• 한국병원경영학회지
• /
• 제28권3호
• /
• pp.27-38
• /
• 2023

Objectives: This study explores the impact of age groups on social presence and trust among users of medical artificial intelligence chatbots. Furthermore, we investigate the existence of gender differences within these relationships. Method: We collected data through a survey from people who had interacted with general hospital chatbot services, either by making reservations or seeking consultations. Multiple linear regression analysis was conducted to examine the relationship between general characteristics of study population and social presence and trust of artificial intelligence chatbots. Additionally, we conducted stratified analysis to confirm the presence of gender differences within these relationship. Results: Among 300 participants, those aged 50 and older had higher social presence of artificial intelligence chatbots and greater trust of artificial intelligence chatbots (social presence, 𝛽=0.543, p=0.003; trust, 𝛽=0.787, p=0.000). In stratified by sex, women aged 50 and older had higher social presence and trust of artificial intelligence chatbots compared to those in their 30s age group (social presence, 𝛽 = 0.925, p=0.002; trust, 𝛽=0.645, p=:0.007). However, there was no statistically significant relationship between age and chatbot social presence and trust in men. Conclusion: This study demonstrates that advanced age plays a significant roles in users' social presence and trust in medical artificial intelligence chatbots. Futhermore, our findings reveal gender differences with women aged 50 and older showing the most substantial levels of social presence and trust. Therefore, it is expected that this finding can serve as valuable evidence to enhance the satisfaction of medical institution service users, offering crucial insights into the effective utilization of chatbot services.

• 보건의료생명과학 논문지
• /
• 제11권1호
• /
• pp.67-77
• /
• 2023

본 논문은 인공지능 기술을 활용한 헬스케어 서비스 및 기술 등을 분석함으로써 향후 전문대학 수준의 인공지능 전문인력을 양성하기 위한 선행연구로서의 목적이 있다. 인공지능 기술은 국가 경쟁력 및 부가가치를 창출할 미래 핵심 동력 또는 핵심 기술로 인식되면서, 선진 국가들은 국가 차원에서 기술 개발은 물론 인력양성에 많은 관심과 지원을 투입하고 있다. 우리나라도 인공지능 대학원 프로그램 지원사업과 같은 국가 차원의 R&D 인력 양성 사업을 추진하고 있고, 대기업을 위주로 해서 자체적인 인공지능 인력 양성 및 확보에 많은 투자를 진행하고 있지만, 그럼에도 불구하고 인공지능 전문인력이 부족한 상황이다. 본 연구는 인공지능기술을 활용한 의료 서비스 및 기술, 산업 현황 및 인공지능 인력양성의 현황을 분석하고, 이를 통해 전문대학 수준의 헬스케어 인공지능 인력 양성에 대한 방향을 제안한다.

• 한국콘텐츠학회논문지
• /
• 제20권5호
• /
• pp.448-456
• /
• 2020

4차 산업혁명 시대에서 폭발적인 정보와 데이터를 얼마나 잘 다루고 활용하는가는 산업의 경쟁력과 직결되는 문제로 인식이 되고 있다. 특히, 의료 분야에서 인공지능 기술의 도입은 그 활용에 있어서나 사회적으로나 파급력이 굉장히 크다고 할 수 있으며, 활용 범위 별 인공지능의 동향을 파악하기 위해 본 연구를 진행하게 되었다. 본 연구에서는 의료 분야에서의 인공지능 활용을 크게 다음과 같이 4가지 활용범위, (1)병원 솔루션, (2)개인 건강관리, (3)보험회사, (4)신약개발로 나누어 살펴보았다. 인공지능 기술의 활용 범위 별 다양한 사례와 동향을 바탕으로 우리나라 의료 산업에서는 앞으로 어떠한 전략으로 인공지능을 발전시켜 나가야 하는지 방향성을 제시하고자 하였다. 본 연구에서는 헬스케어 산업 다양한 분야에서 인공지능의 활용 사례에 대해 알아보고, 헬스케어의 최신 이슈사항이 무엇인지 서술하여 의료산업 전반에 도움을 주고자 하였다. 인공지능 기반 의료 시스템의 발전은 보다 쉽게 만성질환자 및 환자들의 건강을 관리해주고, 암이나 질병 진단의 정확성을 높이며 신약개발을 더 빠르고 효율적으로 진행되도록 도움을 주었다. 본 연구를 통하여 한국의 의료 산업에서는 앞으로 어떠한 전략으로 인공지능을 발전시켜나가야 하는지 방향성을 제시하고자 하였다.

• 한국인공지능학회지
• /
• 제10권2호
• /
• pp.7-11
• /
• 2022

OLED displays cannot be used permanently due to burn-in or generation of dark spots due to degradation. Therefore, the time when the display can operate normally is very important. It is close to impossible to physically measure the time when the display operates normally. Therefore, the time that works normally should be predicted in a way other than a physical way. Therefore, if you do computer simulations based on artificial intelligence, you can increase the accuracy of prediction by saving time and continuous learning. Therefore, if we do computer simulations based on artificial intelligence, we can increase the accuracy of prediction by saving time and continuous learning. In this paper, a dataset in the form of development from generation to diffusion of dark spots, which is one of the causes related to the life of OLED, was generated by applying the finite element method. The dark spots were generated in nine conditions, such as 0.1 to 2.0 ㎛ with the size of pinholes, the number was 10 to 100, and 50% with water content. The learning data created in this way may be a criterion for generating an artificial intelligence-based dataset.

• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.29-34
• /
• 2023

Recently, the rapid development of artificial intelligence technology, many studies are being conducted to predict the risk of heart disease in order to lower the mortality rate of cardiovascular diseases worldwide. This study presents exercise or dietary improvement contents in the form of a software app or web to patients with cardiovascular disease, and cardiovascular disease through digital devices such as mobile phones and PCs. LR, LDA, SVM, XGBoost for the purpose of developing "Life style Improvement Contents (Digital Therapy)" for cardiovascular disease care to help with management or treatment We compared and analyzed cardiovascular disease prediction models using machine learning algorithms. Research Results XGBoost. The algorithm model showed the best predictive model performance with overall accuracy of 80% before and after. Overall, accuracy was 80.0%, F1 Score was 0.77~0.79, and ROC-AUC was 80%~84%, resulting in predictive model performance. Therefore, it was found that the algorithm used in this study can be used as a reference model necessary to verify the validity and accuracy of cardiovascular disease prediction. A cardiovascular disease prediction analysis algorithm that can enter accurate biometric data collected in future clinical trials, add lifestyle management (exercise, eating habits, etc.) elements, and verify the effect and efficacy on cardiovascular-related bio-signals and disease risk. development, ultimately suggesting that it is possible to develop lifestyle improvement contents (Digital Therapy).

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1208-1218
• /
• 2022

최근, 의료 분야에서 인공지능은 많은 발전을 통해 다양한 분야로 확장하며 활용되고 있다. 하지만 대부분의 인공지능 기술들은 하나의 모델이 하나의 태스크만을 수행할 수 있도록 개발되고 있으며, 이는 의사들의 복잡한 판독 과정을 인공지능으로 설계하는데 한계로 작용한다. 멀티 태스크 러닝은 이러한 한계를 극복하기 위한 최적의 방안으로 알려져 있다. 다양한 태스크들을 동시에 하나의 모델로 학습함으로써, 효율적이고 일반화에 유리한 모델을 만들수 있다. 본 종설에서는 멀티 태스크 러닝에 대한 개념과 종류, 유사 개념 등에 대해 알아보고, 연구 사례들을 통해 의료 분야에서의 멀티 태스크 러닝의 활용 현황과 향후 가능성을 살펴보고자 한다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.141-147
• /
• 2022

디지털 헬스케어의 정의는 광의로는 헬스케어 산업과 ICT가 융합되어 개인건강과 질환을 관리하는 산업영역을 의미하고, 협의로는 환자의 건강을 향상시키기 위해 의료 서비스를 관리하는데 다양한 의료 기술을 사용하는 것을 포함한다. 본 논문은 디지털 헬스케어 분야에 적용되고 있는 인공지능과 기계학습 기법들의 활용사례 소개를 통해 다양한 디지털 헬스케어 분야에 인공지능 기술이 안정적이고 효율적으로 적용할 수 있도록 설계 지침을 제공하는 데 목적이 있다. 이를 위해 본 논문에서는 의료분야와 일상생활 분야로 나누어서 살펴보았다. 두 영역은 다른 데이터 특성을 갖는다. 두 개의 영역을 보다 세분화하여 데이터 특성 및 문제 정의 및 특징에 따른 인공지능 알고리즘 활용사례를 살펴보았다. 이를 통해 디지털 헬스케어 분야에서 활용되는 인공지능 기술들에 대한 이해도를 높이고 다양한 인공지능 기술의 활용에 대한 가능성을 검토하여 인공지능 기술이 헬스케어 산업과 개인의 건강한 삶에 기여할 수 있는 근본적인 가치에 대해 고찰한다.

• Imaging Science in Dentistry
• /
• 제53권2호
• /
• pp.101-108
• /
• 2023

Purpose: The aim of this study was to conduct a scoping review and meta-analysis to provide overall estimates of the recall and precision of artificial intelligence for detection and segmentation using oral and maxillofacial cone-beam computed tomography (CBCT) scans. Materials and Methods: A literature search was done in Embase, PubMed, and Scopus through October 31, 2022 to identify studies that reported the recall and precision values of artificial intelligence systems using oral and maxillofacial CBCT images for the automatic detection or segmentation of anatomical landmarks or pathological lesions. Recall (sensitivity) indicates the percentage of certain structures that are correctly detected. Precision (positive predictive value) indicates the percentage of accurately identified structures out of all detected structures. The performance values were extracted and pooled, and the estimates were presented with 95% confidence intervals(CIs). Results: In total, 12 eligible studies were finally included. The overall pooled recall for artificial intelligence was 0.91 (95% CI: 0.87-0.94). In a subgroup analysis, the pooled recall was 0.88 (95% CI: 0.77-0.94) for detection and 0.92 (95% CI: 0.87-0.96) for segmentation. The overall pooled precision for artificial intelligence was 0.93 (95% CI: 0.88-0.95). A subgroup analysis showed that the pooled precision value was 0.90 (95% CI: 0.77-0.96) for detection and 0.94 (95% CI: 0.89-0.97) for segmentation. Conclusion: Excellent performance was found for artificial intelligence using oral and maxillofacial CBCT images.

• 전자통신동향분석
• /
• 제35권2호
• /
• pp.1-16
• /
• 2020

"Artificial Intelligence+" is a key strategic direction that has garnered the attention of several global medical device manufacturers and internet companies. Large hospitals are actively involved in different types of medical AI research and cooperation projects. Medical AI is expected to create numerous opportunities and advancements in areas such as medical imaging, computer aided diagnostics and clinical decision support, new drug development, personal healthcare, pathology analysis, and genetic disease prediction. On the contrary, some studies on the limitations and problems in current conditions such as lack of clinical validation, difficulty in performance comparison, lack of interoperability, adversarial attacks, and computational manipulations are being published. Overall, the medical AI field is in a paradigm shift. Regarding international standardization, the work on the top 10 standardization issues is witnessing rapid progress and the competition for standard development has become fierce.

• Korean Journal of Radiology
• /
• 제25권8호
• /
• pp.687-690
• /
• 2024