의료AI

11 Contents

HR-pQCT 기반 방사선학적 분석(Radiomics)을 이용한 만성 신장 질환(CKD) 피질골의 고유 골질 특성 규명

만성 신장 질환(CKD)은 시간이 지남에 따라 신장 기능이 점진적으로 저하되는 질환으로, 전신의 골격계에 심각한 악영향을 미칠 수 있습니다. 신장 기능이 떨어지면 체내 미네랄 대사의 불균형과 호르몬 변화가 일어나 뼈의 질이 급격히 저하되는 결과를 초래합니다. 이러한 골격의 변화는 단순히 뼈가 약해지는 것을 넘어 심혈관 질환이나 골절 등 심각한 합병증으로 이어지며 환자의 생존율에 직접적인 영향을 줍니다. 따라서 뼈의 구조적 변화를 조기에 발견하는 것은 환자의 예후 관리를 위해 매우 중요하지만, 기존의 진단 방식은 침습적이어서 통증을 유발하거나 해상도가 낮아 미세한 변화를 감지하기 어렵다는 한계가 있었습니다. 이러한 진단적 한계를 극복하기 위해 고해상도 말초 정량 컴퓨터 단층 촬영인 HR-pQCT 기술이 도입되었습니다. 이 첨단 스캐너는 뼈의 3D 입체 정보를 통해 내부 구조의 질까지 상세하게 보여주어 초기 골 손상을 감지하는 데 큰 도움을 줍니다. 특히 만성 신장 질환 환자에게서 나타나는 피질골의 두께 감소나 미세한 구멍인 다공성의 증가를 시각적으로 확인할 수 있게 해줍니다. 최근에는 이러한 고해상도 이미지를 효과적으로 분석하기 위해 딥러닝을 이용한 영역 분할과 머신러닝 분류를 결합한 인공지능 알고리즘이 개발되었으며, 이를 통해 약 90% 수준의 높은 정확도로 환자의 골격 상태를 판별하는 성과를 거두고 있습니다. AI 모델의 판별 성능을 한층 더 높이기 위해 연구자들은 이미지 내 픽셀 간의 관계를 분석하는 명암도 동시발생 행렬(GLCM)과 국소 질감을 분석하는 로컬 바이너리 패턴(LBP) 기술을 도입했습니다. 이 두 기법을 결합하여 특징을 추출했을 때, 단일 방식만을 사용했을 때보다 골격의 변화를 훨씬 정밀하게 분류할 수 있다는 점이 증명되었습니다. 또한 라플라시안 및 가우시안 필터를 적용하여 아주 미세한 국소 질감부터 거친 구조적 패턴까지 다양한 축척에서 분석을 수행합니다. 이러한 정교한 과정은 육안으로는 구별하기 힘든 피질골 내부의 복잡한 물리적 변화를 수치화하여 진단의 데이터 신뢰성을 확보하는 기초가 됩니다. 최신 연구의 핵심인 라디오믹스(Radiomics) 접근 방식은 피질골의 세부 사항을 심층적으로 분석하기 위해 뼈를 원위부와 골간부 등의 하위 영역으로 나누어 조사합니다. 부위별로 나타나는 질감 패턴의 차이가 모델의 진단 능력에 미치는 영향을 파악하기 위함입니다. 이 과정에서 웨이블릿 필터를 사용해 이미지를 서로 다른 주파수 대역으로 분리함으로써, 전체적인 밀도 패턴뿐만 아니라 불규칙한 질감의 변화까지도 정밀하게 포착해냅니다. 또한 상관관계가 높은 중복 데이터를 제거하는 2단계 필터링 과정을 통해 변별력이 가장 높은 특징만을 선택하여 분석 모델의 효율성을 극대화하고 뼈의 공간적 이질성을 효과적으로 식별합니다. 결과적으로 라디오믹스 분석은 기존의 밀도 기반 측정 방식으로는 놓치기 쉬운 미묘한 골 조직의 변화를 성공적으로 식별해냈습니다. 만성 신장 질환 환자군은 피질골 내에서 더욱 이질적이고 대비가 높은 질감 패턴을 보이는데, 이는 다공성 증가와 미세 구조적 악화를 객관적으로 반영하는 지표가 됩니다. 이러한 정량적 분석 결과는 임상 현장에서 환자의 골절 위험을 보다 정확하게 예측하고 관리할 수 있는 강력한 보조 도구가 될 것입니다. 향후 이 기술이 기존 영상 진단 방법을 보완하고 고도화된 머신러닝 모델과 결합된다면, 만성 신장 질환 환자 개개인을 위한 맞춤형 정밀 의료 시스템을 구축하는 데 크게 기여할 것으로 전망됩니다.

HR-pQCT 기반 방사선학적 분석(Radiomics)을 이용한 만성 신장 질환(CKD) 피질골의 고유 골질 특성 규명
생물학연구정보센터학술웨비나
  • 생명과학
  • 융합

데이터과학의 시대와 근거기반의학: 체계적문헌고찰과 메타분석

현대 사회에서 빅데이터는 '산업의 원유'라 불릴 만큼 강력한 의사결정 수단으로 자리 잡았습니다. 단순히 수치를 넘어 전쟁의 전조를 읽어내는 피자 지수나, 비만 치료제 보급에 따른 항공 유류비 절감 예측처럼 데이터는 보이지 않는 흐름을 가시화합니다. 하지만 의료 분야에서는 데이터의 단순한 경향성 파악을 넘어선 더 엄밀한 접근이 필요합니다. 사람의 생명과 직결되는 영역인 만큼 '틀릴 수 있다'는 가정이 허용되지 않으며, 단순한 예측보다는 확고한 진실에 기반한 의사결정이 요구되기 때문입니다. 의료 인공지능의 등장은 큰 기대를 모았으나, 과거 IBM의 '왓슨 포 온콜로지' 사례처럼 실제 현장에서는 한계에 부딪히기도 했습니다. 쏟아지는 수많은 연구 논문을 기계가 학습하여 최적의 옵션을 제안했음에도 불구하고, 시간이 흐르며 인간의 판단과 어긋나는 경우가 빈번해진 것입니다. 이는 공학적 정답과 의료적 신뢰 사이의 간극을 보여주는 대표적인 사례입니다. 결국 의료 데이터 과학이 성공하기 위해서는 단순한 결과값의 도출이 아닌, '설명 가능성'과 '학문적 합의'를 갖춘 체계가 필수적으로 수반되어야 합니다. 이러한 배경에서 가장 중요하게 강조되는 것이 바로 근거기반의학(EBM)입니다. 근거기반의학은 어떤 새로운 기술이나 처치가 개발되었을 때, 이를 단순히 적용하는 것에 그치지 않고 동료 심사를 거친 논문 출판을 통해 학문적 신뢰를 쌓는 과정을 중시합니다. 무작위 대조군 임상시험(RCT)과 같은 고품질의 재료들이 쌓여 다방면의 보편적 활용이 가능한 진료 지침으로 연결될 때, 비로소 의료 현장에서의 의사결정이 정당성을 얻게 됩니다. 이는 데이터를 단순히 분석하는 것을 넘어 신뢰를 구축하는 과정이라 할 수 있습니다. 현대 근거기반의학의 표준적 정의는 최선의 연구 근거, 임상적 전문성, 그리고 환자의 가치라는 세 가지 축이 조화를 이루는 상태를 의미합니다. 과거 경험이나 이론에만 의존하던 '사체액설' 시대의 오류를 극복하고, 수천 편의 논문을 체계적으로 걸러내어 가장 신뢰할 수 있는 데이터를 추출하는 것이 핵심입니다. 이는 연구 방법론의 최상단에 위치한 체계적 문헌고찰과 메타분석을 통해 구체화됩니다. 이러한 분석 결과는 전 세계 보건당국과 학회의 가이드라인을 결정하는 가장 강력한 수준의 근거가 됩니다. 체계적 문헌고찰과 메타분석의 과정은 정교한 연구 질문(PICO)을 설정하는 것에서 시작됩니다. 방대한 문헌 중에서 기준에 맞는 연구를 육안으로 선별하고, 비구조화된 텍스트 데이터를 엑셀 시트와 같은 구조화된 형태로 정리하는 과정을 거칩니다. 이 과정은 개인정보 보호나 보안 문제에서 자유로우면서도, 인공지능이 가진 '환각 현상' 없이 투명한 설명을 가능하게 한다는 장점이 있습니다. 이렇게 정제된 데이터는 통계 프로그램을 통해 수리적으로 합성되어, 개별 연구를 넘어선 통합적인 결론을 도출해 냅니다. 메타분석은 단순한 양적 합산을 넘어 다양한 분석 기법으로 확장됩니다. 두 처치를 직접 비교하는 페어와이즈 분석부터, 진단 기기의 성능을 평가하는 진단검사 메타분석, 그리고 직접적인 비교 연구가 없는 상황에서도 간접 비교를 통해 우선순위를 정하는 네트워크 메타분석 등이 대표적입니다. 특히 네트워크 메타분석은 여러 약물의 효과를 동시에 평가할 수 있어 현대 의학에서 매우 중요한 도구로 활용됩니다. 이러한 고도화된 분석은 베이지안이나 빈도주의 방식을 통해 보다 정밀한 의료적 예측을 제공합니다. 근거기반의학은 학문적 성과뿐만 아니라 산업적 활용과 정책 결정에도 지대한 영향을 미칩니다. 특히 SCI 저널 투고 시 네트워크 메타분석이나 용량-반응 분석 같은 특수한 주제를 선택하는 것은 연구의 희소성을 높여 승인율을 올리는 유용한 전략이 되기도 합니다. 결국 체계적 문헌고찰과 메타분석은 방대한 데이터의 홍수 속에서 우리가 무엇을 믿고 선택해야 하는지를 알려주는 과학적인 나침반입니다. 이는 환자 개개인에게 최선의 치료를 제공하고 의료의 질을 높이는 데이터 과학의 정수라고 할 수 있습니다.

데이터과학의 시대와 근거기반의학: 체계적문헌고찰과 메타분석
생물학연구정보센터학술웨비나
  • 생명과학
  • 수학
  • 융합

[인터뷰] 바이오인공지능연구센터 ABC #008 | 신현우 의과대학 교수

의학의 길을 걷는 이들에게 임상과 연구는 떼려야 뗄 수 없는 관계입니다. 신현우 교수는 이비인후과 레지던트 시절 코폴립과 수면무호흡증이라는 두 질환에 깊은 관심을 갖게 되었습니다. 환자를 진료하는 것에서 나아가 질병의 근본적인 원인을 파악하고자 전일제 박사 과정을 거치며 저산소증 연구에 매진했습니다. 이러한 학문적 여정은 그를 단순한 임상의를 넘어 상부 기도의 건강을 책임지는 연구자로 성장시켰으며, 현재는 10년 넘게 연구 중심의 의사로서 호흡의 질을 높이는 다양한 탐구를 이어가고 있습니다. 상부 기도는 코에서 후두까지 이어지는 통로로, 우리가 생명을 유지하기 위해 산소를 받아들이는 첫 관문입니다. 수면무호흡증은 낮에는 멀쩡하던 이 통로가 밤에 잠들 때만 반복적으로 막히는 독특한 질환입니다. 기도가 막히면 체내 산소 공급이 중단되어 뇌가 강제로 잠을 깨우게 되는데, 이 과정이 밤새 반복되면서 심각한 피로와 건강 악화를 초래합니다. 심한 경우 수면 중 돌연사로 이어질 만큼 위험하지만, 많은 이들이 이를 단순한 잠버릇으로 치부하며 방치하는 경우가 많아 각별한 주의가 필요합니다. 과거에는 수면무호흡증의 심각성을 단순히 시간당 호흡이 멈추는 횟수로만 판단했습니다. 하지만 10초간의 가벼운 잽과 같은 무호흡과 몸에 큰 충격을 주는 카운터펀치 같은 무호흡을 동일하게 평가하는 것은 한계가 있습니다. 우리 몸의 반응은 뇌파, 심전도, 근전도 등 복잡한 생체 신호로 나타나며, 이를 사람이 일일이 분석하기에는 데이터의 양이 방대합니다. 이를 해결하기 위해 인공지능 기술이 도입되었으며, 수만 건의 데이터를 학습한 인공지능은 이제 환자 개개인의 수면 상태를 더욱 정밀하고 정량적으로 예측하는 핵심 도구가 되었습니다. 수면에 대한 흔한 오해 중 하나는 주중에 부족했던 잠을 주말에 몰아서 자면 회복될 것이라는 생각입니다. 하지만 한 번 손상된 수면 리듬과 그로 인한 신체적 타격은 나중에 더 많이 잔다고 해서 완전히 보상되지 않습니다. 또한 코골이를 단순히 체격이 좋은 사람의 특징으로 가볍게 여기는 것도 위험합니다. 코골이 환자의 상당수는 이미 수면무호흡증을 동반하고 있으며, 이를 방치할 경우 뇌졸중이나 심근경색 같은 치명적인 합병증으로 이어질 확률이 매우 높습니다. 따라서 매일 규칙적인 수면 시간을 확보하는 것이 무엇보다 중요합니다. 인공지능이 의료 현장에 깊숙이 들어오면서 의사의 역할을 대체할 것인가에 대한 논의가 활발합니다. 기술적으로 인공지능은 방대한 정보를 처리하며 의료진의 판단을 보조하는 훌륭한 파트너가 될 수 있습니다. 다만 최종적인 결정에 따른 법적 책임과 사회적 합의는 여전히 해결해야 할 과제로 남아 있습니다. 결국 미래의 의료는 인공지능을 통한 정밀한 진단과 인간 의사의 책임감이 조화를 이루는 방향으로 나아갈 것입니다. 건강한 삶을 위해 수면과 운동, 식사의 균형을 맞추는 개인의 노력 또한 기술의 발전만큼이나 필수적인 요소입니다.

[인터뷰] 바이오인공지능연구센터 ABC #008 | 신현우 의과대학 교수
카오스재단카오스크로스

서경석과 알고보면 쓸모있는 한의과학 2부 | 인공지능 한의사? 전자약?

한의학과 인공지능의 만남은 현대 과학의 새로운 지평을 열고 있습니다. 한의학은 단순한 질병 치료를 넘어 환자의 체질과 생활 습관을 입체적으로 분석하는 학문입니다. 인공지능은 마치 영화 속 ‘자비스’처럼 한의사의 진료를 보조하며 방대한 정보를 계산하고 최적의 처방을 제안하는 비서 역할을 수행합니다. 특히 환자마다 다른 증상의 원인을 파악해야 하는 한의학 특성상 복잡한 데이터를 처리하는 인공지능의 도입은 진단의 정밀도를 획기적으로 높이는 핵심 동력이 됩니다. 현재 의료 현장에서는 한의사가 정성적으로 수행해 온 진찰 과정을 컴퓨터가 이해할 수 있는 디지털 정보로 변환하는 작업이 활발히 진행 중입니다. 한의사가 차트에 환자 정보를 입력하면 인공지능이 즉각적으로 관련 고전 문헌과 최신 연구 논문을 찾아주는 시스템이 이미 개발되었습니다. 이러한 선순환 인프라가 구축됨에 따라 진료 현장에서 발생하는 생생한 데이터들이 다시 인공지능의 학습 자료로 활용되어 의료 환경의 수준을 지속적으로 향상시키는 밑거름이 되고 있습니다. 디지털화된 데이터 수집 시스템이 완성되면 의료 서비스의 질적 상향 평준화가 가능해집니다. 개별 한의사의 경험에만 의존하던 기존 방식에서 벗어나 전 세계 수많은 의료진이 축적한 방대한 노하우를 인공지능이 분석하여 제공하기 때문입니다. 이를 통해 환자들은 어느 지역의 한의원을 방문하더라도 일관된 수준의 고품질 진료를 받을 수 있게 됩니다. 이는 한의학의 잠재력을 최대한으로 끌어올려 인류 건강 증진에 기여하는 새로운 의료 패러다임의 시작이라 할 수 있습니다. 한의학의 또 다른 혁신은 경혈 자극을 이용한 ‘전자약’ 연구에서 나타나고 있습니다. 기존의 침이나 뜸 치료는 피부 손상이나 화상의 위험이 따를 수 있지만, 최신 기술을 접목한 웨어러블 기기는 이를 안전하고 편리하게 대체합니다. 예를 들어 스마트워치 형태의 기기가 실시간으로 생체 신호를 감지하고, 필요할 때마다 특정 경혈 부위에 미세한 자극을 주어 질환을 관리하는 방식입니다. 이는 매일 약을 챙겨 먹어야 하는 환자들의 번거로움을 해결하는 획기적인 대안으로 주목받고 있습니다. 전자약의 활용 범위는 만성질환을 넘어 통증 관리와 정신 건강 분야로까지 확대되고 있습니다. 고령화 사회에서 빈번하게 발생하는 각종 통증을 약물 없이 기기 부착만으로 완화할 수 있는 과학적 기반이 마련되고 있는 것입니다. 또한 불면증이나 우울증 같은 정신적 피로를 호소하는 현대인들에게 인체에 거부감이 없는 최적의 자극 조건을 찾아 제공함으로써 삶의 질을 개선합니다. 전통적인 지혜와 첨단 공학의 결합은 우리가 더 건강한 일상을 누릴 수 있도록 돕는 든든한 조력자가 될 것입니다.

서경석과 알고보면 쓸모있는 한의과학 2부 | 인공지능 한의사? 전자약?
한국한의학연구원쿔테이블 🎵
  • 생명과학
  • 융합
  • 공학·기술

2035, A future created by ETRI EPII ETRI가 만드는 2035 미래상 기술발전지도

2035년의 미래 도시는 인공지능과 자율 기술이 결합하여 생산과 소비의 패러다임을 혁명적으로 바꿉니다. 스마트 농장은 인기 작물을 재배할 때 실시간 수요에 맞춰 생육 환경을 최적화하며, 기후 변화와 같은 외부 변수에도 자율적으로 대처하여 고품질의 농산물을 꾸준히 생산합니다. 이렇게 수확된 원료는 사람의 개입 없이도 제품 설계부터 포장까지 신속하게 처리되는 자율 공장을 거치게 됩니다. 이는 기술이 인간의 개별적인 필요를 가장 정교하고 효율적으로 충족하는 첨단 산업의 모습을 생생하게 보여줍니다. 국방과 사회 안전 분야에서도 지능형 시스템을 통해 고도화된 안정을 누리게 됩니다. 미래의 국방 체계는 인공지능 기반의 전략 조언자가 등장하여 군 지휘관의 복잡한 의사결정을 효과적으로 지원하는 구조로 변화합니다. 이는 정교한 군사 시뮬레이션을 통해 전투력을 향상시키고 비상 상황에 신속하게 대응하는 등 국가 안보를 보장하는 스마트한 방어의 핵심이 됩니다. 기술의 발전이 사회의 필수 기반인 안전을 더욱 투명하고 효율적으로 관리하여 시민들이 자신의 꿈을 마음껏 펼칠 수 있는 든든한 토대를 마련해 줍니다. 의료 혁신은 인간의 삶을 더욱 풍요롭고 따뜻하게 만드는 원동력이 됩니다. '의료 AI 허브'와 같은 글로벌 협업 체계를 통해 환자는 전 세계 전문가들의 지혜가 담긴 정밀 의료 서비스를 경험할 수 있으며, 보호자는 거리의 제약 없이 온라인으로 진료 과정에 실시간 참여가 가능합니다. 이러한 변화는 기술이 단순히 효율성을 높이는 도구에 그치지 않고, 인간 사이의 유대감을 강화하며 인간애를 실천하는 방향으로 진화하고 있음을 시사합니다. 우리가 함께 만들어갈 미래는 이처럼 기술과 따뜻한 마음이 조화를 이루는 진정한 인간 중심의 세상이 될 것입니다.

2035, A future created by ETRI EPII ETRI가 만드는 2035 미래상   기술발전지도
한국전자통신연구원ETRI 아카이브
  • 융합
  • 공학·기술

[WMD 2021] 2021년 세계측정의 날: 전문가 강연(KAIST 바이오및뇌공학과 예종철 교수)

2016년 알파고와 이세돌의 대결은 전 세계에 큰 충격을 주며 인공지능 시대의 개막을 알렸습니다. 당시 연구 현장에 있던 전문가들조차 인공지능이 보여준 압도적인 성능에 놀라움을 금치 못했으며, 이는 의료 분야에서도 새로운 연구의 흐름을 만들어내는 결정적인 계기가 되었습니다. 특히 저선량 CT 영상의 노이즈 제거 기술에 딥러닝을 적용하면서 인공지능의 강력한 파급력이 실질적으로 입증되었습니다. 기존의 고전적인 방식보다 월등히 뛰어난 성능을 보인 인공지능 기술은 불과 2년 만에 글로벌 기업에서 상용화 제품으로 출시될 정도로 의료 현장의 판도를 빠르게 바꾸어 놓았습니다. 현재 의료 인공지능은 단순한 연구 수준을 넘어 진단, 영상 분할, 정합 등 의료 전반의 핵심적인 영역에서 활약하고 있습니다. 안저 영상을 통한 안질환 진단이나 피부암 판독 분야에서는 이미 숙련된 인간 전문가와 대등하거나 오히려 더 높은 정확도를 보여주는 사례가 잇따라 보고되고 있습니다. 한때 인공지능이 의사를 완전히 대체할 것이라는 급진적인 전망도 있었으나, 현재는 의료계 내에서도 인공지능이 의사의 지능을 보완하고 돕는 '증강 지능(Augmented Intelligence)'으로서 자리를 잡아가고 있습니다. 이제 인공지능 활용 능력은 의료진의 필수적인 역량 중 하나로 평가받고 있습니다. 딥러닝이 의료 분야에서 이처럼 비약적인 발전을 이룰 수 있었던 핵심 요인은 특징(Feature) 추출의 자동화에 있습니다. 과거의 기계 학습은 전문가가 직접 데이터에서 유의미한 특징들을 찾아내고 가공하는 과정이 필수적이었으나, 딥러닝은 데이터만 입력하면 알고리즘이 스스로 최적의 정보를 추출하여 분류까지 수행합니다. 이러한 특성 덕분에 데이터와 연산 도구만 있다면 과거보다 적은 노하우로도 고성능의 모델을 개발할 수 있는 환경이 조성되었습니다. 이는 수많은 의료 AI 스타트업이 탄생하고 이미징, 신약 개발, 유전체 분석 등 다양한 영역에서 혁신적인 성과가 쏟아지는 원동력이 되었습니다. 하지만 인공지능의 성능이 향상될수록 '가비지 인, 가비지 아웃(Garbage In, Garbage Out)'이라는 데이터의 원칙은 더욱 중요해지고 있습니다. 정제되지 않았거나 편향된 데이터를 학습할 경우, 인공지능은 아무리 고도화되어도 잘못된 결과를 도출할 수밖에 없습니다. 자연어 처리 모델에서 발생했던 인종차별이나 성차별적인 편향성 이슈는 데이터의 품질이 인공지능의 윤리와 성능에 얼마나 큰 영향을 미치는지 보여줍니다. 의료 분야에서도 마찬가지로 특정 목적에 편중된 데이터만을 학습한 모델은 실제 임상 현장에서 환자의 상태를 오판할 위험이 크기에 학습 데이터의 신뢰성 확보가 무엇보다 중요합니다. 대한민국은 2020년 데이터 3법 공포를 통해 가명 처리된 의료 데이터를 과학적 연구에 활용할 수 있는 법적 토대를 마련하며 의료 AI 강국으로의 도약을 준비하고 있습니다. 이를 바탕으로 정부와 기업은 범국가적인 '보건의료 빅데이터 플랫폼'을 구축하여 파편화된 병원 데이터를 통합하고 연구자들이 안전하게 활용할 수 있는 환경을 조성하고 있습니다. 단순히 데이터의 양을 늘리는 단계를 넘어, 국가 표준에 따라 정제되고 표준화된 양질의 데이터를 확보하는 체계를 갖추는 것만이 미래 정밀 의료를 실현하고 의료 인공지능의 경쟁력을 높이는 근본적인 해법이 될 것입니다.

[WMD 2021] 2021년 세계측정의 날: 전문가 강연(KAIST 바이오및뇌공학과 예종철 교수)
한국표준과학연구원KRISS 행사
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

인공지능이 의사들에게 필요할까요? ㅣ 김휘영교수(연세대학교) [토요과학강연#1-1부]

2016년 알파고가 이세돌 9단과의 대국에서 승리하며 전 세계를 놀라게 했을 때, 인공지능의 잠재력은 바둑판을 넘어 우리 사회의 다양한 전문 분야로 뻗어 나갔습니다. 그중에서도 의료 분야는 가장 역동적인 변화가 일어난 곳 중 하나입니다. 구글의 공학자가 저명한 의학 저널인 'JAMA'에 안구 영상을 분석하는 인공지능 모델을 발표하며 큰 주목을 받았는데, 이는 공학적 지식이 의료 현장에서 혁신을 이끌 수 있음을 시사했습니다. 복잡한 신경망 기술은 이제 단순한 계산을 넘어 사람의 눈으로 파악하기 힘든 미세한 병변까지 포착해내는 정밀함으로 무장하여 현대 의학의 새로운 동반자로 자리 잡기 시작했습니다. 의료 영상 분석에서 인공지능의 우수성은 흔히 민감도와 특이도라는 두 가지 지표를 통해 입증됩니다. 민감도는 병이 있는 상태를 얼마나 정확히 맞히느냐를 의미하고, 특이도는 정상 상태를 올바르게 판별해내는 능력을 뜻합니다. 일반적으로 전문가들도 이 두 지표를 동시에 극대화하는 데 어려움을 겪지만, 편견이 없는 인공지능은 데이터 학습을 통해 두 마리 토끼를 모두 잡는 놀라운 성적을 보여줍니다. 이는 영상의학과에서 흉부 엑스레이나 유방암 진단을 수행할 때 의사에게 객관적인 근거를 제공하며 진단의 정확도를 획기적으로 높이는 역할을 합니다. 인공지능은 더 이상 보조 도구에 머무르지 않고 전문가의 판단을 보완하는 핵심적 존재가 되었습니다. 현재 우리나라 병원 현장에서도 '닥터앤서'와 같은 국가 연구 과제를 통해 개발된 인공지능 기술이 활발하게 활용되고 있습니다. 서울대학교병원을 비롯한 주요 의료기관에서는 인공지능을 활용해 폐렴, 결핵, 암 등을 조기에 판독하고 있으며, 중환자실에서는 환자의 생체 신호를 실시간으로 분석하여 심정지와 같은 응급 상황을 미리 예측하기도 합니다. 이러한 기술은 의료진이 선제적으로 대응할 수 있는 시간을 벌어줌으로써 실제 생명을 구하는 데 직접적인 기여를 하고 있습니다. 스마트폰 앱이나 웨어러블 기기를 통해 피부암을 식별하거나 심전도를 측정하는 방식도 점차 일상화되면서 의료 인공지능은 병원 문턱을 넘어 우리 삶 속으로 깊숙이 스며들고 있습니다. 인공지능의 성능이 비약적으로 발전하면서 한때는 의사라는 직업 자체가 사라질 것이라는 우려가 나오기도 했습니다. 하지만 전문가들은 인공지능이 의사를 완전히 대체하기보다는, 인공지능을 잘 활용하는 의사가 그렇지 못한 의사를 대체하는 흐름이 형성될 것이라고 내다보고 있습니다. 이에 따라 최근 의과대학에서는 예비 의사들을 대상으로 인공지능 원리와 활용법을 교육하는 과정이 중요하게 다뤄지고 있습니다. 인공지능은 숙련된 의사의 노하우를 빠르게 학습하여 저년차 의사들의 진료 수준을 높이는 데 큰 도움을 줄 수 있으며, 수술 로봇의 내비게이션 시스템이나 자동화 기술을 통해 수술의 안정성까지도 비약적으로 향상시키고 있습니다. 흥미로운 연구에 따르면 비둘기나 탐지견도 특정한 질환을 매우 높은 확률로 찾아낼 수 있다는 사실이 밝혀졌습니다. 비둘기가 유방암 조직을 90% 이상의 정답률로 맞히고, 개가 소변 냄새로 전립선암을 찾아내는 결과는 기술적 정확도만이 의료의 전부가 아님을 역설합니다. 높은 정확도에도 불구하고 환자가 비둘기나 인공지능에게 모든 진료를 맡기지 않는 이유는 의료 행위에 수반되는 책임과 윤리, 그리고 인간적인 소통의 부재 때문일 것입니다. 미래의 의료 환경은 인공지능이 차가운 데이터 분석을 담당하고, 의사는 이를 바탕으로 환자와 따뜻한 교감을 나누며 최종적인 결정을 내리는 협력 모델로 진화해 나갈 것입니다.

인공지능이 의사들에게 필요할까요? ㅣ 김휘영교수(연세대학교) [토요과학강연#1-1부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 뇌인지과학
  • 융합

인공지능이 의사들과 친해지려면? ㅣ 김휘영교수(연세대학교) [토요과학강연#1-2부]

인공지능이 의료 현장에서 의사들의 진정한 파트너로 거듭나기 위해서는 단순히 결과를 도출하는 것을 넘어 그 과정을 설명할 수 있는 능력이 필수적입니다. 현재의 기술 수준으로는 인공지능이 왜 특정 진단을 내렸는지, 혹은 왜 오류를 범했는지 스스로 명확하게 설명하지 못하는 한계가 존재합니다. 실수를 통해 배우고 원인을 파악하는 인간의 사고 과정처럼, 인공지능 또한 자신의 판단 근거를 제시할 수 있어야 의료 사고 발생 시 책임 소재를 분명히 하고 기술적 개선을 이룰 수 있습니다. 이러한 '설명 가능한 인공지능' 기술은 의료진이 인공지능의 진단을 신뢰하고 최종적인 결정을 내리는 데 있어 핵심적인 역할을 할 것입니다. 의료 인공지능은 스스로 사고하는 독립적인 존재라기보다, 복잡한 데이터를 처리하여 유의미한 결과를 도출하는 정교한 분석 체계로 이해해야 합니다. 따라서 최종적인 진단과 치료 결정은 인공지능의 분석 결과를 바탕으로 전문적인 지식을 갖춘 의사가 직접 수행해야 합니다. 특히 학습 데이터의 편향성 문제는 인공지능 활용 시 주의 깊게 살펴봐야 할 윤리적 쟁점입니다. 특정 인종이나 성별에 치우친 데이터로 학습된 알고리즘은 실제 의료 현장에서 오진이나 편견 섞인 결과를 초래할 위험이 있기 때문입니다. 기술적 완결성 못지않게 공정하고 객관적인 데이터 확보가 의료 인공지능의 신뢰도를 결정짓는 중요한 요소가 됩니다. 의사들이 인공지능의 진단을 수용하기 위해서는 단순한 결과 통보가 아닌, 구체적이고 타당한 근거가 제시되어야 합니다. 예를 들어 폐암 진단 시 단순히 확률만을 제시하는 것이 아니라, 흉부 엑스레이 영상에서 어느 부위에 결절이 관찰되는지, 환자의 가족력과 흡연 기간이 어떻게 고려되었는지를 상세히 시각화하여 보여주는 식입니다. 결핵이나 관절염 진단에서도 병변 부위를 색상으로 표시하여 보여주면 의료진은 인공지능의 판단을 직관적으로 검증할 수 있게 됩니다. 이러한 방식은 진단의 정확도를 높일 뿐만 아니라, 의료진이 인공지능의 분석 결과를 바탕으로 더 확신 있는 치료 계획을 수립하는 데 커다란 도움을 줍니다. 인공지능이 높은 정확도를 기록하더라도, 정작 엉뚱한 단서를 보고 정답을 맞힌다면 실제 의료 현장에서는 심각한 위험을 초래할 수 있습니다. 예를 들어 심장 비대증을 진단할 때 심장의 크기나 형태를 보는 대신, 환자들에게 흔히 나타나는 수술 자국을 근거로 판단하는 경우가 발생할 수 있습니다. 이는 결과적으로는 맞을지 몰라도 의학적으로는 타당하지 않은 추론입니다. 따라서 인공지능이 스스로 학습 과정에서 중요하지 않은 정보에 현혹되지 않고, 질환의 핵심적인 특징에만 집중하도록 만드는 '자기 집중 학습' 알고리즘이 중요합니다. 본질적인 단서를 포착하는 능력은 인공지능이 단순한 통계 도구를 넘어 의학적 통찰을 제공하는 단계로 나아가게 합니다. 단일 질환만을 판별하는 좁은 범위를 넘어, 여러 질환을 동시에 이해하고 소량의 데이터로도 효율적으로 학습하는 '메타 학습'은 의료 인공지능의 미래 방향성입니다. 인간이 적은 수의 사진만 보고도 새로운 대상을 인식하듯, 인공지능도 다양한 의학 지식을 통합적으로 습득하여 진단의 범위를 넓혀가야 합니다. 이러한 진보는 수백 장의 영상을 일일이 대조해야 하는 의료진의 업무 시간을 획기적으로 단축하며, 장기적으로는 정확한 조기 진단을 통해 사회 전체의 의료비 부담을 줄이는 긍정적인 효과를 가져올 것입니다. 기술적 고도화와 사회적 가치 창출이 조화를 이룰 때, 인공지능은 비로소 인류의 건강 증진을 위한 진정한 동반자가 될 수 있습니다.

인공지능이 의사들과 친해지려면? ㅣ 김휘영교수(연세대학교) [토요과학강연#1-2부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 생명과학
  • 뇌인지과학
  • 융합

[강연] 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능! _ by신현정 ㅣ 2020 가을 카오스강연 'Ai X' 8강 | 8강

인공지능 기술이 의료 분야와 결합하면서 인류의 건강한 삶을 향한 새로운 지평이 열리고 있습니다. 의료 인공지능은 단순히 기술적인 진보를 넘어, 우리가 아직 완전히 이해하지 못한 생명체의 신비를 풀어낼 무한한 가능성을 지닌 블루오션으로 평가받습니다. 특히 방대한 의료 데이터로부터 유의미한 정보를 추출하여 질병을 예측하고 진단하는 과정은 현대 의학의 패러다임을 근본적으로 바꾸고 있습니다. 이러한 변화는 환자 개개인에게 최적화된 맞춤형 치료를 제공하는 정밀 의료의 시대를 앞당기고 있습니다. 의료 현장에서 발생하는 데이터의 약 80%는 영상 이미지입니다. CT, MRI, PET와 같은 의료 영상 데이터는 매년 기하급수적으로 증가하여 이제는 엑사바이트(EB) 단위를 논할 정도로 방대해졌습니다. 합성곱 신경망(CNN)과 같은 딥러닝 기술은 이러한 거대 데이터를 학습하여 암 조직을 식별하거나 병변을 찾아내는 데 탁월한 성능을 보입니다. 인간의 시각적 한계를 보완하는 인공지능의 분석 능력은 진단의 정확도를 높이는 핵심적인 역할을 수행하며 의료 현장의 효율성을 극대화하고 있습니다. 흥미로운 실험에 따르면, 반복적인 학습을 거친 비둘기도 암 조직의 패턴을 파악하여 높은 정확도로 양성과 악성을 구분해낼 수 있습니다. 이는 복잡한 의료 데이터 분석의 핵심이 결국 정교한 패턴 인식에 있음을 시사합니다. 기계 학습에서는 여러 알고리즘의 판단을 모아 성능을 극대화하는 앙상블 러닝 기법을 활용합니다. 인공지능은 지치지 않는 학습 능력을 바탕으로 인간 전문가의 판단을 보조하며 의료 서비스의 질을 획기적으로 개선하고 있으며, 이는 데이터 기반 의학의 새로운 가능성을 보여줍니다. 의료 분야의 인공지능은 이미지 분석을 넘어 텍스트와 음성 데이터로 영역을 넓히고 있습니다. 수천만 건의 의학 논문과 임상 기록을 학습한 인공지능은 의사에게 최적의 치료법을 제안하며, 가상 간호사 아바타는 환자와 소통하며 건강 상태를 실시간으로 관리합니다. 순환 신경망(RNN) 기술을 기반으로 한 음성 인식과 자연어 처리 능력은 의료 상담의 문턱을 낮추고 있습니다. 이러한 기술적 결합은 시공간의 제약 없는 의료 서비스를 가능하게 하며, 환자와 의료진 사이의 가교 역할을 충실히 수행합니다. 생명 과학 분야에서는 유전체, 전사체, 단백질체 등 다양한 오믹스 데이터를 통합 분석하는 멀티 오믹스 연구가 활발합니다. 이를 '바이오 피라미드' 구조로 체계화하면 유전자와 질병 사이의 복잡한 상관관계를 네트워크 관점에서 파악할 수 있습니다. 특정 노드에 연결이 집중되는 척도 없는 네트워크 이론을 적용하면 질병을 유발하는 핵심 유전자를 보다 효율적으로 찾아낼 수 있습니다. 이는 복잡한 생명 현상을 시스템적으로 이해하려는 시도의 정점이라 할 수 있으며, 질병의 근본 원인을 규명하는 데 기여합니다. 치매와 같은 난치성 질환의 치료제를 개발하기 위해 인공지능은 표적 유전자를 탐색하는 데 결정적인 기여를 합니다. 수만 개의 유전자와 수억 개의 단일 염기 다형성(SNP) 정보를 분석하여 질병과의 연관성을 수치화하는 과정은 기계 학습 없이는 불가능한 영역입니다. 또한 인공지능은 기존 약물의 새로운 효능을 발견하는 약물 재창출 분야에서도 두각을 나타내고 있습니다. 막대한 비용과 시간이 소요되는 신약 개발 과정을 단축함으로써 인류의 난제 해결에 다가서고 있으며, 이는 환자들에게 새로운 희망이 되고 있습니다. 진정한 의미의 정밀 의료를 실현하기 위해서는 파편화된 의료 데이터를 표준화하고 안전하게 공유하는 체계가 필수적입니다. 오디세이(OHDSI)와 같은 국제적인 데이터 표준화 노력은 인공지능이 더 양질의 데이터를 학습할 수 있는 토대를 마련해 줍니다. 동시에 개인정보 보호를 위한 기술적 장치를 마련하여 환자의 데이터 주권을 보장하는 것이 중요합니다. 기술과 윤리가 조화를 이룰 때, 인공지능은 인류의 건강한 미래를 보장하는 가장 강력한 도구가 될 것이며, 우리는 이를 통해 질병 없는 세상을 꿈꿀 수 있습니다.

[강연] 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능! _ by신현정 ㅣ 2020 가을 카오스강연 'Ai X' 8강

신현정

카오스재단카오스강연
  • 생명과학
  • 뇌인지과학

KISTI | 우리 몸이 보내는 바이오 시그널로 질병 빠르고 간편히 진단한다!

우리 몸은 끊임없이 미세한 바이오 시그널을 내보내고 있습니다. 뇌파, 심전도, 근전도와 같은 이러한 바이오 시그널은 건강 상태를 나타내는 중요한 지표가 됩니다. 최근에는 이러한 시계열 데이터를 기계 학습으로 모델링하여 질병을 예측하고 진단하는 기술이 주목받고 있습니다. 기존에는 방대한 양의 데이터를 분석하는 데 막대한 시간과 노력이 소요되었으나, 이 기술은 실시간으로 데이터를 측정하고 동시에 진단할 수 있는 획기적인 변화를 가져왔습니다. 바이오 시그널 학습 모델이 구축되면 진단 과정이 매우 단순해집니다. 고사양의 장비 대신 간단한 센서와 통신 장비만으로도 실시간 진단이 가능해지기 때문입니다. 이는 무겁고 비싼 의료기기를 소형화 및 휴대화할 수 있는 기반이 됩니다. 마치 우리가 집에서 체중계나 혈압계를 사용하듯, 언제 어디서나 자신의 건강 상태를 점검할 수 있는 휴대용 의료 환경이 열리는 것입니다. 환자들은 더 이상 진단을 위해 긴 시간 대기하며 고통받지 않아도 됩니다. 인공지능 진단에서 가장 중요한 문제 중 하나는 결과가 도출되는 과정을 이해하기 어렵다는 '블랙박스' 현상입니다. 하지만 본 기술은 가시화 기법을 통해 정상인과 질환자의 시그널 차이를 명확하게 보여줍니다. 질병 진단에 필요한 유효 패턴의 출현 빈도와 형태를 분석함으로써, 설명 가능한 인공지능(XAI) 기술을 통해 인공지능이 왜 그러한 결론을 내렸는지 설명이 가능해집니다. 이는 의료 현장에서 신뢰도를 높이는 필수적인 요소로 작용하며, 의료진이 보다 정밀한 조기 진단을 내릴 수 있도록 돕습니다. 이러한 혁신적인 기술을 개발하는 과정에는 많은 현실적인 어려움이 따랐습니다. 특히 치매 환자의 뇌파와 같은 실제 의료 데이터를 확보하는 것이 가장 큰 장벽이었습니다. 의료 데이터의 수집과 공유에 관한 법적 규제가 까다로운 데다, 연구자들 사이에서도 데이터를 공유하려는 문화가 충분히 정착되지 않았기 때문입니다. 하지만 이러한 한계를 극복하고 구축된 데이터 모델은 현재 질병 진단의 정확도를 높이는 소중한 자산이 되었으며, 후속 연구를 위한 중요한 토대가 되었습니다. 바이오 시그널 분석 기술의 잠재력은 단순히 의료 분야에만 국한되지 않습니다. 시계열 데이터를 다루는 특성상 환경 모니터링, 금융 시장 분석, 물류 시스템 최적화 등 방대한 분야로 확장이 가능합니다. 연구팀은 이 기술을 더욱 발전시켜 인공지능이 개인의 주치의 역할을 수행하는 '인공지능 주치의'를 개발하는 것을 최종 목표로 삼고 있습니다. 일상 속에서 우리의 건강을 돌보고 위험을 미리 알려주는 똑똑한 동반자의 등장이 머지않은 미래의 모습이 될 것입니다.

KISTI | 우리 몸이 보내는 바이오 시그널로 질병 빠르고 간편히 진단한다!
한국과학기술정보연구원
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

[강연] 인공지능의 실체와 미래 (1) _ by조성배 | 2017 가을 카오스 강연 '미래과학' 4강 | 4강 ①

인공지능은 이제 우리 삶에서 떼어놓을 수 없는 화두가 되었습니다. 특히 2016년 알파고 사태 이후 대중의 관심은 폭발적으로 증가했으며, 지능의 본질에 대한 근원적인 궁금증을 자아내고 있습니다. 하지만 인공지능이 대단한 혁신인지 아니면 과장된 실체인지에 대해서는 여전히 의견이 분분합니다. 인공지능을 만드는 공학자의 관점에서 그 실체를 가감 없이 들여다보는 과정은 현대 사회를 이해하는 데 필수적인 첫걸음이 될 것입니다. 우리가 흔히 접하는 인공지능의 이미지는 주로 영화를 통해 형성되었습니다. 과거의 영화들이 인간의 감정이나 자의식을 가진 로봇에 집중했다면, 최근에는 형체 없이 대화만으로 교감하는 인공지능 프로그램으로 그 흐름이 변화하고 있습니다. '아이언맨'의 자비스나 '허'의 사만다처럼 눈에 보이지 않는 존재가 인간과 사랑에 빠지거나 조력자 역할을 수행하는 모습은 인공지능이 우리 곁에 어떤 방식으로 존재하게 될지를 시각적으로 보여줍니다. 인공지능의 발전 속도에 대해 세계적인 지도층 인사들 사이에서도 팽팽한 의견 대립이 이어지고 있습니다. 일론 머스크는 인공지능이 인류의 존폐를 결정지을 수 있는 위험한 존재라며 경고의 목소리를 높이는 반면, 마크 저커버그는 이러한 우려가 과도하며 기술을 적극적으로 활용해야 한다는 낙관적인 입장을 견지합니다. 이러한 논쟁은 인공지능이 단순한 기술적 도구를 넘어 인류의 미래에 중대한 영향을 미칠 수 있는 존재임을 시사하며 대중의 관심을 더욱 증폭시키고 있습니다. 사실 인공지능은 이미 우리 일상 곳곳에 깊숙이 들어와 있습니다. 거실을 청소하는 로봇 청소기부터 주차장에서 번호판을 인식하는 카메라, 날씨를 알려주고 음악을 틀어주는 인공지능 스피커에 이르기까지 그 사례는 매우 다양합니다. 또한 스마트폰의 얼굴 인식 기능이나 바둑 및 퀴즈 대결에서 인간을 압도하는 성능을 보여주는 프로그램들도 모두 인공지능의 일종입니다. 이처럼 인공지능은 특정 분야에서 인간의 능력을 보완하거나 뛰어넘으며 실질적인 편의를 제공하고 있습니다. 1956년에 공식적으로 시작된 인공지능 연구는 지난 수십 년간 수많은 굴곡을 겪어왔습니다. 인간처럼 생각하고 자의식을 갖는 '강한 인공지능'은 여전히 먼 미래의 과제로 남아 있지만, 특정 문제를 해결하는 데 집중하는 '약한 인공지능'은 비약적인 발전을 이루었습니다. 지능의 본질을 모방하여 사람과 구별할 수 없을 정도의 행동을 구현하려는 튜링 테스트의 시도는 지금도 계속되고 있으며, 이는 인공지능이 단순한 기계를 넘어 지능적 주체로 거듭나기 위한 핵심적인 과정입니다. 인공지능을 구현하는 방법은 크게 설계 기반과 학습 기반으로 나뉩니다. IBM의 왓슨처럼 방대한 지식을 체계적으로 저장하여 의사결정을 내리는 방식이 설계 기반의 대표적 사례라면, 알파고처럼 방대한 데이터로부터 스스로 규칙을 찾아내는 방식은 학습 기반의 전형입니다. 특히 알파고는 인간의 직관을 모방한 함수를 데이터로부터 학습하고, 스스로와의 대국을 통해 성능을 강화하는 방식을 취했습니다. 이러한 기술적 차이는 인공지능이 문제를 해결하는 다양한 접근 방식을 보여줍니다. 최근 주목받는 딥러닝 기술은 영상 인식과 자동 번역 분야에서 혁신적인 성과를 거두고 있습니다. 수백만 장의 사진 데이터를 통해 사물을 판별하는 오차율을 인간보다 낮은 수준으로 줄였으며, 복잡한 언어 간의 번역도 자연스럽게 수행하고 있습니다. 이러한 발전은 의료 진단이나 제조 현장의 불량 탐지 등 정밀함이 요구되는 산업 전반으로 확산될 전망입니다. 결국 인공지능은 데이터라는 자양분을 바탕으로 인류가 직면한 난제들을 해결하는 강력한 도구가 될 것입니다.

[강연] 인공지능의 실체와 미래 (1) _ by조성배 | 2017 가을 카오스 강연 '미래과학' 4강

조성배

카오스재단카오스강연
  • 물리학