How AI is making it easier to diagnose disease | Pratik Shah

86,175 views ・ 2018-08-21

TED


아래 영문자막을 더블클릭하시면 영상이 재생됩니다.

번역: 태강 김 검토: TJ Kim
00:13
Computer algorithms today are performing incredible tasks
0
13280
3856
오늘날 컴퓨터 알고리즘의 기능은 정말 놀랍습니다.
00:17
with high accuracies, at a massive scale, using human-like intelligence.
1
17160
4736
인간의 지능과 비슷하지만, 아주 엄청난 양을 정확하게 처리하죠.
00:21
And this intelligence of computers is often referred to as AI
2
21920
3936
이런 컴퓨터의 지능을 흔히 AI 또는
00:25
or artificial intelligence.
3
25880
1856
인공지능이라고 하죠.
00:27
AI is poised to make an incredible impact on our lives in the future.
4
27760
4200
인공지능은 이미 우리의 미래에 엄청난 영향을 줄 힘을 가지고 있습니다.
00:32
Today, however, we still face massive challenges
5
32880
3936
하지만, 오늘날 우리는 여전히 생명을 위협하는 질병들을
00:36
in detecting and diagnosing several life-threatening illnesses,
6
36840
3496
발견하고 진단하는 데 많은 어려움을 겪고 있습니다.
00:40
such as infectious diseases and cancer.
7
40360
2360
암이나 감염성 질병 같은 것들이죠.
00:44
Thousands of patients every year
8
44000
2296
매년 수 천명의 환자들이
00:46
lose their lives due to liver and oral cancer.
9
46320
2800
간암과 구강암으로 생명을 잃습니다.
00:49
Our best way to help these patients
10
49880
2696
이런 환자들을 도울 수 있는
00:52
is to perform early detection and diagnoses of these diseases.
11
52600
4320
최선의 방법은 바로 질병의 조기 발견과 진단이죠.
00:57
So how do we detect these diseases today, and can artificial intelligence help?
12
57880
4160
오늘날 어떤 식으로 질병이 발견되고, 인공지능은 어떤 도움을 주는지 알아볼까요?
01:03
In patients who, unfortunately, are suspected of these diseases,
13
63920
3656
안타깝게도, 이런 질병에 감염된 것으로 의심되는 환자들에게,
01:07
an expert physician first orders
14
67600
2656
전문의들은 우선
01:10
very expensive medical imaging technologies
15
70280
2616
값비싼 의료영상기술을 사용합니다.
01:12
such as fluorescent imaging, CTs, MRIs, to be performed.
16
72920
4096
형광영상법, CT, MRI 등이죠.
01:17
Once those images are collected,
17
77040
2296
수집된 영상들을
01:19
another expert physician then diagnoses those images and talks to the patient.
18
79360
4520
또 다른 전문의가 판독하고 환자에게 소견을 보냅니다.
01:24
As you can see, this is a very resource-intensive process,
19
84520
3456
보다시피, 아주 소모가 심한 과정입니다.
01:28
requiring both expert physicians, expensive medical imaging technologies,
20
88000
4416
전문의 둘에, 값비싼 의료영상기술까지 갖춰야 하니까
01:32
and is not considered practical for the developing world.
21
92440
3096
개발 도상국들에게 실용적인 방법이 아니죠.
01:35
And in fact, in many industrialized nations, as well.
22
95560
3360
사실, 여러 선진국들의 사정도 마찬가지입니다.
01:39
So, can we solve this problem using artificial intelligence?
23
99760
2880
그럼, 인공지능을 이용해 이 문제를 해결할 수 있을까요?
01:43
Today, if I were to use traditional artificial intelligence architectures
24
103840
4056
오늘날, 제가 이 문제의 해결을 위해
01:47
to solve this problem,
25
107920
1216
기존의 인공지능구조를 이용한다면,
01:49
I would require 10,000 --
26
109160
1456
만장이 필요합니다.
01:50
I repeat, on an order of 10,000 of these very expensive medical images
27
110640
4016
다시 말해, 만장의 값비싼 의료영상을
01:54
first to be generated.
28
114680
1376
먼저 찍어야만 합니다.
01:56
After that, I would then go to an expert physician,
29
116080
2896
그 다음에, 그 영상들을 분석해 줄
01:59
who would then analyze those images for me.
30
119000
2496
전문의를 찾아가야 겠죠.
02:01
And using those two pieces of information,
31
121520
2096
그리고, 그 두 종류의 정보를 가지고
02:03
I can train a standard deep neural network or a deep learning network
32
123640
3656
표준화된 심층 신경망 또는 심층 학습망을 이용해
02:07
to provide patient's diagnosis.
33
127320
2136
환자들에게 진단을 내립니다.
02:09
Similar to the first approach,
34
129480
1736
첫 번째 방식과 유사하게,
02:11
traditional artificial intelligence approaches
35
131240
2143
기존의 인공지능은 같은 문제로
02:13
suffer from the same problem.
36
133407
1449
어려움을 겪고 있습니다.
02:14
Large amounts of data, expert physicians and expert medical imaging technologies.
37
134880
4560
방대한 자료, 전문의, 특수 의료영상기술 등이 필요하기 때문이죠.
02:20
So, can we invent more scalable, effective
38
140320
4296
그렇다면, 더 확장성이 높고,
02:24
and more valuable artificial intelligence architectures
39
144640
3296
효율적인 인공지능 구조를 만든다면,
02:27
to solve these very important problems facing us today?
40
147960
3056
오늘날 우리에게 당면한 중대한 과제들을 해결할 수 있을까요?
02:31
And this is exactly what my group at MIT Media Lab does.
41
151040
3296
이것이 바로 MIT 미디어 연구소에서 저희 팀이 하고 있는 일입니다.
02:34
We have invented a variety of unorthodox AI architectures
42
154360
3856
다양한 대체 인공지능 구조를 만들고 있죠.
02:38
to solve some of the most important challenges facing us today
43
158240
3176
의료영상과 임상시험 분야에서의
02:41
in medical imaging and clinical trials.
44
161440
2200
중대한 과제들을 해결하기 위해서죠.
02:44
In the example I shared with you today, we had two goals.
45
164480
3056
오늘 예로 든 것에서, 저희는 두 가지 목표를 정했습니다.
02:47
Our first goal was to reduce the number of images
46
167560
2976
첫째, 인공지능 알고리즘의 학습에 필요한
02:50
required to train artificial intelligence algorithms.
47
170560
3256
영상의 수를 줄이는 것이었습니다.
02:53
Our second goal -- we were more ambitious,
48
173840
2096
둘째, 저희가 좀 더 욕심을 낸 것인데
02:55
we wanted to reduce the use of expensive medical imaging technologies
49
175960
3736
환자들을 선별하는 값비싼 의료영상기술의 사용을
02:59
to screen patients.
50
179720
1216
줄이는 것이었죠.
03:00
So how did we do it?
51
180960
1200
과연 어떻게 됐을까요?
03:02
For our first goal,
52
182920
1216
첫 번째 목표를 위해,
03:04
instead of starting with tens and thousands
53
184160
2056
기존의 인공지능과 같이
03:06
of these very expensive medical images, like traditional AI,
54
186240
3016
아주 많은 비용을 들여 촬영하는 영상 수 천장을 대신해,
03:09
we started with a single medical image.
55
189280
2056
단 한 장으로 시작했습니다.
03:11
From this image, my team and I figured out a very clever way
56
191360
3776
동료들과 함께 그 영상에서 수 억개의 정보 패킷을
03:15
to extract billions of information packets.
57
195160
2736
추출할 수 있는 아주 기발한 방법을 찾아냈죠.
03:17
These information packets included colors, pixels, geometry
58
197920
3696
이 정보 패킷들은 영상 속 질병의 색상, 화소, 기하학적 구조,
03:21
and rendering of the disease on the medical image.
59
201640
2536
렌더링 등이 포함되어 있습니다.
03:24
In a sense, we converted one image into billions of training data points,
60
204200
4336
즉, 하나의 영상을 수 십억개의 학습용 자료점으로 변환해,
03:28
massively reducing the amount of data needed for training.
61
208560
3536
학습에 필요한 자료의 양을 현저히 줄이는 것이죠.
03:32
For our second goal,
62
212120
1216
두 번째 목표를 위해서는
03:33
to reduce the use of expensive medical imaging technologies to screen patients,
63
213360
3856
환자의 선별에 쓰이는 의료영상기술의 사용을 줄이기 위해,
03:37
we started with a standard, white light photograph,
64
217240
2856
일반적인 백색광 사진을 사용하기 시작했습니다.
03:40
acquired either from a DSLR camera or a mobile phone, for the patient.
65
220120
4336
DSLR 사진기나 휴대전화에서도 가능한 것이죠.
03:44
Then remember those billions of information packets?
66
224480
2456
수 십억개의 정보 패킷 기억하시죠?
03:46
We overlaid those from the medical image onto this image,
67
226960
3536
의료영상에서 빼낸 정보들을 바로 이 영상 위에 입혀
03:50
creating something that we call a composite image.
68
230520
2520
합성하는 거죠.
03:53
Much to our surprise, we only required 50 --
69
233480
3296
놀랍게도, 저희는 단 50장,
03:56
I repeat, only 50 --
70
236800
1336
한번 더 말하죠, 단 50장입니다.
03:58
of these composite images to train our algorithms to high efficiencies.
71
238160
3840
알고리즘의 학습이 단 50장의 영상으로 가능했던 것입니다.
04:02
To summarize our approach,
72
242680
1336
그 방식을 요약해 보면,
04:04
instead of using 10,000 very expensive medical images,
73
244040
3176
만장이나 되는 아주 값비싼 의료영상을 대신해,
04:07
we can now train the AI algorithms in an unorthodox way,
74
247240
3016
이제는 색다른 방식으로 인공지능의 학습이 가능하게 된 것이죠.
04:10
using only 50 of these high-resolution, but standard photographs,
75
250280
4256
일반적인 DSLR 사진기나 휴대전화를 이용해 얻을 수 있는
04:14
acquired from DSLR cameras and mobile phones,
76
254560
2496
단 50장의 고화질 영상으로
04:17
and provide diagnosis.
77
257080
1536
진단까지 가능해 진 것입니다.
04:18
More importantly,
78
258640
1216
더 중요하게
04:19
our algorithms can accept, in the future and even right now,
79
259880
3136
저희 알고리즘은 앞으로, 심지어 지금 당장이라도
04:23
some very simple, white light photographs from the patient,
80
263040
2816
환자들이 제공하는 간단한 백색광 사진을 이용할 수 있습니다.
04:25
instead of expensive medical imaging technologies.
81
265880
2440
고가의 의료영상기술을 대신해서 말이죠.
04:29
I believe that we are poised to enter an era
82
269120
3096
저는 인공지능이 우리의 미래에
04:32
where artificial intelligence
83
272240
1936
엄청난 영향을 줄
04:34
is going to make an incredible impact on our future.
84
274200
2536
시대의 문턱에 이미 와 있다고 믿습니다.
04:36
And I think that thinking about traditional AI,
85
276760
2456
기존의 인공지능은
04:39
which is data-rich but application-poor,
86
279240
2776
자료는 방대하지만 활용도가 낮기 때문에,
04:42
we should also continue thinking
87
282040
1536
소량의 자료만으로도
04:43
about unorthodox artificial intelligence architectures,
88
283600
3016
우리에게 당면한 중대한 과제들을 해결할 수 있는
04:46
which can accept small amounts of data
89
286640
1936
대체 인공지능 구조를
04:48
and solve some of the most important problems facing us today,
90
288600
2936
계속 연구해야 한다고 생각합니다.
04:51
especially in health care.
91
291560
1256
특히 의료와 관련해서 말이죠.
04:52
Thank you very much.
92
292840
1216
감사합니다.
04:54
(Applause)
93
294080
3840
(박수)
이 웹사이트 정보

이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.

https://forms.gle/WvT1wiN1qDtmnspy7