다양한 이야기들🍃

[약물 추천, AI 논문 정리 #3] 약을 추천하는 AI, 뭘 기준으로 결정할까?

이전 글들을 통해 까지 알아보았습니다!\ #1-1: 기존 약물 추천 모델의 한계#1-2: SafeDrug이 등장한 이유와 핵심 아이디어를 소개#2. : 관련한 이전 연구들     이제는 본격적으로 SafeDrug이 실제로 어떤 문제를 해결하려고 하는지,그리고 그 문제를 어떻게 수식으로 표현하고 학습하는지 알아볼 차례입니다. 논문에서는 약물 추천 문제를 환자의 진료 기록(EHR)과약물 간 상호작용(DDI) 정보를 기반으로 정의하고 있어요.오늘은 SafeDrug이 약 조합을 어떻게 예측하며,부작용(DDI)을 동시에 어떻게 통제하는지 그 핵심 구조를 함께 뜯어보겠습니다!      검정색 글씨는 논문을 1차 번역한 것, 파란 글씨는 내가 조금 더 이해할 수 있도록 문장을 정리한 것.   🧾 전자 건강 기록 ..

[약물 추천, AI 논문 정리 #2] 약물 추천 ai 기술의 변천사: LEAP부터 SafeDrug까지

이전 글들을 통해 논문 소개와 '서론' 까지 읽어보았습니다!구성은 아래와 같았어요. #1-1: 기존 약물 추천 모델의 한계#1-2: SafeDrug이 등장한 이유와 핵심 아이디어를 소개 2025.03.22 - [💻 본업(컴공생) 이야기/연구 이야기] - [약물 추천, AI 논문 정리 #1-1] 기존 모델의 한계와 SafeDrug의 등장 배경 [약물 추천, AI 논문 정리 #1-1] 기존 모델의 한계와 SafeDrug의 등장 배경https://real-st-ory.tistory.com/35 의료 AI의 핵심, '약물 추천'이란 무엇인가?"병원에서 받은 약, 누가 골랐을까?" 병원에 가면 우리는 진단을 받고, 바로 처방전을 받는다.그런데 그 약은 누가, 어떤 기real-st-ory.tistory.com 2..

https://real-st-ory.tistory.com/36 [약물 추천, AI 논문 정리 #1-1] 기존 모델의 한계와 SafeDrug의 등장 배경https://real-st-ory.tistory.com/35 의료 AI의 핵심, '약물 추천'이란 무엇인가?"병원에서 받은 약, 누가 골랐을까?" 병원에 가면 우리는 진단을 받고, 바로 처방전을 받는다.그런데 그 약은 누가, 어떤 기real-st-ory.tistory.com  이 포스팅은 약물 추천 AI 논문 [SafeDrug]을 읽고, 핵심 아이디어를 정리한 글입니다.앞선 글(#1-1)에서는 SafeDrug가 등장하게 된 배경과 기존 모델의 한계를 살펴봤다면,이번 글(#1-2)에서는 SafeDrug가 약물의 "구조 정보"와 "부작용 위험(DDI)"을 어..

https://real-st-ory.tistory.com/35 의료 AI의 핵심, '약물 추천'이란 무엇인가?"병원에서 받은 약, 누가 골랐을까?" 병원에 가면 우리는 진단을 받고, 바로 처방전을 받는다.그런데 그 약은 누가, 어떤 기준으로 고른 걸까? 더보기1. 누가 약을 '선택'하나? → 의사 🩺환자가real-st-ory.tistory.com  약물 추천이 뭐지?? 의료 AI가 뭐지?? 싶으신 분들이 마음의 문을 열고 논문을 읽을 수 있도록배경이나, 의료 AI의 일부를 가볍게 소개한 글이니, 의료 ai 논문이 너무 훅 들어온다 !! 하시는 분들은 위 포스팅을 먼저 읽어보시는 걸 추천드립니다 !!   SafeDrug은 약물 추천 AI 모델로, 기존 모델들이 고려하지 못한 "약물 분자 구조"와 "부작용..

"병원에서 받은 약, 누가 골랐을까?" 병원에 가면 우리는 진단을 받고, 바로 처방전을 받는다.그런데 그 약은 누가, 어떤 기준으로 고른 걸까? 더보기1. 누가 약을 '선택'하나? → 의사 🩺환자가 병원에서 진료를 받으면, 의사는 환자의 증상, 병력, 검사 결과를 바탕으로 어떤 약을 어떤 용량으로 쓸지 처방한다.처방전에는 약 이름, 용량, 복용 횟수, 기간이 구체적으로 적혀 있으며, 약물 선택은 의사의 책임이다.2. 그렇다면 약사💊 는 ? → 조제 & 검토약사는 의사의 처방전을 바탕으로 실제 약을 조제하고 환자에게 전달한다.또 다른 약사의 중요한 역할:약물 간 상호작용(DDI) 체크복용법 안내알레르기 여부 확인처방이 부적절할 경우, 의사에게 문의(=처방전 수정 요청)즉, 약사는 의사가 고른 약이 안전..

교수님께서 새로운 과제를 주셨어요 ~!지피티가 투두리스트를 정리해 준 것에 따라 이번 과제(어쩌면 방학 중 마지막이 될 수도 있는 !! 그리고 드디어 그냥 공부가 아니라 실제 의료데이터로 하는 것만 같은!!)를 체계적으로 실행해볼게요 !! ■  최종 과제 목표"LeNet, ResNet, EfficientNet을 분석하고, ISIC 2020 데이터셋(이미지 데이터)에 적용하여 하이퍼파라미터 튜닝을 통해 성능을 비교 및 최적화하는 것."  1. CNN 모델 분석→ LeNet, ResNet, EfficientNet의 구조와 특징 이해2. ISIC 2020 데이터셋 분석 → 이미지 데이터 구조 및 분포 확인3. CNN 코드 분석 → 코드 흐름과 주요 함수 파악4. 데이터 적용 및 하이퍼파라미터 튜닝 → 모델 학..

아래 자료를 공부하며 정리한 내용입니다 ~!    https://theaisummer.com/cnn-architectures/ Best deep CNN architectures and their principles: from AlexNet to EfficientNet | AI SummerHow convolutional neural networks work? What are the principles behind designing one CNN architecture? How did we go from AlexNet to EfficientNet?theaisummer.comhttps://medium.com/towards-data-science/the-w3h-of-alexnet-vggnet-resnet-and..

의료데이터 공부하기 4강_ 위험 계층화https://youtu.be/_shuV1tJbTU?si=BR6NArVryThEgikM '위험 계층화' 는 환자 집단을 여러 범주로 나누는 방법이다.ex) 고위험군, 저위험군, 중간위험군 '위험 계층화'는 '진단'과 다르다 진단 -> 오진(Misdiagnosis)이 발생하면 환자가 필요하지 않은 치료를 받거나, 적절한 치료를 제때 받지 못할 수 있다.위험계증화 -> 특정 범주(고위험, 저위험 등)에 환자를 분류하는 것이 목표이며, 완벽한 정확도가 요구되는 것은 아니다. 이러한 차이점 때문에, 위험 계층화에서는 양성 예측도(Positive Predictive Value, PPV) 같은 지표를 중시한다.즉, "우리가 고위험군이라고 예측한 환자들 중 실제로 고위험군에 해..

https://youtu.be/DS97JV_o0Fs?si=uJBs4CC2fPbFVsKN https://youtu.be/0UFwGJe6ubg?si=uVPirmxkYD3DWoCq 피피티는 유튜브 강의에서 사용하신 피피티를 아주 많이 참고하여 발표 자료를 만든 것이다. 병원에서는 환자의 심박수, 혈압, 과거 병력 등등 다양한 데이터를 수집하여 지료에 사용합니다. 그런데 만약 그 데이터들이 부정확하거나, 잘못 분석되었다면 어떤 결과를 초래할까요? 한 연구팀은 같은 병원에서 수집된 심박수 데이터를 분석하다가, CareVue 시스템에서는 심박수의 평균이 108.89, MetaVision 시스템에서는 87.41로 나타나는 차이를 발견했습니다. 같은 병원 데이터임에도 불구하고 이 차이가 발생한 이유는, 이 두 ..

3주차 수요일 https://youtube.com/playlist?list=PLUl4u3cNGP60B0PQXVQyGNdCyCTDU1Q5j&si=iOUuKMchJz8QbFEE MIT 6.S897 Machine Learning for Healthcare, Spring 2019Instructors: David Sontag, Peter Szolovits View the complete course: https://ocw.mit.edu/6-S897S19 Introduces students to machine learning in healthcare, the...www.youtube.com 머신러닝 기술을 통해서 의료사회를 어떻게 혁신 할 수 있을까?이 분야에 관심을 갖게 된 각자의 사연들이 있는 것 같다. 암판..