의료 업계에서의 AI: 임상시험에서 AI를 유용하게 활용하는 방법

의료 업계의 신기술 조사

마지막 업데이트: 2020/2/12 4:06AM

저자: Mark Aiello, April Crehan

전 세계 다양한 업계들이 인공 지능(AI)을 만능 해결책이라며 찬양하고 있습니다. 기술이 점점 더 스마트해질수록 분명한 장점이 존재하는 경우가 있습니다. 휴대 전화 앱으로 교통편을 쉽게 찾을 수 있어 이동 시간이 더욱 단축되었고 냉장고는 우유의 양이 다 떨어지면 이를 인지해 주문까지 해주죠. 또한 유연한 전기 그리드는 필요에 맞게 재생 가능한 에너지를 통합합니다.

의료 업계에서도 AI의 가능성은 방대합니다. 하지만 AI를 응용하려면 복잡한 규정을 준수해야 하며 의료적 의사 결정에는 달걀 한 판을 추가 주문하는 것과 달리 영구적 영향이 따라온다는 것을 필히 고려해야 합니다.

그런데 우리는 의료적 맥락에서 AI를 논하기에 앞서 'AI'가 정확히 어떤 의미인지를 먼저 짚어봐야 합니다.

AI란 무엇인가?

AI란 일반적인 사람의 업무, 예를 들어 패턴을 인식하거나 문제를 해결하는 등의 작업을 수행할 수 있는 컴퓨터 모델의 개발에 관한 다양한 분야를 총칭하는 말입니다. AI의 성능은 약할 수도 있고 강력할 수도 있습니다. 약한 성능의 AI를 사용하는 시스템이라면 사람의 지능 작업을 굳이 파악하지 않아도 올바르게 작동될 것입니다. 반면에 강력한 AI는 사람처럼 생각할 수 있습니다.

AI는 또한 규모와 상관없이 스스로 구현하고자 하는 전문 지식 분야가 될 수도 있습니다. 현재 AI를 응용하는 사례들 그리고 가까운 미래에 출현할 수 있는 용례들은 그 규모가 작습니다. AI는 특정한 작업을 수행하도록 특정한 부분에 대해 훈련되었기 때문입니다. 인간의 종합적인 지능과 달리 특정한 역할에 맞추어 설계되는 이러한 시스템의 기능은 아직까지 제한적입니다.

기계 학습과 심층 학습

AI에 포함되는 유형 중 하나는 바로 기계 학습입니다. 기계 학습 시스템은 새 데이터에 액세스할 때 스스로를 변화시킵니다. 즉, 기계는 새 데이터에 액세스함으로써 '학습'하게 되는 것입니다. 일반적으로 프로그래머들은 최소한의 오류라는 목표를 가지고 이 능력을 점차 강화합니다. 이를 통해 시스템은 성공적인 노력이 무엇인지 파악하고 미래에 유사한 과정을 활용해 성공 가능성을 높입니다.

기계 학습에는 가장 흥미로운 심층 학습이라는 개념이 포함됩니다. 심층 학습은 이러한 시스템이 나무뿐 아니라 전체적인 숲 또한 볼 수 있게 하는 다중의 특징 인지 기능으로 정의됩니다. 사람과 심층 학습 시스템의 이미지 처리 방식은 서로 유사합니다. 우리가 멀리 있는 물체를 볼 때 서서히 초점을 맞추는 것처럼 심층 학습 시스템도 복잡한 특징에 대해 계속해서 관찰합니다. 마치 특정 방향으로 여러 픽셀이 이어지면 하나의 선이 되고 특정 방향으로 선들이 이어지면 사각형이 되는 것처럼 말이죠.

우리는 의료 업계에서의 AI에 관해 이야기할 때 보통 심층 학습의 개념에서 이야기합니다. 심층 학습은 개발자와 사용자 모두에게 있어서 유용하면서도 미스테리한 영역입니다. 의료 업계에서도 AI의 응용과 그에 관한 규제는 여전히 불명확한 측면입니다.

의료 업계 내 AI의 응용

의료 업계에는 이미 다음과 같은 AI의 응용에 관한 몇 가지 흥미로운 사례가 존재합니다.

혈당의 변동성을 예측할 수 있는 연속적 혈당 모니터링 시스템

일반적이지 않은 특징을 가진 환자를 진단하고자 하는 의사에게 가능성 있는 유전 질환을 제안해주는 얼굴 분석 앱

데이터베이스 검색을 통해 표적 단백질과 성공적으로 결합할 가능성이 있는 소분자를 찾아주는 소프트웨어

임상시험수탁기관(CRO)부터 정부 단체 그리고 일반 대중에 이르기까지 생명 과학 업계와 관련되어 있는 모든 사람들이 현재 의료 업계 내 AI의 역할을 규명하는 데 집중하고 있습니다. 현시점에서는 어려운 과정인 것이 사실입니다. 실제로 제가 전문가들에게 가끔씩 몇 가지 질문을 하면 더 많은 궁금증들이 생겨나곤 했으니까요. 그 질문들은 다음과 같습니다.