뛰어난 전문성을 가져도 의료 AI 특성 상 해결하기 어려운 문제들이 많습니다. 전문의 출신 의료 AI 개발자도 막히는 지점이 있다? |
|
|
뛰어난 전문성을 가져도 의료 AI 특성 상 해결하기 어려운 문제들이 많습니다.
여기에 의료 AI는 고영향 AI로 분류되는 만큼, 더욱 데이터 거버넌스에 유의하며 개발해야 합니다.
오늘 그에 관련한 지식들을 한 편의 뉴스레터로 담아보았습니다.
세 줄 요약
- 20년치 노하우로 찾아낸, 의료 빅데이터가 늘 어긋나는 이유
- 89% 정답률을 받은 의료 AI가 실제 환자를 마주한다면?
- 의료·에너지·채용… '고영향 AI'라면 반드시 확인해야 할 법
|
|
|
전문의 출신 의료 AI 개발자가 나서도 해결하기 어려운 문제는? |
|
|
어려운 과제지만, 그럼에도 불구하고 해결할 수 있는 방향성까지.
실제 국내, 국외 의료 빅데이터 사례 3가지를 토대로 분석해보았습니다.
20년 간 의공학을 연구하며 쌓은 노하우 중 일부가 담겨 있습니다. |
|
|
OpenAI의 o1-preview VS 수백 명의 의사
임상 추론 과제에서 정답률의 중앙값을 비교해보았을 때, 89% VS 39%.
o1-preview가 더 높았습니다.
그러나 과연 현실에서 실제 환자를 마주할 때도 동일할까요?
급속도로 발전하는 AI. 그러나 여전히 인간을 모방하기 어려운 영역은 분명히 존재합니다. |
|
|
의료뿐만 아니라, ‘이 산업’에 해당하신다면 더욱 유의하셔야 합니다. |
|
|
에너지, 먹는 물, 보건의료·의료기기, 원자력, 생체인식, 채용, 대출심사
혹시 이 중 하나라도 해당하시나요?
그렇다면 ‘고영향 AI’로서, AI 기본법을 필히 준수하셔야 합니다.
|
|
|
데이터 종합병원, ‘데이터클리닉’.
의료 데이터의 품질을 진단하고, 실제 임상에서 작동하는 형태로 개선해오고 있습니다.
“이 의료 AI를 위해서 어떤 합성데이터를 생성해야 할까?”
“의료 AI의 온톨로지를 어떻게 구축해야 할까?”
이 질문들에 대해 답을 내리기 위해 연구했고, 그 고민의 흔적들이 20년간 쌓인 판단 기준으로 남았습니다.
그 기준이 필요한 순간이 오신다면 언제든 페블러스에 문의주시길 바랍니다.
감사합니다. |
|
|
본 내용은 페블러스의 기획 하에 AI를 보조적으로 활용하여 작성되었으며, 페블러스의 엄밀한 감수를 거쳐 출간되었습니다. |
|
|
🚀 AI 기반 데이터 혁신, 지금 페블러스와 함께 하세요! |
|
|
페블러스는 AI와 데이터 분석을 통해 다양한 산업의 문제를 해결하고,
더 나은 의사결정을 지원합니다.
📌 페블러스에 대해 더 알고 싶거나, 협업 및 파트너십을 논의하고 싶다면
언제든지 연락 주세요!
페블러스 드림 |
|
|
|
