• 대한방사선기술학회지:방사선기술과학
• /
• 제43권3호
• /
• pp.195-208
• /
• 2020

Artificial intelligence(AI) is a field of computer science that is defined as allowing computers to imitate human intellectual behavior, even though AI's performance is to imitate humans. It is grafted across software-based fields with the advantages of high accuracy and speed of processing that surpasses humans. Indeed, the AI based technology has become a key technology in the medical field that will lead the development of medical image analysis. Therefore, this article introduces and discusses the concept of deep learning-based medical imaging analysis using the principle of algorithms for convolutional neural network(CNN) and back propagation. The research cases application of the AI based medical imaging analysis is used to classify the various disease(such as chest disease, coronary artery disease, and cerebrovascular disease), and the performance estimation comparing between AI based medical imaging classifier and human experts.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.881-887
• /
• 2023

본 연구는 한국에서 상용화된 인공지능(AI) 기반 의료 영상 장치의 발전과 현재 동향을 분석하는 것을 목표로 한다. 2023년 9월 30일 기준으로 한국 식품의약품안전처에 허가, 인증 및 신고된 AI 기반 의료기기는 총 186개로, 이 중 138개가 영상의학과와 관련된 제품이었다. 본 연구는 2018년부터 2023년까지의 연도별 허가 추세, 장비 유형, 적용 부위, 주요 기능 등을 종합적으로 고찰하였다. 연구 결과, AI 의료기기는 2018년 4개 제품에서 시작하여 2023년까지 꾸준한 성장세를 보였으며, 특히 2020년 이후 급격한 증가세를 나타내었다. 이는 AI 기술의 발전과 의료분야의 수요 증가가 상호 작용한 결과로 볼 수 있다. 장비별로는 CT, X-ray, MR 순으로 AI 의료기기가 개발되었으며, 이는 각 장비별 이미지의 특성과 임상적 중요성을 반영한다. 본 연구에서는 흉부, 뇌신경, 근골격계 등 특정 부위에 대한 AI 의료기기 개발이 활발한 것을 확인하였고, 주요 기능별로는 의료영상 분석, 탐지 및 진단 보조, 영상 전송 등이 주를 이루었다. 이러한 결과는 AI의 패턴 인식 및 데이터 분석 능력이 의료영상 분야에서 중요한 역할을 하고 있음을 시사한다. 또한, 본 연구는 한국 제품이 국제적인 인증, 특히 미국 FDA와 유럽 CE 인증을 받은 사례를 조사하였다. 그 결과, 다수의 제품이 두 기관의 인증을 받았으며, 이는 한국의 AI 의료기기가 국제적 수준에 부합하며, 글로벌 시장에서의 경쟁력을 갖추고 있음을 보여준다. 본 연구는 AI 기술이 의료영상 분야에서 미치는 영향과 그 발전 가능성을 분석함으로써, 향후 연구 및 개발 방향에 중요한 시사점을 제공한다. 하지만, 규제 측면, 데이터의 질과 접근성, 임상적 유효성 등의 도전 과제도 지적되어, 이러한 문제들에 대한 지속적인 연구와 개선이 요구된다.

• Journal of Gastric Cancer
• /
• 제23권3호
• /
• pp.388-399
• /
• 2023

Gastric cancer remains a significant global health concern, coercing the need for advancements in imaging techniques for ensuring accurate diagnosis and effective treatment planning. Artificial intelligence (AI) has emerged as a potent tool for gastric-cancer imaging, particularly for diagnostic imaging and body morphometry. This review article offers a comprehensive overview of the recent developments and applications of AI in gastric cancer imaging. We investigated the role of AI imaging in gastric cancer diagnosis and staging, showcasing its potential to enhance the accuracy and efficiency of these crucial aspects of patient management. Additionally, we explored the application of AI body morphometry specifically for assessing the clinical impact of gastrectomy. This aspect of AI utilization holds significant promise for understanding postoperative changes and optimizing patient outcomes. Furthermore, we examine the current state of AI techniques for the prognosis of patients with gastric cancer. These prognostic models leverage AI algorithms to predict long-term survival outcomes and assist clinicians in making informed treatment decisions. However, the implementation of AI techniques for gastric cancer imaging has several limitations. As AI continues to evolve, we hope to witness the translation of cutting-edge technologies into routine clinical practice, ultimately improving patient care and outcomes in the fight against gastric cancer.

• 전자통신동향분석
• /
• 제35권2호
• /
• pp.1-16
• /
• 2020

"Artificial Intelligence+" is a key strategic direction that has garnered the attention of several global medical device manufacturers and internet companies. Large hospitals are actively involved in different types of medical AI research and cooperation projects. Medical AI is expected to create numerous opportunities and advancements in areas such as medical imaging, computer aided diagnostics and clinical decision support, new drug development, personal healthcare, pathology analysis, and genetic disease prediction. On the contrary, some studies on the limitations and problems in current conditions such as lack of clinical validation, difficulty in performance comparison, lack of interoperability, adversarial attacks, and computational manipulations are being published. Overall, the medical AI field is in a paradigm shift. Regarding international standardization, the work on the top 10 standardization issues is witnessing rapid progress and the competition for standard development has become fierce.

• 의학교육논단
• /
• 제18권2호
• /
• pp.51-57
• /
• 2016

This literature review explores artificial intelligence (AI) technology trends and IBM Watson health and medical references. This study explains how healthcare will be changed by the evolution of AI technology, and also summarizes key technologies in AI, specifically the technology of IBM Watson. We look at this issue from the perspective of 'information overload,' in that medical literature doubles every three years, with approximately 700,000 new scientific articles being published every year, in addition to the explosion of patient data. Estimates are also forecasting a shortage of oncologists, with the demand expected to grow by 42%. Due to this projected shortage, physicians won't likely be able to explore the best treatment options for patients in clinical trials. This issue can be addressed by the AI Watson motivation to solve healthcare industry issues. In addition, the Watson Oncology solution is reviewed from the end user interface point of view. This study also investigates global company platform business to explain how AI and machine learning technology are expanding in the market with use cases. It emphasizes ecosystem partner business models that can support startup and venture businesses including healthcare models. Finally, we identify a need for healthcare company partnerships to be reviewed from the aspect of solution transformation. AI and Watson will change a lot in the healthcare business. This study addresses what we need to prepare for AI, Cognitive Era those are understanding of AI innovation, Cloud Platform business, the importance of data sets, and needs for further enhancement in our knowledge base.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

• 대한영상의학회지
• /
• 제81권6호
• /
• pp.1397-1411
• /
• 2020

목적 이 연구는 인공지능(artificial intelligence; 이하 AI)에 대한 영상의학과 전공의들의 인식 및 의견을 알아보고자 하였다. 대상과 방법 2019년 6월 4일부터 7일까지 AI와 관련한 18개의 객관식 문항과 1개의 주관식 문항이 포함된 설문의 응답을 받았다. 모집된 결과를 로지스틱 회귀분석을 이용하여 전공의 연차, 소속 병원의 위치 및 규모 등의 요인에 따라 분석하였다. 결과 총 101명(89.4%)의 전공의가 응답하였다. AI의 지식적 측면에서 응답자의 50명(49.5%)이 AI에 대해 평균 이상으로 공부하고 있으며, 68명(67.3%)이 AI 관련 용어에 대한 이해도가 평균 이상이라고 응답하였다. 또한 서울 및 경기 지역 응답자가 기타 지역 응답자에 비하여 AI에 대한 자가 평가 및 지식수준이 의미 있게 높았으며, 4년차 전공의에 비해 1~2년차 전공의가 AI에 대한 자가 평가 및 지식수준이 의미 있게 낮았다. AI 관련 연구에 참여해본 적 있는 전공의는 15.8%이었지만, 추후 연구 참여 의향이 있는 전공의는 90%에 달하였다. 전공의 들은 또한 학회 주도의 AI 교육 및 적극적 홍보를 원하고 있었다. 결론 영상의학과 전공의의 AI 교육 수요를 충족시키고, 의료 AI 시대의 영상의학과 의사의 역할을 제대로 알리기 위해 보다 많은 학회 차원의 노력이 요청된다.

• Korean Journal of Radiology
• /
• 제25권3호
• /
• pp.224-242
• /
• 2024

The emergence of Chat Generative Pre-trained Transformer (ChatGPT), a chatbot developed by OpenAI, has garnered interest in the application of generative artificial intelligence (AI) models in the medical field. This review summarizes different generative AI models and their potential applications in the field of medicine and explores the evolving landscape of Generative Adversarial Networks and diffusion models since the introduction of generative AI models. These models have made valuable contributions to the field of radiology. Furthermore, this review also explores the significance of synthetic data in addressing privacy concerns and augmenting data diversity and quality within the medical domain, in addition to emphasizing the role of inversion in the investigation of generative models and outlining an approach to replicate this process. We provide an overview of Large Language Models, such as GPTs and bidirectional encoder representations (BERTs), that focus on prominent representatives and discuss recent initiatives involving language-vision models in radiology, including innovative large language and vision assistant for biomedicine (LLaVa-Med), to illustrate their practical application. This comprehensive review offers insights into the wide-ranging applications of generative AI models in clinical research and emphasizes their transformative potential.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.

• 대한한의학회지
• /
• 제44권4호
• /
• pp.72-86
• /
• 2023

Objectives: The medical field is rapidly evolving with AI and digital technologies like AI-based X-ray analysis and digital therapeutics gaining approval. Telemedicine is becoming prominent, and medical schools are adapting by integrating AI education. Pusan National University leads a talent training project for AI in health. Korean Medicine is incorporating AI with diagnostic systems and chatbots. However, there's a lack of research on education awareness in Korean Medicine Colleges. The study aims to assess opinions on integrating AI, digital therapeutics, and DNA test into the Korean medicine college curriculum for improved education. Methods: We selected appropriate four specific areas: artificial intelligence in medicine, digital therapeutics, DNA test, and telemedicine. The questionnaire developed for this study underwent expert evaluation and was subsequently administered to registered KMDs of the Association of Korean Medicine, as well as students from 12 Korean Medicine universities. The survey was designed to analyze the awareness and perceived importance of the 4 areas. Results: Both KMDs and Korean medicine students exhibited comparable awareness levels across the four objectives. Notably, both groups identified a high educational necessity and importance of artificial intelligence in medicine for clinical settings. Statistically significant differences were observed between KMDs and students in their perspectives on the importance of telemedicine and DNA test in the Korean medicine field, the educational necessity of DNA test within Korean medicine universities, and the need for comprehension of regulations related to digital therapeutics. Conclusion: The survey of Korean medicine professionals and students underscores a strong understanding of key areas such as Telemedicine, medical AI, DNA test, and digital therapeutics. Medical AI is identified as crucial for future education. There's a consensus on the need for curriculum changes in Korean medicine schools, particularly in adapting to evolving healthcare trends. The focus should be on practical clinical application, with a call for additional research to better integrate student and practitioner perspectives in future curriculum reform discussions.