받을 수 있을것인가?
31.  인공지능 비즈니스 모델: 병원에서의 도입
32.  인공지능 비즈니스 모델: 병원에서의 도입 • J&J는 수면 마취 관리 시스템인 Sedasys를 개발해서 출시함 • 건강한 사람의 내시경 시, (마취과 의사가 아닌 전문 간호사 등의) 사람이 옆에 대기하 고, 근처에 마취과 의사가 상주한다는 전제하에 FDA 허가를 취득함 • 인건비가 비싼 마취과 의사 없이도 수면 마취를 할 수 있어 마취 비용을 절감할 수 있 다는 것을 내세움 • 의미있는 사업 성과를 거두지 못하고 사업 종료함 – 기기의 안정성 문제를 제기하는 곳이 있으나 J&J는 안정성 이슈는 없다고 반박 – 마취과 의사들의 반발 때문에 시장에 안착하지 못했다는 의견 있음 (‘절대 甲‘) • 마취과 의사들의 반발이 중요한 이슈였을까? – 병원 입장에서 마취 비용을 절감하는 것은 크게 중요하지 않을 수 있음 – 행위별 수가제에서 마취에 들어가는 비용을 환자나 보험에 전가하면 그만임 – 따라서 병원 입장에서 적극적으로 Sedasys를 도입할 인센티브가 없음
33.  강의 내용 인공지능 적용 분야 의료 서비스의 특징과 인공지능의 효용 인공지능 비즈니스 모델 인공지능을 위한 빅데이터
34.  IBM은 인공지능의 영역을 확대시키기 위해 다양한 의료 데이터 회 사를 인수함 Explorys: 5천만 명의 임상 데이터 보유 Phythel: Population health management 회사 Merge: 클라우드 기반 PACS 회사
35.  질병 발생의 예측이 가능해 질 것임 5분 뒤에 심근경색이 생길 것이니 지금 응급실로 가세요
36.  일상 생활 속의 데이터 축적이 어떤 효용을 가져올 수 있을까?
37.  닭이 먼저냐 달걀이 먼저냐? 생체 신호 웨어러블 새로운 의학지식 축적
38.  기업별로 다른 방식으로 이 문제를 풀어가고 있음 구글: 의학 연구에 투자하여 지식을 창출함 애플, 샤오미: 굳이 사서 쓸 필요가 없는 센서가 장착된 제품을 사게 만듦
39.  애플워치는 일반인들이 헬스케어 센서를 착용하는 계기가 될 것임
40.  언더아머의 디지털 전략 ‘Connected fitness’ 진행 방향 ’11.2 E39 출시 MapMyFitness 인수 ($ 150 Mil) Endomondo 인수 ($85 Mil) MyFitnessPal 인수 ($475 Mil) Record 앱 출시 HealthBox 공개 Gemini 2 RE 공개 ’13.3 ’15.1 ’15.2 ’16.1’15.7 Gritness 인수 ($? Mil) ’13.11 Armour 39 출시 2015년 매출 $3.96 Bil, 영업이익 $409 Mil
 41.  언더아머 Connected fitness 현황 • 계획된 전체 모습 달성: “I think we filled in a puzzle to a certain extent.” • Largest digital health and fitness community with > 150 million users and growing more than 100,000 every single day • Revenue: $25~30 Mil (Endomondo + MyFitnessPal) • Digital team • 팀원: 440명 (2015년 9월 기준) • 60명 (2013년) → 200명 (2014년) • “even the biggest technology companies don't have a team this big working on it”
42.  언더아머의 데이터 수집 • 데이터의 의미 – Ultimately, what is this? It is a massive consumer insight engine – Data is one of the key ingredients that we see in each one of these businesses for us as we drive. …. will actually help us drive making those great decisions. • 수집된 데이터 사례 – (‘15.9월까지) 1년간 식사 기록 60억 건. 운동 활동 13억 건 (달리기 2억 건 포함) – Gear tracker 사용자 60~70만명 (어떤 러닝화를 쓰는 지, 언제 교체 했는지 기록) – Gone are the days where you bring eight runners in. • 데이터 적용 분야 – 제품 개발 – 교체 주기 파악 – 사용자 운동 능력 향상
43.  언더아머의 데이터 수집 (1): 제품 개발 • Will help us make better business decisions that will inform us about our athletes to build better products that are more on time with them • 데이터 사례 – Should men and women wear the same running shoes? – Average run: 3.1 miles – 여성 특성 • 달리는 빈도가 더 높음 • 화요일에 더 많이 달림 • 날씨에 덜 신경 씀 – 남성 특성: 여성 보다 마라톤을 두배 더 많이 뜀
44.  언더아머의 데이터 수집 (2): 교체 주기 파악 • 데이터 사례 – 더 많이 운동하는 사람이 더 많은 장비를 산다. – 달리기 하는 사람들이 신발을 바꾸는 이유? • 뛰는 거리를 늘리면서 신발 브랜드를 자주 바꾼다 • 데이터로 무엇을 할 수 있는가? – 300마일, 400마일을 뛸 때 무슨 일이 생기는 지를 파악해서 제안을 할 수 있음 – We can track the wearability, lifespan and gain insights on most importantly what our core mission is, is to make an athlete better by making better product. • This creates an opportunity to connect with her during the transition points in her life to become the brand of choice
 45.  언더아머의 데이터 수집 (3): 운동 능력 향상 • 운동 능력 향상과 관련된 데이터 – 지속적으로 측정한 데이터 • 수면과 운동량과의 관계 • 수면과 걸음걸이와의 관계 – 현재 상태에 대한 데이터 • 피곤한 상태인가? • 운동을 과도하게 한 상태인가? • 데이터로 할 수 있는 것 – 현재 상태에 대한 피드백 – Predictive analysis가 가능해 질 것임 – 개인별 맞춤 조언을 제공할 수 있음 • 과거 선수들이 수십만 달러를 내고 받을 수 있던 분석을 무료로 받을 수 있음 • 프리미엄 구독 솔루션을 통해 개인별 트레이닝 계획을 짜주고 있음
46.  인공지능 학습을 위한 데이터 인공지능 학습을 위한 양질의 의료 데이터 확보 인공지능 학습의 특징 • 지도 학습: 전문가가 제시하는 ‘정답’이 필요 • 약한 지도 학습, 비지도 학습도 있으나 부족한 경우가 많음 • 현재까지 인공지능을 의료에 적용하는 연구는 의사가 제시하는 진단을 기준으로 학습한 결과임 • 따라서 결과가 정리된 데이터가 중오 정답이 없는 경우 정답이 있는 경우 기타 • 전문가들 간의 합의를 정답으로 간주 • 예: 당뇨성 망막병증 • 어느 정도의 합의가 정답? • 병리 등 더욱 엄격한 검사 결과를 정답으로 간주 • 예: 피부암 사진 판독 시 병리 조직 검사 결과를 정답으로 • 더욱 엄격한 검사 판독에서 이견이 있다면? • 확진된 환자의 데이터를 종합 관리