Search

저자는 책에서 자주 언급되는 diabetes.co.uk라는 당뇨병 커뮤니티에서 환자들이 자신의 당뇨를 잘 관리할 수 있도록 도와주는 인공지능 개발 전문가이다. 그 경험을 살려 헬스케어 종사자들과 헬스케어에 관심이 있는 사람들을 위해 헬스케어 인공지능의 이모저모를 어렵지 않게 설명한다. 이야기는 인공지능의 원료가 되는 데이터로 시작한다. 다른 분야와 마찬가지로 헬스케어 분야에서도 엄청난 양의 데이터가 수집되고 있음에 따라 빅데이터의 특징, 소스, 처리 과정, 공유 방법을 다룬다. 전통적인 의료 데이터는 병원에서 수집하고 관리했던 반면 최근에는 다양한 디바이스와 센서에서 데이터를 수집하다 보니 전통과 혁신이 충돌할 수 밖에 없다. 이 책에서는 이러한 문제를 현명하게 해결했을 때 얻을 수 있는 가치를 생각해 보게 한다.

다음은 헬스케어 데이터를 다루는 머신러닝, 인공지능 기술을 살펴본다. 최근에 큰 성공을 거둔 딥러닝을 비롯해 전통적인 회귀 분석에까지 데이터 분석에 쓰이는 알고리즘과 그런 알고리즘의 성능을 측정하는 방법을 설명한다. 알고리즘을 자세히 설명하려면 수학이나 통계학 수식 등을 동원할 수 밖에 없다. 그러나 저자가 그 방법을 피하고 있다 보니 내용이 다소 얄팍해졌다는 느낌을 준다. 처음 접하는 독자들은 아 이런 기술들이 사용되고 있구나 하는 정도로 넘어가도 될 듯 하다. 헬스케어 인공지능은 헬스케어 데이터를 다루기 때문에 그 어떤 분야보다 데이터 윤리가 크게 대두된다. 데이터를 공개, 공유하는 문제부터 데이터 보안 유지 그리고 인공지능 알고리즘의 공정성, 결과의 활용 등 윤리적인 철학과 토론, 합의가 필요함을 강조한다.

인간의 건강은 행복의 요건 가운데 하나이지만, 건강은 개인과 집단, 인류 모두의 노력으로 성취되는 것이다. 의료를 비롯한 헬스케어는 건강을 유지하기 위한 핵심 수단이다. 하지만 양질의 헬스케어를 제공하려면 어마어마한 비용이 든다. 그리고 많은 나라에서 고령화와 같은 변화로 인해 기존의 의료 경제 시스템을 지속할 수 없는 지점에 점점 다가가고 있음을 걱정하고 있다. 이러한 상황에서 헬스케어 인공지능은 지속 가능한 헬스케어 관리 시스템을 위한 수단으로 부각되고 있다. 이 책을 통해 헬스케어 인공지능의 구체적인 예와 가능성을 동시에 생각해볼 수 있다.

★ 이 책의 대상 독자 ★

이해관계자들은 빅데이터와 머신러닝을 사용해 데이터에서 미래를 예측하고, 숨겨진 연관성과 패턴을 발견할 수 있다. 이런 지식을 획득한다는 것은 도적적이고 법적인 결과로 이어질 수 있는데, 이에 대한 리스크를 줄일 수 있는 적절한 관리 방법을 알아본다.


★ 이 책의 구성 ★

헬스케어 영역에서의 인공지능 이론과 실용적인 응용을 다루며, 언제 어떻게 머신러닝을 응용할 수 있는지와 성능을 평가하는 방법을 알려준다. 마지막에는 새롭고 혁신적인 방법으로 인공지능과 빅데이터를 이용하는 시장을 주도하는 헬스케어 기관의 사례를 살펴본다.


★ 지은이의 말 ★

세상이 변하고 있다. 전 세계에는 사람 수보다 많은 스마트폰이 있고, 더 많이 연결되고 있다. 사람들은 가상 비서, 자율 주행 자동차를 사용하고, 디지털 앱을 통해 파트너를 찾으며, 어떤 증상이 있으면 웹을 검색한다. 어떤 디지털 활동은 디지털 배기가스(data exhaust)를 남기고, 이것이 우리가 아는 세상을 데이터화한다. 전 세계에서 인기가 높은 구글, 우버, 알렉사, 넷플릭스와 같은 서비스의 성공은 빅데이터와 빅데이터의 최적화를 바탕으로 한다.
의학도 이런 빅데이터와 인공지능이 주는 장점을 받아들여 왔지만, 적어도 지금까지는 재무, 연예, 교통 등과 같은 영역과 비교하면 빠르게 진화하는 기술의 채택이 느린 분야였다.
최근의 디지털 파괴(digital disruption)는 헬스케어 분야에서 빅데이터와 인공지능의 채택을 촉진시키고 있다. 다양한 종류, 형태, 크기를 가진 데이터가 인공지능 기술에 사용되면서 기계가 학습하고, 적응하며, 학습 능력의 향상을 촉진한다. 학계와 스타트업 진영 모두 더 강력한 건강 관리용 시제품 기술을 개발하고 있다. 기술과 의학의 결합은 스마트폰과 사물 인터넷에 의해 더 가속화되고, 이를 통해 수많은 혁신과 삶의 질 향상을 촉진한다. 건강 관리 기술이 나타남으로써 사람들은 전문 의료인의 도움 없이도 건강을 모니터할 수 있게 됐다. 헬스케어는 이제 모바일의 시대로 접어들었고 더 이상 진료 대기실에서 기다릴 필요가 없어졌다.
데이터가 건강을 증진하는 데 아주 가치가 높은 도구임이 증명되며 정보에 힘이 실리고 있다. 데이터 과학은 헬스케어의 성공과 운영을 떠받치는 기둥이 돼 가고 있다. 디지털 헬스는 헬스케어를 민주화하고 개인 맞춤화하고 있다. 모든 중심에 데이터가 있다. 그러면서 인간 생활의 더 많은 측면을 정량화하고 측정하려는 요구 역시 증가하고 있다.
헬스케어 서비스 제공자, 개인, 기관 모두 머신러닝에 사용 가능한 데이터를 소유하고 있다. 이제 많은 사람이 데이터로 뭔가를 배울 수 있다는 막연한 생각은 갖고 있지만, 학습을 위해 얼마만큼의 데이터가 필요하고 숨겨진 패턴, 트렌드, 편향이 가진 기술적인 측면을 알아내기 전에 무엇을 얻어낼 수 있을지 잘 모르고 있다.
이 책은 빅데이터, 인공지능, 머신러닝에 대한 실용적인 접근법을 택하고, 그런 도구가 가진 도적적인 함의를 다룬다.

★ 옮긴이의 말 ★

이 책은 헬스케어 분야의 인공지능 적용에 관련된 여러 가지 측면을 소개하는 개론서다. 완전한 기술서로 보기도 어렵고 그렇다고 고차원의 논쟁만 다루지도 않는다. 그 중간에 있다고 생각하면 좋을 듯 하다.
인공지능은 이미 그리고 앞으로 더욱더 모든 사람들의 일상에 영향을 줄 것이다. 어떤 사람은 의학의 역사를 인공지능 이전(BA, Before AI)과 인공 지능 이후(AA, After AI)로 나눠질 것이라고 주장하기도 한다. 인공지능은 일상뿐만 아니라 회사와 기관에서 사람들이 일하는 방식에도 영향을 주고 있다. 의료와 같은 전문 영역도 마찬가지다. 알파고가 이세돌 9단에게 이기는 것을 목격하고, 파괴적 혁신 기술이 전통적인 일자리에 영향을 주기 시작하면서 일반 사람들도 이전보다는 인공지능에 대한 관심이 높아졌다. 또 혁신의 대상이 자신이 될 수도 있다는 불안감을 안고 살아간다.
개인적으로 컴퓨터를 공부하게 된 계기는 병원의 낮은 생산성 때문이었다. 수많은 전문가가 그렇게 열심히 일을 하고, 병원 당국은 많은 자금을 투자하고, 환자와 가족도 건강을 회복하기 위해서 기꺼이 많은 희생을 함에도 불구하고, 의료 서비스에 만족하는 참여자는 찾기가 어려웠다. 내가 보기에는 컴퓨터가 그 답을 줄 것으로 보였다. 그래서 의료와 ICT 중간 지점을 찾고자 노력해왔다.
이 책은 헬스케어 인공지능 기술과 응용 사이에 있는 이야기를 한다. 그래서 전문 의료인이 보기에는 컴퓨터 기술서처럼 보일 수 있고, 전문 컴퓨터 엔지니어가 보기에는 새로운 기술은 소개하지 않으면서 의료 인공지능을 적용하는 방법을 다루는 다소 뜬구름 잡는 이야기로 보일 수 있다. 내가 틈새의 중간 지점을 찾아가는 탐구자 입장이어서 그럴 수도 있겠지만, 진정 중요한 것은 중간 지대에 있다고 본다. 인공지능을 이해하는 의료인과 의료를 이해하는 인공지능 전문가가 하나의 언어로 이야기 할 수 있을 때 혁신은 일어날 것이다. 그런 이야깃거리를 준다는 데 이 책의 가치가 있다고 본다.
처음 번역 제안을 받았을 때 이 책에 대한 불만은 컴퓨터 코드가 없다는 것이었다. 구체적이지 않고 추상적인 이야기만 있을 것 같다는 걱정이 있었다. 그런데 내용을 훑어보니 코딩을 하는 사람들에게 단점일 수 있지만, 의료 인공지능에 입문하려는 사람들에게는 더 나을 수도 있겠다 싶었다. 이 책에서도 나오지만 데이비드 월퍼트가 이야기한 머신러닝에서의 “No free lunch(공짜 점심은 없다)” 원리는 여기서도 적용되는 것 같다. 모든 상황에 만족하는 머신러닝 모델이 없듯이 모든 독자를 만족시키는 기술서도 없어 보인다. 그렇지만 특정 문제에 적합한 더 나은 모델이 존재하는 것처럼, 특정 주제와 목적의 책은 분명 존재한다. 이 책을 의료 인공지능의 안내서로 본다면 분명 소임을 다하고 있다고 생각한다. 아쉬웠던 코딩이라는 구체성은 후속 번역을 통해 소개하고자 한다.
보잘것없는 번역이지만 의료 인공지능 분야에 조금이라도 도움이 됐으면 하는 바람이다. 편협한 생각일지 모르지만 미래의 의료는 인공지능 의학이 주를 이룰 것이다. 의학 연구는 물론이고 환자의 진단, 치료, 재활, 나아가 건강한 사람을 대상으로 한 예방 영역에 인공지능 의학이 깊숙이 파고들 것이다. 그래서 학계는 물론 개원의, 봉직의, 의료 행정가들도 인공지능 의학에 관심을 가져야 할 것으로 보인다.

1장. 인공지능

__다학제적인 과학

__인공지능 검토

____반응성 기계

____이성적으로 생각하고 사고하는 제한된 메모리 시스템

____사람과 같이 사고하는 마음 이론 시스템

____사람과 다름없이 자각하는 인공지능 시스템

__머신러닝이란?

__데이터 과학이란?

__실시간 빅데이터에서 학습

__헬스케어 분야에서 인공지능의 응용

____예측

____진단

____맞춤 치료와 행동의 변화

____신약 개발

____추적 돌봄

__헬스케어에서 인공지능의 가능성 현실화

____간극의 이해

____단절된 데이터

____적절한 데이터 보안

____데이터 거버넌스

____편향

__소프트웨어

__결론





2장. 데이터

__데이터란?

__데이터의 형태

__빅데이터

____데이터양

____다양성

____속도

____가치

____정확성

____타당성

____가변성

____시각화

__작은 데이터

__메타데이터

__헬스케어 데이터: 작은 또는 큰 사용 사례

____대기 시간 예측

____재입원 줄이기

____예측 분석

____전자의무기록

____가치 기반 케어/참여

____헬스케어 사물 인터넷: 실시간 알림, 경고문 발송, 자동화

____근거 증심 의학으로 이동

____공중 보건

__데이터 진화와 애널리틱스

__데이터를 정보로 변환: 빅데이터 사용

____기술적 애널리틱스

____진단적 애널리틱스

____예측 애널리틱스

____처방적 애널리틱스

__추론

____연역

____귀납

____귀추

__나의 프로젝트에 얼마나 많은 데이터가 필요할까?

__빅데이터의 난관

____데이터의 증가

____인프라스트럭처

____전문가

____데이터 소스

____데이터의 질

____보안

__저항

__정책과 거버넌스

__단절화

__데이터 전략의 부재

__시각화

__분석 시간의 고려

__윤리

__데이터 거버넌스와 정보 거버넌스

____데이터 관리

____데이터의 질

____데이터 보안

____데이터의 이용 가능성

____데이터의 내용

____마스터 데이터 관리

____사용 사례

__빅데이터 프로젝트 배치

__빅데이터 도구

__결론





3장. 머신러닝

__기초

____에이전트

____자율성

____인터페이스

____성능

____목표

____효용

____지식

____환경

____훈련 데이터

____타깃 함수

____가설

____학습자

____검증

____데이터셋

____특징

____특징 선택

__머신러닝이란?

__머신러닝이 전통적인 소프트웨어 엔지니어링과 다른 점

__머신러닝의 기초

____지도학습

____비지도학습

____준지도학습

____강화학습

____데이터 마이닝

____모수적, 비모수적 알고리즘

__머신러닝 알고리즘의 작동법

__머신러닝을 수행하는 방법

____문제 명시

____데이터 준비

____학습법의 선택

____머신러닝법의 적용

____방법과 결과 평가

____편향과 분산

____최적화

____결과 보고





4장. 머신러닝 알고리즘

__머신러닝 프로젝트 정의

____과업(T)

____성능(P)

____경험(E)

__머신러닝에 자주 사용되는 라이브러리

__지도학습 알고리즘

____분류

____회귀

__의사 결정 트리

____ID3(Iterative Dichotomizer 3)

____C4.5

____CART

__앙상블

____배깅

____부스팅

__선형 회귀

__로지스틱 회귀

__서포트 벡터 머신

__나이브 베이즈

__k-최근접 이웃(kNN)

__신경망

____퍼셉트론

____인공신경망

__딥러닝

____피드포워드 신경망

____순환 신경망: 장단기 메모리

____컨볼루션 신경망

____모듈 신경망

____방사형 기저 신경망

__비지도학습

____클러스터링

____K-평균

____연관 법칙

__차원 축소 알고리즘

__차원 축소 기술

____누락된 값/결측값

____낮은 분산

____높은 상관

____랜덤 포레스트 의사 결정 트리

____백워드 특징 제거

____포워드 특징 구성

____주성분 분석

__자연어 처리(NLP)

__자연어 처리 시작

__전처리: 어휘 분석

____노이즈 제거

____어휘 정규화

____포터 어간 추출

____객체 표준화

__구문 분석

____의존성 파싱

____파트오브스피치 태깅

__의미 분석

__자연어 처리에 사용되는 기술

____N-그램

____단어 빈도-역문서 빈도 벡터

____잠재 의미 분석

____코사인 유사도

____나이브 베이즈 분류자

__유전 알고리즘

__머신러닝의 모범 사례와 고려할 점

____좋은 데이터 관리

____기준이 될 기초 성능 지표

____데이터 정제에 들이는 시간

____훈련 시간

____적절한 모델의 선택

____적절한 변수의 선택

____불필요한 데이터

____과적합

____생산성

____이해도

____정확도

____거짓 음성의 영향

____선형성

____파라미터

____앙상블

__사례: 제2형 당뇨병





5장. 지능을 위한 학습 성과 평가

__모델 개발과 작업 과정

____모델을 평가하는 두 가지 접근법이 있는 이유

____평가 지표

__비대칭 데이터셋, 변칙 값, 희소 데이터

__파라미터와 하이퍼파라미터

__하이퍼파라미터 튜닝

__하이퍼파라미터 튜닝 알고리즘

____그리드 서치

____랜덤 서치

__다변량 테스팅

____어떤 지표를 평가에 사용해야 하는가?

____상관은 인과와 다르다

____얼마만큼의 차이가 정말로 중요한 차이인가?

____검정법, 통계적 검증력, 효과 크기

____보고자 하는 성능 지표의 분포 확인

____적절한 p 값 결정

____얼마나 많은 관측 값이 필요한가?

____얼마나 오랫동안 다변량 테스팅을 실행해야 하는가?

____데이터 분산

____분포 이동 알아내기

____모델의 변경 내용 기록





6장. 인공지능의 윤리

__윤리란?

____데이터 과학 윤리학이란?

____데이터 윤리학

__고지에 입각한 동의

__선택의 자유

__데이터에 대한 동의가 항상 절대적 기준인가?

__대중의 이해

__데이터는 누구의 소유인가?

__데이터는 어떤 목적으로 사용될 수 있는가?

__프라이버시: 누가 나의 데이터를 볼 수 있는가?

__데이터가 어떻게 미래에 영향을 미칠까?

____치료 우선순위 결정

____새로운 치료와 관리법 결정

____더 많은 실제 생활 증거

____약물 개발 능력 향상

__연결을 통한 치료법의 최적화: 한계가 있을까?

__보안

__인공지능과 머신러닝의 윤리학

____기계의 편향

____데이터 편향

____사람에 의한 편향

____지능 편향

____편향 수정

____편향은 나쁜 것인가?

__예측의 윤리학

____예측 설명

____실수에 따른 보호

____타당성

____알고리즘이 비도덕이지 않게 예방

____의도하지 않은 결과

__복잡하고 지능적인 시스템의 주도권을 인간이 유지하는 방법

__지능

__건강 지능

__누가 책임을 지는가?

__최초 문제

__공정함 정의

__어떻게 기계가 우리의 행동과 상호 교류에 영향을 주는가?

____인간성

____행동과 중독

____경제와 고용

__미래에 대한 영향

__신처럼 행동하기

__과대광고와 세상을 시끌 법석하게 만들기

__이해관계자의 수용과 정렬

__정책, 법률, 규제

__데이터와 정보 거버넌스

__너무 많은 정책의 단점

__글로벌 표준과 제도

__인공지능을 인류로 취급해야 하는가?

__기관 내부에서 데이터 윤리학 적용

____윤리 강령

____윤리 프레임워크 고려

__데이터 과학자를 위한 히포크라테스 선서

__프레임워크 감사





7장. 헬스케어의 미래

__양에서 질로 이동

__근거 중심 의학

__맞춤 의학

__미래의 비전

__연결된 의학

____질병과 상태 관리

____가상 비서

____원격 모니터링

__약물 순응도

__접근 가능한 진단 검사

__스마트 임플란트

__디지털 건강과 치료법

__교육

__웰니스에 대한 인센티브

__인공지능

____기록에 대한 데이터 마이닝

____대화형 인공지능

____더 좋은 의사 만들기

____맞춤형 보조기

__가상현실과 증강현실

____가상현실

____증강현실

____융합현실

____통증 관리

____물리 치료

____인지 재활

____간호와 수련

____가상 진료와 수업

__블록체인

____공급망 검증

____웰니스에 대한 인센티브

____환자 데이터 접근

__로봇

____로봇 수술

____외골격 로봇

____입원 환자 케어

____동무되기

____드론

__스마트 장소

____스마트 홈

____스마트 병원

__환원주의

__혁신 대 숙의





8장. 사례 연구

__사례 연구의 선정

__사례 연구의 선정 결과

__사례 연구: 당뇨 발 관리용 이미징 인공지능 및 이환율과 사망률을 개선하기 위한 의료 전달 체계에 대한 우선순위 결정

____배경

____인지적 시각

____프로젝트 목표

____도전 과제

____결론

__사례 연구: 제2형 당뇨병 자기 관리를 위한 디지털 저탄수화물 프로그램의 결과: 단일군 종단 연구 1년 추적 결과

____배경

____목적

____방법

____결과

____관찰된 현상

____결론

__사례 연구: 확장 가능하고 참여를 유도하는 뇌전증 디지털 치료법

____배경

____근거 중심 적용

____센서 기반 디지털 프로그램

____연구

____프로젝트 영향

____예비 분석

__사례 연구: 새로운 증강 및 가상현실을 이용한 주니어 의사 교육 프로그램의 결과

____배경

____목표

____프로젝트 설명

____결론

__사례 연구: 빅데이터, 큰 영향, 큰 윤리: 데이터로 환자 위험도 진단

____배경

____플랫폼 서비스

____약물 순응도, 효능과 약물에 대한 부담

____커뮤니티 포럼

____인공지능을 사용한 환자 상호작용에 대한 우선순위 결정

____실세계 근거

____예측 분석의 윤리적인 함의

____사물 인터넷의 통합

____결론





기술 용어 설명