공인인증서가 없어도 법인 및 연구비 (신용)카드로 결제가 가능합니다.

문의: shoppinghub@techforum.co.kr    전화: 070-7169-5396    www.shoppinghub.co.kr 

[PDF 주문안내]
- 고객명(소속/기관명)으로 주문하시기 바랍니다. (PDF는  메일로 발송됩니다.)
*업무시간(10:00~17:00) 이후 주문 건 및 휴일(주말, 공휴일, 임시공휴일 포함) 주문 건은 정상 영업일에 발송됩니다.

[계산서 발행안내]
- 사업자등록증 사본을 이메일(shoppinghub@techforum.co.kr) 로 보내주시기 바랍니다.
*현금결제(계좌이체, 무통장입금)건에 한해서 발행됩니다.

[견적서 및 거래명세서 발행안내]

- 이메일(shoppinghub@techforum.co.kr) 또는 주문 시 '요구사항'란에 메모를 남겨주시기 바랍니다.

제1장 디지털 헬스와 디지털 병리학(digital pathology)의 기술 개요

1. 새로운 패러다임 디지털 헬스

1-1. 디지털 헬스케어의 진화

1-1-1. 디지털 헬스케어와 데이터

(1) 디지털 헬스케어와 데이터의 상관관계

가. 새로운 의료 패러다임 디지털 헬스케어의 진화

나. 데이터와의 상관관계

(2) 데이터3법 

(3) 국내 의료 데이터의 활용성 

1-1-2. IT 통합

1-1-2. 치료 방식의 변화 유전체 시퀀싱(Sequencing)

(1) 유전자 분석

(2) 차세대 유전체 분석 기술

가. 전장엑솜시퀀싱(Whome Exome Sequencing, WES)

나. 전장 유전체 시퀀싱(Whole Genome Sequencing, WGS)

다. 목표 유전자 시퀀싱(Targeted Gene Sequencing, TGS)

라. 유전체 분석 기술과 디지털 헬스케어

(3) DTC 유전자 검사

가. DTC 유전자 검사 개요

나. 국내외 DTC 유전자 검사 동향

다. DTC 유전자 검사시 유의사항

1-1-3. 디지털 병리학(Digital Pathology)

(1) 디지털 병리학 개요

(2) 디지털 병리학 기반 생산성 향상

1-1-4. 정밀의학(precision medicine)의 전환

1-2. 원격의료와 진화를 통한 디지털 헬스케어의 발전 전략

1-2-1. 기존 의료시스템과의 결합

1-2-2. 디지털 헬스케어의 발전 전략

2. 디지털 병리학(digital pathology) 기술 동향

2-1. 디지털 병리학의 등장 배경

2-1-1. 병리학(Pathology)

(1) 질병과 병리학

(2) 병리 진단

2-1-2. 디지털 병리학의 필요성

2-2. 디지털 병리 시스템

2-2-1. 병리 검사과정

(1) 육안조직병리 관찰

(2) 조직슬라이드 제작

(3) 현미경 관찰

2-2-2. 디지털 병리 과정

2-2-3. 디지털 병리 솔루션

2-2-4. 병리 데이터

2-3. 디지털 병리 활용을 위한 생태계 조성 및 이점

2-3-1. 디지털 병리학 생태계 조성

2-3-2. 디지털 병리학 장점

2-4. 디지털 병리학 시장 전망

2-4-1. 시사점

2-4-2. 디지털 병리학의 시장 전망

제2장 합성 데이터(Synthetic Data)와 디지털 치료제(Digital Therapeutics) 기술 동향

1. 합성 데이터 기술 동향 

1. AI와 의료 기술

1-1. AI 기반 합성 데이터(Synthetic Data)

1-1-1. 합성 데이터(Synthetic Data) 개념

(1) 합성 데이터(Synthetic Data) 등장 배경

(2) 합성 데이터 개념

1-1-2. 합성 데이터 목적

(1) 합성 데이터와 비식별화

(2) 합성 데이터의 특징

가. 합성 데이터의 이점 

나. 합성 데이터의 단점 

1-1-3. 합성 데이터와 실제 데이터 비교

(1) 합성 데이터 생성 기술

(2) 합성 데이터 대 실제 데이터

(3) 합성 데이터 생성 방법

(4) 합성 데이터 생성 과정

1-2. 합성 데이터 생성 방법의 종류

1-2-1. 완전 합성 데이터(Fully Synthetic Data)1-2-2. 부분 합성 데이터(Partially Synthetic Data)

1-2-3. 복합 합성 데이터(Hybrid Synthetic Data)

1-3. 합성 데이터 생성 프로세스

1-3-1. CART 기법을 적용한 재현 데이터 생성

1-3-2. 딥러닝 기반 합성 데이터 생성 방법

(1) GAN(Generative Adversarial Network)을 활용한 합성 데이터 생성

가. GAN 기술 개요

나. GAN 구조

① 학습데이터

② 생성자(generator) 네트워크

③ 판별자(discriminator) 네트워크

다. 적대적 학습 방법

(2) VAE(Variational Autoencoder)로 합성 데이터를 생성하는 과정

(3) 베이지안 네트워크(Bayesian Network)를 활용한 합성 데이터 생성

2. 합성 데이터 활용 사례 및 기술 동향

2-1. 합성 데이터의 활용 사례

2-1-1. 빅데이터 분석을 위한 합성 데이터

2-1-2. 기계학습 알고리즘 교육을 위한 합성 데이터

2-2. 합성 데이터 활용 분야

2-2-1. 합성 의료 데이터

(1) 보건의료산업과 데이터

(2) 의료 분야에서 합성 데이터 활용

가. EHR 기반 합성 의료 데이터 생성

나. 임상데이터에 합성 의료 데이터에 활용

다. 합성 데이터를 활용한 신약 개발

2-2-2. 자율주행 자동차 구현을 위한 합성 데이터

(1) 합성 데이터 사용

(2) 합성 데이터 유용성을 위한 요구 사항

가. 정확한 센서 데이터

나. 환경에 따른 데이터 변형

다. 정확성을 위한 주석

2-2-3. 제조업에서의 합성 데이터 활용

2-2-4. 금융산업에서의 합성 데이터 활용

(1) 금융 데이터

(2) 금융분야의 AI 도입

가. RPA 시스템

나. 영업 및 마케팅 분야

다. 챗봇 활용

라. 투자 관리 및 트레이딩(Trading)

마. 사기 및 부정방지 기능

바. AI 기반 신용분석시스템

(3) 금융기관의 AI 도입을 저해하는 요소

(4) 금융분야의 합성 데이터 활용

2-3. 국내외 합성 데이터 기술 동향

2-3-1. 해외 합성 데이터 기술 동향

(1) 미국 SSB

(2) 미국 SynLBD

(3) 독일 노동청의 사업장 패널(IAB Establishment Panel)

(4) 영국 SYLLS(Synthetic Longitudinal Studies Data)

2-3-3. 국내 합성 데이터 기술동향

(1) 통계청

(2) 한국신용정보원 개인신용정보 재현자료

(3) 한국정보화진흥원의 코리아크레딧뷰로(KCB)

2-4. 합성 데이터의 해결 과제

그림 목차

[그림 1] 데이터 흐름 중심의 디지털 헬스케어 산업 구조

[그림 2] 의료 및 생명과학을 위한 비정형 데이터 관리

[그림 3] 헬스케어 서비스 모델의 미래

[그림 4] 의료 데이터 공유 및 원격 백업

[그림 5] 데이터3법 주요 내용 및 향후 과제

[그림 6] 마이 헬스웨이 의료 데이터 수집 체계

[그림 7] 병원·헬스케어 영역의 일반적인 스토리지

[그림 8] 임상유전체 연구를 위한 NGS의 활용

[그림 9] 표적 유전자 패널, 전체 엑솜 시퀀싱 및 전체 유전자 시퀀싱 접근법의 비교

[그림 10] 엑솜시퀀싱(Exome Sequencing)

[그림 11] 전장 유전체 시퀀싱의 주기적인 재분석 과정 모식도

[그림 12] Targeted sequencing flow

[그림 13] DTC 유전자 검사 과정

[그림 14] 공개 유전자 데이터베이스의 범위를 보여주는 가상 가계도

[그림 15] DTC 유전자 검사 대 소비자 소유 유전자 데이터

[그림 16] 디지털 병리학 기반 품질 향상

[그림 17] 디지털 병리학 기반 생산성 향상

[그림 18] 디지털 병리학의 분석 단계

[그림 19] 의료분야의 중요 기술과 의료 데이터의 종류 및 동향

[그림 20] 바이오마커를 이용한 맞춤형 치료제 개발

[그림 21] 원격의료를 활용한 통합 의료 사이클

[그림 22] 원격의료 진료 과목 비중 

[그림 23] 2021년 글로벌 헬스케어 부문이 해결해야 할 과제

[그림 24] 진단 및 정밀 종양학을 위한 AI 기반 디지털 병리학

[그림 25] 인체의 항상성

[그림 26] 디지털 병리 워크플로우

​[그림 27] 가상 현미경(virtual microscopy)

[그림 28] 디지털 병리 이미지 분석

[그림 29] 병리조직 검사 과정

[그림 30] 아날로그 방식의 병리학

[그림 31] 전통적 병리학과 디지털 병리학의 작업 흐름 차이

[그림 32] 디지털 병리 과정

[그림 33] 디지털 병리학 워크플로우

[그림 34] 병리학 PACS 아키텍처의 정보 흐름

[그림 35] 디지털 병리학의 분석 단계

[그림 36] 디지털 병리학 시스템

[그림 37] 디지털 병리학의 7단계

[그림 38] 디지털 병리학 시장의 세분화

[그림 39] AI 의료 기술의 가치 사슬

[그림 40] 인공지능(AI) 및 빅데이터

[그림 41] 합성 데이터 생성을 위한 워크플로우

[그림 42] 합성 데이터 프로세스

[그림 43] 데이터 익명화

[그림 44] 합성 의료 데이터의 생성 및 활용 과정

[그림 45] 데이터 창출 과정

[그림 46] 합성 데이터 라이브러리 구조

[그림 47] 데이터 패러다임 변화 분석

[그림 48] 기계학습 및 합성 데이터

[그림 49] 재현 데이터 생성 방법

[그림 50] 완전 합성 데이터와 부분 합성 데이터 비교

[그림 51] 합성 데이터를 활용한 개인정보 보호 사례의 예

[그림 52] 변수간 상관관계 비교

[그림 53] CART 결정트리 알고리즘 

[그림 54] 의사결정트리 알고리즘 작동 과정

[그림 55] GAN 아키텍처 개요

[그림 56] GAN 작업 과정

[그림 57] GAN의 개념도

[그림 58] GAN의 학습 방법

[그림 59] Generative Adversarial Network

[그림 60] 생성적 적대 네트워크

[그림 61] 판별자 교육 프로세스

[그림 62] GAN의 작동 방식

[그림 63] GAN을 활용한 재현 데이터

[그림 64] VAE의 구조

[그림 65] 생성모델 개념도

[그림 66] VAE로 합성 데이터를 생성하는 방법

[그림 67] 베이지안 네트워크의 예

[그림 68] A constraint graph grouping variables

[그림 69] 재현 데이터 생성기술 기반 가명처리 서비스 Use Case

[그림 70] 합성 데이터 생성을 위해 제안된 시스템

[그림 71] 개인정보 보호를 위한 AI의 안전한 구현 

[그림 72] 기계학습 알고리즘 교육을 위한 합성 데이터 개요

[그림 73] 머신러닝을 위한 합성 데이터 셋 생성 워크플로우

[그림 74] 머신러닝(ML) 워크플로우

[그림 75] 의료분야에서 인공지능 활용

[그림 76] 전자건강기록 데이터에서 예측·분석을 생성하는데 필요한 프로세스

[그림 77] 합성 데이터 생성을 위한 워크플로우

[그림 78] 임상적 증거 생성의 과정

[그림 79] 합성 의료 데이터 생성

[그림 80] 머신러닝(ML)을 활용한 의료 데이터 생성

[그림 81] 자율주행 차량의 장면 인식 및 물체 감지를 위한 딥러닝 아키텍처

[그림 82] 딥러닝을 통한 센서 융합

[그림 83] 합성 데이터와 실제 데이터 혼합

[그림 84] 자율주행 프레임워크

[그림 85] 합성 이미지 렌더링 과정

[그림 86] 학습용 이미지를 생성하는 Generative Model 구성도

[그림 87] 합성 데이터를 추가하기 전과 후의 위험한 오브젝트 감지율

[그림 88] 금융분야의 AI 도입

[그림 89] RPA의 이점

[그림 90] 챗봇 구축

[그림 91] 로보어드바이저 단계

[그림 92] 위험 관리를 위한 인공지능

[그림 93] AI를 적용한 신용 프로세스

[그림 94] GAN을 활용한 새로운 데이터 셋

[그림 95] 합성 생태계

[그림 96] 데이터 보호 규정의 범위

[그림 97] 합성 데이터 생성 과정

[그림 98] 금융 빅데이터 개방시스템 구조도 

[그림 99] 재현 데이터 구현

[그림 100] 비식별 조치 및 사후관리 절차

표 목차

[표 1] 의료서비스 패러다임 전환에 따른 치료방식의 변화와 디지털 헬스케어의 개념

[표 2] 모바일 헬스케어 애플리케이션 기능별 분류

[표 3] 해외 빅데이터 활용 사례 및 의료 데이터의 진화

[표 4] 데이터3법의 개정안

[표 5] 데이터3법의 주요 특징 및 데이터 활용을 위한 비식별화 과정

[표 6] 의료 데이터의 종류 및 동향과 빅데이터 기술을 활용한 치료방식의 변화

[표 7] ACMG 가이드라인의 우연히 발견된 결과 보고 기준중 유전성암 관련 유전자

[표 8] DTC 유전자 검사 3차 시범사업

​[표 9] 글로벌 정밀의료 시장 전망(단위: 십억달러)

[표 10] 병리학의 종류

[표 11] 육안 조직 검사

[표 12] 의료 빅데이터 활용 강화 분야

[표 13] 합성 데이터 분야 핵심기술 및 합성 데이터 생성 과정

[표 14] 데이터 비식별화 예시 및 비식별 조치와 사후관리 절차

[표 15] 국내외 인공지능 윤리 관련 원칙 및 가이드 발간 현황

[표 16] 데이터 비식별화 적용기법

[표 17] 합성 데이터와 실제 데이터의 질 측정 결과

[표 18] 재현 데이터 생성 도구

[표 19] 재현 데이터의 분류

[표 20] 합성 데이터 생성 기법

[표 21] 주요 결정트리 파라미터 및 의사결정트리 분류 알고리즘

[표 22] 합성 데이터(Synthetic Data)의 용도별 분류 및 합성 데이터 오픈소스[표 23] 합성 데이터에 사용할 수 있는 주석 유형

[표 24] 일반신용정보

[표 25] SSB 이용 절차

[표 26] 합성 데이터 (Synthetic Data) 분야 핵심기술 연구목표