인공지능이라고  하면 가장 먼저  떠오르는  것은 무엇일까?   아마도  인간처럼  사고하고 행동하 는 능력을 가진 로봇일  것이다.    즉  인공지능은  기계가  인간과 같이  자료를  이해하고  판단하며  결정을 내리는 것이라  할 수 있다.    3년 전  이러한  인공지능의  발전이 급격히  이루어지고  있다는 것을  보여준  사건이 있다.   바로 구글의  인공지능  바둑기사인  AlphaGo가   한국의 이세돌 9단을  이기며  전 세계에  인간보다  뛰어난  바둑 인공지능이  존재함을  보여준 것이다.    여기서  사용된 인공지능은  딥러닝 (Deep Learning) 이라고  불리는 DNN (Deep Neural Network) 알고리즘이다.

의료 분야에서도  인공지능은  인간 이상의  역할을 할 수  있을까?   현재까지의  연구 결과로  보면 매우 긍정적인  답변을 줄 수 있을 것 같다.   딥러닝의  가장  성공적인  적용 분야는  컴퓨터 비전 분야이다.   병원에는 이 분야를  잘 적용할 수  있는 수많은  의료영상자료가  존재하며,   이러한  의료영상자료를 학습한 딥러닝 모델을  통해 입력된  영상의  특정 영역에  대한 정보를  제공해 줌으로써  진단을  보조할 수 있다.

 예를 들면  환자의  방사선 사진에  악성 종양이  있는지를  판단하고  종양의  위치를  탐지하거나  종류를  분류하는  것이다.   최근 이와  같은  의료영상자료를  바탕으로  한 인공지능  진단 보조기술들이  활발히  개발되고   있다.

대표적인  예로 구글에서  당뇨성  망막병증을  진단하기 위한 딥러닝  알고리즘을  개발하여  JAMA에  보고된 연구  결과가 있다.   54명의  안과의사들이  128,000개  이상의  망막 안저  사진을  판독하였고,   이를  딥러닝 알고리즘으로  학습하여  9,900명 이상의  환자를  진단하였을  때에  안과 전문의보다  정확한  판독이 가능했다는  결과를  보였다.

최근에는  인간이  판독 불가능한  내용도  인공지능을  통해  감지할 수 있음을  보이는  연구들도  발표되고있다.   Nature Medicine에서 는 폐암의  병리 슬라이드를  딥러닝하여  어떤 변이가  존재하는지  예측 가능하다는  연구 결과가 발표되었다.   또한 최근  면역항암제의  표적인 MSI (Microsatellite Instability) 도  위암 환자의 병리  슬라이드로부터  판단 가능하다는  연구 결과도  게재되었다.    이러한  결과들은  인간이 할수 없는 일을  인공지능을  통해 가능하게  할 수 있음을 보여준다.

의료영상자료  이외에도  병원의  EHR (Electronic Health Record) 자료를  기반으로 인공지능을  적용한 사례들이 있다.   최근  Nature Digital Medicine 에 보고된  논문에 따르면,   표준화된  FHIR (Fast Healthcare Interoperability Resources) 형식의  환자의 전체  EHR 데이터를  활용하여  딥러닝 시스템으로  예측했을 때 병원 내 사망률,   30일 이내  재입원,   장기 체류 기간을  기존 예측  모델보다  정확하게  예측할  수 있었다.

또한 인공지능을  EHR 데이터에  적용하여 환자의  건강 상태를  예방, 예측할  수 있는  모델들이  개발되고 있다.   최근  Nature에 게재된  구글 딥마인드의  연구 결과에  따르면,   703,782명의  환자를  대상으로  EHR에 존재하는  연속적인 데이터를  딥러닝  기술로  학습하여  급성 신장 손상을  48시간  이전에  예측할  수있는 기술이  개발되었다.

지금까지 보고된  인공지능 기술을  활용한  의료영상,  EHR자료 적용 연구들을 보면  그 결과가  매우 놀라운 수준이다.   딥러닝 기술로  학습된  진단모델은  수년 이상을  수련한  전문의 수준의  진단  성능을 보여주며, 대규모  EHR 자료 기반의  병원 내  이벤트  예측모델은  높은  정확도를  보여준다.   하지만  의료환경의  특성상  인공지능 기술이  실제로  널리 사용되기까지는  높은 수준의  검증이 필요하다.   최근 실제 진료 현장에서 딥러닝  알고리즘의  임상적 검증을  진행한  연구가  Nature Digital Medicine에 게재되었다.

앞서 소개한  구글의  딥러닝 기반  당뇨성  망막병증  진단 기술을  태국의  당뇨성  망막병증  선별 프로그램에 적용해본  것이다.   태국의  안저 사진을  판독하는  의료인들과  구글의  딥러닝  기반 진단 기술의 진단 정확도를  비교해  보았을 때  결과적으로  구글의  인공지능이  더  정확한  판독  결과를  보였다.    실제  진료에서의  임상적인  검증이  이루어졌고  그 결과  역시 의료인들과  동등  또는  그 이상의 정확도를  보였기 때문에 큰 의미가  있다고 할 수 있겠다.

올해  초 JAMA의  편집자인  Alex Morgan 박사는  인간 수준의   정확도를  보이는  영상 인공지능  기술에대한   연구 결과를  더 이상  JAMA에  게재하지 않겠다고  공표하였다.    덧붙여  clinical impact를  높일 수 있는 인공지능 연구를  장려하였다.   즉  전향적인  연구를 통해  실제 clinical outcome이  좋아지는지 를 확인할 필요가  있고,  또한 더 효과적으로  환자를 응대할 수  있는지에  중점을 두어 진행되어야  한다는 것이다.

 앞으로  의료분야의  인공지능  기술 수요는  지속적으로 증가할 것으로  예상되며,   임상적 검증을  확보할 수 있는  방안을  마련하는 것이  병원에서의  인공지능  기술 개발이  당면한  큰 과제라고  할 수 있겠다.