□ 인공지능과 헬스케어 산업혁신
◦ 인공지능과 헬스케어
- 구글과 IBM 모두 인공지능 최우선 활용분야로 헬스케어 지목
- 인공지능 헬스케어 시장은 연평균 40% 이상 고성장 예상 (Frost&Sullivan)
- 헬스케어 데이터 빅뱅, 이 중 80%는 비정형 데이터
- 인공지능 기술 발전은 방대한 데이터의 통합·분석을 통해 헬스케어 분야의 새로운 가치를 창출
◦ 헬스케어 4대영역의 발전 방향
◦ 인공지능 헬스케어 생태계 발전을 위한 제언
- 의료 데이터 환경 마련
· 양질의 빅데이터 확보가 헬스케어 인공지능 성공의 선결 조건
· 국내는 데이터를 기관별로 보유하여 통합·공동 활용 방안 마련 필요
· 빅데이터 의료정보 취급 가이드 마련
- 인공지능 헬스케어 산업 생태계 활성화
· 다양한 분야의 신규 및 기존 기업들의 인공지능 역량확보 필요
· 데이터 확보와 임상시험 등이 용이한 병원 중심의 클러스터 구축
- 인공지능 헬스케어 혁신 동인 마련
· 정부가 적극적으로 이해관계자들의 변화 유도 필요
· 인공지능을 활용한 헬스케어 혁신을 촉진하기 위한 인센티브 제공
· 신기술 발전에 발맞춘 가이드라인 제시 및 규제 합리화
□ 디지털헬스에서 인공지능의 의미
◦ 데이터에 대한 근거만 있으면 개발은 큰 문제가 아님
· How-Old.net 사람의 사진을 올리면 성별과 나이를 판독 하는 사이트는 3명의 개발자가 1일만에 하루에 개발
◦ 중요한 것은 경험적 방법 과학적 방법, 자연과학의 발전, 데이터과학의 발전
- 그동안 데이터를 쓰지 못했던 것은 평상시의 데이터를 파악하지 못했음
- 의사들의 근거기반, 데이터 검증은 탁월함
- 근거 기반의 의료가 지속적으로 발전한 100년후에는 지금의 의료수준이 비과학적으로 보일 지도 모름
◦ 디지털 헬스케어의 의미
- 의미있는 정보, 비용 효용
- 국가별로 상황이 다르며, 한국의 특수성 존재
◦ 디지털 헬스케어의 미래
- 인공지능의사의 출현도 언젠가는 도달 할 것, 그 판단은 인간이 할 것
- 병원은 19세기에 정부에 의한 대규모 자본 투입으로 발전
◦ 빅데이터 기반 의학
- 임상자료외에 평상시의 데이터와 사회거시적 요인, 유전자의 미시적 정보까지 한번에 렌더링 가능, 어떻게 의미있는 정보를 요약해줄지
- 증상 기반 의학에서 근거 기반 의학으로 변화 중
◦ 인공지능의 의료효과
- 의료의 오류는 감소하는 방향으로 변화
- 80%의 알고리즘 의사는 감소, 그러나 더 일은 증가할 것, 더 복잡한 일은 증가
- 의료기관과 환자는 연결 될 것
- 저비용 구조의 혁신적인 사업모델 등장
◦ 의료서비스의 변화
- 보조인력관리, 의사결정에 주안점
- 잘 교육된 보조 인력 서비스로 변경
- 사회적 합의 필요
◦ AI의 방향
- 정밀한 진단
- 저 비용 구조의 혁신적 사업 모델
- 정보기술은 단순화를 가능하게
□ Precision Medicine & Artificial Intelligence
◦ 현재 정밀의료의 상황
- 질병에 대한 예측은 아직 어려운 수준
- 분자생물학, 행동 기반 이런 데이터를 그동안 쓸 수는 없었음
- 유전자 학문 발달, 라이프 스타일 수집 가능해짐
- 유전자, emr, 모바일, 소셜미디어, 웨어러블의 발달
◦ 현재는 데이터 수집 단계
- 현재는 인프라는 갖추어졌으나 아직 데이터의 정확성은 보장하지 못하고 있음
- 투자가 필요한 단계
- 국내 기술과 인프라는 부족
- 데이터 과학이 중요하나, 데이터를 만들 수는 없음
- 데이터를 만드는 원천 기술 확보 필요
◦ 미국의 사례
- 95%는 교류가 가능한 수준
- 미국은 2500억불 배정되어있음, 그 중 데이터를 쌓는데 150억불 투자
- 양질의 데이터는 아직 부족하여 코호트 구축 등 다양한 노력 진행중
- 지역별 코호트 통합
- 훌륭한 인프라 스트럭쳐를 통해 자격을 갖춘이들이 누구나 데이터를 사용 가능
- 규제도 존재하며 정리 중
- 하지만 아직도 FDA까지 통과한 사례는 많지 않음
◦ 한국의 사례
- 한국은 병원 별로 데이터를 가지고 있음 심평원은 depth가 낮음
- 복잡한 규제
◦ 인공지능은 데이터와 연결, 훈련이 더 중요
◦ 정밀의료를 위해 데이터를 만드는데 더 많은 투자가 필요하다
- 증거는 제시하지만, 창조는 하지 않는다. 데이터를 만드는데 더 많은 투자가 필요
□ 패널 토론
◦ (최윤섭 소장) 최근 인공지능에 대한 너무 과대 평가되어있음
◦ (신수용 교수) 한국은 EMR의 활용이 제대로 읽기 어려운 형태로 되어있음
◦ (조미진 매니저) 육안으로 보는 것보다 인공지능이 보는 것이 더 좋을 수 있음. 영상외의 다른 자료로 오타를 보정 가능함, 한국은 데이터가 건강검진센터나 대형병원에 집중화 되있어 수집이 용이함
◦ (정창우 상무 IBM) 데이터 큐레이션이 매우 중요, 전문가가 훈련을 해야 함, 전문가가 선별해야 함, 지도학습은 매우 중요
◦ (신수용 교수) 국내의 경우, 다양한 헬스케어 서비스가 불법으로 간주됨
◦ (신현묵 이사) 기업들은 디지털 헬스케어는 단기적 결과가 나기 어려운 분야로 좀 더 장기적인 관점으로 접근해야 함
- 프로그램 -
| 제목 | 발표자 | 시간 |
|---|---|---|
| 인공지능과 헬스케어 산업 혁신 | 김태호(SPRi 선임연구원) | 20분 |
| 디지털헬스에서 인공지능의 의미 | 신현묵(오픈헬스데이타그룹 이사) | 20분 |
| 정밀의료와 인공지능 | 김정훈(분당서울대병원 교수) | 20분 |
| Q&A 및 패널토론 패널: 신수용(서울아산병원 교수), 조미진(루닛 매니저), 최윤섭(디지털 헬스케어 연구소 소장) |
40분 | |
관련뉴스
구축하고 법률을 정비하는 반면 한국은 열악한 상황이기에 데이터를 만드는데 집중해야 한다”고 주장했다. 인공지능과 미래 헬스케어의 발표 내용은 소프트웨어정책연구소 홈페이지(www.sipri.kr)에서 다시 볼 수 있다. [
소프트웨어정책연구소는 26일 ‘인공지능과 미래 헬스케어’포럼을 개최했다. /소프트웨어정책연구소 제공 헬스케어산업과 인공지능 기술을 융합해 글로벌 경쟁에서 우위를 점하기 위해선 양질의 데이터와 인공지능...
지난 26일 경기도 판교 소프트웨어정책연구소 대회의실에서 `인공지능과 미래 헬스케어` 포럼이 개최됐다. 인공지능(AI) 최우선 적용 분야로 헬스케어 산업이 꼽히는 가운데 우리나라도 관련 역량 확보를 위해 양질 데이터...
미래창조과학부 산하 소프트웨어정책연구소(SPRi)는 국내 전문가들을 대상으로 한 설문조사와 빅데이터... 스마트 헬스케어 오픈소스가 선정됐다. 특히 의료분야 SW는 10대 이슈로 선정된 여러 부문에서 두각을...
소프트웨어정책연구소(소장 김진형, SPRi)는 지난 26일 오후 경기도 판교 연구소 대회의실에서 각 분야 전문가들을 초청해 ‘인공지능과 미래 헬스케어’ 포럼을 개최했다고 27일 밝혔다. 알파고 등장으로 관심이...
최고의 테크 전문가들이 함께 하는 컨퍼런스 '테크트렌드 인사이트-사물인터넷, 헬스케어, 인공지능이... 국내 인공지능학계의 대부로 평가받는 김진형 소프트웨어정책연구소장, 딥러닝 기술로 주목받고 있는...
기가코리아사업단, 소프트웨어정책연구소 등이 공동 주관한다. 2018년에 열린 행사는 세계 최초 5세대(5G)... 디지털 헬스케어, 실감콘텐츠)에 대한 한국의 조기 실증 사례를 공유하고, 다가올 미래시대를 전망한다....
소프트웨어정책연구소는 2023년까지 약 1만8000명의 AI 인력이 부족할 것이라고 전망했다. 또 전 세계 AI 핵심... 이에 기반한 6대 AI 응용 특화 분야(AI+X)로 헬스케어, 금융, 지능형 에이전트, 게임, 보안, 자율주행을...
최근 필자는 소프트웨어정책연구소, 국가미래연구원, 의료질향상학회 등 의료진과 ICT산업 전문가 사이에서 유사한 주제로 강연한 바 있다. 머지않은 디지털 헬스케어의 미래에 대해 모두 공감하고 있었지만 서로 다른...
체계 □ 헬스케어 및 의료 진단, 수술 시스템 CPS의 대표적인 예로 자동차를 같이 생각해보자.... 2017-008, 소프트웨어정책연구소(SPRi), 2018년 4월. [12] Tuan A. Trinh, “Cyber-Physical Systems and Robotics...
