Digital Healthcare 개괄 - 미래의 의료 -

 

 

 

 

미래를 준비하는 병원 만들기 큰 도약 <의정부 서울척병원> 의료공간세미나 3번째 시간이자 마지막 강연 경희사이버대학교 IT·디자인융합학부 정지훈 교수님의 디지털 의료 환경에 대한강연으로 Digital Healthcare 개괄 - 미래의 의료 -에 대해 정리해보도록 하겠습니다.

 

맨 먼저 강연의 화두는 돈은 어디로? 였는데요.

Rock Health Funding Database의 근거로 보여주신 돈은 어디로는 바로 Digital Health였습니다. 매출은 과거를 반영하고 지난 5년간의 노력이 바로 현재의 위상을 보여주는 주가,시가총액등으로 알 수 있는데 바로 현재 capital들이 돈을 어디에 투자하는지를 볼수 있었습니다.

의료사업은 80%가 서비스이고 20%가 의료기기등이라고 하는데요.

 

 

 

꾸준히 증가하고 있는 Digital Health Funding을 6 Major Themes 로 나누어 보면

바로

• Healthcare consumer engagement

• Wearables and biosensing

• Personal health tools and tracking

• Payer administration

• Telemedicine

• Care coordination

으로 나눌 수 있었습니다.

 

 

http://rockhealth.com/reports/digital-health-funding-2015-year-in-review/

 

요즈음은 smart patient, google patient들이 늘어남에 따라 건강관리와 건강정보에 관련된 분야도 지속적으로 발전하고 있는 이 시점에서 치료, 관리, 예방을 종합적으로 해주는 comprehensive care에 대한 범주는 건강 뿐아니라 식생활, 생활전반을 관리하는 넓은 영역으로 확장되는 것을 알 수 있었습니다.

 

다음은 MIT Technology Review, 2013에 나왔던 퍼스널 빅데이터 로

Big data and personal information are converging to shape the Internet’s most powerful and surprising consumer products. They’ll predict your needs, store your

memories, and improve your life.if you let them..

로 정리할 수 있다고 하셨습니다.

 

 

또한 AAAI 2014 Spring Symposia에서 나왔듯 앞으로의 Big data becomes

personal 될것이라고 하셨는데 데이터로부터 가치를 추출하고 결과를 분석하는 기술은 잘 활용되면 맞춤형 정보를 제공, 관리, 분석 가능케 하며 과거에는 불가능했던 기술을 실현시키지만 또한 수많은 개인들의 수많은 정보의 집합이므로 보안 문제로 유출될 때 또한 여러 가지 문제점이 생길것이라고도 주의를 당부하시면서 다음의 Pros and Cons 사진을 보여주셨습니다.

https://ko.wikipedia.org/wiki/%EB%B9%85_%EB%8D%B0%EC%9D%B4%ED%84%B0

 

 

얼마전 있었던 바둑신동 이세돌 vs 알파고로 인공지능(AI) 기술이 사회적 이슈가 되면서

많은 사람들이 인공지능을 주목하게 되었는데요.

사람의 learning과 기계의 learning은 다음과 같은 사례로 조금 달랐습니다.

 

 

 

 

그렇지만 알파고사례처럼 Deep Learning의 장점으로 In 2014, we successfully proved that a machine can detect objects though it is trained with very limited information, e.g. .there is

a bike somewhere in the image..

인간을 능가? 하는 장점을 이용할 수 있다고 합니다.

Learning from weak-labeled data는 Detection results 가져올 수 있다고 하네요.

인간처럼 학습하는 알고리즘 딥러닝(deep learning)의 진화로 의학영상판독분야는 빠르게 성능이 개선되고 있어서 향후에 새로운 의학영상기술로 발전 가능성이 많다고 합니다.

 

 

마지막으로 Future Medicine?

Integrative, Comprehensive and Convergence Medicine with highly sophisticated technologies라고 희망과 가능성을 이야기해주시면서 어려웠지만 너무나 흥미진진했던 강연을 마무리해주셨습니다.

 

 

의학과 공학을 결합한 디지털 헬스케어라는 분야는 어렵지만 발전가능성이 무궁무진하고 흥미로운 분야인 것 같습니다. 항상 그렇듯 너무나도 재미있고 멋지게 강연해주신 정지훈교수님께 다시 한번 깊은 감사를 드립니다.