[미디어] 지금 의료진, 투자자들이 의료 AI에 주목하는 이유
지금 의료진, 투자자들이 의료 AI에 주목하는 이유 - 의료 딥러닝 기술 사례
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!