인공지능으로 의사를 대체할 수 있을 것인지는 흥미롭고도, 중요하고, 또 예민한 문제입니다. 더 나아가면, 의학적으로 이것이 (적어도 특정 상황, 특정 환경에서라도) 가능하다고 증명하기가 아주 어려운 문제이기도 합니다. 의료 인공지능 분야 초창기에는 이런 질문이 많이 나왔었지만, 일종의 흥미 위주의 질문이기도 했고, 또 의료계에서 예민하게 반응할 수도 있는 질문이기 때문에 이를 직접적으로, 진지하게 다루는 경우는 많이 없었습니다. 하지만 이 분야의 발전이 지속적으로 진행되면서, 주류 의료계와 연구에서도 이런 질문들이 서서히 진지하게 논의되기 시작했습니다. 루닛의 AI로 유방암 검진에서 영상의학과 의사를 대체하기 이와 관련된 흥미롭고도 중요한 연구를 하나 소개해드릴까 합니다. 우리에게 익숙한 루닛의 유방촬영술 (mammography)에 대한 인공지능인 INSIGHT MMG를 독립적인 판독자로 활용하여, 기존의 표준 유방암 […]
최근 Nature Biotechnology에는 양자 컴퓨팅을 활용해서 신약 후보 물질을 발굴하는 데 성공했다는 논문이 실렸습니다. 특히, 이 연구에서는 소위 ‘undruggable’, 즉 약을 만들기 불가능하다고 알려져 있는 극히 어려운 암 관련 타겟인 KRAS를 저해하는 후보 물질 2개를 발굴했습니다. 제가 양자 컴퓨팅 관련 지식이 별로 없어서, 기술적으로는 깊이 이해하지는 못했고, 결과 위주로 읽은 논문입니다. 최근에 양자 컴퓨팅 기술이 많은 주목을 받고 있습니다. 양자 컴퓨터는 양자 역학에서 양자 얽힘, 중첩 등의 효과를 이용해 계산하는 컴퓨터를 말합니다. 전통적인 컴퓨터가 2진법을 활용하여 0과 1을 구분할 수 있는 반면(이를 bit라고 합니다), 양자 컴퓨터는 0과 1을 동시에 공존시킬 수 있습니다. 이를 큐비트(qubit = quantum bit)이라고 합니다. 양자 컴퓨터를 활용하면
최근 생성형 인공지능 관련 기술이 폭발적으로 발전하면서, 이 기술을 활용한 의료기기와 관련된 논의가 진행되기 시작했습니다. 특히 미국의 FDA와 한국의 식약처를 비롯한 각국의 규제기관들의 고민이 깊어지고 있는데요. 여러 포스팅에서 언급해드린대로, 기존의 의료기기 인허가 프레임워크가 생성형 인공지능에 대해서는 그대로 적용되기 어려운 부분들이 많기 때문입니다. 식약처는 지난 5월부터 발빠르게 전문가 협의체를 구성하여 “생성형 인공지능 의료기기 허가·심사 가이드라인”의 초안을 확정하고 현재 의견 조회가 진행 중입니다. (저도 부족하지만 이 협의체에 참여하여 의견을 보태었습니다. 이 가이드라인에 대해서는 확정이 되면 추후에 다뤄보겠습니다.) 반면 미국 FDA는 사실 최근까지도 생성형 인공지능 기반의 의료기기에 대해서는 공식적인 언급이나 움직임이 많지 않았습니다. 2023년 5월 FDA의 국장 Robert Califf가 외부 강연 중에 아주
최근에 흥미롭게 읽은 기사입니다. 의사와 환자가 다이렉트 메시지로 서로 커뮤니케이션할 때, GPT와 같은 생성형 인공지능이 초안을 써준 것을 바탕으로 의사가 환자에게 메시지를 보내는 것에 대한 여러 논란과 이슈를 정리한 뉴욕타임즈 기사입니다. 미국의 1위 EMR 회사인 Epic의 환자 포털인 MyChart에는 최근 In Basket Art라는 인공지능 툴이 추가되었는데요. 이는 GPT-4에 기반해서 의사가 환자로부터 받은 메시지에 답변할 때, 그 초안을 만들어주는 기능을 합니다. 의사가 답장을 쓸 때 빈 화면에서 시작하는 것이 아니라, GPT-4가 환자의 질문 뿐만 아니라, 과거 메시지, 진료기록까지 참고하여 미리 답변을 써주게 됩니다. 그러면 의사는 이 초안을 검토하여 환자에게 보내는 것인데요. 이런 기능이 추가된 배경이 흥미롭습니다. 코로나 판데믹을 거치면서 모든 의료
최근 NEJM AI와 하버드 비즈니스 리뷰에 흥미로운 아티클이 실렸습니다. 의료 분야의 생성형 인공지능의 규제와 인허가에 관련하여 완전히 새로운 규제 패러다임이 필요하다는 주장입니다. 특히 생성형 의료 인공지능을 단순히 ‘의료기기’가 아닌 ‘새로운 지적 존재 (novel forms of intelligence)’로서 규제해야 할 필요성을 제안하고 있습니다. 이런 과감해보이지만, 나이브해보이기도 하고, 한편으로는 대책없어 보이는 주장은 사실 누구나 던질 수 있는 것입니다. 하지만 이 아티클의 저자가 Bakul Patel 이라는 것을 보면 갑자기 자세를 고쳐 앉아서 진지하게 이 글을 다시 읽게 됩니다. Bakul Patel은 지난 몇년 동안 FDA에서 디지털 헬스케어와 관련한 다양한 규제 혁신을 이끌었던 분입니다. 업계 사람들에게는 잘 알려진 Pre-Cert 도 이 분의 작품이었고, FDA의 디지털 헬스
세상에는 좋은 의학 저널에 실린, 훌륭한 (인공지능/머신러닝 기반의) 예측 모델이 수없이 많은데요. 하지만 이들 대부분은, 혹은 거의 모두는, 실제 임상 현장에서 사용되지 못하고 사장되고 맙니다. 그런 논문에서는 여러 미사여구를 활용해서 임상 활용에 대한 가능성을 제시함에도 불구하고 말이지요. 대체 왜 그럴까요? 최근 npj Precision Oncology에 실린 이 아티클은, 그 이유에 대해서 신랄하면서도 현실적인 인사이트를 전해주고 있습니다. 저자는 캠브리지 대학의 연구자로, 지난 20년 동안 의료 예측 모델을 개발하고 이를 사업화하는 과정에서 시행착오를 겪으면서 얻은 인사이트를 가감없이 전하고 있습니다. 소위 정말 뼈때리는(?) 명언들이 많은데요. (서준교 선생님께서 알려주신 아티클입니다. 덕분에 감사히 잘 읽었습니다!) 최근에 의료 인공지능 분야에서 본인의 연구 성과에 기반하여 의사 창업, 교수
미국에서 인허가 받은 의료 인공지능이 보험 급여를 얼마나 받고 있는지를 CPT 코드에 대한 청구 건수를 통해 분석한 논문이다. NEJM AI 에 2023년 11월에 출판되었다. 의료 인공지능이 FDA 등 규제 기관에서 의료기기 인허가를 받는 것은 의료 현장 활용 및 사업화를 위한 시작에 불과하다. 미국에서는 이제 700여 개에 달하는 (논문이 집필되는 시점에서는 500개 이상의) 머신러닝 및 인공지능 기반의 의료기기가 FDA 인허가를 받았다. 하지만 인허가 이후에 이런 인공지능 의료기기가 의료 현장에 얼마나 활발하게 도입되어서, 실제로 사용되고 있는지에 대해서는 알기가 어렵다. 이 논문에서는 미국의 의료기관이 공보험 및 사보험의 보험 수가를 청구하기 위해 사용하는 CPT 코드를 분석해서 실제로 어떤 의료 인공지능이, 어떻게, 얼마나 사용되고 있는지를
의료는 본질적으로 멀티모달(multimodal) 입니다. 환자를 진료, 진단하고 질병을 치료하기 위해서는 언어, 이미지, 유전체 등 다양한 모달리티의 데이터를 해석하고, 다양한 모달리티를 통해서 환자 및 다른 의료진과 커뮤니케이션 할 수 있어야 합니다. 하지만 지금까지 인공지능은 주로 하나의 모달리티에 대해서만 개발되어 왔습니다. 하지만 여러 기술적 발전에 따라서, 멀티모달 인공지능의 개발이 시도되고 있는데요. 이를 (하나의 모달리티에 대해 speicalized 된 인공지능에 대비해서) 소위 제너럴리스트 인공지능(generalist AI) 라고 부릅니다. 최근에 여러 분야에서 generalist AI 를 개발하려는 시도들이 시작되고 있는데 (대표적인 것이 구글의 PaLM-E), 의료 분야에서도 generalist AI에 대한 개념 최근 제안되기 시작했습니다. 제너럴리스트 의료 인공지능의 조건 작년 4월에는 네이쳐에서 ‘Foundation Models for generalist medical artificial
의료 인공지능이 의사에게 얼마나/어떻게 도움이 되는지를 판단하는 것은 매우 중요하고도 어려운 문제입니다. 최근 Nature Medicine에는 인공지능이 영상의학과 의사에게 판독에 어떻게/얼마나 도움이 되는지를 분석한 논문이 실렸습니다. 그 결론은 결국 사람에 따라서, 질병에 따라서 heterogeneous 하다는 것입니다. 연구자들은 140명의 영상의학과 전문의에게 324명의 환자에 대한 흉부 엑스레이의 15가지 병변에 대해서, 인공지능의 도움을 받고서/받지 않고서 진행한 판독 결과를 세부적으로 상세하게 분석하였습니다. 사실 이 논문은 abstract의 내용만 보고 쉽게 생각하고 읽기 시작했는데, 분석 방법은 상당히 복잡해서 읽는데 애를 좀 먹었습니다. 분석을 위해서 다양한 방법을 쓰고, 분석 지표도 여러가지를 자체적으로 만들어내었는데요, 그만큼 ‘인공지능이 의사에게 어떤 영향을 주는가’를 분석하는 것 자체가 복잡성이 높은 이슈라는 것을 반영하는 것
최근에 Nature Medicine에 실린 흥미로운 논문입니다. 의사들이 진료할 때 의학적인 텍스트에 담겨 있는 정보를 추출하고, 이러한 텍스트를 요약하는 것은 중요하고도 많은 시간과 노력이 들어가는 과업인데요. 이러한 clinical text summarization을 (사람) 의료 전문가보다, LLM이 유의미하게 더 잘 한다는 것을 보여주고 있는 논문입니다. 논문의 초반부에는 여러 LLM 중에서 clinical text summarization을 가장 잘 하는 모델과 그 조건을 찾기 위한 내용이 나옵니다. 몇가지 프롬프트와 temperature 등을 메디컬 텍스트에 대해서 기계적으로 테스트하고 (BLEU, ROUGE-L, BERTScore 등의 자연어 처리 분야에서 결과물의 퀄리티를 판단하기 위한 지표를 씁니다), 또한 FLAN-T5, FLAN-UL2, Llama-2, Vicuna, Alpaca, GPT-3.5, GPT-4 등 총 8개 LLM에 대해서 QLoRA, In-context Learning 두 가지 방식을
카카오 브레인의 헬스케어를 책임지고 계시는, 배웅 부사장님(최고 헬스케어 책임자)의 인터뷰입니다. 카카오 브레인에서 왜 헬스케어를 하는지, 그리고 카카오 브레인에서 개발한 흉부 엑스레이 관련 초거대 의료 인공지능의 성능, 사업화 및 인허가 관련 이야기부터, 항체 신약 개발을 위한 인공지능에 이르기까지 다양한 이야기를 나눠보았습니다. 인터뷰에 응해주신 배웅 부사장님과 인터뷰 기회를 주신 카카오 브레인 관게자 분들께 감사드립니다!
이제는 한국을 넘어, 세계로 가고 있는 의료 인공지능 회사 루닛의 백승욱 의장님을 인터뷰 하였습니다! 최근의 볼파라 헬스 인수 건을 계기로 인터뷰 요청을 드렸는데, 한국과 미국을 오가시는 바쁘신 일정에도 흔쾌히 응해주셨습니다. 루닛의 현재와 미래에 대한 다양한 인사이트를 들을 수 있는 귀한 시간이었어요. 루닛은 상장 이후로 저희 디지털 헬스케어 업계 뿐만이 아니라, 코스닥 전체에도 크게 주목 받는 회사가 되었는데요. 의장님과는 사석에서도 종종 여러 말씀을 나누지만, 이번에도 또 많이 듣고 배웠습니다. 루닛이 왜 훌륭한 회사인지, 루닛이 지금까지 왜 잘 해왔고, 또 앞으로 왜 더 잘 해나갈 것인지를 알 수 있었던 시간이었습니다. 다른 많은 분들께도 의장님의 이야기가 전해지면 좋겠습니다.
세콰이어 캐피털은 최근에 ‘Bringing Generative AI to Healthcare‘ 라는 아티클을 홈페이지에 게재하였습니다. 이 아티클에서는 헬스케어 산업에서 생성형 인공지능에 대한 어떠한 투자 및 사업 기회가 있는지에 대해서 설명하고 있습니다. 최근 출판되는 대부분의 생성형 인공지능 관련 논문이나 연구들은, 병원 환경에서 의사가 인공지능을 사용할 때, 혹은 환자가 사용할 때 정도를 가정하고 그 정확성이나, 활용성 등을 검증하고 있는데요. 이 아티클은 흥미롭게도 backoffice와 frontline staff 의 두 가지 카테고리로 나눠서 생성형 AI의 활용 가능성을 제시하고 있습니다. 기존에 헬스케어 산업에서 SW 회사들은 특유의 어려운 시장 역학 때문에 어려움을 겪었습니다. Provider들의 마진율은 너무 낮기 때문에 장기적인 비용효과성에 대해서는 돈을 쓰기를 꺼려했고, Payor 들 역시 낮은 마진율에 고통받으면서
최근 워싱턴 포스트에는 ChatGPT와 같은 생성형 인공지능이 희귀 질환의 진단을 위해 활용 가치가 높을 것이라는 오피니언이 실렸습니다. 희귀 질환은 무려 10,000종이 넘게 존재하기 때문에, 심지어 의사들도 잘 알지 못하는 경우가 많습니다. 개별 희귀 질환에 대해서 진단할 수 있는 방법이 없는 것은 아니지만, 진료 시에 의사들이 ‘희귀 질환일 수도 있다’는 가능성을 떠올리지 못하는 경우도 많고, 유사한 증상을 유발하는 희귀 질병이 수백개 이상일 수 있기 때문에, 이 모든 질병에 대한 전문가가 있을 수도 없기 때문입니다. 이 때문에 환자들은 소위 ‘진단 방랑’에 올라서, 여러 의사와 병원을 전전하게 됩니다. 하지만 ChatGPT 등의 생성형 인공지능의 경우에는 환자의 증상이나 진료 기록을 바탕으로, 특정 희귀 질환의 가능성을
최근 Nature Medicine에 실린, LLM이 헬스케어를 변화시키는 여섯가지 방식에 대한 짧은 리뷰 아티클입니다. 관련 연구 및 사업을 하는 여섯 명의 전문가의 의견을 짤막하게 정리하였습니다. 대부분 자신이 현재 하고 있는 연구 혹은 사업에 대한 설명과 향후 전망에 대해서 이야기하고 있습니다. 간략히 요약해보면, 1. Virtual Nurses: 미국에서 만성질환 환자에 비해서 간호사가 너무 부족하기 때문에 LLM이 이러한 간호사의 역할을 보조할 수 있다는 것입니다. 최근에 실리콘밸리의 의료 LLM 스타트업으로 Hippocratic AI라는 팀이 유명한데, 이런 virtual nurses를 개발하고 있지요. 이 CEO의 인터뷰입니다. LLM이 간호사의 여러 administrative 업무를 보조하고, 만성질환 환자에게 ‘목소리’로 환자들의 질문을 듣고, 답하고, 스케쥴 잡고, 복약 알람 주고, 치료 계획에 대해서 설명해주고 등등의
네이버 클라우드에서 디지털 헬스케어 Lab을 이끄시며, 의료 분야의 초거대 인공지능 연구를 하고 계시는 유한주 박사님의 인터뷰 영상입니다! ChatGPT 등 초거대 인공지능은 무엇인지, 초거대 인공지능을 의료에서 어떻게 활용할 수 있을지, LLM을 의료 분야 정확성을 어떻게 검증하고, 규제할 수 있을지, 그리고 미래에 ChatGPT가 의료 분야에서 어디까지 발전할지, 그리고 더 나아가 네이버 클라우드에서 개발하고 계시는 초거대 의료 인공지능에 대해서도 말씀을 나눠보았습니다. 무척 바쁘신 와중에도 시간 내어주신 유한주 박사님께 다시 한 번 감사의 말씀을 드립니다! 영상에 나오는, 네이버 클라우드에서 의료 인공지능 관련 인턴 지원에 관심이 있으신 분은 유한주 박사님께 이메일(haanju.yoo@navercorp.com)로 연락드리시면 됩니다. 1. 초거대 인공지능이란 무엇인가? 2. ChatGPT를 의료에 활용한다면? 3.