환자 체크리스트를 분석하여 의사가 질병의 원인을 더 빠르고 정확하게 찾을 수 있도록 지원합니다.
환자에게 적절한 시간에 약을 복용하도록 상기시키는 기억 보조자가 되십시오.
새로운 치료법을 발견하는 데 도움이 되도록 대량의 의료 데이터를 분석합니다.
…
AI 기술이 일상의 의료 및 건강 관리와 '끊임없이 연결'될 수 있을 때, 우리는 배려심 있는 '건강 지킴이'를 얻게 되고, 더욱 스마트하고 편리한 삶을 누릴 수 있을 것이라고 상상해 보십시오.
하지만 동시에 'AI+의료'는 상용화에 있어 AI에 대한 환자와 의사의 신뢰, 규제 문제, 윤리적 문제 등 많은 문제에 직면해 있다.
AI 기술을 의료 및 보건 분야에 어떻게 더 잘 적용할 수 있을까요? AI 기술을 통해 더 많은 새로운 수요를 자극하는 방법은 무엇입니까? 이번 호 Vision에서 Xiaoguan은 Fudan School of Management의 정보 관리 및 비즈니스 인텔리전스 부서의 조교수인 Li Wenwen을 초대하여 AI가 어떻게 의료 산업 발전에 힘을 실어줄 수 있는지 논의했습니다.
리 웬웬
조교수, 정보 관리 및 비즈니스 인텔리전스학과
연구 방향: 기계 학습, 의료 및 건강 관리, 인간-기계 협업, 전자상거래
01
AI를 기반으로 '디지털 지능과 건강' 시대가 온다
의료보건산업을 경영적인 관점에서 볼 때 그 핵심은 수요분석에 있습니다. 전통적인 의료 서비스는 질병 치료에 중점을 두고 있으며, 의사는 개별 환자에게 의료 제품과 서비스를 제공합니다. 그러나 현재 국가가 제안한 '건강한 중국 2030' 계획 개요에서는 질병 치료 중심에서 인민 건강 중심으로 전환해야 합니다. 더 넓은 범위의 사람들에게 전체 생애주기 의료 및 건강 서비스를 제공하는 방법에 대해 자세히 설명합니다.
의료 제품 및 서비스 외에도 건강 제품 및 서비스에도 관심을 기울여야 합니다. 현재의 의료보건 산업은 병원이나 의료기관에만 국한되지 않고, 질병 예방, 질병 진단 및 치료, 추후 질병 회복 및 사후 관리에 이르기까지 주민의 전 생애주기에 관심을 기울여야 합니다.
이러한 변화가 새로운 요구와 새로운 과제를 가져온다는 점은 주목할 가치가 있습니다. 개인 차원에서는 의료건강에 대한 국민의 요구가 나날이 증가하고 있으며, 더 나은 품질, 효율적, 개인화된 의료서비스를 추구하기 시작했습니다. 이는 의료 종사자와 관련 기업에 더 높은 요구 사항, 즉 어떻게 하면 더 나은 의료 서비스를 제공할 수 있는지에 대한 요구 사항을 제시했습니다.
이제 조직 차원에서 의료기관과 기업은 스마트 웨어러블 기기를 통해 실시간으로 수집되는 전자의무기록, 의료영상, 다양한 사용자 건강행태 데이터 등 풍부한 의료 데이터를 수집할 수 있습니다. 이러한 데이터 앞에서 우리는 풍부하고 다양한 의료 데이터를 어떻게 효율적으로 처리하고 분석하여 가치 있는 제품이나 서비스로 변환할 수 있는지 고민해야 합니다.
다행스럽게도 기술의 급속한 발전, 특히 인공지능 기술의 등장은 우리에게 가능한 해결책을 제공하고 있습니다. 그 중 '디지털 스마트 헬스'는 디지털화와 지능화를 통해 종합적인 건강의 공동 증진을 강조하는 새로운 개념이다. 임상 데이터, 건강 파일 데이터, 지능형 하드웨어 데이터 등 대량의 의료 및 건강 데이터를 기반으로 AI 기술, 빅데이터, 클라우드 컴퓨팅 및 디지털 플랫폼이 결합되어 의료의 디지털화 및 지능화를 실현할 수 있습니다. 그리고 건강 관리.
이러한 배경에서 이러한 신흥 기술은 향후 일반 건강 분야의 요구에 점차적으로 적용되어 지능형 보조 진단, 유전자 진단, 의약품 연구 및 개발 또는 관련 오가노이드 연구 및 개발과 같은 더 많은 응용 분야로 이어질 것입니다.
하지만 'AI+의료'도 상용화되면 많은 난관에 부딪힌다. 임상 적용에서는 AI에 대한 환자와 의사의 신뢰, 규제 문제, 윤리적 문제 등의 문제가 차례로 발생합니다. 이러한 과제는 순전히 기술적이거나 의학적 건강 문제가 아니라 "인적" 요소와 밀접한 관련이 있습니다. 따라서 기술과 건강관리 요구를 어떻게 효과적으로 일치시킬 것인가가 해결해야 할 시급한 문제가 되었습니다.
02
지역사회 건강관리 고도화를 돕기 위해 'AI+Medical' 구현
건강관리 요구사항을 안다면 적절한 AI 기술을 어떻게 매칭할 것인가? 다음은 지역사회 건강관리 관점에서 본 사례이다. 계층적인 진단·치료체계 하에서 지역사회 건강관리는 매우 중요한 부분으로, 지역사회 주민들이 꼭 큰 병원에 갈 필요는 없고, 지역사회 내 작은 병원도 큰 역할을 할 수 있습니다. 계층적 진단 및 치료에서 지역사회 건강 관리는 만성 질환의 예방 및 치료와 같은 일련의 중요한 업무를 수행할 수 있습니다.
관리 관점에서 지역사회 건강 관리는 주민 프로필 작성, 지역사회 질병 검사, 위험 평가 및 중재부터 최종 후속 조치까지의 주기로 구성된 이론적 틀을 구축했습니다. 그러나 실제로는 다양한 긴급 상황이 발생할 수 있습니다.
▲ 홍교로 캠퍼스 (사진출처: Xinmin Weekly)
상하이 안과 질환 예방 및 치료 센터의 주요 임무는 상하이의 모든 지역 사회에 안구 질환 검사 서비스를 제공하는 것입니다. 구체적으로는 우선 모든 보건소를 총동원해 현장 질병검사를 실시하고, 지역사회에 직접 들어가 주민들의 안저사진을 촬영할 예정이다. 지역사회 병원의 의료 서비스 품질이 제한적이기 때문에 많은 지역사회 병원에는 안과 질환을 진단할 수 있는 전문 안과의가 없습니다.
상하이 안구 질환 예방 및 치료 센터는 디지털 기술을 활용하여 환자의 안저 사진을 클라우드에 업로드하고 3차 병원의 원격 전문가를 초대하여 사진을 읽은 다음 지역 병원에 피드백을 제공합니다. 그러나 전문가와 의사는 각자의 외래 업무가 있고 특정 시간에만 시간을 찾거나 영화 판독을 수행할 수 있기 때문에 진단 결과를 피드백하는 데 1~2주가 소요되는 경우가 많으며 그 후 지역사회 의사가 결과를 레지던트에게 피드백합니다. 이렇게 시간 간격이 길면 주민의 진료의뢰 의지가 낮아지기 쉬우며, 이는 지역사회 전체의 건강관리에 도움이 되지 않습니다.
이 문제는 AI 기술이 등장할 때까지 오랫동안 상하이 안구 질환 예방 및 치료 센터를 괴롭혔습니다. 이미지 인식 분야의 AI 개발은 매우 성숙해졌으며 안저 사진은 실제로 일종의 의료 이미지입니다. AI는 안저 사진에서 질병을 식별하는 데 사용될 수 있습니다. AI 안질환 검진장비 도입 이후 기존 1~2주 걸리던 진단 시간이 획기적으로 단축됐다. 환자는 현장에서 1~2분만 기다리면 되고, 결과는 주민의 의사에 따라 현장에서 보고될 수 있다. 추천하는 사람도 크게 늘어났습니다.
그러나 동시에 AI 기술의 구현에는 많은 어려움에 직면해 있습니다. 예를 들어, 상하이 안과 질환 예방 및 치료 센터의 경우 시중에 유사한 AI 장비 제조업체가 많기 때문에 적절한 AI 장비를 선택하는 방법은 장비가 환자 관련 데이터를 수집한 후의 문제 중 하나입니다. 장비 공급업체나 안과질환 예방치료센터가 자체적으로 데이터베이스를 구축하든지, 이 과정에서 데이터 보안을 어떻게 확보할 것인지가 난제이다.
또한 AI 기술은 점차 의료 산업의 모든 수준으로 침투하고 있습니다. 데이터 장벽을 허물고 데이터 상호 연결을 달성하는 방법도 해결해야 할 시급한 문제입니다. 실제로 소비나 인터넷 등의 분야에 비해 의료, 건강 분야에서 얻을 수 있는 데이터의 양은 극히 제한적이다. 특히, 생성 AI의 훈련과 적용에는 엄청난 양의 데이터가 필요합니다. 이러한 현실은 의료 데이터의 부족과 날카로운 모순을 형성합니다. 더 중요한 것은 의료 데이터 수집이 주로 의료 기관에 의존하고 있으며 현재 대부분의 병원의 데이터 시스템이 여전히 고립되어 상호 연결을 이루지 못하고 있다는 점입니다.
의료 및 보건 분야의 특수성으로 인해 AI 기술의 실제 적용에 수많은 제한이 제기되었으며, 그 중 윤리, 보안 및 개인 정보 보호가 특히 중요한 고려 사항입니다. 전통적인 소비자 분야와 비교할 때, 의료 및 건강 제품의 판촉은 규정 준수를 보장하기 위해 먼저 규제 당국의 엄격한 검토를 거쳐야 합니다. 따라서 의료 및 보건 분야에 기술 적용을 촉진할 때 데이터 보안, 개인정보 보호, 환자 권리 보호에 우선순위를 두어야 합니다.
03
기술적 기능과 사용자 요구 사항의 "조정"을 달성하기 위해 대형 모델을 최적화합니다.
의료 및 보건 산업의 새로운 요구를 충족하거나 자극하기 위해 적절한 AI 기술을 사용하는 방법을 논의할 때 생성 AI는 의심할 여지 없이 뜨거운 주제가 되었습니다.
현재 Chat GPT, Wen Xinyiyan, Tongyi Qianwen 등의 생성형 AI가 널리 사용되고 있지만, 생성형 AI의 개발을 되돌아보면 2023년 이전에 등장한 중요한 대형 모델의 대부분이 사용되지 않았음을 알 수 있습니다. 사람들은 Chat GPT가 등장하고 나서야 비로소 인공지능이 새로운 지능 단계에 진입했다는 사실을 실감하게 되었습니다.
이는 의료 및 보건 분야에서 AI 기술의 잠재적인 적용을 보다 완전하게 탐색하기 위해서는 AI의 기술적 특성에 대해 더 많이 알아야 함을 보여줍니다.
둘째, 생성적 AI 전체가 산학연과 긴밀하게 통합되어 있다. 생성적 AI 연구는 대형 기술 기업의 R&D 투자와 분리될 수 없지만, 구현 과정에서 대학의 지원도 분리될 수 없다. , 이는 또한 전체 지원 산업과 분리될 수 없습니다.
동시에 AI는 오픈소스 분위기가 강하고 기술 배포 및 구현이 매우 빠릅니다. 처음에는 단일 텍스트 정보만 처리할 수 있었던 것에서 이제는 다중 모드 정보와 복잡한 비디오 콘텐츠까지 쉽게 처리할 수 있는 수준까지 AI가 빠르게 발전하고 있습니다. 이는 또한 엔터프라이즈 애플리케이션 구현에 상당한 어려움을 초래합니다.
의료 및 헬스케어 분야에서는 생성 AI의 적용이 점점 더 폭넓은 관심을 끌고 있으며, 자연어 생성 능력을 중심으로 개발된 관련 응용이 더욱 광범위하게 논의되고 있습니다. 많은 기업들이 의료 상담 시스템 구축을 위해 생성 AI 기술 활용을 적극적으로 모색하고 있습니다. 그러나 AI 기술 자체는 계속해서 복잡해지고, 지능적인 플랫폼과 도구 덕분에 그 능력은 계속해서 향상되고 있지만, AI 기술의 적용 문턱은 낮아지는 추세를 보이고 있다는 점은 주목할 만하다.
Baidu Wenxin 지능형 플랫폼을 예로 들면, 누구나 깊은 AI 기술 배경지식이나 프로그래밍 능력이 필요하지 않으며, 옵션 확인, 개인별 요구 사항 입력 등 간단한 인터페이스 조작을 통해 단 10분 만에 AI를 구축할 수 있습니다. 어시스턴트.
하지만 고려해야 할 것은 AI 상담이 실제로 사용자 요구를 충족시키는가 하는 것입니다. 실습에 따르면 의료 상담 보조 장치가 구축되고 의사와 AI가 함께 사용자 질문에 답변하도록 초대되면 의사의 답변이 더 정확하고 간결하며 요점이 명확한 경우가 많습니다. 따라서 대형 모델을 더욱 최적화하여 사용자의 실제 요구 사항을 보다 정확하게 포착하고 대응할 수 있도록 하는 것이 현재 연구의 중요한 방향입니다.
전반적으로 우리나라의 건강 산업은 급속한 발전의 초기 단계에 있으며 산업의 호황과 함께 많은 도전과 문제가 나타났습니다. 이 과정에서 우리는 기술 혁신과 획기적인 발전에 주의를 기울일 뿐만 아니라 이러한 기술을 실제로 사용자의 실제 요구에 맞게 더 잘 적용할 수 있는 방법에 대해 깊이 생각해야 합니다.