상세 이미지
소개
목차
|
들어가는 말 인공지능은 의료를 어떻게 혁신할 것인가집필에 도움을 주신 분들1부 제2의 기계시대와 의료 인공지능1장 80%의 의사는 사라질 것인가인공지능의 부상제2의 기계 시대기술적 실직의 전조2장 강한 인공지능부터 의료 인공지능까지‘여름 한철 동안’인공지능과 기계학습딥러닝의 발전약한 인공지능강한 인공지능초인공지능인공지능을 어떻게 바라볼 것인가 2부 의료 인공지능의 과거와 현재3장 IBM 왓슨의 이상과 현실적 과제의료 인공지능의 세 가지 유형「제퍼디!」, 위대한 도전「제퍼디!」의 슈퍼스타왓슨에 밀려난 최초의 직업왓슨, 병원에 가다왓슨 포 온콜로지란 무엇인가왓슨 포 온콜로지의 특징이슈 1. 왓슨은 의료기기일까왓슨 규제의 근본적 어려움이슈 2. 왓슨은 과연 얼마나 정확한가왓슨의 정확성에 대한 오해MD앤더슨의 연구결과(ASCO 2014)인도 마니팔 병원의 왓슨 인도 암 환자 1,000명 대상 왓슨의 실력미국임상종양학회ASCO 2017에 보고된 왓슨의 실력 왓슨 포 온콜로지 최초의 논문왜 왓슨의 실력이 다를까 (1) 가이드라인 및 인종적 차이왜 왓슨의 실력이 다를까 (2) 보험제도의 차이왜 왓슨의 실력이 다를까 (3) 치료 옵션 다양성의 차이왜 왓슨의 실력이 다를까 (4) 가이드라인의 변화와 왓슨의 진화이슈 3. 왓슨의 정확성과 의학적 효용을 어떻게 증명할까임상시험이 필요하다. 하지만……임상시험으로 왓슨을 검증하려면 IBM은 임상시험을 원할까왜 길병원은 왓슨을 도입했나왓슨은 정말 마케팅용일까왓슨, 원칙과 근거가 필요하다 인터뷰: IBM 헬스의 최고 의료 책임자 큐 리 박사왓슨 포 온콜로지의 도입 등 일반적 이슈왓슨 포 온콜로지의 정확도, 의학적 검증왓슨 포 온콜로지의 의료기기 여부 및 규제 4장 의료 빅데이터로 질병을 예측한다데이터 기반의 심혈관 질환 예측 의료계 가이드라인 vs. 인공지능의 가이드라인 인공지능의 심혈관 질환 예측 치료 결과를 예측하는 구글의 인공지능전자의무기록 전체를 분석 구글 인공지능의 정확도 인공지능이 주목하는 데이터 첫번째 유형의 의료 인공지능 5장 딥러닝, 딥러닝, 딥러닝신경망과 인공신경망 인공신경망이 학습하는 법 인공신경망의 발전과 도전 마침내, 딥러닝의 시대인공지능이 유튜브를 본다면이미지넷: 영상 인공지능의 마중물이미지 인식 인공지능의 폭발적 발전 인공지능의 시각적 인지능력 사람보다 사람을 더 잘 알아보다 이미지를 이해하고 설명하는 인공지능딥러닝을 이용한 의료 인공지능 6장 의사를 능가하는 딥러닝의 영상 판독 분석딥러닝 기반 유방암 엑스레이 판독 뷰노의 골연령 판독 인공지능 영상의학과 의사와 인공지능의 시너지 당뇨 합병증을 진단하는 안과 인공지능 인공지능 안과의사의 필요성 구글의 인공지능 안과의사 인간 안과의사의 판독을 능가 피부암을 진단하는 인공지능 피부암에 딥러닝을 적용하기까지 딥러닝의 피부암 데이터 학습 인공지능의 피부암 진단 정확도 스마트폰으로 피부암 검사 양적, 질적으로 우수한 데이터 진단의 최종 결정권자, 병리과 병리과 의사 간의 진단 불일치율 병리과 인공지능 하버드대의 인공지능 병리학자 구글의 인공지능 병리학자 병리학자와 인공지능의 시너지 구글의 미국암연구협회AACR18 기조연설 7장 실시간 모니터링을 통한 질병의 예방 및 예측빅데이터 분석을 통한 예방과 예측 의료인공지능으로 패혈증 예측하기 IBM의 신생아 패혈증 예측 존스 홉킨스의 패혈증 예측인공지능 혈당 관리IBM 왓슨을 이용한 혈당 관리 앱슈거아이큐의 활용 사례부정맥의 한 시간 전 예측심장마비의 하루 전 예측 애플워치로 부정맥 측정하기 심장내과 전문의 vs. 딥러닝3부 미래를 어떻게 맞이할 것인가: 이슈, 함정, 그리고 희망8장 인공지능은 의사를 대체하는가인공지능이 80%의 의사를 대체할까?자동 마취 기계와 러다이트 운동쓰나미에 거슬러 헤엄칠 것인가 인간 의사의 사라지는 역할 도식화, 표준화할 수 있는 역할 시각적 인지능력 기반의 역할 영상의학과는 인공지능에 영향을 받을까 빠르게 도입될 인공지능의 조건 영상의학과 레지던트를 권장하는가 9장 정신과와 외과는 인공지능에서 자유로운가정신과는 인공지능에서 자유로운가 트위터로 양극성 장애 환자 구분하기 인공지능 의사와 환자의 유대감 외과는 인공지능에서 자유로운가 자동 수술 로봇의 시작 자율주행차와 자동 수술 로봇10장 인공지능의 시대, 의사는 무엇으로 사는가의학적 최종 의사결정권자 자율주행차와 의사의 미래 의사의 탈숙련화 인간 의사의 인간적인 일 나쁜 뉴스 전하기 의사의 공감 능력이 치료결과를 좌우한다 의사의 낮은 공감 능력 왜 의사는 공감 능력이 낮을까 기초 의과학자의 역할 11장 인공지능과 함께 진료하기 위해서인공지능의 임상적 효용 임상적 효용의 증명이 왜 어려운가 진료에 어떻게 녹여낼 것인가 구글의 인공지능 병리 현미경 의료 인공지능 사용법 교육하기의사도 딥러닝을 배워야 할까새로운 세대의 의사 양성하기디지털 네이티브 닥터플립 러닝, 의대 교육의 혁신12장 인공지능이 의료사고를 낸다면책임은 누구에게 있는가관건1. 의료기기 vs. 비의료기기관건2. 의사의 독립적인 판단이 보장되는가의사의 관여 없이 진단까지 내리는 최초의 인공지능만약 환자가 의사보다 인공지능을 선호한다면관건3. 결과를 얼마나 확정적으로 제시하는가관건4. 판단 과정이 투명한가 vs. 블랙박스인가묘수인가, 떡수인가? 의료 인공지능의 블랙박스 문제블랙박스 해독하기블랙박스의 의료 활용나가는 말 의료의 새로운 동반자를 맞이하며참고 문헌
|
저자 소개 1
포항공과대학교에서 컴퓨터공학과 생명과학을 복수 전공하였으며 동 대학원 시스템생명공학부에서 전산생물학으로 이학박사 학위를 취득하였다. 스탠퍼드대학교 방문연구원, 서울의대 암연구소 연구조교수, KT종합기술원 컨버전스연구소 팀장, 서울대병원 의생명연구원 연구조교수, 성균관대학교 디지털헬스학과 초빙교수 등을 거쳤다. 『사이언스』를 비롯한 세계적인 과학 저널에 10여 편의 논문을 발표했다.
국내 최초로 디지털 헬스케어를 본격적으로 연구하는 연구소인 ‘최윤섭 디지털 헬스케어 연구소’를 설립하여 소장을 맡고 있다. 또한 국내 유일의 헬스케어 스타트업 전문 엑셀러레이터 ‘디지털 헬스케어 파트너스(DHP)’의 공동 창업자 및 대표 파트너로 혁신적인 헬스케어 스타트업을 다른 의료 전문가들과 함께 발굴, 투자, 육성하고 있다. 학술지 『네이처』의 디지털 헬스케어 부문 자매지인 『npj 디지털 메디슨』의 편집 위원이자, 대한의료인공지능학회의 이사로도 활동하고 있다. 식약처와 심평원의 전문가 협의체 자문위원이기도 하다.
뷰노, 쓰리빌리언, 서지컬마인드, 닥터다이어리, 메디히어, 모바일닥터, 마보, 케어투게더 등의 디지털 헬스케어 스타트업에 투자하고 자문을 통해 한국에서도 디지털 헬스케어 혁신을 만들어내기 위해 노력하고 있다. 국내 최초의 디지털 헬스케어 전문 블로그 『최윤섭의 헬스케어 이노베이션』에 활발하게 집필하고 있으며, 『매일경제』 등에 칼럼을 연재한 바 있다. 저서로 『헬스케어 이노베이션: 이미 시작된 미래』, 『의료 인공지능』, 『그렇게 나는 스스로 기업이 되었다』 및 『대학원생 때 알았더라면 좋았을 것들』 (공저) 등이 있다.
최윤섭의 다른 상품
품목정보
- 발행일
- 2018년 07월 16일
- 지원기기
- 크레마,PC(윈도우 - 4K 모니터 미지원),아이폰,아이패드,안드로이드폰,안드로이드패드,전자책단말기(저사양 기기 사용 불가),PC(Mac)
- 파일/용량
- EPUB(DRM) | 68.38MB ?
- 글자 수/ 페이지 수
- 약 25.1만자, 약 6.4만 단어, A4 약 157쪽 ?
- ISBN13
- 9791186269381
출판사 리뷰
|
미래의료학자 최윤섭 박사가 제시하는 의료 인공지능의 현재와 미래 이 책은 크게 세 가지 파트로 나뉜다. 1부에서는 의료 인공지능을 살펴보기 위한 전반적인 방향성과 논의의 범위를 제시한다. ‘의사의 80%가 사라진다’는 도발적인 주장부터 시작해서 의료 외의 다양한 분야에서 인공지능 때문에 이미 일어나고 있는 기술적 실직technological unemployment에 관해서도 소개한다. 소위 약한 인공지능, 강한 인공지능, 초 인공지능 등의 개념을 다룬다. 그러면서 우리가 논의할 인공지능의 범위도 정의하고 어떠한 관점에서 바라봐야 하는지도 이야기한다. 우리가 의료 인공지능이라는 미래를 준비하기 위해서 어떠한 관점의 질문을 던져야 할지가 무엇보다 중요하다. 2부에서는 의료 인공지능이 현재 어느 수준까지 발전되어 있는지 구체적인 사례들에 대해서 다룬다. 특히 알파고 쇼크 이후 의료계에 인공지능을 화두로 만든 주역 IBM 왓슨에 대해 살펴본다. 2016년 가천대 길병원이 IBM 왓슨 포 온콜로지를 도입하면서 한국은 전 세계에서 왓슨을 최초로 도입한 다섯 손가락 안에 드는 국가가 되었다. 더구나 길병원 도입 이후 왓슨에 관한 관심과 이후 다른 병원에 도입되는 속도는 세계적으로도 찾아보기 어려울 정도였다. 우리에게 IBM 왓슨 포 온콜로지의 병원 도입은 많은 시사점과 논쟁거리를 준다. 이에 대해서는 상당한 분량을 할애하여 깊이 있게 분석했다. 또한 의료 현장에서 사용되는 의료 인공지능의 연구결과 및 실질적인 사례로 주로 구성되어 있다. 지난 몇 년간 저자가 의료계, 학계, 산업계의 많은 전문가와 다양한 논의를 거쳤던 대표적인 사례들, 특히 근거가 충분한 사례들을 중심으로 균형 있게 설명하고 있다. 의료 인공지능을 복잡한 의료 데이터에서 의학적 통찰을 도출하는 인공지능, 이미지 형식의 의료 데이터를 분석 및 판독하는 인공지능, 연속적 의료 데이터를 모니터링하여 질병을 예측하는 인공지능으로 크게 구분한다. 그리고 그 구분에 따라 IBM 왓슨 포 온콜로지와 딥러닝 등의 구체적인 연구결과와 적용 사례에 대해서 차례대로 살펴본다. 또한 국내 산업계에서도 세계적인 혁신가들이 등장하여 의료 인공지능을 개발하기 위한 치열한 도전을 시작했다. 국내에는 뷰노VUNO와 루닛Lunit 등의 걸출한 의료 딥러닝 스타트업들의 그로벌 공략 등도 담고 있다. 이외에도 매우 복잡하고 아직 논의가 진행 중인 의료적, 기술적, 규제적, 윤리적, 사회적, 경제적, 법적 이슈들이 산적해 있다. 이러한 이슈들에 대해서 개괄하며 어떠한 방향에서 논의를 진행해야 하는지 방향성을 제시하고 있다 |
