Embedded Files
And on the seventh day he committed on his git, and he rested from all his codes that he had written.
- 사람에서 시스템으로
현대 의료 시스템의 주인공은 지식과 경험이 풍부하고, 친절한 의료진입니다. 우리는 장비와 시스템의 역할에 조금 더 비중을 두는 새로운 의료 인프라를 구축하고 있습니다. 사람과 Machine이 협력하면, 환자와 의료진 모두에게 이익입니다.
의료진의 역할은 시간과 공간의 제약이 있지만, A.I. 시스템이 의료진을 보조하면, 의료 서비스의 품질을 현격히 높일 수 있습니다[참고 -How AI will change what happens when you see a doctor] .
유수한 의과 대학과 의학 대학원도 A.I. 기술을 의료 현장에 활용할 방안을 활발히 연구하고 있습니다[참고 - Nature | A short guide for medical professionals in the era of artificial intelligence].
병원마다 의료 서비스의 품질이 상이하지만, 의료진과 AI 간 협업 시스템은 모든 병원에서 동일한 의료 품질을 보장할 수 있습니다. 특히, 숙련된 의료 인력이 부족한 개도국에 선진 의료 인프라를 구축할 수 있습니다[참고 - 7 Ways Artificial Intelligence is Improving Healthcare].
고도로 자동화된 진단과 처방, 처치, 추적 인프라는 국가의 총 의료비 부담을 현저히 줄일 수 있습니다.
RTK 도시는 의료진과 AI가 협업하는 새로운 의료 인프라를 제시합니다. 구체적으로,
1~3차 의료 기관을 Front-end와 Back-end로 양분합니다[참고 - Ten Ways Artificial Intelligence Will Transform Primary Care]..
전국에 산재한 제반 의료 장비들을 하나의 시스템에 연동합니다[참고 - Ideal Healthcare network].
전국 각지에서 수집되는 환자 데이터를 하나의 DB로 수집 분석합니다[참고 -“A ‘good enough’ healthcare network is no longer good enough”] .
수집된 데이터를 AI와 의사가 협진의 형태로 진단하고, 처방/처치하며, 그 효과를 추적합니다[참고 - How doctors and artificial intelligence can work together].
새로운 의료 인프라의 핵심 기술은 AI, Real-Time Communication, 그리고 Openhash 기반의 DB입니다.
1. Front-end 의료 기관
1. Front-end 의료 기관
종래의 1차 의료 기관에 상응하며, 전국의 읍면동 단위에 산재한 의원급 의료 기관입니다. 종래의 1차 의료 기관과 RTK 도시의 Front-end 의료 기관 간의 차이는;
Front-end의 초점은 진료가 아니라, 환자로부터 수집한 데이터를 Backend 기관으로 실시간(Real-Time) 전송하고[참고 - Microsoft | Cloud for Healthcare],
Back-end 기관의 지시에 따라, 환자를 처방 및 처치하며, 처방/처치 결과를 모니터링하고, 그 데이터를 Back-end로 실시간 전송합니다. [참고 - Salesforce rolls out cloud-based remote monitoring, patient ...],
Front-end 기관의 초점은 사람보다 장비에 있습니다. 가령, MRI 장비로 영상을 촬영하는 장소와 해당 영상을 판독하는 A.I. 및 의료진이 함께 있을 필요가 없습니다.
2. Back-end 의료 기관
2. Back-end 의료 기관
종래의 3차 의료 기관에 상응합니다. 종래의 3차 의료 기관과 MIT의 Back-end 의료 기관의 차이는;
Front-end 기관이 수집하는 환자 데이터를 실시간으로 관찰하며,
사람 의사와 AI 의사의 협업에 의해 진단하고,
진단에 의한 처방 및 처치가 원격지 환자에게 적용되는 과정을 모니터링하며,
치료의 결과를 추적합니다.
추적 결과는 AI 시스템의 성능 향상에 이용됩니다. 그러므로, Back-end 기관의 초점은 AI와 초대형 DB에 있습니다.
3. Openhash 기반의 Database
3. Openhash 기반의 Database
Openhash로 작성된 MIT Repository는 시민 개개인의 IHS(Integrated Heath Statement)를 기록합니다. IHS는 건강의 재무제표이며, Fixed Health Info와 Current Health Info를 기록합니다. 시민은 IHS를 자신의 Git Repo에 Fork한 뒤, 진료, 처치, 처방, 치료의 간 단계에서 갱신된 정보를 Commit합니다.
2. 의료 컨소시엄
2. 의료 컨소시엄
우리는 전국의 1~3차 의료 기관을 상호 연동하여, 전국적인 Medical Cloud(가칭 MIT 컨소시엄)를 구축하려 합니다.
전국의 모든 병의원은 MIT 컨소시엄에 가입할 수 있습니다.
MIT는 컨소시엄에 가입한 병의원을 Front-end와 Back-end로 구분합니다.
컨소시엄에 가입한 병의원의 제반 장비는 MIT Cloud에 항시 접속합니다.
가입 병의원은 MIT의 표준 의료 절차에 따라 환자를 진료하고, 진료 과정에서 획득한 데이터를 실시간으로 MIT에 전송합니다.
MIT는 전송받은 환자 진료 데이터로 AI 시스템의 진단을 획득합니다.
그러므로, 환자 개개인은 Front-end 의료 기관의 진단과 AI 시스템의 진단이라는 2중의 진단 결과를 획득합니다.
만약, 2중의 진단이 상호 불일치할 경우, MIT는 해당 데이터를 Back-end 의료진에 전송하여, 그진단을 획득합니다.
Back-end 의료진은 Front-end와 AI 시스템의 진단을 참조하여, 종합적으로 진단합니다. 이 진단은 최종 진단이며, 그 진단은 AI 시스템의 훈련(Machine Training)에 재차 활용됩니다.
이 시스템의 장점은 아래를 포함합니다.
전술한 과정에 의해, Front-end 의료진, AI 시스템, Back-end 의료진 모두 지식과 역량을 높여 나갈 수 있습니다.
환자는 동네 의원급 의료 기관에서도 대학 병원 이상의 의료 서비스를 제공받을 수 있습니다.
3. 주요 기술과 개발 일정
3. 주요 기술과 개발 일정
1. 주요 기술
1. 주요 기술
이 프로젝트는 팀 주피터의 Machine Learning 강좌 시리즈의 실습 주제이기도 합니다. 또한, 이 시스템은 아래 세 종류의 서로 상이한 기술들을 결합한 형태가 될 것입니다.
Real Time Data - 전국의 병의원 간, 그리고 병의원과 AI 시스템 간의 실시간 데이터 공유 기술
초대형 DB - Kubernetes, Kafa 등을 활용하여, 일반적인 DB 대비 1,000 ~10,000배 규모의 초대형 DB 관리 기술
AI - 자연인 의사를 보조할 AI Doctor를 구현할 기술
2. 개발 일정
2. 개발 일정
2021년은 ML 과정 등을 통해 위 세 가지 기술의 이론적 측면을 깊이 있게 다루고, 2022년 초부터 코딩을 시작하여, 연내에 Field Test에 이르는 것이 목표입니다.
Google Sites
Report abuse