Ricky Lee

Ricky Lee

Client Developer


의료분야에서의 AI (1)

업데이트:

개요

AI 의료의 등장

image

현대 의학은 오랜 세월 수많은 데이터를 축적해 왔다. 이를 통해 눈부신 의학의 발전이 지금까지 지속적으로 이루어져 왔다. 하지만 점차 방대하고 다양해지는 의료 데이터 중, 진료과정에 필요한 데이터의 선별은 오히려 점점 더 어려워지고 있다. 현재 동일한 질환 환자에 대한 의료진들의 데이터 해석 방향의 차이로 오진이 자주 발생하며 정밀 진단, 수술 등의 경우 의사의 컨디션, 숙련도에 따라 결과가 천차만별인 경우가 많이 발생하고 있다. 바로 이것이 현대 의료계의 딜레마 중 하나로 여겨지고 있다. 그렇다면 이러한 딜레마를 어떻게 극복할 수 있을까? 그 해답으로 등장한 것이 바로 인공지능(AI) 기술이다.

현재 AI는 인공지능의 활용에 있어서 의료산업에서 활발히 진행되고 있다. 역시나 이런 급성장의 배경에는 ‘AI 기술의 발전’도 있지만 의료 데이터 축적이 가장 큰 배경이다. 특히 최근에는 의료 데이터의 축적이 기하급수적으로 증가하고 있다. 인공지능의 성능은 학습하는 데이터의 양과 질에 달려 있기 때문에, 이런 의료 데이터의 폭발적 증가는 의료 AI의 성능 향상으로 이어진다. 이렇게 막강한 성능을 지닌 의료 AI가 점차 인간의 영역에 근접해지고 있는 추세이다.


AI와 의료

image

최근 국내외에서 이슈가 되고 있는 4차 산업혁명은 경제위기 상황을 타개할 수 있는 대안으로 급격하게 부상하고 있다. 여기서 디지털 케어 및 바이오 공학이 인간의 건강 수준을 한 차원 더 높일 수 있는 블루오션으로 주목받고 있으며, 특히 인공지능 기술이 적용된 의료 분야의 미래는 굉장히 유망하다. 최근 코로나 바이러스가 대유행 하면서 세계에서 AI기술을 활용한 의료서비스에 집중하고 있는 지금, 이제는 AI가 의료에 적용될 경우 “무엇이 좋아질 것인가?”, “무엇을 줄 것인가?”에 대한 판단이 아니라 “어떻게 적용할 것인가?”, “어떻게 하면 의료기술 향상과 의료 서비스를 개선하여 삶의 질을 올릴 수 있을까?”를 고민할 시점이다.

1. AI 분석을 통한 정밀 진단

AI가 의료분야에서 어떻게 활용될 수 있을까? 의료분야에서 AI 기술을 잘 활용한다면 다양한 형태와 방대한 규모의 의료 데이터를 분석할 수 있다. 이를 통해 의료현장에서는 기존의 개인이 방대한 의료 데이터에 접근 및 활용하여 판단 후 진단하는 것 보다 AI를 통한 진료가 훨씬 더 빠르고 정밀한 진단이 가능하다.

실제로 의료분야에서 AI 기술을 사용한 대표적인 사례로 IBM 왓슨이 있다. 2014년 ‘미국 MD 앤더슨 암센터’는 왓슨을 바탕으로한 암 진단과 치료법 권고를 시험한 결과 암 진단률 정확도가 82.6%를 기록했다고 밝혔다. 이후 2016년에는 암 진단 정확도가 96%까지 상승하여 전문의보다 정확하다는 평가를 받고 있다.


2. 헬스케어 AI

image

헬스케어 AI 분야의 시장 규모는 2018년 21억 달러에서 2025년까지 361억 달러 수준으로 성장할 것으로 예상된다. 때문에 아래와 같이 수많은 기업들이 헬스케어 분야에 AI를 적용하기 위해 노력하고 있다. 분야는 신약 개발이나 유전자 분석 등 연구 분야부터 의료 데이터 분석, 병원 관리 최적화, 원격 의료 등 광범위하게 분포되어 있다.


3. AI 의료기기

현재 각종 의료기기 분야에서도 AI기술이 적용된 진단보조 기기들이 많이 개발되고 있고, 상당수가 상용화 되어 있다. 이런 가운데 수술로봇에도 AI기술이 접목될 가능성이 높아지면서 이목이 집중되고 있다. 수술 분야의 경우에는 로보틱스 기술에서 AI를 접목하여 수술 과정의 정밀함과 정확도를 높여 질 높은 치료를 제공할 수 있게 된다. 하지만 아직은 시기상조라는 비판적인 시각도 많은 현실이지만 미래의 의료기기 산업의 높은 성장을 이끌 것이라는 점에서 발전 가능성이 매우 높다고 보여진다.


4. 다양한 의료 서비스

이 밖에도 다양한 분야에서 수 많은 인공지능 기술분야를 접목하여 인간의 건강과 연관된 삶의 질 향상을 위해 수 많은 의료 분야에서의 AI 연구가 진행되고 있다.

  • 챗봇 로봇을 이용한 정신과 상담
  • 모바일 및 센서 기술과 접목한 만성질환자의 병원 외 관리
  • 모바일 기능과 챗봇 기능을 활용한 가상의 간호사를 활용한 퇴원 후 재활 및 투약관리
  • 광범화 생화학 데이터와의 접목을 통한 신약후보물질 발굴
  • 효과적 임상 시험 관리를 위한 환자군 발굴 및 관리
  • 환자 예약 및 물류관리를 통한 효율개선


의약품에서의 인공지능

신약 성공 가능성 제고

1. 신약 후보 물질 추천

image

의약품 측면에서 예측 모델을 사용하여 성공 가능성이 높은 신약 후보 물질을 추천하는 방법으로 AI가 쓰인다. 위 사진은 예측 모델을 통한 신약 개발 프로세스를 나타낸 이미지이다. Atomwise, Insilico Medicine, 스탠다임 등 의약품과 관련된 벤처 창업이 증가하는 추세이다. IBM 사에서는 단백질 관련 논문 7만 건을 분석하여 1주일 만에 6개의 후보물질을 발굴하였는데, 이는 지난 30년간 평균 1년에 1개의 후보물질을 발굴한 것과 비교해보면 매우 빠르고 효율적이라는 것을 알 수 있다.

SK 바이오팜에서는 SK C&C와 협업해 AI 기반의 약물설계(Drug Design) 플랫폼을 구축하였다. 현재 연구 인력들은

  • 약물 특성 예측
  • 화합물 데이터 보관소를 통한 과거 데이터 검색
  • AI 모델 보관소를 이용한 신규 화합물 설계위와 같은 AI 기술을 한 번에 활용해 연구 가설을 제시할 수 있다.

식품의약품안전처에 따르면 하나의 신약을 개발하는데 평균 10년에서 15년이 소요되고 약 1조~2조원을 투자해야 하지만 AI의 도움을 받게 될 경우, 신약 개발 기간은 평균 3~4년으로 단축되고, 개발 비용도 6천 억원 수준으로 줄일 수 있다. AI는 한 번에 100만 건 이상의 논문을 골라내기 때문이다.

또 JW 중외제약에서 AI 기반 빅데이터 플랫폼 클로버를 구축하였다. 자회사 C&C 신약 연구소는 이 플랫폼을 활용해 직접 실험하지 않고도 질환 특성에 맞는 신약 후보 물질을 골라낼 수 있다. 한편 미국 존슨앤존슨 계열사 얀센은 영국 AI 기업 베네볼런트 AI와 협력 계약을 체결하였다. 해당 회사는 임상 단계 후보 물질을 평가하고 난치성 질환을 치료하는 신약 개발에 나서는 중이다.


2. 투자 결정 지원에 기여

한편 성공가능성이나 비용 등에 대한 시뮬레이션을 통해 포트폴리오를 관리할 수 있다.

image

위 사진과 같은 포트폴리오 대쉬보드를 통해 AI가 프로젝트의 현재 진행 상황이나 수익을 미리 예측할 수 있다. 또 다른 회사와의 경쟁 정보 등을 종합적으로 분석할 수 있는데, 이를 통해 투자 결정을 돕는 역할을 할 수 있다.


임상시험 프로세스 효율화

1. 임상시험에 적합한 환자 자동 매칭

image

AI를 이용하여 임상시험에 적합한 환자를 자동으로 매칭할 수 있다.

메이요 클리닉에서는 해당 기술을 통해 8,000개 이상의 임상시험을 진행했으며 전 세계적으로 보았을 때 17만 건 이상의 환자 자동 매칭이 진행되었다. 이를 이용하여 IBM-신시네티 아동병원에서 업무 부담율을 92% 절감할 수 있었으며, 작업의 효율성은 450%나 증대되었다고 한다.


2. SNS 분석으로 신약의 부작용 가능성 탐지

image

AI가 SNS를 분석하여 출시된 신약의 부작용 가능성을 탐지하는 데에서 사용될 수 있다.

2014년 미국의 한 연구팀은 해당 기술로 23개의 의약품 관련 트윗의 1%인 61,000개를 분석한 결과로 4,401개의 트윗이 신약 부작용과 관련이 있었다고 발표했다.


개인 맞춤형 약품 개발

1. 개인의 유전체 분석을 통한 맞춤약 개발

image

AI를 이용해 사람 개개인의 유전체 분석을 통해 맞춤약을 개발할 수 있다.

최근 제약사 아스트라제테카(영국)에서는 200만 명의 유전 정보 전체를 해독하는 게놈프로젝트를 시작하고 있다고 발표한 바 있다.


2. 기존 약품의 새로운 효능 재발견

image

AI를 기존 약품의 새로운 효능을 발견하기 위해 사용하는 경우도 있다.

NuMedii 회사에서는 해당 기술을 이용하여 간질병 약이 염증성 질환으로도 효과가 있다는 것을 발견했고, 용도 변경을 추진 하에 있다고 한다.


인공지능 질병 예측

인공지능을 이용한 질병 예측

인공지능을 이용한 질병 예측은 미래의 질병 발병을 예측하고, 환자별 맞춤 치료를 실현하거나 신약 임상 시험의 진행의 효율성을 높이고, 재입원율이나 의료 비용을 낮추려는 등의 목적을 가지고 있다.

질병 예측을 위해서는 대량의 데이터를 학습시키기 위해 딥러닝 기술을 이용한다. 딥러닝은 인간이 할 수 없는 방대한 정보를 처리해 미래를 예측할 수 있어 인공지능 질병 예측의 핵심 기술이기도 하다.

세계적으로 다양한 국가에서 사용되는 인공지능 기반 의료 진단 시스템인 IBM의 왓슨은 증거에 근거하여 의사들의 암 치료 결정에 도움을 주고 의료진이 세운 치료 계획에 대한 환자의 신뢰를 향상시키며 유전자 돌연변이를 정확히 식별하거나 관련 임상 연구를 찾아주는 역할을 한다. 왓슨이 국내에 도입되고 많은 주목을 받았으나 기대했던 것 보다 의사와의 의견 일치율이 떨어지고 우리나라의 데이터와도 맞지 않는다는 평이 많아 국내에서는 한국형 인공지능 정밀 의료 서비스를 위해 8개의 질환관 21개의 체감형 인공지능 의료 소프트웨어를 개발중에 있다.


연구사례

1. 치매예측

캐나다 맥길대학 정신건강 연구소 연구팀은 인공지능과 빅데이터를 이용해 알츠하이머 치매를 증세가 나타나기 2년 전에 84%의 정확도로 예측할 수 있는 알고리즘을 개발했다. 연구팀은 알츠하이머병 신경영상 프로그램이 보유하고 있는 경도인지장애(MCI) 환자 273명의 양전자방출단층촬영(PET) 영상 자료를 이용하였다.

경도인지장애(MCI)란 기억력 등의 인지기능이 같은 연령대의 다른 노인들 보다 떨어진 상태로 일상생활에 큰 지장이 있을 정도는 아니지만 이런 사람들은 다른 사람에 비해 치매로 이행될 가능성이 크다. 따라 AI는 MCI환자들의 데이터로 증세가 나타나기 2년 전에 예측이 가능한 것이다. 이 치매예측 AI를 이용하면 치매로 이어질 가능성이 매우 높은 사람들만 골라 치매 예방과 치료에 필요한 임상시험을 진행할 수 있기 때문에 소요 경비와 시간을 크게 줄일 수 있을 것이라 기대중이다.


2. 심혈관 질환 예측

전 세계 환자 1천명 중 5명꼴로 심정지가 발생한다. 심혈관 질환을 예측하기 위해 인공지능에 호흡수, 심작박동수, 산소포화도, 혈압을 포함한 약 7가지 데이터를 학습시키고 자동으로 계산해 심정지 가능성을 예측한다.

구글에서는 환자의 흡연습관과 혈압을 분석해 심혈관 질환을 예측하는 알고리즘도 개발해냈다. 구글에서 개발한 이 알고리즘은 환자 위험요소를 분석해 5년내 심혈관 질환이 발생할 가능성을 70% 확률로 예측했다. 사람의 경우 똑 같은 데이터를 가지고 심정지가 일어나기 약 30분 전에 예측할 수 있지만, 인공지능으로 예측할 경우 약 24시간 전에 알아낼 수 있다. 인공지능을 이용한 심혈관 질환 예측 정확도는 70%이상이다.


3. 시신경 질환 예측

건양의대 김안과병원 김응수 신경 안과 교수님은 시신경 질환 예측에 인공지능 연구를 진행했다. 연구팀은 정상 시신경 사진 501건과 녹내장 진단 시신경 사진 474건 데이터를 입력해 인공지능을 학습, 분석시켰다. 실험엔 회귀분석 방법과 합성곱 신경망방법 2가지를 이용했다. 350회의 반복 학습으로 회귀분석 방법 훈련을 완료했고 녹내장 진단 정확도는 98.5%를 보였다. 합성곱신경망 방법은 800회의 반복 학습으로 훈련을 완료했고, 진단 정확도는 100%에 이르렀다.

연구팀은 “학습에 녹내장 특징이 뚜렷하게 나타나는 사진만을 사용했기에 증상이 희미한 사진으로 진단하기에는 한계가 있다”라면서도 “다양한 안과 질환에 인공지능을 활용할 수 있을 것이라는 가능성을 확인했기에 연구를 이어나갈 것 이라고 말했다.


4. 신장암 예측

신장암은 대부분 신장의 실질인 살 부분에서 발생하는 신세포암이 차지한다. 신세포암은 기원하는 세포의 형태에 따라 투명 신세포암, 유두 신세포암, 혁샘 신세포암 등으로 분류된다. 그동안 신장암은 수술할 때 종양을 절제하고 조직 검사를 통해 어떤 형태의 암인지 분류한 뒤 세포의 발생 형태나 다른 장기로의 전이 여부를 따져 치료 방침을 정했다. 하지만 검사는 수술 후에 시행되다 보니 그 결과를 미리 파악해 환자의 예후를 예측하는데 한계가 있었다.

이에 분당 서울대병원 영상의학과 연구팀은 수술 후 조직검사를 통해 신세포암으로 진단받은 169명의 환자의 CT검사 결과를 토대로 조영제 주입 전, 조영제 주입 후 1분, 조영제 주입 후 5분 등 총 3개의 영상 정보를 하나의 이미지로 병합했다. 해당 이미지를 딥러닝 네트워크 GoogleNet을 변형한 소프트웨어에 적용해 어떤 형태의 암으로 진단하는지를 확인하여 최종적인 조직 검사 결과와 얼마나 차이가 있는지 비교한 결과 분석 결과는 85%인 것으로 확인됐다.


5. 골다공증 예측

골다공증은 대사성 골 질환으로 뼈 밀도 감소로 인해 뼈가 약해져 쉽게 골절이 발생하는 전신 골격계 질환이다. 노화, 폐경, 무리한 다이어트를 비롯해 유전적 요인 등이 원인으로 알려져 있다. 침묵의 질환이라고 불릴 만큼 별다른 증상이나 통증이 없어 골절이 발생하기 전까지 대부분 인지하지 못한다.

고대안산병원 치과 이기선 교수는 많은 국내외 연구 결과 중 골다공증 환자는 전신적인 골밀도 감소로 인해 치과용 엑스레이상의 턱뼈에서도 골밀도 감소에 따른 특이성이 나타남을 확인했다. 이후 이 같은 특이성을 이용하여 골다공증 유병 여부를 선별할 가능성이 높다는 연구 결과에 주목하고 딥러닝 기반의 실용화 될 수 있는 인공지능 알고리즘 개발 가능성을 제시했다. 또한 최신 인공지능 알고리즘 중 하나인 Grad-Cam 알고리즘을 적용해 골다공증 환자의 엑스레이와 비골다공증 환자의 엑스레이 중 어느 부분을 보고 구분하는지 비교 분석 할 수 있다.


참고자료

  • 인공지능신문: http://www.aitimes.kr/news/articleView.html?idxno=14442
  • CEONEWS: http://www.ceomagazine.co.kr/news/articleView.html?idxno=2154
  • 중앙일보(헬스미디어): https://jhealthmedia.joins.com/article/article_view.asp?pno=21556
  • 데일리메디: http://www.dailymedi.com/detail.php?number=854316&thread=22r06
  • 최윤섭의 헬스케어 이노베이션: http://www.yoonsupchoi.com/2017/07/30/ai-medicine-3/
  • 코로나19 최전방에서 활약하는 AI기술: https://www.phopick.com/post/470123
  • 히트뉴스: http://www.hitnews.co.kr/news/articleView.html?idxno=16123
  • 헬스경향: https://www.k-health.com/news/articleView.html?idxno=47215
  • 씨젠: http://www.seegene.co.kr/
  • 메디소비자: http://www.medisobizanews.com/news/articleView.html?idxno=66579
  • 인공지능 신문: http://www.aitimes.kr/news/articleView.html?idxno=15514
  • 이데일리-2025년 수술 40% 수술로봇 담당: https://www.edaily.co.kr/news/read?newsId=01295606622653576&mediaCodeNo=257
  • 청년의사-길병원, 국내 최초 정형외과 인공지능 로봇 도입: http://www.docdocdoc.co.kr/news/articleView.html?idxno=1074557
  • 미디어데일-다빈치 로봇 수술기로 신장이식 성공: http://www.mediadale.com/news/articleView.html?idxno=31220
  • AI가 변화시키는 헬스케어: https://yimjang.tistory.com/entry/AI-Healthcare-Impact
  • 인공지능 기술의 의료 현장: http://blog.naver.com/PostView.nhn?blogId=hyouncho2&logNo=221507688887
  • 개인 맞춤형 진료: https://www.bioin.or.kr/InnoDS/data/upload/tech/81C28A0A-673C-CDDF-D8DC-A9BDD4BD20DA.pdf
  • 인공지능과 헬스케어 산업 혁신: http://www.ictconference.kr/sub/pdf/day2/006(%EA%B9%80%ED%83%9C%ED%98%B8).pdf
  • 의료, 바이오 분야의 인공지능: https://www.bioin.or.kr/fileDown.do?seq=42831&bid=tech


Writer: Jae-Hwan Lee

댓글남기기

참고