의료 AI 입문          야마시타 야스유키                YB

의료인공지능에 관해 공부하면서 인공지능의 도입에 따른 의사 역할은 사라지는 역할, .유지되는 역할, 새롭게 생길 역할로 구분할 수 있고 인간 의사의 역할은 최종 의사결정권자라는 것을 알게 되었다. 이번에는 실질적으로 사용되는 프로그램이 무엇이고, 의료 현장에서 어떻게 쓰일지 알고 싶어 이 책을 읽어 보게 되었다.
인공뉴런은 신경세포를 수학적으로 모델화한 것으로, 기본적으로는 다중 회귀와 같고 인공뉴런은 가중치와 역치(바이어스)로 기능을 조절하고, 활성화 함수로 출력을 미세하게 조절한다. 퍼셉트론은 활성화 함수에서 계단함수를 사용한 것으로, 신경세포처럼 역치 이하면 0, 그 이상이면 1을 출력한다. 퍼셉트론 1개로는 단순한 모델만 표현할 수 있기 때문에 복잡한 모델을 표현하기 위해서는 퍼셉트론을 복수의 층으로 겹칠 필요가 있다. 한편 신경망은 구조 자체는 퍼셉트론과 비슷하지만, 퍼셉트론이 활성화 함수에 계단함수를 이용해 0이나 1을 출력한다면 신경망은 로지스틱 시그모이드 함수나 렉티파이어(ReLu) 함수 등의 함수를 사용함으로써 고도의 학습을 할수 있다고 한다.

독서 후 깨달은 점>
이 책은 간단한 그래프와 도식화로 정리가 잘돼 있어, 생각으로만 알고 있던 딥러닝에 대해 좀 더 쉽게 이해하게 되었다. 딥러닝은 영상인식, 음성인식, 자연어 처리, 이상 감지 등 고도의 정보처리가 가능하다. 그중 의학영역, 특히 영상 진단 등에 자주 사용하는 것이 ‘합성곱 신경망convolutional neural networkCNN’ 이며 ‘순환 신경망recurrent neural network,RNN’이라 불리는 신경망은 음성 입력을 잘하는 신경망이다. 최근 주목받고 있는 기술은 ‘생성적 대립 신경망generative adversarial network, GAN으로 학습에 필요한 데이터의 양을 대폭 줄여주는데, 생성(gnerator)과 감별(dicriminator)이라는 두 개의 네트워크가 있고, 생성은 학습 데이터와 같은 데이터를 필사적으로 만들고, 감별은 데이터가 학습 데이터로부터 온 진짜인지, 생성 데이터로부터 온 가짜인지 필사적으로 감별하려고 하며 작동한다고 한다.
현재 의료 현장에서 AI의 활용이 영상의학과 병리진단 만이 아니라 의료 전반에 응용할 수 있다고 한다. 예로 다양한 진료 지원 (Decision Support, 문진 및 간병 등), 검체검사, 정밀의학(Precision Medicine), 예방의료, 신약개발의 응용 등 다양한 발전을 생각할 수 있다고 한다. 앞으로 나의 계획은 의료 현장에 나가 내가 직접 이런 기계들을 다뤄 보기를 희망하며 이를 이루기 위해 노력해야겠다는 생각을 해보았다.