< Return to Video

질병의 진단을 돕는 인공지능의 활용법

  • 0:01 - 0:05
    오늘날 컴퓨터 알고리즘의
    기능은 정말 놀랍습니다.
  • 0:05 - 0:10
    인간의 지능과 비슷하지만,
    아주 엄청난 양을 정확하게 처리하죠.
  • 0:10 - 0:14
    이런 컴퓨터의 지능을 흔히 AI 또는
  • 0:14 - 0:16
    인공지능이라고 하죠.
  • 0:16 - 0:20
    인공지능은 이미 우리의 미래에
    엄청난 영향을 줄 힘을 가지고 있습니다.
  • 0:21 - 0:25
    하지만, 오늘날 우리는 여전히
    생명을 위협하는 질병들을
  • 0:25 - 0:28
    발견하고 진단하는 데
    많은 어려움을 겪고 있습니다.
  • 0:28 - 0:31
    암이나 감염성 질병 같은 것들이죠.
  • 0:32 - 0:34
    매년 수 천명의 환자들이
  • 0:34 - 0:37
    간암과 구강암으로 생명을 잃습니다.
  • 0:38 - 0:41
    이런 환자들을 도울 수 있는
  • 0:41 - 0:45
    최선의 방법은 바로
    질병의 조기 발견과 진단이죠.
  • 0:46 - 0:50
    오늘날 어떤 식으로 질병이 발견되고,
    인공지능은 어떤 도움을 주는지 알아볼까요?
  • 0:52 - 0:56
    안타깝게도, 이런 질병에
    감염된 것으로 의심되는 환자들에게,
  • 0:56 - 0:58
    전문의들은 우선
  • 0:58 - 1:01
    값비싼 의료영상기술을 사용합니다.
  • 1:01 - 1:05
    형광영상법, CT, MRI 등이죠.
  • 1:05 - 1:07
    수집된 영상들을
  • 1:07 - 1:12
    또 다른 전문의가 판독하고
    환자에게 소견을 보냅니다.
  • 1:13 - 1:16
    보다시피,
    아주 소모가 심한 과정입니다.
  • 1:16 - 1:20
    전문의 둘에, 값비싼
    의료영상기술까지 갖춰야 하니까
  • 1:20 - 1:24
    개발 도상국들에게
    실용적인 방법이 아니죠.
  • 1:24 - 1:27
    사실, 여러 선진국들의
    사정도 마찬가지입니다.
  • 1:28 - 1:31
    그럼, 인공지능을 이용해
    이 문제를 해결할 수 있을까요?
  • 1:32 - 1:36
    오늘날,
    제가 이 문제의 해결을 위해
  • 1:36 - 1:37
    기존의 인공지능구조를 이용한다면,
  • 1:37 - 1:39
    만장이 필요합니다.
  • 1:39 - 1:43
    다시 말해, 만장의 값비싼 의료영상을
  • 1:43 - 1:44
    먼저 찍어야만 합니다.
  • 1:44 - 1:47
    그 다음에, 그 영상들을 분석해 줄
  • 1:47 - 1:49
    전문의를 찾아가야 겠죠.
  • 1:50 - 1:52
    그리고, 그 두 종류의 정보를 가지고
  • 1:52 - 1:55
    표준화된 심층 신경망 또는
    심층 학습망을 이용해
  • 1:55 - 1:57
    환자들에게 진단을 내립니다.
  • 1:57 - 1:59
    첫 번째 방식과 유사하게,
  • 1:59 - 2:01
    기존의 인공지능은 같은 문제로
  • 2:01 - 2:03
    어려움을 겪고 있습니다.
  • 2:03 - 2:07
    방대한 자료, 전문의, 특수 의료영상기술
    등이 필요하기 때문이죠.
  • 2:08 - 2:13
    그렇다면, 더 확장성이 높고,
  • 2:13 - 2:16
    효율적인 인공지능 구조를 만든다면,
  • 2:16 - 2:19
    오늘날 우리에게 당면한
    중대한 과제들을 해결할 수 있을까요?
  • 2:19 - 2:22
    이것이 바로 MIT 미디어 연구소에서
    저희 팀이 하고 있는 일입니다.
  • 2:22 - 2:26
    다양한 대체 인공지능 구조를
    만들고 있죠.
  • 2:26 - 2:29
    의료영상과 임상시험 분야에서의
  • 2:29 - 2:32
    중대한 과제들을 해결하기 위해서죠.
  • 2:32 - 2:36
    오늘 예로 든 것에서,
    저희는 두 가지 목표를 정했습니다.
  • 2:36 - 2:39
    첫째, 인공지능 알고리즘의
    학습에 필요한
  • 2:39 - 2:42
    영상의 수를 줄이는 것이었습니다.
  • 2:42 - 2:44
    둘째, 저희가 좀 더 욕심을 낸 것인데
  • 2:44 - 2:48
    환자들을 선별하는
    값비싼 의료영상기술의 사용을
  • 2:48 - 2:49
    줄이는 것이었죠.
  • 2:49 - 2:50
    과연 어떻게 됐을까요?
  • 2:51 - 2:52
    첫 번째 목표를 위해,
  • 2:52 - 2:54
    기존의 인공지능과 같이
  • 2:54 - 2:57
    아주 많은 비용을 들여
    촬영하는 영상 수 천장을 대신해,
  • 2:57 - 2:59
    단 한 장으로 시작했습니다.
  • 2:59 - 3:03
    동료들과 함께 그 영상에서
    수 억개의 정보 패킷을
  • 3:03 - 3:06
    추출할 수 있는
    아주 기발한 방법을 찾아냈죠.
  • 3:06 - 3:10
    이 정보 패킷들은 영상 속
    질병의 색상, 화소, 기하학적 구조,
  • 3:10 - 3:12
    렌더링 등이 포함되어 있습니다.
  • 3:12 - 3:17
    즉, 하나의 영상을 수 십억개의
    학습용 자료점으로 변환해,
  • 3:17 - 3:20
    학습에 필요한 자료의 양을
    현저히 줄이는 것이죠.
  • 3:20 - 3:21
    두 번째 목표를 위해서는
  • 3:21 - 3:25
    환자의 선별에 쓰이는
    의료영상기술의 사용을 줄이기 위해,
  • 3:25 - 3:28
    일반적인 백색광 사진을
    사용하기 시작했습니다.
  • 3:28 - 3:32
    DSLR 사진기나
    휴대전화에서도 가능한 것이죠.
  • 3:32 - 3:35
    수 십억개의 정보 패킷 기억하시죠?
  • 3:35 - 3:38
    의료영상에서 빼낸 정보들을
    바로 이 영상 위에 입혀
  • 3:39 - 3:41
    합성하는 거죠.
  • 3:41 - 3:45
    놀랍게도, 저희는 단 50장,
  • 3:45 - 3:46
    한번 더 말하죠, 단 50장입니다.
  • 3:46 - 3:50
    알고리즘의 학습이
    단 50장의 영상으로 가능했던 것입니다.
  • 3:51 - 3:52
    그 방식을 요약해 보면,
  • 3:52 - 3:55
    만장이나 되는
    아주 값비싼 의료영상을 대신해,
  • 3:55 - 3:58
    이제는 색다른 방식으로
    인공지능의 학습이 가능하게 된 것이죠.
  • 3:58 - 4:03
    일반적인 DSLR 사진기나 휴대전화를
    이용해 얻을 수 있는
  • 4:03 - 4:05
    단 50장의 고화질 영상으로
  • 4:05 - 4:07
    진단까지 가능해 진 것입니다.
  • 4:07 - 4:08
    더 중요하게
  • 4:08 - 4:11
    저희 알고리즘은 앞으로,
    심지어 지금 당장이라도
  • 4:11 - 4:14
    환자들이 제공하는 간단한
    백색광 사진을 이용할 수 있습니다.
  • 4:14 - 4:16
    고가의 의료영상기술을
    대신해서 말이죠.
  • 4:17 - 4:20
    저는 인공지능이 우리의 미래에
  • 4:20 - 4:22
    엄청난 영향을 줄
  • 4:22 - 4:25
    시대의 문턱에
    이미 와 있다고 믿습니다.
  • 4:25 - 4:27
    기존의 인공지능은
  • 4:27 - 4:30
    자료는 방대하지만
    활용도가 낮기 때문에,
  • 4:30 - 4:32
    소량의 자료만으로도
  • 4:32 - 4:35
    우리에게 당면한 중대한 과제들을
    해결할 수 있는
  • 4:35 - 4:37
    대체 인공지능 구조를
  • 4:37 - 4:40
    계속 연구해야 한다고 생각합니다.
  • 4:40 - 4:41
    특히 의료와 관련해서 말이죠.
  • 4:41 - 4:42
    감사합니다.
  • 4:42 - 4:46
    (박수)
Title:
질병의 진단을 돕는 인공지능의 활용법
Speaker:
프라틱 샤 (Pratik Shah)
Description:

오늘날 인공지능의 알고리즘으로 환자의 질병을 진단 하려면, 수 천장의 값비싼 의료영상이 필요합니다. 인공지능의 학습을 위해 필요한 자료의 양을 대폭 줄여, 진단비용은 낮추고 효율성은 높인다면 어떨까요? TED Fellow 프라틱 샤(Pratik Shah)는 바로 그 일을 하는 지능적인 시스템을 개발하고 있습니다. 그는 색다른 방식으로 인공지능을 활용해, 단 50장의 의료영상으로 알고리즘을 학습시킬 수 있고, 심지어 의사들의 휴대전화로 찍은 사진만으로도 진단이 가능한 기술의 개발에 성공했습니다. 의료정보의 분석에 쓰이는 이 새로운 방법이, 어떻게 생명을 위협하는 질병을 조기에 진단하고, 인공지능의 활용을 전 세계의 의료 현장에 보급할 수 있는지 알아봅니다.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:59

Korean subtitles

Revisions

Our website uses cookies for analysis purposes.