일요주간 - ‘의사를 위한 실전 인공지능’

저자 차유진..., 군자출판사

의료전달의 알파인 가정의학부터 오메가인

방사선종양학과에 이르는 임상영역을 포괄

[일요주간 = 소정현 기자] 인공지능은 대표적인 공학적 응용 분야에 속하는 주제이다. 한편 의학은 인간의 건강과 질병을 다루는 분야로서 공학과는 철학과 지향점이 다르다. 이 책은 공학과 의학이라는 서로 지향점이 다른 두 가지의 큰 주제를 복합적으로 다루고 있다.

이 책은 인공지능과 의료라는 보다 구체화된 주제에 대해 다양한 하위 주제를 다룬다. 인공지능의 대표적인 하위 분야인 기계학습에서부터 패턴인식, 퍼지 이론을 비롯하여 최근 크게 관심을 받고 있는 딥 러닝에 이르기까지 다양한 세부 주제가 포함되어 있다.

예제로 다루어진 주제들은 의료전달체계의 시작에 해당하는 가정의학과부터 의료전달체계의 마지막이라 할 수 있는 방사선종양학과에 이르는 임상 영역을 포괄한다.

이 책은 인공지능이나 기계학습의 이론 지식이 없는 임상 의사와 보건의료인 중 인공지능과 기계학습에 대하여 기본 개념부터 실제 적용에 이르기까지 구체적으로 알고 싶거나, 실제 데이터를 이용하여 인공지능을 자신의 문제 해결에 적용하고 싶은 분들을 대상으로 한다.

임상 문제뿐만 아니라 진료 지원에 관한 문제를 인공지능으로 해결하는 과정을 이해하고 싶은 의료인과 의학도에게도 영감과 지식을 공유할 수 있다.

이 책은 다섯 개의 부와 15개의 장으로 구성되어 있다.

제1부 다가오는 미래 의료

1부는 인공지능과 의학, 의료, 의사라는 하나의 장으로 이루어져 있다. 인공지능이란 무엇인지, 현대와 미래의 의료에서 어떤 의미를 지니고 있는 지, 그리고 어떤 하위 분야가 있으며 어떤 문제를 해결할 수 있는 지 소개한다.

제2부 분류와 예측의 학습

2부에서는 인공지능의 하위 분야 중 의학 연구에 가장 많이 활용되고 있으면서도 기본적인 주제에 해당하는 지도(supervised) 기계 학습의 기법과 알고리즘을 주로 소개한다.

제3부 자율·강화 학습

2부에서 모범 답안을 학습하여 문제를 해결하는 지도 학습에 관한 내용을 다루었다면 3부에서는 모범 답안을 제시하지 않고 인공지능이 스스로 어떤 규칙을 찾아내거나 데이터를 분류할 수 있는 비지도(unsupervised) 기계 학습을 소개한다.

비지도 학습(자율)은 인공지능이 궁극적으로 지향해야 할 구현 목표라고 평가받기도 한다. 강화 학습은 어떤 상황에서 선택할 수 있는 여러 경우의 시나리오가 있을 때 시행착오를 통해 가장 적절한 대안을 찾아내는 기계 학습 방법이다.

제4부 탐색과 예측, 응용

4부에서는 3개의 장으로 각각 다른 주제를 다룬다. 첫 번째 장은 유전 알고리즘을 이용한 최적 문제 해결 방법을 소개한다. 두 번째 장은 퍼지 이론을 다룬다. 세 번째 장은 기계 학습의 특별한 응용 분야를 소개한다.

제5부 딥 러닝(Deep learning)

5부에서는 최근 가장 급속히 발전하고 있는 고차원 기계학습 이론인 딥 러닝(Deep learning)에 대해 소개합니다. 딥 러닝은 오디오나 영상, 언어를 대상으로 하는 인공지능 기법 중 다른 방법에 비해 월등히 우수한 성능을 보여주고 있다.

■ 저자 차유진

한국과학기술원(KAIST)에서 원자력 및 양자 공학을 전공하여 학부를 마치고, 충남대학교 의학전문대학원을 졸업했다. 이후 한국원자력의학원에 입사하여 수련의(인턴) 과정을 수료하고 같은 병원 방사선종양학과에서 전공의(레지던트) 과정 중에 있다.

전공의 과정 중 뇌전이 암의 의료영상 딥 러닝 모델을 개발하여 방사선수술의 성적을 예측하는 연구를 주 저자로 진행했다. 의학도이자 공학도의 삶을 살아왔지만, 대학 재학 중에는 대학문학상에 당선된 이력이 있을 만큼 다양한 분야에 걸친 글쓰기에 열정이 있다.

[ⓒ 일요주간. 무단전재-재배포 금지]