현재 다양한 분야에서 기계학습이나 심층학습 등의 인공지능(artificial intelligence: AI) 기술이 도입되고 있는데, 의료ㆍ헬스케어 분야에서도 의료ㆍ영상 해석에 대한 AI 적용을 비롯해 주로 진단기기에서 등장하고 있다.

최근에는 웨어러블 디바이스 등 계측기기의 발전에 의해 일상적으로 저ㆍ비침습적 바이탈 데이터의 계측이 가능해졌기 때문에 어느 시점의 데이터에 근거한 질환의 검지ㆍ진단에 그치지 않고 질환의 예방이나 치료의 선택, 예후 예측 등에서도 AI의 적용이 진행되고 있다.

 

2023년 5월 기준, 한국의 고령화율(65세 이상 비율)은 18.4%에서 2050년 39.4%까지 증가해 홍콩(40.6%)에 이어 전세계 2위의 고령 국가가 될 것으로 전망하고 있다. 2022년 고령화율이 29.9%로 세계 1위인 일본은 2050년에는 37.5%로 한국보다 1.9%포인트 밑돌면서 3위가 예상된다. 대만은 35.3%로 6위를 차지할 전망이다.

 

<그림1> 세계 고령화 추이 예상

자료 : Statista

 

이러한 초고령사회에서 질환 발병 후에 고액의 첨단치료를 실시하는 방향에서는 의료비가 계속 오를 전망이기 때문에 선제적인 치료 개입이나 예방 요구가 높아지고 있다. 선제적인 치료 개입이나 예방을 위해서는 정확도 높은 진단이나 질환의 조기 검사, 신체 상태 모니터링 등의 기술 개발이 바람직하지만, 이를 위해서는 그 어느 때보다 폭넓은 데이터를 통합적으로 활용할 필요가 있어 AI에 의한 해석ㆍ가시화는 필수라 할 수 있다.

예를 들어, 전자화된 진료 데이터나 게놈 정보뿐만 아니라 웨어러블 디바이스 등에서 얻을 수 있는 각종 헬스 데이터 축적도 비약적으로 진행되고 있어 이러한 대규모 데이터 해석에 AI 기술을 적용하는 의의는 점점 높아지고 있다.

 

전미경제연구소(National Bureau of Economic Research)가 2023년 1월에 발표한 연구에 따르면, AI의 광범위한 활용을 통해 향후 5년 이내에 미국 의료 및 행정 비용 전반에 관한 지출의 5~10%(연간 약 2000억~3600억 달러)를 절감할 수 있을 것으로 추산되며, 의료 품질과 환자 만족도 향상, 의료 접근성 향상에도 기여할 것으로 기대되고 있다.

 

의료 AI는 인공지능 기술을 의료 분야에 적용하여 환자 진단, 예방, 치료, 의료 정보 관리 등 다양한 분야에서 의료 전문가와 환자를 지원할 수 있다. 의사의 진단을 보조하기 위해 또는 환자의 자가 진단을 위해 객체 검출, 세그멘테이션, 시계열 데이터 분석, 자연어 처리 등 다양한 기술이 의료 분야에 접목되고 있다. 진단 기술에 AI를 도입함으로써 진단의 고정밀화와 보다 적절한 치료 선택, 휴먼 에러 방지, 나아가 전문의 부족 문제에 대한 기여가 기대되고 있다.

의료 분야에서 AI가 주로 활용되는 분야는 ‘질병 진단’이다. 엑스레이나 MRI 등 의료 영상을 판독해 이상 여부를 찾아내는 비전 AI 기술은 의사의 경험이나 실력, 컨디션에 상관없이 환자의 의심 질환을 정확히 찾아내는 유용한 도구로써 활용되고 있다.

질병 진단 분야에서 AI가 각광을 받는 이유는 그동안의 진단 방식으로는 찾아내기 힘든 초기 증상을 정확한 분석으로 빠르게, 그리고 새로운 환자 경험으로 찾아낼 수 있기 때문이다. 학계에서는 이미 많은 의료 AI 관련 연구가 진행되고 있고, 의료 AI 업계의 시장규모 또한 급격히 성장하고 있다.

 

또한 최근 웨어러블 디바이스 등 계측기기의 진전으로 일상적으로 저ㆍ비침습으로 바이탈 데이터를 연속적으로 측정할 수 있게 되었다. 웨어러블 디바이스에서 얻을 수 있는 시계열 데이터는 복잡하고 다루기 어려워 기존에는 활용이 어려웠지만 AI 기술 적용으로 인간도 인식할 수 없는 질환과 관련된 특징을 추출해 질환 진단 및 예측에 활용할 수 있다.

 

한편, 2010년 이후에 등장한 제3차 AI 붐에 있어서 의료ㆍ헬스케어 분야에도 급속히 AI 도입이 진행되어 왔다. 의료 AI의 세계 시장규모는 2022년부터 2030년까지 연평균(CAGR) 37%로 성장하여 2030년에는 약 1,880억 달러(약 248조 원)에 이를 것으로 전망되고 있다.

 

<그림2> AI 헬스케어 글로벌 시장규모 전망 (단위: 10억 달러)

자료 : Statista

 

① 내시경 영상 AI 분석

 

내시경 장비는 지능형 로봇 분야에 속하는 기술로, 개복 수술과 같은 침습적 절차를 통해서만 검사할 수 있었던 관절과 체강 내부를 의사가 볼 수 있게 해주는 관형 장치다.

보다 정확하고 신뢰할 수 있는 진단 및 치료를 달성하기 위한 내시경 기술이 지속적으로 발전하고 있다.

 

AI MEDTECH 전문기업인 웨이센社는 2019년 설립되어 국내 AI 소화기 내시경 시장 점유율 1위를 차지하고 있다. 국내 최초 AI 소화기 내시경 위ㆍ대장 라인업을 확보 후 식약처 인허가 3등급 및 제37호 혁신의료기기 지정을 받으며 AI 소화기 내시경 시장의 선두주자로 자리하고 있다.

웨이센社의 인공지능 소화기 내시경 영상분석 소프트웨어 ‘WAYMED Endo(웨이메드 엔도)’는 내시경 검사와 동시에 실시간으로 위, 대장 내 이상병변의 유/무를 감지하고 감지된 병변의 특성을 분석해 내시경 검진의에게 정보를 전달하는 혁신제품이다. 웨이메드 엔도는 전 세계에서 유일하게 내시경에 인공지능 기술을 접목한 기술로 업계 최초 CES 2022 혁신상을 수상했으며, 해당 제품은 협진 기술로 고도화해 CES 2023에서도 혁신상을 수상하며 2년 연속 혁신상에 이름을 올렸다.

내시경 제조사 브랜드와 상관없이 모두 호환이 가능하고, 기존에 사용하던 내시경 장비에 연동 후 바로 사용이 가능하다는 점에서 내시경 검사를 운영하는 병원 및 검진센터에서 높은 관심을 보이고 있다.

 

② 방사선 영상 AI 분석

 

MRI는 공명되는 전자파를 측정한 영상으로 질병을 진단하며, 주로 뇌혈관이나 뇌종양을 확인하기 위한 두경부 검사나 척추 검사에 사용된다. CT로는 확인하기 어려운 근육이나 인대, 피하지방 등과 같은 연부 조직의 이상 징후를 확인하는데 가장 효과적이며, 횡단면 촬영만 할 수 있는 CT와 달리 관상면과 시상면도 촬영이 가능해 임상적 진단 역량이 뛰어난 장비이다.

 

그러나 MRI 진단에도 한계점이 있다. 다른 영상진단장비와 비교해 MRI는 검사 비용이 다소 비싸고 검사 시간이 30분에서 60분 정도로 오래 걸린다. 이러한 단점을 보완하기 위해 여러 영상진단장비 업체들이 진단 속도를 개선하기 위해 노력 중이다. 최근에는 진단 속도를 향상하기 위해 MRI 장비에도 AI 알고리즘을 적용하고 있다.

 

병원 내 방사선 이미지를 컴퓨터에 의한 해석, 학습, 추론의 대상이 되는 빅데이터로 발굴하여 AI 기술을 이용한 암 임상 지원 시스템 구축을 목표로 한 연구가 시작되었다. 예를 들어 전이성 뇌종양에 대한 정위 방사선 치료 후 국소 제어율과 영상 특징량의 관계를 검증한 라디오믹스의 연구 성과가 일본에서 발표된 바 있다.

일본 이화학연구소 혁신지능통합연구센터에서는 AI를 이용한 태아심장 초음파 스크리닝 시스템 개발이 진행되고 있으며 2022년에는 심층학습을 이용한 새로운 설명 가능한 표현 ‘그래프 차트도’를 개발하였다.

이 기술에 의해 초음파 검사에서 이상 소견 유무를 판정할 때 판정의 근거가 되는 진단 부위의 검출 결과를 기존 방법보다 명확하게 제시하는 것이 가능해졌다. 또 검사자가 그래프 차트도를 참고함으로써 태아 심장 초음파 스크리닝 정확도가 향상되는 것도 확인되었다.

 

국내 IT 전문기업 신라시스템社가 AI 기반 의료 진단 및 보조솔루션 ‘메디(Medi)-AI 시리즈’를 개발하였다. 메디-AI 시리즈는 다양한 골격계 질환을 진단하고, 예측할 수 있는 종합정보 제공 솔루션이다.

시리즈 가운데 ‘CMedi-AI’는 척추측만증 진단의 기본이 되는 척추뼈의 휨 정도를 자동계산하는 딥러닝 AI 모듈을 탑재한 제품이다. 척추측만증 진단을 위해 촬영한 엑스레이(X-ray) 이미지 상에서 의료진이 수동으로 휨 정도를 측정하던 기존 방식에서 벗어나 분석결과를 시각화했다. 측정 정확도와 신속성, 일관성을 대폭 향상시켰으며 클라우드 기반 간편 서비스를 제공해 기존 병원시스템과 쉽게 연동할 수 있다.

‘BMedi-AI’는 뼈 나이를 판독, 성장 정도를 측정하는 AI 솔루션이다. 손과 골반 엑스레이를 분석, 환자의 성장 정도를 적절한 형태로 보여준다. 환자 연령대에 따라 정확한 뼈 성숙도를 측정할 수 있는 방법을 선택적으로 적용하며, 뼈 나이를 소수점 둘째 자리까지 표현함으로써 진단 정확도를 높였다.

‘SMedi-AI’는 ‘CMedi-AI’와 ‘BMedi-AI’를 통합한 척추측만증 진단 및 예후 예측 AI솔루션이다. 환자 나이, 성별 등 임상 정보를 추가 입력받아 환자의 성장 정도에 따른 척추측만증 이후 진행 추이를 그래프로 제공한다. 진단과 예후 예측에 필요한 측정·분석 시간이 각각 3초 이내로 획기적으로 단축될 것으로 예상된다.

 

③ 병리 영상 AI 분석

 

병리표본의 제작법 및 염색법이 시설마다 다르기 때문에 병리영상의 표준화 등 해결해야 할 과제가 산견되어 아직 임상현장에 적극적으로 도입되고 있는 상태는 아니지만 병리영상 해석은 가장 AI의 도입이 기대되는 분야 중 하나이며, 미국 등에서 연구가 진행되어 왔다.

 

미국 Paige.AI사의 ‘Paige Prostate’가 2021년 9월 FDA로부터 의료기기 승인을 받아 판매되게 되었다. Paige Prostate는 디지털화한 전립선 생검의 병리영상 데이터를 AI로 해석해 병리의 판단을 지원하는 전립선암 AI 진단지원시스템이지만 전립선 생검의 병리영상 데이터로 한정하고 있어 장기횡단적 병리영상 해석이 AI를 활용해 되는 것은 아니다.

병리영상뿐만 아니라 AI를 이용한 의료영상 해석 전반에 도메인 시프트 문제가 있기 때문에 범화성능과 특이도 모두를 향상시키기 어렵다.

의료 AI 연구개발을 실시하는데 있어서는 구체적인 목표를 설정하고 우선은 한정된 영역으로 좁힌 운용을 검토하는 접근방식을 상정할 수 있을 것이다.

 

국내 연구팀(대구경북과학기술원(DGIST) 로봇 및 기계전자공학과 박상현 교수팀)이 병리학 영상에서 세포핵을 정확하게 분석하는 새로운 AI 기술을 개발했다. 이 기술을 통해 데이터셋을 구축하는데 소요되는 시간과 비용을 크게 절감하면서도 세포핵을 정확하게 분석하는 것이 가능해졌다.

최근 세포핵의 중심에 점을 찍어 학습데이터로 사용하는 ‘약지도 학습 기반’의 딥러닝 모델 연구가 활발히 이뤄지고 있다. 딥러닝 모델에 방향장 모듈과 중심점 예측 모듈을 추가, 세포핵을 더 정확하게 구분하도록 개선했다. 또한 점이 세포핵 내부에만 존재한다면 영역화가 가능하도록 Expectation-Maximization 알고리즘을 도입, 불확실한 점 레이블을 중앙으로 조정할 수 있는 과정이 추가됐다. 이 기술을 통해 세포핵을 정확하게 영역화하고 세포핵 간의 경계면을 찾았다.

새롭게 개발한 딥러닝 모델은 높은 정확성을 보인다. 의료 영상 분석에서 분할 결과의 정확성을 평가하는 DSC(Dice similarity coefficient) 점수는 75~78%를 달성했다. 인접한 세포핵을 잘 구분했는지를 비교하는 AJI(Aggregated Jaccard Index) 성능의 경우 55~62%의 우수한 성능을 보였다. 점이 정중앙에 존재하지 않는 경우 AJI 성능은 기존기법들에 비해 11~14% 향상된 성능을 나타냈다. 해당 기술이 병리영상을 분석, 환자의 질병을 진단하고 예후를 예측하는 데 큰 기여를 할 것으로 기대된다.

 

④ 피부 영상 AI 분석

 

피부 영상 AI 분석도 사회 구현이 기대되어 활발하게 연구가 이뤄지고 있다. 피부 영상 AI 분석의 특징으로 특별한 의료기기를 사용하지 않고도 피부 영상 촬영이 가능해 스마트폰 애플리케이션 활용이 진행되고 있다.

예를 들어, 미국 Google사는 2021년 5월에 개최된 연례 컨퍼런스 Google I/O 2021에서 피부 영상 분석 AI 시스템을 발표했다. 본 시스템은 약 6만 5,000개의 진단된 증례 영상 데이터, 엄선된 수백만 개의 피부 증상 영상 데이터, 수천 개의 건강한 피부 데이터를 학습한 브라우저상에서 제공되는 애플리케이션이다.

이용자가 스마트폰 카메라로 촬영한 환부 사진 3장과 문제가 발생한 이후의 기간 등 몇 가지 질문에 대한 답변을 전송하면, 조건에 해당하는 질환을 AI가 선별해 리스트업하는 구조다. 이 애플리케이션은 EU에서 Class I(자기선언) 의료기기로서 CE마크를 취득했지만 FDA로부터는 의료기기 승인을 받지 못해 승인까지 시간이 더 걸린다는 것을 Google사의 홍보담당자가 인정하고 있다.

이외에도 SkinVision®와 TeleSkin skinScan이 동일한 Class I 의료기기로서 CE마크를 취득하고 있다. CE 의료기기 Class I는 피부병변을 직접 분류하는 것은 승인되지 않은 점에 주의가 필요하다.

 

⑤ 웨어러블 디바이스

 

웨어러블 디바이스에서 계측되는 심박, 체온 및 가속도 등의 바이탈 데이터는 질환 징후 발견 및 전신 상태 모니터링에 이용되어 왔다. 2017년 이후 웨어러블 디바이스를 수십만명에게 배포하는 대규모 코호트가 미국, 유럽, 중국을 중심으로 이뤄지고 있다.

웨어러블 디바이스의 형상으로는 손목시계형이나 손목밴드형이 일반적이지만, 최근에는 안경형, 의복형, 반지형, 콘택트렌즈형 등 일상생활에서 의식하지 않고 장착할 수 있는 형상의 것이 등장하고 있다.

계측 모달리티도 활동량, 걸음 수, 수면과 같은 생활정보와 더불어 체온, 혈압, 심박수, 혈중 산소포화도, 심전도, 혈당치 등 다양한 생리학적 정보를 계측할 수 있게 되어 있다. 기존 내원하지 않으면 정량적 계측이 어려웠던 증상이나 병태와 관련된 항목을 일상적으로 계측할 수 있게 됨에 따라 웨어러블 디바이스를 이용한 임상시험이 2019년 이후 증가하고 있다.

또한 웨어러블 디바이스를 이용한 대규모 코호트를 활용함으로써 코로나19 발병, 중증화, 후유증을 예측하는 연구 등도 미국을 중심으로 많이 진행되고 있다. 평상시부터 건강상태 모니터링 코호트를 전개해둠으로써 팬데믹 등 돌발적인 사태에도 대응할 수 있음을 보여줬다고도 할 수 있다.

 

⑥ 미생물상, 세포외 RNA 계측

 

비침습ㆍ저침습적으로 얻을 수 있는 침, 분변, 눈물 등 생체 샘플의 질환 감지, 예방 활용도 2020년 이후 빠르게 진행되고 있다. 차세대 시퀀싱 기술의 진보로 생체 샘플에 포함된 미생물상이 포괄적으로 정량 계측 가능해졌으며 구강ㆍ장내 미생물상이 당뇨병이나 알레르기 질환, 류마티스 질환, 정신신경 질환, 암 등 폭넓은 질환과의 관련이 보고되고 있다.

미생물상은 질환의 바이오마커가 되고 균이식 등의 개입을 통해 질환 예방에도 도움이 되는 것으로 나타났다. 미생물상의 대규모 코호트로는 3만 샘플 이상의 데이터를 집적하고 있는 미국의 Human Microbiome Project(HMP)가 유명한데, 각국에서 질환 영역별로 초~중 규모의 코호트가 다수 만들어지고 있다.

또 침 속에는 miRNA, piRNA, circRNA 등 인간 유래 세포외 RNA(exRNA)가 포함되어 있어 여러 질환의 바이오마커가 되는 것으로 알려져 있다.

미국에서는 NIH의 지원 하에 Extracellular RNA Communication Consortium(ERCC)이 2013년에 발족하여, exRNA의 생물학적 기능 해명과 질환과의 관련 분석 연구를 대규모로 실시하고 있다.

 

⑦ 질환의 조기 발견ㆍ예방을 위한 수학적ㆍAI 분석 기술

 

만성질환의 발병, 중증화는 데이터 취득 후 수개월~수년 경과 후에 일어나기 때문에 장기적인 영향을 고려할 수 있는 분석 기술의 도입이 필요하다. 이러한 이벤트 발생까지의 시간을 고려한 예측기법으로는 데이터가 얻어지고 나서 환자의 사망이나 재발 등의 사건 발생까지의 시간(time to event)을 분석ㆍ설명하기 위한 통계학적 기법인 생존 분석(Survival analysis)을 들 수 있다.

최근 AI를 생존 분석과 융합함으로써 다수의 예측인자를 바탕으로 개인별 발병, 재발 예측을 실시하는 기법이 사용되고 있다.

또한 생리학이나 복잡계 과학에서의 변화점 검출 방법론을 적용함으로써 발병이나 중증화 등의 돌이킬 수 없는 변화의 전조를 검출하는 수학적 프레임워크도 발전하고 있다. 대표적으로는 동적 네트워크 바이오마커(DNB)가 급성 폐손상이나 B형 간염에 의한 간발암, B세포 림프종, 1형 당뇨병 등 다양한 질환에 적용되고 있다.

 

폐암은 한국을 비롯한 세계 사망률 1위 암이다. 유독 사망률이 높은 데는 초기에는 증상이 없어 늦게 암을 발견해 치료시기를 놓치는 탓이 크다. 사망률을 낮추기 위해선 무엇보다 ‘조기 발견’이 중요하다. 국가 폐암 검진 사업을 준비하는 나라들이 늘면서 시장이 확대되고 있다.

 

국내 AI 기반 의료영상분석 전문기업인 Corelinesoft사는 딥러닝을 통해 수백장의 컴퓨터단층촬영(CT) 단면 영상을 판독하고 의료진 피로도를 획기적으로 낮추는 솔루션을 개발했다. CT는 엑스레이(X-Ray) 대비 검사 당 영상 장수가 약 237배, 의료진 1인당 판독 이미지 수 약 34배, 평균 판독시간 약 10배 수준이라 판독 업무가 까다롭다.

Corelinesoft사는 AI 기술 등을 활용해 정확하고 빠르게 판독할 수 있도록 돕는 제품을 개발해 상용화에 성공했다. 국내뿐만 아니라 세계 각국에서 품목 허가를 잇달아 획득하며 현지 의료기관 뿐 아니라 국가 폐암 검진 사업에도 단독으로 제품을 공급 중이다.

 

암 검진부터 영상 의료 기술에 이르기까지 의학계에 AI 분석기술이 다양하게 활용되고 있는 가운데, AI 분석을 통한 암 조기진단 기업인 IMBdx(아이엠비디엑스)사는 혈액 검사를 통해 암을 조기진단하고 원발부위를 예측하는 암 스크리닝 검사를 실시하는 다중암 조기진단 플랫폼 ‘캔서파인드’를 출시했다.

캔서파인드 검사는 혈액 내 종양세포의 DNA 조각인 순환 종양 DNA(ctDNA)의 유전 및 후성유전학적 특성을 분석한다. 미량의 ctDNA로 암에 대한 정보를 분석할 수 있는 기술력을 갖추고 있어 혈액 20mL만으로도 대장암, 간암, 폐암 등 8개 암종을 동시에 진단할 수 있다.

 

⑧ 의료데이터 수집 및 AI 분석 플랫폼

 

의료데이터 시대에 다양한 의료데이터를 수집, 분석해서 맞춤형 진단ㆍ치료 방법을 제시하는 정밀의료가 현실로 다가올 전망이다. 의료데이터는 임상연구를 하는데 들어가는 비용과 시간을 줄이고 정확도를 높일 기술, 차세대 의약품의 연구개발을 도울 핵심 기술로도 주목받고 있다. 의료데이터의 가능성을 극대화하려면 수집뿐만 아니라 분석ㆍ활용 기술을 더욱 고도화해야 한다.

빅데이터 분석과 AI 등 정보통신기술이 발전하면서 세계 주요 국가들은 의료데이터의 활용 계획을 발표하였다. 정보통신기술과 융합한 의료데이터가 보건의료, 헬스케어 기술의 고도화를 이끌어 사람의 삶의 질을 높이고 수명도 늘릴 것이라고 예측하고 있다.

 

2020년 이후, 의료정보 공유 차세대 표준 프레임워크로서 HL7 FHIR(Fast Healthcare Interoperability Resources)이 주목받고 있다. 국제 기술표준(HL7 FHIR)은 간결하고 알기 쉬운 사양을 가지며, 의료 진료기록 이외에도 웨어러블 디바이스 등 건강정보 적용이 확산되고 있어 국내외 의료ㆍ헬스케어 데이터 공유, 통합 해석 가속이 기대된다.

미국, 유럽에서는 HL7 FHIR의 보급 촉진을 위해서 인센티브나 패널티를 주는 시책을 실시하고 있다. 우리 정부도 2023년 2월부터 디지털 헬스케어 부문의 규제 개선과 바이오헬스 시장 창출 전략을 논의하고 ‘디지털 헬스케어산업의 육성 및 지원에 관한 법률안’을 마련했다. 이 법률안에는 의료데이터 처리와 활용 촉진, 의료데이터의 제3자 전송요구권 도입, 보건의료데이터 빅데이터를 활용한 연구 활성화 방안이 각각 담겼다.

 

의료데이터 수집과 저장 방안이 속속 마련되는 가운데, 한쪽에서는 의료데이터의 분석ㆍ활용 기술을 함께 고도화해야 한다는 주장이 나온다. 또 개인정보보호에 대한 규제가 엄격해진 것을 배경으로 데이터를 취득원 의료기관 내에 보관한 채 기관 간 학습을 실행하는 분산형 학습이라 불리는 AI 학습 체계가 등장했다.

분산 학습에서는 데이터 대신 AI 파라미터를 공유함으로써 데이터 유출 위험을 줄이고 데이터 전송 비용도 줄일 수 있다. 최근에는 파라미터 공유에 블록체인 기술을 이용하는 Swarm Learning이라고 불리는 구조도 등장하고 있어 의료 데이터나 제약 데이터의 분석에 활용되고 있다. 국내에서도 의료데이터 분석ㆍ활용 애플리케이션을 선보이는 스타트업이 속속 등장하고 있다.

AI를 이용해 시계열 데이터를 해석함으로써 생활습관병을 비롯한 만성질환의 질환 발병이나 병태 진행의 장기적인 시간 경과를 이해하고 예측해 미연에 심각한 변화를 예방할 수 있어 사회적으로도 기대가 높은 영역이다.

 

[AI, 합성생물학기반 2025년 디지털 바이오헬스 유망 기술, 시장 실태와 사업화 전략] 보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=05000000&goods_idx=98426&goods_bu_id=