본문 바로가기

인사이트

[규제 Insight] 글로벌 의료기기 규제 컨퍼런스 AAMI/FDA neXus 참관기 안녕하세요. AITRICS의 RA/QA팀 Joy(김소정)입니다! ☺️ RA/QA팀에서는 국내외 의료기기 인허가 및 GMP(Good Manufacturing Practice, 제조품질관리기준)와 같은 품질관리 업무 이외에도 의료기기 국제 규제 동향을 파악하고 선도해 나가기 위한 다양한 활동들을 진행하고 있습니다. 지난 2월에는 워싱턴 D.C.에서 진행된 AAMI neXus 2024 에 참석하였습니다. 본 학회는 AAMI(Association for the Advancement of Medical Instrumentation)와 FDA(미국 식품의약국)이 주관하는 학회로,  AAMI 및 FDA 관계자들을 비롯한 다양한 외국계 의료기기 제조업체에서 방문하였습니다. ‘The medical Device Stand.. 더보기
AITRICS, 미국에 떴다! 안녕하세요. AITRICS의 Research 팀 Marcus(문예찬) 입니다! 😊 에이아이트릭스가 작년에 이어 2년 연속 HIMSS(HIMSS: Healthcare Information and Management Systems Society, 북미의료정보경영학회)에 참가했습니다! HIMSS는 세계 최대 규모이자 의료 정보 통신기술 관련 최고 권위 국제행사로, 이번 행사는 미국 시카고에 위치한 맥코믹 플레이스(McCormick Place)에서 개최됐습니다. 이번 HIMSS23에서는 코로나 사태가 전 세계적으로 안정화된 것으로 보아 많은 기업들이 참가하고, 방문객들도 지난해 대비 크게 증가한 것 같은 느낌을 받았습니다. 아니나 다를까 1,200여개의 기업이 참가했으며, 더욱 규모가 커진 학회에 걸맞게 참여한.. 더보기
[규제 Insight] FDA PCCP Guidance 분석 안녕하세요. 에이아이트릭스 RA/QA Manager 김소정(Joy) 입니다. 😊 RA/QA 팀에서는 의료기기에 대한 규제 동향을 파악하고 분석하여 의료기기 시장을 선도하고자 규제에 대한 다양한 인사이트를 전달하는 포스트를 게시하고 있습니다. 지난 포스트가 궁금하신 분들은 아래 링크를 방문해주세요! 🫱🏻 [규제 Insight] FDA CDSS Guidance 분석 [규제 Insight] FDA CDSS Guidance 분석 안녕하세요! 에이아이트릭스 RA/QA Manager, Noah(김동엽) 입니다. RA/QA팀에서는 인공지능 의료기기 규제분야의 다양한 인사이트를 전달하기 위한 포스트를 게시하고 있습니다. 이번 포스팅은 FDA에서 blog.aitrics.com 이번에 소개해드릴 내용은 FDA에서 지난 4.. 더보기
AITRICS 연구팀, ICLR TML4H 워크샵에서 “환자 악화 예측 모델”로 최고 논문상 수상 안녕하세요. AITRICS Research 팀입니다! 😊 최근 AITRICS 연구팀이 국제적인 인공지능 분야 내 가장 권위있는 학회로 꼽히는 ‘ICLR 2023’에서 주관하는 Trustworthy Machine Learning for Healthcare (TML4H) 워크숍에서 최고 논문상을 수상했습니다! 🥳🎉 이번 수상 받은 논문명은 Self-Supervised Predictive Coding with Multimodal Fusion for Patient Deterioration Prediction in Fine-grained Time Resolution으로, ‘이전보다 더 정밀한 환자 악화 예측 모델 개발’에 대한 내용입니다. 좀 더 자세히 말씀드리면, 저희는 해당 논문을 통해 환자의 전자건강기록(E.. 더보기
의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance 인공지능 기술의 비약적인 발전으로 바이오-헬스 분야와 AI를 접목하는 의료 인공지능 서비스를 개발하기 위해 AITRICS를 비롯한 수많은 연구팀과 회사들이 나서고 있습니다. 하지만 단순한 이미지나 텍스트 데이터를 가지고 만든 최첨단 인공지능 모델들이 의료 전자기록 데이터에 적용되었을 때에 충분한 성능이 나오지 않는 문제들이 지속적으로 발생했습니다. 이러한 원인으로는 복합적인 요인들이 작용하지만, 가장 큰 원인은 ‘의료 데이터 자체의 특수성’이라고 할 수 있습니다. 의료 데이터는 모델을 학습하기 전에 이를 가공하는 전처리 과정에서부터 수많은 난관이 존재합니다. 데이터가 완전하지 않아 비어 있는 경우가 많으며, 환자의 상태나 의료 기록에 따라 진행하는 검사들도 다르므로 주어지는 데이터의 종류가 각양각색입니다.. 더보기
EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인 환자 상태의 조기 예측은 환자를 위한 예방적 개입과 한정된 병원의 자원 할당에 도움을 줄 수 있어 중요성이 큽니다. 이를 위해 가장 쉽게 활용할 수 있는 것이 ‘EHR(Electronic Health Record) 데이터’입니다. 이는 쉽게 수치화 할 수 있고, 많은 입원 환자들의 데이터를 지속적으로 기록하기 때문입니다. 실제로 EHR 데이터를 활용한 규칙 기반(Rule-based)의 접근법들이 임상 환경에서 사용이 되고 있었으나, 최근에는 머신러닝, 그중에서도 ‘딥러닝’을 바탕으로 하는 접근법들이 주목받고 있습니다. 딥러닝 기반의 접근법은 ▲환자 개인의 특성을 고려할 수 있으며 ▲시간적인 정보를 활용하기 유리하고 ▲여러 정보를 동시에 반영할 수 있다는 장점이 있습니다. 관련 연구들이 활발히 진행되고는 .. 더보기
해석가능한 의료 인공지능 모델 딥러닝을 활용한 머신러닝 모델들이 여러 분야에서 높은 성능을 보여주기 시작하면서 점점 더 다양한 문제를 풀기 위해 딥러닝 모델을 활용하는 경우가 늘어나고있습니다. 딥러닝 모델은 높은 성능을 보유하고 있을 뿐 아니라, 기존에 다른 방법으로 풀지 못했던 문제들을 해결할 수 있다는 장점을 가지고 있습니다. 그 중에서도 딥러닝 모델이 사람보다도 뛰어난 성능을 내는 것으로 알려진 연구 분야는 바로 ‘이미지 분류’ 입니다. 관련된 논문(O. Russakovsky, et al., 2015, K. He, et al., 2016)에 나와있듯 ImageNet 데이터셋에 대한 이미지 분류 문제에 있어 딥러닝 모델의 이미지 분류 능력이 사람보다 더 높은 것을 확인할 수 있습니다. 허나, 이러한 장점에도 불구하고 딥러닝 모델에.. 더보기
기존 평가도구의 한계를 극복하는 인공지능 병원 내 환자 위험도 평가도구 / 메디컬 스코어 앞선 글에서 설명드린 것과 같이, 패혈증은 미생물 감염으로 환자들의 장기를 손상시키고 이로인해 사망에까지 이르게 할 수 있는 위험한 급성 중증 상태입니다. 현재 병원 내 환자들의 위험도를 평가하기 위해 다양한 메디컬 스코어들이 사용되고 있습니다. 그 중에서 장기부전에 따른 환자의 사망 가능성을 점수화 해주는 메디컬 스코어를 패혈증에 따른 위험도를 측정하는 평가도구로 사용하고 있지만, 질병 발생을 사전에 예측할 수 없어 환자의 상태가 나빠지기 전에 선제적인 처치를 하기 위한 도움을 받기에는 어려움이 많습니다. 이러한 메디컬 스코어로는 대표적으로 중환자실에서 사용할 수 있는 SOFA(Sequential Organ Failure Assessment)와 일반병동에.. 더보기