주지하시는 바와 같이 인공지능에 관련된 학문은 매우 빠른 속도로 발전하고 있으며, 이 책 또한 발간되고 나서 바로 낡은 지식서가 될 수 있다는 우려를 하실 분도 있을 것 같습니다만, 이 책의 기본 취지는 빠르게 변하는 최신의 지식을 제공한다는 것보다는 이미 비교적 잘 정립된 기본 지식과 정보를 제공하는 데 있기 때문에, 인공지능 기술이 계속 발전 변화해 나가더라도 많은 부분 퇴색되지 않고 중요한 기본 정보를 제공할 수 있도록 구성되었습니다.

따라서 독자들은 이 책의 내용을 기본으로 하여 계속 빠르게 변화하는 최신 지식을 스스로 습득해 갈 수 있을 것으로 기대하고 있습니다. 그럼에도 불구하고 향후 인공지능 관련 최신 지견에 중요한 추가나 변화가 지속해서 있을 것이라는 점은 충분히 예측되므로, 적절한 시기에 이 책의 내용을 계속 증보, 개정해 나갈 것이라는 점을 약속드립니다.

한가지 첨언하고자 하는 것은 인공지능이 워낙 새로운 학문 분야이다 보니 많은 경우 한글 용어가 정립되지 않은 상태라는 점을 고려해 전문용어의 기술에 한글과 영어를 모두 사용하였고 필요한 곳에는 한글과 영어를 병기하였습니다. 한글과 영어 병기는 처음 한 번이 아니라 필요한 곳에는 모두 적용하여 가능한 한 읽기 쉽게 하였습니다.

이와 더불어 약어 및 영어 대소문자 사용에서도 아직 규칙이 정립되지 않은 경우들이 있습니다. 따라서, 전체적으로 용어의 사용에 있어 통일성이 부족한 점이 없지 않으나 그래도 자연스레 읽힐 수 있도록 노력을 하였습니다. 향후 개정판에서는 좀 더 통일된 용어 사용이 이루어지기를 바랍니다.

끝으로 이 지면을 통하여 이 책의 집필에 심혈을 기울여 주신 집필진 여러분께 깊은 감사의 뜻을 표하고자 합니다. 특히 저와 함께 공동 편집인을 맡아 이 책이 적시에 발간될 수 있도록 힘써 주신 박성호 교수의 헌신적 노력과 탁월한 리더십을 높이 치하해 드리는 바입니다.

2020년 2월
임태환

1부. 들어가기
1장 의료와 인공지능 [서준범]
1. 현대의료가 직면한 문제
2. 의료인공지능기술의 현재
3. 의료인공지능시대를 위한 준비
4. 요약
Capsule: 환자들은 인공지능에 대해서 어떤 생각을 가지고 있을까?

2부. 디지털 의료데이터
2장 다양한 종류의 의료데이터 [오지선, 이유라, 김도훈]
1. 헬스케어 데이터healthcare data의 종류
2. 전자의무기록electronic medical record 데이터
3. 보건의료 청구 데이터healthcare claim data
4. 유전체 데이터genomic data
5. 환자생성 건강 데이터patient-generated health data
6. 공통 데이터 모델Common Data Model
7. Health Level 7

3장 디지털 의료영상 [김광기]
1. DICOM 이란?
2. DICOM 파일의 구조
3. DICOM 의료영상을 인공지능에 사용할 때 알아두면 유용한 정보들
4. 향후 방향
Capsule: 디지털 의료영상 자료의 용량은 얼마나 될까?

3부. 인공지능 기술
4장 인공지능 관련 기본개념 및 필수용어 정리 [이준구]
1. 인공지능의 정의
2. 인공지능의 분류
3. 인공지능의 학습
4. 인공지능 학습의 손실함수loss function와 학습률learning rate
5. 인공지능 분류classification 모델에 대한 이해
6. 인공지능 학습을 위한 단계들 살펴보기
7. 인공지능 라이브러리 소개
Capsule: ‘Validation’ 용어 관련 혼선

5장 딥러닝deep learning 이전의 기계학습machine learning 방법들 [이준구]
1. 로지스틱 선형회귀logistic regression 다시 보기
2. 서포트 벡터 머신support vector machine
3. 결정 트리decision tree
4. 랜덤 포레스트random forest
5. k-평균 군집화k-means clustering

6장 인공신경망artificial neural network 그리고 딥러닝deep learning의 등장 [김휘영]
1. 인공신경망artificial neural network
2. Perceptron의 한계와 인공신경망의 발전
3. 심층신경망deep neural network: 딥러닝deep learning의 등장
Capsule: arXiv가 뭐야?

7장 컨볼루션 신경망convolutional neural network [김휘영]
1. 컨볼루션 신경망convolutional neural network이 가져온 기계학습 연구의 패러다임 전환
2. 컨볼루션 신경망convolutional neural network의 구조
3. 주요 컨볼루션 신경망convolutional neural network 모델들과 발전 히스토리
4. 컨볼루션 신경망convolutional neural network 응용기술: 검출detection과 분할segmentation
Capsule: 인공지능의 의학영상 판독 성능: 컨볼루션 신경망convolutional neural network 대 의사

8장 시계열time series 자료와 순환신경망recurrent neural network [차유진]
1. 시계열time series 자료
2. 순환신경망recurrent neural network의 기초
3. 순환신경망recurrent neural network의 학습과 응용구조
4. 장단기 기억long short-term memory 신경망
5. 순환신경망recurrent neural network의 자연어 응용
6. 요약 및 정리
Capsule: 순환신경망recurrent neural network을 이용한 급성 신손상 예측 모델

9장 적대적 생성 신경망generative adversarial network [이지민]
1. 생성 모델generative model
2. 적대적 생성 신경망generative adversarial network의 구조와 학습 방법
3. 적대적 생성 신경망generative adversarial network을 의료에 접목한 사례

10장 인공지능의 결과를 해석, 설명이 가능하게 하려면 [김휘영]
1. 설명가능성explainability과 해석가능성interpretability
2. 영상분석을 위한 딥러닝deep learning 모델에 해석가능성interpretability을 더하는 방법
Capsule: 인공지능이 해석, 설명이 가능한지 여부가 특히 더 중요한 경우

11장 (실습)인공지능 학습과정 따라 해보기 [이가은, 이준구]
1. 실습을 위한 준비
2. 필요한 모듈을 import 하기
3. Fashion-MNIST 데이터
4. 인공지능 모델로 학습하기

4부. 인공지능 임상검증
12장 인공지능 알고리즘의 임상검증 방법 [박성호]
1. ‘Validation’이란 용어의 의미에 대한 주의
2. 인공지능 알고리즘의 정확도/성능 지표
3. 인공지능 알고리즘의 정확도/성능 평가에 영향을 미치는 인자들
4. Internal validation vs. external validation
5. Split-sample validation의 제한점
6. 인공지능 알고리즘의 정확도/성능 검증을 위한 바람직한 external validation 방법
7. 인공지능 알고리즘의 정확도/성능만 검증하면 충분할까?
8. 요약
Capsule: 의학적 진단/예측을 위한 인공지능 알고리즘들의 정확도에 대한 external validation이 얼마나 되어 있을까?

5부. 법과 제도
13장 의료 빅데이터big data 및 인공지능 관련 법과 제도 [유소영, 박성호]
1. 의료 빅데이터big data의 이용 관련 법과 제도
2. 인공지능 의료기기의 허가
3. 인공지능 의료기기에 대한 의료보험 적용
4. 지속적인 학습을 통해 변하는 인공지능 의료기기에 대한 평가 및 관리
5. 의료인공지능 사용으로 인한 오진에 대한 법적 책임은 누구에게?
Capsule: 의료 빅데이터big data를 사용할 때 개인정보 보호는 어떻게 해야 하나?

6부. 마무리
14장 Last but not least: Moving forward [박성호, 임태환]

부록
1. 우리나라 식품의약품안전처의 허가를 받은 딥러닝deep learning 기반 의료용 인공지능 소프트웨어 목록
2. 미국 FDA의 허가를 받은 딥러닝deep learning 기반 의료용 인공지능 소프트웨어 목록
3. 약어 모음