본문 바로가기

전체보기

‘CONNECTRICS’로 하나된 상반기 워크샵 안녕하세요. AITRICS입니다! 6월 셋째 주 목요일, AITRICS 전 직원들은 업무에 잠시 휴식을 취하고, 상쾌한 강원도 영월로 1박 2일 워크샵을 다녀왔습니다! 🎉😎 이번 워크샵은 2023년 상반기를 되돌아보고, 하반기에도 열정을 가지며 전진할 수 있는 좋은 기회였는데요. 💪🏻 따라서 이번 워크샵의 주제는 ‘CONNECTRICS'로 ‘AITRICS의 모든 직원이 한마음으로 하나된다’는 의미를 담고 있습니다. 첫 날, 에이아이트릭스 임직원들은 ‘래프팅’과 ‘ATV 체험’을 통해 서로 협력하는 액티비티에 참여하여 팀워크를 강화하고, 서로를 더 잘 알기 위한 소중한 시간을 보냈습니다. 먼저 영월하면 ‘동강 래프팅’도 빠질 수 없죠?😃️ 래프팅을 통해 환상적인 강원도의 자연 경관을 감상하고, 즐겁고 스릴.. 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
북미의료정보경영학회(HIMSS) 참관기 의료혁신 위한 새로운 가능성을 엿보다! [의학신문·일간보사] 안병은 에이아이트릭스 Medical AI Division 부문장 세계 최대 규모의 의료정보통신기술 국제행사인 ‘HIMSS’(Healthcare Information and Management Systems Society, 북미의료정보경영학회)가 최근 미국 시카고에서 성황리에 막을 내렸다. HIMSS는 전 세계 각국 보건 의료 전문가들이 참가해 의료 데이터의 가능성과 인공지능(AI), 클라우드(Cloud) 등의 기술에 대해 보다 심도 있게 논의를 할 수 있는 장이다. 올해 HIMSS USA는 코로나19 팬데믹 기억이 무색할 만큼 맥코믹 플레이스(McCormick Place)에 많은 사람들로 가득 찼다. 본 행사장에는 약 3만 5천명이 방문했으며,.. 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