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(CNN의 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
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 핵
