의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 응급실에서 흉통으로 내원한 65세 환자를 생각해보자. 담당 의사는 흉부 X선, 심전도, 혈액 검사 결과, 그리고 환자의 과거 병력이 기록된 수십 페이지의 의무기록을 동시에 검토해야 한다. 현실에서 이 과정은 수십 분이 걸리고, 피로하거나 과부하 상태의 의료진이라면 중요한 단서 하나를 놓칠 수도 있다. 의료 현장에서
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 2023년 미국 응급실에서 한 흑인 여성 환자가 흉통을 호소했다. 담당 의사는 AI 기반 위험도 예측 도구를 참고했고, 시스템은 '저위험'으로 분류했다. 그러나 이 환자는 결국 급성 심근경색으로 진단됐다. 이것은 단순한 의료 오류가 아니다. 해당 AI 모델이 훈련된 데이터셋에서 흑인 여성 환자의
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 임상 AI 모델을 개발하려면 대규모 실제 환자 데이터가 필수적이다. 그런데 바로 그 데이터가 문제다. 전자의무기록(EMR), 영상 데이터, 유전체 정보는 본질적으로 개인을 특정할 수 있는 민감 정보이며, 이를 연구나 AI 학습에 활용하려면 기관생명윤리위원회(IRB) 승인, 환자 동의, 비식별화 처리, 보안 인프라 구축이라는 복잡한
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 전 세계 의료 영상 데이터는 매년 기하급수적으로 증가하고 있다. 미국 단독으로 연간 약 9억 건 이상의 의료 영상 검사가 시행되며, 이 수치는 2030년까지 두 배 이상 증가할 것으로 예측된다. 그러나 영상의학과 전문의 수는 이 속도를 따라가지 못하고 있다. 미국영상의학회(ACR)에 따르면, 방사선과
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 중환자실(ICU)은 현대 의료 시스템에서 가장 데이터 밀도가 높은 공간이다. 심전도, 동맥혈압, 맥박산소포화도, 호흡수, 체온, 그리고 수십 가지 혈액 검사 수치가 분(分) 단위, 때로는 초(秒) 단위로 생성된다. 그러나 아이러니하게도, 이처럼 풍부한 데이터 환경에서도 중증 악화(clinical deterioration)는 여전히 임상
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 전자건강기록(EHR)에는 방대한 임상 정보가 저장되어 있다. 그러나 아이러니하게도, 그 정보의 상당 부분은 사실상 분석 불가능한 상태로 묻혀 있다. 의사의 진료 노트, 간호 기록, 응급실 초진 기록, 병리 보고서, 방사선 판독문 — 이 모든 텍스트는 구조화된 코드(ICD, CPT, LOINC)가 아닌, 자유
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 응급실에서 AI가 패혈증을 예측했다. 알림이 화면에 떴다. 그런데 담당 간호사는 그 알림을 닫았다. 이 장면은 특정 병원의 일화가 아니다. 임상 의사결정 지원 시스템(Clinical Decision Support System, CDSS)이 실제 의료 현장에 배포된 이후 전 세계 수천 개 병원에서 반복되는 구조적 현실이다. 수억
의료 빅데이터 및 머신러닝 트렌드
도입 — 미충족 수요 또는 배경 문제 제시 의료 AI의 잠재력은 누구도 부정하지 않는다. 그러나 현실은 냉혹하다. 세계 최고 수준의 AI 모델도 결국 데이터로 만들어지는데, 병원의 환자 데이터는 국가별 개인정보보호법(한국 개인정보보호법, 미국 HIPAA, EU GDPR)의 두꺼운 장벽 안에 갇혀 있다. 단일 기관이 보유한 데이터만으로는 희귀 질환, 소아 중증 질환,