안녕하세요.

이번 글에서는 기능의학이 무엇인지 설명해보고,

기능의학이 어떻게 디지털 헬스케어와 연결될 수 있는지에 대해

저만의 생각을 이야기 해보도록 하겠습니다.

 

 

1. 개인적인 경험

2년전 즘에 열심히 공부를 하다 몸 일부가 바늘로 찌르는 듯한 통증을 느껴졌습니다.

처음에는 참을만 하더니 나중에는 온 몸이 벌레가 물어뜯는 느낌이 들었죠.

그런데 이상하게 피부에는 아무런 변화가 없이 통증만 있었습니다.

 

처음에는 근처 병원을 갔더니 스트레스를 너무 많이 받아서 그런것 같다고

어떤 약을 처방해주시고 경과를 지켜보자고 하시더라구요.

사실 정확한 병명도 말씀해주시진 않았어요.

 

 

하지만, 증상이 나아지지는 않았습니다.

그래서, 인터넷으로 검색해보니 콜린성 두드러기라는 병에 걸린 환자들이

저와 비슷한 증상을 보이길래 해당 병의 진료과에 속한 우리나라 top3 대학병원 중 한 곳을

예약하고 진료를 받았죠.  

 

사실 좀 놀랐던건 굉장히 진료가 디테일할 줄 알았는데,

30초만에 진료가 끝났어요. 

증상을 말하니 '항히스타민제' 처방만 받고 끝나더라구요.

 

항히스타민제를 먹으면 2시간 정도는 괜찮지만 그 이후로는 증상이 더 심해지는 듯한

느낌을 받았습니다.

 

(사실 콜린성 두드러기가 아니였는지도 모르죠.... 자가면역질환인 경우 환자나 병원이 그 증상을 정확히 파악하는게 힘들다고 합니다.)

 

그리고 나서 생각했죠.

 

"병원에서 내리는 처방약만 믿고 살다간 평생 고통받고 살겠다"

 

그래서 이 때부터 자가면연질환에 대한 공부를 하면서 

스스로 어떻게 해야 괜찮아질지 기록하고 여러 방식들을 시도한 끝에

몸이 괜찮아지는 방법을 찾게 되었고,

일상생활이 가능할 정도로 몸이 회복됐습니다.

 

(↓↓↓콜린성 두드러기를 극복하고자 실행했던 행동들↓↓↓)

https://89douner.tistory.com/116?category=882998 

 

이 글을 쓰게된 이유

안녕하세요~ 최근 현대인들이 앉아 있는 시간이 많아지면서 활동성이 굉장히 저하되어 있다고 합니다. 앉아 있으면서 자세도 굉장히 불균형하기 때문에 목 또는 허리디스크가 걸리는 경우가 빈

89douner.tistory.com

 

 

 

2. 현대의학의 문제점 (Feat. 증상치료)

개인적으로 힘든 경험을 하면서 의학에 대해 여러 생각을하게 됐습니다.

 

분명 우리나라 의학은 최고 수준이라고 하는데, 

왜 이런 병들에 대한 해결책은 제시가 안되는 것일까?

 

그래서, 현대의학(주류의학)이라고 하는 것이 어떤 특징을 갖고 있는 알아보았습니다.

 

여러 내용들을 살펴보면서 공통적으로 접했던 용어는 '증상치료' 였습니다.

일반적으로 우리나라 병원들은 환자를 진료할 때 어떤 증상(symptom)을 토대로 질병을 판별합니다.

예를 들어, 어떤 증상을 이야기하면 해당 증상을 감기라고 진단하고, 해열제 또는 콧물억제제 같은 것을 처방합니다.

 

 

암같은 경우도 암 같은 증상이 나타나면 진단을 받고, 

수술을 통해 제거하거나 항암치료를 통해 암을 치료하기도 하죠.

 

하지만, 여기서 중요한 점이 있습니다.

위에서 말한 감기와 암 같은 경우, 일시적으로 그 병이 고쳐지긴 하겠지만,

재발하지 않는다고 장담할 수 있을까요?

 

이런 질문을 하는 이유는 

'증상치료'라는 것이 질병의 증상을 완하시키거나 일시적으로 해결해줄 수 있는 방법이긴 하나,

해당 질병의 근본적인 원인을 고치는 방법은 아니라는 점입니다.

 

재발을 한다는 것은 우리도 모르게 병을 일으키는 근본적인 원인을

계속 반복한다는 것이니까요.

 

그래서 보통 병을 고치는 관점은 크게 두 가지로 나눌 수 있습니다.

  1. 병의 증상을 없애려는 것
  2. 병의 근본적인 원인을 없애려는 것

 

 

 

3. 기능의학 (Functional medicine)

앞서 설명한 치료 관점 중 "병의 근본적인 원인을 없애려는" 시도를 하는 의학을 기능의학이라고 합니다.

 

앞서 콜린성 두드러기를 경험하고 나서 생각했던건 근본원인을 파악하려는 시도를 했다고 말씀드렸죠? 이러한 노력을 하는 것을 기능의학이라고 해요. (아.. 제가 기능의학을 했다는 말은 아닙니다ㅎ;;)

 

기능의학의 정확한 용어정의는 아래와 같습니다.

 

"Functional Medicine is a systems biology–based approach that focuses on identifying and addressing the root cause of disease."

 

쉽게 말해, 근본적인 원인을 파악함으로써 질병으로 인해 손상된 기능을 회복하는 치료방식입니다.

이러한 방식은 환자의 개별적인 특성을 고려해 치료할 수 도 있습니다.

 

이미지 출처: https://drkguidingwellness.com/what-is-metabolic-syndrome-causes-symptoms-and-treatment/

 

질병을 일으키는 원인으로는 굉장히 다양한 요소들이 있죠.

ex) 식습관, 생활패턴, 환경(ex: 미세먼지 농도), 수면부족 등..

 

 

 

4. Digital Functional Medicine

사실 "Digital Functional Medicine"이라는 용어는 존재하지 않습니다. 

그냥 제가 "Digital healthcare" + "Functional Medicine"의 합성어로 만들어낸 용어이죠.

 

이러한 용어를 만들어낸 이유는

digital healthcare에서 사용되는 모든 기술들이 functional medicine 분야를 개척하는데 필수적이라고 판단했기 때문이에요.

 

이미지 출처: https://www.freepik.com/free-vector/digital-health-technologies-flat-composition_7272631.htm

 

 

사실 주류의학 외에 대체의학이라고 하는 것들 중에는 침술, 민간요법 등이 있습니다.

이러한 대체의학이 '돌팔이'라고 간주되는 이유는 치료에 대한 과학적 근거가 없기 때문입니다.

 

예전에는 기능의학도 대체의학으로 보는 관점이 있었지만,

최근에는 다양한 데이터를 기반으로 과학적 근거들을 모집하려는 노력을 하고 있습니다.

 

예를 들어, 질병의 근본원인을 찾기 위해서는 아래와 같은 질문에 답할 수 있는 데이터들이 필요합니다.

  • What: 질병이 무엇 때문에 생겼는가? 
  • When: 질병이 언제 발생했는가? 
  • Where: 질병이 어디서 발생했는가?
  • How: 질병이 어떻게 발생했는가?
  • Why: 질병이 왜 발생했는가?

 

기존에 대학병원에서 기능의학을 하기 어려웠던 이유는 

환자마다 생활패턴, 식습관, 수면패턴 같은 것을 볼 시간적 여유가 없었기 때문입니다.

 

하지만 IT, AI의 발달로 위와 같은 데이터를 수집하는 것은 물론이고,

뛰어난 분석기술로 유의미한 처방을 해주는 노력들을 하고 있죠.

 

(↓↓↓ 디지털 치료제↓↓↓)

https://www.youtube.com/watch?v=t8MwTMo15fY 

 

 

디지털 헬스케어 분야도 기능의학에 대한 지식을 융합하면

수많은 연구가 진행될 수 있을 거라 생각합니다.

 

단순히 어떤 기계로 생체 데이터를 분석해서 내 삶에 적용했더니 

삶의 질이 높아졌다고 주장하는 것 보단

 

디지털 헬스케어 기술로 축적한 연구 결과를 기능의학과 관련된 논문으로 제출하면

의학적인 연구로 인정받을테니 기업이나 대학 입장에서도 과학적인 권위를 인정받는 연구를 진행할 수 있을거에요.

 

(↓↓↓기능의학 설명 영상 (Feat. 미국 top1 병원인 Mayo Clinic이 2위와 격차를 벌리는 이유)↓↓↓)

https://www.youtube.com/watch?v=0qQmL1FEuL8

 

 

(↓↓↓ 제가 작성한 디지털 헬스케어 관련글 ↓↓↓)

https://89douner.tistory.com/195?category=986138 

 

1. 미국의 Healthcare환경 및 의료시스템

안녕하세요. 이번 글에서는 미국의 healthcare환경 및 의료 시스템에 대해서 알아보도록 하겠습니다. 사실, 각 나라마다 의료환경이 다릅니다. 예를 들어, 유럽의 의료환경, 한국의 의료환경, 미국

89douner.tistory.com

 

 

 

지금까지 기능의학에 대한 기본적인 개념과,

디지털 헬스케어 기술이 기능의학과 융합되면 어떨지

저만의 견해를 말씀드렸습니다.

 

앞서 여러 이야기들을 했지만,

사실 넘어야 하거나 더 기술이 정교하게 다듬어져야 할 것 들이 많습니다.

예를 들어, 단순히 상관관계를 보고 결론을 내리는 것이 아니라,

인과관계와 같은 casual inference를 기반으로 의사결정을 내려야 하며,

의학과 IT, AI가 잘 융합할 수 있도록 정책또한 뒷받침이 되어야 하지 않나 싶습니다.

 

개인적으로 "이러한 분야에 뛰어들면 어떨까?"하는 고민도 하게되네요.

 

 

그럼 읽어주셔서 감사합니다!

 

 

 

 

 

안녕하세요. 

이번 글에서는 미국의 healthcare환경 및 의료 시스템에 대해서 알아보도록 하겠습니다.

 

사실, 각 나라마다 의료환경이 다릅니다. 예를 들어, 유럽의 의료환경, 한국의 의료환경, 미국의 의료환경이 각각 다르죠. 물론 우리나라와 다른 미국의 의료환경을 아는 것만으로도 도움이 될 수 있겠지만, 제가 따로 미국의 의료환경에 대해서 다루는 이유는 따로 있습니다. 그 이유는....

 

 

"현재 또는 앞으로 미국헬스케어 or 의료시스템은 큰 변곡점을 맞을 것이기 때문입니다."

 

 

그리고, 이러한 변곡점으로 인한 새로운 패러다음은 분명 다른 국가들에게 영향을 미치게 될 수도 있겠죠 . 그렇다면, 미국의 시스템은 왜 변곡점을 맞을 수 밖에 없는지, 이러한 변곡점이 기술변화 및 패러다임의 변화를 촉진시킬 수 밖에 없는지 알아보도록 하겠습니다. 

 

 

 

 

 

 

1. 돈이되는 시장 (feat. 의료 인공지능 기술)

먼저 "Adversarial Attacks Against Medical Deep Learning Systems (author: Havard medical school, MIT)"이라는 논문에서 소개하고 있는 미국 의료산업에 대해서 설명해보도록 하겠습니다.

 

https://arxiv.org/abs/1804.05296

 

Adversarial Attacks Against Medical Deep Learning Systems

The discovery of adversarial examples has raised concerns about the practical deployment of deep learning systems. In this paper, we demonstrate that adversarial examples are capable of manipulating deep learning systems across three clinical domains. For

arxiv.org

 

  • 우선 제가 논문에서 기술한 내용을 두 가지로 요약 해보겠습니다.
  1. 2016년 미국이 healthcare에 쏟은 비용 (보건의료비)은 $3.3 trillion (17.8% of USA GDP) 입니다 (→ 대략 원화로 환산할 경우: 3646조). 더 놀라운 사실은 Healthcare 분야가 2025년 까지 미국 경제의 1/5을 차지할 것이라고 보고된 내용입니다.
  2. 의료시장이던, 제조업시장이던 디지털 시스템이 점점 사람을 대체하는 비율이 높아지고 있습니다. 그 이유는 디지털 시스템이 전통적인 방식보다 더 빠르고, 심지어 더 싼 경우도 있기 때문이죠.
    • 특히, healthcare system에서는 Physician and nursing 임금이  가장 큰 비중을 차지하는데, 이러한 부분은 비지니스 하는 분들에게 있어서 디지털 시스템 도입을 생각해보게 하는 부분일 수 밖에 없습니다.
    • 2018년 FDA에서는 처음으로 사람을 진단하는데 있어 computer vision 알고리즘을 통과시킴으로써, 진단영역까지 디지털화하려는 움직임을 공식적으로 허용했습니다.
  • 위의 두 가지 부분을 요약한다면.
    • "미국은 계속해서 healthcare 시장에 돈을 쏟아 부을 것이다. 왜냐하면, 돈이 되는 시장이기 때문이다" → "Healthcare 시장에서는 인건비가 굉장한 부분을 차지하고 있다" →  "최근들어 미국 FDA에서 의료진단을 소프트웨어로 하는 것을 허용했다"
  • 우리나라에서도 이러한 소프트웨어를 만드는 회사들이 많이 생겨나고 있는데, 아래 영상을 보면 좀 더 이해가 수월할 것이라고 생각합니다.

[개인적인 의견]

  • 제 개인적으로는 소프트웨어 장비가 전문의를 대체하는것에 대해서는 회의적이긴 합니다. 우리가 봤을 때 의사 역할이 진료에 한정되어 있는 것으로 보이지만, 전문의들은 정말 다양한 의료기술을 공부하고 있고, 새로운 지식을 만들기 위해 여러 세미나 또는 연구에 매진하기도 합니다. 그 외 병원 운영에도 신경을 쓰고 있는 등 정말 다양한 역할을 수행하고 있기 때문에 소프트웨어가 의사들을 대체하는게 현실적으로 불가능하지 않을까 싶습니다.
  • 하지만, 의사 입장에서 이러한 기술을 받아드리는 건 또 다른 문제라고 생각했습니다. 개인적으로 이러한 기술을 받아 들일 수 밖에 없다고 생각하는데, 그 이유는 크게 두 가지라고 생각합니다.
    1. 예를 들어, 과거에는 뛰어난 의사가 있더라도 환자를 받을 수 있는 수가 제한적이었을거에요 (뛰어난 의사라고 24시간 보다 많은 시간이 주어지는건 아니니까요). 하지만, 기술의 도입으로 정확하고 빠른 진단이 가능해진다면 의사들은 굉장히 많은 환자를 받을 수 있게됩니다. 즉, 기술을 빠르게 도입 또는 발전시키는 의사들의 수익은 늘어나겠죠.
    2. 정반대의 관점에서 보면, 굉장히 뛰어난 진단 소프트웨어는 유능한 의사를 전 지역으로 파견시키는 것과 같기 때문에 의료 체계가 잘 갖춰지지 않은 지역에서 큰 도움이 될 수 있습니다. 이로 인해, 지역과 관계없이 수준급의 진료를 받을 수 있기 때문에 환자들이 굳이 지방에서 큰 병원까지 갈 이유가 없어지게 될거에요. 즉, 지방병원에서도 많은 진료를 통해 수익을 보장 받을 수 있게 해줌으로써 지방병원의 경쟁력을 높일 수 있게 될 거라고 생각합니다.
  • 정리해서 말하자면, 한정된 자본을 되도록 많이 차지하기 위해서는 디지털 의료기술을 필요로 할거라 생각합니다. 그리고, 딥러닝이나 그 외 다른 인공지능 기술들이 이러한 현상들을 더 가속화 시킬 것이라고 보고 있습니다. 결국 인공지능이라는 수단을 누가 어떻게 잘 사용하는지가 중요해질 수 있기 때문에, 인공지능 관련 과목을 배운다거나 관련 업종의 사람들과 협업하는 사례가 점점 증가할 것이라고 봅니다.

https://www.youtube.com/watch?v=4JGT05jJ8NQ 

 

 

 

 

 

 

 

 

 

2. . 미국의 의료 시스템 문제으로 시작되는 디지털 헬스케어의 Needs

 

2-1. 의료 비용문제

  • 미국에서는 의료가 민영화되어 있습니다. 우리나라와 달리 미국은 병원이 마음대로 병원비를 정할 수 있다는 뜻이죠. 의료 민영화는 병원의 경쟁성을 높이고 병원이 자본으로부터 어려움을 겪지 않게 해줄 수 있지만, 환자들에게는 굉장한 부담을 주기도 하죠.
  • 아래 영상을 통해 의료 민영화의 문제점을 살펴보도록 하겠습니다.

https://www.youtube.com/watch?v=IP8XzagPMr0

 

 

https://www.youtube.com/watch?v=XhDEScMQ8EQ

 

https://www.youtube.com/watch?v=jNlcMWv2MrM

 

  • 의료 민영화로 인해 병원에서 마음대로 병원비를 정하게 되자 환자 입장에서는 터무니 없는 금액을 청구받기도 하는데요. 이러한 문제를 중재하고자 '의료 보험사'가 탄생하게 됩니다. (차가 사고 났을 때 양쪽을 중재해주는 자동차 보험사와 비슷한 맥락이라고 보셔도 좋을 것 같아요)
  • 미국에서는 EHR (Electronic Healthcare Record) 데이터를 통해 private or public insurers (payers) 와 hospitals and physicians (provider) 간 의료 비용을 협상합니다. 즉, 개인이 어떤 의료보험회사에 가입하면 해당 의료험회사가 병원측과 의료비용을 협상하고, 최종비용을 환자(개인)에게 청구하는 방식인 것이죠. 좀 더 구체적으로 환자들에게 주어지는 의료비용은 아래 그림과 같은 'diagnostic codes'에 의해서 결정이 됩니다.

https://hmsa.com/portal/provider/zav_pel.aa.DIA.300.htm

 

  • 이러한 보험사가 있더라도 환자들은 여전히 의료비에 부담을 느낄 수 밖에 없습니다. 그 이유를 요약하면 다음과 같습니다.
    • 보험사에서도 보험비를 지불해야 하기 때문
    • 미국 병원은 의료소송으로 망하는 경우가 많아서 여전히 불필요한 검사를 많이 하기 때문
  • 심지어, 몇몇 병원과 전문의들은 더 많은 이익을 창출하기 위해 upcoding을 하기도 합니다. (Upcoding is a type of fraud where healthcare providers submit inaccurate billing codes to insurance companies in order to receive inflated reimbursements.)
  • 이렇다보니 미국에서는 누군가가 병에 걸린다는 것은 막대한 비용지출을 의미하게 됩니다.

 

"그렇다면 이러한 의료비용 문제가, 디지털 헬스케어와 어떻게 연관이 될까요? 

 

  • 가장 예측이 가능한 답변은 "병에 걸리지 않기 위해 예방과 관리에 굉장한 비용을 쏟게 될 것"이라는 점입니다. 그렇기 때문에 웨어러블 장비를 이용해 평소 자신의 생활패턴을 기록하고, 스마트홈 기능을 통해 집안의 공기상태, 온도, 습도 등을 최적화 시켜주는 시스템에 관심을 쏟게 될 것 입니다. 특히 이러한 관리는 병의 중증도를 낮춰주기 때문에, 초기에 병을 고칠 수 있게 도와줄 수 도 있습니다 (당연히 중증도가 심한 병의 수술이나 약값이 훨씬 비싸겠죠?)

https://www.youtube.com/watch?v=b6NuS5ynMgs 

https://www.youtube.com/watch?v=utUgh-2QL0A 

 

 

 

2-2. 의료 접근성 문제

  • 우리나라는 귀가 아프면 이빈후과를 가서 전문의를 볼 수 있습니다. 하지만, 우리나라 역시 더 심각한 병이라면 집 근처 전문의에게 소견서를 받고 2, 3차 병원을 가야 진료를 받을 수 있습니다. 보통 삼성병원, 아산병원, 서울대병원 같은 곳에서 진료를 받으려고 하면 한 달 이상 걸리죠.
  • 하지만, 미국이나 유럽(독일 등) 같은 곳에서는 이빈후과 전문의를 보는 것 조차 평균 한달정도 시간이 걸린다고 합니다. 
  • 그런데, 만약 디지털 헬스케어의 도입을 통해 10분내에 의사를 볼 수 있게 해준다면 어떨까요?

(↓↓↓의료 접근성 관련된 언급은 12:20초 부터↓↓↓)

https://www.youtube.com/watch?v=qMTHbq3tHFA 

 

  • 리봉고, 텔라닥 같은 회사의 합병으로 원격의료 시스템이 앞으로 미국 의료산업을 상당부분 디지털화 할 것으로 기대하고 있습니다.

https://www.youtube.com/watch?v=piC9Xco5lqU 

 

https://www.youtube.com/watch?v=GVqWYoPwTPw 

 

  • 우리나라 역시 코로나로 인해 원격의료 진료 방향으로 진행되지 않을까 싶습니다. 물론, 처음에는 "당연히 의사를 직접 만나야 하는거 아니냐"라는 걱정이 지배적이겠지만, 이 부분도 시간이 지나고 원격의료 진료를 많이 하다보면 없어질 수 있다고 생각합니다.
  • 특히, 외국에서 살고 있는 재외국민들에게 국내 원격의료 진료는 굉장한 메리트로 느껴질 수 있기 때문에 병원측에서는 또 다른 수요를 기대할 수 있지 않을까 생각이 됩니다.

https://www.mk.co.kr/news/it/view/2020/06/653512/

 

재외국민, 국내병원서 원격진료 받는다

정부, 민간 샌드박스 1호 선정 앱·영상통화 활용 비대면 진료 서울 3개병원 이르면 내달부터 홈재활 돕는 `스마트글러브`도 규제 풀려 국내시장 출시 가능

www.mk.co.kr

 

 

 

2-3. 전문의 감소에 따른 디지털 헬스케어의 중요성

Google health, MIT에서는 아래와 같은 논문을 발표하면서 

 

https://pubmed.ncbi.nlm.nih.gov/32424212/

 

A deep learning system for differential diagnosis of skin diseases - PubMed

Skin conditions affect 1.9 billion people. Because of a shortage of dermatologists, most cases are seen instead by general practitioners with lower diagnostic accuracy. We present a deep learning system (DLS) to provide a differential diagnosis of skin con

pubmed.ncbi.nlm.nih.gov

 

  • 피부질환은 일반적으로 치명적인 병은 아니지만 (nonfatal disease burden) 많은 세대들이 겪고 있는 흔한 질병입니다. 
  • 현실적으로 피부병을 초기진단 하는 경우에는 약물검사와 같은 정밀진단을 하는 경우가 드물기 때문에 미국에서는 굳이 병원을 방문하지 않고, 이를 원격피부진료를 통해 초기 진단을 하면 많은 이점을 얻을 수 있다고 합니다. 
  • 그 외에 미국에서 원격피부진료가 활발하게 이루어져야 하는 현실적인 이유로 피부과 전문의 수의 감소추세를 근거로 들고 있어 앞으로 원격피부진료는 더욱 활발해 질 거라 생각됩니다.
  • 이 논문에서는 store&forward teledermatology라는 원격 피부진료 시스템을 소개하고 있는데이 시스템은 환자가 자신이 생각하는 피부질환 부위를 사진으로 찍어서 특정 서버로 전송하고사진이 저장된 서버에서 의사가 관련 사진들을 보고 진단을 내리고 consulting report를 작성해 진단내용을 환자에게 보내줍니다.
  • 하지만 원격으로 수 많은 사진을 받고 진단을 하다 보면 오진을 하는 경우도 발생하기 때문에 딥러닝으로 초기 screening을 해주게 되면 의사들의 진단 효율이 올라갈 수 있습니다.

 

https://www.youtube.com/watch?v=8ZAtvPKqXeA 

 

 

 

 

 

 

 

3. 활발한 연구

 

현재 미국은 디지털 헬스케어 관련해서 굉장히 다양한 연구를 진행하고 있습니다.

이에 대해서는 앞으로 포스팅을 통해 소개해 드리겠습니다.

 

아래 영상을 통해 디지털 헬스케어가 어떻게 연구되고 있는지 알아보는 것도 많은 도움이 될 것 같아 영상을 첨부하겠습니다.

 

https://www.youtube.com/watch?v=njRabHXHrFk 

 

안녕하세요~

이번 글에서는 왜 제가 디지털 헬스케어라는 분야에 관심을 갖게 되었는지 짧게 설명하도록 하겠습니다!

 

 

 

 

1. 석사졸업 한 후의 고민

 

사실 2017년에 석사를 하면서 처음으로 딥러닝을 배우기 시작했어요.

당시에는 딥러닝 이론공부, 관련 논문들 공부, 세미나 준비로 바쁘기만 했죠.

 

그렇게 2019년에 석사를 졸업하고, 제주도 여행을 하면서 문득 아래와 같은 생각을 하게 됐습니다

 

"그래서 내가 배운 지식으로 난 무엇을 하고 싶은거지?"

 

당시 딥러닝이 굉장히 주목을 받고 있었습니다 (지금도 여전히 주목을 받고 있지만요). 그래서, 관련 지식들을 다양하게 습득하면 저에게 이로울 것이라 생각했죠. 하지만, 여전히 딥러닝을 이용해서 무엇을 하고싶다는 생각은 없었던 것 같습니다.

 

 

 

 

 

 

 

2. 2019년 콜린성 두드러기 경험 (feat. 디지털 헬스케어의 내적동기 시작)

 

2019년에 석사를 졸업하고 개인적으로 부족하다고 느끼는 부분들에 대해 공부를 진행했습니다.

 

당시 유학을 생각하고 있어서 6월부터는 GRE를 준비하고 있었습니다.

그런데 이때 몸이 조금이라도 더워지면 온몸이 바늘로 찌르는 것 같은 통증이 느껴졌습니다.

심지어 영어단어를 암기하려고 집중하면 통증의 강도가 심해졌죠.

 

나중에 피부과를 가보니 콜린성 두드리기 같다는 진단을 받게 됩니다.

그래서 항히스타민제라는 약을 지속적으로 복용했습니다.

그래도 약을 먹은 후 3시간 정도가 지나면 여지없이 같은 증상이 반복됐습니다.

 

https://m.blog.naver.com/infogram/221553082180

 

3개월 뒤 (9월) 에 시험을 끝내고 정말 이 병에 대해서 많은 공부를 했습니다.

(↓↓↓관련된 내용 정리↓↓↓)

https://89douner.tistory.com/116?category=882998 

 

이 글을 쓰게된 이유

안녕하세요~ 최근 현대인들이 앉아 있는 시간이 많아지면서 활동성이 굉장히 저하되어 있다고 합니다. 앉아 있으면서 자세도 굉장히 불균형하기 때문에 목 또는 허리디스크가 걸리는 경우가 빈

89douner.tistory.com

 

이러한 병을 겪고 나니 몇가지 생각이 들더라구요.

  • 아.. 모든 병이 약으로 해결되지는 않는구나. 특히 면역계 질환은 라이프 스타일을 교정하는게 더 중요하구나.
  • 세밀한 진료도 없이 증상만 말하고 1분만에 처방 받고, 바로 앞 약국에서 약을 받고 나오는데 먼거리를 이동해야하는구나" (당시 큰 대학병원으로 갔었습니다. 정말 어떻게든 고치고 싶어서 조금이라도 이름있는 곳에서 진료를 받고 싶었거든요).
  • 민간요법 같은 걸 믿는건 위험하지만, 병을 고칠 수 있는 수단이 병원에서 처방받는 약 뿐이라는게 조금 아쉽다... 질병을 해결하는 방법이 조금 더 다양해 졌으면 좋겠다.

결과적으로, 의료분야에서 좀 더 다양한 기술 및 서비스들이 개발되면 좋겠다라는 생각을 조금씩 하게 된 계기가 아니었나 싶어요 (어떻게 되면 내적동기)

 

 

 

 

 

 

 

 

 

3. 2020 상반기 IoT에 관심을 갖다.

 

딥러닝을 공부하면서 항상 답답했던 것이 "그래서 이걸 어떻게 실용적으로 이용하지?"였습니다. 

그리고, 딥러닝이라는 건 수학적이론 및 이를 구현할 수 있는 코딩 실력도 중요하지만, 이를 실생활에 활용하기 위해서는 어떤 장치에 딥러닝 모델을 임베딩(실행)시켜야 했습니다.

 

 

또한, 내가 원하는 실험을 하기 위해서 얼마나 많은 데이터가 필요로 하며, 딥러닝 모델의 크기에 따라 알맞는 GPU를 고를 줄 알아야 했습니다.

 

그래서, 들었던 생각이 "딥러닝과 관련된 하드웨어 지식을 정리하는게 좋겠구나" 였습니다. 

 

(↓↓↓ 학부 때 배운 지식을 끌어모아 정리한 내용들입니다. ↓↓↓)

https://89douner.tistory.com/category/%EC%BB%B4%ED%93%A8%ED%84%B0%20%ED%95%98%EB%93%9C%EC%9B%A8%EC%96%B4

 

'컴퓨터 하드웨어' 카테고리의 글 목록

#Interest: World History (The past) #Work: Deep Learning (The future) #Hobby: Music, Sports

89douner.tistory.com

 

이런 것을 공부하다보니 자연스레 눈에 들어왔던 분야가 IoT 분야였습니다.

  • 삼성과 TSMC의 집적기술 경쟁으로 인해 집적기술의 속도는 빨라지고 있었고, 이러한 기술진보가 아두이노와 같이 굉장히 작은 기기에서도 딥러닝이 돌아갈 수 있게 만들어주고 있었습니다. 그 외에도, 집적기술의 발전은 NVIDIA의 성장에 굉장한 영향을 미치고 있었고, NVIDIA는 다양한 분야 (의료, 산업) 등에서 다양한 딥러닝 관련 서비스를 제공하고 있었죠. 
  • 또한, 딥러닝 모델이 생산해내는 방대한 양을 처리하기 위해 Edge Computing이라는 개념이 생겨나기 시작했습니다. Edge Computing의 출현으로 AIoT라는 개념도 살펴보게 되었고, 이러한 것들이 곧 smart home, smart farm, smart city 같은 거대한 시장을 형성하고 있는 중이라는 사실도 알게 되었죠.
  • 위와 같은 변화들은 클라우드 시장에도 영향을 미칠 것이라 생각했습니다. 딥러닝 기계에서 발생시킨 유의미한 데이터를 종합 분석하기 위해 아마존의 AWS, 구글의 GCP, 마이크로 소프트 Azure 같은 클라우드 서비스가 Edge computing을 지원하면서 IoT 환경을 구축하는 인프라를 형성하고 있고 관련 개발자회의도 진행되고 있다는 걸 파악할 수 있었습니다. 물론, 이러한 클라우드 시스템을 이용하기 위해서 나에게 맞는 하드웨어 장비가 무엇인지 파악하는 것도 굉장히 중요했습니다.

 

 

그리고, 이러한 AIoT 기술이 Smart home, Smart farm, Smart City 분야에 적용되는 것을 보고 들었던 생각이, "저기서 발생하는 모든 데이터와 기술이 건강과 직결되겠구나"였습니다. 단적인 예를 들어보겠습니다.

  • 스마트 홈이 구축이 되면 사람들의 데이터가 쌓일 것이고, 이에 따라 개인에게 최적화된 집안의 온도, 습기 등을 조절해 줄 수 있게 됩니다 (저같은 경우에는 집안의 온도를 평균보다 높게 설정하여 몸을 최대한 자주 이완시켜주는 것을 선호합니다). 또한, 수면시 수면패턴에 따라 어떤 문제가 있는지 알려주고 유용한 생활패턴을 제공해 줄 수 있을 겁니다.
  • 스마트 팜 구축을 통해 좀 더 영양가 높은 음식들을 매년 안정되게 생산해낼 수 있을 거라는 판단을 하게됐습니다. (보통 전통적인 재배방식은 기후 및 재배 방법에 따라 모든 작물들의 영양가가 각기 다르다고 합니다)
  • 스마트 시티 같은 것이 구축이 되면 원격의료 같은 시스템도 구축이 될 수 있을 겁니다.   

 

어쩌면 이제는 호텔의 등급을 나누는 요소에 맛있는 음식, 깨끗함, 조망 같은게 아니라, 호텔에서 제공하는 개인화된 의료 서비스(ex: 개인의 건강에 맞는 방안의 환경 구성, 개인의 건강상태에 따른 영양가 높은 음식제공, 위급시 빠른 의료진료)가 될 수 도 있겠다는 생각을 하게 됐습니다. (아니면 VIP들에게 특별히 제공되는 맞춤형 의료 서비스들 같은 것들을 제공해 줄 수도 있겠네요)

 

 

결국 이러한 AIoT의 출현은 많은 산업에 영향을 미치겠지만, 의료산업을 다양하게 비지니스화 할 수 있을 것이라고 생각했고, 특히 의료분야를 디지털화 시키는데 촉매제 역할을 할 수 있겠다는 생각을 하게 됐습니다.

 

 

 

 

 

 

 

4. 2020 하반기 다양한 딥러닝 연구분야에 관심.

 

2020년 하반기에는 IoT에 딥러닝을 구현해보고 싶다는 생각에 low level에서 부터 코드를 작성하는 연습을 했습니다. 한달 정도 관련 이론들을 정리했고, 이 부분은 추후에 업로드 할 예정입니다.

 

그리고, 8월부터 COVID-19 관련 의료 이미지를 분류하는 프로젝트를 리딩하게 됐습니다. 

"1.병원에서는 어떤 방향성을 갖고 X-ray, CT 상에 나타난 COVID-19을 분류하는지 조사했는지, 2.어떤 dataset들이 사용되는지, 3.어떠한 전처리 과정을 사용하는지" 등에 대한 부분의 정보를 여러 논문을 비교분석하여 발견했습니다.

 

 

이전까지는 CNN, Object detection, Segmentation 과 같은 분야에 대해서 공부하고 관심을 갖고 있었다면, 이번 프로젝트를 하면서부터는 의료산업에서 겪는 문제들을 해결하기 위해 어떤 딥러닝 기술들이 사용되고 있는지 조사해보았습니다. 그리고 개인적으로 관심을 갖었던 기술들은 아래와 같습니다.

 

4-1.CNN 학습 방법론

  • 2018년까지는 CNN 구조 모델링 관련된 논문들이 많이 나왔었던 것 같았습니다. 석사시절 다양한 모델들을 공부를 하면서 느꼈던 부분은 "투자한 시간에 비해 얻어갈 수 있는게 제한적일 수 있겠구나"였습니다.
  • 2020년에는 Transformer 모델의 등장을 통해 CNN이 아닌 새로운 vision 관련 딥러닝 모델을 출현을 볼 수 있었고, 최근 (2021년)에는 MLP로만 구성한 모델이 또 좋은 성능을 보이고 있는걸 봤을 때, 특정 모델의 디자인 하는 것 보다 딥러닝을 어떻게 학습시키면 좋은지에 대해서 공부하는게 더 효율적이겠다는 판단을 했습니다.
  • 왜냐하면, 이 부분을 공부하면 다양한 모델들에 적용시킬 수 있을거라고 판단했기 때문입니다.
  • 또한, 학습 방법론 외에도 evaluation 하는 방법에도 관심을 갖기 시작했습니다.
    • 특히 희귀병이나 이러한 갑작스러운 신종바이러스 같은 경우에는 해당 데이터가 부족하여 data imbalance 문제가 심각한데, 이를 극복하기 위해 어떻게 모델을 구성하면 좋을지, 어떤 evaluation 방법을 쓰면 좋을지 고민했습니다.
  • 현재 Notion에 정리했던 내용을 tistory 블로그에 옮기고 있습니다.

 

4-2. Semi-supervised learning

  • 의료 분야에서는 labeled dataset을 얻기가 굉장히 힘듭니다. 예를 들어, 어떤 CT이미지의 병명을 찾기 위해서는 몇몇 전문의들이 보고 진단을 하는데, 이것이 전부 시간과 비용을 요구하죠. 그래서 우선 촬영만하고 labeling 하지 않은 unlabeled dataset이 굉장히 많이 존재합니다.
  • 의료 분야에서는 이러한 데이터의 활용도를 높이는 것이 시간적, 경제적 측면에서 이득이 될 수 있을 것이라 판단했습니다. 그래서, unlabeled dataset을 이용한 semi-supervised learning 분야에 대해서 공부하면 좋겠다고 판단했습니다.
  • 현재 Notion에 정리했던 내용을 tistory 블로그에 옮기고 있습니다.

4-3. Adversarial attack

  • 딥러닝 모델을 의료 분야에서 사용하기 위해서는 해당 모델의 신뢰성이 뛰어 나야합니다. 그런데, 이러한 딥러닝 모델이 특정 해커의 공격에 의해 전혀 엉뚱한 결과를 도출한다면 굉장한 문제를 일으킬거라고 판단했습니다.
  • 만약, 암을 판단하는 딥러닝 모델을 쓰고 있다고 가정해보겠습니다. 나의 폐 CT 이미지를 딥러닝 모델에 넣기 전에 어떤 해커가 noise를 입혔다고 해보겠습니다.
    • 사람들은 해당 noise를 육안으로 구별할 수 없습니다. 그래서, 사전에 해당 이미지에 noise가 섞인지 알수가 없는 것이죠.
    • 하지만, 딥러닝 입장에서는 noise가 추가되면 완전 다른 데이터로 인식하기 때문에 잘 못된 진단을 할 수 도 있습니다. 예를 들어, 암환자의 CT 이미지인데, 정상인이라고 진단할 수 있게되는 것이죠.
  • 보통 딥러닝 분야에서는 이러한 noise를 입히는 공격을 adversarial attack이라 합니다. 이러한 공격에 robust하게 학습을 시키거나, 이를 예방 할 수 있는 시스템이 갖춰지지 않으면 병원과 환자 입장에서는 굉장한 타격을 받게 됩니다.
  • 결국, 이러한 지식은 딥러닝 보안과 직결될 수 밖에 없기 때문에 꼭 배워두어야 된다고 생각해서 조사하게 됐습니다.  
  • 현재 Notion에 정리했던 내용을 tistory 블로그에 옮기고 있습니다.

 

 

4-4. Knowledge Distillation (KD)

  • Knowledge Distillation은 큰 딥러닝 모델을 작은 모델로 줄여주는데 필요한 기술입니다. (딥러닝 모델을 compression하는 기술이죠)
  • 사실, 의료분야에서는 정확성이 중요하기 때문에, 딥러닝 모델의 크기 여부가 상대적으로 덜 중요해 보일 수 있습니다. 하지만, 성능의 차이가 크지 않다면 병원에서는 당연히 적은 비용의 하드웨어로 돌릴 수 있는 딥러닝 모델을 사용하게 되겠죠. 그렇기 때문에 딥러닝을 compression 시키는 기술은 경제적인 측면에서 언젠가 활발하게 적용될 기술이겠다 싶었습니다. 
  • 또한, 언젠가는 Healthcare 산업의 한 분야인 wearable 시장에서는 작은 모델에서 딥러닝을 돌려야 하기 때문에 딥러닝을 압축시키는 기술이 필수적입니다. 그래서, KD 기술은 알고 있으면 분명 AIoT가 의료산업에 적용될 때 큰 도움이 될거라고 생각했습니다.
  • 이러한 경제적인 측면을 제외하고, 최근 딥러닝의 분류 정확성을 높여주기 위해 KD 기술이 사용되기도 했습니다.
    • 딥러닝에서 앙상블 기법이 다양하게 사용되고 있는데, KD를 이용해 압축시킨 다양한 딥러닝 모델들을 앙상블 시켜 분류 정확도를 향상시켜 볼 수 있겠죠.
    • 그리고, 종종 KD가 학습효과를 높여주는 방법론으로 사용되고 있기도 하기 때문에 여러 측면에서 고려했을 때 배워두면 미래에 꼭 유용하게 쓰이겠다 싶어서 관련 내용들을 조사하기 시작했습니다. 
  • 현재 Notion에 정리했던 내용을 tistory 블로그에 옮기고 있습니다.

 

 

2020년 하반기는 해당 연구주제를 공부하였고, 몇몇 주제에 대해서는 실험도 하고 유의미한 결과를 얻었습니다. 이 프로젝트를 진행하면서 딥러닝이 다양한 의료분야에 적용가능하겠구나라는 판단을 하게 됐고, 이 분야라면 딥러닝을 공부하는 것이 충분히 의미있겠다는 생각을 하게 됐습니다.

 

 

 

 

 

 

 

 

 

5. 2021 상반기 - 디지털 헬스케어를 접하다

2021년이 되자마자 시작한 토플 공부를 2~3달안에 마무리하고, 자연스럽게 어떤 연구를 하면 좋을지 생각하다 디지털 헬스케어라는 용어를 알게 됐습니다.

 

"Digital health, which includes digital care programs, is the convergence of digital technologies with health, healthcare, living, and society to enhance the efficiency of healthcare delivery to make medicine more personalized and precise."

 

지금까지 제가 관심을 갖고 공부했던 부분들과 정확히 일치하는 용어였습니다. 

그리고, 디지털 헬스케어에서 가장 매력적이라고 생각했던 세 가지 부분이 있었습니다.

 

 

 

5-1. 의료산업의 디지털화

  • 4차 산업이 시작되면서 현실세계의 이루어졌던 행위들이 디지털로 옮겨가게 된다고 합니다. 예를 들어, 지폐를 사용하는 사람보다 삼성페이 같이 핸드폰으로 결제를 사용하는 사람이 훨씬 많아질거라는 이야기이죠. 
  • 위와 마찬가지로, 의료 산업의 대부분 형태도 디지털화 될 것이라고 예측하고 있습니다. 굳이 의사를 대면하지 않아도 진료가 가능한 원격진료로 시스템, 다수의 의사들이 만나서 CT, X-ray 이미지 상의 병변을 파악하지 않아도 딥러닝 보조진단 기구를 통해 빠르고 정확한 진료를 가능하게 해주는 시스템 (Deep learning base-CAD(Computer Aid Diagnosis) 등 모든 의료 시스템은 디지털화가 될 것이라는 부분이 매력적이라고 생각했습니다. 

(↓↓↓ 4차산업 and 디지털화 ↓↓↓ 2:43초부터)

https://www.youtube.com/watch?v=SyO3THjlubc 

 

 

5-2. 처방에 대한 패러다임의 변화

  • 기존의 처방은 환자의 '약'을 통해 몸에 바르거나 주입하는 형태였습니다. 어떻게 보면 '화학적 치료'에 의존하고 있는 상태였죠. 
  • 하지만, 이러한 처방이 모든 질병을 완화 시켜줄 수 없다는 것을 깨닫고, 좀 더 '치료'라는 개념이 다각화 되어야 할 필요가 있다고 생각했습니다. 
  • 예를 들어, 디스크나 재활치료를 위해 pose estimation 같은 기술로 만든 소프트웨어 프로그램이 하나의 처방전이 될 수 있겠죠. 또는, 일상생활에서 보행습관 또는 보행패턴을 분석해 보행 시 잘 못된 보행패턴을 수정해줄 수 있게 해준다던지, 정신관련 질병 같은 것들을 완화시키기 위해 스마트폰 앱을 이용하는 것을 처방해줄 수도 있겠죠. 
  • 개인적으로는, 이러한 움직임이 의료산업과 다른 산업들과의 connection을 강하게 만들어주어 의료산업 전체에 '자본 유통'이 활발해 줄 것으로 기대하고 있습니다. 
    • 예를 들어, 집중력 부족, 우울증, 약물중독 같은 문제들을 '게임'으로 처방해주면, '화학적 치료'에만 투자가 되어있던 연구 편향성도 다각화될 수 있을 것이라고 생각합니다.
      • 예전부터, 게임잘 하는 친구들을 보면 정말 머리가 비상한 경우가 많았는데, 이런걸 보면 집중력이 낮은 학생들에게는 게임이 도움이 될 수 있을거라고 생각했습니다. 
      • 게임을 오래하는건 당연히 문제가 됩니다. 그런데, 공부도 오래하면 문제가 됩니다 (왜 공부는 8시간씩하면 중독이라 안하는지는 모르겠네요...). 모든지 중독수준으로 하면 개인에게 신체적, 심리적으로 악영향을 미치게 되죠.
      • 즉, 게임이라는 것은 하나의 수단인데, 게임자체에 대한 인식을 단지 '중독', '여가' 수준으로 한정짓는건 문제가 있다고 생각했어요. 마치 '핵폭탄이 많은 사람들을 죽일 수 있으니 핵은 나쁜거야'라고 생각하면 안되는 것 처럼요.  
    • 게임산업도 이러한 뉴스를 반길 것이고, 막대한 자본을 갖고 있는 게임산업이 이미지 개선을 위해 의료산업에 막대한 투자를 할 가능성도 커지게 되겠죠. 
    • 또한, 인지관련된 처방을 자세교정 프로그램으로 해준다면, 해당 프로그램을 집에서 어플을 이용해 한다거나, 해당 프로그램이나 어플을 헬스장이나 체육산업 곳에서 이용해 사용할 수 도 있을거라고 생각합니다. 
    • 결국, 폐쇠적으로 진행되었던 의료산업이 다양한 산업과 연결되어 다양성(개방성)을 갖춤으로써, 의료산업이 좀 더 많은 일반인들에게 쉽게 접근 될 것이라 생각합니다.
    • 또한, 이러한 움직임은 결국 의료를 접하는 고객층을 다양화 시킴으로써, 기존 의료계에서 종사하셨던 분들에게 더 많은 역할을 요구할 것으로 생각됩니다. 즉, 다양한 수요를 통해 의료에 대한 폐쇠적인 이미지를 개선 시킬 뿐만 아니라 이를 통해 의료산업 전반에 경제적인 효과를 불어일으킬 것이라고 생각해요.

 

(↓↓↓ 디지털 헬스케어에 대한 간단한 설명 및 처방의 패러다임 변화↓↓↓)

https://www.youtube.com/watch?v=qMTHbq3tHFA 

 

(↓↓↓ 디지털 치료제를 통한 비만 감소↓↓↓)

https://www.youtube.com/watch?v=t8MwTMo15fY 

https://www.youtube.com/watch?v=rEx35P_ND7Y 

 

(↓↓↓ 게임 치료제↓↓↓)

https://www.youtube.com/watch?v=d2DO6qhh_FI 

 

(↓↓↓ 2:15초 게임 치료제↓↓↓)

https://www.youtube.com/watch?v=TmMGnzsszbY 

 

 

5-3. 돈이 되는 시장

  • 연구자에게 있어 전공 지식에 대한 이해, 그리고 연구 트렌드 파악 같은 것들이 핵심적인 요소입니다.
  • 하지만 이러한 요소들 외에 내가 연구하고 있는 분야가 시장에서 얼마나 환영 받을 수 있을지 살펴보는 것도 좋다고 생각합니다.
  • 연구자가 비지니스를 신경쓸 시간이 어디있냐고 말씀하시긴 하지만, 결국 시장자본의 외면을 받는 연구는 지속적일 수 없다고 생각이 들었습니다.
  • 또한, 해당 연구가 너무 폐쇠적이면 자신의 연구 가치가 제한될 수 밖에 없기 때문에, 기술에 대한 수요가 낮아질 수 있다고 판단했습니다. 
    • 예를 들어, 딥러닝이라는 것이 각광을 받는 이유는 이러한 기술이 다양한 분야에 접목이 될 수 있기 때문이기 때문에, 딥러닝이나 인공지능을 공부한 사람들에 대한 수요가 높아지고 관련 연구도 활발히 이루어질 수 있는거라고 봅니다.
  • 이러한 측면에서 디지털 헬스케어 분야는 굉장히 매력적인 영역이라고 판단했습니다.

(↓↓↓국내 몇몇 회사들의 디지털 헬스케어 움직임↓↓↓)

https://www.youtube.com/watch?v=8zughMs92JI 

 

(↓↓↓ 1:40초부터 아마존 케어에 대한 소개↓↓↓)

https://www.youtube.com/watch?v=cx1jUuBpnmQ 

 

 

 

제가 공부해왔던 분야도 딥러닝 및 IT 관련 분야였고, 관심을 갖게된 domain 분야도 의료관련 분야 였기 때문에 '디지털 헬스케어'라는 분야에서 연구를 진행하면 여러므로 재밌겠다 싶어서 디지털 헬스케어라는 분야를 하나의 큰 도메인으로 잡고 가면 좋을 것 같다고 생각했습니다.

 

이러한 큰 도메인에서 딥러닝 분야를 계속 공부하고, 딥러닝 최신 모델을 의료분야에 맞게 디자인하는 연구를 하면 좋겠다는 생각이 들었어요.   

 

 

 

 

 

 

 

6. 2021 하반기 계획

 

디지털 헬스케어라는 분야는 굉장히 다양한 분야가 융합 될거라고 생각했습니다.

 

제 개인적으로는 의료지식과 IT지식을 적절하게 갖추는 것이 중요할 거라고 예측하고 있습니다.

 

예전에, 석사시절에 치매환자의 행동패턴을 통해 치매 중증도를 분류하는 연구를 진행한적이 있었습니다. 사실 겉보기에 정상인, 경증치매환자, 중증치매환자 등의 행동패턴만 분석하면 될 것으로 보이지만, 실제로 이러한 계획을 잡기 위해서 아래와 같은 지식들이 필요했습니다.

  • '왜 행동패턴이 치매 중증도와 관련이 있는지', '기존에 치매를 분류하는 방법론이 무엇이었는지'에 대한 의학적 지식 및 근거 마련
  • '행동패턴을 분석하는 다양한 딥러닝 모델 조사', '관련이론 딥러닝 공부 (딥러닝 이론, 수학과목 등등)'
  • 실험을 하기 위한 딥러닝 개발환경 세팅 (클라우드 관련해서 정리한 것도 있는데 이는 추후에 업로드 할 예정입니다)

 

https://89douner.tistory.com/category/%EB%94%A5%EB%9F%AC%EB%8B%9D%20%EA%B0%9C%EB%B0%9C%ED%99%98%EA%B2%BD

 

'딥러닝 개발환경' 카테고리의 글 목록

#Interest: World History (The past) #Work: Deep Learning (The future) #Hobby: Music, Sports

89douner.tistory.com

 

 

다음달(2021년 6월) 부터는 "계획하고 있는 프로젝트"를 통해 의료 데이터를 분석하는 경험을 좀 더 쌓을 예정입니다. 그리고, 새로운 딥러닝 이론 및 방법론을 공부하면서 해당 프로젝트에 적용하는 연구를 진행 하려고 합니다. 이러한 연구들을 서비스화 시켜주는 것이 중요할 거라고 판단해서, MLOps 와 같은 분야도 여유가 생길 때, 공부할 계획입니다.

 

실제로 이러한 디지털 치료제를 개발하기 위해서는 임상실험 경험도 중요하고 관련 의료지식도 체득하는게 중요할 것이라 판단하여 올해 하반기에 국내, 국외 박사과정에 지원해볼 생각인데, 잘 될지 모르겠네요ㅎㅎ (받아 준다는 곳이 있다면 빨리 들어가고 싶어요ㅜ...ㅎㅎㅎ)

 

 

이상 '제가 디지털 헬스케어 분야에서 연구를 하고 싶은 이유'였습니다. 

다음 글에서 디지털 헬스케어와 관련된 글을 읽게 되면 소개해 드릴게요!

+ Recent posts