박영숙 세계미래보고서2019저자
 |
인공지능과 의료산업의 미래 인공지능은 의사를 대체하지 않는다. 오히려 의사들의 능력을 강화시켜준다. 인공지능은 환자들을 도울 수 있는 유용한 도구이며 인공지능의 발전에서 혜택을 받는 사람들은 환자이다.
의학의 미래는 환자와 의사, 인공지능으로 이루어지는 골든트라이앵글이다. 인공지능에 의해 증강된 의사에 의해 환자에 대한 의학 치료와 진단이 가능해지는 시대이다. 최근 샌디에이고에서 열린 싱귤래리티대학고 익스포넨셜 메디슨(Singularity University’s Exponential Medicine) 컨퍼런스에서 딥마인드(DeepMind)의 연구원인 앨런 카티케살링엄(Alan Karthikesalingam) 박사는 인공지능의 지원을 받는 의학 분야의 미래에 대한 발표를 했다.
딥마인드에 대해서는 들어 보았을 것이다. 바둑 인공지능 알파고를 만든 회사이다. 그리고 딥마인드는 점점 더 복잡한 문제에 대해 어떻게 해야 할지를 가르치지 않고도 해결하도록 훈련시킬 수 있는 심층강화학습(deep reinforcement learning)이라는 딥러닝 접근방법을 개척했다.
앨런 박사는 ‘인공지능 연구 분야에 주목할 만한 발전이 있었다. 그리고 지금은 이러한 알고리즘을 현실세계에 구체적이고 긍정적인 응용을 할 수 있는 흥미로운 변곡점에 와 있다’라고 말했다. 초기 단계의 인공지능 기술을 의료 분야에 적용하는 것보다 인류를 위해 더 나은 부문이 있을까?
인공지능과 의사의 협업
물론 의료는 보드 게임보다 훨씬 더 복잡하다. 그리고 앨런 박사도 의료 부문에 인공지능을 이용하기 위해서는 겸허하고 현실감 있게 접근해야 한다는 것을 알고 있다. 다른 어느 분야보다 의료 부문은 안전이 최우선이다. 의학이 생긴 이래 의료 전문가들은 새로운 치료 방법이나 기술을 통해 환자에게 이익을 줄 수 있는가에 대한 문지기 역할을 해왔다. 지금도 의사들은 의료 시스템을 이루는 중요한 톱니바퀴이다. 앨런 박사는 인공지능의 목표는 의사를 대체하는 것이 아니라고 강조했다. 그보다는 의사의 능력을 최적화하고 잡무에서 해방시키며 의사들이 미처 주의를 놓친 대안적 평가나 지침을 제공하는 것이다.
이러한 의사 주도 접근 방법은 딥마인드의 수많은 건강관리 프로젝트에 반영되고 있다. 딥마인드는 세계 최고의 안과 병원인 무어필드 안과병원(Moorfields Eye Hospital)과 협력하여 안과질환을 진단하고 환자 분류를 할 수 있는 인공지능을 개발했다. 여기에서 사용된 알고리즘은 눈을 상세하게 스캔한 영상을 분석하여 초기 증상을 식별하고 심각성과 긴급성에 따라 환자의 우선순위를 결정한다. 이러한 일을 제대로 하기 위해서는 20년 이상의 훈련이 필요하다. 훈련 받은 알고리즘은 전문가와 비슷한 성공률을 나타냈으며 중요한 것은 한 명의 긴급한 케이스도 잘못 분류하지 않았다는 사실이다. 전 세계적으로 3억 명이 시력 상실을 겪게 된다. 만약 증상을 일찍 발견하게 되면 그 중 80%~90%는 예방이 가능하다. 눈의 뒷면을 볼 수 있는 기술이 정교해짐에 따라 환자들은 스마트폰이나 기타 포터블 기기를 통해 자신의 눈을 스캔할 수 있다. 그 결과를 안과 질병을 진단하는 인공기능과 연결하게 되면 전 세계의 개인과 사회경제적인 부담을 크게 줄일 수 있다.
앨런 박사는 ‘딥마인드 연구진에게도 놀라운 결과였다. 1,000건 이상의 테스트를 진행하여 알고리즘을 통해 긴급한 사례를 정확하게 분류할 수 있다는 사실을 확인했다’고 말했다. 딥마인드의 초기 협력 성공 사례는 암 분야이다. 방사선으로 종양을 제가하기 위해서는 의사들이 밀리미터 단위로 장기나 조직 목표를 잡아야하며 이 작업은 4시간에서 8시간이 소요되는 길고 지루한 작업이다. 딥마인드는 유니버시티 칼리지 런던(University College London)과 협력하여 임상적으로 적용할 수 있는 장기의 분할 기술 알고리즘을 개발했다. 예를 들어 인공지능은 의료 스캔 과정에서 민감한 시신경을 피하도록 하여 의사들이 시력 손상 없이 주변의 조직을 치료할 수 있도록 도와준다.
앨런 박사는 ‘인공지능이 환자들을 도울 수 있는 유용한 도구가 될 수 있다는 가능성은 분명히 있다’고 말했다. 그러나 향후 5년에서 10년 사이에 인공지능 시스템을 실제 의료 세계에 도입하는 일은 가장 큰 도전과제이다. 알고리즘이 개념증명과 유용한 의료 조력자 사이의 틈을 넘어서기 위해서는 진단 기능 외에 자신의 결정을 설명할 수 있는 능력이 필요하다. 의사들은 신경네트워크의 내부 활동을 수학적으로 이해하는 것만이 아니라 딥러닝 인공지능의 결정이 어떻게 이루어졌는지를 이해할 필요가 있다.
바로 인공 신경망의 블랙박스 문제를 의미한다. 인공지능이 훈련받은 방식 때문에 연구진들은 알고리즘의 내부에서 일어나는 활동에 대해 알지 못한 채 입력자료(설명과 MRI 영상)와 결정(암, 암 아님)만을 보게 된다. 딥마인드는 진단 알고리즘에 추가적인 레이어를 구축하고 있다. 딥마인드의 안과 질병 알고리즘은 최종 결과만을 발표하는 것에서 한 걸음 더 나아가 의사에게 안과스캔을 살펴본 결과 자신의 결정이 얼마나 자신이 있는지, 또는 그렇지 않은지를 설명한다. 앨런 박사는 ‘이러한 방식을 통해 의사들은 알고리즘의 진단 내용을 평가하여 자신의 결론에 도달할 수 있다는 것을 의미한다’고 설명했다.
딥러닝의 다른 문제, 즉 수백만 개의 훈련 데이터가 필요하다는 문제도 점차 해소되고 있다. 온라인 이미지에 비해 의료 데이터는 상대적으로 접근하기 쉽지 않고 비용도 많이 든다. 최근 심층강화학습 기술의 발전으로 인해 실제로 필요한 훈련 데이터의 양은 급격히 줄어들고 있다. 딥마인드의 장기 분할 알고리즘의 경우 겨우 650개의 이미지만으로 훈련을 받았다.
인공지능과 의료의 미래
앨런 박사는 ‘딥마인드의 연구를 통해 인공지능이 의사를 대체하고자 하는 것이 아니라 의사들을 좀 더 편하게 하려는 것’이라고 말했다. 향후 5년 동안의 프로젝트에서 더 나은 인공지능 진단 전문의를 개발하지는 못할 것이다. 그보다는 인공지능이 임상 실무에 깊이 통합되는 방식으로 발전하게 된다.
앨런 박사는 인공지능 연구의 양은 효율성만이 아니라 신뢰와 보안, 프라이버시에도 달려 있다고 주장했다. 예를 들어 의료 분야에서는 동일한 기반에서 다양한 알고리즘 진단자를 평가하기 위해 표준 의료영상 데이터 세트를 만들어야 한다. 충분히 재현할 수 있는 증거들이 뒷받침되어야 인공지능 시스템이 의료계와 환자에게 받아들여질 수 있다.
마지막으로 앨런 박사는 ‘결국 우리가 하는 일은 모두 환자에 관한 것이다. 이것이 가장 중요하다. 우리가 인공지능의 발전에서 혜택을 받기 원하는 사람들은 환자들이다. 우리는 환자들을 모든 일의 중심에 놓아야 한다’고 말했다.
Image Credit: HQuality / Shutterstock.com
