🧠 Medical AI가 무엇인가요?
난이도: 중
Medical AI(의료인공지능)란, AI 기술을 의료 분야에 적용하여 의료 진단, 치료, 예방 등 다양한 의료 관련 작업을 수행하는 기술을 말합니다. Medical AI의 목적은 의사, 간호사, 의료 전문가 등의 의료 인력을 보조하거나 의사 결정을 지원하는 도구로 사용됩니다.
- Diagnosis & Predict: Medical AI는 환자의 의료 데이터를 분석하여 질병을 진단하고 예측하는 데 도움을 줄 수 있습니다. 주로 Medical AI는 의료영상(X-ray, MRI)을 분석하고 이상을 탐지하거나, 의료 기록 및 생체 신호 데이터를 분석하여 환자의 상태를 예측하는 데 사용될 수 있습니다.
- Precision Medicine: 환자의 개인적인 유전자, 생물학적 특성, 환경 요인 등을 고려하여 개인에게 최적화된 진단, 치료, 예방 전략을 제공하는 방식입니다. AI는 유전체 데이터를 분석을 통해 개인의 유전적 변이와 연관된 질병 위험을 예측하고 유전적 특성에 기반한 맞춤형 치료 전략을 개발하는 데 사용됩니다. 또한, AI는 약물 디자인 및 스크리닝에 활용되어 특정 환자 집단에서 가장 효과적인 약물을 식별하고 개인의 유전자 정보와 약물 대사에 대한 이해를 바탕으로 치료 반응을 예측할 수 있습니다.
- Clinical Decision Support System: AI는 의료 문헌, 연구 데이터, 최신 표준 지침 등을 분석하여 의사들에게 최신 정보를 제공하고, 의사들이 의료 결정을 내릴 때 보조할 수 있습니다.
Medical AI는 논문 리뷰를 통해 Medical AI가 전반적으로 어떤 Process로 연구가 진행되는지 공부하고 의료 도메인 지식을 공부합니다. 뿐만 아니라, 오픈셋을 이용해 실제로 Process를 구현해봅니다.
🧠 Medical AI 커리큘럼
주차 | 날짜 | 내용 |
1주차 | 7월 27일 (목) | OT & 논문 리뷰 |
2주차 | 8월 3일 (목) | 논문 리뷰 |
3주차 | 8월 10일 (목) | 논문 리뷰 |
4주차 | 8월 17일 (목) | 논문 리뷰 |
5주차 | 8월 24일 (목) | 팀 별 Medical AI 프로젝트 |
6주차 | 8월 31일 (목) | 팀 별 Medical AI 프로젝트 |
7주차 | 9월 7일 (목) | 팀 별 Medical AI 프로젝트 |
8주차 | 9월 14일 (목) | 팀 별 Medical AI 프로젝트 |
9주차 | 9월 21일 (목) | 팀 별 Medical AI 프로젝트 |
분야 | 논문 제목 | 링크 |
Medical Image | Segmentation of head CT-scan to calculate percentage of brain hemorrhage volume | |
Medical Image | Dermatologist-level classification of skin cancer with deep neural networks | |
Medical Image | Brain MRI analysis for Alzheimer’s disease diagnosis using an ensemble system of deep convolutional neural networks | |
Bio-Signal | Epileptic seizure detection for multi-channel EEG with deep convolutional neural network | |
Bio-Signal | A Deep Learning Model for Automated Sleep Stages Classification Using PSG Signals | |
Bio-Signal | A deep convolutional neural network model for automated identification of abnormal EEG signals | |
Clinical Data | Machine Learning Prediction Models for Postoperative Stroke in Elderly Patients: Analyses of the MIMIC Database | |
Clinical Data | Predicting 30-days mortality for MIMIC-III patients with sepsis-3: a machine learning approach using XGboost | |
Clinical Data | A Machine Learning Based Discharge Prediction of Cardiovascular Diseases Patients in Intensive Care Units |
리더를 소개합니다!
컴퓨터공학 학부를 졸업하고 생체신호와 의료영상을 연구하는 연구실에서 학생연구원을 했습니다. 현재 아주대학교병원 신경과, 아주대학교 융합의과학과에서 석사과정 중에 있습니다.
- GAN 기반 생체신호(뇌파, 심전도) 이상 탐지 모델 개발
- 의료영상, 생체신호 기반 수면질환 진단 모델 개발
- 의료인공지능 모델 개발 프로젝트 다수
- 공학, 의학 학술대회 수상 경험 다수