프로페서 H의 메디톡

생존과 성공의 열쇠는 기술적 숙련도를 넘어, 비즈니스적 통찰력을 바탕으로 현실의 문제를 발굴하고 AI와 연결하는 능력에 달려 있다. 다시 말하면 해결할 가치가 있는 문제를 찾아내고, 그 본질(정확한 핵심)을 가장 에너지 높은 언어로 명료하게 정의하는 능력을 갖춰야 한다 - 노정석 2025년 하반기 주요 이벤트 (참고 사이트: https://youtu.be/iphkBknRyjo?si=xiIURe3-6xB8WnAG)날짜 (2025년)발표 내용주요 특징 및 의미9월 30일Claude Sonnet 4.5 10월 1일Periodic Labs과학 분야에서의 AI 활용 신호탄10월 21일ChatGPT Atlas브라우저 + AI 어시스턴트의 통합10월 30일OpenAI 내부 목표 발표'Full-stack compan..

고령 환자를 바라보는 또 다른 시선: ‘달력 나이’의 한계우리는 흔히 누군가의 건강 상태를 말할 때 “나이에 비해 건강하다”, 또는 “나이에 비해 약하다”라는 표현을 자연스럽게 사용한다. 이 말 속에는 이미 알고 있는 사실이 숨어 있다. 달력상의 나이(calendar age)는 인간의 생물학적 상태를 온전히 설명하지 못한다는 점이다. 최신 혈액종양학 연구에서 제안된 ‘면역나이(immune age)’ 개념은 이 불일치를 정량적으로 보여주는 중요한 시도다. 특히 다발골수종(multiple myeloma, MM) 환자에서 확인된 면역노화 패턴은, 특정 암을 넘어 광범위한 질환과 노화 전반에 적용할 수 있는 새로운 바이오마커 가능성을 제시한다.면역세포는 왜 늙는가: 전신적(global) 면역 노화의 특성면역 시..

Rivera J, Yan Q, Daneshmandi S, Lannes R, Katsuta E, Choi J, Singh P, Belal A, Alberico R, Lund I, Schaefer M, Hassan H, Parker S, Anderson KC, Munshi NC, Samur M, McCarthy PL, Hillengass J, Mohammadpour H.Deciphering neutrophil dynamics in the focal lesion tumor microenvironment to overcome immunosuppression in multiple myeloma.Blood. 2025;146(20):2392–2405. doi:10.1182/blood.2025028963.Availab..

13097회 피인용된 연구:Retrieval-Augmented Generation for Knowledge-Intensive NLP Taskshttps://arxiv.org/abs/2005.11401 Retrieval-Augmented Generation for Knowledge-Intensive NLP TasksLarge pre-trained language models have been shown to store factual knowledge in their parameters, and achieve state-of-the-art results when fine-tuned on downstream NLP tasks. However, their ability to access and precisely..

학습 목표이 가이드는 대규모 언어모델(LLM)의 사전학습 과정에서 핵심이 되는 Vocabulary, Loss, Perplexity 개념을 이해하고, 이를 바탕으로 모델 성능을 평가할 수 있는 능력을 기르는 것을 목표로 한다.1. Vocabulary (어휘 집합) 이해하기1.1 기본 개념Vocabulary는 언어모델이 이해하고 생성할 수 있는 모든 토큰(token)의 집합이다.Kimi K2 사례: Vocabulary 크기 = 163,840개이는 모델이 163,840개의 서로 다른 토큰을 구분할 수 있다는 의미이다1.2 Vocabulary의 구성 요소Vocabulary는 단순히 "단어"만을 의미하지 않는다:완전한 단어: "안녕하세요", "machine", "learning"Subword 단위: "학습", "..

참고문헌: Kauffman J, Miotto R, Klang E, Costa A, Norgeot B, Zitnik M, Khader S, Wang F, Nadkarni GN, Glicksberg BS. **Embedding Methods for Electronic Health Record Research.** _Annu Rev Biomed Data Sci_ 2025;8:563–590. DOI: [10.1146/annurev-biodatasci-103123-094729](https://doi.org/10.1146/annurev-biodatasci-103123-094729) 🔹 1. 기본 개념모든 임베딩 기법은 특징(feature)의 공출현(co-occurrence) 개념을 기반으로 데이터 내 패턴을 학습..

문헌을 자동으로 검색하는 AI 에이전트는 1) 학술 저작을 도와주는 것을 목적으로 하거나, 2) 특정 주제에 대하여 관련성이 높은 문헌을 잘 탐색해서 선별 제시해주는 것을 목적으로 하는 것들로 분류해볼 수 있을 것 같다. bias없는 review나 가이드라인을 작성하기 위해서는 후자의 기능이 더 필요할 것으로 생각한다.각 에이전트들의 특징을 정리해보고자 한다(계속 업데이트 예정). [논문 작성 보조 도구들]SciFlow (SciFlow GmbH, Berlin, Germany, https://sciflow.net) 추천jenni.ai (추천)samwell.airesearchrabbitapp.com (추천) - connected paper도 유사한 기능을 가지고 있다. scite.aielicit ai (체계..

(업데이트: 2025.11.3) 이번에는 좀더 균형된 review, guideline 저작과 관련된 문헌 탐색에 더 촛점이 맞추어진 것이라 생각하는 에이전트를 살펴보고자 한다. 1. Consensusu.app2. Covidence - 전문적인 systematic review를 작성하려고 할 때3. Elicit.org - systematic review4. EvidenceHunt - 빠른 문헌 탐색5. LitSuggest - NIH에서 제공하는 웹기반 literature recommendation and curation6. rayyan - systematic literature reviews (추천)7. Dimensions.ai (업데이트) 문헌, 펀드, 임상시험 등 광범위한 탐색 (추천)8. open..

🔹 참고 문헌Raymond K. H. Yip, Jeremy Er, Lei Qin, et al.Profiling the spatial architecture of multiple myeloma in human bone marrow trephine biopsy specimens with spatial transcriptomics.Blood. 2025; 146(15):1837–1849.doi:10.1182/blood.2025028896 🔹 골수의 공간을 해독하다다발성 골수종(Multiple Myeloma, MM)은 형질세포(plasma cell)의 악성 증식으로 발생하는 혈액암이다.이 질환의 특징은 단순히 유전자 변이로만 설명되지 않는다.악성 형질세포가 어떤 미세환경(bone marrow microenvi..

Tripathi A, Waqas A, Schabath MB, Yilmaz Y, Rasool G, et al.HONeYBEE: enabling scalable multimodal AI in oncology through foundation model-driven embeddings.NPJ Digital Medicine. 2025;8:622.doi:10.1038/s41746-025-02003-4.📘 요약**HONeYBEE (Harmonized ONcologY Biomedical Embedding Encoder)**는 암 연구를 위한 오픈소스 멀티모달 AI 프레임워크로, 다양한 생의학 데이터(임상정보, 병리·영상, 분자 데이터 등)를 통합하여 **환자 단위 임베딩(embedding)**을 생성한다.이 프레임..