본 포스팅은 데이콘 서포터즈 “데이크루" 1기 활동의 일환입니다.

안녕하세요! 데이크루로 활동 중인 sssssun 입니다😉

오늘도 인공지능의 발전을 실감할 수 있는 정보를 소개해드리려고 해요!

이제는 인공지능이 영향을 끼치지 않는 분야가 없다고 볼 수 있죠..!

그 중, 오늘은 아직 크게 활성화되지는 않았지만 밝은 전망을 기대해볼 수 있는 ‘의료 분야에서의 AI'에 대해 다뤄볼 예정입니다.

의료 분야는 아무래도 사람의 생명이나 건강이 걸려있기 때문에 인공지능의 도입이 조심스러울 수 밖에 없습니다.

그럼에도, 현재 의료 인공지능은 놀라울 정도로 많이 발전해있는데요!

국내 의료 AI 스타트업 루닛의 소프트웨어는

유방암을 얼마나 정확하게 찾아내는지에 대한 민감도 지표에서 81.9%를 기록하여 전문의들의 민감도 수치인 77.4%를 뛰어넘었다고 합니다.

즉, 의사들보다 이제는 인공지능이 암을 더 찾아내는 시대가 도래한 것이죠.

의료 인공지능 신경망 모델들의 원리와 학습 과정, 발전 과정에 대해 조사하다가 유익한 기사를 찾았습니다.

저작권이 있어서 퍼오지는 못했는데요 .. ㅠ ㅠ

딥러닝을 통해 의료영상을 판독하는 원리와 모델이 자세히 설명되어있는 것 같으니 관심 있으신 분들은 접속해서 읽어보셔도 좋을 것 같습니다😊

  ⬇⬇⬇

AI 의료영상 기술 활용 사례

1.     의료 인공 지능의 사례

현재 다양한 역할과 기능을 하는 의료 인공 지능이 개발되었다고 해요.

그중, 저는 3가지 정도를 소개하겠습니다!

  1  

이미지 출처 : http://www.aitimes.kr/news/articleView.html?idxno=14854

MIT-하버드 연구팀이 개발한 웨어러블 신경 이미징 장치에서는

인공지능을 활용하여 뇌 신호를 통해 환자의 통증 수준을 감지할 수 있습니다.

휴대용 신경 영상 장치로 뇌 활동을 분석하여 환자의 통증 수준을 측정하는데,

머리 주위에 놓인 센서가 뇌의 뉴런 활동을 나타내는 산소화 된 헤모글로빈 농도를 측정합니다.

이는 기능적 근적외선 분광법(fNIRS)라고 하는 새로운 신경 영상 기술입니다.

환자의 이마에 있는 fNIRS 센서 몇 개를 통해 사용하여 전전두엽 피질의 활동을 측정하는데,

피질의 활동은 통증 처리에 중요한 역할을 합니다.

측정된 뇌 신호를 사용하여 연구원들은 통증 반응과 관련하여 머신러닝 모델을 개발하였고,

모델은 약 87%의 정확도로 환자가 통증을 경험하고 있는지 여부를 감지할 수 있다고 합니다.

이는 통증의 정량화를 가능하게 하는 것으로

무의식이나 의사표현이 어려운 환자들의 통증을 의사가 진단하고 치료하는 데 도움을 줄 수 있습니다.

  2  

이미지 출처 : http://www.aitimes.kr/news/articleView.html?idxno=14854

서울대병원 영상의학과 박창민, 황의진 교수는

2017년 1월부터 3월까지 응급실을 방문한 환자 1,135명을 대상으로 AI진단시스템의 흉부X선영상 판독능력을 검증했는데요.

그 중, 왼쪽 사진은 발열과 기침으로 응급실을 방문한 폐렴 환자의 흉부 X선 영상입니다.

왼쪽 사진의 노란 화살표로 체크된 폐의 폐렴 병변 보이시죠?

이 병변을 응급의학과 당직의사는 인지하지 못하였으나,

서울대 인공지능 시스템은 병변의 존재와 위치를 정확하게 식별했다고 합니다.

이렇게 병변을 감지하는 인공지능 시스템은

비지도학습을 통해 병변의 중요한 영상적 특징을 추출하도록 학습하고,

이를 의사와 전문가들이 인공 지능 판독 결과를 바탕으로 지도 학습 및 미세 조정을 진행합니다.

해당 병원의 영상의학과의사의 판독민감도는 66%에 머물렀으며

촬영된 영상을 판독하고, 추가검사나 치료 및 이상소견을 도출하기 까지 평균 1~2시간이 걸린다고 합니다.

반면 인공지능 진단시스템으로 판독했을 때 판독 민감도는 82 ~ 89%로 당직의사보다 높았고,

판독과 대기에 걸리는 시간도 큰 폭으로 감소시킬 수 있습니다.

모든 질병에 있어서, 가장 중요한 것은 정확하고 빠른 진단, 그리고 시기적절한 치료이기 때문에

이 방면에 있어서 인공지능이 훌륭한 진단 보조 기구가 되어줄 것 같습니다.

  3  

최근에 미국 메사추세츠공과대(MIT) 연구팀에서 개발된

우울증을 감지하거나 진단하는 신경망 모델이 있는데요.

이 신경망 모델의 핵심은 생활 속 사람들의 대화 원본 텍스트와 음성 데이터를 분석해 우울증을 나타내는 언어 패턴을 발견합니다.

그리고 학습을 바탕으로 기존 정보가 전혀 없는 새로운 개인에게

우울증 패턴을 매핑하여 우울증을 감지할 수 있는 능력을 갖고 있습니다.

연구자들은 이 모델의 구현에서 음성 처리에 사용되는 시퀀스 모델링(Sequence modeling)이라는 기술을 사용하였는데요.

아래 그림은 음성 인식의 기본 과정과 구조라고 합니다.

이미지 출처 : http://www.tcpschool.com/deeplearning/deep_sound

이러한 과정으로 사람이 구사하는 일련의 단어 또는 말하기 스타일을 인식하고

우울증이나 우울증에 걸릴 가능성이 있는 패턴을 추출하여 분석해낸다고 합니다!

정말 놀랍지 않나요?

언어 사용 패턴을 통해 우울증을 감지하는 신경망 모델이 더 발전하면,

우울증이 심화되기 전에 치료받을 수 있는 사람들이 늘어날 것 같아요.

2.   결론 및 전망

종종 의사들의 진단은

과중한 스트레스와 피로, 수면 부족, 인지 과부하, 소음이나 심리 정서적 상태 등의 요인에 민감하게 작용하고

이는 오진이나 잘못된 처방으로 이어질 수 있습니다.

이에 인공지능은 인간으로 인한 오류를 줄이고, 의료의 질을 향상시키는

유용한 도구가 되고 있으며 앞으로도 계속 발전할 것으로 보입니다!

인간과 인공지능은 판단과정이 서로 다르고 오히려 상호보완적인 역할을 수행하기 때문에

인공지능의 학습과 발전이 있더라도 의사가 대체되지 않고, 의사의 진료와 인공지능의 판단이 병행될 것 같아요.

따라서 인공지능은 의사의 정확하고 빠른 진단과 시기적절한 치료에 도움이 될 뿐 아니라,

진단 불확실성을 줄이기 위해 의사들이 이용할 수 있는 도구 중 하나가 될 것입니다.

의료 인공지능의 전망은 상당히 밝아 보이는데,

의사와 의료 AI가 협력하고 발전을 통해 의료 분야에서 AI의 활용이 대중화되어

각종 의료 문제나 질병을 수월하게 해결할 수 있는 날이 얼른 왔으면 좋겠습니다.

 Reference

http://www.aitimes.kr/news/articleView.html?idxno=14854

https://biz.chosun.com/it-science/bio-science/2021/06/28/V4O3YL5NLJCSNIIAZG4BWKDZAA/

http://www.aitimes.kr/news/articleView.html?idxno=14606

http://www.snuh.org/board/B003/view.do?bbs_no=4971