심리학, 특이점이 온다

[리뷰] 파킨슨병·치매 진단도 AI 시대

Apr 3. 2026

* 해당 저널은 DBpia에서 열람이 가능한 학술 논문으로 구독 기관에 따라 전체 내용을 유료로 확인할 수 있습니다. 따라서 본 매거진에서는 해당 내용이 흥미로웠던 이유를 중심으로 간략히 요약하고자 합니다.

INTRO

건강관리의 패러다임은 점점 '치료'에서 '예측'으로 이동하고 있다. 특히 파킨슨병이나 치매와 같은 신경퇴행성 질환은 조기 발견이 삶의 질을 좌우하지만 기존의 진단 방식은 증상이 나타난 이후에야 개입이 가능하다는 한계를 가지고 있었다. 이러한 상황에서 AI는 의료 진단의 새로운 가능성을 열고 있다. 뇌 영상이나 혈액 데이터와 같은 복잡한 생체 정보를 분석해 질병의 초기 징후를 포착하고 나아가 향후 진행까지 예측하는 기술이 등장하고 있기 때문이다.

오늘은 파킨슨병과 치매 진단에 AI를 적용한 최신 연구 사례를 중심으로 의료 패러다임이 어떻게 변화하고 있는지 살펴보고자 한다.

출처: unsplash

REVIEW

리뷰할 논문의 정보는 다음과 같다.

출처: [Health for CEO] 파킨슨병·치매 진단도 AI시대 피 한 방울이 뇌영상 한 장으로?

* 저자: 박지훈
* 발행기관: (주)매일경제신문사
* 학술지명: 매경럭스맨(매경LUXMEN), Vol.- No.179 [2025], p.138-139

이번에 살펴볼 내용은 파킨슨병과 치매 진단에서 AI 기술의 적용 가능성을 다룬 연구 및 사례를 기반으로 한다. 서울아산병원과 아주대학교 의료원 연구팀을 중심으로 뇌 영상 기반 AI와 혈액 단백질 기반 AI 모델이 각각 개발되었으며 이들은 조기 진단과 예후 예측이라는 측면에서 의미 있는 성과를 보이고 있다. 해당 사례는 AI가 단순한 보조 도구를 넘어 '예측 기반 의료'로 확장되는 흐름을 잘 보여준다.

01. 주요 내용

연구는 크게 두 가지 접근 방식으로 나뉜다. 하나는 뇌 영상 기반 AI, 다른 하나는 혈액 데이터 기반 AI다.

먼저 서울아산병원 연구팀은 도파민 신경세포 상태를 확인하는 DAT PET 영상을 학습한 생성형 AI 모델을 개발했다. 이 모델은 초기 파킨슨병과 본태성 떨림을 최대 99.7% 정확도로 구분했으며, 파킨슨병과 유사 질환 간 감별에서도 높은 정확도를 보였다.

특히 이 기술의 핵심은 단순 진단을 넘어, 질병의 진행 과정을 ‘영상 형태로 예측’할 수 있다는 점이다. 확산모델 기반 학습을 통해 사람의 눈으로는 포착하기 어려운 미세한 신경 변화까지 분석하고, 이를 바탕으로 향후 변화를 시각화한다.

한편 아주대학교 의료원 연구팀은 혈액 속 단백질 데이터를 활용한 AI 모델(PPIxGPN)을 개발했다. 이 모델은 1,463개의 단백질 데이터를 분석해 치매 위험을 예측하며, 핵심 단백질 19개만으로도 높은 정확도를 보였다.

이 접근 방식은 기존의 뇌척수액 검사나 고가 영상 검사 없이, 단순 혈액 검사만으로 조기 진단이 가능하다는 점에서 실용성이 크다.

또한 글로벌 연구 협의체는 대규모 단백질 데이터셋을 구축해 AI 기반 진단 기술의 발전을 가속화하고 있으며, 이는 다양한 신경퇴행성 질환으로의 확장 가능성을 보여준다.

02. 논문의 메시지

이 사례들이 공통적으로 보여주는 핵심은 의료가 '현재 상태의 판독'에서 '미래 예측'으로 이동하고 있다는 점이다. AI는 단순히 진단 정확도를 높이는 도구가 아니라 질병의 진행 경로를 예측하고 치료 전략을 설계하는 데 활용되는 새로운 의료 인프라로 기능하고 있다.

특히 영상과 혈액 데이터를 기반으로 한 비침습적 진단 방식은 환자의 부담을 줄이면서도 지속적인 관리 가능성을 높인다. 결국 [데이터 → 패턴 분석 → 질병 예측 → 맞춤형 치료] 라는 흐름 속에서 AI는 정밀의료를 실현하는 핵심 매개로 작용하고 있다.

COMMENT

이 내용에서 흥미로운 점은 AI가 단순히 '더 빠르고 정확한 판독 도구'에 머무르지 않는다는 점이다. 특히 질병의 진행을 시각화해 환자에게 설명할 수 있다는 부분은 의료 커뮤니케이션 방식 자체를 바꿀 가능성을 보여준다. 또한 혈액 기반 진단처럼 접근성이 높은 기술은 고령 환자나 의료 인프라가 부족한 환경에서도 실질적인 변화를 만들어낼 수 있다는 점에서 의미가 크다.

다만 이러한 기술은 여전히 데이터 의존도가 높고 실제 임상 환경에서의 장기적 효과나 표준화 문제는 추가적인 검증이 필요하다. 특히 다양한 인구집단에 대한 데이터 확보와 윤리적 문제 역시 함께 고려되어야 한다.

그럼에도 불구하고 AI를 '예측 기반 치료 도구'로 바라보는 관점은 앞으로의 의료 방향성을 명확하게 보여주는 중요한 시도라고 할 수 있다.

OUTRO

AI는 의료를 단순한 진단의 영역에서 예측과 관리의 영역으로 확장시키고 있다. 특히 파킨슨병과 치매처럼 조기 개입이 중요한 질환에서는 이러한 변화가 더욱 큰 의미를 가진다. 이번 사례는 영상과 혈액이라는 일상적인 데이터가 AI를 통해 새로운 의료적 가치를 만들어낼 수 있음을 보여준다. 이는 곧 환자의 삶의 질을 보다 이른 시점에서 지킬 수 있는 가능성으로 이어진다.

앞으로 중요한 것은 기술의 발전 그 자체보다 이를 어떻게 실제 의료 환경과 사용자 경험에 자연스럽게 연결할 것인가일 것이다. AI가 '질병을 찾아내는 도구'를 넘어 '미래를 준비하게 하는 의료 파트너'로 자리 잡을 때 의료의 패러다임은 한 단계 더 진화하게 될 것이다.

keyword