SPRi POPUP3 ENGLISH
SPRi POPUP3 ENGLISH
인공지능과 미래 헬스케어 (2016. 4.26 | 22회)
날짜2016.04.12
조회수15011
글자크기
  • 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
    • 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
    • 임춘성(SPRi 실장)
      임춘성(SPRi 실장)
      김태호(SPRi 선임연구원)
      김태호(SPRi 선임연구원)
      김태호(SPRi 선임연구원)
      김태호(SPRi 선임연구원)
      신현묵(오픈헬스데이타그룹 이사)
      신현묵(오픈헬스데이타그룹 이사)
      김정훈(분당서울대병원 교수)
      김정훈(분당서울대병원 교수)
      패널_조미진 김태호 신수용 김정훈 신현묵
      패널_조미진 김태호 신수용 김정훈 신현묵
  • 프로그램
    • 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
목록