Search
Close this search box.

의료 AI 공부 어떻게 해야 하나요?

#의료 AI

#딥러닝 기술

#의료 인공지능

최근 AI 기술이 많은 분야에서 활용되고 있죠. 그 배경에는 다양한 머신러닝, 딥러닝 기술이 있습니다 . 의료 AI는 의료 임상 현장에 AI 기술을 도입하는 것인데요. 사람의 생명과 직결되는 특수 분야이기 때문에 다른 분야에서 AI를 활용하는 것과 차이가 있습니다. 의료 도메인에서 AI는 어떻게 활용되며, 의료 AI 학습은 어떻게 접근해야 하는지 의료 AI 분야에서 다양한 연구를 진행해보신 국승호 연구원님께 여쭤봤습니다.

안녕하세요. 간단히 소개 부탁드립니다.

안녕하세요. 이번에 강의를 맡게된 Cook입니다. 대학병원에서 3년간 연구원으로, 바이오 산업계에서 전문연구요원으로 일해왔습니다. 그후 포트래이라는 공간전사체 분석회사에서 AI 기술을 담당하고 있습니다. 대학원 기간과 산업계를 경험하는 동안 저는 다양한 의약 바이오 인공지능 연구 프로젝트를 진행하였습니다.

신약 개발 딥러닝, 단백질 구조 예측, 암 환자 아종 구분 등 최신 다양한 의료계와 제약회사에서 관심을 갖는 연구를 진행한 경험이 있으며, 수많은 의료기관과 제약회사들과 많은 협업 프로젝트를 진행했습니다. 의료 인공지능 관련 Nature 자매지 제 1저자 및 그 외 다수 논문을 저술했습니다.

요즘 의료 AI가 많은 주목을 받고 있어요.
실제로 어떤 성공 사례들이 확인되고 있나요?

인공지능이 풀 수 있는 문제 중 가장 고부가 사업이 의료바이오 쪽이죠. 실제로 지금 이 분야에서 많은 시도가 이루어지고 투자가 이루어지고 있는데요. 실제 의료 문제에 AI를 적용하면 시간적, 경제적 비용을 상당히 줄일 수 있어요. 일단 영상 분야에서는 미숙련된 영상의학과, 병리과 의사를 대체할 정도의 수준이 되어 자동화 시스템으로 환자를 진단이 가능합니다. 영상과 오믹스데이터로 환자를 진단하거나 환자별 맞춤형 치료를 하고, 새로운 치료방법을 제시하기도 합니다. 또한 엄청나게 비용적으로 비싼 값을 치르는 분석장비를 통해서만 알아낼 수 있는 결과치를 인공지능을 통해서 값싸게 환자를 진단할 수 있는 경우들도 생기고 있습니다.

그리고 인공지능으로 신약을 개발한 사례가 좋은 저널에 실려서 많은 사람들이 인공지능 신약개발 사업과 투자에 뛰어들기도 하였습니다. 특히 최근 주목 받았던 것은 신약후보군이 될 수 있는 저분자화합물과 단백질과 결합력을 예측하는 기술입니다. 신약후보군을 찾을 수 있는 기술이라고 할 수 있습니다. 신약을 찾는 것뿐 아니라 신약개발의 전체 주기에도 많은 영향을 끼치며 이 한 단계 한 단계 모두가 하나의 산업계의 아이템이라고 할 수 있습니다.

< 의료 이미지를 통한 AI 진단 시스템 >

Computer vision, NLP, Graph 등 대표적인 딥러닝 기술을 활용하여 의료 데이터를 분석하고 유의미한 결과물을 도출해낼 수 있습니다.

AI 기술을 적용하여 영상 이미지 분류 및 분석하여 다양한 질환을 정확히 진단하고 치료 방법을 찾아낼 찾아낼 수 있습니다.

<환자의 치료 Target 유전자 도출 >

다양한 단백질 구조와 특정 화학 결합물 데이터를 바탕으로 수많은 결합&예측 시나리오를 확인하여 새로운 신약 물질을 개발할 수 있습니다.

딥러닝 기술을 통해 drug-target 결과를 예측하는 다양한 모델 접근 방식을 만들고 찾아내어, 최적의 결과물을 만들어 낼 수 있습니다.

의료 분야에 인공지능 기술을 적용하는 것은
다른 도메인에 적용하는 것과 어떤 점이 다른가요?

일단 의료에 AI 기술을 적용하려면 의료데이터에 대한 이해가 필수적이라고 할 수 있습니다. 어떻게 데이터를 활용할지 정하고 이해하고 그에 맞게 데이터를 가공하고 수집하는 과정이 무엇보다 중요하다고 할 수 있습니다. 그래서 어느정도 모델링 지식이 쌓이면 도메인 지식을 쌓고 도메인 전문가와 협업하는 것이 굉장히 중요하고, 일반적으로 데이터 부족현상이 있기에 그것을 해결하고자 하는 노력이 필요합니다.

이 분야를 공부하는 사람들이 가장 어려워하는 부분은 어떤 부분일까요?
이 강의가 어떻게 해결해줄 수 있을까요?

의료 AI에서 많은 분들이 가장 많이 겪는 어려움은 데이터나 창업 아이템은 있지만 실제로 구현하기 힘들다는 것일텐데요. 이 강의에서 그런 부분에 대한 해결책을 어느 정도 가져가실 수 있을 것 같습니다. 이 강의는 수강생들이 어떤 데이터를 가지고 있고, 그 데이터에 알맞은 모델을 선정하고 모델을 구현하고 평가하는 과정에 필요한 개념과 실전 구현 방법을 담았습니다. 수강생분들이 어떤 분야에서 어떤 데이터를 만나 어떻게 활용할지는 모르겠지만, 해당 강의의 내용을 자신의 프로젝트에 맞게 잘 바꾸어 활용한다면 굉장히 많은 효과를 볼 수 있다고 생각합니다.

이번 강의에서 알려주실 인공지능 기술은 어떤 것인가요? 파트별로 간단하게 설명 부탁드립니다.

Part를 4개로 나눴습니다. Part1에는 전반적인 의료 바이오 인공지능에 대한 설명과 다른 Domain에 적용할 때와 다른 점들 그리고 수강에 필요한 머신러닝, 딥러닝 지식들을 다룹니다. 이런 기본적인 수강에 필요한 지식들을 기반으로 가장 간단한 Multi Layer Perctron 모델을 기반으로 Drug Toxicity를 예측하는 모델을 실습할 수 있습니다.

그 이후에 진행될 나머지 3가지 Part에서는 각각 컴퓨터비전, 자연어처리, 그래프딥러닝에 대한 이론과 의료 바이오분야에 적용사례에 대해서 다룹니다. Part 2에서는 컴퓨터 비전에서 주로 사용되는 convolutional neural network(CNN) 모델에 대해서 배우고, CT, Histology image에 실습할 수 있습니다. Part 3에서는 자연어처리에서 주로 사용되는 recurrent neural network(RNN), Transformer에 대해서 배우고, Drug-Target interaction, Cancer Vaccine 데이터에 실습할 수 있습니다. Part 4에는 Graph 데이터란 무엇이고 의료 데이터 분야에 Graph는 어떤 것들이 있고 Graph 데이터를 어떻게 딥러닝으로 모델을 만들수 배우고 Drug와 BioNetwork에 적용하고자 합니다.

강의에서 어떤 실습을 다룰 예정이신가요?

강의 내 실습들에서는 최근 의료 제약 업계에서 주목 받고 있으며 대표적인 딥러닝 기술들을 적용할 수 있는 문제들로 구성했습니다. 하나하나가 최근 스타트업들의 창업아이템으로 선정되는 실제 문제를 기반으로 실습이 진행됩니다. 일단 Pytorch 딥러닝 라이버러리 사용법을 배울 것이며 그 배운 내용을 기반으로 다양한 의료바이오 데이터에 적용할 생각입니다. 그 예시로는 화합물의 특성을 예측해서 신약개발의 속도를 빠르게 할 수 있는 것과 의료영상으로 암환자와 코로나환자를 진단하는 것 그리고 저분자화합물, 단백질 치료제 예측 등이 있습니다.

본 강의를 들었을 때 수강생들이 확실히 얻어갈 수 있는 것이 무엇일까요?

본 강의를 통해서 확실히 얻어갈 수 있는 것은 무엇보다 머신러닝 딥러닝이 어떻게 이 분야에 활용되고 어떻게 이 하나하나의 기술이 코드로 구현되는지를 배울 수 있는 것이라고 생각됩니다. 실제로 데이터는 있지만 구현하지 못하는 연구그룹들이 굉장히 많은 것으로 알고 있습니다. 그런 부분에서 답답한 마음을 해소시켜줄 수 있을 것이라고 생각합니다.

이 강의는 어떤 분들이 들으면 좋을까요?

다양한 수강생들에게 도움이 될 거 같습니다. 실제 의료바이오 도메인 지식과 데이터는 있지만 그 데이터를 어떻게 머신러닝 관점에서 프로젝트를 진행했으면 하는 사람들이 가장 먼저 생각납니다. 그리고 간단한 머신러닝 딥러닝 기술들은 알고 있지만 컴퓨터 비전, 자연어, 그래프 등 다양하게 사용하지 못하는 수강생들에게도 적합할 거 같습니다. 물론 다양하게 전반적인 내용을 다루기에 조금은 어려울 수 있지만 머신러닝과 딥러닝에 대한 지식이 부족한 사람도 수강할 수 있게 강의를 구성하였습니다. 또한 투자자나 경영의 관점에서 해당 기술에 대한 지식을 쌓는데도 많은 도움이 될거 같습니다.

마지막으로 이 업계에서 성장하고 싶은 강의 수강생분들에게 한 마디 부탁드립니다.

주목 받는 인공지능이 적용될 수 있는 분야는 인류에 얼마나 기여하는가에 기인하는 거 같습니다. 자율주행, 주가예측, 신소재 개발, 무인시스템, 건축 등 다양한 분야에 연구가 진행되지만 그 중 가장 큰 가치를 갖는 것은 인간의 생명과 관련된 의약 바이오 계열이라고 생각합니다. 저는 인공지능과 의약 바이오과 결합한 융합기술이 질병으로 절망하는 환자들에게 희망을 줄 수 있다는 믿음을 가지고 평생을 이 분야에 헌신할 생각합니다. 그런 희망찬 미래에 함께 하실 수강생 분들을 응원하고 함께 하고싶습니다.

의료 딥러닝 기술과 모델에 대해 배워보세요!

의료 데이터를 활용한 바이오 진단 & 신약 개발 모델 구현

Post Views: 595

끝없이 이어질 인공지능의 이야기
AI:ing에서 당신의 커리어 성장이 시작됩니다.

ALL

IT

AI:ING only

AI Double UP

AI 자격증(AICA)

이벤트