기본정보
- 교과목개요본 교과목은 ‘일반 AI 활용법’ 중심의 리터러시를 넘어, 바이오헬스 데이터의 특수성(민감정보·표준·품질·편향·임상적 해석 가능성)을 이해하고 이를 기반으로 의료·보건 현장에서 AI를 책임 있게 활용·평가·의사결정에 연결하는 역량을 함양하는 것을 목표로 한다. 구체적으로 (1) 바이오헬스 데이터 유형(EMR/청구·검사·영상·유전체·웨어러블·PRO 등)과 표준/전처리/품질관리의 핵심을 이해하고, (2) 진단·예측·분류·영상분석·임상결정지원(CDSS)·원격모니터링 등 대표 활용 사례를 통해 “어떤 문제에 어떤 데이터·모델이 적합한지”를 판단하며, (3) 개인정보보호·동의·2차 활용·알고리즘 편향·설명가능성·책임소재 등 바이오헬스 AI의 윤리·규제·거버넌스 쟁점을 사례 기반으로 분석한다. 또한 생성형 AI/LLM은 “도구 소개” 수준이 아니라, 임상 문서 요약·환자교육 콘텐츠 생성·의료 지식 검색(RAG)·의무기록 작성 보조 등 바이오헬스 실제 업무 흐름에 연결하여, 신뢰성/환각(hallucination)/근거제시/감사가능성(auditability) 관점에서 평가하도록 설계한다.
- 학습목표1. 학생은 바이오헬스 데이터의 유형과 특징(민감정보, 결측/편향, 임상적 의미)을 설명하고, 표준·품질관리·전처리의 기본 원칙을 적용할 수 있다.
2. 학생은 바이오헬스 문제(진단/예후예측/위험도 분류/영상·신호 분석)에 맞는 데이터·모델·평가지표를 선택하고, 결과를 임상·보건 맥락에서 해석할 수 있다.
3. 학생은 바이오헬스 AI 활용사례를 근거 기반으로 분석하여, 적용 가능성과 한계(일반화, 데이터 이동, 외부검증 필요성)를 비판적으로 평가할 수 있다.
4. 학생은 개인정보·동의·2차 활용, 편향/공정성, 설명가능성, 책임성과 규제 등 핵심 윤리·거버넌스 쟁점을 사례로 설명하고, 대응 전략을 설계할 수 있다.
5. 학생은 LLM/생성형 AI를 바이오헬스 업무(문서요약, 환자교육, 지식검색)에서 활용할 때 발생 가능한 위험(환각, 근거 부재, 저작권/표절, 안전성)을 점검하고 안전장치(근거제시, 검증, 가드레일)를 적용할 수 있다. - 주요주제바이오헬스 데이터(EMR·영상·웨어러블·유전체) 이해 / 데이터 품질·표준·거버넌스 / 바이오헬스 AI 활용사례(진단·예측·CDSS) / 의료 AI 윤리·규제(동의·프라이버시·편향·설명가능성·책임성) / 임상·공중보건 의사결정에서의 책임 있는 AI
- 선수과목없음
- 준비사항없음
- 장애학생 수업안내본 강의를 수강하는 장애 학생들에게는 장애 학생 개개인의 특성과 요구에 따라 수업 담당 교강사와의 상담을 통하여 적절한 수준의 지원 서비스(시험시간 연장 및 시험방법 조정 등)를 제공할 수 있습니다.
핵심역량
- 인간사회 공감력
- 생명과 환경을 존중하며, 지역사회와 인류에 공헌하려는 덕성
- 5%
- 상호소통능력
- 다양한 이해관계자, 타 학문분야와의 소통을 토대로 바이오헬스 분야의 조화로운발전에 기여하는 능력
- 20%
- 디지털 융합력
- 다양한 관점·생각, 빠르게 변하는 기술·트렌드에 민첩하고 유연하게 대응하는 능력
- 50%
- 창조적 문제 해결력
- 바이오헬스 분야에 대한 학술·실무적 이해를 토대로 발휘하는 창의적인 응용력
- 20%
- 자기점검능력
- 지속가능한 윤리적 전문가가 되기 위하여 배우고 성찰하는 주도적 태도
- 5%
주제별 수업내용
- 1주제OT & 현 시대의 AI
-
· AI 리터러시의 정의
· AI 리터러시 핵심 영역
- 2주제바이오헬스 AI 문제정의 프레임
- 3주제의료데이터 거버넌스·법·윤리
- 4주제데이터 품질관리와 편향
- 5주제임상·보건 성능지표와 해석
- 6주제의료영상·생체신호 AI 개론
- 7주제전반기 학습내용 요약 정리
- 8주제대규모 언어모델(LLM)의 기본 원리
- 9주제· 언어 모델의 개념 · Transformer의 혁신 · 대규모 언어 모델의 구조와 학습 방식 · GPT 모델
- 10주제LLM/생성형 AI의 의료 적용 1 — 지식검색(RAG)·근거성
- 11주제LLM/생성형 AI의 의료 적용 2 — 임상문서 요약·차팅 보조의 위험
- 12주제의료 AI 윤리 심화 — 편향·설명가능성·책임성
- 13주제규제·가이드라인·임상적 검증 관점
- 14주제연구자 관점 — 의료데이터 연구윤리·재현성·보고 원칙
- 15주제학습내용 요약 정리
