목적에 따른 의료 AI 솔루션
Analyze: AI inside
TITLE [Analyze: AI inside]
의료 AI에 관심이 있는 의료진을 대상으로 도움이 될 의료AI 정보를 알기 쉽게 설명하는 칼럼 형태의 콘텐츠
의료 인공지능 연구는 매년 눈에 띄게 성장하고 있습니다. 의료 기술 및 IT 산업의 비즈니스 역시 눈에 띄게 성장 중입니다. 한국무역협회에서는 “세계 디지털 헬스케어 시장은 향후 연평균 29.5%씩 고속성장하여 2026년에는 6,349억 달러 규모로 확대될 전망”이라고 밝혔죠.¹
물론, 전 세계적으로 의료계의 특수성과 까다로운 제도적 환경 때문에 어려움이 있기도 하지만, 의료 인공지능에 대한 기대와 전망이 긍정적임에 틀림이 없습니다.
이러한 변화를 관심 있게 지켜보는 의료인이라면 이런 궁금증을 가질 수 있겠죠. “내 전문분야에서 인공지능을 활용해 볼 수도 있을까?”, “내가 의료 인공지능으로 연구를 진행한다면 어디부터 어떻게 시작해야 할까?” 인공지능을 의료에서 활용하기 위해서는 가장 먼저 인공지능 솔루션을 통해 ‘어떤 질병’에서 ‘어떤 목적’을 달성하고 싶은지 분명히 설정하는 것이 필요합니다. 어떤 의학적 도움을 받고자 하는지에 따라 어떤 인공지능 모델을 개발할지도 결정짓게 되거든요.
AIdant 첫 뉴스레터에서는 의료의 다양한 목적에 따른 인공지능 솔루션 모델의 분류를 살펴보면서, 나에게 어떤 인공지능 모델이 적합할지 살펴보면 어떨까 합니다. 의료 인공지능 모델은 다양하게 분류할 수 있지만 이번에는 스크리닝, 진단, 예후 예측 그리고 정량화 모델 총 4가지 모델에 대해 알아보도록 하겠습니다.
첫 번째, 스크리닝 모델. 이 모델은 특정 질병이 있는 사람을 선별하기 위한 목적으로 사용됩니다. 검사를 통해 이상이 나타난 경우 정밀한 검사를 통하여 질병의 유무를 진단하여야 합니다. 현재 영상의학과 전문의 부족 현상은 꾸준히 지적되고 있는 의료계의 어려움 중 하나로, 한 보고서에서는 한국 영상의학과 의료진 참여자 중 26%가 숙련된 의료진의 부족을 가장 큰 도전과제로 꼽기도 했습니다.²
처리 한계보다 많은 환자가 몰리거나, 시간 또는 지역에 따라 영상의학과 전문의의 도움을 받지 못하는 상황같이 말이죠. 또, 응급실의 경우, 한 번의 사고로 여러 환자가 몰리는 경우도 때때로 발생합니다. 이때 인공지능 기반의 스크리닝 솔루션 모델이 영상 판독의 정확도와 판독 시간을 줄이는 데 도움을 줄 수 있고, 응급실 환자의 경우 영상의 종류마다 응급도에 따른 우선순위를 매겨주어 효과적이라고 할 수 있습니다. 또한, 검사에 해가 없고 간단하게 시행할 수 있어서 스크리닝 도구로 제격이라고 할 수 있습니다.
두 번째, 진단모델. 일반적으로 증상 발생 후 의사의 진료를 받고서 실시하는 검사를 진단 단계라고 합니다. 진단은 특정 병의 유무를 확진하는 것을 뜻하는데 인공지능 기반의 진단 솔루션을 진단 보조로 사용할 수 있습니다. 진단 보조로써 인공지능 모델은 판독의 오진율을 낮추고 진단의 속도와 정확도 그리고 강건함을 유지할 수 있습니다. 최근 보도된 자료를 살펴보면, 강직척추염 조기진단 인공지능 모델의 경우 91% 이상의 평균 정확도를 보였으며, 급성백혈병 진단 인공지능 모델의 경우 99.1%의 정확도를 보였습니다.⁴ 많은 연구진들이 진단모델의 정확도가 전문가와 유사할 것을 1차적 목표로 하고 있으며, 연구를 통해 전문가의 판독 정확도를 넘어서는 사례도 있었습니다. 해당 연구에서는 또한 인공지능과 전문의가 공동으로 판독할 경우 정확도가 가장 높아진다고 이야기하고 있습니다.⁵
세 번째, 예후 예측 모델. 적합한 환자 치료 계획 수립에 도움을 주는 모델입니다. 같은 질병이라 하더라도 환자별로 개별 전문 의료인의 지식과 경험에 기반하여 치료 계획을 세우게 되는데, 최근에 연구원들은 인공지능을 통해 환자에게 확률적으로 성공 가능성이 높은 치료 계획을 알려주는 예후 예측 모델에 도전하고 있습니다. 그동안의 예후 예측 모델이 대량의 복잡한 데이터를 처리하는데 어려움이 있었다면 인공지능 기술을 활용하여 훨씬 복잡하고 많은 양의 데이터를 처리할 수 있게 되었습니다. 최근에는 위암 수술 후 영양실조 발생 위험이 있는 환자를 선별하기 위한 목적의 영양실조 예측 모델이 개발되었죠.⁶ 위암 수술 후 체중 감소나 더딘 회복 등 나쁜 예후로 이어질 가능성을 찾고 그에 따른 계획을 수립하도록 돕는 모델입니다. 예후 예측 모델은 진단모델처럼 현재 상태를 판별하는 목적이 아니라 현 상황을 바탕으로 미래의 일을 예측해야 하는 만큼 예측해야 할 기간이 길어질수록 솔루션의 난이도가 상승한다는 점도 알아두어야 합니다.
네 번째, 정량화 모델. 판독의 정확도를 높이거나 연구에 필요한 계측을 자동으로 해주는 인공지능 모델입니다. 척추측만증(Scoliosis)을 평가할 때, 척추가 얼마나 휘어 있는지 랜드마크를 찾아 표시하는 과정을 거치는데요. 이때 랜드마크 사이의 각도나 거리를 자동으로 수치화하여, 어쩌면 단순 작업일 수 있는 이 작업을 인공지능 모델이 수행해 준다면, 의료인의 업무 효율을 상당히 높여 더 중요한 의료 활동과 연구에 집중하도록 돕는 모델이죠.
의료 인공지능 모델 중 4가지, 스크리닝, 진단, 예후 예측, 정량화 모델에 대해 살펴봤습니다. 앞서 말한 것처럼 의료에서 인공지능을 활용하기 위해서는 ‘어떠한 목적’을 달성하고 싶은지 분명하게 설정하는 것이 필요하죠. ‘목적’설정에도 인공지능은 의료 업무의 효율성 개선과 정확도 향상에 보조하는 역할임을 명확히 할 필요가 있습니다. 의료 인공지능은 스스로 독립적일 수 없으며, 전문 의료인을 조력하는 도구로서 존재한다는 것을 핵심 전제로서 잊지 않을 때, 실제 의료현장과 연구 환경에 맞는 솔루션을 제공할 수 있게 될 것입니다.
참조
1) 디지털 헬스케어 활성화를 위한 산업통산전략-원격의료서비스를 중심으로, 무역협회
2) Precision Diagnosis: Radiology’s Evolution Towards a Digital Healthcare Future, Philips
3) 1. Koo BS, Lee JJ, Jung J-W, et al. A pilot study on deep learning-based grading of corners of vertebral bodies for assessment of radiographic progression in patients with ankylosing spondylitis. Therapeutic Advances in Musculoskeletal Disease. January 2022. doi:10.1177/1759720X221114097
4) Lee J, Cho S, Hong SE, Kang D, Choi H, Lee JM, Yoon JH, Cho BS, Lee S, Kim HJ, Kim M, Kim Y. Integrative Analysis of Gene Expression Data by RNA Sequencing for Differential Diagnosis of Acute Leukemia: Potential Application of Machine Learning. Front Oncol. 2021 Aug 23;11:717616. doi: 10.3389/fonc.2021.717616. PMID: 34497767; PMCID: PMC8419339.
5) Salim M, Wåhlin E, Dembrower K, et al. External Evaluation of 3 Commercial Artificial Intelligence Algorithms for Independent Assessment of Screening Mammograms. JAMA Oncol. 2020;6(10):1581–1588. doi:10.1001/jamaoncol.2020.3321
6) Park, JH., Kim, E., Seol, EM. et al. Prediction Model for Screening Patients at Risk of Malnutrition After Gastric Cancer Surgery. Ann Surg Oncol 28, 4471–4481 (2021)
의사의 내일을 위한 뉴스레터, 에이던트 뉴스레터 구독하러 가기(클릭)
