의료인공지능 모델의 임상적용의 마중물

Professor's Editorial

[Professor's editorial]
김남국 교수님의 날카로운 분석과 통찰로 의료AI 발전의 흐름과 맥을 짚어보는 전문 칼럼.

Special writer: 김남국 교수(Namkug Kim Ph.D.) / 서울아산병원 영상의학과

AI에 대한 기술, Hype 그리고 겨울들(출처: https://jaylatta.net/history-of-ai-from-winter-to-winter/)

  지능형 기술은 기대와 파괴적 속성으로 인하여 항상 과도한 기대(Hype)를 부릅니다. 이 기대는 인공지능에 대한 투자와 관심이 줄어드는 인공지능 겨울을 필연적으로 동반하게 됩니다. 이 겨울은 기대치와 실제 성과 사이의 격차 때문에 발생합니다. 그림에서 볼 수 있듯이 우리는 지금까지 이미 2번의 겨울을 경험하였습니다. 2010년대부터 시작된 딥러닝을 이용하여 개발된 영상기반의 컴퓨터 보조 진단(Computer aided diagnosis)의 전향적 임상시험 결과가 2022년 대한영상의학회(Korean Congress of Radiology 2022)에서 공개되었고, 이 결과에 따른 학회의 입장 발표가 있었습니다. 대부분의 컴퓨터 보조 진단이 흉부 X-ray 영상이나 X-ray 유방촬영 모달리티를 기반으로 하는데, 이 모달리티들은 우리나라와 같은 OECD 국가에서는 주로 선별(screening)목적으로 사용되기 때문에, 대부분의 경우 정상일 확률이 높습니다. 예를 들어, X-ray 유방촬영의 경우 유병률이 약 0.6% 정도라고 합니다. 즉 1,000명중에 6명 정도 질환이 있다는 뜻입니다. 문제는 인공지능을 학습하려면 빅데이터를 모으고, 정상 vs 비정상을 균형이 있게 학습하게 되지만, 막상 현실에서는 이런 극단적인 정상군에서 사용되게 됩니다. 아무리 학습 데이터에서 정확한 성능을 보이는 인공지능도 실제 현장에서는 많은 위양성을 찾게 되고, 결국 유방판독 시에 영상의학 전문가들에게 혼란을 주어서 의학적 가치가 부족하다는 내용입니다.

  이를 해결하기 위해서 데이터, 기술 등 다양한 개선이 필요합니다. 먼저, 학습 데이터부터 환자의 정보를 좀더 명확하게 판단할수 있는 종축(follow-up) 데이터와, Multi-modal 데이터를 사용해야 합니다. 또한, 기존의 의료환경에서 연구되던 다양한 질환의 기저 공변량의 영향을 최소화하고, 빅데이터를 만들기 위한 편의샘플링(convenient sampling)의 문제나 학습 데이터와 적용되는 임상현장의 데이터가 달라지는 문제를 검증하기 위한 임상 검증이 더 엄밀해질 필요가 있습니다. 뿐만 아니라, 다중작업학습(multi-task learning), 생성모델의 잠재공간을 활용하는 Inversion of Generative Model, 설명가능 인공지능, 인과학습, 연합학습 등 다양한 기술적 개선도 활용되어야 합니다.

대한영상의학회 2022 의료인공지능 기자간담회 모습

  또한, 지금까지 의료 인공지능은 이미 상용화되어, 다양한 임상 환경에 활용되고 있으며, 약한 고리를 보강하고 있습니다. 대부분의 영상의학과 전문의들은 많은 판독량에 힘들어 하는데, 현재 인공지능을 사용하면 이런 노동 강도를 완화할 수 있습니다. 또한, 영상에 전문적이지 않은 다양한 임상과에도 도움이 될 수 있습니다. 의사가 절대적으로 부족한 제3세계에도 많은 도움이 될 것으로 사료됩니다. 이런식으로 의료의 약한고리에서 다양하게 활용되어 가치를 증명하는 것이 절대적으로 필요합니다.

  두번째로 고려해 볼수 있는 것은 다양한 의료기기 업체와 적극적으로 M&A나 협력을 통해서 가치를 창출해야 한다는 것입니다. 특히 이런 지능형 컴퓨터보조진단이 의료영상기기와 되면 시너지가 있으며 영상기기의 경쟁력을 올릴 것으로 사료됩니다. 또한, 매우 다양한 양상을 가지는 질환을 정확하게 찾는 것 보다는, 상대적으로 쉬운 정상을 정확하게 선별하여 판독량을 줄여주는 식으로 활용되는 것도 한가지 방법입니다. 마지막으로 인공지능을 활용하면서 생길 수 있는 다양한 문제에 대한 정부의 법과 제도 개선 및 지원이 필요합니다. 환자 데이터를 활용하는 것에서 나오는 데이터 소유권 문제, 환자의 동의에 대한 윤리적 문제, 인공지능과 의사의 불일치로 인한 법적인 문제 등 다양한 문제에 대한 가이드 라인 및 사회적 합의를 이끌어 내야 합니다. 또한 의료에 적용되었을 때 생기는 장단점에 대한 평가와 이를 견인할 수 있는 적절한 지원이 있어야겠습니다.

김남국 교수(Ph.D. Namkug Kim) / 서울아산병원 영상의학과
  서울대 산업공학과 석사과정 중, 의료영상을 이용한 3차원 모델링에 영감을 받아 의료영상처리에 뜻을 정했다. 서울아산병원(AMC) 영상의학과 연구원, 서울대학교 산업공학 박사과정, 유타대학 포스트닥터 과정을 거친 뒤 AMC와 울산대학에서 의료영상중개연구를 진행중이다.
  300여편의 SCI급 논문 발행, 6편의 한빛사 논문 등재, 100여개의 특허 출원 등 탁월한 인사이트로 연구 성과를 쌓는 동시에 각종 규제 및 정책 위원회의 리더로서 산업을 이끌어 왔다. 2017년 대통령 표창, 2021년 식약처장, 복지부장관 표창으로 그 공헌을 인정받았다.