최근 CB Insights의 보고서에 따르면 의료 인공 지능 신생 기업은 지난 5년 동안 576번의 자금 조달 라운드에서 43억 달러를 모금했으며 이는 다른 어떤 부문보다 많습니다. 의료 문제를 해결하기 위해 사람들과 협력하는 AI 구축에 대한 투자는 전 세계적으로 계속될 것입니다. 한편, 알츠하이머병과 같은 비극적인 상태에 대한 지속 가능한 해결책을 찾으려면 건강 기록을 정확하게 보관하여 진행 상황을 개선하고 질병으로 인해 치명적인 영향을 받는 사람들의 자발적인 참여가 필요합니다. 알츠하이머에 대한 해답을 찾는 데 궁극적인 책임이 있는 당사자는 인간이 아닐 수도 있습니다. 또는 적어도 세상에서 질병을 퇴치하려는 노력이 완전히 인간의 것이 아닐 수도 있습니다.
스튜어트 킨로프 | 게티 이미지 인공 지능은 향후 몇 년 동안 복잡한 인간 문제를 해결하기 위해 기존 및 새로 생성된 데이터 세트에서 학습한 내용을 의료 분야에 사용할 수 있는 새로운 기회를 제공합니다. 건강 과학 및 의학 연구를 위한 이 기술의 보완적 유용성은 글로벌 혁신으로 이어지는 개별 환자 이력에서 아주 작은 단서를 발굴할 수 있는 새로운 기회를 제공합니다. AI는 추세와 이상 징후를 발견하기 위해 기록을 샅샅이 뒤지며 경력을 쌓는 의료 연구원 및 전문가에게 자연스러운 파트너 역할을 할 수 있는 잠재력이 있습니다.
산업으로서 건강 과학은 질병을 치료하기 위해 정밀 의학을 사용하는 것의 완전한 이점을 깨닫기 시작했습니다. 초기 성공 사례에는 암 발견의 진전과 의료 기록 및 DNA 분석에서 잠재적인 건강 지표의 발견이 포함됩니다. 특히 건강 과학에 AI를 사용하는 기본 아이디어는 사람들의 특정한 유전적 또는 분자적 프로필을 살펴보고 사례별로 가장 효과적인 맞춤 치료를 결정하는 것입니다.
향후 정밀 건강 과학의 성공적인 발전은 다양한 환자 집단을 나타내는 데이터를 수집하고 저장하는 데 달려 있습니다. 또한 매우 구체적인 의료 질문에 답하기 위해 방대한 양의 데이터를 마이닝하는 정교한 AI 및 기계 학습 알고리즘을 개발하는 보건 과학 부문의 능력에 의존할 것입니다. 다음과 같은 질문:수많은 건강 기록에 숨겨진 지표를 찾는 방법은 무엇입니까? 어떤 유전적 변이가 중요합니까? 한 질병이 유사한 유전적 구성을 가진 사람이 아닌 환자에게 영향을 미치는 이유는 무엇입니까? AI는 보건 과학 부문이 이러한 질문에 답하고 특정 요인을 정확하게 분석하며 진단 발견 프로세스 초기에 환자에게 명확성을 제공하도록 돕는 수단의 역할을 할 수 있습니다.
AI가 건강 과학에 미치는 실제 영향은 이미 새로운 제약 조합, 보다 유망한 가설, 향상된 의학적 진단, 표적화된 위험 요인 분석 및 보고의 형태로 구체화되어 개인 맞춤형 의학의 정확도를 높입니다. AI는 사람이 몇 개의 기록을 읽는 데 걸리는 시간에 중요한 의료 정보를 완전히 흡수, 맥락화 및 분석할 수 있습니다. 이 기술은 대규모 데이터 세트를 자율적으로 동원하고 관리하도록 구축되었습니다. 한편, 인간은 AI 발견의 이점을 전달하는 데 집중할 수 있으며, 이를 사전에 사용하여 개별 의료 문제를 해결하고 보다 개인화된 환자 치료를 제공할 수 있습니다.
AI는 여러 소스의 데이터를 통합하고 인간보다 빠르게 특정 사례에 대한 관련성을 결정할 수 있습니다. 이 기술은 실시간으로 데이터를 분석하고 사람들이 완료하는 데 몇 시간 또는 경우에 따라 몇 년이 걸리는 실행 가능한 통찰력을 생성할 수 있습니다. 객관적인 데이터 세트와 실험실 테스트를 거친 기술을 사용하여 책임감 있게 구축된 AI는 의료 기록, DNA 및 RNA 분석, 분류하는 일반 정보에 대한 선입견이 없으므로 잠재적인 편견과 잘못된 결론을 제거합니다.
AI의 건강 과학 성공은 AI가 시장에 진입하기 전에 성능 및 편향 테스트를 허용하는 인간이 선별한 교육 데이터 세트의 가용성에 달려 있습니다. AI와 수많은 데이터 세트를 연결할 수 있는 기회는 해답을 찾는 기술을 찾는 의료 전문가에게 최고의 기회를 제공합니다. 실제로 데이터 분석을 자동화하는 AI의 핵심 기능은 의료 연구 인력이 최종 결과에 집중하고, 결과를 실제 의료 또는 제약 시험에 적용하고, 궁극적으로 새로운 방법을 통합하기 위해 개별 의료 계획을 조정할 수 있도록 합니다.
2019년에 AI로 전환하는 의료 종사자의 가장 큰 과제는 질병 감지 및 기타 중요한 의료 작업을 위한 알고리즘 기반 기술을 훈련하는 데 필요한 선별된 데이터 세트의 가용성입니다. AI는 실제 세계에서 환자 치료 및 건강 결과에 극적인 영향을 미치는 정확한 예측 평가를 수행할 수 있을 만큼 충분히 신뢰할 수 있어야 합니다. 건강을 위해 AI를 준비하는 과정은 기술이 발전하고 일반 사람들이 AI에 더 익숙해지고 질병 예방을 위한 실제 응용 프로그램이 성공적으로 입증됨에 따라 가까운 장래에 더 쉬워질 것입니다.
결국 질병 예방은 성배입니다. 조기 질병 감지 및 차단을 가능하게 하는 AI와 같은 기술은 환자 치료 전반을 변화시킬 것입니다. AI는 의료 전문가가 질병을 조기에 발견하도록 돕고 질병의 영향을 받는 사람들에게 이를 극복할 수 있는 기회를 제공할 수 있습니다.
알츠하이머병 및 기타 치명적인 질병 또는 유전 질환을 퇴치하려는 인간의 노력은 데이터 기반 기술의 지원으로 발전할 것입니다. 이러한 작업에 AI를 활용하면 의사와 의료 전문가가 보다 정확하고 공감하는 환자 치료를 제공하는 데 집중할 수 있습니다. 연구원들은 알츠하이머병을 앓는 것과 같이 삶을 변화시키고 구하는 기계가 발견한 치료법을 매우 인간적인 현실로 가져오기 위해 AI 기반 발견을 이해하는 데 시간을 할애할 수 있습니다.
Kate Merton은 JLABS의 NYC + Boston &JPOD @ 필라델피아 책임자로서 혁신 소싱, 포트폴리오 관리, 운영 우수성, 교육 프로그램 및 P&L을 주도하고 있습니다. Merton은 King's College London에서 약리학 및 독성학 학사 학위를 취득하고 University of California, Irvine 의과대학에서 약리학 및 독성학 박사 학위를 받았습니다. 그녀는 Duke University의 Fuqua 경영대학원에서 MBA를 취득했습니다.