[22. 9. 22] AWS Sagemaker Immersion Day 워크샵 참관기
SageMaker Immersion Day에서 MLOps와 통합 ML 개발 환경을 체험한 워크샵 후기를 소개했습니다. 모델 구축, 튜닝, 배포까지의 흐름과 실무 적용 가능성을 살펴보았습니다.

SageMaker Immersion Day에서 MLOps와 통합 ML 개발 환경을 체험한 워크샵 후기를 소개했습니다. 모델 구축, 튜닝, 배포까지의 흐름과 실무 적용 가능성을 살펴보았습니다.
기존 SOFA와 qSOFA의 한계를 짚고, 패혈증 조기 예측을 위한 딥러닝 모델 개발 과정을 소개했습니다. 데이터 확보부터 레이블링, 학습, 임상시험까지의 흐름과 의료 현장 적용 필요성을 설명했습니다.
버추얼 휴먼의 초기 한계였던 불쾌한 골짜기와 높은 비용 문제를 사이버가수 아담 사례로 설명했습니다. AI 기술 발전으로 제작 효율이 높아지며 의료 등 다양한 분야로 활용이 넓어질 가능성을 짚었습니다.
의료 데이터의 복잡성 때문에 AI 모델 개발과 재현성이 어려운 문제를 짚었습니다. Clairvoyance를 표준화된 파이프라인 도구로 소개하며 개발·평가·최적화의 체계화를 제안했습니다.
![[Medical AI] #2 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance](https://miro.medium.com/v2/resize:fit:1200/1*ZfaLRqwNvlNN2Qpu_oV9lw.png)
EHR 기반 의료 AI의 문제 정의부터 일반화 평가까지 5단계 개발 파이프라인을 소개했습니다. 보정·불확실성 추정과 임상 환경의 엄격한 검증 필요성을 강조했습니다.
![[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인](https://miro.medium.com/v2/resize:fit:1000/1*_xjbdT_fY2Av-H12txuKcA.png)
의료 인공지능에서 예측 근거와 임상적 타당성을 함께 제공해야 하는 이유를 설명했습니다. VitalCare의 Attention·GNN 기반 해석 기능과 멀티모달 모델 발전 방향을 소개합니다.
![[VitalCare] #3 해석가능한 의료 인공지능 모델](https://miro.medium.com/v2/resize:fit:1200/1*nr62Quofp_31IgXqs0R5HA.png)
대용량 Docking 기반 가상탐색의 장점과 정확도·비용 한계를 분석했습니다. 능동학습과 상호작용 기반 점수화로 탐색 효율 개선 방향을 제시했습니다.
![[Drug Discovery]#3 대용량 가상탐색을 위한 계산화학 방법론의 활용과 개선방안](https://miro.medium.com/v2/da:true/resize:fit:1200/1*rV_n6oy_ShoJA_-0QYXwrw.gif)
SOFA·qSOFA의 사후 평가 한계를 보완하기 위해 패혈증 조기 예측용 VitalCare를 개발했습니다. 시계열·고정형 데이터를 결합한 RNN 모델과 임상시험 검증 과정을 소개합니다.
![[VitalCare] #2 기존 평가도구의 한계를 극복하는 인공지능](https://miro.medium.com/v2/da:true/resize:fit:1200/1*nvpIXzv9h57riO66bJPM_g.gif)
소규모·비균형 신약개발 데이터에서 발생하는 과잉확신 문제를 베이지안 딥러닝으로 다뤘습니다. GNN과 SWAG 등을 비교해 가상탐색 예측의 신뢰도와 불확실성 정량화 가능성을 확인했습니다.
![[Drug Discovery] #2 가상탐색을 위한 신뢰할 수 있는 인공지능](https://miro.medium.com/v2/resize:fit:1200/1*gVYtCwKZmDYKsqbjzKyuZA.png)
신약개발의 방대한 화합물 탐색을 효율화하는 AI 활용 방안을 소개했습니다. 베이지안 딥러닝과 분자 그래프, 물리 기반 계산의 보완적 활용을 다뤘습니다.
![[Drug Discovery] #1 신약개발에서의 인공지능](https://miro.medium.com/v2/resize:fit:1200/1*kPhdL-OSgIEl-NEr2H5IgA.png)