딥 러닝이 의료 서비스를 바꾸는 방법 1부: 진단

AI는 세 가지 강력한 트렌드에 따라 의료 분야에 심오하고 지속적인 영향을 미칠 태세입니다.

1. 그래픽 처리 장치(GPU)는 점점 더 빠르고 에너지 효율적입니다.

최근까지 AI 알고리즘을 실행하는 것은 비용 효율성이 거의 없었습니다.

2. 알고리즘이 점점 정교해지고 있습니다.

이제 과거 비용의 일부만으로 딥 러닝 모델을 사용할 수 있기 때문에 혁신이 폭발적으로 일어나고 있습니다.

3. 의료 데이터가 풍부합니다.

EHR 및 기타 디지털화 노력 덕분에 알고리즘을 훈련하는 데 사용할 의료 데이터가 그 어느 때보다 많아졌습니다.

CB Insights에 따르면 몇 년 전만 해도 24개 미만의 AI 스타트업이 의료에 중점을 두었습니다. 현재 100개 이상의 의료 관련 AI 스타트업이 있습니다.

이로 인해 많은 의사들이 내일, 오늘에 대해 어떻게 준비할 수 있는지 머리를 긁적였습니다. 다음은 딥 러닝이 현재 의료 서비스를 변화시키는 방식과 다가오는 AI 혁명에 대비하기 위해 올바른 하드웨어를 구매하는 방법에 대한 정보입니다.

용어 개요

AI 용어집(Fortune을 통해)

딥러닝을 통한 보다 빠르고 정확한 진단

생각해보면 질병 진단은 인공지능의 완벽한 과제다. 딥 러닝은 점을 연결하여 패턴을 식별하는 것입니다.

개를 생각해 보십시오. 구성 요소: 털이 많은, 두 개의 눈, 네 개의 다리, 꼬리. 사람보다 작고 고양이보다 큽니다. 딥 러닝 알고리즘은 데이터 입력, 분석 및 테스트의 많은 주기를 통해 각각이 무엇인지 "학습"한 다음 구성 부분에서 개를 식별할 수 있습니다.

질병의 경우 점은 증상 및 관련 장애입니다. 기침, 재채기, 인후통: 감기임에 틀림없다.

딥 러닝 알고리즘은 의사가 수행하는 것과 동일한 방식으로 진단을 더 잘 수행합니다. 의사와 마찬가지로 알고리즘은 환자가 치료에 반응하는지 또는 초기 진단이 잘못되었음을 나타내는 새로운 증상이 발생하는지 여부를 기반으로 추측하고 그것이 올바른지 여부를 학습합니다. 이 정보는 EHR 데이터를 통해 알고리즘에 입력됩니다.

심층 신경망이 학습하는 방법(Fortune을 통해)

의사와 딥 러닝 알고리즘의 중요한 차이점 중 하나는 의사가 잠을 자야 한다는 것입니다. 알고리즘을 훈련하면 지속적으로 작동(및 개선)할 수 있습니다.

의사는 평생 수천 개의 MRI 이미지를 보고 배울 것입니다. 알고리즘은 수조를 볼 수 있습니다. 모든 인간과 마찬가지로 의사도 실수하기 쉽습니다. AI를 사용하면 질병, 피로 또는 집착의 위험이 없습니다. 그것은 방어적인 의학을 연습하거나 그 길에 갇히지 않을 것입니다.

이것은 실제로 어떻게 보입니까?

올해 초 스탠포드 대학의 과학자들이 입증한 것처럼 머신 러닝은 이미 피부 병변이 공인 피부과 의사만큼 정확하게 암인지 여부를 결정할 수 있습니다.

Hossam Haick의 대학 룸메이트가 백혈병 진단을 받았을 때 그는 암을 치료하는 센서를 만드는 데 영감을 받았습니다. Haick은 New York Times에 이렇게 말했습니다. 그래서 그는 인공 지능을 사용하여 다양한 질병의 냄새를 학습하는 기계를 만들었습니다. 냄새를 맡을 때마다 알고리즘이 더 정확해집니다. 지난해 12월 기준으로 최대 86%의 정확도로 17개 질병을 식별할 수 있었다.

Enlitic은 딥 러닝을 사용하여 방사선 사진과 CT 및 MRI 스캔에서 폐 결절을 감지하고 양성 또는 악성 여부를 결정합니다. 전 샌프란시스코 캘리포니아 대학의 방사선 종양학 교수인 CEO Igor Barani는 Enlitic의 알고리즘이 테스트에서 4명의 방사선 전문의를 능가했다고 주장합니다. Barani는 Medical Futurist에 다음과 같이 말했습니다.

“최근까지 진단 컴퓨터 프로그램은 질병별 특징에 대해 미리 정의된 일련의 가정을 사용하여 작성되었습니다. 신체의 각 부분에 대해 전문화된 프로그램을 설계해야 했고 제한된 세트의 질병만 식별할 수 있어 유연성과 확장성을 방해했습니다. 프로그램은 종종 현실을 지나치게 단순화하여 진단 성능이 좋지 않아 광범위한 임상 적용에 도달하지 못했습니다. 대조적으로, 딥 러닝은 전신의 광범위한 질병과 모든 영상 기법(X선, CT 스캔 등)을 쉽게 다룰 수 있습니다.”

Freenome은 딥 러닝을 사용하여 혈액 샘플, 보다 구체적으로는 혈액 세포가 죽을 때 방출하는 DNA 조각에서 암을 찾습니다. 벤처 캐피털 회사인 Andreessen Horowitz는 투자 전 테스트로 분석하기 위해 5개의 혈액 샘플을 회사에 보냈습니다. Freenom이 5개(정상 2개, 암 3개)를 모두 정확하게 식별한 후 회사는 투자를 계속했습니다. 설립자 Gabriel Otte는 Fortune에 자신의 딥 러닝 알고리즘이 암 생물학자들이 아직 특성화하지 못한 암 신호를 감지하고 있다고 말했습니다.

5월에 Babylon Health의 설립자이자 CEO인 Ali Parsa는 온라인 기술 쇼 "Hot Topics"에서 그의 팀이 최근 세계 최초의 AI 기반 임상 분류 시스템을 학술 테스트에 제출했으며, 그 동안 그의 시스템은 의사보다 13% 더 정확하다는 것이 입증되었습니다. 간호사보다 17% 더 정확합니다.

구현이 얼마나 현실적입니까?

기계 학습은 질병을 진단하는 더 나은 방법으로 빠르게 발전하고 있지만 최근에야 보편적으로 사용할 수 있게 되었습니다. 지금까지는 광범위한 방식으로 구현하기에는 비용이 너무 많이 들었습니다.

더 적은 에너지를 필요로 하는 동시에 그 어느 때보다 빠르게 실행되는 최신 프로세서 덕분에 기계 학습은 보다 빠르고 저렴한 속도로 발전하고 있습니다.

파라가 위의 영상에서 언급했듯이 10년 전 질병을 찾고 진단하기 위해 신체의 모든 부분을 살펴보는 데 100만 달러가 들었습니다. 오늘날 그 비용은 10,000달러로 떨어졌으며 유전자 시퀀싱이 포함됩니다.

한 의료 영상 회사가 의사에게 AI 기반 소프트웨어를 판매하기 위해 FDA 승인을 받았습니다. 1월에 Arterys는 30초 이내에 의사만큼 정확하게 환자의 심장 용량을 계산할 수 있는 딥 러닝 알고리즘인 "DeepVentricle"에 대해 성공했습니다. 반면 MRI 이미지를 분석하여 손으로 계산을 완료하는 데는 약 1시간이 걸립니다.

생의학 엔지니어이자 교수인 Cristina Davis는 3~5년 안에 임상의가 진단을 돕기 위해 딥 러닝 알고리즘에 액세스할 수 있을 것이라고 예측합니다.

적합한 하드웨어로 딥 러닝 준비

2000년대 후반 이후 계산 능력의 증가의 큰 부분은 비디오 게임의 시각적 현실성을 높이기 위해 Nvidia에서 설계한 칩 때문입니다. 딥 러닝에 그래픽 처리 장치(GPU)를 사용하는 것이 중앙 처리 장치(CPU)를 사용하는 것보다 20~50배 더 ​​효율적인 것으로 나타났습니다.

2016년 8월, Nvidia는 데이터 센터 부문의 분기 매출이 전년 대비 2배 이상 증가한 1억 5,100만 달러에 이르렀다고 발표했습니다. CFO Colette Kress는 투자자들에게 "성장의 대부분은 딥 러닝에서 비롯됩니다."라고 말했습니다.

2016년 인텔은 딥 러닝 스타트업인 너바나 시스템즈(Nervana Systems)와 모비디우스(Movidius)를 인수했고 구글은 딥 러닝을 촉진하기 위해 특별히 설계된 텐서 처리 장치(TPU)를 공개했습니다.

오늘날 Nvidia는 의료 산업을 목표로 삼고 있습니다. 회사의 비즈니스 개발 관리자인 Kimberley Powell은 Nvidia의 프로세서가 의료 영상의 딥 러닝 분석 요구 사항을 충족하는 데 사용되기를 원합니다.

Futurism은 "Nvidia의 하드웨어는 딥 러닝과 의학의 결합에서 조용하지만 중요한 역할을 확립했습니다."라고 보고합니다. 회사는 더 빠르고 정확한 진단을 할 수 있는 계산을 빠르고 효율적으로 실행하도록 설계된 강력한 컴퓨터를 구축하고 있습니다. Powell은 Nvidia의 DGX-1이 전 세계의 병원과 의료 연구 센터에 설치되기를 희망하고 있습니다.

Massachusetts General Hospital의 새로운 임상 데이터 과학 센터와 같은 일부 병원에서는 이미 인구 건강을 위해 이 새로운 하드웨어를 사용하고 있으며, 환자의 검사 결과와 병력을 비교하여 데이터의 상관 관계를 식별하고 있습니다.

결론

심층 신경망은 의사가 질병을 진단하는 방식을 변화시켜 그 어느 때보다 빠르고 저렴하며 정확한 진단을 제공합니다. 이러한 발전을 활용하려면 하드웨어 업그레이드와 같은 특정 준비 단계가 필요합니다.

업그레이드할 준비가 되었으면 딥 러닝 및 인구 건강의 계산 요구 사항을 처리할 수 있는 시스템에 투자하십시오.

다음 주에는 딥 러닝이 의료 서비스를 변화시키는 또 다른 방식인 질병 예방에 대해 논의할 것입니다. 또한 진료에서 딥 러닝을 사용하기 시작하는 데 필요한 의료 진료 관리 및 EHR 소프트웨어에 대해서도 설명합니다.

AI 및 의료에 대해 자세히 알아보려면 다음 게시물을 확인하세요.

• 정밀의학이란? 혼란스러운 의사를 위한 간단한 소개
• 중소기업이 알아야 할 헬스케어 AI 스타트업 5선
• 인공 지능이 원격 의료에 영향을 미치는 5가지 방법