COVID-19 감염 확산을 억제하기 위해 많은 국가에서 사회적 거리두기 또는 봉쇄 조치를 부과하는 것은 부정적인 영향을 미치고 많은 기업에 어려움을 초래했습니다.
이는 고급 AI 소프트웨어 시장의 성장에 긍정적인 영향을 미칩니다.
COVID-19 팬데믹은 의료 부문의 발전을 촉진했으며 많은 기업들이 의료 애플리케이션을 확장하기 위해 AI 소프트웨어에 막대한 투자를 하고 있습니다.
또한 의료 및 교육 부문의 디지털화가 증가함에 따라 특히 엣지 AI 소프트웨어에 대한 수요가 급증했습니다.
또한 인공지능은 뎅기열, 말라리아 등 감염성 질환의 발생을 예측하는 데 활용되며 신약 개발 기간을 단축하고 다양한 의료 분야에서 활용도를 높일 수 있는 기술이다.
인공 지능(AI, 머신 러닝, 딥 러닝) 응용 – 의료 분야
예를 들어 인공지능 기술은 인공위성에서 수집한 데이터, 인터넷에 흩어진 각종 정보, 실시간 SNS 정보, 각종 전염병 예측 데이터 등을 기반으로 전 세계의 전염병을 감시하고 예측하는 데에도 활용된다.
예를 들어 지원 벡터 기계 학습 기술과 인공 신경망을 사용하여 온도, 월 평균 강수량, 총 양성 사례 수 및 기타 데이터 포인트와 같은 데이터를 사용하여 말라리아 발생을 예측했습니다.
발병의 심각성을 예측하는 것은 의료 인프라, 의료진 교육 도구 및 치료 접근성이 부족한 제3세계 국가에서 특히 시급합니다.
ProMED-mail이라는 곳은 새로운 질병을 모니터링하고 실시간 감염 보고서를 제공합니다.
홈 – ProMED – ProMED-Mail
ProMED는 전염병 발생에 대한 글로벌 보고를 위한 최대 공개 감시 시스템입니다.
오늘 구독하세요.
promedmail.org
인공 지능이 인간의 건강 관리 및 치료에 사용됨에 따라 이러한 방식으로 많은 이점을 얻을 수 있을 것으로 예상됩니다.
인공 지능의 사용
의료 분야의 인공 지능은 지난 수십 년 동안 약물 발견, 로봇 수술 및 의료 데이터 탐색과 같은 분야에서 많은 흥미로운 발전을 이루었습니다.
* 인공지능(AI)이란?
John McCarthy는 1950년대에 인공 지능이라는 용어를 만들었고 그 이후로 널리 사용되었습니다.
Alan Turning도 AI 개념을 확립했습니다.
인공 지능이라는 용어는 인간 지능을 모방하여 작업과 결정을 인계하는 알고리즘의 능력을 설명합니다.
많은 전문가들은 인공 지능의 하위 집합인 기계 학습이 의료 기술 분야에서 중요한 역할을 할 것이라고 가정합니다.
현재 AI는 의료 분야에서 다양하게 활용되고 있다.
기계 학습은 대량의 “훈련” 데이터에서 직접 학습할 수 있는 알고리즘을 설명하는 데 사용되는 용어입니다.
알고리즘은 학습 데이터를 기반으로 모델을 구축하고 경험을 적용하며 학습을 통해 얻은 알려지지 않은 새로운 데이터에 대한 예측 및 결정을 내릴 수 있습니다.
소위 인공 신경망이라고 불리는 알고리즘은 인간의 뇌를 시뮬레이션한다는 아이디어에서 발전한 기계 학습 방법 중 하나입니다.
인공 신경망은 기계 학습에 사용되는 정보 처리 시스템으로 여러 계층의 뉴런으로 구성됩니다.
정보를 받는 입력층과 출력층 사이에는 수많은 숨겨진 뉴런층이 있다.
간단히 말해서 신경망은 외부 정보 또는 연결된 다른 노드로부터 정보를 수신하여 완성하고 최종 결과로 다음 뉴런 계층 또는 출력 계층으로 전달하는 노드라고도 하는 뉴런으로 구성됩니다.
딥 러닝은 입력 레이어와 출력 레이어 사이에 숨겨진 여러 신경망 레이어로 구성된 인공 신경망의 변형입니다.
내부 레이어는 외부 원시 데이터에서 상위 기능을 추출하는 역할을 합니다.
의료 및 제약 분야에서 인공 지능(AI, 기계 학습, 딥 러닝)의 사용 사례가 증가하고 있습니다…
인공 지능(AI, 기계 학습, 딥 러닝) 사용 사례 – 약물 및 제약 아래에서 자세한 내용을 읽을 수 있습니다.
https://earlybirdhenry.entry/artificial intelligence-AI-machine-learning-deep-learning-application-cases-pharmaceutical-and-pharmaceutical-fields
인공 지능(AI, 머신 러닝, 딥 러닝) 애플리케이션 – 의약품 및 제약
의료 분야에서 인공지능 활용 확대 신약 개발의 13.8%만이 임상시험을 성공적으로 통과합니다.
최소 3000억원에서 최대 2조원을 투자해 제약업계가 인공지능을 활용하고 있다.
earlybirdhenry.tistory.com
의료현장에서 인공지능을 활용하는 목적과 방법
의료 및 제약 산업의 인공 지능
의료 및 약국의 AI는 식별 및 진단 분야를 변화시킬 수 있는 막대하고 광범위한 잠재력을 가지고 있습니다.
이 두 가지 혁신의 확산으로 AI와 로봇 공학은 개인화된 환자 치료에서 약물 개발 프로세스 자동화에 이르기까지 모든 것을 가능하게 합니다.
전반적인 병원 프로세스를 최적화하고 환자의 특정 증상에 대한 정확한 원인을 파악하는 등 다양한 방식으로 의료 현장을 지원하는 것을 목표로 합니다.
의료 및 제약 산업에서 AI는 어떻게 사용됩니까?
인공 지능과 기계 학습은 의료 및 제약 산업의 소비자 건강 관리에서 중요한 역할을 합니다.
질병 감지 또는 진단과 같은 증강 지능 응용에서 임상 시험, 약물 제조 및 예측에 이르기까지 환자 식별 및 치료를 돕는 기술이 되었습니다.
오늘날 제약 산업에서 AI와 머신 러닝이 어떻게 적용되고 있는지와 몇 가지 사용 사례를 살펴보겠습니다.
AI와 기계 학습은 COVID-19에 대한 효과적인 백신을 찾기 위한 제약 산업의 경쟁에서 중요한 역할을 합니다.
인공지능이 제약 및 소비자 건강관리에 적용되는 분야는 다음과 같다.
① 질병 감지/진단: 종양학부터 코로나19 백신 개발, 안구 변성까지.
② Digital Treatment, Personalized Treatment Analysis: 치과 진료에서 잇몸 상태와 같은 조기 통찰력을 제공하여 문제 영역을 식별하는 데 효과적으로 사용할 수 있습니다.
예를 들어 잇몸 질환과 피부 상태를 정확하게 분류하고 일반의약품으로 1차 치료를 제안할 수 있다.
의사의 진단 정확도를 높이거나 정신 건강 전문가의 임상 결정을 향상시키는 도구 역할을 합니다.
③ 약물 연구 및 제조: 생물학적 요인에 따라 예상되는 성공 확률로 약물 화합물을 스크리닝하는 데 도움을 받을 수 있습니다.
빠른 RNA 및 DNA 분석을 가능하게 하고, 차세대 정밀 의학 또는 유전자 기반 치료제 개발을 가속화하고, 환자를 위한 맞춤형 치료제를 찾는 데 전념할 것입니다.
④ 예측력 향상: 전염병 예측은 가장 중요한 예 중 하나입니다.
ML 또는 인공 지능 기술은 전 세계적으로 전염병 발생 또는 계절성 질병을 모니터링하고 예측하는 데 사용됩니다.
이러한 예측은 공급망을 계획하고 적시에 의약품을 비축하고 보충할 수 있는 올바른 수량과 정보를 확보하는 데 도움이 됩니다.
⑤ 임상시험: 인구통계학적, 감염률, 병력, 지역 또는 인종을 대표하는 질병 상태 및 추가 속성에 적합한 대안을 제시한다.
다른 방법으로 분류할 수도 있습니다.
인공 지능을 사용할 수 있는 영역은 다음과 같습니다.
- 건강 계획 분석
- 건강 모니터링
- 디지털 컨설팅
- 외과 적 치료
- 의료 데이터 관리
실제 사용 사례의 예로는 온라인 의사 약속, 의료 센터 온라인 체크인, 의료 기록의 디지털화, 후속 약속 알림, 어린이 및 임산부를 위한 예방 접종 약속 등이 있습니다.
AI 기술이 의료·제약 산업에 활용될 수밖에 없는 이유
인공지능 기술은 치료와 진단, 의료행정의 지원 역할에서 널리 활용되기 시작했으며, 미국의 경우 다음과 같은 이유로 의료분야에서 AI가 크게 성장하고 있다.
– 고령화 인구 증가
. 노인이 인구의 더 많은 비율을 차지함에 따라 더 많은 의료 시설과 심각한 질병 치료에 대한 필요성도 증가합니다.
– 기계 학습
. 의료 데이터 분석가들은 특히 기계 학습이 필수적인 역할을 하는 정밀 의학 분야에서 기계 학습의 사용이 폭발적으로 증가하는 것을 목격하고 있습니다.
– 의료 영상 및 진단
. 의료 이미징 및 진단은 향후 몇 년 동안 크게 성장할 것으로 예상됩니다.
특히 AI는 여기에서 엄청난 이점을 얻을 것입니다.
의료 분야의 인공 지능 사례
AI로 강화된 X-ray 솔루션 – Fujifilm 한국
Fujifilm India는 Qure.ai의 인공 지능(AI) 딥 러닝 기술로 개발된 컴퓨터 지원 방사선 소프트웨어 애플리케이션이 포함된 고급 X선 솔루션을 출시했습니다.
흉부 X선 해석 기술인 QXR은 추가 검토 및 확인을 위해 Covid-19, 결핵, 폐암, 카테터 잘못된 배치 및 기타 많은 방사선 소견으로 의심되는 이상을 감지할 수 있습니다.
이 기술은 글로벌 데이터 세트에 대해 광범위하게 훈련되었으며 성인 및 소아 이미징 모두에 사용할 수 있습니다.
Fujifilm의 휴대용 X선 FDR-Xair 시스템은 qXR 소프트웨어에 연결할 수 있는 추가 기능으로 새로운 이미지 처리 상자와 함께 제공되어 의학적 관점에서 이상을 보여줌으로써 임상의와 기술자를 돕습니다.
전이성 유방암의 종양 진단 – Google Healthcare
2018년 가을 Google AI 건강 연구원이 개발한 학습 알고리즘인 LYNA(Lymph Node Assistant)는 림프절 생검에서 전이성 유방암 종양을 식별할 수 있습니다.
흥미롭게도, 조직학적 분석에 AI를 적용하는 것은 새로운 것이 아니지만 알고리즘은 주어진 살아있는 실험실 샘플에서 인간의 눈으로 구별할 수 없는 의심스러운 영역을 식별할 수 있었습니다.
LYNA는 두 가지 데이터 세트에 대해 테스트되었으며 99%의 정확도로 샘플을 암성 또는 비암성으로 분류하는 것으로 나타났습니다.
또한 조직 샘플의 일상적인 분석과 함께 사용하기 위해 의사에게 투여할 때 LYNA는 평균 검토 시간을 절반으로 줄였습니다.
Google의 딥마인드 헬스
DeepMind Health의 AI 소프트웨어는 전 세계 병원에서 환자를 검사에서 치료로 보다 효율적으로 이동시키는 데 사용됩니다.
DeepMind Health 프로그램은 환자의 건강이 악화될 때 의사에게 경고하고 유사한 증상에 대한 방대한 데이터 세트를 분석하여 질병 진단에 도움을 줄 수 있습니다.
환자의 증상을 수집해 딥마인드 플랫폼에 입력하면 의사가 빠르고 효과적으로 진단할 수 있다.
Atomwise – 다발성 경화증 치료제 개발
Atomwis는 AI를 사용하여 에볼라와 다발성 경화증을 비롯한 오늘날 가장 파괴적인 질병과 싸우고 있습니다.
이 회사의 신경망인 Atomnet은 생물학적 활동을 예측하고 임상 시험을 위해 환자를 특성화하는 데 도움이 됩니다.
Atomwise의 AI 기술은 매일 1,000만~2,000만 개의 유전자 화합물을 필터링하고 기존 제약 회사보다 100배 빠른 결과를 제공하는 것으로 알려져 있습니다.
Amazon – 전체 의료 시스템을 위한 AI 플랫폼 H2O.AI
Amazon의 AI는 의료 시스템 전체에서 데이터를 분석하고 이를 사용하여 프로세스를 분석, 자동화 및 예측합니다.
ICU 입원을 예측하고 임상 작업 흐름을 개선하며 환자의 병원 내 감염 위험을 결정하는 데 사용되었습니다.
인공 지능을 사용하여 건강 데이터를 추출함으로써 병원은 패혈증을 예측하고 감지하여 궁극적으로 사망률을 줄일 수 있습니다.
참고로 H2O.ai를 사용하면 누구나 기계 학습 및 예측 분석을 쉽게 적용하여 오늘날의 가장 어려운 문제를 해결할 수 있습니다.
오늘날 다른 기계 학습 플랫폼에는 없는 고유한 기능을 지능적으로 결합합니다.
IBM의 왓슨
의료 전문가가 IBM의 Watson과 경쟁하지 않았을 때 그들은 병원 효율성을 개선하고 환자와 더 잘 연결하고 치료를 개선하기 위해 데이터를 사용하고 있다고 말했습니다.
인공 지능은 유전자 검사 결과 해석에서 질병의 초기 징후 감지에 이르기까지 모든 분야에서 사용되고 있습니다.
Carnegie Mellon University – 로봇 심장 치료
Carnegie Mellon University의 로봇 공학과에서는 심장 치료를 더 쉽게 하도록 설계된 소형 모바일 로봇인 Heartlander를 개발했습니다.
의사의 통제하에 이 작은 로봇은 작은 절개를 통해 가슴에 들어가 심장의 특정 위치를 독립적으로 탐색하고 심장 표면에 부착하여 환자를 치료합니다.
정확성 (정확성) – 암 치료용 정밀 로봇
Accuray Cyberknife 시스템은 로봇 팔을 사용하여 신체의 어느 곳에서나 암성 종양을 정밀하게 치료합니다.
이 로봇은 실시간 종양 추적 기능을 사용하므로 의사와 외과 의사는 전신이 아닌 환부만 치료할 수 있습니다.
Accuray Cyberknife 로봇은 6D 모션 센서 기술을 사용하여 건강한 조직을 손상시키지 않고 치료를 지원하면서 암성 종양을 표적으로 삼고 추적합니다.
MIT Clinical Machine Learning Group – 약물의 초기 스크리닝 및 성공률 예측
신약 개발 및 의약품 제조 분야에서 인공 지능 및 기계 학습의 사용은 초기 약물 스크리닝에서 생물학적 요인을 기반으로 한 성공률 예측에 이르기까지 광범위한 응용 분야를 가지고 있습니다.
또한 다음과 같은 연구 개발(R&D) 검색 기술도 포함합니다.
B. 차세대 DNA 관련 시퀀싱. 의료 분야의 많은 AI 연구에는 비지도 학습이 포함되며, 대부분은 예측 없이 데이터에서 패턴을 발견하는 것으로 제한됩니다.
이 분야의 주요 업체는 MIT Clinical Machine Learning Group으로, 질병 변화 과정을 더 잘 이해하고 제2형 당뇨병에 대한 효과적인 치료법을 설계하기 위한 알고리즘 개발에 중점을 둡니다.
우리는 현재 약물 조합을 개인화하는 방법 개발에 중점을 두고 정확한 암 치료를 위한 AI 기술 개발을 위한 협력을 포함하여 여러 분야에서 인공 지능 기술을 사용합니다.
정확한 암 치료를 위한 AI 기술이 개발 중이며 급성 골수성 백혈병(AML)에 대한 약물 조합을 개인화하는 접근 방식 개발에 중점을 두고 있습니다.
하지만 해결해야 할 과제가 많습니다…
의료분야 인공지능 적용의 과제
의료 분야에서 AI를 사용하는 데는 고유한 문제, 부정적인 결과 및 앞으로 나아가야 할 문제가 있습니다.
의료 기술의 인공 지능은 성장 단계의 시작에 있습니다.
그러나 인공 지능에 대한 기대는 높으며 의료의 디지털 미래도 마찬가지입니다.
미래에는 인공 지능이 의료 전문가에게 중요한 작업을 지원하고 복잡한 프로세스를 제어 및 자동화할 것입니다.
이를 통해 환자 개개인의 필요에 맞는 최적의 진단, 치료, 치료가 가능해져 치료 효율이 향상될 수 있으며, 이는 향후 효율적이고 저렴한 의료 시스템을 보장하기 위해 지속적으로 발전해야 합니다.
AI는 인간의 판단 오류를 제거할 수 있으며 경우에 따라 인간의 필요성을 완전히 없앨 수 있습니다.
이것은 의료진의 자리 수를 줄일 수 있습니다.
AI의 또 다른 부정적인 측면은 AI로 인해 감성 지능뿐만 아니라 인간 접촉 공감도 상실된다는 것입니다.
또 다른 주요 과제는 AI 오판을 배제할 수 없으며 AI 시스템의 개발, 수정 및 업데이트와 품질 인증에 대한 명확한 지침이 필요하다는 것입니다.
임상 환경에서 AI 시스템의 성능을 평가하기 위한 올바른 프레임워크를 갖추는 것은 중요한 과제입니다.