AI를 사용한 의료기기와 디지털 헬스

챕터

챕터 5

AI를 사용한 의료 서비스에 대한 접근성 확대 및 개선

개발도상국에서 도시와 시골의 의료 서비스 격차는 심각한 문제입니다. 자격을 갖춘 의료 제공자의 부족은 시골 지역에 양질의 의료가 부족한 주요 원인입니다. 일부 연구에 따르면 컴퓨터 보조 또는 AI 기반 의료 기술의 적용을 통해 시골 지역과 개발도상국의 의료 성과를 개선할 수 있는 것으로 나타났습니다.

과제

폐렴은 전 세계 5세 미만 어린이의 감염병 사망 원인 중 1위입니다. UNICEF에 따르면 2016년에 폐렴으로 목숨을 잃은 어린이는 880,000명이 넘고, 그중 대부분은 2세 미만이었습니다. 쉽게 구할 수 있는 항생제의 효과가 매우 좋기 때문에 폐렴 치료 자체가 주요 문제가 아닙니다. 오진이 큰 과제인데, 이는 의료에 대한 접근성이 매우 제한된 지역에서는 특히 그렇습니다.

솔루션

캄팔라의 Makerere University의 Brian Turyabagye와 동료인 Olivia Koburongo와 Besufekad Shifferaw는 어린이 폐렴 진단을 위한 AI 기반 접근법을 개발하기 위해 2016년에 Mama-Ope를 설립했습니다.

그들은 웨어러블 의료기기인 스마트 재킷을 설계했는데, 이 재킷은 5개의 마이크가 달려 어린이의 몸통의 여러 위치에서 폐 소리를 측정하는 웨어러블 청진기 역할을 하도록 설계되었습니다.
Mama-Ope 팀은 오디오 녹음으로부터 최선의 진단 통찰력을 제공하기 위해 신호 처리 알고리즘을 프로그래밍했습니다. 목표는 폐렴을 나타내는 특징적인 수포음이 녹음된 때를 파악하는 것이었습니다. 경험적으로 볼 때, 이 특징적인 폐 소리에는 천명음과 수포음 등이 있습니다.
Mama-Ope 팀과 MathWorks의 전문가가 신호 처리와 웨이블릿 기법을 사용하여 MATLAB에서 이 신호를 분석했습니다. 그들은 신호 전체에 존재하는 특징을 발견했습니다.
그리고 이런 특징을 분리하여 폐렴이 존재하는 경우를 예측할 수 있는 머신러닝 알고리즘을 MATLAB에서 훈련시켰습니다.

폐 소리를 녹음하도록 설계된 조끼를 어린이에게 입히고 있는 한 남성. — 어린이 폐렴 진단을 위한 AI 기반 접근법. (이미지 출처: RAEng/Brett Eloff)

폐렴 소리를 직접 들어보십시오. (오디오 출처: thesimtech.com)

결과

재킷은 외진 지방의 의원과 학교에서 사용하도록 설계되었습니다. 의료인이나 컴퓨터가 없는 곳에서도 재킷을 사용하여 빠르게 진단할 수 있습니다. 재킷은 Bluetooth^®를 통해 휴대폰 앱에 연결되며 수집한 데이터를 기록하여 분석합니다. 그다음, 결과를 의료 전문가에게 전송하면 전문가를 그를 통해 어린이를 직접 진찰하지 않고도 정확히 진단할 수 있습니다. UNICEF는 우간다, 케냐, 탄자니아, 에티오피아, 나이지리아 등 사하라 이남 아프리카의 폐렴이 만연한 지역에 있는 학교, 병원, 의원에 Mama-Ope가 해당 기술을 전파하도록 돕는 데 이미 관심을 보였습니다.

기사 보기

과제

자궁경부암은 조기에 발견하면 치료할 수 있지만, 조기 진단을 위해서는 정기적인 선별 검사가 필요합니다. 시골 지역, 특히 중저소득 국가에서는 그러한 관리를 받을 수 있는 사람들이 적습니다. 이런 지역의 사람들이 자궁경부암 발병 사례의 85%를 차지하므로 선별 검사에 대한 접근성의 개선이 시급합니다.

태블릿 응용 프로그램에 연결된 검경 장착 기기. — Cervisense는 머신러닝을 사용하여 자궁경부암 선별 검사 결과를 즉석에서 제공합니다. (이미지 출처: Akshita Sachdeva)

솔루션

Akshita Sachdeva와 Bonny Dave는 인도에서 Satin Healthtech라는 이름의 회사를 설립하고 Cervisense라는 제품을 개발했습니다. Cervisense는 검경에 장착된 소형 카메라와 태블릿 기반의 프로그램으로 이루어져 즉석에서 자궁경부암 선별 검사 결과를 제공합니다. 이는 자궁경부암 선별 검사를 자동화하고 정확도를 높이는 데 도움을 주는 광학 영상 기반 선별 검사 툴입니다. 이 프로그램은 환자의 자궁경부 검사 중에 의료 종사자가 촬영한 영상에 머신러닝 기술을 적용하고 예비 진단 점수를 제공하여 의료 권장사항을 안내합니다.

결과

Satin Healthtech는 Cervisense 프로토타입을 완성하였고, 인도의 산부인과 의사와 종양학자들로부터 관심을 받고 있습니다. Satin Healthtech가 설립된 지 몇 개월 뒤에 세계보건기구는 자궁경부암 퇴치를 위한 글로벌 전략을 발표하고 선별 검사율 향상을 촉구했습니다.

기사 보기

과제

전 세계적으로 5억 명가량이 정신 질환을 가진 것으로 추정되며, 미국에서만 매년 5천억 달러 이상의 비용이 지출되고 있습니다. 심리 상담을 통해 많은 사람들이 혜택을 입고 있지만, 여전히 격차가 존재합니다. 정신 건강 평가는 매우 주관적이고, 예방에 대한 관심은 부족합니다. 또한 진단을 놓치는 경우가 많고 실시간 중재는 거의 시행되지 않고 있습니다.

솔루션

지속적인 환자 감시를 통한 정신 건강 개선을 통해 불안증이나 우울증 같은 정신 질환 문제로 고생하는 환자들을 도울 수 있습니다. Sentio’s Feel 프로그램은 손목 밴드와 휴대폰 앱으로, 사용자의 정서 상태를 추적하고 주기적인 정신 및 신체 활동을 제안하며 일주일에 한 번씩 그들을 치료사와 연결해 줍니다.

이 시스템은 MATLAB에서 개발한 머신러닝과 신호 처리 알고리즘을 사용하여, 웨어러블 기기에서 수집한 데이터 패턴(예: 다양한 정서 상태를 나타내는 생물지표 조합)을 식별합니다.
Sentio는 어떤 물리 신호가 어떤 정서를 가장 잘 나타내는지를 설명하는 심리학 문헌에서 처음 시작했습니다. 그리고 그들은 사람들이 정서 센서를 착용하고 감정을 설명하도록 요청하여 모델들을 세밀하게 조정했습니다. 모델은 또한 판독값을 분류하고, 정서 레이블이 사용자가 설명한 것과 다르면 다음에는 더 잘 예측할 수 있도록 스스로를 업데이트했습니다.
이러한 알고리즘을 클라우드 기반 AWS(Amazon^® Web Services) 서버에 배포하여 환자들의 정서 상태를 모니터링하고 그 결과를 다시 앱으로 입력했습니다.

센서가 달린 검정색 손목 밴드. — 머신러닝과 신호 처리는 생리학적 센서 데이터를 사용하여 정서를 감지합니다.

결과

이 시스템은 수백 명의 사용자가 테스트했습니다. 시스템은 각각의 개인 사용자에 맞춰 스스로를 적응시켰고 사람들은 Feel Emotion Sensor가 점점 자신들을 알아가는 것처럼 느껴진다고 응답했습니다.

기사 보기

이전
챕터 4: 질병 및 건강 상태의 치료 보조 다음
챕터 6: 인증 가능한 AI 모델 개발