의료기술의 발전과 함께, 의료 분야의 데이터에 대한 이슈와 관심이 점차 증가하고 있으며, 빅데이터 기술의 발전과 함께 인공지능 기술 또한 급속한 발전을 거듭하고 있다. 4차 산업혁명 시대의 의료산업은 기존 치료 및 병원 중심에서의 패러다임에서 예방·소비자 중심의 형태로 변화되었고 이러한 변화에 따라 의료 ...
의료기술의 발전과 함께, 의료 분야의 데이터에 대한 이슈와 관심이 점차 증가하고 있으며, 빅데이터 기술의 발전과 함께 인공지능 기술 또한 급속한 발전을 거듭하고 있다. 4차 산업혁명 시대의 의료산업은 기존 치료 및 병원 중심에서의 패러다임에서 예방·소비자 중심의 형태로 변화되었고 이러한 변화에 따라 의료 빅데이터의 분석과 이를 기반으로 하는 인공지능 기술 개발이 활발히 진행 중이다. 의료 빅데이터는 새로운 치료 및 의학 분야의 기술 혁신, 의료서비스의 효율화, 적정 의료비용 산정 및 최적화 등 광범위한 의료산업 분야에서 해결하기 어려웠던 문제들을 개선하거나 보완될 수 있을 것으로 예상한다. 의료 빅데이터 또한 기존보다 더욱 적극적으로 연구 및 기술개발에 활용될 기회가 열리게 되었고, 이는 의료 빅데이터 기반의 인공지능 기술 및 이를 활용한 인공지능 의료기기 등 고도성장의 원동력으로 국내·외 다양한 의료산업 분야에 긍정적인 영향으로 확장될 수 있을 것이다. 의학기술의 고도화, 인공지능의 적용 및 기술의 발전으로 일정한 패턴을 가지는 질병을 의료 데이터를 활용하여 높은 정확성을 기반으로 예측 및 진단할 수 있다는 연구결과가 지속 발표되고 있다. 질병에 대한 특성과 관련 정보, 누적된 진료·검사결과 데이터가 존재한다면 인공지능의 학습을 통해 특정 패턴을 보이는 질병에 대해 높은 정확성으로 진단 및 예측할 수 있다는 연구결과로 다양한 분야의 발전 가능성을 내포하고 있다. 본 논문에서는 국방의료 데이터를 활용한 인공지능 기반 질병 진단 및 예측 모델 설계를 통해 머신러닝 방식을 기반으로 하는 ‘폐렴 예측 및 진단 모델’ 연구와 다층 인공신경망 기반의 ‘다중 질병 예측 및 진단 모델’을 구현하였으며, 실험 결과를 통해 의료 데이터를 활용한 인공지능 질병 진단 및 예측 알고리즘의 발전 가능성을 연구 및 분석하였다. 폐렴은 학교, 군 등의 집단 감염의 선제적 예방을 위한 조기 식별이 무엇보다 중요하며, 특히 장기간 입원과 높은 사망률 등을 초래하는 국가적 관리 대상 감염병으로서 사전 식별 및 관리의 중요성이 높아 군내 발생하는 다른 주요 질병과의 우선순위를 고려하여 선정되었다. 단일 질병 진단 및 예측 모델 연구를 위해 폐렴 환자의 데이터를 실험군으로, 폐렴이 아닌 정상환자의 데이터를 대조군으로 선정하였으며 본 연구 실험을 통해 특정 질병을 가진 환자의 데이터를 활용한, 인공지능의 질병 예측 및 진단 가능성을 확인할 수 있었다. 또한, 다층 인공신경망 기법을 적용한 머신러닝 기술을 활용하여 다중 질병을 진단 및 예측하는 연구를 수행하였으며, 군 의료 분야에서 관심도가 높은 3가지 주요 질병(폐렴·결핵·횡문근융해증)의 데이터를 선정하여 실험을 진행하였다. 본 연구 실험의 기대효과로는 정기·수시 건강검진, 신체검사 등 의료기관 등에서의 검진과 동시에 높은 정확도로 질병을 진단 및 예측할 수 있을 것이며, 이를 통한 의료진 부족에 따른 검사 및 진단 결과의 지연 방지, 예측 가능한 환자에 대한 사전 선별 및 분류를 통한 전파 차단, 조기 치료 제공을 통한 환자의 빠른 회복 등 선제적 의료지원 대응을 가능하게 할 것이다. 단체생활을 하는 집단에서 무증상 환자들의 조기 발견과 선별적 검사는 폐쇄적, 집단적 특성을 가진 군 내 생활관 및 사무 환경 내의 전파 조기 차단, 치료, 예방을 가능하게 하여 장병들의 전투력 보존, 제고를 기대할 수 있을 것이다. 기존의 건강검진 및 신체검사 결과는 검진 대상의 수 및 의료진이나 의료기관의 능력에 따라 차이가 있으나 약 1주에서 2주 후에 검사 분석 결과를 개인이 확인할 수 있다. 검진 직후 검사결과 값이 전산으로 입력된다면 인공지능 분석으로, 최대 당일 복귀 전에도 선별적인 검사 조기 식별 결과를 통해 질병 유무 여부를 확인할 수 있을 것으로 기대한다. 제안한 연구 모델은 향후 의료데이터를 활용하는 연구·실험과 함께 의학적인 검증과 관련 진단 및 예측 연구들을 추가 검토하고, 다양한 인공지능 최신 기술의 접목 및 융합을 통해 향후 의료분야의 딥러닝 질병 진단 및 예측 분야의 정확도는 지속 향상될 수 있음을 확인하였다. 향후 본 연구에서 언급 외 다양한 누적 데이터가 있거나, 특정한 특징 및 성격을 가지는 질병 또는 질환에 대해 조기 식별, 예측 모델 개발에 적용할 수 있도록 다양한 범주의 데이터 지속 확보 및 모델 적용 고도화 연구가 필요함을 제시하였다.
의료기술의 발전과 함께, 의료 분야의 데이터에 대한 이슈와 관심이 점차 증가하고 있으며, 빅데이터 기술의 발전과 함께 인공지능 기술 또한 급속한 발전을 거듭하고 있다. 4차 산업혁명 시대의 의료산업은 기존 치료 및 병원 중심에서의 패러다임에서 예방·소비자 중심의 형태로 변화되었고 이러한 변화에 따라 의료 빅데이터의 분석과 이를 기반으로 하는 인공지능 기술 개발이 활발히 진행 중이다. 의료 빅데이터는 새로운 치료 및 의학 분야의 기술 혁신, 의료서비스의 효율화, 적정 의료비용 산정 및 최적화 등 광범위한 의료산업 분야에서 해결하기 어려웠던 문제들을 개선하거나 보완될 수 있을 것으로 예상한다. 의료 빅데이터 또한 기존보다 더욱 적극적으로 연구 및 기술개발에 활용될 기회가 열리게 되었고, 이는 의료 빅데이터 기반의 인공지능 기술 및 이를 활용한 인공지능 의료기기 등 고도성장의 원동력으로 국내·외 다양한 의료산업 분야에 긍정적인 영향으로 확장될 수 있을 것이다. 의학기술의 고도화, 인공지능의 적용 및 기술의 발전으로 일정한 패턴을 가지는 질병을 의료 데이터를 활용하여 높은 정확성을 기반으로 예측 및 진단할 수 있다는 연구결과가 지속 발표되고 있다. 질병에 대한 특성과 관련 정보, 누적된 진료·검사결과 데이터가 존재한다면 인공지능의 학습을 통해 특정 패턴을 보이는 질병에 대해 높은 정확성으로 진단 및 예측할 수 있다는 연구결과로 다양한 분야의 발전 가능성을 내포하고 있다. 본 논문에서는 국방의료 데이터를 활용한 인공지능 기반 질병 진단 및 예측 모델 설계를 통해 머신러닝 방식을 기반으로 하는 ‘폐렴 예측 및 진단 모델’ 연구와 다층 인공신경망 기반의 ‘다중 질병 예측 및 진단 모델’을 구현하였으며, 실험 결과를 통해 의료 데이터를 활용한 인공지능 질병 진단 및 예측 알고리즘의 발전 가능성을 연구 및 분석하였다. 폐렴은 학교, 군 등의 집단 감염의 선제적 예방을 위한 조기 식별이 무엇보다 중요하며, 특히 장기간 입원과 높은 사망률 등을 초래하는 국가적 관리 대상 감염병으로서 사전 식별 및 관리의 중요성이 높아 군내 발생하는 다른 주요 질병과의 우선순위를 고려하여 선정되었다. 단일 질병 진단 및 예측 모델 연구를 위해 폐렴 환자의 데이터를 실험군으로, 폐렴이 아닌 정상환자의 데이터를 대조군으로 선정하였으며 본 연구 실험을 통해 특정 질병을 가진 환자의 데이터를 활용한, 인공지능의 질병 예측 및 진단 가능성을 확인할 수 있었다. 또한, 다층 인공신경망 기법을 적용한 머신러닝 기술을 활용하여 다중 질병을 진단 및 예측하는 연구를 수행하였으며, 군 의료 분야에서 관심도가 높은 3가지 주요 질병(폐렴·결핵·횡문근융해증)의 데이터를 선정하여 실험을 진행하였다. 본 연구 실험의 기대효과로는 정기·수시 건강검진, 신체검사 등 의료기관 등에서의 검진과 동시에 높은 정확도로 질병을 진단 및 예측할 수 있을 것이며, 이를 통한 의료진 부족에 따른 검사 및 진단 결과의 지연 방지, 예측 가능한 환자에 대한 사전 선별 및 분류를 통한 전파 차단, 조기 치료 제공을 통한 환자의 빠른 회복 등 선제적 의료지원 대응을 가능하게 할 것이다. 단체생활을 하는 집단에서 무증상 환자들의 조기 발견과 선별적 검사는 폐쇄적, 집단적 특성을 가진 군 내 생활관 및 사무 환경 내의 전파 조기 차단, 치료, 예방을 가능하게 하여 장병들의 전투력 보존, 제고를 기대할 수 있을 것이다. 기존의 건강검진 및 신체검사 결과는 검진 대상의 수 및 의료진이나 의료기관의 능력에 따라 차이가 있으나 약 1주에서 2주 후에 검사 분석 결과를 개인이 확인할 수 있다. 검진 직후 검사결과 값이 전산으로 입력된다면 인공지능 분석으로, 최대 당일 복귀 전에도 선별적인 검사 조기 식별 결과를 통해 질병 유무 여부를 확인할 수 있을 것으로 기대한다. 제안한 연구 모델은 향후 의료데이터를 활용하는 연구·실험과 함께 의학적인 검증과 관련 진단 및 예측 연구들을 추가 검토하고, 다양한 인공지능 최신 기술의 접목 및 융합을 통해 향후 의료분야의 딥러닝 질병 진단 및 예측 분야의 정확도는 지속 향상될 수 있음을 확인하였다. 향후 본 연구에서 언급 외 다양한 누적 데이터가 있거나, 특정한 특징 및 성격을 가지는 질병 또는 질환에 대해 조기 식별, 예측 모델 개발에 적용할 수 있도록 다양한 범주의 데이터 지속 확보 및 모델 적용 고도화 연구가 필요함을 제시하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.