“인공지능(AI)이 질병 진단에서 의사를 능가한다”는 요즘 AI 알고리즘이 의사를 대신할 수 있다는 가능성을 암시하는 인기 있는 이슈로 자주 접하곤 한다.

그러나 AI를 인간 전문가에게 대비하는 대신, 우리가 실제로 집중해야 하는 것은 진단 과정에서 서로의 장점을 보완하는 방법이라고 한다.

인공지능(AI)의 발전 속도는 눈부시다. AI가 당뇨병 안과 질환의 조기 징후에 대한 안과 검사, 심전도를 분석하여 불규칙한 심장박동을 포착하는지 여부에 관계없이 AI가 높은 수준의 정확도로 질병을 탐지할 수 있는 놀라운 가능성을 보여주는 새로운 연구가 매일 발표되고 있다.

전문가들은 2018 년에서 오는 2022 년 사이에 건강관리가 AI 투자의 길을 선도할 것으로 기대하고 있으며 더욱이 아시아 태평양 지역은 비옥한 디지털 생태계로 인해 성장을 주도할 것이라고 예상하고 있다. 

최근 발표된 15 개국에 걸쳐 15,000 명의 개인과 3,100 명 이상의 의료 전문가를 대상으로 한 설문 조사를 기반으로 한 필립스 미래건강지수(Philips Future Health Index 2019)에 따르면 싱가포르의 의료 전문가들은 AI 사용에 있어서 선두주자이며, 그 중 55 %는 일상생활에서 AI를 사용하고 있다고 한다. 그러나 주저함도 있다. 싱가포르의 의료 전문가 5 명 중 1 명은 새로운 AI와 같은 의료 기술의 발전으로 인해 장기적으로 직업이 위협 받고 있다고 우려한다.

일반적으로 암과 같은 복잡한 질병을 진단하는 것은 시간과 노동 집약적 과정일 수 있다. 질병에 따라 각종검사 결과는 가능한 동반 질환과 환자의 병력을 고려하면서 의료 이미지, 조직 샘플 분석, 게놈 및 분자 데이터와 결합되어야 한다. 이 모든 정보를 지능적으로 통합하고 집계하는 것을 정밀 진단(precision diagnosis)의 특징으로 한다.

그러나 이러한 복잡성을 다루는 것은 그리 쉬운 일이 아니다. IDC의 연구에 따르면, 의료 분야의 데이터양은 매년 약 48 % 씩 증가하고 있으며, 의사는 이를 이해할 시간이 거의 없다고 한다.

이 정밀 진단을 현실로 만들기 위해 AI는 임상의에게 큰 도움의 손길을 줄 수 있는 것이다. AI는 많은 양의 데이터를 정확하게 변별할 수 있기 때문에 임상의는 진단을 보다 정확하고 신뢰할 수 있으며 보다 효율적으로 진단할 수 있기 때문이다.

예를 들어, CT 기반 폐암 검진에서 지난 5월 글로벌 MR 커뮤니티 ‘국제의학자기공명협회(ISMRM) 연례 회의’에서 발표된 연구자들은 ‘딥러닝 모델의 성능을 최신 자동화 알고리즘 및 방사선 전문의와 비교하고 이기종 데이터 세트에서 알고리즘의 견고성을 평가한 연구’에서 딥러닝 알고리즘이 의사 결정 지원 도구 또는 이차 의견으로 방사선과 의사에게 도움이 될 수 있음을 보여주었다.

마찬가지로, 지난 7월 15일 네이처지에 발표된 '디지털 병리학에서 약하게 감독된 딥러닝을 이용한 전체 슬라이드 영상에서의 임상등급 전산병리(Clinical-grade computational pathology using weakly supervised deep learning on whole slide images)'에서 같이 알고리즘은 병리학자의 추가 검사가 필요한 조직 샘플에서 관심 영역을 가리킬 수 있으며, 개인의 암을 유발하는 분자 기전(molecular mechanisms)을 밝혀내 표적 치료가 어떻게 그 개인에게 도움이 되는지 알 수 있는 것이다.

특히, AI는 진단과 의료 데이터의 해석 외에도 환자 예약과 같은 보조 작업을 지원할 수 있다. AI는 일상적인 작업을 자동화하고 워크 플로우를 가속화함으로써 많은 의사들의 업무 부담을 완화시킨다. 예를 들어, AI는 계획, 실행 및 처리를 지원하여 전체 워크 플로우를 개선할 수 있으며, 자연어 처리는 다수의 의료 기록에서 환자 정보를 신속하게 추출하고 수집해 최적의 의사 결정에 필요한 포괄적인 개요를 제공할 수 있다.

이러한 예에서 알 수 있듯이 AI의 요점은 진단 과정에서 의사의 역할을 넘어서는 것이 아니며, 그들이 최선을 다하는 것에 집중하도록 돕는 것이다.

AI 알고리즘은 구조화된 데이터를 사용할 수 있는 경우 패턴 인식에 의존하는 좁고 구체적인 작업을 수행하는 데 탁월하다. 그러나 일상적인 건강관리 환경에서 데이터는 불완전하고 구조화되지 않은 경우가 많으며, 여러 가지 정보가 개인의 건강 또는 상태에 대한 전체적인 평가로 종합되어야 한다.

마지막으로 AI가 이 흥미진진한 길을 계속하면서 필립스 미래건강지수(Philips Future Health Index)에서는 정밀 진단을 위한 AI의 이점을 어떻게 활용할 수 있는지를 다섯 가지 우선순위를 정했다. 요약해본다.

1. 원칙으로서의 인간 중심 디자인

AI의 인간 중심 디자인은 임상 워크 플로에 완벽하게 도움이 되고 방해가 되지 않는 조수(Assistant)이여야 한다. 이를 위해서는 의사, 개발자 및 사용자 경험 디자이너 간의 공동 연대가 필요하다. AI 및 데이터 과학의 기능은 입증된 의학 지식과 임상 워크 플로우에 대한 깊은 이해와 함께 반드시 연계되어야 하는 것이다.

2. 상호 운용성을 기반으로 강력한 데이터 인프라 구축

데이터는 AI와 정밀 진단의 핵심이다. 필립스 미래건강지수에 따르면 싱가포르의 의료 전문가 중 35 %는 상호 운용성이 없기 때문에 건강 시설 외부에서 환자 데이터를 공유하지 않는 것으로 나타났다. 이는 단지 싱가포르의 문제가 아닌 시급한 과제이다. 개인정보보호와 솔루션을 개발하고 시스템과 공급자간에 정보를 추출하고 통합하는 것이 상호 운용성을 기반으로 보다 강력한 데이터 인프라를 구축하는 것이다.

3. AI 의 안전하고 책임감 있는 사용에 대한 표준

생명이 위험에 처한 의료 분야에서는 AI와 건강 데이터를 안전하고 책임감 있게 사용하기 위한 높은 표준이 반드시 필요하다. 연구 결과는 실제 임상 환경에서 엄격한 검증이 필요하며, 훈련과 교육을 통해 의사와 환자 간의 AI의 강점과 한계에 대한 인식을 키워야한다.

4. 보다 광범위한 에코 시스템 협업

아시아 태평양의 건강 기술 에코 시스템은 이미 미국 다음으로 세계에서 두 번째로 큰 산업으로 보다 광범위한 산업 협업 기회를 제공하고 있다. 기업, 스타트업, 학계 및 의료 서비스 제공 업체는 모두 새로운 AI 지원 솔루션을 만드는 데 서로의 강점을 활용할 수 있어야 한다. 예를 들어, 필립스에서는 지난해 ‘북미영상의학회(RSNA)’에서 발표한 병원 및 교육 기관의 의료 연구원이 AI 알고리즘을 개발 및 연구 목적으로 사용하는 ‘인텔리스페이스 디스커버리 플랫폼(IntelliSpace Discovery Research platform)’을 통해 이러한 역할을 적극적으로 수행하고 있다. 단 연구용으로만 사용되며 환자 진단 또는 치료 선택에 사용할 수 없다.

5. AI 인재 풀의 확장

아시아 태평양 지역의 정부는 AI 인재의 성장과 육성이 혁신 가속화에 중요하다는 것을 인식하고 있다. 싱가포르의 '인공지능을 위한 이니셔티브(AI for Everyone Initiative)' 와 같은 교육 프로그램은 AI에 대한 관심과 의료와 같은 산업에 대한 잠재력을 촉발시킬 수 있듯이 관련 산업계의 혁신을 촉진하기 위해서는 AI 및 데이터 과학의 기초가 의료 커리큘럼에 포함되어야 한다.

결론적으로 "진단은 이제 인공지능이 한다"라는 말이 나올 정도로, 의료산업에 AI기술이 적용되면서 의사의 역할을 보조해줄 수 있는 시대가 왔다. AI는 데이터 분석을 통해 예측과 예방이 가능한 개인화된 서비스를 제공하여 의료 패러다임 변화를 이끌어가고 있다. AI는 이제 정밀 진단의 초석이 되어 보다 개인화된 환자 관리를 위한 길을 열었다. AI는 의사를 대체하는 것이 아니라 의사가 하는 일을 보완함으로써 그 가치를 더욱 높여가는 것이다. (참고:Philips Future Health Index 2019 조사보고서 다운)