의사가 의료 AI에 대체되지 않으려면?
현역 의사가 전하는 의료 AI의 과거와 현재, 그리고 미래
2017년 구글의 알파고가 세계 바둑 챔피언인 중국의 커제를 이겼다. IBM의 인공지능 왓슨은 어떤 의사도 진단해내지 못한 특수 케이스의 백혈병을 단 10분 만에 정확히 진단해냈다. 이처럼 AI 열풍은 산업계뿐 아니라 의료계에도 이미 불어 닥쳤다. AI 분야 최고의 석학인 캐나다 토론토대학의 제프리 힌튼 교수는 “5년이 지나면 영상 진단은 대부분 딥러닝이 도맡게 되어 영상의학과 의사는 필요 없을 것이다!”라고 경고했으며, 미국의 발명가이자 미래학자인 레이 커즈와일 박사는 “적어도 2045년부터는 인간의 지능과 인공지능의 능력이 역전되어 싱귤래리티에 도달할 것이다”라고 예언했다. 세계의 전문가들이 조언하는 것처럼 AI가 인간, 그중에서 의사를 대체하게 된다면 우리는 무엇을 어떻게 준비해야 할까?
영상의학과 전문의이자 이 책의 저자 야마시타 야스유키는 AI가 의료 분야의 패러다임을 바꿀 것을 직감하고, 임상의를 비롯한 수많은 의료 관계자가 AI를 쉽게 이해할 수 있도록 이 책을 집필했다. AI의 역사와 의료 인공지능의 최신 동향, 그리고 미래를 내다보며 의료와 인공지능이 어떤 관계에 있는지, 인공지능 시대에 대응하기 위해 무엇을 준비해야 할지 조언한다. 특히 영상 진단, 영상 처리, 진료 지원, 정밀의학, 예방 의료, 간병 등 다양한 의료 분야에 응용할 수 있는 AI를 세세히 알려준다. 뿐만 아니라 정말 의사가 AI에 대체될 것인지, 어느 의료 분야가 AI에 먼저 영향을 받을 것인지, AI로 인한 의료 사고에 대한 책임소재는 어떻게 할 것인지 등 의료 인공지능을 둘러싼 다양한 이슈들도 담았다. AI라는 거센 물결에 어떻게 대처해야 할지, 무엇을 준비해야 할지 깜깜해하던 의료인들이라면 주저 없이 이 책을 집어 들자. 의료 AI라는 거대한 세계에 한 발 더 가까이 다가가는 계기가 될 것이다.

핵심만 깊고 쉽게 배운다!
의료 종사자가 반드시 알아야 할 AI 핵심 개론 총망라
AI에 대한 뜨거운 관심만큼이나 AI를 다룬 책은 넘쳐난다. 종류도 가지각색이다. 300페이지가 넘는 두꺼운 이론서, 도저히 이해할 수 없는 수학 공식으로 가득 찬 책 등. 하지만 의료에 관련된 AI를 다룬 책은 전무하다. 곧 의료 분야에도 들이닥칠 AI를 받아들이고 활용하려면 의료 AI에 대한 이해가 먼저다. 이를 재빨리 인식한 저자 야마시타 야스유키 교수는 의료 AI의 핵심 개론을 총망라해 한 권의 책으로 펴냈다. 이 책은 의료 종사자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서로 머신러닝, 딥러닝, 인공 뉴런, 신경망 등 AI의 주요 개념과 알고리즘을 소개한다. 특히 어려운 이론이나 용어는 의료와 관련된 다양한 사례를 통해 이해하기 쉽도록 전달하고 있다. 수만 개의 의료 데이터에서 의학적 통찰을 도출하는 인공지능, 이미지 형식의 의료 데이터를 분석·판독하는 인공지능, 고도의 학습모델을 활용해 질병을 예측하는 인공지능 등을 풍부한 그림과 함께 설명한다.
자, 이제 인공지능을 배우기 위한 첫걸음으로 이 책을 가볍게 넘겨보자! 분명 의료 인공지능의 큰 그림을 이해하는 데 도움이 될 것이다. 뿐만 아니라 의료 현장에서 AI를 접하거나 활용해야 할 사람에겐 의료 AI 분야를 깊게 배울 수 있는 시작점과 이정표가 되어줄 것이다.

더 이상 쉬운 인공지능 책은 없다!
의료에 관련된 예시와 풍부한 그림 설명으로, 100% 이해되는 의료 AI 최강 지침서
이 책은 일단 쉽다. 책 전반에 다양한 그림, 그래프, 예시 사진들이 펼쳐져 있어 그 어떤 AI 책보다 이해하기 쉽고 매우 흥미진진하다. 아무리 중요한 개념이라도 어려운 용어와 읽히지 않는 설명으로 채워져 있으면 한 줄 읽기도, 한 장 넘기기도 쉽지 않다. 범접하기 힘들 것 같은 AI에 흥미를 일으키려면 무엇보다 쉬워야 한다. 술술 읽히는 동시에 이해되어야 한다. 이 책이 그렇다. 저자는 AI 전문가가 아니다. 현역 의사로 영상의학과 전문의이다. 그래서 의료 AI에 대해 반드시 알아야 할 개념과 알고리즘을 의료 종사자들이 쉽게 이해할 수 있도록 관련 예시와 그림으로 채웠다. 전립선암의 MRI를 분석해 신경망이 진단을 내리는 사례, MRI의 T2 강화영상에 세로 방향의 엣지를 검출하는 필터를 사용해 영상의 세로 성분만 추출하는 사례, 5가지 종류의 간종양을 가진 수만 개의 다이내믹 CT 영상에서 딥러닝을 이용해 악성 간종양을 감별하는 사례 등을 보여주며 설명하는 식이다. 즉 의료 분야에 AI가 어떻게 응용되는지 가장 쉽게 알려주며 100% 이해할 수 있게 구성했다. 인공지능에 입문하고자 하지만 AI는 어렵다는 인식으로 꽉 차 있는 의학도와 젊은 의료인이라면 이 책을 강력 추천한다. 그 어떤 책보다 쉽게 의료 AI를 완벽 독파할 수 있는 최강의 지침서가 될 것이다.

프롤로그
번역에 들어가며

PART 1
의료 AI
의료와 인공지능은 친화성이 높다
AI의 역사와 의료와의 관계
제1차 인공지능 붐
제2차 인공지능 붐
제3차 인공지능 붐
AI와 신경망 그리고 딥러닝까지

PART 2
머신러닝과 통계학은 종이의 앞뒤
머신러닝에서의 예측은 각 인자의 가중치가 중요하다

PART 3
의료에 사용하는 머신러닝
머신러닝의 종류
지도학습이란?
분류문제 : 질환의 감별
회귀문제 : 수치 예측
학습이란?
입력 데이터의 학습법
과적합의 함정
비지도학습이란?

PART 4
여러 가지 머신러닝
선형 회귀(단순 회귀 또는 다중 회귀)
로지스틱 시그모이드 회귀
K-최근접 이웃 알고리즘(K-Nearest Neighbor)
서포트 벡터 머신(Support Vector Machine, SVM)
결정 트리(Decision Tree)
총체적 학습
랜덤 포레스트(Random Forest)
XG 부스트(XG Boost)
머신러닝의 성능

PART 5
진단에 응용한 베이즈 정리
베이즈 정리란?

PART 6
인공 뉴런
신경세포와 인공 뉴런
인공 뉴런의 가중치와 역치
활성화 함수로 출력을 미세하게 조정한다

PART 7
신경망
신경망의 구조
은닉층의 도입
신경망은 점점 현명해진다
신경망에 의한 영상 인식

PART 8
딥러닝
딥러닝의 구조
다른 머신러닝과의 차이점
딥러닝에서의 과적합
딥러닝의 학습과 처리
딥러닝의 종류

PART 9
합성곱 신경망
합성곱 신경망(CNN)의 구조
영상 입력
합성곱(필터 처리)
풀링(Pooling)
전결합층
출력층
층의 깊이와 영상 인식

PART 10
의료 분야에서 활용하는 AI
진료 지원에서의 AI 응용
검체검사에서의 AI 응용
영상 진단에서의 AI 응용
영상 처리에서의 AI 응용
병리 진단에서의 AI 응용
그 외의 영상에 사용되는 AI
정밀의학이나 예방 의료에서의 AI 응용
신약개발에서의 AI 응용
간병에서의 AI 응용

PART 11
AI 시대의 의료
의사는 AI와 어떻게 같이 일할 것인가?
의료에 AI를 도입할 때 논의해야 할 것은?
데이터의 취득과 이용에 관한 문제(개인정보보호 등의 문제)
판단 과정 중 불투명성에 의한 문제
AI의 책임과 의사결정을 둘러싼 의론
진단 지원에 대한 질의 평가나 규격의 설계
지금부터 의사에게 요구될 것들
영상의학 진단의나 병리의에게