주요 산업에서 인공지능 AI 활용이 다양해지는 가운데, 의료계에서도 이를 접목하려는 움직임이 활발해지고 있습니다. 특히 구글과 Microsoft 등 글로벌 빅테크 기업에서 의료용 AI에 성과를 보여주면서 이제는 연구가 아닌 실제 산업에 적용되는 단계로 발전하고 있습니다. 이 글에서는 의료용 AI의 필요성과 적용 사례, 활용 기술 및 장점과 한계에 대해 알아보겠습니다.
의료 AI, 인공지능이 필요한 이유
의료에 있어 인공지능이 왜 중요할까요? 다양한 이유가 있지만 큰 범주로 첫째는 정확성, 둘째는 객관성입니다.
1. 질병 진단의 정확성
IBM의 왓슨이 AI 의사를 천명했을 때 많은 의사들의 우려의 목소리가 있었고 아직도 의견이 분분한 영역이기는 합니다. 하지만 일부에서는 이미 인공지능이 의사만큼 정확한 질병 진단이 가능해졌고, 그런 분야들은 점점 더 확대되고 있습니다.
최신 인공지능은 영상과 같은 고차원 데이터에서 매우 복잡한 패턴을 사람보다 더 잘 찾아낼 수 있습니다. Object Detection과 Image Segmentation 기술은 최근 엄청난 진보가 이루어 졌으며, 학습 데이터의 퀄리티와 충분한 학습량이 제공된다면 인공지능의 암 진단, 종양 판별 등 영상 판독 능력은 사람보다 더 정확할 수 있게 되었습니다.
2. 진단의 객관화, 통합
큰 수술을 앞두고 정확한 진단과 개인에게 맞는 수술 전문의를 찾아 대형병원을 옮겨 다니신 경험이 있으신가요? 이 경우, CD로 만들어진 영상 데이터를 A병원에서 B병원으로 가지고 갈 수 있지만, 현실적으로는 다시 한번 영상 촬영을 하고 진단하는 경우가 대부분입니다.
병원마다 사용하는 의료 장비의 기능과 스펙이 다르고, 해당 병원에서 진단하는 노하우가 개별적으로 존재하기 때문에 이러한 지식들이 하나의 객관적 지식 체계로 통합되기 위해서는 이해관계의 충돌이나 통합 과정의 비효율성 등 여러가지 제약 조건들이 있었습니다.
반면 인공지능에서는 이러한 노하우의 통합이 매우 직관적이고 쉽습니다. 예를 들어 최고 수준의 전문의 10명을 모아서 특정 데이터에 대한 진단 결과를 표시하게 한 후 이를 하나의 모델로 학습한다면, 우리는 그 10명의 전문의의 집단지성을 손쉽게 인공지능에 반영할 수 있습니다. 이런 측면에서 인공지능은 매우 효율적인 지식 공유 시스템이기도 합니다.
의료 인공지능의 활용 분야
의료 영상 분석
AI는 MRI, CT, X-ray, 초음파 등 다양한 의료 영상 분석을 통해 높은 정확성과 속도로 종양이나 암, 질환 및 이상을 탐지할 수 있습니다. 앞서 언급한 정확성과 객관화로 인해 분석 결과의 신뢰도는 지속적으로 증가하고 있습니다. 실제로 의사의 판독과 비교했을 때 AI는 이상 감지 능력 부분에서 우수한 성능을 보이고 있죠. 이는 조기 발견과 정확한 진단에 도움을 줄 수 있습니다.
빠른 진단과 개인화 된 예방
의료용 AI는 다양한 질병과 치료 데이터를 통해 진단 대상의 의료 영상, 환자 기록 및 증상을 빠르게 분석하고 적절한 치료 방법을 제안할 수 있습니다. 이는 의사와 의료진이 시간을 절약하고 환자에게는 신뢰할 수 있는 치료를 제공하는 데 도움을 줍니다.
이를 통해 의료용 AI는 개인의 건강 데이터와 알고리즘을 활용하여 개별적인 예방 계획을 제공할 수 있습니다. 개인의 유전자, 생체 신호, 생활 습관 데이터 등을 기반으로 개인화된 건강 안내와 질환 예방 전략을 수립할 수 있죠.
또한 인공지능 AI는 환자 데이터와 연계하여 예후 예측 모델을 구축하는 데에 사용할 수 있습니다. 예를 들어, 유전자 데이터나 환자의 의료 기록 및 생체 신호 데이터를 활용하면 암의 예후를 예측하고 개인 맞춤형 치료 계획을 수립할 수 있습니다.
의료 빅데이터를 통한 통찰력
사람은 제한된 물리적 시간을 통해 경험과 학습을 하는 한계가 있습니다. 하지만 AI에게는 이러한 물리적 한계가 존재하지 않습니다. AI는 천문학적인 숫자의 의료 데이터를 분석하고 이를 종합하여 새로운 통찰력을 가지고 질병을 진단하고 예측할 수 있습니다. 이를 통해 의료진은 환자 집단의 특이점, 감염 질환의 유행 등을 식별하고 조기에 개입할 수 있습니다.
또한 임상 시험 결과, 의약품 부작용 및 효과 등의 의료 연구를 지원합니다. 의료 데이터 분석을 통해 새로운 치료법을 개발하거나 의학 지식을 확장하는 등 다양한 의료 연구 영역에서 AI가 유용하게 사용될 수 있습니다.
위에 언급된 이유들로 인해 의료용 AI는 진단 및 치료의 정확성 향상, 빠른 진단과 예방, 의료 데이터 분석 등에 큰 잠재력을 갖고 있습니다. 이러한 기술의 개발과 적절한 활용을 통해 의학 분야에서 더 나은 결과를 달성할 수 있습니다.
의료 인공지능 활용 기술 및 예시
Computer vision (CV, 컴퓨터 비전)
컴퓨터 비전 기술은 의료 영상 데이터를 분석하여 종양, 이상 및 질환을 탐지하고 정량화하는 데에 사용됩니다.
예를 들어, 유방암 검진에서 컴퓨터 비전 기술은 유방 영상을 분석하여 종양의 크기, 형태, 위치 등을 식별합니다. 이를 통해 의사는 정확한 탐지와 진단을 돕고 조기 치료 기회를 제공받을 수 있습니다.
Natural Language Processing (NLP, 자연어 처리)
자연어 처리(Natural Language Processing, NLP) 기술은 의료 기록의 처리와 의료 정보의 해석을 지원하는 데에 활용됩니다. 이를 통해 의치록 및 논문, 의약품 부작용 데이터 등의 의료 문서를 분석하고 의사 결정에 활용할 수 있습니다.
자연어 처리 기술을 통해 AI는 의료 기록을 읽고 해석하여 질환의 패턴 및 핵심 정보를 도출할 수 있습니다. 의사는 다양한 환자 케이스와 의사록을 빠르게 효과적으로 처리하고, 적절한 치료 계획과 예방 전략을 더욱 정확하게 수립할 수 있습니다.
Machine learning (머신러닝)
머신러닝은 의료 데이터의 패턴과 관련 정보를 학습하고 분석하여 의사 결정을 지원합니다. 이를 통해 예후 예측, 질병 분류, 환자 모니터링 등 다양한 의료 영역에 활용됩니다.
예를 들면 환자 데이터와 예후 정보를 연계하여 특정 질병의 발생과 진행을 예측합니다. 이를 통해 의사는 개인 맞춤형 치료 계획을 수립하고 환자들의 품질을 향상시킬 수 있습니다.
👉 머신 러닝의 정확도 측정 방법, F1 Score란?
Deep learning (딥 러닝)
딥 러닝은 의료 영상 분석과 패턴 인식에 활용되는 주요 기술입니다. 다양한 의료 영상 데이터를 바탕으로 학습하는 인공 신경망 네트워크 구조를 통해 의사 결정을 지원합니다.
딥 러닝 기술은 신경망 모델을 이용하여 의료 영상 분석을 수행합니다. 이를 통해 암 진단, 이상 탐지, 환자 예후 예측 등 다양한 의료 분야에서 뛰어난 성능을 보여줍니다.
Robotics (로보틱스)
로보틱스 기술은 의료 분야에서 수술 로봇 및 자동화된 의료 시스템에 적용됩니다. 로보틱스는 정밀한 조작과 자동화된 시스템을 통해 의료 절차를 수행하고 환자 치료에 사용됩니다.
예를 들어, 수술 로봇 시스템은 의사의 조작을 보완하여 정교하고 안전한 수술을 수행할 수 있습니다. 로보틱스는 소형 카메라와 조작 도구를 활용하여 정밀한 수술 및 재활 세션을 제공함으로써 환자의 회복 기회를 개선합니다.
이러한 기술들은 의료 분야의 다양한 영역에서 의료 인공지능의 발전을 촉진하고 있으며, 의사와 환자에게 더욱 정확하고 개인 맞춤화된 치료를 제공하는 데 기여하고 있습니다.
의료 인공지능 적용 사례 - 해외
의료 영상 분석
Alphabet
Google의 소유자인 알파벳은 딥마인드(DeepMind)라는 AI 연구 회사를 보유하고 있습니다. DeepMind는 의료 분야에서 의료 영상 분석을 위한 인공지능 솔루션을 개발하고 있으며, 의료 영상을 자동으로 해석하여 질환과 종양을 탐지하는 기능을 제공합니다.
DeepMind는 원시 픽셀 데이터를 입력으로 활용하여 범용 인공지능(AGI) 기술을 개발하고 경험을 통해 학습하는 구조를 완성했습니다. 딥마인드의 목표는 의료 영상 데이터를 머신 러닝과 딥러닝 알고리즘을 활용해 자동으로 해석하고, 질병과 종양을 탐지하며, 진단 정확성을 향상시키는 것입니다.
딥마인드의 의료 영상 분석 기술은 실제로 굉장히 많은 성과를 보여주었습니다. 예를 들어, 딥마인드는 유방암 관련 의료 영상에 딥러닝 알고리즘을 적용하여 종양 감지의 정확도를 향상할 수 있었습니다. 딥마인드는 국제적인 협력과 연구를 통해 그들의 의료 AI 솔루션을 전 세계적으로 확대하고 있습니다.
알파벳의 인공지능 솔루션을 통해 의료 영상 분석의 정확성과 효율성이 향상되면, 의료진은 환자들의 질병 및 이상을 더욱 정확히 탐지하고, 적절한 치료 계획을 수립할 수 있습니다. 이는 의료 현장에서 환자 결과와 치료 효과를 개선하는 데 도움이 됩니다.
Arterys
Arterys는 의료 영상 AI 플랫폼을 개발하고 있는 기업으로, 의료 영상 분석 및 진단에 인공지능을 활용합니다. Arterys는 클라우드 기반의 플랫폼을 제공하여 의료 영상 데이터를 실시간으로 분석하고, 정확한 결과와 의사 결정 지원을 제공합니다.
Arterys의 폐암 AI 솔루션은 의료 영상을 실시간으로 분석하여 폐 매스 및 결절의 크기, 형태, 밀도 등을 정량화하고, 폐암의 진단과 추적에 도움을 주는 기능을 제공합니다. 이를 통해 의사는 정확하고 일관된 폐암 분석 결과를 얻을 수 있으며, 환자들의 치료 계획에 대한 적절한 의사 결정을 할 수 있습니다.
Arterys의 성과는 의료 분야에서 AI 기술의 활용 가능성을 보여주고 있으며, 폐암 분석 분야에서 정확성과 효율성을 높이는 데 도움이 됩니다. Arterys는 지속적으로 의료 영상 AI 기술의 발전과 현장에서의 적용을 위해 노력하고 있습니다.
의료 기록 관리
Amazon
글로벌 빅테크 기업 중 가장 먼저 의료 AI 산업에 뛰어든 것은 Amazon이었습니다. 아마존 클라우드 사업부인 아마존웹서비스(AWS)는 의료계 AI 도구인 ‘AWS 헬스 스크라이브(AWS Health Scribe)’를 공개했습니다.
헬스 스크라이브는 생성 AI를 활용해 환자의 진료 기록을 자동으로 작성해주는 서비스입니다. 음성 인식 기술을 기반으로 의료 종사자와 환자들이 나눈 대화 내용을 실시간으로 필사, 요약, 분석해주는 기능도 포함되어 있습니다. 아래는 Amazon에서 공개한 헬스 스크라이브의 자세한 기능입니다.
- 타임 스탬프가 기재된 단계별 상담 기록 제공
- 화자 식별
- 주관적, 객관적 대화 기록 세분화
- 메모 및 데이터 요약
- 원본 기록 참조
- 의료 용어 추출
- 의사와 환자가 나눈 대화 내용 중 중요 내용 표시
AWS는 생성 AI와 의료용 AI가 접목된 이 모델이 오늘날 의료 현장의 애로 사항을 완화해줄 뿐만 아니라, 양질의 진료를 제공할 수 있을 것이라고 전망했습니다. 또한 문서 관리 작업 등 행정 업무로 시간을 할애해야만 했던 의사들의 시간을 줄여주면서 문서화 프로세스의 혁신을 가져다 줄 것이라고 하죠.
Apple
애플은 개인 건강 데이터를 관리하기 위한 HealthKit 및 ResearchKit를 개발하여 의료 기록 관리와 연구를 지원합니다. 애플의 솔루션은 의료 데이터의 보안 및 개인 정보 보호에 중점을 둔 환경에서 의료 기관과의 원활한 데이터 공유를 가능하게 합니다.
구글은 최근 AI 기반 챗봇 ‘메드팜(Med-PaLM)’을 출시하여 주목을 받았습니다. 메드팜은 문서나 환자의 건강 데이터를 요약할 뿐만 아니라, 의학적 질문에 답하는 작업을 수행할 수 있습니다.
메드팜은 미국 의료면허시험 모의 테스트에서 85% 수준의 정확도를 인정 받으면서 이미 전문가 수준이라는 평가를 받았습니다. 구글 측은 엑스레이(X-Ray)나 유방 촬영 등의 정보를 종합해 치료 결과를 개선할 수 있는 멀티모달 기능을 추가하는 중이라고 설명했습니다.
👉 생성형 AI (Generative AI) 란 무엇인가?
진단 지원
Microsoft
Microsoft도 아마존과 유사한 서비스를 선보이면서 의료 AI 업계에 발을 딛었습니다. 지난 3월 Microsoft는 AI 자회사를 통해 개발한 진료 기록 애플리케이션 ‘닥스 익스프레스(DAX Express)’를 출시했습니다. DAX는 ‘Dragon Ambient eXperience’의 약자입니다.
닥스 익스프레스는 ChatGPT 개발자 오픈 AI의 언어 모델인 GPT-4를 기반으로 진료 기록을 생성한다는 특징이 있습니다. 이를 통해 의사는 환자 정보와 의사록 등을 더욱 빠르고 정확하게 기록하고, 다양한 질병과 징후를 더욱 빠르게 식별하고 관리할 수 있습니다. 또한, 마이크로소프트의 AI는 자연어 처리 기술을 활용하여 의료 기록 데이터를 분석합니다. 이를 통해 의사는 각종 의료 보고서 및 기록을 좀 더 쉽게 처리하고, 효과적인 치료 계획과 적절한 예방 조치를 추천 받을 수 있습니다.
Tempus
미국의 헬스케어 스타트업 템푸스(Tempus)는 환자와 의료 데이터를 인공지능으로 분석하는 곳입니다. 의사는 환자 체질에 최적화된 치료법을 사용하고, 환자는 자신에게 가장 잘 맞는 의약품을 처방 받도록 돕습니다. 수집한 대규모 의료·임상 데이터를 인공지능과 머신러닝으로 분석한 뒤 의사에게는 더 정밀한 정보를, 환자에게는 더 알맞은 의약품과 치료법을 자동으로 추천하고자 합니다.
템푸스의 최고경영자는 웹사이트에서 “템푸스가 모든 데이터를 활용해 질병의 심각성과 변수를 예측할 수 있기를 바란다”고 설명했습니다. 또한 템푸스는 궁극적으로 어떤 치료법이 가장 효과가 있고, 개인화할 수 있는 지에 대한 데이터를 환자와 의사들에게 제공하는 것이라고 설명했습니다.
의료 인공지능 적용 사례 - 국내
루닛(Lunit)은 의료 인공지능 기업으로, 의료 영상 분석 기술을 개발하고 있습니다. 루닛은 국내 및 해외에서 의료 영상 분석 솔루션을 제공하며, 특히 유방암, 폐암, 두개체 관절염과 같은 질환의 조기 탐지 및 분류에 초점을 맞추고 있습니다.
루닛은 AI를 활용한 의료 영상 분석 기술을 통해 정확한 진단을 지원하고자 합니다. 이를 위해 딥 러닝 알고리즘을 활용하여 의료 영상 데이터를 분석하고, 종양, 이상 및 질환을 감지하며, 그 결과를 의료진에게 제공합니다. 루닛의 솔루션은 이미지 분석과 AI 알고리즘을 결합하여 정확한 진단과 조기 예방에 기여할 수 있는 기능을 제공합니다.
이러한 성과는 루닛의 의료 영상 분석 기술이 의료 현장에서 인정받고 활용되고 있음을 보여줍니다. 루닛은 정확성과 신속성을 갖춘 의료 영상 분석 솔루션을 통해 의료진의 의사 결정을 지원하고, 진단 정확성 향상과 조기 치료의 기회를 제공하는 것을 목표로 하고 있습니다.
뷰노(VUNO)는 의료 인공지능 기업으로, 의료 영상 분석 솔루션을 개발하고 있습니다. 의료 영상을 분석하여 종양, 암 및 질환을 탐지하는 AI 기술을 중심으로 한 의료 솔루션이 특히 주목 받고 있죠.
뷰노는 딥러닝과 머신 러닝 알고리즘을 활용하여 의료 영상 데이터를 분석하고 정확한 진단을 제공합니다. 특히, 유방암, 폐암, 간암, 녹내장과 같은 질환의 조기 탐지와 진단에 초점을 맞추고 있으며, 이를 위해 음성, 영상, 데이터 등 다양한 차원의 정보를 활용합니다.
뷰노의 솔루션은 이미지 분석과 영상 해석을 통해 의료 전문가들에게 정확한 결과 및 의사 결정 지원을 제공합니다. 이는 의료진의 진단 정확성과 효율성을 향상 시키며, 환자들에게는 조기 발견과 개인 맞춤형 치료 기회를 제공하는 데 도움이 됩니다.
의료 AI 적용의 장점과 한계
의료 AI 적용의 장점
의료 산업에 AI를 적용하는 것이 왜 좋은지, 각각 환자와 의사의 입장에서 얻을 수 있는 장점을 정리해 보겠습니다.
환자가 얻을 수 있는 장점
- 정확한 진단과 조기 발견
- 개인 맞춤형 치료
- 효율적인 의료 서비스
의사가 얻을 수 있는 이점
- 정확한 진단 및 의사 결정
- 작업 부담 감소와 시간 절약
- 협력과 지식 공유
따라서, AI를 도입하면서 환자는 초기에 질병을 발견하고 예방 조치를 취할 수 있으며, 치료 기회를 더욱 향상 시킬 수 있습니다. 또한 개인적인 특성과 의료 데이터 분석을 통해 최적의 치료 효과를 얻을 수 있게 하며, 부작용의 최소화 및 개인의 건강 상태 향상에 도움을 줄 수 있습니다. 궁극적으로 AI는 자동화 및 자동 처리 기능을 갖추고 있어 의료 서비스 제공의 효율성을 높일 수 있습니다.
의사의 입장에서는 AI는 의사가 다루기 어려운 대량의 데이터를 분석하고 패턴을 식별하여 정확하고 일관된 진단과 예후 예측을 제공합니다. 이는 의사의 판단을 지원하고, 진단 정확도를 향상시키며, 치료 효과를 최적화하는 데 도움을 줄 수 있습니다. AI는 의사에게 더 많은 시간을 주어 의료 현장에서 더 많은 환자를 돌볼 수 있고, 집중력을 높여 의사 결정의 효율성과 정확성을 높일 수 있습니다.
👉 관련기사: "고성능 AI모델만, 질병 진단 정확도↑”
의료 AI의 한계
1. 데이터 퀄리티/ 수량
의료용 AI는 질병 분석, 판독 및 진단을 위해 많은 양의 의료 데이터에 기반합니다. 유용하고 신뢰할 수 있는 결과를 얻기 위해서는 의료 도메인에 대한 깊은 이해가 필요합니다. 도메인 지식 부족은 잘못된 데이터 해석이나 부정확한 진단 결과로 이어질 수 있으며, 일련의 의료 절차에서 심각한 문제를 초래할 수 있습니다.
2. 데이터의 개인정보 이슈
또한 의료 데이터는 민감하고 개인 식별 가능한 정보를 포함하고 있기 때문에 개인정보 보호와 데이터 관리의 중요성이 강조되고 있습니다. 그러나 의료 도메인의 전문적인 이해가 없는 AI 기술 개발자는 적절한 개인정보 보호 및 데이터 처리 방법을 보장하기 어려울 수 있습니다. 이는 데이터 노출, 정보 유실, 개인정보 침해 등의 위험을 야기할 수 있으며 신뢰성과 믿음을 저하시킬 수 있습니다.
3. AI의 의료 분야 신뢰성과 협업
AI 시스템은 의료 현장에서 실제 응용을 위해 의사와 간호사, 의료진과 긴밀히 협력해야 합니다. 그러나 의료 지식 및 클리니컬 역량에 대한 이해 없이 AI 시스템이 설계되면 실제 현장에서의 적용과 구현에 어려움이 있을 수 있습니다 일례로, IBM에서 개발한 왓슨(WATSON)은 의사를 대체할 수 있는 인공지능으로 촉망받았습니다. 그러나 왓슨이 현실적으로 의료 현장에 자리를 잡지 못한 이유에 대해, 전문가들은 IT 기반 딥 러닝 기술자들이 의료를 몰랐기 때문이라고 지적하고 있죠.
따라서 의료 도메인 지식을 포함한 정확한 학습 데이터를 구축하는 것은 AI 시스템의 효과적인 전개와 사용을 보장하는 필수적인 요소입니다. 추후 병원 현장에서 실제로 ‘AI 의사’가 도입되기 위해서는 이러한 한계를 극복해야만 한다는 목소리가 커지고 있습니다. 일부 단체에서는 검증되지 않은 AI가 의료 현장에 도입되면 부정확한 진단과 치료로 개인의 건강을 위협할 뿐만 아니라, 의료불평등 및 차별을 강화할 수 있다고 설명했습니다.
결론: 효과적인 의료 인공지능 적용 방안은?
의료 인공지능은 정확한 진단과 조기 발견, 개인 맞춤형 치료 및 의료 서비스 효율성을 향상하는 등 다양한 이점을 가지고 있습니다. 이에 따라 실제로 의료 현장에서도 AI를 적용하여 진료 및 건강 모니터링, 정밀 치료계획 수립 등 다양한 사례가 등장하고 있습니다. 그러나 많은 이점에도 불구하고 데이터 보호 문제나 전문가 지식 부족, 상호학습 부족 등의 한계도 존재합니다.
이러한 한계를 극복하고 장점을 최대한 살리기 위해서 학습 데이터의 중요성이 더욱 증대되고 있습니다. 의료 분야는 데이터의 민감성과 복잡성이 매우 높기 때문에, 충분한 양의 유효한 데이터가 필요합니다. 이를 위해 의료 전문가들과 연구자들이 적극적으로 협력하여 더 나은 의료 데이터를 수집하고 관리하는 방법을 개발해야 하며, 효과적인 의료 학습 데이터셋을 구성할 필요가 있습니다.
데이터헌트는 관상동맥 의료 영상 데이터 가공, 파킨슨병 진단 데이터 구축 등 충분한 퀄리티를 가진 인공지능 학습 데이터에 대한 지속적인 프로젝트를 수행하며, 보다 정확하고 타당한 의료 AI 모델이 탄생할 수 있도록 노력하고 있습니다. 이 부분은 다른 블로그 글을 통해 보다 자세히 설명하도록 하겠습니다.
다양한 산업에 AI 활용 콘텐츠
- 건축 AI 인공지능
- 보안 AI 인공지능
- 교육 AI 인공지능
- 변호사 AI 인공지능
- 커머스 AI 인공지능
- 금융 AI 인공지능
Reference
- 의료 분야의 AI
- 인터뷰 의사 대체한다고 난리였던 의료AI 잠잠해진 이유는?
- [전문가칼럼] 의료AI를 품은 디지털 헬스케어 | 과학기술커리어트렌드 | W브릿지
- 루닛, 연구결과 국제학술지 게재…“고성능 AI 활용해야 하는 이유”+ 팜이데일리
- AI in Radiology: Pros & Cons, Applications, and 4 Examples
- Developing reliable AI tools for healthcare
- Arterys
- https://aws.amazon.com/ko/blogs/industries/industries-introducing-aws-healthscribe/
- Med-PaLM
- Microsoft’s Nuance uses OpenAI GPT-4 to empower physicians to create clinical notes in seconds | BigTechWire
- Tempus Announces Broad Launch of Tempus One | Business Wire
- 루닛 AI, 10가지 폐질환 찾아낸다…“영상 판독 전문가 수준”
- 뷰노, AI 기반 안저 영상 판독 기술 미국 특허 등록
.webp)
.webp)
.svg)
