ㅁ 의료 AI

ㅇ 정의:
의료 분야에서 인공지능 기술을 활용하여 진단, 치료, 예후 예측 등을 지원하는 기술로, 특히 의료影像 분석은 CT, MRI, X-ray 등 의료 영상을 분석하여 질병을 식별하거나 진행 상태를 평가하는 것을 의미함.

ㅇ 특징:
– 대규모 의료 영상 데이터와 딥러닝 기반의 컴퓨터 비전 기술을 결합하여 높은 정확도의 진단 지원 가능
– 의사의 판독 시간을 단축하고, 인간이 놓칠 수 있는 미세한 이상 징후를 포착
– 규제와 개인정보보호 이슈가 큼

ㅇ 적합한 경우:
– 방사선과, 병리과 등 영상 기반 진단 비중이 높은 분야
– 조기 질병 발견 및 대규모 인구 건강 스크리닝

ㅇ 시험 함정:
– ‘의료影像 분석’은 단순한 이미지 처리와 동일한 개념이 아님 (의료 도메인 특화된 데이터 전처리, 레이블링, 해석 필요)
– AI가 의사를 완전히 대체한다고 보기 어려움 (보조 역할 중심)

ㅇ 시험 대비 “패턴 보기” 예시:
O: “의료影像 분석은 CT, MRI 등 의료 영상을 기반으로 질병을 식별하는 AI 기술이다.”
X: “의료影像 분석은 모든 의료 데이터를 분석하는 기술이다.”

ㅁ 추가 학습 내용

의료 영상 분석 시험 대비 핵심 정리

1. DICOM 표준
의료 영상 데이터의 저장 및 전송을 위한 국제 표준으로, 다양한 장비와 시스템 간의 호환성을 보장한다. AI 모델 학습 시 데이터 형식과 메타데이터 처리를 위해 반드시 고려해야 한다.

2. 주요 공개 의료 영상 데이터셋
– LIDC-IDRI: 폐 결절 검출 및 분석을 위한 CT 영상 데이터셋
– CheXpert: 흉부 X-ray 영상과 라벨을 제공하는 대규모 데이터셋

3. 성능 지표
– 민감도(Sensitivity): 질병이 있는 경우를 정확히 양성으로 판별하는 비율
– 특이도(Specificity): 질병이 없는 경우를 정확히 음성으로 판별하는 비율
– AUC(Area Under the Curve): ROC 곡선 아래 면적으로, 분류 성능의 종합적 평가 지표

4. 규제 환경
– 미국 FDA: 의료기기 승인 절차
– 유럽 CE 인증: 유럽 시장 진출을 위한 적합성 평가
– 한국 MFDS: 식품의약품안전처 허가 절차

5. AI 모델 해석 가능성(Explainability)
의료 분야에서는 AI의 예측 근거를 설명할 수 있어야 하며, 이를 위해 Grad-CAM 등 시각화 기법이 활용된다. 이는 의사와 환자의 신뢰 형성 및 규제 승인에도 중요한 요소이다.