｜간단 책 소개｜

의료 AI 발전의 핵심은 양질의 데이터셋 확보입니다. 표준화된 데이터셋이나 잘 구축된 자체 데이터가 있으면 AI 모델 개발에 몇 개월이면 충분할 수 있지만, 그렇지 않다면 데이터 확보에만 2~3년이 걸릴 수 있습니다. 의사 개발자로서 AI 모델에 대한 이론적 지식도 중요하지만, 실제 진료 과정에서 수집한 데이터를 바탕으로 어떤 모델을 개발할지 방향을 결정하는 능력이 매우 중요합니다. 뛰어난 코딩 실력도 필요하지만, 병원에서 일하며 다양한 검사를 접할 때 AI를 더 효율적이고 효과적으로 개발하여 활용할 방법을 고민하는 것이 훌륭한 의사 개발자로서 첫 걸음입니다.

<닥터, 코드를 만나다>를 통해 의료 AI의 다양한 측면, 즉 영상 이미지 분석, 시계열 데이터 분석, 자연어 처리 등 의료 현장에서 활용 가능한 AI 기술들을 살펴보고 실제 코드 예시로 그 원리를 이해할 수 있을 것입니다. 하지만, 이는 시작에 불과합니다. 의료 AI는 빠르게 발전하고 있으며, 미래에는 더욱 중요한 역할을 할 것입니다. 

｜저자 소개｜ 

대표저자 유준일 

● 현재 직위 및 역할: 

인하대병원 정형외과 부교수 

고관절 질환 및 노인 골절 분야 전문의 

경상국립대병원 감염병 특화 개방형실험실 부단장 

(주)디보 공동창업자 및 CTO 

● 전문 분야: 

정형외과 고관절 질환 

노인 골절 진단/치료 

의료 IT 및 빅데이터 

근감소증 디지털 바이오마커 연구 

● 주요 프로젝트: 

한국형 ARPA-H 프로젝트 내 근감소증 디지털 바이오마커 개발 

보건복지부/한국보건산업진흥원 `RWD 기반 임상근거창출 지원사업` 수행

박현우

- 한림대학교 의과대학 졸업

- 한림대학교 성심병원서 내과 수련 경력

- 빅데이터 분석과 의료인공지능에 관심이 많아 유준일 교수님 지도 하에 연구 및 ARPA-H 프로젝트 참여

- 빅데이터 분석기사 취득

김현수

- 경상국립대학교 정보통신공학 졸업

- 경상국립대학교 Cyber Safety 연구실 실시간 의료 모니터링 플랫폼 구축 및 인공지능 모델 학습 

- 경상국립대학교병원 의생명연구원 인공지능 모델 개발 및 통계 분석 연구

- 인하대학교병원 중개연구센터 의생명연구원 의료 인공지능 모델 개발 및 임상 분석 연구

- 다양한 국책과제 참여하며 다기관 의료 실사용 임상 데이터 코호트 QC 구축 및 디지털 바이오마커 개발 연구 진행

｜책 소개｜

저는 정형외과 전문의이자 인공지능을 연구하는 교수로서, 의료 현장에서 인공지능의 잠재력과 도전과제를 직접 목격해왔습니다. ChatGPT의 등장으로 인공지능이 우리 사회의 화두로 떠오른 지금, 의료계에서도 인공지능의 역할과 가능성에 대한 논의가 활발히 이루어지고 있습니다.

현장에서 진료와 연구를 병행하며, 저는 인공지능이 의료의 미래를 어떻게 바꿀 것인지, 또 우리 의료진들이 이러한 변화에 어떻게 대응해야 할지에 대해 깊이 고민해왔습니다. 특히 젊은 의료인들이 인공지능에 대한 깊은 관심을 보이면서도, 실제로 이를 학습하고 응용하는 데 어려움을 겪는 모습을 보며 안타까움을 느꼈습니다.

<닥터, 코드를 만나다>는 이러한 고민에서 시작되었습니다. 저는 현직 의료 인공지능 개발자들과 협력하여, 의료계 동료들이 쉽게 접근할 수 있는 실용적인 가이드를 만들고자 했습니다. 이 책은 인공지능의 기초 개념부터 실제 의료 현장에서의 적용 사례까지, 의료인의 시각에서 체계적으로 다루고 있습니다.

특히 이 책이 의료 인공지능 실무서에서 초보 의사들도 쉽게 이해할 수 있는 교습서로 거듭나는 데는 박현우 전공의의 헌신적인 노력이 있었습니다. 또한 실제 연구에 적용했던 코드들을 체계적으로 정리하여 실용적인 워크북 형태로 만들어준 김현수 연구원의 공헌도 매우 컸습니다. 더불어 항상 묵묵히 연구를 위해 데이터 수집, 분석, 코딩 작업을 해주신 우리 GAIME 랩 구성원들의 노고가 이 책의 완성도를 한층 높여주었습니다.

이 책은 의과대학 학생, 전공의, 전문의 그리고 의료 연구자들이 인공지능을 이해하고 활용하는 데 실질적인 도움이 될 것입니다. 더 나아가 우리 의료계가 인공지능 시대를 선도적으로 이끌어가는 데 중요한 밑거름이 되기를 희망합니다.

CH 01. AI와 함께 성장하는 미래의 의사들: 의대생과 전공의를 위한 필수 가이드

I. 서론: 우리의 미래, 앞으로 어떻게 될까요? 

II.  AI 시대의 의료 전문가 되기: 전공의, 의대생, 개발자를 위한 로드맵 

III.  의료 AI 입문: 파이썬 설치와 Google Colab 활용 가이드 

IV.  의학 연구자를 위한 AI 개발 환경 설정 가이드

CH 02. 임상 연구와 데이터 분석의 열쇠, 파이썬 알아보기

I.  의료 정보 처리를 위한 파이썬 기초: 데이터 타입과 구조 

II.  의학 공식의 새로운 접근: 파이썬으로 Anion Gap 이해하기 

III.  파이썬으로 구현하는 고칼륨혈증 감별 진단: TTKG에서 알고리즘까지 

IV.  파이썬으로 구현하는 쿠싱증후군 진단 알고리즘: 복잡한 의학 지식을 코드로 정리하기

V. 파이썬으로 구현하는 CHA2DS2-VASc 점수 계산기: for문과 while문의 활용

VI. 파이썬 클래스와 모듈로 구현하는 고칼륨혈증 관리 시스템

VII. 의사의 새로운 파트너, AI: 파이썬으로 시작하는 의료 혁신의 여정

CH 03. 의료 AI의 모든 것: 기초 개념부터 최신 기술까지

I. 의료 AI 개발의 7단계 파이프라인: 데이터 마이닝부터 모델 배포까지

II. 의료 AI의 기초: 머신 러닝과 딥 러닝의 핵심 개념 이해하기 

III. 의료 AI 개발의 필수 도구: 주요 프레임워크 총정리 

IV. 의료 현장의 머신 러닝: 주요 기법과 임상 응용 

V. 의료 혁신을 이끄는 딥 러닝: 주요 기법과 임상 응용

VI. 의료 AI의 최신 트렌드: 첨단 기술과 도구들

CH 04. 의료 인공지능 개발의 출발선: 환경 구축부터 리소스 탐색까지

I. 의대생과 전공의를 위한 의료 AI 코드 탐험: Github, Hugging Face, Papers with Code 활용법

II. 의대생과 전공의를 위한 의료 AI 데이터셋 가이드

III. 의료 인공지능 개발의 게임 체인저: LLM의 활용과 가능성

CH 05. 영상 이미지 분석을 위한 딥 러닝

I. MedMNIST와 MONAI: 의료 AI 연구의 효율적인 시작점 

II. No Specific Change? AI로 풀어가는 chest X-ray 판독의 도전

III. Complete Anatomy를 넘어서: AI로 구현하는 개인화된 3D 인체 모델 

IV. 근육을 읽는 AI의 눈: 정형외과 수술의 정밀한 평가를 위하여 

V. 30초의 압박에서 자동화된 분석까지: 의학 교육과 기술의 만남 

VI. 개원 의사의 필수 도구: 초음파와 AI의 시너지 

VII. MediaPipe BlazePose: 의료 현장의 움직임 분석을 혁신하는 실시간 자세 추정 기술

CH 06. 시계열 자료 분석을 위한 딥 러닝

I. 아침 7시의 악몽 탈출하기: 딥 러닝으로 혈당 관리 혁신

II. AI의 청진기: 딥 러닝이 읽어내는 심장의 리듬

CH 07. 생성형 AI 및 자연어 처리

I. 의료 기록의 새로운 패러다임: LLaMA 모델과 AI의 만남

II. AI로 진화하는 의대 족보: GPT-4 스마트 학습 혁명

CH 08. Medical GitHub: 미래 의사를 위한 AI 플레이그라운드

배송안내

배송비 안내

반품안내

반품절차