대한의학회 E-NEWSLETTER No.110 November, 2019

김 남 국울산의대 영상의학, 서울아산병원 융합의학과 부교수

의료는 생명과 직결되며, 사회에 대한 영향력이 지대하다. 하지만, 언론을 통해 보도되는 의료인공지능에 대한 내용이 과장되고 오류도 많아서, 의료진과 환자에게 나쁜 영향을 끼칠 수 있다. 따라서, 임상의료진은 인공지능의 기술적 속성과 장단점을 알아 둘 필요가 있다. 인공지능은 크게 지도학습과 비지도학습으로 분류할 수 있다. 여기서는 의료에서 중요한 지도학습에 집중하겠다. 지도학습이란 기본적으로 전문가(의사)들의 ‘정답’을 가지고 컴퓨터를 가르쳐서 인공지능을 만들어내는 것이다. 이때에 의료 목적에 맞게 잘 정제되고 현실을 반영하는 데이터가 필수적이다. 하지만, 최근 문제가 되는 ‘딥러닝’은 학습을 위한 대량의 데이터가 필요하므로, 현실에서 이런 빅데이터를 만들기는 거의 불가능하다. 따라서, 지도학습 인공지능은 필연적으로 어느 정도는 데이터에 있는 바이어스를 배울 수밖에 없다. 또한, 우리가 알아야 할 매우 중요한 사실은 어떠한 검사도 완벽하지 않고, 의료행위는 그 지역적인 특성을 반영해야 한다는 점이다. 따라서, 인공지능의 정확도를 얼마나 믿어야 할지는 환자를 검사한 후 그 검사의 인공지능의 정확도와 지역 및 병원의 유병율에 영향을 받게 된다. 이에 더해서 모든 나라는 독립적인 의료체계를 가지고 있기 때문에, 사용 가능한 약, 의료기기, 수술법 등이 다를 수 있다. 그러므로, 아무리 우수한 인공지능이 개발되더라도 각 병원별로 적용될 때 검증이 필요하다.

최근 인공지능이 과장된 평가가 어느정도 끝나가면서, 큰 딥러닝 네트워크를 너무 작은 데이터로 학습을 시키기 때문에 생기는 과최적화(over-fitting) 문제와 중층적 비선형네트워크의 특성 때문에 인공지능의 판단 이유를 설명하기 힘든 점 등의 문제점들이 제기되고 있다. 하지만, 기존의 지능형 기술과는 달리 ‘딥러닝’ 은 영상, 음성 등 특정 영역에서 인간에 준하는 성능을 보여주고 있다. 따라서, 이 기술을 임상의료 현장에 어떻게 도입을 해야 하는지에 대해 의미있는 연구와 시도들이 필요하다. 특히, 인공지능의 사람 수준의 인식률, 빠른 속도, 피로를 느끼지 않는 특성, 100% 재현성 등은 임상현장의 많은 문제를 해결해 줄 것으로 기대된다. 즉, 의료진이 24시간 몸으로 버티는 부분들인 24시간 모니터링, 야간 진료, 실시간 대응 등의 문제들을 해결할 것으로 기대된다. 즉, 기계(인공지능)는 단순한 일을 하고, 사람은 판단을 하는 시스템을 구축할 수 있다. 이는 현재 의료 시스템을 발전시켜서, 더 좋은 환자 치료 결과를 낼 것으로 사료된다.

인공지능을 이용해서 안저촬영영상의 당뇨병성 망막병증을 진단하는 것이 안과전문의와 필적하는 성능을 보인다는 것을 필두로, 유수의 해외 저널에서 피부암, 병리, 폐암 등 다양한 분야에서 의사와 비슷한 성능을 보인다는 논문들이 쏟아져 나오고 있다. 이러한 변화를 바라보는 반응들은 다양하다. 혹자들은 일부 의사를 대치할 것이라고 예상하기도 하고, 이런 기술이 개발되면 안된다고 목소리를 높이기도 한다. 하지만, 근본적으로는 인공지능과 의료진은 서로 대립하고 있지 않다. 알다시피, 임상현장에서는 ‘약’ 인공지능이 할 수 있는 간단한 검출 또는 분류만으로 끝나는 진단은 없다. 의학적 지식을 기반으로 임상의사가 복합적이고 중층적으로 판단을 해서 결론을 내린다. 하나만 잘하는 ‘약’ 인공지능은 이 과정에서 아주 일부만 도움을 줄 수 있다. 따라서, 이런 인공지능을 개별 임상 진료에 어떻게 사용하는지는 의사의 몫이다. 인공지능의 성능과 한계를 잘 이해하는 의료진들이 국내의 데이터를 이용하여 만들어진 의료인공지능을 적절한 곳에 적용한다면, 현재 의료를 한단계 도약시키는데 도움이 될 것이다. 이 결과에 따라서 임상진료의 재설계와 의사들의 reposition을 가져올 것이다.

마지막으로 의료 데이터 활용을 위해서 빠른 합의가 필요하다. 딥러닝 연구를 위해서는 빅데이터가 필요하다. 하지만, 과거 데이터를 일일이 동의를 받아서 사용하는 것은 불가능하다. 따라서, 환자의 개인식별 우려가 없는 조건에서, 국가차원의 데이터 활용 IRB와 같은 기구를 만들어, 병원 데이터를 가치있게 활용하는 시도에 대해 심사를 하고, 이 심사를 통과한 데이터로 만든 인공지능 소프트웨어는 ‘데이터세(tax)’를 내서, 건강보험을 강화하여 환자의 부담을 줄여주는 방향으로 나아가는 것도 방법이 될 것이다. 이런 점에서 우리나라의 단일보험체계는 강력한 장점이 될 수 있다. 또한, 의료인공지능 연구는 병원과 의료진의 적극적인 참여가 필수적이다. 이를 위해, 과감한 병원과 의료진에 인센티브를 주어야 한다.

E-NEWSLETTER NO.110 NOVEMBER 2019

기획특집 – 임상현장의 필요에 따른 인공지능을 적용해야 :
과장과 공포를 경계해야 진정한 의료의 질 향상으로 나갈 수 있어

E-NEWSLETTER NO.110 NOVEMBER 2019

기획특집 – 임상현장의 필요에 따른 인공지능을 적용해야 : 과장과 공포를 경계해야 진정한 의료의 질 향상으로 나갈 수 있어

기획특집 – 임상현장의 필요에 따른 인공지능을 적용해야 :
과장과 공포를 경계해야 진정한 의료의 질 향상으로 나갈 수 있어