본교 소프트웨어학과 & 대학원 인공지능학과 유종빈 교수와 의대 외과학교실 신호정 교수 융합 연구팀의 연구 성과가 외과학 분야 국제 저명 학술지에 게재됐다. 우리 대학 연구진이 공동 연구를 통해 국제적 주목을 받는 연구 성과를 도출해 냈다는 점에서 의미 있는 성과다. 연구팀의 논문은 외과학 분야 세계적 권위지인 <인터내셔널 저널 오브 서저리(International Journal of Surgery, IF:13.4, 상위 1% JCI) 9월호 온라인판에 실렸다.논문의 제목은 "Computed tomography를 이용한 딥러닝 기반 급성 소장 폐쇄 고위험군 환자 식별: 예측 모델 개발 및 검증 : 후향적 코호트 연구(Deep learning using computed tomography to identify high-risk patients for acute small bowel obstruction: development and validation of a prediction model:A retrospective cohort study)"다. 급성 장폐색(SBO)은 긴급 수술이 필요한 가장 흔한 급성 복부 질환 중 하나다. 장폐색은 그 특징을 눈으로 식별하기가 매우 어려운 질병이면서 급성으로 발병하는 특징이 있어서 진단하는데 많은 어려움이 있다. 그동안 AI와 복부 CT를 이용해 수술적 치료법을 결정해 왔지만, 응급수술이 필요한 고도 소장폐색(HGSBO)과 저등급 SBO 또는 마비성 장폐색(LGSBO) 등을 감별하는 것은 매우 어렵다.아주대 연구팀은 250명의 578개 정상 사례를 포함하여 비수술(ASBO) 및 수술 환자의 CT 이미지 3만8000개 이상을 활용해 고위험 ASBO 환자 분류를 위한 딥러닝 분류기를 개발했다. 이는 이전 머신러닝 모델과 비교하여 장폐색(SBO)이 있는 고위험 환자를 선별하고 판정하는 데에 있어 신뢰도가 크게 향상된 도구다.연구팀의 연구 결과물을 바탕으로 응급 상황에서 스크리닝을 통해 환자의 장폐색 여부를 빠르게 진단할 뿐만 아니라 장폐색의 심각 정도를 예측해 응급수술이 필요한지 여부를 판단하는데도 도움을 줄 것이라 기대된다.본교 소프트웨어학과 & 대학원 인공지능학과 유종빈 교수와 의과대학 외과학교실 신호정 교수는 지난 2021년 6월 교내 융합 세미나를 통해 공동 연구를 시작했다. 공동 연구팀은 지난 해 한국연구재단 지원 중견연구 과제에 선정됐다. 이번 연구 성과는 아주대 의료원이 보유한 양질의 데이터 및 노하우와 우리 대학 소프트웨어학과의 인공지능 기술이 융합되어 탄생했다는 점에서 그 의미가 크다. #위 사진 설명 : 왼쪽부터 소프트웨어학과 유종빈 교수, 의과대학 외과학교실 신호정 교수, 제 1저자 대학원 인공지능학과 오승민 학생

대학원 인공지능학과 & AI융합네트워크학과에서는 Artificial Intelligence & AI Convergence Network Colloquium을12월 5일(화) 오후 3시에 개최하오니 많은 참여 부탁드립니다. When : 2023년 12월 5일(화) 오후 3시 Where : 팔달관 407호 Speaker : 김남국 교수(아산병원) Title : Generative AI and its application in medical imaging Abstract : 대규모언어모델(Large-scale Language Model; LLM)을 통한 생성인공지능분야의 혁신이 학계, 언론, 대중의 관심을 끌고 있습니다. OpenAI가 일반인공지능(Artificial General Intelligence;AGI)를 내놓고, 이를 촉매로 많은 경쟁조직들이 그동안 연구해 놓았던 것을 경쟁적으로 공개하고 있습니다. 이는 2017년에 Google 연구진에 의해서 제안된 소위 트랜스포머1라는 기술에 기반하고 있습니다. 최근 chatGPT와 GPT4가 일반에게 충격을 주고 있지만, GPT 뿐 아니라 다양한 GPT, BERT, Chinchilla, Gopher, Bloom, MT-NLG, PaLM, LaMDA 모델 등이 공개되고 테스트할 수 있습니다. 소설을 쓰고, 데이터 처리, 시각화를 위한 컴퓨터 프로그램을 작성하고, 외국어를 번역하고, 미래를 추측할 수 있는 이러한 일반화된 대규모언어모델의 능력은 인류에게 처음으로 일반인공지능에 접근하고 있다는 생각을 들게 했습니다. 특히, 대규모언어모델이 인간이 작성한 문장을 고도의 추상적 레벨에서 해석하고, 이를 잠재공간에 mapping 할수 있다는 뜻이 되기 때문에, 이에 따라서 다양한 의료응용이 가능할 것으로 사료됩니다. 대규모언어모델은 의료 진단, 치료 및 임상/의학연구의 효율성을 개선하여 의료 및 의료 산업을 혁신할 수 있는 잠재력을 가지고 있습니다. 하지만, 대규모언어모델은 언어로만 만들어서 환각이 강화되거나, 현실과 관계를 맺지 않아서 사실에 대한 개념이 없다는 점, 의학이 발전하기 때문에, 이를 맞추어 연속학습(continual learning)기반의 fine-tuning이 필요 등 다양한 한계도 가지고 있습니다. 최근에 이런 문제를 해결하기 위해서 시각이나 비디오를 같이 학습하는 대규모멀티모달모델(Large-scale Multimodal Model; LMM)이 나오고 있고, 괄목할만한 성장을 하고 있습니다. 반대로, 대규모언어모델을 이용한 프로그램은 전문가 수준은 아직 아니지만, 프로그램에 익숙하지 않은 임상 의사나 초급 개발자들에게는 협력 개발자나 좋은 tutor가 될수 있는 수준이라고 생각합니다. 이를 잘 활용하면, 기존처럼 도메인지식을 가장 잘 알고 있는 의사가 의료인공지능 연구 및 개발에 소외되고 단순 레이블러나, 평가자만 되는 상황에서 벋어나서, 의료인공지능 연구 개발의 주체가 될수 있을것으로 사료됩니다. 또한, 실제 임상 진료에서 LMM 등이 활발하게 적용될것이라 생각되고 사례를 살펴보겠습니다. Bio : 1991.03 ~ 2008.02  서울대학교 공과대학 산업공학과 학/석/박사               2000.01～2002.11  (주)사이버메드 기술이사, 대표이사                    2004.08～2008.09  울산의대 영상의학 연구원/촉탁연구교수                2008.09～2009.10   Univ. of Utah Post-doc. Research Fellow                2010.04 ~ 현재        울산의대/서울아산병원 영상의학 교수               Host : 소프트웨어학과 유종빈 교수(jongbin.ryu@gmail.com)