루닛: 의료 AI 기술로 의료 진단의 미래를 재정의하다
연세대 경영혁신학회 33기 이재현
루닛은 2013년에 설립된 의료 AI 스타트업으로 KAIST 출신의 인공지능 전문가들이 창립한 이 회사는 딥러닝 기술을 의료 영상 분석에 적용하여 큰 변화를 일으키고 있다. 루닛은 딥러닝 기술을 이용해 가장 대표적으로 이용되는 의료 영상인 엑스레이에서 미세한 병변을 탐지하거나 더 나아가 항암치료제 개발에 기여하는 소프트웨어를 개발한다.
루닛의 주요 서비스로는 INSIGHT CXR, INSIGHT MMG이 있다.
[그림1] 출처 : Lunit Inc.INSIGHT CXR은 흉부 엑스레이 이미지를 분석하는 소프트웨어다. 이 소프트웨어는 흉부 엑스레이 이미지에서 비정상적인 소견을 감지하고, 이를 의료진에게 알려준다. 주로 폐 결절, 폐렴, 흉수(가슴 안의 액체 축적), 폐기종 등의 병변을 탐지하고, 병변의 위치, 존재 가능성을 보여준다.
[그림2] 출처 : Lunit Inc.INSIGHT MMG는 유방 엑스레이인 맘모그래피 이미지를 분석하는 소프트웨어다. 이 소프트웨어는 유방암을 포함한 유방 질환의 징후를 탐지하고, 의료진에게 알려준다. 유방암 조기 발견에 특히 중점을 두고 있다.
위 서비스들은 주로 B2B2H(기업-기업-병원)의 방식으로 공급된다. 이는 크게 두 가지가 있는데 하나는 의료 영상 장비 공급 업체들이 장비를 판매할 때 루닛의 소프트웨어가 함께 팔리는 형식이다. 나머지 하나는 병원에서 의료 영상이 촬영되면 PACS(Picture Archiving and Communication System : 의료영상저장전송시스템)로 영상이 이동한 후 판독되는 형식인데 이 PACS 공급 업체와의 파트너십이다. 루닛의 소프트웨어가 PACS를 통해 공급되어 병원에서 사용된다.
시장 내에서 독보적인 경쟁력을 가진 자사 모델의 성능
[그림3] 출처 : 문서 하단 참고루닛의 대표 서비스인 INSIGHT CXR은 대부분의 병변(9개 중 8개)에 대해 0.900 이상의 AUC를 보이고 5개의 병변에 대해서는 0.940 이상의 높은 AUC를 보이고 있다.
*AUC(Area Under the Curve) : 기준값(threshold)이 달라짐에 따라 분류모델의 성능이 어떻게 변하는지를 나타내기 위해 그리는 그래프인 ROC(Receiver Operating Characteristic) 곡선의 아래영역 넓이를 나타내는 값. 최솟값과 최댓값이 각각 0.5, 1이며 최댓값인 1에 가까울수록 모델의 정확도가 높음을 의미.
[그림4] 출처 : 문서 하단 참고 또한 위 그림을 통해서 알 수 있듯이 루닛의 AI 모델을 나타내는 노란색 곡선이 가장 좌측 상단에 위치함을 통해 경쟁 서비스인 Qure AI의 qXR, Delft Imaging의 CAD4TB보다도 더 우수한 정확도를 보인다.
기존 의료인보다 뛰어난, 함께하면 더 뛰어난 성능을 의료 진단 보조 AI
[그림5] 출처 : 문서 하단 참고같은 의사면허를 가지고 있는 사람일지라도 숙련 정도에 따라 정확도는 큰 차이를 보인다. 다만 고숙련 의료인이 되기 위해서는 장시간의 경력이 수반된다. 한국 기준 일반의, 전문의 과정까지만 해도 11년이 소요되며 펠로우 기간까지 포함하면 그 이상이 필요하다.
위 그림은 루닛 INSIGHT MMG가 의료인 대비 어느 정도의 진단 정확성을 보이는지를 보여준다. MMG를 나타내는 초록색으로 표시된 곡선이 좌측 그래프에서 고숙련, 저숙련 의료인보다 더 높은 진단 정확성을 보이며 우측 그래프에서 이를 사용한 의료인의 진단 정확성 향상을 보여준다. 해당 서비스를 이용하게 되는 주체가 의료인인 만큼 의료인이 사용했을 때 더 높은 진단 정확성을 보여준다. 이러한 숙련도의 차이를 보완해주는 역할을 수행하여 더 많은 의료인이 정확한 진단할 수 있도록 보조할 것이다.
조기 발견을 통한 국가적 의료 비용 감소
의료에서 정확한 진단은 매우 중요하다. 그 중에서도 조기 발견(Early Detection)은 의료에서 가장 중요한 요소 중 하나이다.
[그림6] 출처 : NHS(National Health Service)이는 환자의 생존율과 치료 비용 모두에 큰 영향을 끼친다. 영국의 NHS(National Health Service)의 데이터에 따르면 주요 4가지 암에 대해 1기 진단과 4기 진단에 따른 생존율과 치료 비용이 극명한 차이를 보인다.
결국 해당 의료 행위를 받아야 하는 환자 입장에서의 의료 비용 감축, 국민 전체의 의료 비용을 의료 보험 제도를 통해 지원해야하는 국가 차원에서의 의료 비용 감축 효과로 이어질 것이라고 예상된다.
시장 선점을 통한 지속적인 학습 데이터 수집
AI 산업 특성 상 선도 기업은 시장 선점을 통해 많은 이용자들의 데이터를 수집할 수 있고 이 데이터는 다시 해당 기업의 서비스를 고도화되는데 활용된다. 이는 후발 주자가 따라 잡기 힘들게 만드는 요소로 작용하며 성능적인 측면에서의 강점을 지속해서 유지 및 강화시켜준다.
글로벌 선두 의료 촬영 기기 업체인 GE헬스케어(GE Healthcare), 필립스(Philips), 후지필름(Fujifilm), 홀로직(Hologic) 등과의 파트너십을 통해 자사 소프트웨어를 내제화하여 의료인에게 높은 접근성을 제공하고 데이터를 확보하고 있다.
병원 입장에서의 소구점
병원이 사업적 관점으로도 루닛 인사이트를 사용할 용의는 충분하다. 의료 진단 보조 AI를 활용한 진단은 의료진의 시간을 절약하고, 더 많은 환자를 진료할 수 있게 한다. 이는 병원의 생산성을 높이고, 장기적으로는 수익성 증가로 이어질 것으로 예상된다. 또한, 진단 정확도를 높여 환자의 만족도를 증가시키며, 잘못된 진단으로 인한 비용과 리스크를 줄일 수 있을 것으로 예상된다.
더 높은 진단 효율
의료 진단 보조 AI를 활용한다면 동일한 수 또는 더 적은 수의 의료인이 더 많은 환자를 진단하는 것이 가능하다. 진단 정확도에서의 보조와 진단 효율 개선은 의료 인력이 부족한 지역의 의료 기관에서 사용된다면 지역별 의료 수준 평준화에도 기여할 수 있을 것으로 기대된다.
루닛의 확장 가능성
루닛은 현재 기존의 CXR MMG 서비스 이후에 DBT와 같은 디지털 유방 단층촬영술 영상에 대한 진단 보조를 비롯하여 루닛 SCOPE에서 면역항암제 관련 솔루션도 제공하고 있다. 루닛이 가지고 있는 기존 모델 개발 노하우 및 전처리 기술 등이 얼마나 유효하게 작용하여 후발 주자임에도 기존 업체들보다 뛰어난 성능의 AI를 만들 수 있을지 관건이다.
기존 CXR과 MMG 시장에서 루닛이 유의미하게 더 뛰어난 성능의 AI를 개발할 수 있었던 이유가 경쟁 업체들에 비해 이른 시기에 모델을 개발하여 더 많은 의료 기관과 의료 관련 업체로부터 상대적으로 손쉽게 데이터 확보를 할 수 있었다고 생각된다.
앞서 루닛의 강점을 설명했던 보수적인 시장 특성 또한 확장 가능성에 있어 큰 걸림돌이 될 수 있을 것이다. 루닛이 확보한 시장에 다른 경쟁사가 들어오기 어려운 만큼 루닛이 인접 시장으로 확장 하고자 할 때 여러 규제 및 데이터 확보에 어려움이 있을 것으로 예상된다. 루닛의 기존 서비스 개발 노하우와 파트너십을 맺은 의료 기관 및 업체를 통해 이를 극복할 수 있을지가 관건이다.
[그림3] 출처 : Nam, Ju Gang et al.(2021) Development and validation of a deep learning algorithm detecting 10 common abnormalities on chest radiographs. European Respiratory Journal : 42
[그림4] 출처 : Sandra V. Kik et al.(2022) Diagnostic accuracy of chest X-ray interpretation for tuberculosis by three artificial intelligence-based software in a screening use-case: an individual patient meta-analysis of global data. 25
[그림5] 출처 : Hyo-Eun Kim et al. (2020) Changes in cancer detection and false-positive recall in mammography using artificial intelligence: a retrospective, multireader study. European Respiratory Journal : 42 Lancet Digital Health; 2: e138–48
연세대 생명공학과 이재현
nbnownow@gmail.com
