상세정보
의료 AI 입문
- 저자
- 야마시타 야스유키
- 출판사
- 양병원 출판부
- 출판일
- 2022-05-13
- 등록일
- 2022-08-10
- 파일포맷
- EPUB
- 파일크기
- 28MB
- 공급사
- 교보문고
- 지원기기
-
PC
PHONE
TABLET
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
의료 분야에도 인공지능의 시대가 온다!
현역 의사가 알려주는, 국내 최초 의료 AI 입문서
정말 의사의 80%가 사라질까? 거대한 AI 물결이 우리 생활 곳곳에 영향을 미치기 시작했다. 많은 직종을 AI가 대체할 것이며, 의사 또한 예외가 아니다. 딥러닝의 일인자인 캐나다 토론토대학의 제프리 힌튼 교수는 “5년이 지나면 영상 진단은 대부분 딥러닝이 도맡게 되어 영상의학과 의사는 필요 없을 것이다!”라고 말했다. 그의 주장처럼 AI가 의사를 대체하게 된다면 격변하는 인공지능 시대에 대응하기 위해 무엇을 해야 할까? 바로 인공지능을 이해하는 것부터 시작해야 한다.
영상의학과 전문의이자 이 책의 저자 야마시타 야스유키는 AI가 의료 분야의 패러다임을 바꿀 것을 직감하고, 임상의를 비롯한 수많은 의료 관계자가 AI를 직관적으로 이해할 수 있도록 이 책을 집필했다. 의료 종사자에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서로 머신러닝, 딥러닝, 인공 뉴런, 신경망 등 AI의 핵심 이론과 알고리즘을 소개한다. 특히 어려운 이론이나 용어는 이해하기 쉽도록 MRI, CT 등 의료와 관련된 예시와 풍부한 그림을 보여주며 설명한다. 뿐만 아니라 의료와 인공지능이 어떤 관계에 있는지, 의료 분야에 AI가 어떻게 적용될지 등 의료 AI에 관한 현재와 미래를 통찰력 있게 분석한다. 이 거대한 의료 인공지능의 숲으로 들어가 보고 싶다면 일독하길 권한다. 인공지능에 생소한 의료 종사자는 물론 곧 AI와 함께 활약할 젊은 의학도에게 유용한 지침서가 될 것이다.
저자소개
저자 : 야마시타 야스유키
1981년 가고시마대학 의학부 졸업구마모토대학 의학부 방사선과 입국1989년 가고시마대학 의학부 부속병원 방사선과미국 텍사스대학 MD앤더슨 암센터1990년 구마모토대학 의학부 부속 방사선과 강사2001년 구마모토대학 의학부 방사선의학 강좌 교수2003년 구마모토대학 대학원 생명과학연구부 방사선 진단학분야 교수2019년 제78회 일본의학방사선학회총회 회장영상의학과 전문의인 저자는 AI가 의료 분야의 패러다임을 바꿀 것임을 직감하고, 임상의를 비롯한 수많은 의료 관계자가 AI를 직관적으로 이해할 수 있도록 이 책을 집필했다. 의료 종사자들에게 꼭 필요한 인공지능의 기초 이론을 알려주는 개론서로 의료와 인공지능이 어떤 관계에 있는지, 의료 분야에 AI가 어떻게 응용되는지 등 의료 AI에 관한 현재와 미래를 내다본다.
역자 : 양형규
대한민국에서 내로라하는 대장항문외과 전문의이자 의학박사. 연세대학교 의과대학을 졸업하고, 동 대학원에서 박사과정을 수료했다. 1986년 구리시에 양외과, 1996년 남양주시 금곡동에 양병원, 2005년 서울 강동구에 서울양병원을 개원해 현재 의료원장을 지내고 있다. 격변하는 인공지능 시대에 대응하고자 2019년에는 서울대학교에서 바이오 최고경영자과정, 카이스트에서 뉴프런티어 4차 산업혁명과정을 이수했으며, 2020년에는 매일경제에서 진행하는 빅데이터 인공지능 최고위과정을 이수했다.펴낸 책으로는 《꿈이 밥 먹여준다니까!》, 《누구나 10kg 빠진다! 하루 두 끼 다이어트》, 《치질 백과》, 《대장암 뿌리 뽑기》, 《변비 뿌리 뽑기》, 《닥터 건강검진》 등 20여 권이 있다. 또 통증이 극히 적은 거상점막하절제술을 국내 최초 개발한 뒤 기술과 수술 동영상 등 모든 술기를 담은 의료 전문서적 《치핵, hemorrhoid》를 국내뿐 아니라 미국 스프링거 출판사에서도 출간했다.
목차
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