인공지능 기반 의료(데이터과학)
케어 패러다임 전환을 이끌 임상의학과 헬스케어 인공지능에 대한 조망
Regular price
$67.42
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
빠르게 발전하고 있는 인공지능 기술과 의료가 교차하는 분야인 지능 기반 의료에 관한 책으로, 기술서보다는 에세이에 가깝다. 복잡한 수식은 없으며, 지능 기반 의료의 개념, 응용 분야, 비교적 최근까지의 성과들, 윤리적인 문제, 의사들의 인공지능 수용, 현장 도입, 다른 분야와의 협업, 교육 문제 등 다양한 주제를 다룬다. 우리 앞에 놓인 다양한 그림 가운데 이 책은 큰 그림이 될 수밖에 없다. 이를 고민하는 독자라면 이 책에서 많은 영감을 받을 수 있을 것이다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
인공지능의 개념과 방법론을 비롯해 헬스케어와 의료 분야에서 실제로 응용되는 사례 등을 포함하는 다학제적이고 포괄적인 책이다. 선구적인 의사-데이터 과학자가 저술한 책으로, 의료와 데이터 과학이라는 두 영역 사이의 지적이고 학문적인 접점을 대칭적으로 균형 있게 제시한다.
인공지능의 기초 개념과 내과계와 외과계를 아우르는 다양한 의료 분야의 실제 응용 사례들로 내용이 구성돼 있다. 각 파트마다 중요한 핵심 개념이 정리돼 있으며, 세계에서 명망 있는 다양한 분야의 전문가들이 개인적인 관점을 피력한 여러 소고를 풍부하게 포함한다. 부록에는 핵심 참고 문헌, 용어집, 인공지능 관련 회사 등의 정보를 실었다.
이 책의 목적은 인공지능이라는 부상하는 새로운 기술을 사용함으로써 헬스케어와 의료 분야의 전환적 패러다임을 만드는 것이다. 이를 위해 의사들에게는 인공지능 방법론을 포용하기 위한 영감을 주고, 데이터 과학자들에게는 의료 에코시스템에 대한 지식을 전달할 것이다.
◆ 클라우드 컴퓨팅, 지적 에이전트부터 딥 강화 학습, 만물인터넷까지 관련 주제를 폭넓게 소개
◆ 의사와 데이터 과학자들이 쉽게 접근할 수 있도록 이해하기 쉬운 형태의 인공지능 개념과 응용 분야 제시
◆ 인공지능이 여러 의료 세부 전문 과목에서 활용되는 방식과 미래 전망 논의
◆ 의료와 헬스케어 인공지능이 성공적으로 구현되기 위해 필요한 요소 설명
◈ 이 책의 대상 독자 ◈
여러 주제를 포함하고 있는 이 책은 "지능-기반 의료"로 가기 위해서, 헬스케어와 의료 분야에서 데이터 과학, 인공지능, 인간의 인지기능의 원리 및 응용에 관한 풍부한 기초를 다룬다. 주제에 관심이 있는 독자라면 누구나 읽을 수 있게 구성했다. 따라서 진료에 바쁜 의료인, 관심있는 데이터 과학자 및 컴퓨터 과학자, 통찰력을 가진 투자자, 호기심이 많은 병원 관리자 및 리더(최고 경영책임자, 최고 정보책임자 등), 그리고 지식에 목마른 환자와 그 가족이 모두 이 책의 독자가 될 수 있다. 이 책에는 임상 의사가 재미없어 할 수 있는 수학 공식이나 난해한 데이터 과학 주제들이 거의 없다. 그렇다고 의학 전문 용어로 채우고, 인공지능의 개념을 피상적으로 다루지도 않았다. 또한 데이터 과학과 인공지능에 대한 내용에 소홀하지도 않다. 이 영역의 대부분의 요소가 그러하듯, 이 책은 임상 의료, 의학 지식, 인공지능, 데이터 과학이 합쳐진 하이브리드이다. 간단히 말하면 이 책은 빠르게 성장하고 있는 의료와 인공지능 사이의 접점을 정의하는 데 관심이 있는 모든 사람을 염두에 두고 쓰였다.
◈ 이 책의 구성 ◈
1부에서는 여러 용어를 소개하고, 인공지능의 기초 개념을 설명한다. 또한 신경과학과 인공지능의 관계를 탐구한다. 인공지능의 초기 역사와 이 시기 동안의 의료 인공지능의 역사도 설명하는데, 인공지능의 탄생과 의료 분야의 응용은 오늘의 기술을 이해하는 핵심이 된다. 의료 인공지능에 관한 흔한 오해에 대해서도 간단히 설명한다.
2부는 오늘날 생의학 데이터 과학과 인공지능이 어떤 상태에 있는지 상세히 설명하고, 헬스케어 데이터, 데이터베이스, 생의학 데이터 과학의 기초 요소를 소개한다. 오늘날 가장 널리 사용되는 머신러닝과 딥러닝에 관한 내용이 2부의 핵심이다. 더불어 인지 컴퓨팅, 자연어 처리, 로보틱스의 핵심 개념도 소개한다. 의료 인공지능의 기초를 배우기 위한 추천 전략도 소개한다.
3부는 의료 인공지능이 응용되는 여러 영역을 소개하고, 의사 업무의 인지적 측면을 설명한다. 그 다음 각 세부 전문 과목별 의료 인공지능을 살펴보는데, 특히 최전선에 있는 세부 전문 과목에 대해 별도로 논의한다. 의료 인공지능을 성공적으로 구현하기 위한 여러 유용한 가이드도 소개한다.
4부는 의료 인공지능의 미래를 다룬다. 증강 및 가상현실, 만물인터넷 시대의 인공지능의 미래 등을 소개한다. 가상 비서, 양자 컴퓨팅도 간단히 다뤘다. 의학과 관련된 인공지능의 미래는 별도로 논의한다.
마지막 부분에는 핵심 참고 문헌(책과 논문), 상위 100개 이상의 참고 문헌, 알아둘 만한 의료 인공지능 회사 100개, 용어집을 수록했다.
◈ 옮긴이의 말 ◈
이제 인공지능을 빼고 미래를 말하는 것이 사실상 불가능해졌다. 2016년 이세돌과 알파고의 대결에서부터 최근의 챗GPT, GPT-4까지 인공지능은 점점 더 우리의 삶에 가까이 다가왔다. 스마트폰 앱이나 소프트웨어 등 인공지능이 들어간 예를 쉽게 찾을 수 있게 됐다.
그렇게 바뀌는 동안 우리를 포함한 전세계는 코로나19 팬데믹을 겪었다. 포스트 코로나가 어떤 방향으로 어떻게 진행될지 정확히 예측하기란 쉽지 않다. 다만 보건의료체계의 여러 문제가 노출된 만큼 변화는 불가피할 것으로 보인다. 소아과는 코로나 팬데믹으로 직격탄을 맞았고, 내과, 외과, 소아과, 산부인과를 비롯한 소위 '메이저 과목'들 또는 '바이탈을 잡는다'는 과들에 대한 기피 현상까지 생겼다. 뭔가 잘못되고 왜곡됐다는 느낌을 지울 수 없다.
이 책의 번역은 한 사람의 의사로서, 그리고 ICT 책을 번역하거나 저술해 온 아마추어 작가로서 인공지능 시대의 의료(지능 기반 의료)라는 접점을 고민해 보고자 시작했다. 내가 속한 신경과는 넓고, 의학은 더 넓다. 컴퓨터와 인공지능 분야도 마찬가지로 넓어, �은 공부로 무엇을 좀 안다고 하기 민망할 정도다. 위안이라면, 지금까지는 무엇을(What) 안다는 것이 중요했었는데 GPT-4 등이 등장함으로써 앞으론 무엇이 아니라 어떻게(How) 아는지가 중요해질 것 같다는 사실이다. 그렇다면 뭔가를 모색하고 노력하는 그 자체가 중요한 게 아닐까 하는 위안 말이다.
이 책은 나와 비슷한 고민을 하는 의사를 비롯한 보건 의료인, 그리고 보건 의료 ICT를 활용해서 가치 있는 것을 창출하려는 과학, 기술자 모두에게 도움이 될 것이다. 이 분야는 양쪽의 협업 없이는 현실적으로 아무것도 할 수 없다는 데 전적으로 동의한다. 협업하기 위해선 이해가 필수이고, 이 책은 그 이해에 다가서는 데 도움이 될 수 있을 것이다. 책의 여러 군데서 그와 관련한 전문가들의 고민을 접할 수 있다. 대부분 미국의 이야기이지만 우리가 참고할 만한 것도 많다.
[추천사]
오늘날 여러 기술 기업들은 인공지능이 가진 잠재력에 핵심적으로 주목하고 있다. 소셜 미디어와 전문 미디어는 뉴스와 함께 그것이 사회에 미칠 영향에 대한 과대 선전을 계속한다. 머신러닝, 빅데이터 분석, 지능적인 개인 비서, 자율 자동차 등과 같은 주제가 우리 사회에서 보편화되고 있고, 최근 발전과 초기 응용에 고무돼 그 모든 것이 바로 눈앞에 펼쳐질 것처럼 보여지고 있다. 그렇지만 우리가 특히 기대하는 분야 의료와 헬스케어에서의 인공지능과 머신러닝 사용이다. 이전에는 컴퓨터 과학 또는 의생물 정보학에 대한 기술적인 전문지에 한정돼 발표되던 의료 컴퓨팅 관련 연구들이, 이제 임상과 건강 정책을 다른 유명 저널들에서도 흔히 발표되고 있다. 지난 반세기 동안 느리고 점진적인 발전 끝에 최근 대중의 인식에 폭발적으로 파고들 만큼 기술의 발전 속도가 빨라진 지금, 우리에게는 의료 인공지능이라는 새로운 시대가 열리는 중이다. 그렇게 할 수 있었던 것은 컴퓨팅과 커뮤니케이션 기술의 발전으로 소프트웨어의 혁신이 일어났고 보통의 환경에서도 특별한 자금이나 기술의 투자 없이도 쉽게 그런 자원을 활용할 수 있게 됐기 때문이다.
오늘날 스타트업 회사와 기존 기업들은 의료 인공지능에 대해 크게 투자하고 있다. 헬스케어 기관들과 주요 병원들도 비즈니스와 임상적인 목적으로 인공지능을 활용 하기 위해서 상당한 예산을 할애하고 있다. 누구도 뒤처지기를 원하지 않으며 의료 인공지능 "버즈(buzz)"는 도처에서 관찰되고 있다. 그렇지만 일반적인 의사, 환자, 기자들에게는 이 분야의 신비감을 걷어내고자 하는 니즈가 존재한다. 기술, 현재 상태를 이해하고, 완전한 잠재력을 발휘하기 위해 어떤 장벽들이 존재하는지 알고자 하는 것이다.
때마침 앤서니 창 박사가 역사와 용어, 핵심 개념, 현재 상태, 미래 전망 등 의료 인공지능에 대해 포괄적인 접근법을 제공해줄 쉬운 자료에 대한 수요를 인식했다. 창 박사는 의료, 공중 보건, 사업, 데이터 과학, 의료 정보학 등에 관한 공식적인 수련을 바탕으로 이 분야에 관해 놀랍도록 정리된 글을 썼으며, 이는 다양하고 넓은 독자들의 니즈를 맞출 수 있을 것이다. 나는 거의 50년 동안 이 분야에서 일했고 이 책에서 다루는 대부분의 내용을 알고 있었음에도, 저자가 설명하는 핵심 기술과 문제들, 때로는 그런 주제들의 연관성, 문제를 정의하는 방법 등을 접하면서 깊은 재미를 느꼈다. 또한 이 분야를 전체적으로 바라보는 식견을 형성하는 데 도움을 받았다. 그는 이 분야들을 합쳐 서로 잘 어우러진 전체로 만들었고, 유용한 용어집과 혁신적인 방식으로 인공지능을 활용하고자 하는 여러 회사를 정리해 보여줬다.
그 어떤 새롭고 잠재적이며 혁명적인 분야라도 커뮤니티를 연결하고, 입문자에게 혼란을 주는 용어와 개념을 명확히 하며, 잠재력을 실현하는 데에 도움이 되도록 에너지를 불러일으킬 해설자가 필요하기 마련이다. 이 책이 독자들에게 보여주듯, 앤서니 창은 의료 인공지능 분야에서 그런 역할을 하고 있다. 이 책은 환자를 돌보고 개인의 건강을 지키는 방식을 개선하고 혁신을 일으키기를 원하는 대중의 눈높이를 적절히 맞추고 있다.
-에드워드 쇼틀리프(Edward H. Shortliffe),
MD, PhD, 뉴욕시 『Biomedical Informatics』저자
100년 후에 뒤돌아보면 인공지능이 없는 시대에 헬스케어를 전달하는 것이 얼마나 어려웠는지 상상하면서 고개를 절레절레 흔들게 될 것이다. 이는 마치 오늘날 항생제가 없던 시대를 상상하기 어려운 것과 같다. 항생제가 있었더라면 불필요한 사망이나 어려움도 피할 수 있었을 텐데 말이다.
좋든 나쁘든, 우리는 인간이 관리하거나 운용하기에는 너무나 복잡한 지금의 헬스케어 시스템을 만들어 왔다.
과학이라는 엔진은 산업화된 규모로 연구에서 밝혀진 내용들을 잘게 썰어서 디지털 저장소에 보관한다. 그렇게 보관된 것들 가운데 아주 일부만이 다시 검토되고, 다시 그 가운데 일부만이 실제로 사용된다. 심지어 오늘날의 연구의 상당 부분은 방법론적인 오류, 내재된 편향, 또는 단순히 이미 답이 나와있는 문제를 다시 다뤘다는 이유만으로 "낭비" 취급을 받는다.
우리의 헬스케어 전달 서비스는 그 자체로 하나의 시스템을 이루기보다는 형편없이 서로 연결된 조각들로 구성된 복잡한 잡동사니에 지나지 않는다. "시스템"은 결코 설계되지 않았다. 시간이 지나면서 고착화됐다고 말하는 편이 낫다. 본질적으로 호환되지 않아 종종 상호운영성이 떨어지는 서로 다른 기술들을 이것저것 사용해왔을 뿐이다.
한편 시민들도 이런 의료 체계를 헤맸고, 소셜 미디어나 조작된 정보에 의해서 서로 다른 믿음을 가진 커뮤니티로 나뉘어졌다. 백신 거부, 증거에 기반하지 않는 대체 의학, 만성 질환을 유발하는 생활 습관 등과 관련된 정보를 접하면서 사람들은 종종 자신을 예방적 건강 캠페인에서 멀리 떨어뜨려 놓고, 피할 수도 있었던 중대한 질환들을 가지고 뒤늦게 헬스케어 시스템을 찾는다.
인공지능이 이런 모든 상황을 극복하게 하지는 못하지만, 잘 만들어진 기술이 효과적인 개인들의 손에 주어지면 아주 큰 차이를 만들어낼 수 있을 것이다.
인공지능 시스템은 기존에 존재하는 증거를 찾고 그것을 요약해 환자의 치료, 조사, 예후에 대한 특정 질문에 대한 답을 내놓는 데 탁월하다. 맞춤식 해답은 집단에 기반한 해답을 대체할 수 있을 것이다. 인공지능은 특정 환자의 상황에 가장 잘 들어맞는 증거를 찾을 수 있을 것이기 때문이다. 인간은 도움 없이는 결코 이런 일을 할 수 없다. 인공지능 보조 진단 및 치료 계획의 정밀도는 대부분의 헬스 서비스에서 빠른 시일 안에 인간 개인의 능력을 넘어설 것이다.
스마트 헬스 서비스는 서로 더 잘 연결될 수 있을 것이고, 분산된 인공지능 시스템은 개인의 역량보다 헬스케어 시스템의 복잡성을 더 잘 헤쳐 나갈 수 있을 것이다. 인공지능이 개인 가이드로 고용되면, 다음으로 살펴볼 환자를 결정하거나 다음에 어떤 임상 서비스를 받을지 등을 찾아내는 일이 더욱 체계적이고 맞춤화된 여정이 될 것이다.
사람들은 결국 항상 원하는 대로 믿는 경향이 있다. 그렇지만 인공지능은 기존의 믿음에 편향되지 않고 시민들을 사용 가능한 최선의 증거로 이끌어줄 것이고, 그 내용을 의미 있는 방식으로 설명할 수 있다. 우리가 신뢰하는 개인 인공지능 비서를 둘 때, 연구를 통해 얻은 증거를 대하는 방식은 상당히 달라질 것이다. 예를 들어, 선택이 가져올 결과를 스마트한 방식으로 시각화해 보여주면 사람들의 행동을 바꿀 수 있다.
이 책은 헬스케어를 위한 인공지능 개발에 호기심이 집중됐을 뿐만 아니라 실현을 위한 강력한 동기를 가지고 있는 이 역사적인 순간에 세상에 나오려고 하고 있다. 우리는 지금 인공지능이 없는 현재의 헬스케어가 얼마나 복잡하고 비싸며 궁극적으로 지속 불가능한지 목도하고 있을 뿐만 아니라 인공지능이 우리 삶의 다른 부분을 얼마나 바꾸고 있는지도 지켜보고 있다.
인공지능을 공부하는 학생들은 이 책에서 많은 것을 배우게 될 것이다. 그 가운데 많은 것은 헬스케어 인공지능에 대한 초창기 텍스트가 나타나기 시작한 30여 년 전부터 지금까지의 변화다. 변화, 혁신, 발견의 속도는 언제나 유지되고 있다. 이런 변화들을 다루려면, 반감기가 아주 짧은 특정 기술에 대한 상세한 내용보다는 핵심적인 원리를 이해하는 것이 더 중요하다. 그리고 30년 전 인공지능 헬스케어 연구자들이 부딪혔던 큰 도전의 많은 것들이 여전히 해결되지 않았음을 기억해야 한다. 이전에 보지 못한 케이스에 대해 기계가 어떻게 추론할까? 다양한 종류의 서로 상호작용하는 질환이 있는 상황에서 우리는 어떻게 임상적인 소견을 해석할 것인가? 데이터의 연관성에서 어떻게 인과 관계를 추론할 것인가? 인간과 컴퓨터는 어떻게 의미 있는 파트너십을 맺을 수 있을까?
우리는 인공지능 이전의 의료 시대와 인공지능이 가능해진 의료 시대라는 두 시대의 역사적 경계선에 서 있다. 우리는 과거 역사를 잘 알고 있다. 새로운 역사는 이제 막 쓰여지고 있다.
-앙리코 코이에라(Enrico Coiera),
『Guide to Health Informatics』저자
인공지능의 기초 개념과 내과계와 외과계를 아우르는 다양한 의료 분야의 실제 응용 사례들로 내용이 구성돼 있다. 각 파트마다 중요한 핵심 개념이 정리돼 있으며, 세계에서 명망 있는 다양한 분야의 전문가들이 개인적인 관점을 피력한 여러 소고를 풍부하게 포함한다. 부록에는 핵심 참고 문헌, 용어집, 인공지능 관련 회사 등의 정보를 실었다.
이 책의 목적은 인공지능이라는 부상하는 새로운 기술을 사용함으로써 헬스케어와 의료 분야의 전환적 패러다임을 만드는 것이다. 이를 위해 의사들에게는 인공지능 방법론을 포용하기 위한 영감을 주고, 데이터 과학자들에게는 의료 에코시스템에 대한 지식을 전달할 것이다.
◆ 클라우드 컴퓨팅, 지적 에이전트부터 딥 강화 학습, 만물인터넷까지 관련 주제를 폭넓게 소개
◆ 의사와 데이터 과학자들이 쉽게 접근할 수 있도록 이해하기 쉬운 형태의 인공지능 개념과 응용 분야 제시
◆ 인공지능이 여러 의료 세부 전문 과목에서 활용되는 방식과 미래 전망 논의
◆ 의료와 헬스케어 인공지능이 성공적으로 구현되기 위해 필요한 요소 설명
◈ 이 책의 대상 독자 ◈
여러 주제를 포함하고 있는 이 책은 "지능-기반 의료"로 가기 위해서, 헬스케어와 의료 분야에서 데이터 과학, 인공지능, 인간의 인지기능의 원리 및 응용에 관한 풍부한 기초를 다룬다. 주제에 관심이 있는 독자라면 누구나 읽을 수 있게 구성했다. 따라서 진료에 바쁜 의료인, 관심있는 데이터 과학자 및 컴퓨터 과학자, 통찰력을 가진 투자자, 호기심이 많은 병원 관리자 및 리더(최고 경영책임자, 최고 정보책임자 등), 그리고 지식에 목마른 환자와 그 가족이 모두 이 책의 독자가 될 수 있다. 이 책에는 임상 의사가 재미없어 할 수 있는 수학 공식이나 난해한 데이터 과학 주제들이 거의 없다. 그렇다고 의학 전문 용어로 채우고, 인공지능의 개념을 피상적으로 다루지도 않았다. 또한 데이터 과학과 인공지능에 대한 내용에 소홀하지도 않다. 이 영역의 대부분의 요소가 그러하듯, 이 책은 임상 의료, 의학 지식, 인공지능, 데이터 과학이 합쳐진 하이브리드이다. 간단히 말하면 이 책은 빠르게 성장하고 있는 의료와 인공지능 사이의 접점을 정의하는 데 관심이 있는 모든 사람을 염두에 두고 쓰였다.
◈ 이 책의 구성 ◈
1부에서는 여러 용어를 소개하고, 인공지능의 기초 개념을 설명한다. 또한 신경과학과 인공지능의 관계를 탐구한다. 인공지능의 초기 역사와 이 시기 동안의 의료 인공지능의 역사도 설명하는데, 인공지능의 탄생과 의료 분야의 응용은 오늘의 기술을 이해하는 핵심이 된다. 의료 인공지능에 관한 흔한 오해에 대해서도 간단히 설명한다.
2부는 오늘날 생의학 데이터 과학과 인공지능이 어떤 상태에 있는지 상세히 설명하고, 헬스케어 데이터, 데이터베이스, 생의학 데이터 과학의 기초 요소를 소개한다. 오늘날 가장 널리 사용되는 머신러닝과 딥러닝에 관한 내용이 2부의 핵심이다. 더불어 인지 컴퓨팅, 자연어 처리, 로보틱스의 핵심 개념도 소개한다. 의료 인공지능의 기초를 배우기 위한 추천 전략도 소개한다.
3부는 의료 인공지능이 응용되는 여러 영역을 소개하고, 의사 업무의 인지적 측면을 설명한다. 그 다음 각 세부 전문 과목별 의료 인공지능을 살펴보는데, 특히 최전선에 있는 세부 전문 과목에 대해 별도로 논의한다. 의료 인공지능을 성공적으로 구현하기 위한 여러 유용한 가이드도 소개한다.
4부는 의료 인공지능의 미래를 다룬다. 증강 및 가상현실, 만물인터넷 시대의 인공지능의 미래 등을 소개한다. 가상 비서, 양자 컴퓨팅도 간단히 다뤘다. 의학과 관련된 인공지능의 미래는 별도로 논의한다.
마지막 부분에는 핵심 참고 문헌(책과 논문), 상위 100개 이상의 참고 문헌, 알아둘 만한 의료 인공지능 회사 100개, 용어집을 수록했다.
◈ 옮긴이의 말 ◈
이제 인공지능을 빼고 미래를 말하는 것이 사실상 불가능해졌다. 2016년 이세돌과 알파고의 대결에서부터 최근의 챗GPT, GPT-4까지 인공지능은 점점 더 우리의 삶에 가까이 다가왔다. 스마트폰 앱이나 소프트웨어 등 인공지능이 들어간 예를 쉽게 찾을 수 있게 됐다.
그렇게 바뀌는 동안 우리를 포함한 전세계는 코로나19 팬데믹을 겪었다. 포스트 코로나가 어떤 방향으로 어떻게 진행될지 정확히 예측하기란 쉽지 않다. 다만 보건의료체계의 여러 문제가 노출된 만큼 변화는 불가피할 것으로 보인다. 소아과는 코로나 팬데믹으로 직격탄을 맞았고, 내과, 외과, 소아과, 산부인과를 비롯한 소위 '메이저 과목'들 또는 '바이탈을 잡는다'는 과들에 대한 기피 현상까지 생겼다. 뭔가 잘못되고 왜곡됐다는 느낌을 지울 수 없다.
이 책의 번역은 한 사람의 의사로서, 그리고 ICT 책을 번역하거나 저술해 온 아마추어 작가로서 인공지능 시대의 의료(지능 기반 의료)라는 접점을 고민해 보고자 시작했다. 내가 속한 신경과는 넓고, 의학은 더 넓다. 컴퓨터와 인공지능 분야도 마찬가지로 넓어, �은 공부로 무엇을 좀 안다고 하기 민망할 정도다. 위안이라면, 지금까지는 무엇을(What) 안다는 것이 중요했었는데 GPT-4 등이 등장함으로써 앞으론 무엇이 아니라 어떻게(How) 아는지가 중요해질 것 같다는 사실이다. 그렇다면 뭔가를 모색하고 노력하는 그 자체가 중요한 게 아닐까 하는 위안 말이다.
이 책은 나와 비슷한 고민을 하는 의사를 비롯한 보건 의료인, 그리고 보건 의료 ICT를 활용해서 가치 있는 것을 창출하려는 과학, 기술자 모두에게 도움이 될 것이다. 이 분야는 양쪽의 협업 없이는 현실적으로 아무것도 할 수 없다는 데 전적으로 동의한다. 협업하기 위해선 이해가 필수이고, 이 책은 그 이해에 다가서는 데 도움이 될 수 있을 것이다. 책의 여러 군데서 그와 관련한 전문가들의 고민을 접할 수 있다. 대부분 미국의 이야기이지만 우리가 참고할 만한 것도 많다.
[추천사]
오늘날 여러 기술 기업들은 인공지능이 가진 잠재력에 핵심적으로 주목하고 있다. 소셜 미디어와 전문 미디어는 뉴스와 함께 그것이 사회에 미칠 영향에 대한 과대 선전을 계속한다. 머신러닝, 빅데이터 분석, 지능적인 개인 비서, 자율 자동차 등과 같은 주제가 우리 사회에서 보편화되고 있고, 최근 발전과 초기 응용에 고무돼 그 모든 것이 바로 눈앞에 펼쳐질 것처럼 보여지고 있다. 그렇지만 우리가 특히 기대하는 분야 의료와 헬스케어에서의 인공지능과 머신러닝 사용이다. 이전에는 컴퓨터 과학 또는 의생물 정보학에 대한 기술적인 전문지에 한정돼 발표되던 의료 컴퓨팅 관련 연구들이, 이제 임상과 건강 정책을 다른 유명 저널들에서도 흔히 발표되고 있다. 지난 반세기 동안 느리고 점진적인 발전 끝에 최근 대중의 인식에 폭발적으로 파고들 만큼 기술의 발전 속도가 빨라진 지금, 우리에게는 의료 인공지능이라는 새로운 시대가 열리는 중이다. 그렇게 할 수 있었던 것은 컴퓨팅과 커뮤니케이션 기술의 발전으로 소프트웨어의 혁신이 일어났고 보통의 환경에서도 특별한 자금이나 기술의 투자 없이도 쉽게 그런 자원을 활용할 수 있게 됐기 때문이다.
오늘날 스타트업 회사와 기존 기업들은 의료 인공지능에 대해 크게 투자하고 있다. 헬스케어 기관들과 주요 병원들도 비즈니스와 임상적인 목적으로 인공지능을 활용 하기 위해서 상당한 예산을 할애하고 있다. 누구도 뒤처지기를 원하지 않으며 의료 인공지능 "버즈(buzz)"는 도처에서 관찰되고 있다. 그렇지만 일반적인 의사, 환자, 기자들에게는 이 분야의 신비감을 걷어내고자 하는 니즈가 존재한다. 기술, 현재 상태를 이해하고, 완전한 잠재력을 발휘하기 위해 어떤 장벽들이 존재하는지 알고자 하는 것이다.
때마침 앤서니 창 박사가 역사와 용어, 핵심 개념, 현재 상태, 미래 전망 등 의료 인공지능에 대해 포괄적인 접근법을 제공해줄 쉬운 자료에 대한 수요를 인식했다. 창 박사는 의료, 공중 보건, 사업, 데이터 과학, 의료 정보학 등에 관한 공식적인 수련을 바탕으로 이 분야에 관해 놀랍도록 정리된 글을 썼으며, 이는 다양하고 넓은 독자들의 니즈를 맞출 수 있을 것이다. 나는 거의 50년 동안 이 분야에서 일했고 이 책에서 다루는 대부분의 내용을 알고 있었음에도, 저자가 설명하는 핵심 기술과 문제들, 때로는 그런 주제들의 연관성, 문제를 정의하는 방법 등을 접하면서 깊은 재미를 느꼈다. 또한 이 분야를 전체적으로 바라보는 식견을 형성하는 데 도움을 받았다. 그는 이 분야들을 합쳐 서로 잘 어우러진 전체로 만들었고, 유용한 용어집과 혁신적인 방식으로 인공지능을 활용하고자 하는 여러 회사를 정리해 보여줬다.
그 어떤 새롭고 잠재적이며 혁명적인 분야라도 커뮤니티를 연결하고, 입문자에게 혼란을 주는 용어와 개념을 명확히 하며, 잠재력을 실현하는 데에 도움이 되도록 에너지를 불러일으킬 해설자가 필요하기 마련이다. 이 책이 독자들에게 보여주듯, 앤서니 창은 의료 인공지능 분야에서 그런 역할을 하고 있다. 이 책은 환자를 돌보고 개인의 건강을 지키는 방식을 개선하고 혁신을 일으키기를 원하는 대중의 눈높이를 적절히 맞추고 있다.
-에드워드 쇼틀리프(Edward H. Shortliffe),
MD, PhD, 뉴욕시 『Biomedical Informatics』저자
100년 후에 뒤돌아보면 인공지능이 없는 시대에 헬스케어를 전달하는 것이 얼마나 어려웠는지 상상하면서 고개를 절레절레 흔들게 될 것이다. 이는 마치 오늘날 항생제가 없던 시대를 상상하기 어려운 것과 같다. 항생제가 있었더라면 불필요한 사망이나 어려움도 피할 수 있었을 텐데 말이다.
좋든 나쁘든, 우리는 인간이 관리하거나 운용하기에는 너무나 복잡한 지금의 헬스케어 시스템을 만들어 왔다.
과학이라는 엔진은 산업화된 규모로 연구에서 밝혀진 내용들을 잘게 썰어서 디지털 저장소에 보관한다. 그렇게 보관된 것들 가운데 아주 일부만이 다시 검토되고, 다시 그 가운데 일부만이 실제로 사용된다. 심지어 오늘날의 연구의 상당 부분은 방법론적인 오류, 내재된 편향, 또는 단순히 이미 답이 나와있는 문제를 다시 다뤘다는 이유만으로 "낭비" 취급을 받는다.
우리의 헬스케어 전달 서비스는 그 자체로 하나의 시스템을 이루기보다는 형편없이 서로 연결된 조각들로 구성된 복잡한 잡동사니에 지나지 않는다. "시스템"은 결코 설계되지 않았다. 시간이 지나면서 고착화됐다고 말하는 편이 낫다. 본질적으로 호환되지 않아 종종 상호운영성이 떨어지는 서로 다른 기술들을 이것저것 사용해왔을 뿐이다.
한편 시민들도 이런 의료 체계를 헤맸고, 소셜 미디어나 조작된 정보에 의해서 서로 다른 믿음을 가진 커뮤니티로 나뉘어졌다. 백신 거부, 증거에 기반하지 않는 대체 의학, 만성 질환을 유발하는 생활 습관 등과 관련된 정보를 접하면서 사람들은 종종 자신을 예방적 건강 캠페인에서 멀리 떨어뜨려 놓고, 피할 수도 있었던 중대한 질환들을 가지고 뒤늦게 헬스케어 시스템을 찾는다.
인공지능이 이런 모든 상황을 극복하게 하지는 못하지만, 잘 만들어진 기술이 효과적인 개인들의 손에 주어지면 아주 큰 차이를 만들어낼 수 있을 것이다.
인공지능 시스템은 기존에 존재하는 증거를 찾고 그것을 요약해 환자의 치료, 조사, 예후에 대한 특정 질문에 대한 답을 내놓는 데 탁월하다. 맞춤식 해답은 집단에 기반한 해답을 대체할 수 있을 것이다. 인공지능은 특정 환자의 상황에 가장 잘 들어맞는 증거를 찾을 수 있을 것이기 때문이다. 인간은 도움 없이는 결코 이런 일을 할 수 없다. 인공지능 보조 진단 및 치료 계획의 정밀도는 대부분의 헬스 서비스에서 빠른 시일 안에 인간 개인의 능력을 넘어설 것이다.
스마트 헬스 서비스는 서로 더 잘 연결될 수 있을 것이고, 분산된 인공지능 시스템은 개인의 역량보다 헬스케어 시스템의 복잡성을 더 잘 헤쳐 나갈 수 있을 것이다. 인공지능이 개인 가이드로 고용되면, 다음으로 살펴볼 환자를 결정하거나 다음에 어떤 임상 서비스를 받을지 등을 찾아내는 일이 더욱 체계적이고 맞춤화된 여정이 될 것이다.
사람들은 결국 항상 원하는 대로 믿는 경향이 있다. 그렇지만 인공지능은 기존의 믿음에 편향되지 않고 시민들을 사용 가능한 최선의 증거로 이끌어줄 것이고, 그 내용을 의미 있는 방식으로 설명할 수 있다. 우리가 신뢰하는 개인 인공지능 비서를 둘 때, 연구를 통해 얻은 증거를 대하는 방식은 상당히 달라질 것이다. 예를 들어, 선택이 가져올 결과를 스마트한 방식으로 시각화해 보여주면 사람들의 행동을 바꿀 수 있다.
이 책은 헬스케어를 위한 인공지능 개발에 호기심이 집중됐을 뿐만 아니라 실현을 위한 강력한 동기를 가지고 있는 이 역사적인 순간에 세상에 나오려고 하고 있다. 우리는 지금 인공지능이 없는 현재의 헬스케어가 얼마나 복잡하고 비싸며 궁극적으로 지속 불가능한지 목도하고 있을 뿐만 아니라 인공지능이 우리 삶의 다른 부분을 얼마나 바꾸고 있는지도 지켜보고 있다.
인공지능을 공부하는 학생들은 이 책에서 많은 것을 배우게 될 것이다. 그 가운데 많은 것은 헬스케어 인공지능에 대한 초창기 텍스트가 나타나기 시작한 30여 년 전부터 지금까지의 변화다. 변화, 혁신, 발견의 속도는 언제나 유지되고 있다. 이런 변화들을 다루려면, 반감기가 아주 짧은 특정 기술에 대한 상세한 내용보다는 핵심적인 원리를 이해하는 것이 더 중요하다. 그리고 30년 전 인공지능 헬스케어 연구자들이 부딪혔던 큰 도전의 많은 것들이 여전히 해결되지 않았음을 기억해야 한다. 이전에 보지 못한 케이스에 대해 기계가 어떻게 추론할까? 다양한 종류의 서로 상호작용하는 질환이 있는 상황에서 우리는 어떻게 임상적인 소견을 해석할 것인가? 데이터의 연관성에서 어떻게 인과 관계를 추론할 것인가? 인간과 컴퓨터는 어떻게 의미 있는 파트너십을 맺을 수 있을까?
우리는 인공지능 이전의 의료 시대와 인공지능이 가능해진 의료 시대라는 두 시대의 역사적 경계선에 서 있다. 우리는 과거 역사를 잘 알고 있다. 새로운 역사는 이제 막 쓰여지고 있다.
-앙리코 코이에라(Enrico Coiera),
『Guide to Health Informatics』저자
목차
목차
PART 1. 인공지능의 기초
__1장. 인공지능의 기초 개념
____정의
______인공지능의 유형
______인공지능과 데이터 과학
______인간과 기계 간 지능의 확장 연속체
______데이터 분석 연속체
____인공지능과 신경과학
______의사의 두뇌와 기계 지능
______참고 문헌
__2장. 인공지능의 역사
____핵심 인물과 사건
______앨런 튜링과 튜링 머신
______다트머스 회의
______로젠블랫의 퍼셉트론
____핵심 시기와 주요 흐름
______고파이(GOFAI)
______컴퓨터 지능
______인공지능 겨울
______참고 문헌
__3장. 의료 인공지능의 역사
____규칙 기반 전문가 시스템
____기타 인공지능 방법론
____도입 실패
____흔한 의료 분야 인공지능의 열 가지 오해
______참고 문헌
____핵심 개념
PART 2. 현재의 데이터 과학과 인공지능
__4장. 헬스케어 데이터와 데이터베이스
____헬스케어 데이터
______빅데이터
______헬스케어 데이터의 난제들
____헬스케어 데이터 관리
______데이터 프로세싱과 저장
______전자의무기록 사용과 상호운용성
____헬스케어 데이터베이스
______데이터베이스 관리 시스템
______관계형 데이터베이스
______객체지향 데이터베이스
______그래프 데이터베이스
____데이터에서 지능까지의 연속체와 인공지능
______참고 문헌
__5장. 머신러닝과 딥러닝
____머신러닝 소개
______데이터 마이닝과 지식 발견
______머신러닝의 역사와 현재 상태
______머신러닝 대 전통적인 프로그래밍
______머신러닝 작업 흐름
______생명공학 분야의 데이터 과학
______의생명 데이터 과학에서의 프로그래밍 언어
______전통적 머신러닝
______장단점
______앙상블 학습
______강화 학습
____신경망과 딥러닝
______퍼셉트론과 다층 퍼셉트론
______딥러닝
______오토인코더 신경망
____모델 성능 평가
______평가 방법
______회귀 모델의 평가
______분류 모델의 평가
____머신러닝과 딥러닝의 근본적인 문제들
______해석 가능성과 설명 가능성
______편향-분산 트레이드오프
______적합fitting
______차원의 저주
______상관 관계 대 인과 관계
______머신러닝 대 딥러닝
______참고 문헌
__6장. 인공지능의 다른 핵심 개념들
____인지 컴퓨팅
____자연어 처리
____로봇공학
______자율 시스템
______로보틱 프로세스 자동화
____인공지능과 관련된 기타 핵심 기술들
______증강 및 가상현실
______블록체인
______클라우드
______사이버보안
______사물 인터넷
____인공지능과 관련된 핵심 문제들
______편향
______윤리
______안정성
______법
____핵심 개념
____데이터 과학과 인공지능 지식 평가를 위한 10가지 질문
____의료 인공지능을 더 잘 이해하기 위한 10가지 단계
______참고 문헌
PART 3. 의료 인공지능의 현시대
__7장. 의사의 지능과 의료 인공지능
____지능 기반 의료의 논리적 근거
____의료 인공지능의 채용: 앞에 놓여진 과제들
____의사의 인지 구조와 의료 인공지능
____현재 인공지능의 의학적 응용
______참고 문헌
__8장. 전문 과목별 인공지능
__전문 과목별 최근 인공지능 현황
__전문 과목별 인공지능 전략과 응용
____모든 전문 과목을 아우르는 인공지능 응용
____마취과학(Anesthesiology)
____성인 및 소아 심장내과(Cardiology)와 심장 외과(Cardiac Surgery)
____중환자 의학(Critical Care Medicine)
____피부과
____응급의학
____내분비학(Endocrinology)
____소화기학
____공중 보건학과 역학(Public Health, Epidemiology)
____혈액학
____감염학(Infectious Disease)
____내과 일반 및 가정의학과/일차의료(Internal and Family Medicine/Primary Care)
____신장학(Nephrology)
____신경과학(Neurosciences)(신경과(Neurology)/신경외과(Neurosurgery)/신경정신의학과(Psychiatry)/심리학(Psychology))
____산부인과
____종양학
____안과학(Ophthalmology)
____병리학(Pathology)
____소아과
____호흡기내과
____영상의학과
____류마티스학(Rheumatology)
____외과학(Surgery)
____치과학(Dentistry)
____디지털 헬스
____유전체 의학 및 정밀의료(Genomic Medicine, Precision/Personalized Medicine)
____재활의학과
____재생 의학(Regenerative Medicine)
____수의학(Veterinary Medicine)
____의학 교육과 수련(Medical Education and Training)
____간호학(Nursing)
____헬스케어 행정(Healthcare Administration)
____참고 문헌
__9장. 의료 인공지능의 구현
____핵심 개념
____헬스케어 기관에서의 인공지능 준비도 평가
____성공적인 의료 인공지능 구현을 위한 10가지 요소
____의료 인공지능 구현을 위해 극복해야 할 10가지 장애물
______참고 문헌
PART 4. 인공지능의 미래와 의료 응용
__10장. 인공지능의 미래에 관한 주요 개념
____5G
____증강현실과 가상현실
____블록체인과 사이버 보안
____뇌-컴퓨터 인터페이스
____캡슐 네트워크
____클라우드 인공지능
____엣지 컴퓨팅
____내장된 인공지능(만물인터넷)
____퍼지 인지 맵
____생성적 질의 네트워크
____하이퍼그래프 데이터베이스
____로샷 러닝
____뉴로모픽 컴퓨팅
____양자 컴퓨팅
____재귀적 피질 신경망
____스파이킹 신경망
____스웜 지능
____템포랄 컨볼루션 넷
____전이 학습
____데이터와 데이터베이스
______참고 문헌
__11장. 의료 인공지능의 미래
____핵심 개념
______참고 문헌
__1장. 인공지능의 기초 개념
____정의
______인공지능의 유형
______인공지능과 데이터 과학
______인간과 기계 간 지능의 확장 연속체
______데이터 분석 연속체
____인공지능과 신경과학
______의사의 두뇌와 기계 지능
______참고 문헌
__2장. 인공지능의 역사
____핵심 인물과 사건
______앨런 튜링과 튜링 머신
______다트머스 회의
______로젠블랫의 퍼셉트론
____핵심 시기와 주요 흐름
______고파이(GOFAI)
______컴퓨터 지능
______인공지능 겨울
______참고 문헌
__3장. 의료 인공지능의 역사
____규칙 기반 전문가 시스템
____기타 인공지능 방법론
____도입 실패
____흔한 의료 분야 인공지능의 열 가지 오해
______참고 문헌
____핵심 개념
PART 2. 현재의 데이터 과학과 인공지능
__4장. 헬스케어 데이터와 데이터베이스
____헬스케어 데이터
______빅데이터
______헬스케어 데이터의 난제들
____헬스케어 데이터 관리
______데이터 프로세싱과 저장
______전자의무기록 사용과 상호운용성
____헬스케어 데이터베이스
______데이터베이스 관리 시스템
______관계형 데이터베이스
______객체지향 데이터베이스
______그래프 데이터베이스
____데이터에서 지능까지의 연속체와 인공지능
______참고 문헌
__5장. 머신러닝과 딥러닝
____머신러닝 소개
______데이터 마이닝과 지식 발견
______머신러닝의 역사와 현재 상태
______머신러닝 대 전통적인 프로그래밍
______머신러닝 작업 흐름
______생명공학 분야의 데이터 과학
______의생명 데이터 과학에서의 프로그래밍 언어
______전통적 머신러닝
______장단점
______앙상블 학습
______강화 학습
____신경망과 딥러닝
______퍼셉트론과 다층 퍼셉트론
______딥러닝
______오토인코더 신경망
____모델 성능 평가
______평가 방법
______회귀 모델의 평가
______분류 모델의 평가
____머신러닝과 딥러닝의 근본적인 문제들
______해석 가능성과 설명 가능성
______편향-분산 트레이드오프
______적합fitting
______차원의 저주
______상관 관계 대 인과 관계
______머신러닝 대 딥러닝
______참고 문헌
__6장. 인공지능의 다른 핵심 개념들
____인지 컴퓨팅
____자연어 처리
____로봇공학
______자율 시스템
______로보틱 프로세스 자동화
____인공지능과 관련된 기타 핵심 기술들
______증강 및 가상현실
______블록체인
______클라우드
______사이버보안
______사물 인터넷
____인공지능과 관련된 핵심 문제들
______편향
______윤리
______안정성
______법
____핵심 개념
____데이터 과학과 인공지능 지식 평가를 위한 10가지 질문
____의료 인공지능을 더 잘 이해하기 위한 10가지 단계
______참고 문헌
PART 3. 의료 인공지능의 현시대
__7장. 의사의 지능과 의료 인공지능
____지능 기반 의료의 논리적 근거
____의료 인공지능의 채용: 앞에 놓여진 과제들
____의사의 인지 구조와 의료 인공지능
____현재 인공지능의 의학적 응용
______참고 문헌
__8장. 전문 과목별 인공지능
__전문 과목별 최근 인공지능 현황
__전문 과목별 인공지능 전략과 응용
____모든 전문 과목을 아우르는 인공지능 응용
____마취과학(Anesthesiology)
____성인 및 소아 심장내과(Cardiology)와 심장 외과(Cardiac Surgery)
____중환자 의학(Critical Care Medicine)
____피부과
____응급의학
____내분비학(Endocrinology)
____소화기학
____공중 보건학과 역학(Public Health, Epidemiology)
____혈액학
____감염학(Infectious Disease)
____내과 일반 및 가정의학과/일차의료(Internal and Family Medicine/Primary Care)
____신장학(Nephrology)
____신경과학(Neurosciences)(신경과(Neurology)/신경외과(Neurosurgery)/신경정신의학과(Psychiatry)/심리학(Psychology))
____산부인과
____종양학
____안과학(Ophthalmology)
____병리학(Pathology)
____소아과
____호흡기내과
____영상의학과
____류마티스학(Rheumatology)
____외과학(Surgery)
____치과학(Dentistry)
____디지털 헬스
____유전체 의학 및 정밀의료(Genomic Medicine, Precision/Personalized Medicine)
____재활의학과
____재생 의학(Regenerative Medicine)
____수의학(Veterinary Medicine)
____의학 교육과 수련(Medical Education and Training)
____간호학(Nursing)
____헬스케어 행정(Healthcare Administration)
____참고 문헌
__9장. 의료 인공지능의 구현
____핵심 개념
____헬스케어 기관에서의 인공지능 준비도 평가
____성공적인 의료 인공지능 구현을 위한 10가지 요소
____의료 인공지능 구현을 위해 극복해야 할 10가지 장애물
______참고 문헌
PART 4. 인공지능의 미래와 의료 응용
__10장. 인공지능의 미래에 관한 주요 개념
____5G
____증강현실과 가상현실
____블록체인과 사이버 보안
____뇌-컴퓨터 인터페이스
____캡슐 네트워크
____클라우드 인공지능
____엣지 컴퓨팅
____내장된 인공지능(만물인터넷)
____퍼지 인지 맵
____생성적 질의 네트워크
____하이퍼그래프 데이터베이스
____로샷 러닝
____뉴로모픽 컴퓨팅
____양자 컴퓨팅
____재귀적 피질 신경망
____스파이킹 신경망
____스웜 지능
____템포랄 컨볼루션 넷
____전이 학습
____데이터와 데이터베이스
______참고 문헌
__11장. 의료 인공지능의 미래
____핵심 개념
______참고 문헌
저자
저자
앤서니 C. 창
(Anthony C. Chang)
존스 홉킨스 대학교에서 이학사(BA)를, 조지타운대학교 의과대학에서 의학박사(MD)를 받고 국립어린이병원센터(Children's Hospital National Medical Center)에서 소아과 레지던트를 수료한 뒤 필라델피아 어린이병원(Children's Hospital of Philadelphia)에서 소아 심장학 임상의 과정을 밟았다. 하버드 의과대학에서 조교수로, 보스턴 어린이병원(Boston Children's Hospital) 심장 중환자실 케어 유닛의 어탠딩 심장전문의로 일했다. 그리고 로스앤젤레스와 마이애미, 텍사스 등 여러 소아 심장 중환자 프로그램에서 메디컬 디렉터 역할을 했다. 오렌지카운티 어린이병원(Children's Hospital of Orange County)의 심장연구소에서 메디컬 디렉터직을 수행했다.
현재 오렌지카운티 어린이병원의 심장 질환 프로그램에서 메디컬 디렉터이자 지능과 혁신 센터장을 역임하고 있다. 오렌지카운티 의료 연합회로부터 훌륭한 의사상(Physician of Excellence)을 수상했고 수년 동안 톱 카디올로지스트, 톱 닥터 등과 헬스케어 분야의 전국 톱 이노베이터스의 한 사람으로 뽑힌 적이 있다.
마이애미 대학교 경영 대학원에서 헬스케어 경영에 대한 마스터 과정을 밟았고 맥코 학술상(McCaw Award of Academic Excellence)을 받으며 졸업했다. 또 캘리포니아 대학교 로스앤젤레스의 헬스케어 정책 과정에서 공중 보건학 마스터 과정도 이수했으며 학장 선정 학업 우수상(the Dean's Award for Academic Excellence)을 받고 졸업했다. 마지막으로 스탠포드 대학교 의과대학에서 인공지능에 초점을 둔 바이오메디컬 데이터 과학(Biomedical Data Science) 과정에서 이학 석사와 MIT에서 인공지능 관련 코스를 수료했다. 채프만 대학교의 Dean's Scientific Council 회원이며 computer scientist-in-residence이기도 하다.
스타트업 회사에서 성공적인 심장학 진료 구축을 도왔으며 월스트리트 투자 계약을 성공적으로 이끌어 내기도 했다. 또 심장약 밀리논을 소개하고 마이클 드베이키 박사와 함께 소아의 액시얼 타입(axial-type) 심실 보조 장비를 같이 설계하는 등 소아 심장 케어의 여러 혁신에도 관여해 온 것으로 잘 알려져 있다. 그는 또한 국립보건원 소아 연구 기금 리뷰 위원회 회원이다. 그는 『Pediatric Cardiac Intensive Care』, 『Heart Failure in Children and Young Adults』, 『Pediatric Cardiology Board Review』와 같은 소아 심장학 및 중환자 케어에 관한 여러 교과서의 편집자이기도 하다.
소아 심장 집중 치료 학회(Pediatric Cardiac Intensive Care Society) 설립자다. 학회는 소아 심장 중환자 케어에 초점을 맞춘 다학제적인 접근법에 초점을 맞춘다. 또 아태 소아 심장 소사이어티(the Asia-Pacific Pediatric Cardiac Society)를 설립했다. 이 학회는 아시아 국가 24곳의 소아 심장학자들과 심장 전문의 연합체로 아시아에서 매해 2회 학회를 열고 있으며, 지금은 학회 참석자가 1000명이 넘는다.
2015년부터 the Sharon Disney Lund Foundation의 지원을 받는 the Medical Intelligence and Innovation Institute의 설립자이자 의료 디렉터다. 이 연구소는 데이터 과학과 인공지능을 의료 분야에 좋은 영향을 주는 것을 목적으로 하고 있으며, 이런 종류의 연구소가 병원내에 설립된 것은 처음이었다. 이 새로운 연구소는 또한 전세계 소아 및 헬스케어의 혁신을 촉진하는 목적도 가지고 있다. 2년마다 열리는 Pediatrics2040: Emerging Trends and Future Innovations 미팅의 전임 운영위원장이었으며, 여름마다 열려 100명의 젊은 의사들에게 조언하는 the Medical Intelligence and Innovation Summer Internship Program을 만들었고, 공동 대표를 맡고 있다. 그는 the International Society for Pediatric Innovation이라고 하는 소아과 혁신 리더십 그룹을 만들었고 그 수장을 맡고 있다.
헬스케어와 의료 관련 데이터 과학과 인공지능의 모든 측면을 강화하기 위해서 임상 컴퓨터 과학자 인터페이스를 만들고자 한다. 그는 현재 의료 인공지능에서 대한 강의를 자주 하고 있다. 『시카고 트리뷴』이 그를 "닥터 AI(Dr. A.I.)"라고 부르는 이유다. 인공지능 인플루언서 사상가 가운데 한 사람이라고 알려졌다. 테드 강연도 했으며 싱귤래러티 대학교의 익스포넨셜 메디슨에서 정기적으로 강연한다. 빅데이터, 예측 분석, 의료 머신러닝과 인공지능에 관한 고찰 논문을 많이 발표했다. 그는 the Journal of Medical Artificial Intelligence 편집 위원이다. 그는 미국에 유럽 아시아 등에서 열리는 Artificial Intelligence in Medicine(AIMed) 미팅의 설립자이자 운영위원장이다. 이 미팅은 헬스케어와 의료에서의 인공지능에 초점을 맞추고 있다. 그는 새로운 단체로 데이터 과학과 인공지능에 초점을 맞춘 의사들을 위한 새로운 모임을 만들기 시작했다. 그는 새롭게 시작된 American Board of Artificial Intelligence in Medicine(ABAIM)의 협회장직을 수행하고 있다.
그는 의료 인공지능와 관련된 3개의 스타트업을 창업했다.
1. CardioGenomic Intelligence(CGI), LLC 임상 심장학(심비대증, 심부전, 기타 심혈관 질환)과 유전체 의학 등에 딥러닝을 활용을 중점으로 하는 다측면적인 회사다.
2. Artificial Intelligence in Medicine(AIMed), LLC 국내외 모임을 통해서 여러 전문 과목에 관한 의료 인공지능에 대한 모임과 교육 프로그램을 제공하는 멀티미디어, 이벤트 회사다.
3. Medical Intelligence 10(MI10), LLC 의사, 행정가, 헬스케어 기관과 회사들의 리더들, 투자자들을 대상으로 하는 교육 및 컨설팅 회사로, 헬스케어 기관과 회사들의 인공지능 전략의 구현과 평가, 기관의 사이버보안에 대한 평가와 구현 등에 초점을 맞추고 있다. 회사에서 만든 사용 MIQ라고 하는 평가 도구는 기관의 인공지능 준비도와 질에 대해 평가하고, 인공지능 전략 권고안을 만들기 위해서 딥러닝과 인지 구조를 활용하고 있다.
존스 홉킨스 대학교에서 이학사(BA)를, 조지타운대학교 의과대학에서 의학박사(MD)를 받고 국립어린이병원센터(Children's Hospital National Medical Center)에서 소아과 레지던트를 수료한 뒤 필라델피아 어린이병원(Children's Hospital of Philadelphia)에서 소아 심장학 임상의 과정을 밟았다. 하버드 의과대학에서 조교수로, 보스턴 어린이병원(Boston Children's Hospital) 심장 중환자실 케어 유닛의 어탠딩 심장전문의로 일했다. 그리고 로스앤젤레스와 마이애미, 텍사스 등 여러 소아 심장 중환자 프로그램에서 메디컬 디렉터 역할을 했다. 오렌지카운티 어린이병원(Children's Hospital of Orange County)의 심장연구소에서 메디컬 디렉터직을 수행했다.
현재 오렌지카운티 어린이병원의 심장 질환 프로그램에서 메디컬 디렉터이자 지능과 혁신 센터장을 역임하고 있다. 오렌지카운티 의료 연합회로부터 훌륭한 의사상(Physician of Excellence)을 수상했고 수년 동안 톱 카디올로지스트, 톱 닥터 등과 헬스케어 분야의 전국 톱 이노베이터스의 한 사람으로 뽑힌 적이 있다.
마이애미 대학교 경영 대학원에서 헬스케어 경영에 대한 마스터 과정을 밟았고 맥코 학술상(McCaw Award of Academic Excellence)을 받으며 졸업했다. 또 캘리포니아 대학교 로스앤젤레스의 헬스케어 정책 과정에서 공중 보건학 마스터 과정도 이수했으며 학장 선정 학업 우수상(the Dean's Award for Academic Excellence)을 받고 졸업했다. 마지막으로 스탠포드 대학교 의과대학에서 인공지능에 초점을 둔 바이오메디컬 데이터 과학(Biomedical Data Science) 과정에서 이학 석사와 MIT에서 인공지능 관련 코스를 수료했다. 채프만 대학교의 Dean's Scientific Council 회원이며 computer scientist-in-residence이기도 하다.
스타트업 회사에서 성공적인 심장학 진료 구축을 도왔으며 월스트리트 투자 계약을 성공적으로 이끌어 내기도 했다. 또 심장약 밀리논을 소개하고 마이클 드베이키 박사와 함께 소아의 액시얼 타입(axial-type) 심실 보조 장비를 같이 설계하는 등 소아 심장 케어의 여러 혁신에도 관여해 온 것으로 잘 알려져 있다. 그는 또한 국립보건원 소아 연구 기금 리뷰 위원회 회원이다. 그는 『Pediatric Cardiac Intensive Care』, 『Heart Failure in Children and Young Adults』, 『Pediatric Cardiology Board Review』와 같은 소아 심장학 및 중환자 케어에 관한 여러 교과서의 편집자이기도 하다.
소아 심장 집중 치료 학회(Pediatric Cardiac Intensive Care Society) 설립자다. 학회는 소아 심장 중환자 케어에 초점을 맞춘 다학제적인 접근법에 초점을 맞춘다. 또 아태 소아 심장 소사이어티(the Asia-Pacific Pediatric Cardiac Society)를 설립했다. 이 학회는 아시아 국가 24곳의 소아 심장학자들과 심장 전문의 연합체로 아시아에서 매해 2회 학회를 열고 있으며, 지금은 학회 참석자가 1000명이 넘는다.
2015년부터 the Sharon Disney Lund Foundation의 지원을 받는 the Medical Intelligence and Innovation Institute의 설립자이자 의료 디렉터다. 이 연구소는 데이터 과학과 인공지능을 의료 분야에 좋은 영향을 주는 것을 목적으로 하고 있으며, 이런 종류의 연구소가 병원내에 설립된 것은 처음이었다. 이 새로운 연구소는 또한 전세계 소아 및 헬스케어의 혁신을 촉진하는 목적도 가지고 있다. 2년마다 열리는 Pediatrics2040: Emerging Trends and Future Innovations 미팅의 전임 운영위원장이었으며, 여름마다 열려 100명의 젊은 의사들에게 조언하는 the Medical Intelligence and Innovation Summer Internship Program을 만들었고, 공동 대표를 맡고 있다. 그는 the International Society for Pediatric Innovation이라고 하는 소아과 혁신 리더십 그룹을 만들었고 그 수장을 맡고 있다.
헬스케어와 의료 관련 데이터 과학과 인공지능의 모든 측면을 강화하기 위해서 임상 컴퓨터 과학자 인터페이스를 만들고자 한다. 그는 현재 의료 인공지능에서 대한 강의를 자주 하고 있다. 『시카고 트리뷴』이 그를 "닥터 AI(Dr. A.I.)"라고 부르는 이유다. 인공지능 인플루언서 사상가 가운데 한 사람이라고 알려졌다. 테드 강연도 했으며 싱귤래러티 대학교의 익스포넨셜 메디슨에서 정기적으로 강연한다. 빅데이터, 예측 분석, 의료 머신러닝과 인공지능에 관한 고찰 논문을 많이 발표했다. 그는 the Journal of Medical Artificial Intelligence 편집 위원이다. 그는 미국에 유럽 아시아 등에서 열리는 Artificial Intelligence in Medicine(AIMed) 미팅의 설립자이자 운영위원장이다. 이 미팅은 헬스케어와 의료에서의 인공지능에 초점을 맞추고 있다. 그는 새로운 단체로 데이터 과학과 인공지능에 초점을 맞춘 의사들을 위한 새로운 모임을 만들기 시작했다. 그는 새롭게 시작된 American Board of Artificial Intelligence in Medicine(ABAIM)의 협회장직을 수행하고 있다.
그는 의료 인공지능와 관련된 3개의 스타트업을 창업했다.
1. CardioGenomic Intelligence(CGI), LLC 임상 심장학(심비대증, 심부전, 기타 심혈관 질환)과 유전체 의학 등에 딥러닝을 활용을 중점으로 하는 다측면적인 회사다.
2. Artificial Intelligence in Medicine(AIMed), LLC 국내외 모임을 통해서 여러 전문 과목에 관한 의료 인공지능에 대한 모임과 교육 프로그램을 제공하는 멀티미디어, 이벤트 회사다.
3. Medical Intelligence 10(MI10), LLC 의사, 행정가, 헬스케어 기관과 회사들의 리더들, 투자자들을 대상으로 하는 교육 및 컨설팅 회사로, 헬스케어 기관과 회사들의 인공지능 전략의 구현과 평가, 기관의 사이버보안에 대한 평가와 구현 등에 초점을 맞추고 있다. 회사에서 만든 사용 MIQ라고 하는 평가 도구는 기관의 인공지능 준비도와 질에 대해 평가하고, 인공지능 전략 권고안을 만들기 위해서 딥러닝과 인지 구조를 활용하고 있다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
$99 이상 무료 배송
3% 리워드 크레딧 적립
Secure Payment
