총 10 건
총 10 건
보건의료 인공지능이 실수했을 때 책임은 누가 지는가?
※ 기사. When AI in healthcare goes wrong, who is responsible? https://qz.com/1905712/when-ai-in-healthcare-goes-wrong-who-is-responsible-2/ ※ Harvard Journal of Law & Technology https://jolt.law.harvard.edu/assets/articlePDFs/v31/The-Artificial-Intelligence-Black-Box-and-the-Failure-of-Intent-and-Causation-Yavar-Bathaee.pdf ※ AMA Journal of Ethics https://journalofethics.ama-assn.org/article/are-current-tort-liability-doctrines-adequate-addressing-injury-caused-ai/2019-02 인공지능은 암을 진단하고 자살을 예측하고 수술을 돕는데 이용될 수 있음. 이 모든 사례에서 인공지능이 인간 의사들보다 정해진 과업으로 더 나은 결과를 낸다고 암시하는 연구결과도 나와 있음. 그런데 뭔가 잘못되면 누가 책임질까? 미국 캘리포니아폴리테크닉주립대(California Polytechnic State Univ...
과학기술발전 2020.10.05 조회수 1668
기계학습으로 강력한 항생물질이 처음 발견되었다는 연구결과가 나옴
※ 기사. https://www.theguardian.com/society/2020/feb/20/antibiotic-that-kills-drug-resistant-bacteria-discovered-through-ai 참고문헌 : https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1?utm_medium=homepage 미국 연구팀이 인공지능을 통해 약물 내성과 관련하여 가장 위험한 세균 중 일부를 죽이는 강력한 항생물질을 발견함. 이 약물은 제약화합물의 디지털 라이브러리(digital libraries)에 인공지능을 장착하여 발견된 최초의 항생물질임. 파괴할 수 있는 세균에는 세계보건기구(World Health Organization)가 새로운 항생제를 개발하기로 목표를 정한 세 가지 병원체 중 두 가지(Acinetobacter baumannii, Enterobacteriaceae)가 포함됨. 새로운 항생물질을 찾기 위해 연구팀은 먼저 세균을 죽이는 분자의 유형을 식별하기 위한 딥러닝 알고리즘을 훈련시킴. 알고리즘이 어떤 분자 특성이 좋은 항생...
과학기술발전 2020.02.24 조회수 188
인공지능이 개발한 의약품이 처음으로 인간에게 적용될 예정임
※ 기사. https://www.bbc.com/news/technology-51315462 지난 1월23일 Cell地에 발표된 연구에 따르면, Mount Sinai의 Seaver 자폐연구치료 센터장인 Joseph Buxbaum 박사가 이끄는 연구진은 더 앞선 유전자 염기서열 분석 기법과 자폐증 환자로부터 얻은 DNA 샘플 데이터베이스 중 하나를 이용하여 이전에는 질환과 관련이 없었던 30개를 포함한 자폐증과 관련된 102개의 유전자를 찾아냈음. 또한 이 연구는 자폐증과 밀접하게 관련된 유전자와 지적 장애와 운동 장애를 포함한 다른 신경 발달 장애에 관련이 있는 유전자를 구별했음. ☞ 저널 바로가기 : https://www.cell.com/cell/fulltext/S0092-8674(19)31398-4
과학기술발전 2020.02.10 조회수 340
[오피니언] 임상의사결정을 위한 기계학습 : 보이지 않는 것에 주의하세요!
※ 기사. https://www.statnews.com/2019/12/12/machine-learning-clinical-decision-making-limitations/?utm_source=STAT+Newsletters&utm_campaign=99e4960888-Daily_Recap&utm_medium=email&utm_term=0_8cab1d7961-99e4960888-151680373 기계학습을 통한 연구의 주장을 심도 있게 검토하지 않고 받아들여서는 안 됨. ◆ 데이터에 대한 비판 -전자의무기록(청구, 임상 기록 등)의 흔한 형태는 보건의료시스템과 접한 사람에 대해서만 정보를 보유하고 있음. -병원에 방문하는 환자도 건강상태가 지속적으로 기록되지는 않음. -흑인과 원주민 환자는 암 임상시험에 실제 인구집단보다 현저하게 적게 참여하고 있음. ◆ 측정기준(metrics)에 대한 비판 -하나의 평가측정기준은 성능의 복잡함을 포착할 수 없음. -교차검증에서 다중 홀드아웃샘플에 기초하여 평가되지 않는 경우가 자주 있음. -어떤 도구가 하위그...
과학기술발전 2019.12.24 조회수 119
[오피니언] 인공지능 개발계획을 점검하기 위한 윤리위원회 구성
※ 기사. https://hbr.org/2019/11/create-an-ethics-committee-to-keep-your-ai-initiative-in-check?mod=djemAIPro 참고문헌: https://www.accenture.com/us-en/insights/software-platforms/building-data-ai-ethics-committees 인공지능을 이용하는 조직은 강력한 조직 전반의 가치가 책임지는 혁신을 조성하는데 역할을 해야 한다고 인식하기 시작함. 이는 평등에 대한 책임, 윤리적이고 인간적인 사용에 대한 책임이라는 두 가지 역할을 생성하는 것을 우선함. 윤리위원회는 조직의 가치에 기초한 의도를 유지하는 것뿐만 아니라 그들이 인공지능을 어떻게 이용하는지에 대한 투명성을 높이는데 도움을 줌. 이 구역을 선도하기 위하여 조직은 성장하기 위한 세 가지 영역에 초점을 맞춰야 함. ◆ 윤리 및 인공지능에 대한 거버넌스 구축 ◆ 공평함을 언제 어떻게 발생시키는지, 무슨 편향을 어떻게 설명할 것인지 ◆ 즉각...
과학기술발전 2019.11.25 조회수 236
새로운 알고리즘은 사전의료계획에 관한 대화가 필요한 암환자를 표시해준다는 연구결과가 나옴
※ 기사. https://www.news-medical.net/news/20191025/New-algorithm-flags-cancer-patients-in-need-of-advance-care-planning-conversations.aspx 참고문헌: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2753527 미국 펜실베이니아대 의과대학(Penn Medicine) 연구팀은 본인의 생애 말기 목표와 희망에 대해 우선적으로 대화가 필요한 환자를 표시하는 알고리즘을 개발함. 연구결과에 따르면 알고리즘이 대화의 우선순위가 높다고 분류한 환자의 절반이 이후 6개월 이내에 사망했다고 함. 반면 우선순위가 낮다고 분류한 환자 중 6개월 이내에 사망한 환자는 4% 미만이었다고 함. 이는 알고리즘이 진료의 목표, 가치, 선호에 관한 시기적절한 논의로 이익을 가장 많이 얻을 수 있는 환자들을 정확하게 포착한다는 점을 시사함.
과학기술발전 2019.10.30 조회수 354
[오피니언] 인공지능이 보건의료를 혁신하려면 환자의 목소리가 필요함
※ 기사. https://www.statnews.com/2019/09/30/artificial-intelligence-patients-voices/ 참고문헌1: https://time.com/5650360/artificial-intelligence-health-care/ 참고문헌2 : https://www.nature.com/articles/s41746-019-0155-4 보건의료인공지능업체들은 현재 전자의무기록데이터를 이용하여 제품을 생산하고 있음. 그러나 전자의무기록은 의사와 환자의 상호작용 중 환자들의 불만, 걱정, 경험을 거의 포함하지 못 함. 인공지능이 보건의료를 개선할 수 없다는 의미는 아님. 인공지능이 다루는 데이터가 환자와 의사의 목소리를 포함하고 있는 한 반드시 가능함. 필자의 목표는 대화를 배우는 것임. 환자가 의사에게 문구를 보내고 의사가 문구로 답하는 시스템은 양 측의 목소리를 전자의무기록은 할 수 없는 방식으로 포착함. 이것이 가능해지면 환자 진료를 실제로 변화시킬 수 있는 클러스터맵(cluster maps)...
과학기술발전 2019.10.10 조회수 266
[오피니언] 의학에서 인공지능은 법률적이고 윤리적인 우려를 불러일으킴
※ 기사. https://theconversation.com/artificial-intelligence-in-medicine-raises-legal-and-ethical-concerns-122504 의학에서 인공지능을 이용하는 것은 치료의 진보에 대한 엄청난 기대와 희망을 발생시킴. ☞ 우리가 컴퓨터 알고리즘에서 배운 7가지 : https://www.pewresearch.org/fact-tank/2019/02/13/7-things-weve-learned-about-computer-algorithms/ ☞ 기계학습, 유방 조기검진 MRI, 유방암환자의 항암치료 효과에 관한 저널 : https://www.ncbi.nlm.nih.gov/pubmed/30358693 그러나 의학에서 인공지능은 법률적이고 윤리적인 과제를 제기함. 프라이버시 침해, 차별, 정신적인 위해, 의사-환자관계 저하 등임. 필자는 정책결정자들이 유전자검사가 흔해질 때 그랬던 것처럼 인공지능과 관련된 많은 안전장치를 구축해야 한다고 주장함. ☞ 유전자검사가 예측적인 건강분석규정에 미친 영향에 관한 저널 : https:/...
과학기술발전 2019.09.11 조회수 366
딥마인드(DeepMind) 인공지능, 이틀 전 신장기능상실 예상
※ 기사. https://www.statnews.com/2019/07/31/deepmind-artificial-intelligence-predicts-acute-kidney-injury/ 참고문헌: https://www.nature.com/articles/s41586-019-1390-1 연구진은 nature 저널에 게재된 논문을 통해 수십만 개의 데이터를 고속으로 처리할 수 있는 기계학습시스템은 전자의무기록 내에서 임박한 위기를 의사에게 발생하기 전에 경고해줌. 연구진은 의사들이 환자의 경과에 미치는 영향을 완전하게 평가할 수 있도록 이 시스템이 임상현장에서 검증되어야 한다고 강조함. 그러나 초기 성공이 전자의무기록에 입원환자의 일련의 위기(심장마비, 폐렴, 패혈증 등)를 예측하는데 도움이 되는 알고리즘을 적용할 수 있는 미래로 이어질 가능성을 암시한다고 밝힘.
과학기술발전 2019.08.09 조회수 346
[오피니언] 피부에 부착하는 센서는 보건의료의 미래
※ 기사. https://www.nature.com/articles/d41586-019-02143-0 피부에 부착하는 얇고 부드러운 전자시스템이 보건의료를 변화시키기 시작함. 유연한 필름, 패치, 붕대 또는 문신으로 구성된 센서, 컴퓨터 및 전송기의 초기 버전은 신경학적인 어플리케이션 시험에 이용되고 있고, 빠르게 증가하고 있음. 수집한 데이터는 활력징후를 감시하고, 이상증상을 발견하고, 치료를 추적하는 목적인 기계학습알고리즘에 입력될 것임. 의학적인 문제는 더 일찍 드러날 것임. 의사는 환자가 집에 있는 동안 원격으로 환자의 회복을 감시하고, 상태가 악화되면 개입할 것임. 감염병 전파는 정부부처가 자원을 동원하고, 취약한 인구집단을 식별하고, 약물의 안전성과 효과를 감시하면 빠르게 약해질 것임. 이 모든 것이 보건의료를 더 예측할 수 있고, 안전하고, 효과적이도록 만들 것임.
과학기술발전 2019.07.24 조회수 434