|
|
|
|
|
 |
대학원 재학 중 의료영상 데이터 기반 질병 예측 모델 연구를 수행하며, 인공지능이 의료진의 의사결정을 얼마나 정확하게 보조할 수 있는지를 직접 경험했습니다.
저는 의료 AI 모델의 기술적 완성뿐 아니라, 의료 현장 적용 가능성을 높이는 기술개발자이 되고자 합니다.
대표성과는 앞서 언급한 의료영상 기반 경량화 AI 모델 개발 연구입니다.
입사 후 저는 "의료 데이터 기반인공지능 모델의 신뢰성과 실용성 확보"를 핵심 목표로 삼겠습니다.
1단계(입사 1~2년) : 의료 AI 핵심 알고리즘 및 데이터 처리 역량 강화
의료영상 및 생체신호 분석모델을 통합한 의료 AI 플랫폼 개발에 참여하여, 임상에서 직접 활용되는 시스템을 완성하는 것입니다.
5년 내 KETI의 의료 AI 기술을 상용화 수준으로 발전시키는 핵심 연구원이 되겠습니다.
|
|
|
 |
특히 한국전자기술연구원(KETI)은 의료영상 및 생체신호 기반 AI 진단기술, 디지털 치료제 플랫폼, 의료데이터 표준화 등 국가전략기술 분야를 선도하고 있어, 저의 기술역량을 사회적 가치로 연결할 수 있는 최적의 연구환경이라 판단했습니다.
인공지능은 단순히 모델을 만드는 것이 아니라, 데이터를 통해 현실 문제를 재해석하는 과정이라는 점에서, 의료 AI의 복잡성과 가치에 대한 깊은 이해를 쌓을 수 있었습니다.
제가 수행한 대표연구는 "의료영상 기반 딥러닝 진단 알고리즘의 경량화 및 실시간 분석"입니다.
기존 CNN 기반 모델은 정확도는 높았지만, 병원 PACS 시스템에서 실시간 처리하기에는 속도가 부족했습니다.
이러한 경험을 통해 저는 데이터 처리부터 알고리즘 개발, 그리고 의료 현장 적용까지 전주기적 연구 프로세스를 수행할 수 있는 역량을 갖추게 되었습니다.
대표성과는 앞서 언급한 의료영상 기반 경량화 AI 모델 개발 연구입니다.
이 연구의 핵심은 의료환경에서의 실시간 적용성을 높이기 위해 '모델 압축(ModelComp ression)'과 '구조적 최적화' 두 가지 접근을 병행한 것입니다.
해당 연구는 현재 산학협력병원과의 공동검증 단계를 거치고 있으며, 실용화를 목표로 후속 연구가 진행 중입니다.
또한, 특허출원 기술인 "생체신호기반 질병 예측 모델"은 EEG·ECG 등 다양한 생체 데이터를 융합분석해 뇌졸중, 심부정맥, 부정맥 등 주요 질환의 조기 탐지를 가능하게 하는 구조입니다.
이 모델은 기존 단일 신호기반 연구대비 진단 정확도를 10% 이상 높이며, KETI의 의료인 공지능 SW 기술 개발 방향성과 직접적으로 맞닿아 있습니다.
입사 후 저는 "의료 데이터 기반인공지능 모델의 신뢰성과 실용성 확보"를 핵심 목표로 삼겠습니다.
1단계(입사 1~2년) : 의료 AI 핵심 알고리즘 및 데이터 처리 역량 강화
장기적으로는 KETI의 의료 AI 기술을 기반으로 국내 병원, 헬스케어 스타트업, 의료기기 기업과의 협력 모델을 구축해 '산업화 가능한 AI 의료생태계'를 완성하겠습니다.
데이터의 품질과 알고리즘의 신뢰성입니다. |
 |
의료, 기술, 데이터, ai, 모델, 기반, 연구, 개발, 영상, 신호, keti, 생체, 이다, 지능, 분석, 화, 시스템, 성과, 현장, 진단 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.10.23
6페이지
