최근 인공지능(AI) 분야의 획기적인 발전은 세상을 눈부시게 빠른 속도로 변화시키고 있습니다. 자율주행차부터 이미지 인식, 챗봇에 이르기까지 인공지능과 그 파생 기술들은 이미 거의 모든 산업을 혁신적으로 바꾸어 놓았습니다. 이러한 스마트 기술의 효율성과 성능은 대중에게 늘 강렬한 인상을 남겨왔습니다.
예측 알고리즘에 기반한 머신러닝은 오늘날 거의 모든 산업에 실질적인 도움을 주고 있는데, 과연 헬스케어 분야만 예외일까요? 많은 사람들이 잘 모르지만, 머신러닝은 의료 영상(Medical Imaging), MRI, 병리학(Pathology), 맞춤형 치료법 식별, 신약 개발 및 약물 개량, 방사선과(Radiology), 전자 건강 기록 관리 등 의료 전반에서 중요한 역할을 수행해 왔습니다.
보고서에 따르면 의료 진단 오류는 전체 사망 원인의 약 10%를 차지하는 것으로 나타납니다. 이는 감염, 질환, 질병을 검출하기 위해 소비자가 구매하거나 실험실 환경에서 사용되는 IVD(체외진단의료기기, In Vitro Diagnostics)와 관련된 문제입니다. 이러한 진단 오류가 반드시 사람의 실수 때문에 발생하는 것은 아닙니다. 보건 정보 기술(HIT) 통합의 비효율성, 미흡한 의료 업무 시스템, 연구개발(R&D)·의사·병원·환자·간병인 간의 소통 장벽 등이 부정확한 진단으로 이어지는 주요 원인입니다.
첨단 머신러닝 응용 분야
헬스케어 분야에서 머신러닝은 NLP(자연어 처리), 안면 인식, 딥러닝, 컴퓨터 지원 진단(CAD) 등 혁신적인 도구를 활용하여 더 나은 의료 서비스를 제공할 수 있는 큰 가능성을 지니고 있습니다.
아래에서는 더 나은 의사결정, 연구 및 임상시험 효율 향상, 양질의 의료 서비스 제공을 지원하는 대표적인 AI 머신러닝 진단 응용 사례들을 소개합니다.
1. 향상된 진단
질병의 식별과 진단은 의학에서 머신러닝이 가장 앞장서 활용되는 영역입니다. 특히 ML은 뇌 질환 치료와 가장 두려운 질병인 암 치료 분야에서 활발하게 적용되고 있습니다. 여러 보고서에 따르면 암 치료를 위한 800개 이상의 의약품과 백신이 이미 임상시험 중에 있으며, 예측 분석(predictive analytics)을 활용해 뇌 질환을 진단하고 치료하는 기술에 대한 수요도 급격히 증가하고 있습니다.
2. 종양학(Oncology)
딥러닝은 암의 조기 발견이라는 새로운 가능성의 문을 열었습니다. 암은 전 세계 사망 원인 2위로 꼽히는 질병입니다. 다행히 딥러닝 소프트웨어는 전문의보다 정확하게, 그리고 더 초기 단계에서 암을 진단할 수 있는 능력을 보여주며 시의적절한 치료 조치를 가능하게 하고 있습니다.
3. 효과적인 맞춤형 치료
맞춤형 치료는 현재 가장 주목받는 연구 분야입니다. 환자 데이터를 예측 분석과 결합하여 개인에게 최적화된 처방과 효과적인 치료를 제공하는 방식입니다. 의사들의 판단이 제한적인 진단 데이터 세트에 의존해 온 기존 방식과 달리, 머신러닝은 치료 결정의 변화를 이끌고 최적의 치료 옵션 선택을 돕습니다. 가까운 미래에는 무제한에 가까운 건강 측정과 세밀한 건강 상태 모니터링이 가능한 모바일 앱과 바이오센서의 사용이 크게 확대될 것으로 전망됩니다. 이를 통해 의료비용 절감과 환자의 처방 준수율 향상이 이루어져, 개인 건강 관리가 자동적으로 최적화될 것으로 기대됩니다.
4. 챗봇(Chatbots)
AI 기반 챗봇은 음성 인식 기능을 통해 환자의 증상에서 나타나는 패턴을 식별할 수 있습니다. 이후 데이터베이스에 저장된 유사 증상 사례들과 비교하여, 환자의 문제를 분석하고 적절한 조언과 행동 지침을 제공합니다. 챗봇은 병력, 증상, 생활 환경 등에 관한 질문을 환자에게 던지고 그 답변을 바탕으로 판단을 내립니다. 나아가 진단 기능 외에도 웨어러블 기기와 연동하여 환자의 콜레스테롤 수치, 심박수 등을 지속적으로 모니터링합니다.
5. MRI 뇌 영상 데이터 품질 향상
뇌 영상 촬영 또는 신경영상(Neuroimaging)은 뇌 질환을 평가하고 뇌 기능의 정상 작동 여부를 확인하기 위해 시행됩니다. 뇌 영상은 뇌 질환의 진단을 돕고 인간 뇌에 관한 연구 발전에도 기여합니다. 그러나 MRI(자기공명영상)는 촬영 과정에서 커다란 문제점에 직면해 있습니다. 환자가 스캔 도중 고개를 움직이면 데이터 품질이 저하되어 뇌 분석을 방해하고 잘못된 진단으로 이어질 수 있습니다. ML의 도움을 받은 FIRMM과 같은 소프트웨어는 뇌 관련 데이터를 실시간으로 모니터링하고 데이터 품질에 대한 지표를 제공함으로써 이러한 문제를 해결합니다. FIRMM은 Linux OS 기반으로 개발되었으며 주로 Ubuntu와 CentOS 플랫폼에서 작동합니다.
6. 로봇 수술
수술 로봇 분야에서 다 빈치(da Vinci) 로봇은 단연 독보적인 존재입니다. 이 로봇은 외과의가 로봇 팔다리를 조작하여 떨림 없이 정교한 세부 작업과 좁은 공간에서의 수술을 수행할 수 있게 해줍니다. 모든 로봇 수술에 머신러닝이 탑재된 것은 아니지만, ML은 로봇 팔다리와 수술 부위 사이의 거리를 식별하고, 사람이 조작하는 명령에 따라 로봇 팔다리의 움직임을 지속적으로 제어하는 데 큰 도움을 줍니다.
7. 희귀 질환 진단
여러 희귀 질환을 치료하기 위해 머신러닝은 안면 인식 소프트웨어와 결합하여 임상 진단을 지원합니다. 안면 인식 및 딥러닝 소프트웨어는 환자의 사진을 분석하고, 그 이면에서 안면 분석 기술이 작동합니다. 딥러닝은 희귀 유전 질환과 연관된 표현형(phenotype)을 감지하는 데 활용됩니다.
우리는 이러한 선구적인 응용 사례 몇 가지를 살펴보았지만, 혁신의 목록은 끝없이 계속될 것입니다. 이 글이 AI 머신러닝을 기반으로 한 최신 동향을 간결하게 전달하는 데 도움이 되기를 바랍니다.
마치며
오늘날 헬스케어는 사후 대응(reactive) 방식에서 예측(predictive) 방식으로 패러다임이 전환되고 있습니다. 이러한 스마트 기술을 통해 무궁무진한 가상의 기회가 열리고 있다고 믿습니다. 전국의 수많은 의료 기관에서 이루어지는 혁신들을 고려할 때, 머신러닝은 의료 시스템에 힘을 실어주는 진정한 구원자로 자리매김하고 있습니다.