|
정보통신기술(ICT)은 통신 기술의 발달 및 멀티미디어 처리 기술 발전, 빅데이터의 처리 능력 향상을 거듭하면서 점차 복잡화, 지능화되면서 진화하고 있으며, 뇌 과학·뇌 의학 기반 기술 발전에 힘입어 인공지능(Artificial Intelligence) 기술 혁신을 촉발했다.
인공지능 기술을 통해 인간의 능력을 넘어서는 수준의 데이터를 처리할 수 있게 됐고, 보다 정확하고 효율적인 의사결정이 가능해짐에 따라 최근 주목받기 시작했다.
의료영상 분야에서는 다양한 진단기기를 이용하는 환자 수 증가에 비해 부족한 의료 인력 문제, 인간의 부정확한 판독 및 의사 간(혹은 동일 의사) 판독 편차 등으로 인한 오진 문제를 해결하기 위해 인공지능 알고리즘의 적용 방법이 활발하게 연구되고 있다.
또한 의료데이터가 점점 복잡해짐에 따라, 기존의 연구 접근방식으로는 의료영상을 컨트롤하는 것이 어렵다는 문제의 해결을 위해 인공지능 알고리즘들이 활발하게 적용되고 있다.
전 세계적으로 ‘선택과 집중’되는 분야
미국은 인공지능 R&D 정책을 범 정부차원에서 추진 중이며, 정밀의료 추진 계획을 통하여 인공지능을 활용한 개인 맞춤형 의료 혁신에 집중하고 있다.
미국의 인공지능 관련 기업들은 자체적으로 기술을 개발하고 다양한 스타트업 기업을 인수, 헬스케어 분야의 인공지능 선도 기업으로 입지를 다지고자 노력 중이다.
일례로 구글은 혈당측정기, 노화방지 치료제, 유전자 분석, 건강관리 플랫폼 등 헬스케어 관련 기술 개발을 통해, 평소 건강상태와 적절한 대응법을 제공하는 인공지능을 선보일 것으로 전망된다.
마이크로소프트는 인공지능을 이용한 암 치료법 개발에 착수하여, 암을 디지털 프로그램으로 변환해 디버그 하는 방법으로 개별 환자별 맞춤형 치료법을 제공할 계획이다.
애플은 최근 환자, 가족, 간병인, 의사, 간호사가 치료 계획을 공유하고, 복약 상황 등을 모니터링 해 효과적으로 환자의 치료를 돕는 소프트웨어를 개발했다.
유럽은 의료정보 기술 플랫폼 구축 및 유전체 분석을 강화한 정밀의료 제공을 추진하고 있으며, 앞으로 인공지능 기술을 적극 활용할 계획임을 알렸다.
2013년 인간두뇌 프로젝트(Human Brain Project)를 발표하고 2023년까지 10년동안 1.8조원을 투자해 두뇌 분야를 중심으로 인공지능 헬스케어 산업발전을 견인할 의료정보 기술 플랫폼 구축을 목표로 하고 있는 것이다.
캐나다 토론토대 연구팀은 알츠하이머 증세를 조기에 진단할 수 있는 인공지능 로봇 ‘루드비히(Ludwig)’을 공개했다. ‘루드비히’는 키 2피트(약 61cm)의 AI로봇으로 요양원, 은퇴자 시설에 있는 노인들과 대화를 통해 알츠하이머 치매 징후를 찾아낼 수 있도록 개발됐다.
일본은 유전체 분석과 인공지능 적용 로봇을 활용한 개인 맞춤형 의료 서비스 제공에 집중하고 있으며, 2020년부터 인공지능을 이용한 의료행위를 진료보수에 적용하는 방안을 검토 중이다.
일본정부는 인공지능이 의료수준을 높이고 인력부족 현상을 완화시킬 것으로 예상하여, 인공지능 개발과 의료기관의 관련 설비 투자를 적극 지원하고 있다.
실제로 도쿄대 의과학연구소에서는 미국 IBM의 AI 슈퍼컴퓨터 ‘왓슨’을 활용, 2015년 7월부터 2016년 3월까지 암 환자 54명 중 41명의 진단 및 치료 방향 결정에 도움을 받는 등 긍정적 결과를 도출했다.
국내기업들도 적극적 움직임
뷰노(Vuno)는 컴퓨터단층촬영(CT), 자기공명영상(MRI) 등 의료영상과 진단자료를 분석해 환자의 폐질환 여부를 스스로 판단하는 솔루션을 개발했다.
또 성 조숙증 여부를 진단하는 골연령 판독 프로그램을 개발하고, 미만성 폐질환 데이터를 분석해 전문의 판단에 도움을 주는 시스템을 연구 중이다.
루닛(Lunit)은 인공지능 영상인식 기술을 이용하여 가슴과 유방 엑스레이 사진에서 폐 질환과 유방암을 진단하는 기술을 개발하고 있다.
딥러닝 알고리즘을 기반으로 흉부 X-ray와 유방촬영술 영상을 감별 및 진단해 육안으로 판독하기 어려운 부분의 종양의 위치, 크기, 종양 내 변형된 세포 및 특이조직을 검출하는 방식을 연구 중이다.
제이엘케이인스펙션은 수많은 임상 자료를 바탕으로 기계학습(Machine Learning)과 딥러닝(Deep Learning) 기술을 적용한 인공지능 기반의 뇌경색 MR 영상진단 시스템을 개발했다.
OBS Korea는 클라우드 기반의 인공지능 PACS 플랫폼 기술을 바탕으로 의료영상을 수집, 레이블링, 딥러닝 학습 및 분석, 검증을 위한 기술을 적용 중이다.
마이다스아이티와 삼성서울병원은 MR영상을 분석하여 치매위험지수를 산출하는 프로그램인 ‘인브레인(inbrain)’을 만들었다.
뇌 MR 영상을 입력하면 3D로 복원하고 기능별로 영역을 분할한 뒤 사진을 정량적으로 측정하며, 숙련된 전문가가 몇 시간씩 투자해야 하는 정량적 분석 결과를 일반인도 알기 쉬운 치매위험지수로 보여주는 것이 특징이다.
이처럼 국내에서도 척추질환 엑스레이, 관절염 CT, 치과 파노라마 엑스레이 영상, 뇌동맥류 MR 영상 등 다양한 의료영상에 딥러닝 기술을 적용하여, 질환 크기와 위치를 자동으로 검출하는 영상 진단 기술이 개발되고 있다.
의료 영상에서의 인공지능 전망
인공지능 헬스케어의 활성화는 정밀한 치료를 제공하고 합리적인 비용으로 의료서비스의 질적 수준을 향상시킬 수 있으며, 환자 및 일반 국민 측면에서는 데이터 기반의 최적화된 의료건강 관리 서비스가 제공됨으로서 의료비 부담 경감 및 치료에 긍정적인 영향을 줄 수 있다.
의료인공지능의 1차적 검증이 폐쇄형 단일기관 검증에서 오픈형 데이터셋 경쟁 기반으로 변화하고 있다. 이 같이 인공지능시스템 검증은 데이터를 오픈해 세계 여러 그룹 연구자에게 공개하고 대회를 열어 더 좋은 결과를 얻는 방향으로 진행되고 있다.
의료데이터를 외부기관에서 활용하기 위해서는 의료데이터 소유권의 문제, 개인정보 보호법 등 법적, 제도적 문제를 해결한 학습용 공공 의료데이터 수집이 필요하다.
의료영상 인공지능을 구현하는 기업들의 연구 활성화를 위해 의료기관에서 의료영상 전문가가 진행한 레이블링 데이터 세트를 확보, 학습데이터를 오픈하는 것 역시 필히 고려돼야 할 사항이다.
우리나라는 각 기관별 방대한 영상 데이터가 구축됐으나 기관 간 연계와 공유가 미흡한 실정이다. 따라서 기관 간 데이터 연계 및 활용을 위한 의료정보 활용 가이드 라인의 제시가 필요하다.
의료데이터는 민감한 데이터이므로 분석과정에서 의도적으로 유출되거나 부정하게 열람ㆍ복제돼 다른 목적으로 활용되는 문제가 발생하지 않도록 철저한 보안체계를 형성해야 하기 때문이다.
의료분야 인공지능은 의학과 인공지능 기술에 대한 전문성이 모두 필요하므로 기업과 병원 간 협업이 필요하다. 기업과 병원 간 협력 방식의 열린 자세가 필요하며, 조직 차원에서 구조적인 지원이 뒷받침돼야 한다.
마지막으로 국내 의료 인공지능 기술이 개발 및 연구돼 활발한 활용이 이뤄지기 위해서는 아직 미흡한 규정과 법률의 개선이 필요하다.
의료분야의 인공지능 기술 활성화 및 상용화를 위해 인공지능 판단이나 결과의 책임, 사용자 보호, 환자 안전 등 관련 범위에 대한 심도있는 논의가 필요한 시점이다.
<이 칼럼은 건강보험심사평가원의 HIRA 빅데이터 브리프(제2권 2호)에도 동시게재된 내용임을 알립니다.>
|
