AI와 의료의 기회
- AI를 의료에 사용하면, 더 많은 목숨을 구할 수 있을까
1. 들어가면서...
AI는 의료 현장의 혁신을 이끌 수 있는 핵심 기술이다. 정확한 진단, 빠른 의사결정, 개인화된 치료, 그리고 의료 서비스의 접근성 향상까지 다양한 영역에서 AI는 기존 한계를 극복하는 도구로 작동한다. 하지만 기술적 가능성만으로는 성공할 수 없다. 실제 임상 현장에서의 효용성, 데이터 품질, 의료진의 신뢰, 규제 대응 등 복합적인 요소들이 맞물려야 한다.
AI가 의료 현장에 도입되면서 여러 변화가 일어났다. 초기에는 진단 보조 시스템으로 시작했는데, 특히 영상 의학 분야에서 효과를 보였다. X-ray, CT, MRI 같은 영상 데이터를 분석해 종양이나 이상 징후를 찾아내는 데 인간보다 빠르고 정확한 경우가 많았다. 미국의 한 연구에서는 AI가 유방촬영술 결과에서 의사보다 11.5% 더 많은 암을 발견했다는 결과가 나오기도 했다. AI를 적용해서 성공한 것만은 아니다. 실패 사례도 있었다. 2018년 IBM 왓슨 헬스는 암 치료 권고 시스템을 개발했지만, 훈련 데이터가 부족하고 실제 환자 데이터와 괴리가 있어서 신뢰성을 잃었다. 몇몇 병원에서는 잘못된 치료 방향을 제시하는 바람에 프로젝트가 중단되기도 했다. 또한 수술 로봇도 혼란을 겪었다. 다빈치 수술 로봇은 정밀도가 뛰어나지만, 의료진이 제대로 훈련되지 않으면 오히려 합병증 위험이 증가했다. 2020년 미국에서 보고된 사례에서는 로봇 팔이 환자의 대동맥을 찌르는 사고가 발생하기도 했다.
AI 의료 법적 문제도 불확실하다. AI 가 내린 진단 결과로 인해 피해가 발생하면 책임 소재가 애매하기 때문이다. 현재는 결국 담당 의사가 최종 판단을 해야 하지만, 점점 AI 의존도가 높아지면서 논란이 되고 있다. 아직은 AI 가 의료 현장에서 완전히 자율적으로 움직이기보다는 보조 도구로 사용되는 단계이다. 그러나 현재 기술 발전 속도가 우리가 예상한 것보다 빨라서 조만간 신뢰성과 안전, 법적 책임 문제 등 관련 문제들을 해결하지 못하면 실제 현장에서의 적용은 한계에 부딪힐 수밖에 없다. 따라서, 다음에는 AI가 의료에 적용되어야 하는 필요성과 함께, 성공과 실패 사례를 분석하고 무엇을 고려해야 하는지를 정리해 보조가 한다.
2. AI의 의료 적용에 대한 강점
AI는 의료가 직면한 다양한 구조적 문제들을 해결할 수 있는 도구다. 진단의 정확도 부족, 의료 인력의 부족, 고비용 구조 등은 오랜 기간 지속되어 온 문제이며, 현재로 기술로 이러한 문제들을 풀기 위해 AI가 절대적으로 필요하고, 의료분야의 문제들을 보완할 수 있다. 특히 방대한 의료 데이터를 효율적으로 분석하여 임상적 의사결정을 돕는 데 AI의 강점이 있다. 2023년 미국 존스 홉킨스에서 발표한 병원오진은 매년 미국에서 오진으로 79만 5000명의 환자가 사망하거나 영구적인 장애를 입는다고 발표하였기에 초기에 가장 중요하다고 볼 수 있는 정확도 진단에 AI가 큰 역할을 하며 진단의 정확도를 향상시킬 것으로 판단된다. 그런 면에서 AI는 영상 분석은 물론이고 조직 샘플을 분석하여 암세포를 식별하는 병리 이미지, AI를 통하여 유전체 데이터를 분석하여 암과 같은 복잡한 질병의 발병 위험을 평가하는 등을 고정밀 진단을 지원한다.
의료 인력 부족은 어느 분야에서나 같은 상황이다. 따라서 모든 분야에서 효율적인 인력 자원 관리가 필수적인데 환자의 우선순위를 정하는 트리아지, 경미한 질환 선별, 초기 진단에 대한 평가 등 반복적인 작업을 AI가 대신함으로써 인력 자원을 효율적으로 운용할 수 있다. 이뿐 아니라 기존의 발생된 병질환에 대한 치료도 중요하지만 예측과 예방 중심의 전환은 더더욱 중요한데, 질병 발생 가능성을 사전에 예측하여 조기 대응을 가능하게 한다. 사전에 예측하는 방법으로는 대량의 건강데이터나 유전자 정보, 환경 데이터 등을 기반으로 환자의 질병 발생 위험을 사전에 평가하는 것이다. 이를 통하여 정밀진단과 정밀 치료(맞춤형)가 가능하여 명실공히 개인 맞춤형 치료 지원이 가능하다. 유전체, 생활 패턴, 머신러닝 등 다양한 데이터를 기반으로 최적화된 치료법을 제시할 수 있다.
3. AI의 의료 적용에 대한 시도
AI가 의료 현장에서 도입되어 당연히 성공한 것과 실패한 것으로 나뉜다. 성공이던 실패이던 아직은 과정 중이기 때문에 명확하게 정의하기는 어렵지만 어떠한 시도들이 행해졌는지 알 필요가 있다. 실질적으로 AI 적용이 성과를 거둔 사례는 몇 가지 공통점을 지닌다. 명확한 문제 인식, 고품질 데이터 확보, 병원과의 긴밀한 협력, 임상적 신뢰성 확보가 핵심이다. 이러한 사례들을 통해 어떤 방향이 효과적인지를 알 수 있다.
가장 먼저 초기에 주목을 받은 사례가 IBM 왓슨의 적용이다. 특히 암 진단과 치료 제안을 위한 AI로 초기에는 많은 병원과 협력을 실행했고 모두가 암 진단에 획기적인 방법으로, 임상 가이드라인과 논문을 학습하여 치료 옵션을 제안하는 방식이었다. 모두가 암에 대한 진단이 정확하게 빠르게 판명되기를 원했기에 많은 AI학자나 전문가 들은 암에 대한 진단을 AI를 통해 하고자 했는데, 그중에서 DeepMind Health(영국)는 안과, 눈에 대한 영상 진단 AI 개발하고 영국 국립병원과 협력하여 실질적인 임상 데이터 확보하기도 했다. 안구 질환을 조기에 진단하고, 의사의 판단을 보조하면서 정밀 진단뿐 아니라 실시간 반응성과 투명한 알고리즘 공개로 신뢰를 얻고자 한 경우이다. 이외에도 암 이외에 뇌출혈이나 폐색전증 등 응급 영상 진단 AI를 통하여 응급실에서 의사의 빠른 판단을 돕고, 영상 판독 시간을 단축시키기 위한 노력으로 Aidoc(이스라엘) 기업이 있다. Aidoc은 미국 FDA 인증을 받아 신뢰성과 실용성 확보에 노력하였다. 다양한 환자들의 조기 진단을 위한 노력이 여전히 다양한 방법으로 시행 중이고 이를 통하여 개인 맞춤형 항암 치료 설계를 하고 정밀 의료를 현실화하면서 의료진의 적극적인 사용과 전폭적인 지원을 이끌어 내고자 한다.
시도를 했다고 해서 반드시 성공을 전제로 하는 것은 아니다. 기술 중심의 접근, 임상 현실과의 괴리, 데이터 품질의 문제, 규제 미비 등은 AI 의료 프로젝트가 실패하는 주요 원인들이 요소요소에 깔려있다. 대표적으로 IBM의 왓슨이 AI 암진단으로 주목을 받았지만 2021년 사업을 마쳤고, 혈액 한 방울로 수백 가지 질병을 AI의 기술을 통해 진단하겠다는 비전을 제시한 Theranos도 모두 실패하였다. 이는 데이터의 편향이나 여전히 기술 부족, 규제 및 윤리문제, 임상 실험에 대한 신뢰 부족, 떨어지는 보편성 등 절대적으로 실수를 용납할 수 없는 의료라는 체계나 신뢰에 부합하지 못하였던 것이다.
4. 마치면서...
AI 의료는 미래를 좌우할 핵심 요소로 인간의 생명을 다루는 단순한 기술이상이다. 크고 작은 시도를 통하여 성공도 이루고 실패도 맛보았다. 과정 중에 우리가 배워 나가는 것은 인간을 위한 AI의료 성공이 기술력만으로 이루어지지 않는다는 것이다. 양과 질의 데이터와 AI에 대한 신뢰, 관련 규제, 의료 현장의 이해 등 복합적인 요인이 균형을 이루어야만 실제 임상에서의 의미 있는 변화로 이어질 수 있다. 앞으로 의료 AI가 진정한 혁신으로 이어지기 위해서는 기술자와 의사, 환자, 규제기관이 함께 설계하고 실행하는 구조가 필요하다.
따라서, 향후 AI가 의료진의 숙련된 판단력을 보조하고, 환자 개개인에게 최적화된 맞춤형 치료 시대를 완벽하게 열어가야 한다. 또한, AI는 의료 접근성이 낮은 지역이나 재난 상황에서도 중요한 역할을 수행하며 의료 불균형 해소에 기여할 잠재력을 지닌다. 결국, 인간 중심의 가치를 최우선으로 두고 AI 기술을 융합해 나갈 때, 의료는 더욱 안전하고 효율적이며 따뜻한 방향으로 발전할 수 있을 것이다.
@본 원고는 GAI의 도움을 받았음
