회원 소식

HOME > 회원 안내 > 회원 소식

제목
[IRS글로벌] IRS글로벌에서 전하는 최신 Issues & Trends
작성자
master
작성일자
2021-03-11
조회수
1,090

 

IRS글로벌 홈페이지(www.irsglobal.com)에서는 보다 다양한 산업 분야의 정보를 제공하고 있습니다.

의료 AI 개발의 ‘3가지 장애물’ - 왜 니즈는 있는데 개발은 되지 않을까

미츠무라 나오키의 ‘이제 와서 묻지 못할’ 기술 강좌 딥러닝을 비롯한 인공지능(AI) 기술이 발전함에 따라 의료 분야에서도 AI를 개발하기 시작했다. 의사가 찾아내지 못한 질환을 IBM의 Watson이 발견하거나, 조기 발견이 중요한 안구 질환을 발견하는 데 구글의 AI가 도움을 주는 등 성과를 보이기 시작했다. 내시경 화상을 진단하는 AI 개발은 세계적인 트렌드가 되었다. 이러한 의료 AI는 일손 부족이 심각한 의료를 구할 비장의 무기가 될 것이라는 기대를 받고 있지만, 사실은 의료용 AI 개발에는 커다란 장애물이 존재한다. 1. 장애물(1) 의사는 바쁘고, 라벨을 매길 일손이 부족하다 의료용 AI 개발의 첫 번째 장애물은 학습 데이터를 만드는 인재가 부족하다는 것이다. 더욱 엄밀히 말하면, 의료용 데이터에 라벨을 매기는 인재가 부족하다. 여기서 말하는 ‘라벨을 매긴다’는 것은 AI에게 학습시키기 위한 데이터에 ‘정답 정보’를 부여하는 작업(어노테이션)이다. 예를 들어 X레이 사진을 보고 화상 진단을 하는 AI를 만들 경우, 각각의 X레이 사진이 무슨 사진인지 축적하지 않으면 AI는.... (더보기)

제약에서 AI가 사람을 능가한다 - Insilico Medicine이 개척한 가능성

제약 연구에서 AI가 사람을 능가하는 순간이 도래할지도 모른다. 미국의 벤처기업 Insilico Medicine이 지금까지 2~3년이 걸리던 신약 후보를 발견하는 프로세스를, 21일까지 단축했다는 연구 성과를 발표했다. 사람은 전부 조사할 수도 없는 양의 데이터를 모은 과거의 연구들 속에서, AI 프로그램을 통해 지금까지 존재하지 않았던 신약을 만들고 있다. Insilico Medicine을 포함하여 AI 벤처기업과 대형 제약회사의 제휴가 증가하여, 제약 업계의 새로운 트렌드를 만들고 있다. 신약을 21일 만에 만드는 AI 제약은 연구개발에 막대한 투자가 요구되는 분야이다. 하나의 신약이 시판되기까지 평균 약 7년이 걸리며, 26억 달러의 자금이 투자된다. 더 좋은 효능을 가진 약을 개발하거나 치료법이 확립되지 않은 환자에 대한 대처법을 연구하는 등, 제약 업계가 이루어야 하는 일은 아직도 많이 남아 있다. 의약품은 체내의 단백질과 결합하여 질병이 낫도록 작용하는 화합물이라 할 수 있다. 제약은 타깃이 되는 단백질을 특정하고, 뛰어난 효능이 나타날 것 같은 분자의 조합을 찾는 것에서부터 시작된다. 다으으로, 그 분자 화합물을 실험동물에 투여하고, 안전성ㆍ안정성ㆍ효능ㆍ독성을 확인하는 비임상 실험이 이루어진다. 인간에 대한 임상실험은 그 후에 이루어진다. 제약회사는 제약을 더욱 확실하고 저렴하게 실시하기 위해, 새로운 방법을 찾아 왔다. 특히 화합물을 탐색하는 단계에서는, 과거에 만든 수만~수십만 건에 이르는 화합물을 축적한 ‘라이브러리’ 중에서, 표적에 해당하는 단백질에 강하게 작용하는 것을 찾는 데 오랜 시간이 걸린다. 따라서 탐색 프로세스를 자동화하여, 비임상 실험을 하기까지 거릴는 시간을 단축하려는 움직임이 존재한다. 2014년에 창업한 Insilico Medicine은 AI를 사용하여 신약을 발견함으로써 눈부신 성과를 거두어, 최근 주목을 받고 있다. 일반적으로 분자 화합물을 특정하는 것부터 비임상 실험까지 2~3년이 걸리던 것을, 불과 21일 만에 완료하였기 때문이다. 과거에 연구된 화합물에 관한 데이터를 ‘라이브러리’를 통해 학습한 AI는.... (더보기)

2021년 디스플레이 산업 10대 예측

미국에 거점을 둔 플랫패널 디스플레이(FPD) 시장조사 및 컨설팅 회사 Display Supply Chain Consultants(DSCC)는 ‘2021년의 전 세계 디스플레이 산업 10대 예측’을 발표했다. 이제부터 10개 항목을 순서대로 소개한다. 1. 미중 무역 전쟁은 멈췄지만 평화 조약은 아니다 미국에 있어 중국과의 무역 전쟁은 트럼프 정권의 대표적인 정책 중 하나이었으며, 그것은 중국 제품을 미국으로 수입하는 데 대한 일련의 관세 인상에서부터 시작되었다. 신종 코로나 바이러스 팬데믹은 전 세계의 경제를 혼란스럽게 만들었고, 세계 무역을 혼란스럽게 하였지만, 중국의 미국과의 무역 흑자는 일찍이 없을 정도로 증가하였다. 트럼프 정권은 2020년에 무역 전쟁의 초점을 관세에서 제재로 바꾸었다. 그래서 Huawei의 스마트폰 사업에..... (더보기)

TV 제조사의 세계 랭킹 - 한국 리드 + 중국 추격

전 세계 TV 시장에서는 지금 세계의 경쟁을 제패한 삼성전자나 LG와 같은 한국 세력이 최고 자리에 군림하고 있지만, 중국의 TCL 등이 비용 대비 성능이 높은 제품을 투입하여, 맹렬히 추격하고 있다. 한편, 코로나로 인한 외출 제한의 영향으로 집에 있는 시간이 증가한 결과, TV의 매출 자체는 굳건할 것으로 보인다. 또한, 세계적으로 Amazon Prime이나 Netflix와 같은 VOD 서비스가 확장되어, ‘TV의 스마트화’를 통한 점유율 경쟁이 앞으로도 가열될 것으로 보인다. 온라인 동영상이 성행하는 시대가 되었지만, TV가 가전제품의 왕이라는 사실은 바뀌지 않는다. 1. 인터넷에 연결되는 스마트 TV의 등장 고도 경제 성장기에는, TV는 동경하는 가전제품으로서, 세탁기, 냉장고와 함께 ‘3가지 꿈의 기계’로 불렸다는 사실을 중장년층이라면 알 것이다. 최근에는 ‘TV를 보지 않는’ 젊은 사람도 많아졌지만, TV는 여전히 일본에서 인기 있는 가전제품이며, 오디오 & 비디오의 주역이라 할 수 있다. 물론 전 세계 사람들에게도 TV는 가전제품의 대표 선수격이다. 참고로 TV라고 하면 액정이 있는 화면을 떠올리기 쉽지만, 방송국에서 송신하는 전파를 이미지 정보나 음성 정보로 변환하는 ‘튜너’와 화면 및 스피커가 일체화된 장치를 ‘TV’라고 부른다. 예를 들어, PC 등과 연결하여 화면을 비추는 ‘디스플레이’와는 그 점이 다르다. 하지만 나중에 언급하는 바와 같이, 디지털화로 인해 등장한 ‘스마트 TV’에 의해 이제는 그러한 제품 간의 장벽이 무너지고 있다. 또한 TV는 진화를 거듭하고 있다. TV의 디스플레이는 브라운관에서 박형 TV로 전환되었고, 박형 TV는 액정 디스플레이, 유기EL로 기술 혁신이 이루어져, 크기는 작고, 가볍고, 전력 소비를 낮추게 되었다. 또한 TV의 디지털화와 함께 동영상도 하이비전, 4K, 8K 등 화질이 좋아지고 있다. 한편, IT의 급격한 발전, 특히 디지털 모바일 및 인터넷의 보급은 TV에도 큰 영향을 미쳤다. 원래 TV는 가정용 게임기, 홈 비디오 등의 디스플레이의 역할을 겸하고 있었지만, 스마트폰 ‘One seg’와 같이 이제는 TV와 디지털 모바일, 그리고 PC와 같은 정보 단말기의 경계가 허물어지고 있다. 그렇게 등장한 것이, 두 가지를 융합하여 연동시킨 ‘스마트 TV’이다. 즉 TV 방송을 시청할 뿐 아니라 인터넷과 연결할 수 있게 되어, VOD(비디오 온디맨드) 및 YouTube 시청 등 다양한 기능을 겸비한 TV로 진화하게 되었다. 스마트폰 등의 디바이스는 증가했지만, 대화면 TV는 여전히 중요한 터치 포인트다 2. TV 시장 점유율은 국내 기업이 리드, 중국 기업도 추격 중 TV의 산업 구조도 크게 변화했다. 하이테크의 결정체였던...... (더보기)

연료전지 특허 출원 및 연구 개발 증가

산업조사 전문업체인 IRS글로벌은 “연료전지” 연구개발 동향을 분석하기 위해 Microsoft에서 제공하는 Academic Knowledge API를 활용하여, “Fuel”, “Cell” 등의 단어가 제목 또는 초록에 포함된 연구를 추출하여 검색된 데이터 중 DOI가 존재하지 않는 데이터를 제거하여 31,397개를 분석하였다. 전체 연구의 내용 및 연구 주제별 주요 단어와 관계를 확인하기 위해 워드 클라우드와 텍스트 네트워크 분석을 수행하였다. 분석은 R 통계프로그램을 활용하였으며, 네트워크 분석은 quanteda 패키지를 활용하였다. 주제 분석에는 토픽 모델링(Topic modeling) 방법을 활용하였다. 동일하게 R 통계프로그램을 활용하였으며 textmineR 패키지를 활용하였다. 우선 분석을 위해 적정 토픽 수를 산출한 후, 해당 토픽 수로 잠재 디리클레 할당(LDA; Latent dirichlet allocation)을 수행하였다. 그리고 깁스 샘플링(Gibbs sampling)을 활용하여 각 연구의 토픽을 할당하였다. 또한, 각 토픽의 이름은 나이브 베이즈(Naive bayes) 모델을 이용하여 산출하였다. 나이브 베이즈 모델은 베이즈 정리를 바탕으로 임의의 데이터가 특정 클래스에 속할 확률을 계산하며, 주로 텍스트 분류에 활용된다. 나이브 라벨링 알고리즘은 probable bi-grams을 기반으로 가장 적합한 토픽의 이름을 라벨링할 수 있다. 다음으로 깁스 샘플링(gibbs sampling)을 활용하여 수집한 연구의 주제를 개별적으로 분류하였다. 이러한 과정을 통해 전체 주제의 이름을 라벨링하고, 개별 연구가 각 주제에 해당할 사후 확률을 측정할 수 있었다. 연료전지 분야는 1957년 1편의 연구가 발표된 이후, 최근 2020년엔 2,081편까지 연평균 12.9%의 증가세를 보이고 있다. 1957~1980년까지 총 202편,...... (더보기)


 
신간 보고서를 소개합니다.