바이오인

의료 인공지능의 활용 분야 및 기술 동향

[주간기술동향2117호]

◈ 목차

기획시리즈 : 메타버스

  메타버스 시대, 게임 콘텐츠의 진화

     I. 서론

     II. 메타버스 산업 변화

     III. 콘텐츠 산업을 중심으로 한 메타버스 현황

     IV. 비즈니스 기회로 확장하는 콘텐츠 기반의 메타버스 시장

     V. 시사점 및 결론

ICT 신기술

  의료 인공지능의 활용 분야 및 기술 동향

     I. 서론

     II. 빅데이터 분석 및 활용 기술의 원리 및 최근 연구 동향

     III. 비전 AI 영상 분석 및 판독 기술의 원리 및 최근 연구 동향

     IV. 결론

ICT R&D 동향

  엣지 기반 재난ㆍ재해 영상분석 기술

     I. 결과물 개요

     II. 기술의 개념 및 내용

     III. 국내외 기술 동향 및 경쟁력

     IV. 국내외 시장 동향 및 전망

     V. 기대효과

  포토리얼리스틱 3D 페이스 캡처를 위한 소형 라이트스테이지

     I. 결과물 개요

     II. 기술의 개념 및 내용

     III. 국내외 기술 동향 및 경쟁력

     IV. 국내외 시장 동향 및 전망

     V. 기대효과

◈본문

Chapter 02. 의료 인공지능의 활용 분야 및 기술 동향

I. 서론

 의료 인공지능은 다양한 의료 활동을 목적으로 머신러닝, 딥러닝 기반의 AI 모델 및 기타 AI 요소기술을 의료산업에 적용하여 예측, 진단, 치료 등 의료 절차를 효율적으로 지원 및 개선하고, 의료 서비스 사용자를 대상으로 다양한 디지털트랜스포메이션 경험을 제공하고자 하는 개념이자 기술이다. 의료 인공지능 기술은 디지털트랜스포메이션의 핵심인 산업 및 서비스 혁신을 위해 ‘의료 생태계 AI 혁신 및 의료 산업 AI 첨단화’의 핵심 기술이다. 다른 산업에서와 마찬가지로 향후 의료 산업 및 시장을 혁신할 수 있는 핵심 기술로 받아들여지고 있으며, 미국, 유럽 등의 해외 기업 등을 중심으로 헬스케어, 의료장비 등의 다양한 의료 시장에서 활발한 기술 개발과 투자가 이루어지고 있다.

 MarketsAndMarkets는 [그림 1]과 같이 현재 헬스케어 시장 내 인공지능 서비스의 세계 시장규모가 2022년 99억 달러에서 연평균 45.8% 이상으로 빠르게 성장할 것으로 전망했다. 따라서, 정부에서도 ‘뉴욕구상’(2022.9), ‘대한민국 디지털 전략’(2022.9), ‘파리 이니셔 티브’(2023.6) 등을 통해 모범적인 디지털 강국 실현을 하고자 다양한 정책을 추진 및 본격 화하고 있고, 의료 산업 분야에서 인공지능 서비스가 의료업무의 품질에 초점을 맞춰 생산성ㆍ효율성 제고의 대상으로 빠르게 확산되고 있다. 또한, 클라우드 기반의 플랫폼 서비스, 시스템 간 응용 서비스 등을 통해 의료 분야 신규 서비스가 출시되면서 의료 인공지능 서비 스 대중화에 속도를 올리고 있는 상황이다. 국내의 경우, 특히(의료ㆍ보건) 중증질환ㆍ소아희 귀질환ㆍ자폐증진단ㆍ관리를 위한 의료 인공지능을 개발하고, 공공병원(2024년 8개) 등을 대상으로 진료보조 인공지능 서비스를 확산 중이며, 다양한 서비스 제공을 위해 2025년부터 건강정보 마이데이터 활용제도가 본격 시행 예정이다.

[그림 1] 전세계 의료 AI 시장규모 전망

 본 고에서는 다양한 의료 서비스 영역 중, 의료 서비스 프로세스인 질병 예방 및 질병 예측, 진단, 치료 및 처방과 의료 상담 분야 기술에 대해 살펴보고자 한다. 특히, 최근 들어 의료 데이터를 활용한 서비스가 증대되고 있는 만큼 정형, 비정형 데이터를 활용한 의료 서비스가 다양한 측면에서 각광 받고 있다. 따라서, 먼저 II장에서 빅데이터 분석 및 활용 기술의 원리 및 최근의 연구 동향을 살펴본 다음, III 장에서는 비전 AI 분야인 영상분석 및 판독 기술의 원리 및 최근의 연구 동향을 중심으로 살펴본다. 끝으로 IV장에서 결론에 대해 말씀드리고자 한다.

II. 빅데이터 분석 및 활용 기술의 원리 및 최근 연구 동향

 “빅데이터”란 일반적으로 기존 데이터 처리 및 분석 방법으로는 이해하기 복잡한 대량의 정형 및 비정형 데이터를 의미한다. 이러한 대규모의 다양한 데이터를 효과적으로 수집, 저 장, 가공 및 정제, 분석 등의 과정을 거쳐서 대상 데이터의 일정한 패턴을 추출하고 기업, 연구 기관, 정부 등 다양한 분야에서 의사 결정을 위한 인사이트를 제공하며 혁신을 이끌어 내는 데 활용되는 것이 “빅데이터 분석”의 목표이다.

[표 1] 의료 분야 데이터의 유형과 특징

<자료> 코난테크놀로지 자체 작성

 의료 분야에서는 의료 및 건강 관련 데이터를 수집, 저장, 분석하여 진단, 치료, 의료 연구, 건강 관리, 의료 시스템 운영 등 다양한 목적으로 활용하게 되는데 데이터들의 유형 및 주요 특징은 [표 1]과 같다.

 의료 데이터는 안전하게 저장되어야 하며, [표 2]와 같은 원리가 적용된다.

[표 2] 의료 데이터 저장 원리

<자료> PPhealthcaresolutions, News & Blog\‘How to store medical records safely’, 2021.

 이러한 의료 데이터의 수집 및 안전한 저장 이후에는 양질의 데이터셋 구축이 필요하다. 아무리 우수한 인공지능 알고리즘이 개발되더라도 양질의 학습용 데이터가 없으면 우수한 인공지능 성능을 기대하기 어렵다. 이러한 이유로 의료 빅데이터에 대한 주목도가 높아지고 있다는 [그림 2]와 같은 설문조사 내용도 있다.

 양질의 학습 데이터셋 구축을 위해서는 의료 분야 전문 용어 등 맞춤 지식 기반 정제 작업과 학습용 데 이터 체계화 및 표준화 작업이 수반된다. [그림 3]과 같이 다양한 의료 현장에서 수집되는 이질적 특성을 보유한 데이터를 목적에 맞도록 효율적으로 수집하 고, 개인정보의 경우 비식별 및 가명 처리하여 인공 지능 모델로 학습 가능하도록 어노테이션 및 레이블 링 과정을 진행하고, 데이터를 선별 및 검증한 후에 의료 인공지능 학습 데이터셋으로 배포하게 된다.

[그림 2] 의료 분야에서의 중요 기술

 인공지능의 편향된 추론을 예방하기 위해 단일 기관에서 구축된 학습 모델 및 데이터에 제한을 두지 않고 다양한 기관에서 생성된 학습 모델 및 데이터를 활용하여 학습 및 검증하게 된다.

 다음으로 빅데이터 분석에 사용되는 주요 기술과 알고리즘을 소개하고자 한다. 대표적으 로 자연어 이해 및 처리(Natural Language Understanding/Processing: NLU/NLP)와 기계 학습(Machine Learning: ML) 기술을 이용한다.

 자연어 이해 및 처리 기술은 컴퓨터가 사람의 언어를 이해하고 처리하는 기술이다. 예를 들어, “오늘 날씨에 어울리는 음악이 뭐야?”라는 질문을 인공지능에게 던졌을 때, 인공지능 이 이 질문의 의미를 파악하고 적절한 답변을 생성하는 것이 자연어 처리 기술이다.

[그림 3] 의료 인공지능 학습 데이터셋 구축 개념도

 이러한 기술을 의료 분야에 응용하여 의료 기록 및 의료 문헌의 텍스트 데이터를 분석하고 이해하게 되어 의료 정보 검색, 진단 보조, 의료 연구 문헌 탐색 등을 개선할 수 있게 된다. 또한, 의료 인공지능은 사람의 인지와 비슷한 수준으로 다양하고 복잡한 대규모 의료 데이터 를 효과적으로 분석하고 패턴을 인식하여 의료진의 진단을 보조하며 휴먼에러를 줄여주고 의료 사고를 방지할 수 있게 된다.

 기계 학습은 데이터를 분석하고 다른 작업의 입력으로 사용할 수 있는 예측을 함으로써 인간의 학습을 모방하는 기술 중 하나이다. 예를 들어, 고양이 사진을 구분하는 기계 학습 모델이 있다고 가정하자. 이 모델은 처음에는 고양이 사진을 보고도 고양이인지 알 수 없다. 하지만 ‘이것은 고양이다’라고 알려주면서 수천 개의 고양이 사진을 보여주면, 모델은 점차 ‘고양이’를 인식하는 방법을 배우게 된다. 이렇게 모델은 데이터와 그에 대한 ‘정답’을 통해 학습하게 되는데 이것이 기계 학습이다.

 기계 학습은 의료 분야에서 가장 중요한 빅데이터 분석 기술 중 하나이다. 사람이 접할 수 있는 데이터보다 많은 양을 학습하게 되는 기계 학습의 인공지능 능력은 사람보다도 정확 할 수 있는 수준으로 평가 받고 있으며, 실효성을 인정받은 [표 3]과 같은 알고리즘들도 지속 적으로 고도화되어 가고 있다. 이런 기계 학습 분석을 통해 질병 예방, 치료 및 수술 결과 예측, 의료 이미지 및 영상 분류, 모니터링 등 다양한 영역에서 활용된다.

 [표 3]에 설명된 기계 학습과 자연어 처리 기술들을 활용한 사례들을 소개하고자 한다. 지난 2023년 7월에 Amazone Web Service(AWS)는 의료 분야 AI 서비스 ‘AWS Health Scribe’에 [그림 4]를 공개하였는데, 헬스 스크라이브는 의사가 진료 시 환자의 진료 기록을 자동으로 작성해주시는 생성형 AI 서비스이다.

[표 3] 의료 데이터 분석 알고리즘

<자료> TechTarget, “Top AI algorithms for healthcare”, 2019.

[그림 4] 환자와 임상의의 대화에서 자동으로 임상 노트 생성

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.