문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간 (2 일들)
코스 개요
의료 분야에서의 AI 개요
- 임상적 의사결정 지원 및 진단에서의 AI 활용 사례
- 구조화된 데이터, 텍스트, 영상, 센서 데이터 등 다양한 형태의 의료 데이터 설명
- 의료 AI 개발에 특유한 과제들
의료 데이터 준비 및 관리
- EMR, 검사 결과 및 HL7/FHIR 형식의 데이터 활용 방법
- DICOM, CT, MRI, X-ray 등 의료 영상 데이터 전처리 기법
- 웨어러블 기기나 중환자실 모니터에서 얻은 시계열 데이터 처리 방법
의료용 모델 미세 조정 기법
- 전이 학습 및 도메인별 적응 방법
- 분류 및 회귀 작업에 최적화된 모델 조정 기법
- 주석이 달린 데이터가 부족한 환경에서의 효율적인 미세 조정 방법
질병 예측 및 환자 결과 분석
- 위험도 점수 산출 및 조기 경고 체계 구축
- 재입원 가능성 및 치료 반응 예측을 위한 분석 기법
- 여러 형태의 데이터를 결합한 다중 모달 모델 통합 방법
윤리, 개인정보 보호 및 규제 고려사항
- HIPAA, GDPR 등 환자 데이터 관리 관련 규정 이해
- 모델 내 편향 제거 및 공정성 평가 방법
- 임상 의사결정 과정에서의 설명 가능한 AI 기법
임상 환경에서의 모델 평가 및 검증
- AUC, 민감도, 특이도, F1 점수 등 성능 지표 분석 방법
- 불균형하거나 고위험군 데이터에 대한 검증 절차
- 시뮬레이션 환경과 실제 현장 간의 테스트 파이프라인 차이점
의료 환경에서의 모델 배포 및 지속적 모니터링
- 병원 IT 시스템에 모델을 통합하는 방법
- 규제가 엄격한 의료 환경에서 CI/CD 활용법
- 배포 후 발생할 수 있는 성능 변화 감지 및 지속적 학습 기법
요약 및 향후 발전 방향
요건
- 머신러닝의 기본 원리와 지도 학습에 대한 이해
- EMR, 의료 영상 데이터 또는 임상 노트 등 의료 관련 데이터를 다뤄본 경험
- Python 및 머신러닝 프레임워크(TensorFlow, PyTorch 등)에 대한 지식
대상자
- 의료 AI 개발자
- 의료 데이터 과학자
- 진단 및 예측 모델을 개발하는 전문가
