빅데이터 및 인공지능 등 ICT 기술의 발전과 함께 디지털 기술과 의료를 접목한 디지털 헬스케어가 미래의료 혁신을 불러올 것으로 전망. 개인 맞춤형 치료 및 예방관리로 의료 패러다임이 변화됨에 따라, 디지털 헬스케어의 핵심인 '빅데이터와 인공지능'이 중요한 요소로 등장. 주요 선진국에서는 데이터와 인공지능이 가져올 변화에 주목하고, 이를 선도하기 위해 국가적 차원의 빅데이터 정책 추진 및 투자를 확대. 우리나라도 보건의료 빅데이터 플랫폼 구축('18.11) 및 데이터 3법('20.1)을 개정하는 등 의료데이터 활용 확대에 노력.
*(데이터 3법)추가 정보의 결합 없이 개인을 식별할 수 없도록 처리된 가명정보 개념도입
보건의료 빅데이터와 인공지능의 결합은 분석을 넘어 높은 정확도를 가진 예측 가능한 기술로 신약개발 및 의료서비스 등 보건의료 전반에 커다란 혁신을 불러 올 것으로 기대. 최근 딥러닝 등장과 함께, 유전자, 생활습관 정보 등 대량의 정보들의 분석이 가능해져 전문가 수준의 의학 문제를 해결하거나 질환을 사전에 예측하고 진단하는 등 보건의료 분야의 다양한 연구 가능성 제시.
인공지능은 고품질의 빅데이터와 차별화된 알고리즘이 뒷받침되어야 수준 높은 인공지능을 개발할 수 있기 때문에 양질의 데이터를 얼마나 확보하느냐에 따라 경쟁력 좌우. 인공지능은 정밀의료를 실현하기 위한 핵심으로, 향후 개인 맞춤형 진료 및 임상의사 결정 지원시스템, 질병 예후 예측 등 다양한 분야에 활용. 그러나, 보건의료 빅데이터는 진료정보 등 개인의 민감 정보를 포함하고 있어 데이터 활용 시 개인정보 보호에 대한 이슈 제기.
CONTENTS
I. 디지털 헬스케어의 핵심, 보건의료 빅데이터·인공지능
1. 보건의료의 혁신적인 변화
2. 보건의료 빅데이터와 인공지능의 결합
3. 보건의료 빅데이터 수집 및 활용 한계
II. 떠오르는 인공지능 기술, 합성 의료데이터
1. 합성 의료데이터 개념 및 목적
2. 대표적인 합성 의료데이터 생성기술 :GAN
3. GAN 기술의 종류
III. GAN을 이용한 합성 의료데이터 활용 사례
1. 진행성 전립선암 병변 검출을 위한 MRI 영상 분할
2. 저선량 CT 영상의 노이즈 제거를 통한 일반선량 CT 영상으로 변환
3. 뇌 MRI를 CT영상으로 변환
4. GAN을 이용한 신약 후보물질 탐색
5. 비장비대 병변 자동검출 및 MRI <-> CT 영상 간 이미지 합성
6. PET 이미지 누락 문제 해결을 통한 알츠하이머 진단 AI 모델 성능 개선
7. GAN을 활용한 데이터 부족 및 과최적화 문제 해결방안 연구
8. GAN을 이용한 고해상도 피부병변 합성
9. 전자건강기록(EHR)을 이용합 합성데이터 생성 및 재식별 가능성 평가 연구
10. 합성 의의료데이터 임상적 유효성 검증 연구
IV. 결론 및 시사점
|
자세한 내용은 첨부파일을 참고하시기 바랍니다.
출처 : 한국보건산업진흥원 / 보건산업브리프 Vol.315
