[위즈덤 네이처] 인공지능 기술을 활용한 치료들
[위즈덤 아고라 / 김규인 기자] 최근 대량의 헬스케어 데이터가 이용 가능해지고, 인공지능 기술의 발달로 의료계의 인공지능 기술이 빠르게 이용되고 있다.
AI는 크고 복잡한 데이터셋에서 이전보다 더 빠르고 더 정확하게 패턴을 분석하고 인식할 때 사용될 수 있다. 어떠한 질병과 관련된 연구논문을 찾는 데 AI 기술이 이용될 수 있고, 다른 종류의 데이터를 결합하여 대량의 데이터셋을 구축하는 데에도 사용될 수 있다.
예를 들어 영국의 암 연구 기관인 canSAR의 데이터베이스는 유전과 관련된 의료 데이터로부터 AI를 사용하여 암 치료를 위한 약제 예측을 하고 있다. 연구자들은 약제 개발의 더 빠르고 경제적인 프로세스를 위해 디자인된 ‘Eve’라고 불리는 AI 로봇을 개발했으며, 이는 의료 연구에 적절한 환자를 매칭하는 과정을 도움으로써 의료 연구의 성과를 높이는 데 기여하고 있다.
AI 헬스케어 분야에 연구는 주로 암, 신경 시스템에 관련된 질병, 심장병 등 몇 개의 질병 유형에 초점을 맞추고 있다. 이 세 가지 질병은 사망률이 높기 때문에, 이에 대한 조기진단이 환자에겐 필수적이다. 이러한 조기진단은 AI 시스템이 잘 작동하는 사진판독(imaging), 유전정보(genetic), 또는 전자의료문서(EMR)에 대한 분석 등을 활용하여 이루어지기 때문에 인공지능의 활용도를 극대화시킬 수 있다.
IBM Watson 시스템은 암 연구에 대해 이중맹검(double-blinded validation)을 도입함으로써 신뢰도 높은 AI 시스템을 만들고자 하고 있다. 임상 실험에서 쓰이는 이중맹검은 실험자와 실험 대상 모두 주관적 편향에 영향받기 쉽기 때문에 실험을 설계한 실험자마저 자신이 무엇을 테스트하는지를 가리는 방법이다. 또한 IBM Watson 시스템은 피부암을 알아내기 위해 자동 이미지 분석기술을 도입했다.
또한 심장 사진을 통해서 심장병을 진단하기 위한 AI 시스템이 연구되었다. Arterys는 심장 사진 판독 AI 기술의 응용을 시장화하기 위해 2017년에 US FDA로부터 허가를 받았다. 이 AI 응용기술은 기존의 심장 MRI 사진을 분석하여 자동화된, 그리고 수정 가능한 심실 분할(ventricle segmentations) 기능을 제공한다.
뇌졸중은 또한 전 세계 5천억 인구에게 발생하는 흔한 질병이다. 뇌졸중은 세계적으로 689조 달러의 비용을 발생시키며, 각 나라와 가정에 큰 경제적 부담이다. 따라서 뇌졸중을 방지하고 치료하는 연구는 전 세계적으로 중요한 이슈이다. 최근에는 AI 기술이 점점 더 많은 뇌졸중 관련 연구들에 사용되고 있다.
가장 먼저 뇌졸중의 초기 질병 예측과 진단을 할 수 있는 AI 기술이 있다. 흔히 초기 뇌졸중 증상에 대한 판단 부족으로 제때에 적합한 치료를 받을 수 있는 환자는 많지 않다. Villar는 뇌졸중을 초기에 진단하기 위해 움직임 인식(movement-detecting) 도구를 개발했다. 기계학습 알고리즘인 ‘유전자 퍼지 유한상태기계(genetic fuzzy finite state machine)’와 ‘주성분분석(PCA)’을 사용하여 솔루션을 제공하는 모듈을 개발하였다. 움직임 인식 프로세스는 인간의 활동 인식 단계와 뇌졸중 시작 예측 단계를 포함하고 있다. 환자의 움직임이 보통의 패턴과 심각한 수준으로 다른 정도를 보이면, 뇌졸중의 경고가 켜지고 가능한 한 빨리 치료를 시작하도록 유도한다.
이와 유사하게, Maninini는 뇌졸중 예측을 위해 평소의 걸음걸이와 뇌졸중 증상 중의 걸음걸이에 대한 데이터를 수집하였고, 이를 위해 몸에 착용 가능한 도구를 제안했다. 데이터는 은닉 마코프 모델(hidden Markov models)과 서포트 벡터 머신(SVM) 알고리즘에 의해 모델링 되었고, 알고리즘은 해당 그룹에 대해 90.5%의 정확도로 분류할 수 있었다.
뇌졸중의 진단을 위해서 MRI와 CT를 포함한 뇌 사진 판독 기술이 질병 예측에 매우 중요한 역할을 한다. 몇몇 연구는 뇌 사진 데이터에 대한 의사의 뇌졸중 진단을 돕기 위해 기계학습 방법을 적용하였으며, 그 결과 데이터에 서포트 벡터 머신(SVM) 분류기를 통해 87.6% 정확도로 뇌졸중이 있는 환자를 구분해낼 수 있었다.
또한 IA는 뇌졸중 치료의 성능을 예측하고 분석하는 데 적용되고 있다. Bentley는 환자의 CT 스캔을 분석하여 전조가 되는 뇌출혈의 인식을 서포트 벡터 머신(SVM)으로 예측하였다. 이 연구에서는 SVM 분류기에 대한 입력 데이터로 뇌 사진을 사용하였다. 이 예측은 기존의 방사선학에 기반한 방법보다 더 좋은 성능을 보였다.
뇌졸중의 결과 예측과 예후 평가를 위해, Asadi 등은 급성허혈증뇌졸중과 후방순환계뇌졸중이 있는 107개의 환자의 동맥 내 치료(intra-arterial therapy)에 대한 임상 정보 데이터베이스를 구성했다. 이들은 인공신경망(artificial neural network)을 통해 데이터를 분석했고, 70% 이상의 예측 정확도를 보였다.
뇌졸중 치료의 결과를 예측하기 위해서는 뇌의 이미지가 분석되었다. Chen은 기계학습을 통하여 반구경색증(hemispheric infarction)에 따른 대뇌부종(cerebral oedema)을 평가하기 위해 CT 스캔 데이터를 분석했다. 그들은 자동으로 뇌척수액(cerebrospinal fluid)을 인식하고 CT 스캔 결과에 대한 변화를 분석하기 위해 랜덤 포레스트 분류기를 구축했다. 그리하여 기존의 방법들보다 더 효율적이고 정확한 결과를 도출했다.
하지만 인공지능 기술에는 한계가 있다. AI는 디지털 데이터에 의존하기 때문에 디지털 데이터에 모순이 있거나 질이 낮을 경우, 인공지능의 결과도 나빠진다. 또한 방대하고 복잡한 데이터셋을 분석하기 위해 고성능 컴퓨팅 파워가 요구된다. 의료기관에서의 AI의 사용에 대해 적극적이지만, 실제 사용에 있어서의 문제점에 대한 지적 또한 상당하다. 그 이유로는 의료 데이터가 일률적으로 디지털화되어 있지 않다는 것, 그리고 IT 시스템 및 데이터에 대한 라벨에 표준이 없어 이로 인해 데이터 상호 간 정보처리에 한계가 발생한다는 것이다. 또 다른 이유로, 개인적인 의료 데이터의 디지털 공유에 모든 환자들과 의료인들이 동의하지 않는다는 것이다. 마지막으로, AI는 인간만이 할 수 있는 순간적 판단 능력을 발휘하기 못한다는 점에서 한계가 있다.
[위즈덤 네이처]과거부터 현재까지 연구되고 있는 치료법은 인류의 생명연장의 꿈을 실현하고 있습니다. 치료법에 대한 소개와 분석을 통해 질병과 변화 발전하는 의학기술을 학생들이 쉽게 이해할 수 있도록 칼럼을 연재합니다. 위즈덤 아고라 김규인 기자의 ‘위즈덤 네이처’로 다양한 치료법을 만나 보세요.
