ㅁ 의료 AI

ㅇ 정의:
인공지능 기술을 활용하여 의료 데이터(영상, 생체신호, 진료기록 등)를 분석·예측·지원하는 분야.

ㅇ 특징:
– 환자 맞춤형 진단과 치료 계획 수립 가능
– 대규모 의료 데이터 처리 및 패턴 분석
– 규제와 개인정보 보호 이슈 존재

ㅇ 적합한 경우:
– 진단 정확도 향상 필요 시
– 의료 자원 부족 지역에서 원격진료 지원

ㅇ 시험 함정:
– 의료 AI가 의사를 완전히 대체한다고 오답 유도
– 개인정보 비식별화 조치 없이 데이터 사용 가능하다고 함정 제시

ㅇ 시험 대비 “패턴 보기” 예시:
O: “의료 AI는 진단 보조와 치료 계획 수립에 활용될 수 있다.”
X: “의료 AI는 모든 진단을 의사 없이 자동으로 수행한다.”

================================

1. EHR 분석

ㅇ 정의:
전자의무기록(Electronic Health Record, EHR)에 저장된 환자 진료 이력, 검사 결과, 처방 내역 등의 구조·비구조 데이터를 AI로 분석하여 진단, 예후 예측, 치료 최적화에 활용하는 기술.

ㅇ 특징:
– 다양한 형식(텍스트, 수치, 이미지)의 데이터 통합 분석
– 데이터 품질과 표준화가 성능에 큰 영향
– 실시간 데이터 업데이트 가능

ㅇ 적합한 경우:
– 환자 상태 변화 모니터링 및 조기 경고 필요 시
– 의료 자원 배분 최적화

ㅇ 시험 함정:
– EHR과 EMR(전자의무기록과 전자진료기록)을 혼동하도록 출제
– 비구조화 데이터는 분석 불가능하다는 오답 유도

ㅇ 시험 대비 “패턴 보기” 예시:
O: “EHR 분석은 구조화·비구조화 데이터를 모두 활용할 수 있다.”
X: “EHR 분석은 텍스트 데이터만 다룰 수 있다.”

ㅁ 추가 학습 내용

EHR과 EMR의 차이
– EMR(Electronic Medical Record): 한 의료기관 내에서 사용되는 환자 진료 기록
– EHR(Electronic Health Record): 여러 의료기관 간에 공유 가능한 환자 건강 기록

의료 데이터 표준 프로토콜
– HL7(Health Level Seven): 의료 정보의 전자 교환을 위한 국제 표준
– FHIR(Fast Healthcare Interoperability Resources): 웹 기반의 의료 데이터 교환 표준, 상호운용성 향상 목적

의료 데이터 관련 법적 규제
– 개인정보 보호법: 개인 식별 가능 정보의 수집, 이용, 보관, 파기 등에 관한 규정
– HIPAA(Health Insurance Portability and Accountability Act, 미국): 의료 정보의 프라이버시와 보안 보호를 위한 법률

임상 노트 분석 기법
– 자연어처리(NLP): 비정형 텍스트 데이터(의무기록, 진료 노트 등)에서 의미 있는 정보를 추출하는 기술

데이터 품질 관리
– 데이터 정합성 확인, 오류 수정, 중복 제거
– 결측치 처리 전략: 삭제, 평균 대체, 회귀 대체, 다중 대체 등

예측 모델 성능 평가 지표
– 민감도(Sensitivity): 실제 양성을 양성으로 예측한 비율
– 특이도(Specificity): 실제 음성을 음성으로 예측한 비율
– ROC-AUC: 민감도와 1-특이도의 관계를 나타내는 곡선 아래 면적, 모델의 분류 성능 종합 평가

시험 출제 포인트
– EHR과 EMR 개념 구분
– 표준 프로토콜 명칭과 목적
– 관련 법률의 적용 범위와 주요 내용
– NLP의 활용 목적과 특징
– 데이터 품질 관리 및 결측치 처리 방법
– 성능 지표의 정의와 해석 방법