본문 바로가기
정보공유

[정보] 4차산업혁명시대의 의과학교육

by 날고싶은커피향 2018. 3. 27.

4차산업혁명시대의 의과학교육 관련 자료입니다.

내용 참고 하시기 바랍니다.

 

 

4차산업혁명시대의 의과학교육 from Namkug Kim

 

1. 4차산업시대의 의과학교육 공포와 과장을 넘어 Namkug Kim, PhD namkugkim@gmail.com Medical Imaging N Robotics Lab. http://mirl.ulsan.ac.kr Convergence Medicine/Radiology Biomedical Engineering Center Asan Medical Center/Univ. of Ulsan College of Medicine
 2.  Researches with Hyundai Heavy Industries Co. Ltd. LG Electronics Coreline Soft Inc. Osstem Implant CGBio VUNO Kakaobrain Conflict of Interests Stockholder Coreline Soft, Inc. AnyMedi Co-founder Somansa Inc. Cybermed Inc. Clinical Imaging Solution, Inc AnyMedi, Inc. Selected Grants as PI NRF, South Korea 7T MRI 4D flow MRI in-vivo SW개발, 2016 4D flow MRI in-vivo flow researches, 2015-7 MRS and MRI SW, 2011-3 KEIT, South Korea Medical Imaging AI, 2016-20 3DP spine custom implant, 2016-20 3D printer based denture, 2015-9 Robot on muscular skeletal surgery, 2012-7 Image guided surgical robot, 2012-7 Surgery aided navigation for Spine and Neurosurgery, 2001 Medical 3D printing S/W, 정통부, 2000 Virtual surgery SW on medical images, 중소기업기술혁신개발, 중기청, 2001 KHIDI, South Korea Stroke prediction and CDSS using MRI, 2012-8 Automated SW for Ischemic infarct of coronary artery in CT, 2013-6 Pedicle screw planning SW using RP, 2000 Companies Fundings Siemens Germany, Hyundai Heavy Industry, Osstem Implant, S&G Biotech, Coreline soft, Midas IT, AnyMedi, Hitachi Medical, Japan,
 3.  MIRL@AMC Image Based Robotics Biopsy/Tunneling Artificial Joint Replacement/ Active Catheter DBS Robot Computer Aided Surgery Human computer interface Stereovision Contactless Interface Image guided Surgery Planning 3D Printing/Navigation Brain Stroke Parkinson DBS planner, ECoG, BMI Lung COPD DILD Asthma HT Cardiac CT Perfusion 4D Flow MRI 4DUS LCX Artificial Intelligence For Medical imaging Segmentation CAD/CADD/CDSS/CBIR Epidemiology Geographic information system Complexity system Dynamic system (ER, airpolution) LAD RCA
 4.  4 MBC Docu. Special ‘Future Human AI’, 2016.12.05 Image guided robotics ; Hyundai Heavy Industry AView Lung SW ; Coreline soft Inc. 3D Printing ; Urology @ AMC Movie Clips
 5.  Global Trends Drive Momentum in health care industry Data Explosion 150+ exabytes Amount of healthcare data today1 Over 230K Active clinical trials2 80% Healthcare data that comes from unstructured data sources3 Dynamic Delivery Environment 50% Expected alternative payments form the Centers of Medicare and Medicaid by 2018 4 75%+ Percentage of patients expected to use digital health services in the future5 90K Expected shortage of physicians by 2020 6 Value vs Volume 4.7 trillion Estimated global economic impact of chronic disease by 2030 7 3 trillion Estimated US healthcare spending 8 100’s Approx. amount of decisions a person living with Type 1 Diabetes makes a day9 Efficient and effective R&D 1 in 10 Clinical trials in cancer that are shut down due to lack of participation10 2.6B Average costs to develop a new pharma drug11 <10% Amount of drug currently in development that make it market12 6 1: NCBI: big data analytics in healthcare: promise and potential 2: ClinicalTrials.gov, 3: NIH 4 CMS 5: McKinsey Healthcare's Digital Future July 2014, 6: AAMC Report The complexities from 2014 ro 2025 7: WEF global economic burden non-communication diseases 8: Health affaires. Team analysis 9: OpenAps.org 10: Bio-clinical development success rates 20, Health Economic volume 47, May 2016 1. Life expectancy data, WHO, 2012 2. 2015 Global life sciences outlook: adapting in an era of transformation, Deloitte DTTL, 2014 3. Informa Pic Market Line Extracted Oct 2014
 6.  Healthcare Big Data
 7.  의료 빅데이터 + 인공지능 의료 빅데이터를 이용하는 정밀의료 실현 사물인터넷 유전자검사 의료영상 환자 모니터링 하루 37만건의 의무기록 (연 간 약 1TB) 연간 약 2백만 영상데이터 (30TB) 3.8×109 염기쌍을 가진 DNA 정보 대형 종합 병원
8.  Big data : Google Trends/Facebook 9Nature 2008 약물중독의 상관관계를 분석하여 담배, 알코올, 의약품의 중독에 대해 각 각 86%, 81%, 84%의 정확도로 선별
9.  Opportunity 10 8 trillion exam: Healthcare Industry 2 trillion : wastes in healthcare industry Better experience Imaging : Unnecessary tests Lower cost Oncology: Variability of Care Better outcomes Life sciences: Failed clinical trials Government: Fraud, Waste and Abuse Value Based Care: Cost of chronic disease 360 billion : total IT and healthcare market opportunity *IBM Watson
 10.  Artificial Intelligence(인공지능) 11  Machines (SW, robots) that think and act like humans  Make machines do things at which humans are better  Solve tasks that, if done by humans, require intelligence  1950: Turing’s paper, 1956: “Artificial Intelligence (AI)”
11.  Artificial Intelligence(인공지능) Weak artificial intelligence(약인공지 능) Narrow AI, applied AI 정해진 목적을 위해 사용하는 인공지능 바둑, 체스, 스팸 필터링, 쇼핑 추천, 자율운전 Strong artificial intelligence(강인공 지능) 인간급의 인공 지능 사고, 계획, 문제해결, 추상화, 복잡한 개념 학습
12.  지도학습 vs 비지도학습 Supervised Learning (지도학습) Naïve Bayesian Classifier Support Vector Machine Artificial Neural Network Deep Learning Unsupervised Learning (비지도학습) k-means
 13.  Five tribes of AI researches From Pedro Domingos, Professor, University of Washington at MLconf ATL
 14.  Comparison btw Brain and NN 17
 15.  Neuron 18
 16.  Comparison btw Brain and NN 19 1. 10 billion neurons 2. 60 trillion synapses 3. Distributed processing 4. Nonlinear processing 5. Parallel processing 6. Efficiency (20~25W, 하루섭취량의 20~25%) 1. Faster than neuron (10-9 sec) cf. neuron: 10-3 sec 3. Central processing 4. Arithmetic operation (linearity) 5. Relatively Sequential processing 6. Efficiency (Titan X : 250W) cf. 1[kcal] = 1.16[Wh], 1W=1J=1Nm/s, 1cal=4.2J=1.163mWh Brain Computer
 17.  Size of neural networks 20From Ian Goodfellow, MIT Press 2016
 18.  Bio Plausible Neural Network Mimic human visual recognition system Neocognitron, proposed by Hubel & Wiesel in 1959 Visual primary cortex by cascading from S-Cell to C-Cell Each unit connected to a small subset of other units Based on what it sees, it decides what it wants to say Units must learn to cooperate to accomplish the task 21From Gallant and van Esses, Simon Thorpe
 19.  CNN : Major Breakthroughs in Feedforward NN K. Fukushima Yann Lecun G. Hinton, S. Ruslan Neocognitron Neocognitron (1979) • By Kunihiko Fukushima • First proposed CNN Convolutional Neural Networks (1989) • Yann Lecun et.al • Back propagation for CNN • Theoretically learn any function LeNet-5 architecture Alex krizhevsky , Hinton LeNet-5(1998) • Convolutional networks Improved by Yann Lecun et.al • Classify handwritten digits D. Rumelhart, G. Hinton, R. Wiliams 1960 1970 1980 1990 2000 2010 2012 Perceptron XOR Problem Golden Age 1957 1969 1986 F. Rosenblatt M. Minsky, S. Papert • Adjustable weights • Weights are not learned • XOR problem is not linearly separble • Solution to nonlinearity separable problems • Big computation, local optima and overfiting CNN Breakthrough (2012) • By Alex Krizhevsky et al. • Winner of ILSVRC2012 by large marginDark Age (AI winter) Back propagation (1981) • Train multiple layers Multi-layer Perceptron (1986) 1950 Neocognitron (1959) • Hubel & Wiesel • by cascading from S- Cell to C-Cell
 20.  특징 추출 24
 21.  Feature Extraction by CNN 25
 22.  Paradigm shift 29 Analog Digital vs Program Deep Learning vs Data GS Results Data GS Program<< Ref Little cost for duplication Little cost for developing program
 23.  인공지능과 의료 2000년대 이후 임상 연구 ex. phenotyping 등 분야에서 연구방법으로 활용되어옴. 최근 여러 요인에 의해서 새로운 양상 인공지능기술의 획기적인 개선 Healthcare big data와 연결 IOT, robotics, mobile platform과의 연결
24.  인공지능 의료적용 분야 인공지능 분야 시각지능 언어지능 판단지능 자동분류 요약/창작 공간지능 임상시험 케이스선정 신약개발프로세스 진료보조 비서서비스 음성인식 의무기록 데이터기반 정밀의료 유전체분석 약혼합사용 및 합병증 예측 진단검사추천 판독보조 정상유무판정 유사증례검색 판독문 생성 병리분야 판독 보조 물류, 수술실, 병실 운영 로봇수술 의료 인공지능 인공지능 의료적용 분야 31
 25.  인공지능 의료적용 분야 (임상 중심 분류) 정상 유무 판정 초기진단 빅 데이터와 차세대 인 공지능 기법을 통해 정밀판독이 없이도 초기 감별진단 유사증례검색 DB의 수많은 증례로부터 유사한 증례를 검색, 시각화하여 진단에 도움 예비 판독문 생성 인공지능 기반 의료영상 분석기 법과 자연어 처리기술을 융합, 영상전문의의 판독을 보조할 수 있는 수준의 판독문 자동생성 병리분야 판독 보조 병리영상 빅데이터에 인공지능 기법의 적용, 진단, 발병기전 분 석, 예후 예측 등에 활용 임상시험 인공지능 기술을 기반으로 단일 병 원 및 병원 클러스터간 물류, 수술 실, 병실의 효율적 운영 물류, 수술실, 병실 운영 로봇수술 인공지능 기술을 통해 의료 로봇의 수술을 계획, 위험도 예측, 침습부 위 최소화 진료보조 데이터기반 정밀의료 판독보조 신약 약물 개발과정에 인공지능 기법을 적용, 질병 치료 에 더욱 효과적인 약물의 조합과 용도 변경 탐색, 약물 후보군 및 임상환자 군의 최적화 케이스 선정 인공지능 기반 검색기법을 통해 적합한 질병 및 환자 를 탐색, 임상 시험의 준비 기간을 단축, 객관성 향상 비서서비스 IoT기술, 음성 인식기술 및 인공지능 기술을 융합, 효율적인 예약, 진단 및 진료 프로세스, 업무 정보 업데이트 및 맞춤형 큐레이션 음성인식 의무기록 진단 및 판독 내용의 기록을 자동화, 의료분야 전문용어를 판독 및 구조화 할 수 있는 수준의 음성 인식 및 문 서 생성 기술 진단 검사 추천 정밀 진단 및 치료를 위해 인공지능 및 빅데이터를 활용, 정확도를 높이고 위험도를 낮추기 위한 추가 진단 검사 프로세스를 추천 유전체 맞춤 의료를 위해 유전체, 멀티모달 의료 영 상 및 임상병리 빅데이터를 바탕으로 연관성 을 분석, 모델링하여 예후 예측, 진단 및 치료 약 혼합 사용 및 합병증 예측 치료 및 약물 사용 시 사례기반 위험성 또는 합병 증의 위험을 알려 주어 의사의 최종 결정을 보조 32
 26.  Aug 2016
 27.  1. 영상 인식 및 분할 : CNN Image tagging, retrievalObject recognition Scene segmentation
 28.  Convolutional Neural Networks (CNN) Neural network with sparse connections Learning algorithm: Backpropagation on convolution layers and fully-connected layers
 29.  병의 진단, 중증도 판정: 망막병증
30.  병소의 분할, 측정: 뇌 MRI이상
31.  영상 변환 Work in Progress Lee JG, Kim N, Seo JB,
 32.  대장용종 NICE 분류 Data NICE I: 25 NICE II: 89 NICE III: 19 전상훈, 박범희, 변정식 등 AMC
 33.  이상부위 발견: 암세포 분열
34.  Software from Enlitic scans an X-ray image of a wrist for fractures. 이상 찾기: 골절
35.  이상 찾기: 흉부 X선 결절 찾기
36.  DILD Region Classification Work in Progress Vuno/ MIRL co-work
 37.  Chest X-ray CAM Weakly Supervised Learning + Class Activation Map - Resnet50 ILSVRC Pre-trained Model
 38.  Chest X-ray CAM
 39.  흉부X선 소견의 분류 @AMC (-) (+) Nodule Interstitial Opacity Consolidation Pleural Effusion
 40.  Intuitive Surgical 51
 41.  2. 음성/시그널 인식 및 번역 Speech Recognition Machine Translation Speech Recognition + Machine Translation
 42.  생산성: Speech Recognition
 43.  Prediction of ventricular arrhythmia 55
 44.  3. 비디오 인식 Video understanding (Google, 2014) Scene parsing (NYU/Facebook , 2014) NVIDIA DRIVE PX, 2015
 45.  중이염 동영상 인식 및 모니터링 AMC ENT 정종우 교수님 협력연구 수술장 동영상 기술 개발 중이염, 인공와우 수술 동영상자료의 분류 수술영상을 각 단계로 분류 : 1000 례 이상 분류된 영상의 구조물 명시와 술식명시 시간축의 술식 예시 Cortical bone cutting & opening into mastoid air cells Sculpt the EAC: anterior boundary (optional) Exposing the sigmoid sinus: posterior boundary Delineate mastoid tegmen: superior boundary Open the antrum Define and deepen the sinodural angle & open the mastoid tip cells Expose the incus from antrum Facial nerve identification (mastoid segment) Open the facial recess (posterior tympanotomy 57 수술장 영상 기술 개발 영상 내 물체 인식의 경우 동영상 같은 경우에는 CNN과 RNN을 결합 한 CNN-RNN 모델 사용 동영상 데이터 학습을 통한 수술 단 계 분류 알고리즘 - 개발정리된 영상을 이용한 인공지능 학습 알고리즘 개발 - 좌우측과 다양한 형태의 유양동에 따 른 적용 - 알고리즘의 임상 검증 및 평가(수술단 계 및 정량화 정보)
46.  4. 비디오 + Device(차)
47.  비디오 + Device(로봇) : 잡기 (구글)
48.  Burger Patty Flipping Robot David Zito, CEO of Miso Robotics
 49.  da Vinci + Deep Learning 62
 50.  63
 51.  5. General Sensor : Google Lens 64 IoT
 52.  간호사 중심 의사 중심 의사, 간호사 시점 (360도) 수술실 전체 (360도) 수술 장면 (캠코더) 수술 장면은 항상 같이 나옴 모든 장면과 상황을 원하는 곳에서!! 수술실 전체 360도 다시점 VR 동영상 @ 수술실/응급실/ICU 65
 53.  6. 생성 모델 (얼굴, 거실) Deep Convolutional Generative Adversarial Networks (DCGAN) Rotations are linear in latent space Bedroom generation Arithmetic on faces
 54.  생성 모델 Zhang et al
 55.  생성 모델 Isola et al
 56.  7. 영상 해석/자막 생성 Image Caption Generation Video Caption Generation
 57.  Chest X-ray Mesh Term 71 Learning to read chest x-ray Automated annotation with attention and visual- sentence mapping
 58.  Generated annotation - Hoo-Chang Shin, Kirk Roberts, Le Lu, Dina Demner-Fushman, Jianhua Yao, Ronald M Summers, "Learning to Read Chest X-Rays: Recurrent Neural Cascade Model for Automated
 59.  8. 질의 문답 Image Question Answering Speech Recognition + Image Questing AnsweringVideo Question Answering Text Question Answering
 60.  Relational Network VQA (Visual question answering) 74DeepMind
 61.  9. 생성 모델 (아트) Artistic neural style
 62.  76
 63.  77Luan, et al, Deep Photo Style Transfer
 64.  투약관리: AiCure
 65.  IBM Watson-Medtronic IBM Watson for healthcare
 66.  IBM Watson 80
 67.  IBM Watson-Medtronic 81
 68.  Apple HealthKit & Google Fit
 69.  Apple HealthKit & Google Fit Google Glass
 70.  Prediction of ventricular arrhythmia 84
 71.  Google IO 2016 : Diabetic Retinopathy 85
 72.  인공지능 의료적용 현황 (국내) 국내 동향 • 삼성과 LG를 비롯한 IT 기업의 높은 인공지능 분야 기술력 • 세계적 수준의 임상의료 및 임상시험 기술 • 최근 뷰노코리아, 루닛 등 인공지능기반 의료분야 스타트업들이 조기성과를 보이는 등 의료분야 인공지능 산업 기반 확대 미만성폐질환에서 CT로부터 질병을 판별. 질병 판독. 질병의 진행상황, 치료법 등 전문의 판단 을 도움을 주는 시스템 개발 소아 골연령 판정 보조 시스템 개발 흉부단순촬영 등 영상 데이터를 딥러닝 기술로 학습, 결핵, 유방암등 검출하는 기술을 개발 시스템생물학에 인공지능을 결합시 켜 기존 약물 개발 과정을 개선 86
 73.  제도 개선중인 선진국과 같이 국내 규제 역시 완화될 것으로 기대  FDA 가이드라인  FDA, CE는 예외조항을 적용하여 허가 절차 면제  3D 프린팅 시뮬레이션 모형에 의료보험 적용 (‘16.4)  식약처: 허가심사 가이드라인 발표(‘15.12), 3DP 의료기기 인허가준비  심평원: 수가 코드  국무조정실: 규제개혁 의료용 3D 프린팅 시장 전망* 966 355 20192012 (단위: million $) 맞춤형 Needs가 큰 의료분야 확산 적용 예상 시장 급성장 예상 의료응용 시장은 도입 단계로, 대등 한 위치에서 경쟁 가능 *Transparency Marker Research(2013) 3D 프린터 주요 특허 만료 3D 프린터 확산 시작 의료 분야 적용 시도  3D 프린터 제조 관련 주요 특허가 2014년 전후로 만료  가격 하락으로 자동차, 전자제품, 항공 등 다양한 분야에 확산  의료응용을 위해 제조사, 연구기관 등이 연구 및 사업화 시도 중 시뮬레이터, 수술가이드 등을 시작으로 제약, 인공장기로 확대 예상 의료용 3D 프린팅 시장은 전세계적으로 태동 단계로 Global No.1이 가능, 차세대 성장동력으로 임상적용필요 시장 선점 사업자 부재 시장 확대를 위한 제도 개선 88/27 의료용 3D 프린팅의 높은 시장 잠재력
74.  • 시험제작을넘어직접의료기기생산에적용되는도입초기단계 • 병원별3D FabricationLab설립 • 의료서비스회사시작(Materialise, Stratasys DirectManufacturing,등) • 일본3D 프린팅시뮬레이션수가(‘16. 4월) TOP연구기관 Stanford school of medicine (USA) 3D printing facility 설립 의료관련 연구/교육 용도 서비스 Phoenix children’s Heart center (USA) FASOTEC (Japan) 3D HOPE MEDICAL (Canada) 2년간 100case cardiac model 제작 6개 나라 15개의 기관과 협업 의대생 교육용 모델 제공 기형 소아심장 수술을 위한 3D printed stimulating phantom 제작 서비스 비영리 IMIB-CHD 운영 2014년 3D프린팅모델, 수술연습용 모 델 서비스 수술연습 모형 및 재료물성 연구 3D 프린팅 기반 맞춤형 의료기기 및 모델 제작 89/27 국제적으로 3D 프린팅 의료분야 적용이 폭발적으로 일어나고 있으며, 수가 도입이 시작되어 의료현장에 적용 중 의료용 3DP 주요 세계 현황
75.  의료용 3D 프린팅 구성요소 모델링 가상수술 SW 3D 프린터 영상 스캐너 3D 스캐너 HW 투명, 연성 강성 골친화도 생분해성 재료 Radiographer CAD/CAM engineer 3DP engineer 인력 Cloud Mobile STL 플랫폼 융합 기술
76.  3D Printing Perspective@MIRL *Children's National Medical Centre in Washington, **SNUH 1998, *** AMC 2013 Special purpose 3D printing Elastic congenital heart model* TAH fitting trial** Phantom# Epithese, prosthetics 코, 귀, 눈 (특수분장) 깁스 0. 서울아산병원 Simulation Printing Surgical Guide Implantable Devices Bio-Printing
 77.  발명후 사용속도 96
 78.  Technology Adoption Life Cycle 97 2.5% 13.5% 34% 34% 16%
 79.  Hype Cycle for Emerging Technologies Maps 98 2015 Gartner
 80.  Manufacturing 5축 가공기 : CNC Machine 3D Printer 부산물완제품 후처리 Assemble 후처리 조립된채로 제작가능
81.  12 Disruptive Technologies 100
 82.  101 AP 통신 : 인공지능(로봇)이 기사 작성, 기술 공개 초당 2,000개 기사 작성 가능 기존의 300개 기업 실적 -> 3000개 기업 실적 커버
83.  102 Right now, about 80% of Americans who need a lawyer can't afford one "With ROSS, lawyers can scale their abilities and start to service this very large untapped market of Americans in need,"
 84.  GOLDMAN SACHS 103
 85.  Radiologist 104
 86.  Pathologist 105
 87.  기계파괴운동 (1811-7) 106
 88.  “And that’s why we’re here today. Because something called precision medicine … gives us one of the greatest opportunities for new medical breakthroughs that we have ever seen.” President Barack Obama January 30, 2015 정밀의료기기및재료 : 의료영상 + 인공지능 + 3D 프린팅 의료영상(빅데이터) ▶ 인공지능 영상처리 및 모델링 ▶ 3D 프린팅 기반 맞춤형 의료기기및재료 107/27 정밀의료(Precision Medicine) Initiative
 89.  의료효율성 국내현황 Efficacy (효용성) Cost (비용) Equation = Efficacy / Cost • 정밀치료를 통한 효용성 극대화 • 효율적 의료시스템 구축을 통한 비용 감소 • 고령화 사회 등으로 GDP대비 의료비 비율 빠르게 증가하고 있으며 상승폭 또한 커지고 있음 • 국민 소득 및 소비수준을 고려하여 의료비는 변화에 반비례하여 감소되어야 할 필요성 존재 시사점: 정밀치료 및 의료 효율화 측면에서 임상현장 기반 지능형 3D 프린팅 기술 개발 및 임상적용 필요 정밀의료를 통한 의료비 절감의 필요성
90.  Surgeon Time Type Name Description Past Great Surgeon William Halsted* To be great in the name of surgery Present Common Surgeon Steve Rosenberg* To be great in the name of immunotherapy Future Augmented Surgeon - To be great by the augmentation of AI 109*Wikipedia
 91.  Connected 110
 92.  111
 93.  112
 94.  113
 95.  Artificial Intelligence & The Perfect Teacher 114
 96.  Future Education Immersive Education (+ VR) Provide opportunities for global classrooms Lifelong and lifewide technologies Personalized learning (+ AI) Virtual mentors for every learner Creating customized content Enhanced crowd-sourced tutoring Mastery-based learning Grading is not reliable metric Experiential learning Analysis of interaction data 115
 97.  Medical Education MD-PhD Convergence Education MD education Resident course Theory Hands on workshop PhD education course Medical education 116
 98.  의료진 교육 워크샵 117 일시 : 2017년 6월 10일 (토) 오전 10시~오후 5시 45분 장소 : 서울아산병원 서관 3층 강당 RSVP : 주은리 picky.erju@gmail.com
 99.  의료 AI unmet needs 교육 워크샵 118
 100.  법적이슈 의료법 21조 제 3자 열람, 16, 23조 전자의무기록 생명윤리 및 안전에 관한 법률 제2, 15, 16, 18 조 개인정보보호법 제2조 제1항 제6호 의료기기법 : 허가 (2,6조) 및 유효성 (8, 9, 10 조) 국민건강보험법 : 건강보험심사평가원 신의료기술평가에 관한 규칙 보건복지부령 제353호 , 2015, 안전성 유효성 정보통신망 이용촉진 및 정보보호 등에 관한 법: 제2 조 개인정보, 국외 이전 다부처 개인정보 비식별화 가이드라인(2016), 익명화 “전자의무기록의 관리.보존에 필요한 시설과 장비에 관 한 기준” (2016-140호) 보건복지부 고시 개발시 사용되는 데이터의 피험자 동의 오작동 책임소재 및 윤리 클라우드 저장 및 활용, 보안 의료법 시행규칙 고시 개정, 2016 https://namkugkim.wordpress.com/2017/03/09/병원의-환자-데이터-활용에-대한-법적인-이슈/
101.  120 Solvay, 1927 Einstein, “God does not play dice” Bohr, “Einstein, stop telling God what to do”
102.  Old forest 121
 103.  Take Home 4차 산업혁명 250년 늦은 지각생 위기이자 기회 우리나라의 기회 세계적 의료 수준 대규모 데이터를 쉽게 모을수 있음 의료 인공지능은 수준이 떨어지지 않음 융합 교육 연구개발 제도 개선 122
 104.  AI ARTIFICIAL INTELLIGENCE (X) AUGMENTED INTELLIGENCE !
 105.  Collaborators • Clinical Collaborators@Asan Medical Center, SNU BH – Radiology : Chest, Cardiac, Abdomen, Neuro/Brain – Neurology :Dongwha Kang, Chongsik Lee, Jaehong Lee, Sangbeom Jun, Misun Kwon, Beomjun Kim – Cardiology ; Jaekwan Song, Jongmin Song, Younghak Kim – Internal Medicine : Jeongsik Byeon – Pathology : Hyunhee Go – Surgery : Bumsuk Go, JongHun Jeong, Songchuk Kim • Academy • KAIST EE, CS, Math • Related Companies • LG, VUNO, Coreline Soft, MIDAS IT, KakaoBrain
 

반응형