Anne Martel: AI를 활용한 암 치료 개인화 연구

섹션별 상세

의료 현장은 환자에게 필요한 최소한의 개입과 최적의 치료 효과 사이의 균형을 맞추는 예측 모델을 필요로 한다.

Martel 교수의 연구는 디지털 병리 이미지, 유전체 데이터, 임상 텍스트를 결합한 멀티모달 AI 모델을 구축하여 환자의 상태를 종합적으로 이해한다.

다중 작업 학습을 적용하여 분류 작업과 생존 예측 작업을 공유된 표현으로 학습시켜 데이터 효율성을 높인다.

의료 영상 AI 분야는 과거 컴퓨터 과학의 방법론을 수동적으로 적용하던 단계에서 벗어나, U-Net과 같은 독자적인 기초 방법론을 창출하는 단계로 진화했다.

디지털 병리(Digital Pathology): — 병리 조직 슬라이드를 고해상도 디지털 이미지로 변환하여 AI 알고리즘으로 분석하는 분야입니다. 암 진단 및 예후 예측의 정확도를 높이는 데 핵심적인 역할을 합니다.
멀티모달 통합(Multimodal Integration): — 의료 영상, 유전체 데이터, 임상 텍스트 등 서로 다른 형식의 데이터를 하나의 AI 모델에 결합하는 기법입니다. 단일 데이터 소스보다 환자 상태를 더 포괄적으로 이해할 수 있습니다.
U-Net: — 의료 영상 분할(segmentation)을 위해 개발된 딥러닝 아키텍처입니다. 입력 이미지의 공간적 특징을 보존하며 정밀한 픽셀 단위 분류가 가능해 의료 AI 분야의 표준으로 자리 잡았습니다.