[첨단 헬로티]

AITRICS 유진규 대표, "AI 기반 의료 효과는 비용절감·의료 질 향상·정밀의료"

* 본 콘텐츠는 7월 18일 개최된 [AI 융합 비즈니스 개발 컨퍼런스 ‘AI Tech 2019’]에서 발표한 내용을 정리한 것이다.

의료 분야는 꾸준히 발전하고 있다. 평균 수명은 계속 늘어나고 있고, 치료 가능한 질병도 많아졌다. 과거 의료는 직관 의학이었다. 의사들이 경험을 바탕으로 치료했다는 것이다. 오늘날 의료는 근거주의 의학이라고 한다. 많은 사람들의 의료 데이터를 바탕으로 표준적으로 어떤 징후를 보이고 있고, 어떤 치료가 효과적인지를 정리한 것이다.

미래 의료는 개별 의학이다. 기존처럼 통계적인 치료를 받는 것이 아니라 개인에 최적화 된 개인 의료 서비스를 받는다는 것이다.

현대 의학은 몇 가지 문제점을 안고 있다. 고령화 사회로 가다보니 의료비 부담이 커지고, 적은 의료진으로 환자를 진료하고 있는 구조적 문제 때문에 번아웃이 빈번히 발생한다. 의료진 간의 수준 차이가 크다는 것도 문제점 중 하나다. 특히 최근에는 앞서 언급한대로 개인에 최적화 된 맞춤의료 서비스에 대한 니즈도 증가하고 있어, 의료 분야의 혁신이 그 어느 때보다 절실한 때이다.

최근 의료 분야에서 해결해야 할 점을 요약하면 비용 절감, 의료 질 향상, 정밀의료다. 그리고 해결책으로 인공지능(AI)이 제시되고 있다.

▲AITRICS 유진규 대표

AI 기반 의료 효과 1 - 비용 절감

최근 질환은 만성질환으로 바뀌고 있다. 만성질환은 발병하면 치료가 잘 안 된다. 유병장수라는 말이 있을 정도다. 때문에 점점 예방 진료 형태로 전환되어야 한다.

이를 위해서는 개인의 발병 확률을 파악해야 한다. 건강검진이나 외래 진료를 바탕으로 확률을 파악할 수 있는데, AITRICS는 이를 기반으로 다양한 만성질환 발병 위험도를 제공하고 있다.

또 다른 문제는 의료 서비스 비용이 비싸다는 것이다. 만약에 의료진이 진료 업무를 효율적으로 할 있는 툴이 있다면 이는 전체적인 의료 서비스 비용을 줄이는 데 도움을 줄 것이다.

의료 영상 분야에 접목되고 있는 AI가 대표적인 예다. 가령 내시경 진료를 하면 보통 질병의 위치를 의사들이 찾았는데, 만약 AI로 트래킹하고, 위치를 알려주고, 영상을 인식하는 서비스가 제공된다면 의료진이 내시경 진료를 하는 시간을 줄여줄 수 있다.

구글 브레인의 Google’s DLS 서비스는 AI로 당뇨성 망막병증 진단을 도와주는 솔루션이다. 국내 스타트업 루닛의 루닛 인사이드 솔루션은 X레이를 기반으로 폐암이나 폐질환을 검출할 수 있는 솔루션이다.

AI 기반 의료 효과 2 - 의료 질 향상

NEJM이라는 의료 전문 저널 CEO는 이런 말을 했다. “우리는 두 가지 의료 범위에 살고 있다. 하나는 월요일부터 금요일까지의 낮 시간, 나머지 하나는 밤, 주말로 살고 있다.”

주중 낮에는 전문의에게 진료 받을 수 있지만 밤이나 새벽, 주말에 응급실을 가야되는 경우라면 전문의 진료를 못 받는 경우가 많다. 따라서 AI를 통해 의료 질을 상향 평준화해야 한다. AI를 도입하면 의사들이 의사 결정하는 데 도움을 주고, 의료진은 조기 정밀하게 대응해서 번아웃을 방지하고 의료 질을 전반적으로 향상시킬 수 있다.

패혈증은 ‘소리 없는 킬러’라 불릴 정도로 악명 높은 질병이다. 병원 내 사망의 50%가 패혈증과 관련돼 있다. 미국 내 연간 사망사는 25만명에 이르며, 연간 병원 비용은 240억 달러에 달한다.

패혈증의 문제점은 조기 발견이 어렵다는 것인데, 바이탈케어(VitalCare)는 AI가 다양한 데이터를 활용해 초기에 환자와 의사에게 위험을 알려줘 조기에, 정밀하게 대응할 수 있는 솔루션이다. 패열증 환자에게 바이탈케어를 적용했을 경우 발병 24~30시간 전에 패혈증을 예측할 수 있다.

▲미래 의학으로 제시되는 개인 맞춤형 정밀치료는 통계에 의존하는 기존 근거 의학의 문제점을 해결해 준다. 

AI 기반 의료 효과 3 – 정밀의료

정밀의료는 유전 데이터를 활용해 개인 맞춤 치료를 하는 의료 형태다. 최근에는 유전데이터, 물질 관련 데이터, 미생물 정보 등 멀티 오믹스 데이터 분석을 통해 개인 맞춤 형태로 나아가고 있다. 실제 유전자 분석 서비스는 지난 해 규제가 풀려 의료 서비스로서 적용이 가능하게 됐다.

정밀의료를 하기 위한 또 하나의 필요조건은 데이터 통합이다. 현재는 의료 데이터가 분절돼 있다. 병원 검사 데이터, 약 처방 데이터 등이 따로 기록되고 있기 때문에 지속적인 모니터링이 매우 힘들다. 최근에는 심방세동을 감지하는 웨어러블 기기, 약 복용 여부 확인 시스템(proteus) 등이 나오고 있어 지속적인 모니터링이 가능해지고 있다.

AI 의료 서비스 해결 과제

AI가 의료 분야에 활발하게 적용되고 있지만 몇 가지 이슈가 정리되어야 한다.

1) 임상증명 - 의료 분야에서 AI 솔루션이 명확히 활용되려면 임상적으로 검증되어야 한다. 그래야 의료진이 믿고 쓸 수 있다.

2) 데이터 편향성 제거 – 딥러닝 학습을 기반으로 판단하는 데는 데이터 편향성이 존재하기 마련이다. 따라서 데이터 편향성이 제거되어야 의료 서비스로써의 신뢰성을 확보할 수 있다.

3) 해석가능성 확보 – 딥러닝이 도입되면서 대규모 분석은 가능해졌지만 해석의 부재가 이슈로 떠오르게 됐다. 가령 AI 솔루션이 처방을 내려주면 의사는 선뜻 그 처방을 따르지 못한다. 근거가 부족한 것이다. 따라서 해석 가능성을 확보해줘야 한다.

4) 보안 강화 – 의료 분야는 상대적으로 AI 보안이 미흡하다. 한 예로 의도적 오작동(Adversarial attack)이 있다. 실제로 의도적 노이즈를 추가하면 이미지에 대한 인식이 달라진다. 만약에 암이 아닌데 픽셀 한 두 개 더해서 암이라고 판단을 하게 될 수 있다.

5) 정책 개편 – 의료라는 산업은 제도나 규제 영향을 많이 받는다. 기존 법·윤리 충돌 여부, 급여 적용 여부도 검토해야 하고, 허가·심사제도 가이드라인도 완성해야 한다. 국가 차원의 전략적 지원도 필요하다.