2019년 8월 27일 식약처 행사에서 발표할 자료입니다. SaMD를 중심으로 디지털 헬스케어 분야가 어떻게 바뀌고 있는지, 특히 의료 인공지능과 디지털 치료제(digital therapeutics)를 중심으로 설명하였습니다. 이에 따라 FDA가 규제를 어떻게 혁신하고 있는지를 Digital Health Unit과 Pre-Cert 를 예시로 살펴보았습니다. 더 나아가, 이러한 글로벌 트렌드에 맞춰 한국의 헬스케어 분야 규제가 어떻게 개선되어야 할 것인지에 대한 제언도 제시하고 있습니다. 현장에서는 발표 시간이 20분으로 넉넉하지 않기 때문에, 이 자료의 요약본으로 발표하게 될 것 같습니다.
지난 주에 SNS의 타임라인을 나름(?) 떠들썩하게 했던, 스마트폰 셀카 동영상으로 혈압을 측정할 수 있다는 가능성을 보여준 연구를 소개해드리려 합니다. 캐나다 토론토 대학의 중국계 연구자들이 진행한 연구로, Circulation: Cardiovascular Imaging 이라는 IF 5~6의 나쁘지 않은 저널에 출판되었습니다. 사실 혈압과 관련해서는 제가 깊이 알지는 못하고, 기술도 생소해서 제가 이해한 수준에서 정리해보겠습니다. 연구의 개요는 간단합니다. 1,328명의 ‘정상’ 혈압 환자를 모아서 아이폰으로 찍은 얼굴 영상을 input data로, 기존 방식으로 측정한 혈압을 정답으로 하여, 머신러닝(multilayer perceptron)으로 분석해서 예측 모델을 만들었다는 것입니다. 1,328명 중 training/validation/test는 70:15:15 로 나누었습니다. 테스트 결과 수축기 혈압, 이완기 혈압, 맥압 모두 95% 내외의 높은 정확도를 보여줬습니다. Abstract에 나오는 다음의 문장으로 정리되어 있습니다.
이번에 안과 관련 컨퍼런스에서 의료 인공지능을 주제로 세미나를 해야 해서, 안과와 관련된 인공지능 연구 결과들을 오랜만에 정리해보았습니다. 특히 구글은 지난 2016년 JAMA에 발표했던 중요한 연구 이후로도 흥미로운 연구들을 몇가지 발표했습니다. 많은 분들이 이미 아시겠습니다만, 2016년 JAMA 논문은 구글의 연구자들이 딥러닝을 이용하여 안저 사진에서 당뇨성 망막병증(DR)을 판독하는 인공지능을 개발하였으며, 이 인공지능의 정확도가 안과전문의들보다 더 정확하였음을 보여준 연구입니다. 이 연구에 대해서는 제 졸저에도 상세하게 소개되어 있고, 아래의 포스팅에도 소개되어 있습니다. 구글, 안과 전문의 수준의 의료 인공지능 발표 구글은 2018년과 올해 2019년에 이 논문의 후속 논문을 출판했습니다. 이 연구들은 제1저자, 제2저자는 다르지만, 교신저자는 동일하므로 같은 연구팀에서 진행한 것으로 봐도 무방합니다. 2018년에는 grader variability를 밝히고
제가 2019년 7월 식약처 첨단의료기기과 전문가 협의체에서 발표한 자료입니다. FDA가 지난 4월에 발표한, 인허가 이후에 계속 변화하는 인공지능을 어떻게 규제할지에 대한 discussion paper 인 “Proposed Regulatory Framework for Modifications to Artificial Intelligence Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD): Discussion Paper and Request for Feedback” (링크)을 정리한 자료입니다. 지금까지 FDA든 식약처이든 인공지능은 인허가 이후에는 변화가 허용되지 않는 locked algorithm을 전제로 인허가 받았는데요. 인공지능의 근본적인 속성인 “Iterative, autonomous, adaptive nature”를 어떻게 최대한 활용하면서, 또 한 편으로는 의료기기로서의 안전성과 유효성은 보장할 수 있을지에 대한 규제기관의 고민이 담겨 있습니다. 관련 포스팅: 지속적으로 바뀌는 의료 인공지능을 어떻게 규제할 것인가
의료 인공지능에 대한 제 강의 슬라이드의 2019년 7월 최신 버전입니다. 총 380장 정도의 분량으로, 대부분의 강의에서는 시간상 이 자료의 일부분만 말씀드리게 됩니다. (상) (하)
얼마 전 외국 언론에 ‘MIT의 인공지능이 유방암 발병을 5년 미리 예측한다 (MIT CSAIL’s AI can predict the onset of breast cancer 5 years in advance)’ 라는 제목의 연구가 소개되어, 원문을 찾아보았다. 이번 달 Radiology에 실린 논문으로 MIT와 MGH의 공동연구로 진행되었다. 언론의 제목이 맞기는 하지만, 더 정확하게는 ‘mammography (엑스레이 유방촬영술) 이미지에 기반한 딥러닝이 (기존의 risk factor 에 기반한 유방암 발병 예측 모델보다) 상대적으로 5년 발병 여부를 더 정확하게 예측했다’는 것이 주제인 논문이다. 기존의 유방암 발병 위험도 평가 모델 Tyrer-Cuzick (TC) 모델에는 유방암 발병에 관여한다고 알려진 다양한 인자가 고려된다. 나이, 체중, 키, 초경 나이, 폐경여부, 유방암/난소암 가족력, BRCA 변이, atypical hyperplasia 히스토리, 유방
헬스케어 스타트업 인터뷰, 이번에는 의료 인공지능 스타트업 루닛(Lunit)의 백승욱 의장님을 모셨습니다! 루닛은 한국을 대표하는 인공지능 스타트업 중 하나일 뿐만 아니라, 세계적으로도 알려져 있는 유망한 스타트업인데요. 의료 인공지능과 관련한 우수한 연구 성과와 함께, 식약처 인허가 등을 통해서 국내외에서 의료 인공지능 분야를 개척하고 있습니다. 백승욱 의장님은 루닛을 공동창업하시고, 초대 CEO 및 현재는 의장을 맡으시면서, 그러한 루닛을 일선에서 이끌어오고 계시는 분입니다. [헬스케어 스타트업 인터뷰 시리즈] 1. 3billion 금창원 대표님 2. 웰트 강성지 대표님 3. 메디블록 이은솔 대표님 4. 휴레이포지티브 최두아 대표님 5. 뷰노 정규환 CTO님 인터뷰의 첫번째 파트로, 카이스트 힙합 동아리에서 탄생한(?) 스타트업, 루닛 (구, 클디)의 창업 스토리부터 들어봅니다! (상) “카이스트
최근 FDA에서는 인공지능/머신러닝 기반의 인공지능 의료기기의 adaptive learning을 어떻게 규제할 것인지에 대한 백서를 내어놓았습니다. (즉, 아직 가이드라인 전단계의 문서입니다.) 인공지능의 속성 중의 하나는 개발할 때뿐만 아니라, 사용하면서도 사용자의 피드백, 새로운 학습 데이터, 혹은 알고리즘 자체의 발전으로 계속 변화/발전할 수 있다는 점입니다. 이를 adaptive learning (적응형 학습)이라고 합니다. 제가 졸저 ‘의료 인공지능’에서도 IBM Watson for Oncology를 설명하면서, 지속적으로 출판되는 논문 등을 반영하여 WFO의 결과가 지속적으로 바뀔 수 있기 때문에 기존 방식의 임상 연구를 통한 검증이 근본적으로 어려울 수 있다고 지적한 바 있습니다. 이때 언급했던 것이 바로 adaptive learning 입니다. 이번 백서에 나오듯이, 일반적으로 AI/ML에 기반한 SaMD가 바뀌는 것은 아래와 같이 Performance,
필자는 흔히 디지털 헬스케어를 설명할 때, ‘디지털 헬스케어의 3단계’라는 개념을 즐겨 사용한다. 데이터를 중심으로 측정, 통합, 분석을 거치면서 디지털 헬스케어가 구현된다는 것이 골자다. 그런데 여기에서 그친다면 무엇인가 빠진 것이 있을 것이라고 생각할 수도 있다. 바로 환자를 ‘치료’ 한다는 것이다. 환자를 치료하기 위해서는 수술이나 시술을 하거나, 혹은 약을 처방해야 한다. 이러한 측면에서 디지털 헬스케어로 수술 등을 보조할 수 있겠지만, 그것만으로 환자를 치료하기는 어려우리라 생각할 수도 있겠다. 디지털 헬스케어를 마치 약처럼 사용해서 환자를 ‘치료’한다는 것은 일견 상상하기 어려울 수도 있기 때문이다. 하지만 그렇지 않다. 디지털 헬스케어는 ‘약’의 개념도 확장하고 있다. 흔히 약이라고 하면 우리는 경구제로 복용하는 알약이나, 주사약 정도를 떠올린다. 보통 1세대
며칠 전 Science에 실린 흥미로운 아티클입니다. 바로 의료 인공지능에 대한 adversarial attack, 즉, 악의적인 공격의 가능성에 관한 것입니다. 다른 모든 인공지능과 마찬가지로 의료 분야의 인공지능 역시 이러한 악의적인 공격에 취약할 수 있습니다. 데이터를 (인간은 알아차릴 수 없을 정도로) 미묘하면서도 교묘하게 의도적으로 조작함으로써, 알고리즘이 내어놓는 결과를 완전히 반대로 만들 수 있다는 것입니다. 예를 들어서, 피부의 점 사진에 대해서 (인간의 눈으로는 알 수 없는) 몇 픽셀 수준의 perturbation을 줌으로써, 원래는 인공지능이 정상으로 판독하던 것을 암으로 판독할 수 있게 만들 수 있습니다. 이는 이미지 판독 관련 뿐만 아니라, 자연어 처리에서 단어 표현을 조금 바꾸거나, 혹은 보험 심사에 대해서 청구 코드를 약간 바꾸는 것으로도 알고리즘이 정반대의
의료 인공지능을 주제로 2019년 3월 서울의대 및 고려대학교병원 등에서 강의한 자료입니다. 의료 인공지능 분야의 최근 연구 결과 등이 업데이트 되어 있습니다.
병원 진료 예약 및 상담에 특화된 챗봇 스타트업, 웨저 부산대학병원 등 국내 200여 병원에 활발히 도입 헬스케어 스타트업 전문 엑셀러레이터, 디지털 헬스케어 파트너스 (이하 DHP, 대표파트너 최윤섭)는 의료 챗봇 스타트업 웨저(대표 박해유)에 투자하고, 엑셀러레이팅을 시작한다고 2월 19일 밝혔다. 웨저는 병원에 특화된 챗봇을 개발 및 서비스하는 스타트업이다. 기존에는 환자가 진료 예약이나, 진료비, 진료시간 등을 문의하기 위해서 홈페이지를 방문하거나 직접 전화를 걸어야 했고, 병원에서는 이를 콜센터나 전담 직원이 응대해야만 했다. 하지만 챗봇을 이용하면 환자는 주말과 야간 등 24시간 편리하게 병원에 문의할 수 있다. 또한 병원은 콜센터 직원의 감정 노동 완화 및 단순반복적인 상담 업무를 절감하며, 사전 문진을 통해 진료 시간도 단축할 수
오랜만에 나온 에릭 토폴 박사의 리뷰 논문이다. 2019년 1월 Nature Medicine에 실린 논문으로, 의료 인공지능에 대한 여러 측면을 두루 리뷰하고 있다. 토폴 박사님이 작년에 미국에서 의료 인공지능을 주제로 신간을 출판했는데 (아직 한국에 번역은 안 되었음) 이와 관련한 연장선상에서 쓴 리뷰 논문이 아닐까 한다. 분야별로 영상의학, 병리, 피부과, 안과, 심장내과 등등의 방대한 최신 연구 결과들을 리뷰하고 있다. 특히 이러한 인공지능을 의사, 병원, 환자의 입장에서 어떠한 영향을 미칠지를 개별적으로 다루고 있다. 또한 의료 인공지능과 관계된 여러 이슈들과 한계점들도 언급되어 있으며, 개인적인 시각이 담긴 부분도 있다. 사실 의료 인공지능 분야를 꾸준히 팔로업하고 있는 분들에게는 엄청나게 새로운 이야기가 있다고 하기는 어렵다. 특히, 이 분야가 워낙
한국을 대표하는 헬스케어 스타트업 업계의 창업가, 투자가, 혁신가를 만나보는 ‘헬스케어 스타트업 인터뷰’, 그 다섯 번째 시간입니다. 이번에는 의료 인공지능 스타트업 뷰노(VUNO)의 CTO이자 공동창업자이신 정규환 박사님을 모셨습니다. 뷰노는 글로벌 시장에서 경쟁하고 있는 세계적인 스타트업으로, 지난 5월 국내 최초로 인공지능 의료기기로 식약처 인허가를 받기도 했습니다. 정규환 이사님께서 대기업을 나와 뷰노를 창업하기까지, 뷰노가 현재 어떤 인공지능을 개발하고 있으며, 의료 인공지능의 규제와 수가 이슈, 그리고 의료 인공지능의 미래에 대한 이야기를 자세하게 들어봅니다. 이번 인터뷰는 총 4회에 걸쳐서 올려드립니다. [헬스케어 스타트업 인터뷰 시리즈] 1. 3billion 금창원 대표님 2. 웰트 강성지 대표님 3. 메디블록 이은솔 대표님 4. 휴레이포지티브 최두아 대표님 (1) 삼성을 나와, 의료 인공지능 스타트업 뷰노를
SNS의 디지털 표현형 스마트폰뿐만 아니라, 트위터, 페이스북, 인스타그램과 같은 소셜 네트워크 서비스에 남는 우리의 디지털 표현형을 통해서 우리의 건강 상태 및 질병을 파악할 수 있다. 앞서 언급한, ‘디지털 표현형’이라는 제목의 네이처 바이오테크놀러지 논문에는 트위터를 통한 불면증 및 조현병의 증상 파악의 가능성에 대해서 언급되어 있다.[ref] 관련 포스팅: 디지털 표현형 (1) 스마트폰은 당신이 우울한지 알고 있다 불면증의 경우, 병원 밖의 환자가 일상생활을 하면서 얼마나 잠을 잘 자는지, 증상이 개선 혹은 악화되고 있는지에 대해서 파악하기란 쉽지 않다. 하지만 트위터에 반영되는 디지털 표현형을 분석하면 불면증 환자의 상태에 대해서 더 많은 정보를 얻을 수 있다. 예를 들어, 트위터에 남기는 단어나 해시태그에 불면증이나 수면제와 관련된 표현이 있거나,
스마트폰을 사용하는 패턴으로 그 사람의 건강 상태를 알 수 있을까? 최근 연구 결과들에 따르면 그 사람이 스마트폰을 어떻게 사용하는지, 소셜 네트워크를 어떻게 사용하는지만 보더라도 사용자의 건강 상태나 질병의 유무까지도 파악할 수 있다. 이렇게 디지털 기기나 온라인 서비스의 사용 패턴에 자기도 모르게 건강 상태나 질병의 징후가 반영되는 것을 ‘디지털 표현형(digital phenotype)’이라고 한다.[1, 2] 스마트폰은 디지털 헬스케어 혁신의 핵심적인 기기이다. 스마트폰의 센서, 애플리케이션을 활용하거나 부가적인 기기를 연결함으로써 다양한 데이터를 측정할 수 있고, 그 자체로 뛰어난 연산 능력과 통신 기능을 지닌 컴퓨터이므로 디지털 헬스케어에 중요한 역할을 한다는 점은 이미 논의한 바 있다. 하지만 스마트폰은 여기에서 그치지 않는다. 우리는 잠시도 스마트폰을 손에서 놓지 않는다.