법적인 문제가 발생하지 않으려면, 환자에게 개인정보를 어떤 연구를 위해 의료데이터의 어느 범위까지 사용하려는지

자세히 설명드리고 동의를 구하면 됩니다.

요즘 사회적으로 문제가 되는 여러 이슈들은  이미 진료 목적 활용에 대해서만 동의를 얻어놓은 데이터를 연구 등의 동의 받은 목적 이외로 사용할 때 발생하거든요.

솔직히 말씀드리면, 제가 대입을 준비하던 시절에는 의대 입학 커트라인이 좋은 대학 컴퓨터공학과 수능 커트라인보다 낮았어요. ^^;

AI가 금방 인간 의사를 앞지를 거라는 기대가 많았지만, 현재 상황은 그렇게 녹록치 않은 것 같습니다.

그 이유는 저는 인공지능 알고리즘의 한계라기 보다는 인공지능을 학습시킬 수 있는 데이터의 한계라고 생각해요.

센싱 디바이스의 개발이 더뎌서, 인간의사가 환자를 진찰할 때 얻는 오감 데이터를 아직 제대로 학습시키지 못하고 있거든요.

이 부분이 해결되면, 인공지능으로 질병을 감지하는 연구의 결과가 급속히 좋아질 걸로 기대합니다.

잘못된 결과의 원인을 분석해봐야겠죠. ^^

연구의 가장 중요한 부분이 부족한 결과에 실망하지 않고 계속 수정에 수정을 반복하면서 앞으로 나아가는 거라고 생각해요.

그럼요. 컴퓨터가 쓰이지 않는 분야가 없는 것처럼,

의학계에서도 이제는 컴퓨터를 다루는 역량이 필수입니다. : )

저한테도 알파고가 큰 계기였어요.

인공지능을 그동안에 해오던 연구에 적용해봐야겠다는 고민을 본격적으로 시작하게 되었죠.

가장 기억에 남는 순간은 제가 연구 중이던 의료영상데이터가 제 GPU 서버에서 처음으로 Training 되기 시작하던 순간 같아요.

인공지능을 공부하고, 서버를 장만하고, tensor 등등을 세팅하고, 코드를 짜서, 실행하기까지 꽤 긴 시간이 걸렸거든요. ^^

AI의 비중은 앞으로 계속 올라갈 거라고 생각합니다.

언젠가는 인간의사의 실력을 뛰어넘는 인공지능 의사도 출현하겠죠.

하지만, 코 앞에 닥친 일은 아닌 것 같아요.

의사가 환자의 상태를 진찰하고 진단할 때는 인간의 오감이 가장 중요한 역할을 하는데,

아직 인간의 오감을 대신할 만큼 성능이 좋은 센서의 발달이 더디거든요. 

지금까지 병원에 쌓여 있는 환자 진료데이터를 인공지능에게 학습시키는 거에요.

그리고 새로운 환자분의 데이터를 넣어서, 가장 좋은 결과가 예측되는 치료방법을 선택하는 거죠.

마치, 알파고가 가장 최선의 수를 찾아서 바둑을 두는 것처럼요.

이미 암 치료에 있어서 항암제의 선택은 인공지능의 도움을 많이 받고 있답니다~

오...이미 상용화 되어 있었군요!

건강검진센터처럼 짧은 시간에 많은 양의 데이터를 의사가 살펴봐야하는 영역에서 인공지능이 부각을 나타내지 않을까 기대하고 있습니다.

사람은 반복되는 동일 작업에 쉽게 피곤해지지만, 인공지능은 절대 지칠 일이 없으니까요.

영상의학 분야가 가장 큰 영향을 받았어요.

기계학습 분야 중에서도 영상 데이터 기반 기술인 딥러닝의 괄목할만한 성과가 반영된 거죠.