의료 분야에도 인공지능의 시대가 온다!

현역 의사가 알려주는, 국내 최초 의료 AI 입문서

정말 의사의 80%가 사라질까? 거대한 AI 물결이 우리 생활 곳곳에 영향을 미치기 시작했다. 많은 직종을 AI가 대체할 것이며, 의사 또한 예외가 아니다. 딥러닝의 일인자인 캐나다 토론토대학의 제프리 힌튼 교수는 “5년이 지나면 영상 진단은 대부분 딥러닝이 도맡게 되어 영상의학과 의사는 필요 없을 것이다!”라고 말했다. 그의 주장처럼 AI가 의사를 대체하게 된다면 격변하는 인공지능 시대에 대응하기 위해 무엇을 해야 할까? 바로 인공지능을 이해하는 것부터 시작해야 한다.

영상의학과 전문의이자 이 책의 저자 야마시타 야스유키는 AI가 의료 분야의 패러다임을 바꿀 것을 직감하고, 임상의를 비롯한 수많은 의료 관계자가 AI를 직관적으로 이해할 수 있도록 이 책을 집필했다. 의료 종사자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서로 머신러닝, 딥러닝, 인공 뉴런, 신경망 등 AI의 핵심 이론과 알고리즘을 소개한다. 특히 어려운 이론이나 용어는 이해하기 쉽도록 MRI, CT 등 의료와 관련된 예시와 풍부한 그림을 보여주며 설명한다. 뿐만 아니라 의료와 인공지능이 어떤 관계에 있는지, 의료 분야에 AI가 어떻게 적용될지 등 의료 AI에 관한 현재와 미래를 통찰력 있게 분석한다. 이 거대한 의료 인공지능의 숲으로 들어가 보고 싶다면 일독하길 권한다. 인공지능에 생소한 의료 종사자는 물론 곧 AI와 함께 활약할 젊은 의학도에게 유용한 지침서가 될 것이다.

프롤로그

번역에 들어가며

PART 1

의료 AI

의료와 인공지능은 친화성이 높다

AI의 역사와 의료와의 관계

제1차 인공지능 붐

제2차 인공지능 붐

제3차 인공지능 붐

AI와 신경망 그리고 딥러닝까지

PART 2

머신러닝과 통계학은 종이의 앞뒤

머신러닝에서의 예측은 각 인자의 가중치가 중요하다

PART 3

의료에 사용하는 머신러닝

머신러닝의 종류

지도학습이란?

분류문제 : 질환의 감별

회귀문제 : 수치 예측

학습이란?

입력 데이터의 학습법

과적합의 함정

비지도학습이란?

PART 4

여러 가지 머신러닝

선형 회귀(단순 회귀 또는 다중 회귀)

로지스틱 시그모이드 회귀

K-최근접 이웃 알고리즘(K-Nearest Neighbor)

서포트 벡터 머신(Support Vector Machine, SVM)

결정 트리(Decision Tree)

총체적 학습

랜덤 포레스트(Random Forest)

XG 부스트(XG Boost)

머신러닝의 성능

PART 5

진단에 응용한 베이즈 정리

베이즈 정리란?

PART 6

인공 뉴런

신경세포와 인공 뉴런

인공 뉴런의 가중치와 역치

활성화 함수로 출력을 미세하게 조정한다

PART 7

신경망

신경망의 구조

은닉층의 도입

신경망은 점점 현명해진다

신경망에 의한 영상 인식

PART 8

딥러닝

딥러닝의 구조

다른 머신러닝과의 차이점

딥러닝에서의 과적합

딥러닝의 학습과 처리

딥러닝의 종류

PART 9

합성곱 신경망

합성곱 신경망(CNN)의 구조

영상 입력

합성곱(필터 처리)

풀링(Pooling)

전결합층

출력층

층의 깊이와 영상 인식

PART 10

의료 분야에서 활용하는 AI

진료 지원에서의 AI 응용

검체검사에서의 AI 응용

영상 진단에서의 AI 응용

영상 처리에서의 AI 응용

병리 진단에서의 AI 응용

그 외의 영상에 사용되는 AI

정밀의학이나 예방 의료에서의 AI 응용

신약개발에서의 AI 응용

간병에서의 AI 응용

PART 11

AI 시대의 의료

의사는 AI와 어떻게 같이 일할 것인가?

의료에 AI를 도입할 때 논의해야 할 것은?

데이터의 취득과 이용에 관한 문제(개인정보보호 등의 문제)

판단 과정 중 불투명성에 의한 문제

AI의 책임과 의사결정을 둘러싼 의론

진단 지원에 대한 질의 평가나 규격의 설계

지금부터 의사에게 요구될 것들

영상의학 진단의나 병리의에게