• 컴퓨터/IT > 컴퓨터공학 > 인공지능/신경망/퍼지
• 대학교재 > 의약학간호계열 > 의학

2026/6 컴퓨터/IT 82위 | 현재 컴퓨터/IT 88위 |

반디앤루니스 리뷰

의료 AI의 화려한 성취 뒤에 놓인 데이터 편향, 블랙박스 문제, 임상 검증의 한계, 규제 공백, 개인정보 보호, 공정성 실패, 모델 드리프트와 같은 현실적 쟁점을 냉정하게 짚는다. 또한 연합학습, 거대언어모델, 보건의료 데이터 거버넌스, 프라이버시 강화기술, 퀀텀 기반 의료 AI, AI 바이오와 멀티오믹스, 신뢰가능한 인공지능, One Health까지 의료 AI 생태계 전반을 폭넓게 조망한다. 기술 중심의 AI 논의를 넘어 임상 현장과 환자, 제도와 윤리, 데이터와 사회적 신뢰를 함께 고려해야 한다고 말한다. 의료 AI가 진정으로 사람을 위한 기술이 되기 위해 필요한 것은 더 높은 정확도의 모델만이 아니라, 의료 현장에서 작동 가능한 시스템 전체의 재설계이다.

출판사 리뷰

의료 AI는 정말 의료의 미래가 될 수 있는가?
AlphaFold, 영상 판독 AI, 거대언어모델, 정밀의료 기술은 의료 혁신의 가능성을 보여주고 있지만, 실제 진료 현장에서 환자의 생명을 지키는 데 쓰이는 의료 AI는 아직 많지 않다. 뛰어난 성능을 보인 알고리즘이 왜 병원에서는 충분히 작동하지 못하는가. 이 책은 바로 그 질문에서 출발한다.
『의료 AI, 다시 설계해야 할 미래』는 의료 AI의 화려한 성취 뒤에 놓인 데이터 편향, 블랙박스 문제, 임상 검증의 한계, 규제 공백, 개인정보 보호, 공정성 실패, 모델 드리프트와 같은 현실적 쟁점을 냉정하게 짚는다. 또한 연합학습, 거대언어모델, 보건의료 데이터 거버넌스, 프라이버시 강화기술, 퀀텀 기반 의료 AI, AI 바이오와 멀티오믹스, 신뢰가능한 인공지능, One Health까지 의료 AI 생태계 전반을 폭넓게 조망한다. 이 책은 기술 중심의 AI 논의를 넘어 임상 현장과 환자, 제도와 윤리, 데이터와 사회적 신뢰를 함께 고려해야 한다고 말한다. 의료 AI가 진정으로 사람을 위한 기술이 되기 위해 필요한 것은 더 높은 정확도의 모델만이 아니라, 의료 현장에서 작동 가능한 시스템 전체의 재설계이다.
의료 AI를 연구·개발하는 연구자와 공학자, 진료 현장에서 AI를 마주하는 임상의, 보건의료 정책 입안자, 의료데이터와 디지털헬스 산업 관계자에게 이 책은 의료 AI의 현재를 점검하고 미래를 설계하기 위한 필독서가 될 것이다.

머리말

PART 1. 의료 AI 시대의 도래와 착시
Chapter 1. 의료 인공지능의 환상과 착시
1. 의료 인공지능이 ‘혁신으로 인식되는 근본 원인
2. 실제 임상에서 AI가 실패하는 지점들
3. 과도한 기대와 현실 사이의 간극
4. 데이터 중심 의료 패러다임의 변화
5. 나가며: 혁신과 착시를 구분하는 안목
Chapter 2. 보건의료 데이터 활용의 현실과 한계
1. 서론
2. EMR 데이터 개요
3. EMR 데이터 활용과 관련된 주요 쟁점
4. 보건의료 인공지능의 현황과 관련된 이슈
5. 정보보호 및 보안
6. 소결

PART 2. 의료 AI의 기술적 문제들
Chapter 3. 연합학습의 한계
1. 서론
2. 데이터 이질성의 심층 분석
3. 일반화 실패와 분포 이동
4. 보안·프라이버시·통신의 삼중 딜레마
5. 병원 현장의 현실적 장벽
6. 극복 전략과 미래 방향
7. 결론
Chapter 4. 의료 AI 공정성(Fairness) 실패
1. 서론
2. Healthcare AI에서 공정성의 개념과 중요성
3. 편향(Bias)의 유형
4. 공정성 관련 예시 사례
5. AI 공정성 평가 요인
6. 공정성을 해결하기 위한 방안들(Mitigation)
7. Regulation 관련 이슈들
Chapter 5. 거대언어모델의 위험한 양날의 검
1. 서론: 거대언어모델(LLM)이 가진 5가지 위험성과 나아갈 길
2. 환각(Hallucination): 그럴듯한 거짓 정보의 함정
3. 학습 데이터의 편향: 특정 환자에게는 편파적인 AI
4. 개인정보 유출: 나의 민감한 의료기록이 AI의 학습 데이터로?
5. 외부 공격의 취약성: 악의적인 조작에 따른 오작동 가능성
6. 책임 소재의 불분명성: 의료사고 발생 시, 누구의 책임인가?
7. 결론: 신뢰할 수 있는 의료 LLM을 향하여
Chapter 6. AI 모델의 지속 불가능성
1. 서론
2. 데이터 드리프트
3. 업데이트의 경제학
4. 똑똑한 AI를 혼란에 빠트리는 임상 워크플로우의 역설
5. 현실 세계의 증거(Real World Evidence, RWE)
6. 결론

PART 3. 기술 이외의 의료 AI의 문제들
Chapter 7. 의료 AI, 기술만으로는 풀 수 없는 것들
1. 서론
2. 상관관계의 제국, 인과의 그림자
3. 데이터에 없는 환자: 서사, 가치, 맥락
4. 책임 없는 지능: 윤리와 법의 장벽
5. 편향된 세계에서 학습된 의사
6. 고통과 공감: 알고리즘이 모르는 것
7. 사회적 합의의 영역: 기술이 개입할 수 없는 공간
8. 결론
Chapter 8. 규제와 표준화의 역설
1. 의료 AI 규제의 공백과 불확실성
2. 거북이와 아킬레스: 기술 진화와 규제 속도의 비대칭
3. 글로벌 규제 파편화: 국경 없는 기술, 국경 있는 법
4. 미래 전망: 규제 혁신 없이는 기술 혁신도 없다
5. 결론: 규제는 활주로가 되어야 한다
Chapter 9. 보건의료데이터 거버넌스의 복잡성
1. 서론: 의료 데이터의 거버넌스, 잠재력과 한국의 현실
2. 국내 의료기관 중심의 데이터 거버넌스와 Real-World Evidence 현실
3. 국가 및 다기관 차원의 Real-World Evidence 현실
4. RWE 성공 사례 및 국내 상황의 비교
5. 데이터 거버넌스 개선과 협력적 생태계 조성을 위한 제언

PART 4. 새로운 미래 기술
Chapter 10. 프라이버시 강화기술(PET)의 진짜 역할
1. 서론
2. 생성형 AI가 초래한 새로운 위협
3. 생성형 의료AI의 4대 핵심 위협모델
4. 프라이버시 강화 기술(PET)
5. 프라이버시 강화 기술(PET)의 시대적 진화: 하이브리드 PET
6. 제로 트러스트 아키텍처
7. 결론
Chapter 11. 퀀텀 기반 의료 AI
1. 서론: 의료 AI가 직면한 계산적 도전 과제
2. 고전 컴퓨팅의 근본적 한계: 왜 기존 AI로는 불가능한가?
3. 양자 컴퓨팅의 핵심 원리: 다섯 가지 기둥
4. 양자 컴퓨팅의 종류와 하드웨어 플랫폼: 서사적 기술 진화
5. 의료 AI를 위한 양자 도구: 알고리즘의 확장
6. 양자 이득(Quantum Advantage): 이론에서 실증으로
7. 불가능을 가능하게 한 실제 사례: 심층 분석
8. 결론 및 향후 전망: 양자 의료 시대의 도래
Chapter 12. AI 바이오와 멀티오믹스의 미래
1. 서론: 왜 지금 AI 바이오와 멀티오믹스인가?
2. 멀티오믹스 혁명: 생명 데이터의 폭발
3. 생명의 운영체제: 바이오 파운데이션 모델의 등장
4. AI Co-Scientist: 과학자 동료의 등장
5. 임상, 신약, 예방의학의 재설계
6. 윤리, 신뢰, 거버넌스 그리고 기회
7. 결론
Chapter 13. 신뢰가능한 인공지능
1. 서론
2. 의료 AI assurance의 Core principles
3. 주요 AI 보증 프레임워크 개요
4. 연구 설계부터 배포까지: AI 보증의 통합적 접근
5. 결론 및 미래 방향성
Chapter 14. 반려동물과 의료정보, One Health
1. 원헬스(One Health) 구현을 위한 데이터 표준화와 상호운용성
2. 인간-동물 통합 데이터를 활용한 비교의학 및 공중보건 감시: 데이터 연계를 통한 질병 정밀 분석과 원헬스 위험 탐지의 새로운 지평
3. 의료 AI 시대를 이끄는 수의사의 새로운 자격: 수의정보학 핵심 역량(Minimal Competency Set)의 재정의와 교육 혁신
4. 멀티모달 데이터 통합을 통한 수의 의료 AI의 확장성: 파편화된 진료 기록을 넘어 데이터 기반 수의 정밀 의료(Precision Medicine)로의 도약

PART 5. 의료 AI의 재설계
Chapter 15. 의료 AI를 다시 설계한다.
1. 기술 중심에서 임상 중심으로: 패러다임의 전환
2. 정책·표준화·데이터 거버넌스의 재정렬
3. 지속 가능한 AI 생태계를 위한 원칙
4. 한국이 선도할 수 있는 전략 영역
5. 결론: 다시 시작하는 마음으로

찾아보기