[발표자료] 의료 인공지능 101: 병리학을 중심으로
2020년 11월에 열린 대한병리학회 추계학술대회에서 제가 키노트 연사로 발표한 자료입니다. 병리학 인공지능 부분만 발췌해서 공유해드립니다. 제가 병리학을 그리 잘 알지 못해서, 이번 기회에 최근 연구 결과들을 나름대로 공부해서 발표했는데, 스스로 부족함도 많이 느꼈습니다. 초청해주셔서 다시 한 번 감사드립니다.
AI
[논문] 12-lead 심전도만으로 환자의 장기간 사망 가능성을 예측한다
흥미롭게 읽은 신박한(?) 연구입니다. 지난 5월 Nature Medicine 에 출판된 논문인데요. 심전도(ECG)는 아주 중요한 데이터임에도 불구하고, 그 자체로 예후 예측을 위해서는 잘 사용되지는 않았습니다. 하지만 딥러닝에 기반하면 12-lead ECG의 voltage-time trace, 즉 심전도 그래프 그 자체가 환자의 1년 후 사망율을 (그리고 더 장기간의 사망율도) 예측할 수 있다는 흥미로운 연구입니다. 미국의 대형 병원인 가이징거의 연구자들은 가이징거의 지난 34년 동안의 진료기록을 후향적으로 분석하여, 딥러닝으로 환자 25만여 명의 1.16M 개의 12-lead resting ECG를 학습시켰습니다. 그 결과 ECG를 측정한지 1년 이후의 사망율의 예측에 ECG trace 만 사용했을 때에는 AUC 0.855, 그리고 여기에 나이와 성별을 추가하면 AUC 0.876 의 높은 정확도를 달성했습니다. 더 흥미로운 결과는
구글이 원격진료 회사 AmWell에 투자하는 이유
최근 텔라닥-리봉고 합병 건 이후로, 미국의 원격진료 시장은 계속 들썩이고 있다. 연내로 IPO를 앞두고 있는 2위권 원격진료 회사 Amwell 에 구글이 (정확히는 구글 클라우드가) $100M 을 투자했다. 상장가와 동일한 조건의 투자. AmWell은 지난 5월에 시리즈C 펀딩으로 $194M의 메가딜에 성공한 것에 이어 연내 두 번의 메가딜에 성공했다. 그런데 이번 투자에서 향후 구글 클라우드와 AmWell 이 협력하겠다는 부분이 흥미롭다. 가장 재미있는 것은 ‘digital waiting room’ 이라는 컨셉. 원격진료를 받으러 온 환자가 (가상의) 대기실에 있을 때부터, 의사가 환자를 진료할 때까지 모두 구글이 인공지능 등의 기술로 보조를 해주겠다는 것이다. 너무 미래지향적인 것 같기는 하지만 인공지능, 특히 자연어처리와 (실시간?) 번역과 같은 기술을 활용하는 것이 계획이다.
[영상] 슈뢰딩거에 투자하기 전에 고려해야 할 것들
제 유튜브에 올린 영상입니다. 이번에는 지금까지와는 조금 다른 주제를 이야기 해보려고 합니다. 최근에 ‘동학개미운동’ 때문에 미국의 ‘슈뢰딩거’라는 회사가 한국에서도 주목을 많이 받고 있습니다. ‘제2의 테슬라’라고 불리기도 하고, 빌게이츠가 투자했다는 것으로도 유명한데요. 이 회사는 인공지능을 활용하여 신약 개발을 하는 회사입니다. 이 회사에 투자를 고려한다면 어떠한 점들을 중점적으로 봐야 할지에 대해서 영상을 만들어보았습니다. [youtube id=”Fz7AgPs2e2E” width=”620″ height=”360″] 관련 포스팅 딥러닝으로 신약을 개발할 수 있을까 (아톰와이즈) 딥러닝으로 46일만에 신약 후보물질 디자인하기 (인실리코 메디슨)
[도서] 에릭 토폴, ‘딥 메디슨’ 한글판 출간!
디지털 헬스케어 분야의 세계적인 구루, 에릭 토폴 (Eric Topol) 박사님의 ‘딥 메디슨’의 한글판이 드디어 출판되었습니다! ‘청진기가 사라진다’, ‘청진기가 사라진 이후’ 에 이은 토폴 박사님의 세 번째 저작입니다. 제목에서 나타나듯이, 인공지능을 중심으로한 디지털 헬스케어 분야의 혁신을 폭넓게 다루고 있습니다. 토폴 박사님 특유의 방대한 지식과 의학의 여러 분야, 그리고 인문학까지 넘나드는 혜안을 볼 수 있는 명저입니다. 작년에 스크립스 중개과학 연구소에서 연구년을 보내시며 토폴 박사님과 직접 연구를 진행하셨던 경희의료원 이상열 교수님께서 심혈을 기울여 번역하셨고, 저는 감수자로서 부족하나마 힘을 보탰습니다. 토폴 박사님의 논문은 나오는대로 저도 대부분 읽고 있습니다만, 이 책을 감수하면서 저도 많은 부분을 배웠습니다. 제 ‘의료 인공지능’ 보다 더 넓은 범위를 다루고 있고,
[논문] 인공지능과 의사의 협업에 대한 심층적 고찰
며칠 전 Nature Medicine에 흥미로운 논문이 실렸습니다. 바로 인공지능이 의사와 협업하여 피부암을 포함한 피부과 질환을 판독하는 경우, 시너지가 얼마나 어떻게 발생할지를 다양한 각도에서 세부적으로 분석한 논문입니다. AI 는 이제 Augmented Intelligence 라고도 지칭되면서 인간 의사를 대체하는 것이 아닌, 인간 의사의 능력을 ‘증강’ 시키는 방향으로 발전하고 있습니다. 하지만, 실제로 어떠한 인간 의사가, 어떤 인공지능을, 어떠한 방식으로 활용할 때, 그 효용이 얼마나, 어떻게 나타나며, 판독자들은 어떻게 반응하는지에 대해서는 아직 연구가 많이 진행되지는 않았습니다. 이번 연구는 (피부과 질환에만 집중하고 있기는 합니다만) 제목에서도 드러나듯이 human-AI collaboration을 여러 각도에서 분석함으로써, 앞으로 의료 현장에서 인공지능이 어떻게 활용되어야 할지에 대한 힌트를 주고 있기도 합니다. 어떠한 방식으로
[영상] 의대생을 위한 의료 인공지능 강의
서울의대 의예과 2학년 ‘의학 연구의 이해’ 수업에서 의료 인공지능을 주제로 강의한 영상입니다. 플립 러닝 (flipped learning) 방식으로 제가 촬영한 영상을 학생들이 시청하고 수업에 들어와서, 토론 수업을 진행하는 방식으로 진행했습니다. 수업 담당 교수님이신, 최형진 교수님께서 허락해주셔서 유튜브에도 공유합니다. [youtube id=”dl1smoj78kc” width=”620″ height=”360″]
[논문] 딥러닝 기반의 병원 내 심정지 예측 인공지능의 정확성
의료 인공지능 스타트업 VUNO와 메디플렉스 세종병원의 공동연구로 이번 달에 출판된 논문에 대한 간단한 리뷰. 뷰노에서는 이예하 의장님을 비롯한 연구원 분들, 세종병원에서는 권준명 과장님, 전기현 과장님 등께서 연구를 주도하셨다. Critical Care Medicine 이라는 IF=8 정도의 저널에 출판. (e-pub는 2월에 되었는데, 저널에는 이번 달에 출판되었다. sci-hub에 PDF가 늦게 올라오는 바람에 이제야 확인함) 딥러닝 기반으로 원내에서 발생하는 심정지를 예측하는 인공지능이 실제 의료 현장에서 어느 정도의 정확성을 보여주는지에 대해서 증명한 논문이다. 연구진은 기존에 이런 기능을 하는 딥러닝 기반의 인공지능 “DEWS”를 개발해서, 2018년 JAHA에 출판한 논문을 통해 정확성 및 퍼포먼스를 보여준 바 있다. EMR에 입력되는 체온, 수축기 혈압, 호흡수, 심박수의 4가지 데이터를 RNN으로 학습하여, 심정지를
코로나 바이러스와 디지털 헬스케어 (2) 빅데이터 기반의 실시간 감염 트렌드 파악
지난 포스팅에 이어서, 신종 코로나 바이러스의 창궐에 대응하여, 디지털 헬스케어 분야의 기술이나 서비스 중에 무엇을 활용할 수 있을지에 대해서 더 이야기 해보려고 한다. 첫 번째 글에서는 코로나19 검사의 필요성 여부를 선별해주는 문진 솔루션 (앱, 웹페이지, 챗봇, 인공지능 스피커), 그리고 원격진료와 원격 환자 모니터링에 대해서 다루었다. 이번에는 웨어러블, IoT 센서 등으로 측정한 헬스케어 빅데이터를 기반으로 감염 추이를 인구 수준에서 지역별, 실시간으로 파악하거나, 감염의 조기 진단을 시도하는 사례들을 소개하려 한다. 미국 질병관리본부(CDC)는 인플루엔자 등의 감염 질환에 대해서는 지속적인 모니터링을 통해서 매주 트렌드를 발표하고 있다. 하지만 이는 감염의 전파 추이를 실시간으로 파악하지는 못한다. 병원의 데이터를 취합하는 등 오프라인에 기반한 방법을 활용하므로 일반적으로 실제
인공지능으로 개발한 신약 후보 물질의 첫 임상시험?
인공지능으로 개발한 신약 후보 물질이 ‘첫번째’ 인간 대상의 임상시험에 들어갔다고 BBC 등은 며칠 전 보고했습니다. 영국의 인공지능 신약개발 스타트업 Exscientia 이라는 곳이 일본의 대형 제약사 Sumitomo 와 함께 강박장애 (OCD)의 치료를 위해서 개발하고 있는 DSP-1181 이라는 화합물입니다. 뉴스에서는 보통 신약 후보 물질이 임상에 들어가기까지는 수년이 걸리지만, 인공지능을 이용한 덕분에 1년 정도로 시간을 줄일 수 있었다고 언급하고 있습니다. Exscientia 라는 스타트업은 저는 처음 듣습니다만, 홈페이지에 보면 2012년에 창업했고, 매년 20개의 프로젝트(파이프라인?)을 새로 내어놓는다고 합니다. 여러 다국적 제약사에 의해서 플랫폼이 ‘validation 되었다’고 적어놨는데, 협업하는 회사들을 보면 GSK, Roche, Bayer, Celgene, Sanofi 그리고, 이번에 기사가 난 Sumitomo Dainippon 도 포함되어 있습니다. 이런 소위
[칼럼] 의료 AI가 ‘정확하다’는 것과 ‘치료 효과가 개선된다’는 것은 다르다.
제가 최근에 한국경제신문에 기고한 칼럼입니다. 글자수 제한 때문에 축약해서 기고했던 글의 원문을 올려드립니다. 제 칼럼은 여기에서 보실 수 있습니다. “의사를 능가하는 인공지능이 개발되었다” 최근 언론 기사에서 심심치 않게 볼 수 있는 제목이다. 정말 의사보다 실력이 좋은 인공지능이 개발된 것이라면, 왜 당장 병원에서 인공지능 의사를 고용해서 환자를 진료하지 않을까. 2019년까지 미국 FDA에서 의료기기로 인허가 받은 인공지능은 30개가 넘었고, 국내에서도 식약처가 15개 이상의 인공지능을 인허가했다. 최근 국내에서는 상장한 기업도 나왔다. 하지만 아직 일반 대중이나 환자의 입장에서는 이 변화가 피부에 와닿지는 않을 것이다. 과연 실력있는 의료 인공지능이란 과연 무엇인지, 그 정확성과 효용을 어떻게 판단해야 할지 이야기해보려 한다. 인공지능을 개발하고, 실력을 검증하기 위해서는 결국
인공지능과 함께 진료한다면, 의료 사고의 책임 소재는?
최근 JAMA의 Viewpoint 에 흥미로운 아티클이 실렸습니다. 바로 의료 인공지능과 관련하여 가장 어려운 문제이기도 한, 책임 소재 문제입니다. 만약에 인공지능을 사용하여 진료하다가, 환자의 치료 성과가 좋지 않다면 이는 누구의 책임인가 하는 이슈입니다. 저자는 의사는 아니고, 의료법을 하시는 JD 분들이신데 2장 분량의 짧은 아티클에서, 상당히 중요한 질문을 많이 던져주고 있습니다. 기본적으로는 제가 강의에서 말씀드리거나, 제 졸저 ‘의료 인공지능’에서 언급했던 바와 일치합니다. (그래서 좀 기쁘기도..) 의료 사고 발생 시의 책임 소재(liability) 문제는 이미 ‘기존에도’ 아주 복잡한 문제입니다. 기존에도 의료 사고가 발생한 경우, 책임 소재를 가리기 위해서 법정 공방을 벌이기도 합니다. 만약 여기에 인공지능이라는 변수가 ‘추가적으로’ 개입되면 문제는 더욱 복잡해집니다. 특히, 미국에서도 관련한
[Slides] Artificial Intelligence in Medicine
This is the slide that I presented in the President Invited Lecture of Asian Society of Gynecologic Oncology (ASGO) 2019. I briefly overviewed the current status of artificial intelligence in medicine, especially oncology. ASGO 2019 의 Plenary Session 에서 President Invited Lecture 로 제가 발표한 자료입니다. 제가 공유한 슬라이드 중에 영어로 된 건 처음인 것 같네요. 부인과 종양학회인지라, 의료 인공지능 중에서 종양학(oncology)과 관련된 연구들을 중심으로 말씀드렸습니다.
딥러닝으로 46일만에 신약 후보 물질 디자인하기
딥러닝으로 신약 후보 물질을 짧은 기간 내에 디자인할 수 있다는 것을 증명한 논문이 최근 화제가 되었습니다. 이번 달 Nature Biotechnology에 실린 논문인데요. DDR1이라는 fibrosis (섬유증)에 관여하는 receptor tyrosine kinase를 저해할 수 있는 저분자 화합물을 디자인하는 연구였습니다. 특히 이런 분야의 논문으로는 극히 드물게도, 이 기술로 만들어낸 신약 후보 물질로 cell-based assay에서 inhibition 효과가 실제로 있음을 보여줬으며, rodent model 에서 pharmacokinetics 까지 보여주었습니다. 이 연구는 인공지능 신약 개발 스타트업 중에서는 꽤 이름이 알려진 Insilico Medicine의 연구자들이 주도하였습니다. 기본적으로 딥러닝의 일종인 강화학습(reinforced learning)을 사용한 GENTRL 이라 이름 붙인, deep generative model을 만들었습니다. 이 모델에는 DDR1과 기존에 알려진 저분자 화합물 DB 등을 학습시켰는데, 이를
[발표자료] 디지털 헬스케어, 의료의 미래: 정신건강의학을 중심으로 (대한우울조울병학회 특강)
2019년 9월 20일 대한우울조울병학회에서 제가 70분 동안 특강한 자료입니다. 정신건강의학 분야의 디지털 헬스케어에 대해서 정리해보았습니다.
[영상/슬라이드] 글로벌 의료 인공지능 산업 및 규제 동향: FDA, Pre-Cert, SaMD, 그리고 식약처, 심평원
2019년 9월 2일 스마트 헬스케어 컨퍼런스와 함께 열린 대한의료인공지능학회의 추계학술대회 때 “글로벌 의료 인공지능 산업 및 규제 동향”에 대해서 발표한 자료입니다. 의료 인공지능 및 디지털 치료제 등 SaMD 의 개념과 중요성, Pre-Cert 를 중심으로 한 FDA의 규제 혁신 동향, 그리고 국내 식약처와 심평원의 의료 인공지능 및 SaMD 분야 가이드라인, 수가 정책 등의 동향에 대해서 다뤘습니다. 발표 영상 [youtube id=”QkYS48YM2B8″ width=”620″ height=”360″] 발표 슬라이드