3개월 전 지인의 요청으로 금일 진행하게 된
15회 공감세미나 자료 공유 드립니다
대전제는 모든 것은 변한다는 것을 토대로 우리는 어떻게 데이터 전처리를 해야할까 하는 관점에서 작성 되었습니다
참고 문헌 링크 공유 드립니다.
의료기관 골든타임(CVR,Critical Value Report)을 위한 딥러닝의 가치
https://www.slideshare.net/jentshin/cvrcritical-value-report?qid=0ceca30e-f6ca-4fdb-8b89-e447e76cc852&v=&b=&from_search=1
임상의사 관점의 의료빅데이터 연구와 임상적용
https://www.slideshare.net/HyungJinChoi/20141028-40797212?qid=68241c11-9880-4d4d-922b-07b17b74a456&v=&b=&from_search=1
의료에서의 인공지능 정리 파일 김치원 V5
https://www.slideshare.net/ChiKim1/v5-73291156?from_m_app=android
상기 3가지 파일에서 필요한 부분을 참고 하였습니다.
감사합니다.
웨어러블 디바이스 Zeo의 실패에서 배우는: 성공적인 헬스케어 서비스의 조건Yoon Sup Choi
얼마전 SK UX 포럼에서 제가 발표한 자료입니다. 수면 웨어러블 디바이스 Zeo 는 당시 '파괴적 혁신 기술' 이었을 뿐만 아니라, Quantified Self 운동 지지자들에게 열렬한 사랑을 받는 기기였습니다. 하지만, Zeo는 결국 실패하고 역사의 뒤안길로 사라지고 말았습니다. Zeo는 왜 실패했을까요? 이번 발표에서는 이 Zeo의 실패 사례를 바탕으로, 성공적인 헬스케어-IT 서비스를 만들기 위해서는 무엇이 필요한지에 대해 살펴보았습니다.
Zeo의 사례에 대해서는 제 블로그 포스팅에서 더 자세히 보실 수 있습니다: http://www.yoonsupchoi.com/2014/02/08/learning_from_the_failure_of_zeo-1/
디자인 관점에서 본 헬스케어 미래 비즈니스 아이디어
개발기간 : 2013.08 ~ 2013.12.
개발기업 :
- 한국디자인진흥원 : 조사 및 전략 연구
- (주)INTERNATIONAL BIF : 컨셉개발 및 영상제작
주관 : 산업자원부, 한국디자인진흥원
프로젝트 목적 : 디자인 관점에서 본 헬스케어 미래 비즈니스 아이디어 도출
주요 연구내용 :
1. 헬스케어 산업 리서치
2. 헬스케어 산업 트렌드 분석
3. 헬스케어 제품 및 서비스 사용자 니즈 조사
4. 전문가 설문
5. 헬스케어 혁신 사례 조사
6. 핵심 후보과제 선정 융합 워크샵 수행
7. 과제별 세부계획 수립
8. 헬스케어 미래 영상 시나리오 작성
9. 헬스케어 미래 영상 제작
미래 헬스케어 10대 과제 :
과제 1. 가정용 디톡스(detox) 디바이스
과제 2. 신체 기능별 건강나이 관리를 위한 health-age device 디바이스
과제 3. 생활 밀착형 헬스케어 보조 로봇
과제 4. 생체신호 연동형 헬스게임 디바이스 및 컨텐츠
과제 5. 헬스케어 지식인 전문 포탈서비스
과제 6. Gold 세대를 위한 meditainment 공간 서비스디자인
과제7. 건강관리 산업 성장 촉진을 위한 헬스포인트 시스템 및 제도
과제 8. 한국형 헬스케어 서비스 인증 사업 HDL (Healthcare Design Leadership)
과제 9. 은퇴 후 제2의 건강한 삶을 위한 silver 협동조합 설립 및 지원 제도
과제 10. 건축과 헬스케어 시스템의 결합 스마트 하우징
헬스케어 미래 시나리오 영상 :
http://www.youtube.com/watch?v=-R8J2rHwgVs&feature=youtu.be
기술은 곁에 있다. 시험관 아기들이 많다 보니 쌍둥이들이 많이 늘어났다. 디지털 트윈은 현실과 똑같은 디지털 쌍둥이를 만들어 더 나은 현실의 결과를 만들어 낸다. 수집한 다양한 정보를 가상에서 분석하고 최적화하는 방안을 도출하는 지능형 융합기술이다. NASA, GE가 먼저 제품 설계부터 공장 운영 감시, 작업량 예측, 생산 손실 예측, 고장 진단/예측 등에 활용했다. 제조업뿐 아니라 다양한 분야에 적용할 수 있다. 핵심기술은 모사, 관제, 모의, 연합, 자율의 단계로 진행된다. 보건의료 분야에도 인구 집단 모델링으로 헬스케어 서비스를 개선하고 의료진의 치료에 관련된 의사결정을 개선한다. 환자를 컴퓨터 모델링으로 치료법을 사전 테스트하여 최적화 후 실제 적용한다. 막대한 시간과 돈이 투자되는 신약 개발 임상 실험에도 적용하여 합병증과 위험 부담 줄일 수 있는 대안을 만들어 낸다. 국내외 사례도 담았다.
"의료산업과 병원의 미래, 어떻게 그리고 계신가요?"
인공지능, 딥러닝, 빅데이터 분석 등 첨단기술의 바람이 의료계에도 불고 있습니다.
유튜브 생방송으로 진행되었던 본 웨비나는, IBM과 함께 헬스케어, 의료계가 준비해야할 로드맵을 탐색할 수 있는 기회였습니다. 자세한 내용이 더 궁금하시다면 eocho@kr.ibm.com으로 문의주세요!
Radiomics: Novel Paradigm of Deep Learning for Clinical Decision Support towa...Wookjin Choi
‘Radiomics’ is a novel process to identify ‘radiome’ in the field of imaging informatics when long-term clinical outcomes such as mortality are not immediately available, relying on first acquiring paired gene expression data and medical images at diagnosis from a study cohort, and then leveraging the public gene expression data containing clinical outcomes from a closely matched population into a personalized medicine (Stanford and Harvard University).
3개월 전 지인의 요청으로 금일 진행하게 된
15회 공감세미나 자료 공유 드립니다
대전제는 모든 것은 변한다는 것을 토대로 우리는 어떻게 데이터 전처리를 해야할까 하는 관점에서 작성 되었습니다
참고 문헌 링크 공유 드립니다.
의료기관 골든타임(CVR,Critical Value Report)을 위한 딥러닝의 가치
https://www.slideshare.net/jentshin/cvrcritical-value-report?qid=0ceca30e-f6ca-4fdb-8b89-e447e76cc852&v=&b=&from_search=1
임상의사 관점의 의료빅데이터 연구와 임상적용
https://www.slideshare.net/HyungJinChoi/20141028-40797212?qid=68241c11-9880-4d4d-922b-07b17b74a456&v=&b=&from_search=1
의료에서의 인공지능 정리 파일 김치원 V5
https://www.slideshare.net/ChiKim1/v5-73291156?from_m_app=android
상기 3가지 파일에서 필요한 부분을 참고 하였습니다.
감사합니다.
웨어러블 디바이스 Zeo의 실패에서 배우는: 성공적인 헬스케어 서비스의 조건Yoon Sup Choi
얼마전 SK UX 포럼에서 제가 발표한 자료입니다. 수면 웨어러블 디바이스 Zeo 는 당시 '파괴적 혁신 기술' 이었을 뿐만 아니라, Quantified Self 운동 지지자들에게 열렬한 사랑을 받는 기기였습니다. 하지만, Zeo는 결국 실패하고 역사의 뒤안길로 사라지고 말았습니다. Zeo는 왜 실패했을까요? 이번 발표에서는 이 Zeo의 실패 사례를 바탕으로, 성공적인 헬스케어-IT 서비스를 만들기 위해서는 무엇이 필요한지에 대해 살펴보았습니다.
Zeo의 사례에 대해서는 제 블로그 포스팅에서 더 자세히 보실 수 있습니다: http://www.yoonsupchoi.com/2014/02/08/learning_from_the_failure_of_zeo-1/
디자인 관점에서 본 헬스케어 미래 비즈니스 아이디어
개발기간 : 2013.08 ~ 2013.12.
개발기업 :
- 한국디자인진흥원 : 조사 및 전략 연구
- (주)INTERNATIONAL BIF : 컨셉개발 및 영상제작
주관 : 산업자원부, 한국디자인진흥원
프로젝트 목적 : 디자인 관점에서 본 헬스케어 미래 비즈니스 아이디어 도출
주요 연구내용 :
1. 헬스케어 산업 리서치
2. 헬스케어 산업 트렌드 분석
3. 헬스케어 제품 및 서비스 사용자 니즈 조사
4. 전문가 설문
5. 헬스케어 혁신 사례 조사
6. 핵심 후보과제 선정 융합 워크샵 수행
7. 과제별 세부계획 수립
8. 헬스케어 미래 영상 시나리오 작성
9. 헬스케어 미래 영상 제작
미래 헬스케어 10대 과제 :
과제 1. 가정용 디톡스(detox) 디바이스
과제 2. 신체 기능별 건강나이 관리를 위한 health-age device 디바이스
과제 3. 생활 밀착형 헬스케어 보조 로봇
과제 4. 생체신호 연동형 헬스게임 디바이스 및 컨텐츠
과제 5. 헬스케어 지식인 전문 포탈서비스
과제 6. Gold 세대를 위한 meditainment 공간 서비스디자인
과제7. 건강관리 산업 성장 촉진을 위한 헬스포인트 시스템 및 제도
과제 8. 한국형 헬스케어 서비스 인증 사업 HDL (Healthcare Design Leadership)
과제 9. 은퇴 후 제2의 건강한 삶을 위한 silver 협동조합 설립 및 지원 제도
과제 10. 건축과 헬스케어 시스템의 결합 스마트 하우징
헬스케어 미래 시나리오 영상 :
http://www.youtube.com/watch?v=-R8J2rHwgVs&feature=youtu.be
기술은 곁에 있다. 시험관 아기들이 많다 보니 쌍둥이들이 많이 늘어났다. 디지털 트윈은 현실과 똑같은 디지털 쌍둥이를 만들어 더 나은 현실의 결과를 만들어 낸다. 수집한 다양한 정보를 가상에서 분석하고 최적화하는 방안을 도출하는 지능형 융합기술이다. NASA, GE가 먼저 제품 설계부터 공장 운영 감시, 작업량 예측, 생산 손실 예측, 고장 진단/예측 등에 활용했다. 제조업뿐 아니라 다양한 분야에 적용할 수 있다. 핵심기술은 모사, 관제, 모의, 연합, 자율의 단계로 진행된다. 보건의료 분야에도 인구 집단 모델링으로 헬스케어 서비스를 개선하고 의료진의 치료에 관련된 의사결정을 개선한다. 환자를 컴퓨터 모델링으로 치료법을 사전 테스트하여 최적화 후 실제 적용한다. 막대한 시간과 돈이 투자되는 신약 개발 임상 실험에도 적용하여 합병증과 위험 부담 줄일 수 있는 대안을 만들어 낸다. 국내외 사례도 담았다.
"의료산업과 병원의 미래, 어떻게 그리고 계신가요?"
인공지능, 딥러닝, 빅데이터 분석 등 첨단기술의 바람이 의료계에도 불고 있습니다.
유튜브 생방송으로 진행되었던 본 웨비나는, IBM과 함께 헬스케어, 의료계가 준비해야할 로드맵을 탐색할 수 있는 기회였습니다. 자세한 내용이 더 궁금하시다면 eocho@kr.ibm.com으로 문의주세요!
Radiomics: Novel Paradigm of Deep Learning for Clinical Decision Support towa...Wookjin Choi
‘Radiomics’ is a novel process to identify ‘radiome’ in the field of imaging informatics when long-term clinical outcomes such as mortality are not immediately available, relying on first acquiring paired gene expression data and medical images at diagnosis from a study cohort, and then leveraging the public gene expression data containing clinical outcomes from a closely matched population into a personalized medicine (Stanford and Harvard University).
의료 산업이 빠른 속도로 혁신하고 있음에도 불구하고 많은 병원과 기관들은 아직 무방비 상태에 놓여 있습니다. 단발성의 급성 환자 치료에 초점을 둔 기존의 모델로는 더 이상 충분하지 않습니다. 전세계적으로 변화하고 있는 의료산업에 어떻게 대비해야할지 브로셔를 통해 알아보세요.
지난주말에 있었던 제 4회 대한신경집중치료학회 편집위원회 워크샵에서 발표했던 내용중에 발췌한 것입니다. 원래 제목은 "인공지능 관련 연구: 논문 작성과 심사에 관한 요령" 입니다. 최근에 deep learning in medical imaging으로 2편의 리뷰와 논문 1편, CADD 논문, 앙상블 논문 1편이 되면서 요청이 온것 같습니다.부족한 제가 하기 어려운 주제를 맡았는데, 혹시 도움이 되실 분이 있으면 도움을 되시라고 올려드립니다. 결론은 인공지능 연구라고 특별히 다르지는 않지만, 공학 연구와 의학연구가 다르고, 인공지능 특성을 잘 이해해야 한다 정도 될것 같습니다. (상당부분 저희병원 박성호 교수님의 radiology 논문 Methodology for Evaluation of Clinical Performance and Impact of Artificial Intelligence Technology for Medical Diagnosis and Prediction을 참고했습니다.)
Recent advances of AI for medical imaging : Engineering perspectives
4차산업혁명시대의 의과학교육
1. 4차산업시대의 의과학교육
공포와 과장을 넘어
Namkug Kim, PhD namkugkim@gmail.com
Medical Imaging N Robotics Lab. http://mirl.ulsan.ac.kr
Convergence Medicine/Radiology
Biomedical Engineering Center
Asan Medical Center/Univ. of Ulsan College of Medicine
2. Researches with
Hyundai Heavy Industries Co. Ltd.
LG Electronics
Coreline Soft Inc.
Osstem Implant
CGBio
VUNO
Kakaobrain
Conflict of Interests
Stockholder
Coreline Soft, Inc.
AnyMedi
Co-founder
Somansa Inc.
Cybermed Inc.
Clinical Imaging Solution, Inc
AnyMedi, Inc.
Selected Grants as PI
NRF, South Korea
7T MRI 4D flow MRI in-vivo SW개발, 2016
4D flow MRI in-vivo flow researches, 2015-7
MRS and MRI SW, 2011-3
KEIT, South Korea
Medical Imaging AI, 2016-20
3DP spine custom implant, 2016-20
3D printer based denture, 2015-9
Robot on muscular skeletal surgery, 2012-7
Image guided surgical robot, 2012-7
Surgery aided navigation for Spine and Neurosurgery,
2001
Medical 3D printing S/W, 정통부, 2000
Virtual surgery SW on medical images,
중소기업기술혁신개발, 중기청, 2001
KHIDI, South Korea
Stroke prediction and CDSS using MRI, 2012-8
Automated SW for Ischemic infarct of coronary artery
in CT, 2013-6
Pedicle screw planning SW using RP, 2000
Companies Fundings
Siemens Germany, Hyundai Heavy Industry, Osstem
Implant, S&G Biotech, Coreline soft, Midas IT, AnyMedi,
Hitachi Medical, Japan,
3. MIRL@AMC
Image Based Robotics
Biopsy/Tunneling
Artificial Joint Replacement/
Active Catheter
DBS Robot
Computer Aided Surgery
Human computer interface
Stereovision
Contactless Interface
Image guided
Surgery Planning
3D Printing/Navigation
Brain
Stroke
Parkinson
DBS planner, ECoG, BMI
Lung
COPD
DILD
Asthma
HT
Cardiac
CT Perfusion
4D Flow MRI
4DUS
LCX
Artificial Intelligence
For Medical imaging
Segmentation
CAD/CADD/CDSS/CBIR
Epidemiology
Geographic information system
Complexity system
Dynamic system (ER, airpolution)
LAD
RCA
4. 4
MBC Docu. Special ‘Future Human AI’, 2016.12.05
Image guided robotics ; Hyundai Heavy Industry AView Lung SW ; Coreline soft Inc.
3D Printing ; Urology @ AMC
Movie Clips
5.
6. Global Trends Drive Momentum in health care industry
Data Explosion 150+ exabytes Amount of healthcare data today1
Over 230K Active clinical trials2
80% Healthcare data that comes from unstructured data sources3
Dynamic
Delivery
Environment
50% Expected alternative payments form the Centers of Medicare and Medicaid by
2018 4
75%+ Percentage of patients expected to use digital health services in the future5
90K Expected shortage of physicians by 2020 6
Value vs Volume 4.7 trillion Estimated global economic impact of chronic disease by 2030 7
3 trillion Estimated US healthcare spending 8
100’s Approx. amount of decisions a person living with Type 1 Diabetes makes a day9
Efficient and
effective R&D
1 in 10 Clinical trials in cancer that are shut down due to lack of participation10
2.6B Average costs to develop a new pharma drug11
<10% Amount of drug currently in development that make it market12
6
1: NCBI: big data analytics in healthcare: promise and potential 2: ClinicalTrials.gov, 3: NIH 4 CMS 5: McKinsey Healthcare's Digital Future July 2014,
6: AAMC Report The complexities from 2014 ro 2025 7: WEF global economic burden non-communication diseases 8: Health affaires. Team analysis
9: OpenAps.org 10: Bio-clinical development success rates 20, Health Economic volume 47, May 2016
1. Life expectancy data, WHO, 2012
2. 2015 Global life sciences outlook: adapting in an era of transformation, Deloitte DTTL, 2014
3. Informa Pic Market Line Extracted Oct 2014
8. 의료 빅데이터 + 인공지능
의료 빅데이터를 이용하는
정밀의료 실현
사물인터넷 유전자검사
의료영상
환자 모니터링
하루 37만건의 의무기록 (연
간 약 1TB)
연간 약 2백만 영상데이터
(30TB)
3.8×109 염기쌍을 가진 DNA
정보
대형 종합 병원
9. Big data : Google Trends/Facebook
9Nature 2008
약물중독의 상관관계를 분석하여 담배, 알코올, 의약품의 중독에 대해 각
각 86%, 81%, 84%의 정확도로 선별
10. Opportunity
10
8 trillion exam:
Healthcare Industry
2 trillion : wastes in
healthcare industry
Better experience
Imaging :
Unnecessary tests
Lower cost
Oncology:
Variability of Care
Better outcomes
Life sciences:
Failed clinical trials
Government:
Fraud, Waste and Abuse
Value Based Care:
Cost of chronic disease
360 billion : total IT and
healthcare market
opportunity
*IBM Watson
11. Artificial Intelligence(인공지능)
11
Machines (SW, robots) that think and act like humans
Make machines do things at which humans are better
Solve tasks that, if done by humans, require intelligence
1950: Turing’s paper, 1956: “Artificial Intelligence (AI)”
12. Artificial Intelligence(인공지능)
Weak artificial intelligence(약인공지
능)
Narrow AI, applied AI
정해진 목적을 위해 사용하는 인공지능
바둑, 체스, 스팸 필터링, 쇼핑 추천, 자율운전
Strong artificial intelligence(강인공
지능)
인간급의 인공 지능
사고, 계획, 문제해결, 추상화, 복잡한 개념
학습
13. 지도학습 vs 비지도학습
Supervised Learning (지도학습)
Naïve Bayesian Classifier
Support Vector Machine
Artificial Neural Network
Deep Learning
Unsupervised Learning (비지도학습)
k-means
14. Five tribes of AI researches
From Pedro Domingos, Professor, University of Washington at MLconf ATL
18. Size of neural networks
20From Ian Goodfellow, MIT Press 2016
19. Bio Plausible Neural Network
Mimic human visual recognition system
Neocognitron, proposed by Hubel & Wiesel in 1959
Visual primary cortex by cascading from S-Cell to C-Cell
Each unit connected to a small subset of other units
Based on what it sees, it decides what it wants to say
Units must learn to cooperate to accomplish the task
21From Gallant and van Esses, Simon Thorpe
20. CNN : Major Breakthroughs in Feedforward NN
K. Fukushima Yann Lecun G. Hinton, S. Ruslan
Neocognitron
Neocognitron (1979)
• By Kunihiko Fukushima
• First proposed CNN
Convolutional Neural Networks (1989)
• Yann Lecun et.al
• Back propagation for CNN
• Theoretically learn any function
LeNet-5 architecture
Alex krizhevsky , Hinton
LeNet-5(1998)
• Convolutional networks
Improved by Yann Lecun et.al
• Classify handwritten digits
D. Rumelhart, G. Hinton, R.
Wiliams
1960 1970 1980 1990 2000 2010 2012
Perceptron
XOR
Problem
Golden Age
1957 1969 1986
F. Rosenblatt
M. Minsky, S. Papert
• Adjustable weights
• Weights are not learned
• XOR problem is not linearly
separble
• Solution to nonlinearity
separable problems
• Big computation, local optima
and overfiting
CNN Breakthrough (2012)
• By Alex Krizhevsky et al.
• Winner of ILSVRC2012 by
large marginDark Age (AI winter)
Back propagation (1981)
• Train multiple layers
Multi-layer Perceptron
(1986)
1950
Neocognitron (1959)
• Hubel & Wiesel
• by cascading from S-
Cell to C-Cell
24. 인공지능과 의료
2000년대 이후 임상 연구 ex. phenotyping
등 분야에서 연구방법으로 활용되어옴.
최근 여러 요인에 의해서 새로운 양상
인공지능기술의 획기적인 개선
Healthcare big data와 연결
IOT, robotics, mobile platform과의 연결
25. 인공지능 의료적용 분야
인공지능 분야
시각지능
언어지능
판단지능
자동분류
요약/창작
공간지능
임상시험
케이스선정
신약개발프로세스
진료보조
비서서비스
음성인식 의무기록
데이터기반 정밀의료
유전체분석
약혼합사용 및 합병증 예측
진단검사추천
판독보조
정상유무판정
유사증례검색
판독문 생성
병리분야 판독 보조
물류, 수술실, 병실 운영
로봇수술
의료 인공지능
인공지능 의료적용 분야
31
26. 인공지능 의료적용 분야 (임상 중심 분류)
정상 유무 판정
초기진단 빅 데이터와 차세대 인
공지능 기법을 통해 정밀판독이
없이도 초기 감별진단
유사증례검색
DB의 수많은 증례로부터 유사한
증례를 검색, 시각화하여 진단에
도움
예비 판독문 생성
인공지능 기반 의료영상 분석기
법과 자연어 처리기술을 융합,
영상전문의의 판독을 보조할 수
있는 수준의 판독문 자동생성
병리분야 판독 보조
병리영상 빅데이터에 인공지능
기법의 적용, 진단, 발병기전 분
석, 예후 예측 등에 활용
임상시험
인공지능 기술을 기반으로 단일 병
원 및 병원 클러스터간 물류, 수술
실, 병실의 효율적 운영
물류, 수술실, 병실 운영
로봇수술
인공지능 기술을 통해 의료 로봇의
수술을 계획, 위험도 예측, 침습부
위 최소화
진료보조
데이터기반 정밀의료
판독보조
신약
약물 개발과정에 인공지능 기법을 적용, 질병 치료
에 더욱 효과적인 약물의 조합과 용도 변경 탐색,
약물 후보군 및 임상환자 군의 최적화
케이스 선정
인공지능 기반 검색기법을
통해 적합한 질병 및 환자
를 탐색, 임상 시험의 준비
기간을 단축, 객관성 향상
비서서비스
IoT기술, 음성 인식기술 및 인공지능 기술을 융합,
효율적인 예약, 진단 및 진료 프로세스, 업무 정보
업데이트 및 맞춤형 큐레이션
음성인식 의무기록
진단 및 판독 내용의 기록을 자동화,
의료분야 전문용어를 판독 및 구조화
할 수 있는 수준의 음성 인식 및 문
서 생성 기술
진단 검사 추천
정밀 진단 및 치료를 위해 인공지능
및 빅데이터를 활용, 정확도를 높이고
위험도를 낮추기 위한 추가 진단 검사
프로세스를 추천
유전체
맞춤 의료를 위해 유전체, 멀티모달 의료 영
상 및 임상병리 빅데이터를 바탕으로 연관성
을 분석, 모델링하여 예후 예측, 진단 및 치료
약 혼합 사용 및 합병증 예측
치료 및 약물 사용 시 사례기반 위험성 또는 합병
증의 위험을 알려 주어 의사의 최종 결정을 보조
32
45. 3. 비디오 인식
Video understanding (Google, 2014)
Scene parsing (NYU/Facebook , 2014) NVIDIA DRIVE PX, 2015
46. 중이염 동영상 인식 및 모니터링
AMC ENT 정종우 교수님 협력연구
수술장 동영상 기술 개발
중이염, 인공와우 수술 동영상자료의 분류
수술영상을 각 단계로 분류 : 1000 례 이상
분류된 영상의 구조물 명시와 술식명시
시간축의 술식 예시
Cortical bone cutting & opening into mastoid
air cells
Sculpt the EAC: anterior boundary (optional)
Exposing the sigmoid sinus: posterior
boundary
Delineate mastoid tegmen: superior boundary
Open the antrum
Define and deepen the sinodural angle &
open the mastoid tip cells
Expose the incus from antrum
Facial nerve identification (mastoid segment)
Open the facial recess (posterior
tympanotomy
57
수술장 영상 기술 개발
영상 내 물체 인식의 경우
동영상 같은 경우에는 CNN과 RNN을 결합
한 CNN-RNN 모델 사용
동영상 데이터 학습을 통한 수술 단
계 분류 알고리즘
- 개발정리된 영상을 이용한 인공지능
학습 알고리즘 개발
- 좌우측과 다양한 형태의 유양동에 따
른 적용
- 알고리즘의 임상 검증 및 평가(수술단
계 및 정량화 정보)
53. 간호사 중심 의사 중심
의사, 간호사 시점 (360도) 수술실 전체 (360도) 수술 장면 (캠코더)
수술 장면은
항상 같이 나옴
모든 장면과 상황을
원하는 곳에서!!
수술실 전체
360도 다시점 VR 동영상 @ 수술실/응급실/ICU
65
54. 6. 생성 모델 (얼굴, 거실)
Deep Convolutional Generative Adversarial Networks (DCGAN)
Rotations are linear in latent space
Bedroom generation
Arithmetic on faces
57. 7. 영상 해석/자막 생성
Image Caption
Generation
Video Caption
Generation
58. Chest X-ray Mesh Term
71
Learning to read chest x-ray
Automated annotation with attention and visual-
sentence mapping
59. Generated annotation
- Hoo-Chang Shin, Kirk Roberts, Le Lu, Dina Demner-Fushman, Jianhua Yao, Ronald M
Summers, "Learning to Read Chest X-Rays: Recurrent Neural Cascade Model for Automated
73. 인공지능 의료적용 현황 (국내)
국내 동향
• 삼성과 LG를 비롯한 IT 기업의 높은 인공지능 분야 기술력
• 세계적 수준의 임상의료 및 임상시험 기술
• 최근 뷰노코리아, 루닛 등 인공지능기반 의료분야 스타트업들이 조기성과를 보이는 등 의료분야
인공지능 산업 기반 확대
미만성폐질환에서 CT로부터 질병을 판별. 질병
판독. 질병의 진행상황, 치료법 등 전문의 판단
을 도움을 주는 시스템 개발
소아 골연령 판정 보조 시스템 개발
흉부단순촬영 등 영상 데이터를 딥러닝 기술로
학습, 결핵, 유방암등 검출하는 기술을 개발
시스템생물학에 인공지능을 결합시
켜 기존 약물 개발 과정을 개선
86
74. 제도 개선중인 선진국과 같이
국내 규제 역시 완화될 것으로 기대
FDA 가이드라인
FDA, CE는 예외조항을
적용하여 허가 절차 면제
3D 프린팅 시뮬레이션 모형에
의료보험 적용 (‘16.4)
식약처: 허가심사
가이드라인 발표(‘15.12), 3DP
의료기기 인허가준비
심평원: 수가 코드
국무조정실: 규제개혁
의료용 3D 프린팅 시장 전망*
966
355
20192012
(단위: million $)
맞춤형 Needs가 큰 의료분야
확산 적용 예상
시장 급성장 예상
의료응용 시장은 도입 단계로, 대등
한 위치에서 경쟁 가능
*Transparency Marker Research(2013)
3D 프린터
주요 특허
만료
3D 프린터
확산 시작
의료 분야
적용 시도
3D 프린터 제조 관련
주요 특허가 2014년
전후로 만료
가격 하락으로 자동차,
전자제품, 항공 등
다양한 분야에 확산
의료응용을 위해
제조사, 연구기관 등이
연구 및 사업화 시도 중
시뮬레이터, 수술가이드 등을 시작으로
제약, 인공장기로 확대 예상
의료용 3D 프린팅 시장은 전세계적으로 태동 단계로
Global No.1이 가능, 차세대 성장동력으로 임상적용필요
시장 선점 사업자 부재 시장 확대를 위한 제도 개선
88/27
의료용 3D 프린팅의 높은 시장 잠재력
75. • 시험제작을넘어직접의료기기생산에적용되는도입초기단계
• 병원별3D FabricationLab설립
• 의료서비스회사시작(Materialise, Stratasys DirectManufacturing,등)
• 일본3D 프린팅시뮬레이션수가(‘16. 4월)
TOP연구기관
Stanford school of
medicine (USA)
3D printing facility 설립
의료관련 연구/교육 용도 서비스
Phoenix children’s Heart
center (USA)
FASOTEC
(Japan)
3D HOPE MEDICAL
(Canada)
2년간 100case cardiac model 제작
6개 나라 15개의 기관과 협업
의대생 교육용 모델 제공
기형 소아심장 수술을 위한 3D printed
stimulating phantom 제작 서비스
비영리 IMIB-CHD 운영
2014년 3D프린팅모델, 수술연습용 모
델 서비스
수술연습 모형 및 재료물성 연구
3D 프린팅 기반 맞춤형 의료기기 및 모델 제작
89/27
국제적으로 3D 프린팅 의료분야 적용이 폭발적으로 일어나고 있으며, 수가 도입이
시작되어 의료현장에 적용 중
의료용 3DP 주요 세계 현황
76. 의료용 3D 프린팅 구성요소
모델링 가상수술
SW
3D 프린터
영상 스캐너
3D 스캐너
HW
투명, 연성 강성
골친화도 생분해성
재료
Radiographer
CAD/CAM engineer
3DP engineer
인력
Cloud
Mobile
STL
플랫폼
융합
기술
77. 3D Printing Perspective@MIRL
*Children's National Medical Centre in Washington, **SNUH 1998, *** AMC 2013
Special purpose 3D printing
Elastic
congenital
heart model*
TAH fitting trial**
Phantom#
Epithese, prosthetics
코, 귀, 눈 (특수분장)
깁스
0. 서울아산병원
Simulation Printing Surgical Guide Implantable Devices Bio-Printing
84. 101
AP 통신 : 인공지능(로봇)이 기사 작성, 기술 공개
초당 2,000개 기사 작성 가능
기존의 300개 기업 실적 -> 3000개 기업 실적 커버
85. 102
Right now, about 80% of Americans who need a lawyer can't afford one
"With ROSS, lawyers can scale their abilities and start to service this very
large untapped market of Americans in need,"
90. “And that’s why we’re here today. Because something called precision
medicine … gives us one of the greatest opportunities for new medical
breakthroughs that we have ever seen.”
President Barack Obama
January 30, 2015
정밀의료기기및재료 : 의료영상 + 인공지능 + 3D 프린팅
의료영상(빅데이터)
▶ 인공지능 영상처리 및 모델링
▶ 3D 프린팅 기반 맞춤형 의료기기및재료
107/27
정밀의료(Precision Medicine) Initiative
91. 의료효율성
국내현황
Efficacy (효용성)
Cost (비용)
Equation = Efficacy / Cost
• 정밀치료를 통한 효용성 극대화
• 효율적 의료시스템 구축을 통한 비용
감소
• 고령화 사회 등으로 GDP대비 의료비 비율 빠르게 증가하고 있으며 상승폭 또한 커지고 있음
• 국민 소득 및 소비수준을 고려하여 의료비는 변화에 반비례하여 감소되어야 할 필요성 존재
시사점: 정밀치료 및 의료 효율화 측면에서 임상현장 기반 지능형 3D 프린팅 기술
개발 및 임상적용 필요
정밀의료를 통한 의료비 절감의 필요성
92. Surgeon
Time Type Name Description
Past Great Surgeon William Halsted* To be great in the
name of surgery
Present Common Surgeon Steve Rosenberg* To be great in the
name of
immunotherapy
Future Augmented
Surgeon
- To be great by the
augmentation of AI
109*Wikipedia
98. Future Education
Immersive Education (+ VR)
Provide opportunities for
global classrooms
Lifelong and lifewide
technologies
Personalized learning (+ AI)
Virtual mentors for every
learner
Creating customized content
Enhanced crowd-sourced
tutoring
Mastery-based learning
Grading is not reliable metric
Experiential learning
Analysis of interaction data
115
102. 법적이슈
의료법 21조 제 3자 열람, 16, 23조 전자의무기록
생명윤리 및 안전에 관한 법률 제2, 15, 16, 18 조
개인정보보호법 제2조 제1항 제6호
의료기기법 : 허가 (2,6조) 및 유효성 (8, 9, 10 조)
국민건강보험법 : 건강보험심사평가원
신의료기술평가에 관한 규칙 보건복지부령 제353호
, 2015, 안전성 유효성
정보통신망 이용촉진 및 정보보호 등에 관한 법: 제2
조 개인정보, 국외 이전
다부처 개인정보 비식별화 가이드라인(2016), 익명화
“전자의무기록의 관리.보존에 필요한 시설과 장비에 관
한 기준” (2016-140호) 보건복지부 고시
개발시 사용되는 데이터의 피험자 동의
오작동 책임소재 및 윤리
클라우드 저장 및 활용, 보안
의료법 시행규칙 고시 개정, 2016
https://namkugkim.wordpress.com/2017/03/09/병원의-환자-데이터-활용에-대한-법적인-이슈/