추가 적립 안내

저자는 책에서 자주 언급되는 diabetes.co.uk라는 당뇨병 커뮤니티에서 환자들이 자신의 당뇨를 잘 관리할 수 있도록 도와주는 인공지능 개발 전문가이다. 그 경험을 살려 헬스케어 종사자들과 헬스케어에 관심이 있는 사람들을 위해 헬스케어 인공지능의 이모저모를 어렵지 않게 설명한다. 이야기는 인공지능의 원료가 되는 데이터로 시작한다. 다른 분야와 마찬가지로 헬스케어 분야에서도 엄청난 양의 데이터가 수집되고 있음에 따라 빅데이터의 특징, 소스, 처리 과정, 공유 방법을 다룬다. 전통적인 의료 데이터는 병원에서 수집하고 관리했던 반면 최근에는 다양한 디바이스와 센서에서 데이터를 수집하다 보니 전통과 혁신이 충돌할 수 밖에 없다. 이 책에서는 이러한 문제를 현명하게 해결했을 때 얻을 수 있는 가치를 생각해 보게 한다.

다음은 헬스케어 데이터를 다루는 머신러닝, 인공지능 기술을 살펴본다. 최근에 큰 성공을 거둔 딥러닝을 비롯해 전통적인 회귀 분석에까지 데이터 분석에 쓰이는 알고리즘과 그런 알고리즘의 성능을 측정하는 방법을 설명한다. 알고리즘을 자세히 설명하려면 수학이나 통계학 수식 등을 동원할 수 밖에 없다. 그러나 저자가 그 방법을 피하고 있다 보니 내용이 다소 얄팍해졌다는 느낌을 준다. 처음 접하는 독자들은 아 이런 기술들이 사용되고 있구나 하는 정도로 넘어가도 될 듯 하다. 헬스케어 인공지능은 헬스케어 데이터를 다루기 때문에 그 어떤 분야보다 데이터 윤리가 크게 대두된다. 데이터를 공개, 공유하는 문제부터 데이터 보안 유지 그리고 인공지능 알고리즘의 공정성, 결과의 활용 등 윤리적인 철학과 토론, 합의가 필요함을 강조한다.

인간의 건강은 행복의 요건 가운데 하나이지만, 건강은 개인과 집단, 인류 모두의 노력으로 성취되는 것이다. 의료를 비롯한 헬스케어는 건강을 유지하기 위한 핵심 수단이다. 하지만 양질의 헬스케어를 제공하려면 어마어마한 비용이 든다. 그리고 많은 나라에서 고령화와 같은 변화로 인해 기존의 의료 경제 시스템을 지속할 수 없는 지점에 점점 다가가고 있음을 걱정하고 있다. 이러한 상황에서 헬스케어 인공지능은 지속 가능한 헬스케어 관리 시스템을 위한 수단으로 부각되고 있다. 이 책을 통해 헬스케어 인공지능의 구체적인 예와 가능성을 동시에 생각해볼 수 있다.

★ 이 책의 대상 독자 ★

이해관계자들은 빅데이터와 머신러닝을 사용해 데이터에서 미래를 예측하고, 숨겨진 연관성과 패턴을 발견할 수 있다. 이런 지식을 획득한다는 것은 도적적이고 법적인 결과로 이어질 수 있는데, 이에 대한 리스크를 줄일 수 있는 적절한 관리 방법을 알아본다.

★ 이 책의 구성 ★

헬스케어 영역에서의 인공지능 이론과 실용적인 응용을 다루며, 언제 어떻게 머신러닝을 응용할 수 있는지와 성능을 평가하는 방법을 알려준다. 마지막에는 새롭고 혁신적인 방법으로 인공지능과 빅데이터를 이용하는 시장을 주도하는 헬스케어 기관의 사례를 살펴본다.

★ 옮긴이의 말 ★

이 책은 헬스케어 분야의 인공지능 적용에 관련된 여러 가지 측면을 소개하는 개론서다. 완전한 기술서로 보기도 어렵고 그렇다고 고차원의 논쟁만 다루지도 않는다. 그 중간에 있다고 생각하면 좋을 듯 하다.
인공지능은 이미 그리고 앞으로 더욱더 모든 사람들의 일상에 영향을 줄 것이다. 어떤 사람은 의학의 역사를 인공지능 이전(BA, Before AI)과 인공 지능 이후(AA, After AI)로 나눠질 것이라고 주장하기도 한다. 인공지능은 일상뿐만 아니라 회사와 기관에서 사람들이 일하는 방식에도 영향을 주고 있다. 의료와 같은 전문 영역도 마찬가지다. 알파고가 이세돌 9단에게 이기는 것을 목격하고, 파괴적 혁신 기술이 전통적인 일자리에 영향을 주기 시작하면서 일반 사람들도 이전보다는 인공지능에 대한 관심이 높아졌다. 또 혁신의 대상이 자신이 될 수도 있다는 불안감을 안고 살아간다.
개인적으로 컴퓨터를 공부하게 된 계기는 병원의 낮은 생산성 때문이었다. 수많은 전문가가 그렇게 열심히 일을 하고, 병원 당국은 많은 자금을 투자하고, 환자와 가족도 건강을 회복하기 위해서 기꺼이 많은 희생을 함에도 불구하고, 의료 서비스에 만족하는 참여자는 찾기가 어려웠다. 내가 보기에는 컴퓨터가 그 답을 줄 것으로 보였다. 그래서 의료와 ICT 중간 지점을 찾고자 노력해왔다.
이 책은 헬스케어 인공지능 기술과 응용 사이에 있는 이야기를 한다. 그래서 전문 의료인이 보기에는 컴퓨터 기술서처럼 보일 수 있고, 전문 컴퓨터 엔지니어가 보기에는 새로운 기술은 소개하지 않으면서 의료 인공지능을 적용하는 방법을 다루는 다소 뜬구름 잡는 이야기로 보일 수 있다. 내가 틈새의 중간 지점을 찾아가는 탐구자 입장이어서 그럴 수도 있겠지만, 진정 중요한 것은 중간 지대에 있다고 본다. 인공지능을 이해하는 의료인과 의료를 이해하는 인공지능 전문가가 하나의 언어로 이야기 할 수 있을 때 혁신은 일어날 것이다. 그런 이야깃거리를 준다는 데 이 책의 가치가 있다고 본다.
처음 번역 제안을 받았을 때 이 책에 대한 불만은 컴퓨터 코드가 없다는 것이었다. 구체적이지 않고 추상적인 이야기만 있을 것 같다는 걱정이 있었다. 그런데 내용을 훑어보니 코딩을 하는 사람들에게 단점일 수 있지만, 의료 인공지능에 입문하려는 사람들에게는 더 나을 수도 있겠다 싶었다. 이 책에서도 나오지만 데이비드 월퍼트가 이야기한 머신러닝에서의 “No free lunch(공짜 점심은 없다)” 원리는 여기서도 적용되는 것 같다. 모든 상황에 만족하는 머신러닝 모델이 없듯이 모든 독자를 만족시키는 기술서도 없어 보인다. 그렇지만 특정 문제에 적합한 더 나은 모델이 존재하는 것처럼, 특정 주제와 목적의 책은 분명 존재한다. 이 책을 의료 인공지능의 안내서로 본다면 분명 소임을 다하고 있다고 생각한다. 아쉬웠던 코딩이라는 구체성은 후속 번역을 통해 소개하고자 한다.
보잘것없는 번역이지만 의료 인공지능 분야에 조금이라도 도움이 됐으면 하는 바람이다. 편협한 생각일지 모르지만 미래의 의료는 인공지능 의학이 주를 이룰 것이다. 의학 연구는 물론이고 환자의 진단, 치료, 재활, 나아가 건강한 사람을 대상으로 한 예방 영역에 인공지능 의학이 깊숙이 파고들 것이다. 그래서 학계는 물론 개원의, 봉직의, 의료 행정가들도 인공지능 의학에 관심을 가져야 할 것으로 보인다.

1장. 인공지능
__다학제적인 과학
__인공지능 검토
____반응성 기계
____이성적으로 생각하고 사고하는 제한된 메모리 시스템
____사람과 같이 사고하는 마음 이론 시스템
____사람과 다름없이 자각하는 인공지능 시스템
__머신러닝이란?
__데이터 과학이란?
__실시간 빅데이터에서 학습
__헬스케어 분야에서 인공지능의 응용
____예측
____진단
____맞춤 치료와 행동의 변화
____신약 개발
____추적 돌봄
__헬스케어에서 인공지능의 가능성 현실화
____간극의 이해
____단절된 데이터
____적절한 데이터 보안
____데이터 거버넌스
____편향
__소프트웨어
__결론

2장. 데이터
__데이터란?
__데이터의 형태
__빅데이터
____데이터양
____다양성
____속도
____가치
____정확성
____타당성
____가변성
____시각화
__작은 데이터
__메타데이터
__헬스케어 데이터: 작은 또는 큰 사용 사례
____대기 시간 예측
____재입원 줄이기
____예측 분석
____전자의무기록
____가치 기반 케어/참여
____헬스케어 사물 인터넷: 실시간 알림, 경고문 발송, 자동화
____근거 증심 의학으로 이동
____공중 보건
__데이터 진화와 애널리틱스
__데이터를 정보로 변환: 빅데이터 사용
____기술적 애널리틱스
____진단적 애널리틱스
____예측 애널리틱스
____처방적 애널리틱스
__추론
____연역
____귀납
____귀추
__나의 프로젝트에 얼마나 많은 데이터가 필요할까?
__빅데이터의 난관
____데이터의 증가
____인프라스트럭처
____전문가
____데이터 소스
____데이터의 질
____보안
__저항
__정책과 거버넌스
__단절화
__데이터 전략의 부재
__시각화
__분석 시간의 고려
__윤리
__데이터 거버넌스와 정보 거버넌스
____데이터 관리
____데이터의 질
____데이터 보안
____데이터의 이용 가능성
____데이터의 내용
____마스터 데이터 관리
____사용 사례
__빅데이터 프로젝트 배치
__빅데이터 도구
__결론

3장. 머신러닝
__기초
____에이전트
____자율성
____인터페이스
____성능
____목표
____효용
____지식
____환경
____훈련 데이터
____타깃 함수
____가설
____학습자
____검증
____데이터셋
____특징
____특징 선택
__머신러닝이란?
__머신러닝이 전통적인 소프트웨어 엔지니어링과 다른 점
__머신러닝의 기초
____지도학습
____비지도학습
____준지도학습
____강화학습
____데이터 마이닝
____모수적, 비모수적 알고리즘
__머신러닝 알고리즘의 작동법
__머신러닝을 수행하는 방법
____문제 명시
____데이터 준비
____학습법의 선택
____머신러닝법의 적용
____방법과 결과 평가
____편향과 분산
____최적화
____결과 보고

4장. 머신러닝 알고리즘
__머신러닝 프로젝트 정의
____과업(T)
____성능(P)
____경험(E)
__머신러닝에 자주 사용되는 라이브러리
__지도학습 알고리즘
____분류
____회귀
__의사 결정 트리
____ID3(Iterative Dichotomizer 3)
____C4.5
____CART
__앙상블
____배깅
____부스팅
__선형 회귀
__로지스틱 회귀
__서포트 벡터 머신
__나이브 베이즈
__k-최근접 이웃(kNN)
__신경망
____퍼셉트론
____인공신경망
__딥러닝
____피드포워드 신경망
____순환 신경망: 장단기 메모리
____컨볼루션 신경망
____모듈 신경망
____방사형 기저 신경망
__비지도학습
____클러스터링
____K-평균
____연관 법칙
__차원 축소 알고리즘
__차원 축소 기술
____누락된 값/결측값
____낮은 분산
____높은 상관
____랜덤 포레스트 의사 결정 트리
____백워드 특징 제거
____포워드 특징 구성
____주성분 분석
__자연어 처리(NLP)
__자연어 처리 시작
__전처리: 어휘 분석
____노이즈 제거
____어휘 정규화
____포터 어간 추출
____객체 표준화
__구문 분석
____의존성 파싱
____파트오브스피치 태깅
__의미 분석
__자연어 처리에 사용되는 기술
____N-그램
____단어 빈도-역문서 빈도 벡터
____잠재 의미 분석
____코사인 유사도
____나이브 베이즈 분류자
__유전 알고리즘
__머신러닝의 모범 사례와 고려할 점
____좋은 데이터 관리
____기준이 될 기초 성능 지표
____데이터 정제에 들이는 시간
____훈련 시간
____적절한 모델의 선택
____적절한 변수의 선택
____불필요한 데이터
____과적합
____생산성
____이해도
____정확도
____거짓 음성의 영향
____선형성
____파라미터
____앙상블
__사례: 제2형 당뇨병

5장. 지능을 위한 학습 성과 평가
__모델 개발과 작업 과정
____모델을 평가하는 두 가지 접근법이 있는 이유
____평가 지표
__비대칭 데이터셋, 변칙 값, 희소 데이터
__파라미터와 하이퍼파라미터
__하이퍼파라미터 튜닝
__하이퍼파라미터 튜닝 알고리즘
____그리드 서치
____랜덤 서치
__다변량 테스팅
____어떤 지표를 평가에 사용해야 하는가?
____상관은 인과와 다르다
____얼마만큼의 차이가 정말로 중요한 차이인가?
____검정법, 통계적 검증력, 효과 크기
____보고자 하는 성능 지표의 분포 확인
____적절한 p 값 결정
____얼마나 많은 관측 값이 필요한가?
____얼마나 오랫동안 다변량 테스팅을 실행해야 하는가?
____데이터 분산
____분포 이동 알아내기
____모델의 변경 내용 기록

6장. 인공지능의 윤리
__윤리란?
____데이터 과학 윤리학이란?
____데이터 윤리학
__고지에 입각한 동의
__선택의 자유
__데이터에 대한 동의가 항상 절대적 기준인가?
__대중의 이해
__데이터는 누구의 소유인가?
__데이터는 어떤 목적으로 사용될 수 있는가?
__프라이버시: 누가 나의 데이터를 볼 수 있는가?
__데이터가 어떻게 미래에 영향을 미칠까?
____치료 우선순위 결정
____새로운 치료와 관리법 결정
____더 많은 실제 생활 증거
____약물 개발 능력 향상
__연결을 통한 치료법의 최적화: 한계가 있을까?
__보안
__인공지능과 머신러닝의 윤리학
____기계의 편향
____데이터 편향
____사람에 의한 편향
____지능 편향
____편향 수정
____편향은 나쁜 것인가?
__예측의 윤리학
____예측 설명
____실수에 따른 보호
____타당성
____알고리즘이 비도덕이지 않게 예방
____의도하지 않은 결과
__복잡하고 지능적인 시스템의 주도권을 인간이 유지하는 방법
__지능
__건강 지능
__누가 책임을 지는가?
__최초 문제
__공정함 정의
__어떻게 기계가 우리의 행동과 상호 교류에 영향을 주는가?
____인간성
____행동과 중독
____경제와 고용
__미래에 대한 영향
__신처럼 행동하기
__과대광고와 세상을 시끌 법석하게 만들기
__이해관계자의 수용과 정렬
__정책, 법률, 규제
__데이터와 정보 거버넌스
__너무 많은 정책의 단점
__글로벌 표준과 제도
__인공지능을 인류로 취급해야 하는가?
__기관 내부에서 데이터 윤리학 적용
____윤리 강령
____윤리 프레임워크 고려
__데이터 과학자를 위한 히포크라테스 선서
__프레임워크 감사

7장. 헬스케어의 미래
__양에서 질로 이동
__근거 중심 의학
__맞춤 의학
__미래의 비전
__연결된 의학
____질병과 상태 관리
____가상 비서
____원격 모니터링
__약물 순응도
__접근 가능한 진단 검사
__스마트 임플란트
__디지털 건강과 치료법
__교육
__웰니스에 대한 인센티브
__인공지능
____기록에 대한 데이터 마이닝
____대화형 인공지능
____더 좋은 의사 만들기
____맞춤형 보조기
__가상현실과 증강현실
____가상현실
____증강현실
____융합현실
____통증 관리
____물리 치료
____인지 재활
____간호와 수련
____가상 진료와 수업
__블록체인
____공급망 검증
____웰니스에 대한 인센티브
____환자 데이터 접근
__로봇
____로봇 수술
____외골격 로봇
____입원 환자 케어
____동무되기
____드론
__스마트 장소
____스마트 홈
____스마트 병원
__환원주의
__혁신 대 숙의

8장. 사례 연구
__사례 연구의 선정
__사례 연구의 선정 결과
__사례 연구: 당뇨 발 관리용 이미징 인공지능 및 이환율과 사망률을 개선하기 위한 의료 전달 체계에 대한 우선순위 결정
____배경
____인지적 시각
____프로젝트 목표
____도전 과제
____결론
__사례 연구: 제2형 당뇨병 자기 관리를 위한 디지털 저탄수화물 프로그램의 결과: 단일군 종단 연구 1년 추적 결과
____배경
____목적
____방법
____결과
____관찰된 현상
____결론
__사례 연구: 확장 가능하고 참여를 유도하는 뇌전증 디지털 치료법
____배경
____근거 중심 적용
____센서 기반 디지털 프로그램
____연구
____프로젝트 영향
____예비 분석
__사례 연구: 새로운 증강 및 가상현실을 이용한 주니어 의사 교육 프로그램의 결과
____배경
____목표
____프로젝트 설명
____결론
__사례 연구: 빅데이터, 큰 영향, 큰 윤리: 데이터로 환자 위험도 진단
____배경
____플랫폼 서비스
____약물 순응도, 효능과 약물에 대한 부담
____커뮤니티 포럼
____인공지능을 사용한 환자 상호작용에 대한 우선순위 결정
____실세계 근거
____예측 분석의 윤리적인 함의
____사물 인터넷의 통합
____결론

기술 용어 설명