딥러닝 기술

지금 의료진, 투자자들이 의료 AI에 주목하는 이유 - 의료 딥러닝 기술 사례

#의료 AI #딥러닝 기술 #의료 인공지능

의료 AI

의료 AI 연구가 매년 빠른 속도로 성장하고 있습니다. 의료 인공지능 기술이 발달함에 따라 기존 의사의 표준적, 경험적 치료에 의존하던 의료 패러다임도 사전 예측, 예방, 개인 맞춤형 치료로 변화하고 있어요. 뿐만 아니라 인구고령화와 다양한 환자 수요 발생으로 의료 바이오 AI 시장은 대대적으로 성장할 것으로 예상되는데요.

실제 의료인이라면 이런 트렌드를 이미 관심있게 지켜보고 계실 것 같습니다. 그리고 아마 내 전문 분야에 딥러닝 기술을 어떻게 활용해볼 수 있을지, 의료 AI 연구 프로젝트를 어떤 방향으로 시작할 수 있을지 등이 궁금하실텐데요. 이 글에서 의료 바이오 AI 기술로 실제 해결할 수 있는 문제, 실제 성공 사례, 학습 방법까지 얻어가세요!

의료 AI가 해결할 수 있는 문제

딥러닝 기술의 급성장과 방대하게 축적된 의료 데이터가 만나면서 의료 바이오 AI에 혁신이라고 할 만한 성과들이 나오고 있습니다.

영상 분야에서는 미숙련된 영상의학과, 병리과 의사를 대체할 정도의 자동화 시스템이 환자를 진단하는 것까지 가능해졌습니다. 그리고 인공지능으로 신약을 개발한 사례가 여러 저널에 등장하고 있어요. 인공지능은 신약을 찾는 것 뿐 아니라 신약개발의 전체 주기에도 많은 영향을 미치기 때문에 큰 주목을 받고 있습니다.

의료 바이오 분야에 AI 기술을 적용하면 대체로 비싼 분석장비로만 알 수 있었던 결과치를 더 쉽고 정확하게 알 수 있게 돼요. 이런 점에서 의료 AI의 임팩트에 대해 관심을 갖고 많은 시도와 투자가 이루어지고 있습니다.

의료 AI 성공 사례

1. 지능형 진단

X-ray, MRI, CT, PET, Histology 등 환자의 다양한 의료 이미지만으로 의료 AI 시스템이 빠르고 정확하게 진단할 수 있게 되었습니다.

대표적으로 병리 이미지만으로 환자에게 차세대 암치료제인 면역항암제가 효과가 있을지 알아낼 수 있는 기술이 현재 개발 단계에 있습니다. 또한 병리 이미지를 통해 특정 조직의 유전자 발현량을 알 수 있는데, 조직 지역별 유전자 발현량을 알아내면 보다 쉽게 임상실험과 신약개발을 진행할 수 있습니다.

이런 의료 AI 시스템은 의료 영상 전문가를 대체할 수 있을 뿐 아니라 값비싼 진단 장비로만 알아낼 수 있던 수치를 쉽게 알아낼 수 있도록 해줍니다. AI 진단 기술은 특히 개인 맞춤형 암치료에 효율적으로 활용될 수 있을 것으로 기대되고 있어요.

< 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.

2. 신약개발

최근 암환자의 오믹스 데이터 베이스가 많이 축적되고, 이 정보를 해석할 수 있는 통계적 방법과 인공지능 기술이 발달되었어요. 그 결과 기존에 발견하지 못했던 새로운 질환의 표적 유전자를 발견하게 되었습니다. single cell sequencing과 spatial transcriptome 등 다양한 유전자 해석 기술들이 발달하면서 새로운 데이터로 새로운 표적 유전자를 찾을 수 있는 기회가 열린 것이죠. 이렇게 특정 질환에 대한 표적 유전자를 찾은 후 해야 하는 것은 그에 맞는 치료제를 찾는 것입니다.

최근 가장 주목 받았던 기술은 특정 유전자 단백질에 잘 반응하는 저분자화합물과 단백질을 찾아내는 의료 인공지능 기술이었습니다. 예를 들어 홍콩에 있는 Insilco-medicine이라는 회사는 DDR1에 대한 저해제를 빠른 시간에 찾아 주목을 받은 바 있습니다. 그리고 이렇게 찾은 치료제를 전임상과 임상시험 단계에 적용할 때 적은 비용으로 진행할 수 있도록 돕는 인공지능 기술들도 발전하고 있어요.

이런 다양한 예시들을 통해 의료 인공지능은 환자를 진단하는 것 뿐 아니라 치료제를 연구하며 개발하는 모든 단계에 활용될 수 있는 것을 다양한 연구와 산업계의 결과물을 통해서 알 수 있습니다. 앞으로 더 많은 이 분야의 데이터가 축적되고 의료 바이오 AI 기술이 계속 발전해 나가면서 기존에 미흡했던 결과를 보완할 수 있을 것이며, 데이터를 환자를 맞춤형으로 진단부터 치료까지 진행하는 미래가 곧 올 것 입니다.

<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 AI 공부 어떻게 해야 할까요?

일단 의료 AI 기술을 활용하려면 의료 딥러닝 기술과 데이터에 대한 이해가 필수적입니다.

어떻게 데이터를 활용할지 정하고 그에 맞게 데이터를 수집하고 가공하는 과정이 무엇보다 중요합니다. 그 다음 기본적인 머신러닝, 딥러닝 지식들을 알고, 현재 많이 사용되고 있는 기술들 예를 들어 컴퓨터비전, 자연어처리, 그래프 기술 위주로 학습해보면 감을 잡으실 수 있을 거예요.

의료 딥러닝 기술 공부에서 많은 분들이 가장 많이 겪는 어려움은 데이터나 창업 아이템은 있지만 실제로 구현하기 힘들다는 것일텐데요. 그래서 어느 정도 모델링 지식을 쌓고난 후 도메인 전문가와 협업하는 것을 추천드립니다.

지금 가장 주목 받는 분야의 AI를 결정하는 기준은 인류에 얼마나 기여하는가에 달리지 않았을까요? 자율주행, 주가예측, 신소재 개발, 무인시스템, 건축 등 여러 분야에서 AI 연구가 진행되고 있지만 그 중 의료 AI는 인간의 생명과 직접적으로 관련된 분야이기 때문에 그만큼 가치가 있다고 생각되는데요.

의료 딥러닝 기술이 어떻게 이 분야에 활용되고 어떻게 하나하나의 기술이 구체적인 코드로 구현되는지 배우고자 한다면 아래 의료 AI 강의도 참고해보세요!

의료 딥러닝 기술과 모델에 대해 배워보세요!