[In&Out] 의료와 AI의 성공적 만남, 제도적 난관 해결부터/김래현 한국과학기술연구원 책임연구원

입력 : ㅣ 수정 : 2018-06-28 23:28

폰트 확대 폰트 축소 프린트하기
2016년 3월 전 세계 이목이 집중됐던 알파고와 이세돌 9단의 바둑 대국을 계기로 많은 사람들이 인공지능(AI)의 놀라운 능력과 앞으로 우리 삶에 미칠 영향력에 대해 두려움마저 갖게 됐다.
김래현 한국과학기술연구원 책임연구원

▲ 김래현 한국과학기술연구원 책임연구원

AI 기술은 오랫동안 인간이 지배해 온 분야에서도 인간보다 더 나은 능력을 보여 주며 4차 산업혁명을 이끌 핵심 기술로 부상하고 있다. 의료 발전에도 분명히 긍정적이고 획기적인 기여를 하리라 예상된다. 대형 병원들은 전자의무기록, 처방전달시스템, 의료영상시스템 등 다양한 전산 정보를 보유하고 있다. 딥러닝 기반 AI 기술은 이런 의료 빅데이터를 활용해 좀더 효율적으로 암을 비롯한 각종 질환을 진단, 치료, 예측하는 데 도움을 줄 수 있다. 실제로 미국 인디애나대 케이시 베넷 교수팀은 질병 진단에 AI 알고리즘을 활용하면 진단 성과는 41.9% 향상되고 의료비는 58.5% 절감된다는 연구 결과를 발표하기도 했다.

의료 AI의 잠재적 가치와 높은 시장성은 기업과 병원의 집중적인 연구와 투자로 이어지고 있다. 미국 IBM은 유명 병원들과 협력해 AI 기반 의료 솔루션을 개발하고 있고, 구글은 헬스케어 빅데이터에 투자해 알파고 기반의 딥마인드 헬스를 개발하고 있다. 애플은 병원의 환자 의료정보 수집을 위한 ‘헬스킷’과 개인 건강 관리를 위한 ‘케어킷’ 등을 출시하기도 했다.

국내에서도 스타트업 기업인 뷰노, 루닛 등이 의료영상 빅데이터를 활용한 질병진단 보조도구를 개발, 임상시험 중에 있으며 7개 병원이 IBM 왓슨을 도입해 암환자 진료에 활용하고 있다.

하지만 의료 현장에서 AI 적용의 한계점도 점차 드러나고 있다. 예를 들어 IBM 왓슨을 활용하고 있는 미국 특정 병원의 경우 암 진단 정확도가 95% 이상이라고 하지만 국내 환자에게 적용할 경우 그 정확도가 눈에 띄게 떨어지는 문제가 발생하고 있다. 이는 학습에 사용된 미국 환자 데이터 특성과 국내 환자 데이터 특성의 차이와 변수에 따른 것으로 현재의 딥러닝 기반 알고리즘이 학습된 데이터셋에서만 최적화된 결과를 나타낸다는 것을 보여 준다.

또 딥러닝 기반 AI 알고리즘은 블랙박스 형태의 학습 모델을 갖고 있어서 입력에 대해 단순히 결과만 도출할 뿐 결과에 대한 설명이나 근거를 제시하지 못하고 있다. 이 때문에 일부 국가에서는 AI 기술을 통한 진단 예측 정확도가 높더라도 결과에 대한 근거가 제시되지 않을 경우 의료 시스템 내의 의료기기로 인정하지 않는 추세를 보이기도 한다. 이 때문에 많은 연구자들이 결과에 대한 근거를 제시할 수 있는 ‘설명 가능한 AI’ 개발에 주력하고 있다.

최종적으로 의료 분야에 AI 기술이 접목된 다양한 서비스들이 성공적으로 정착하기 위해서는 몇 가지 제도적 난관들을 해결해야 한다. 우선 기존에 없던 AI 기반 의료기기들의 인허가를 위해서 제대로 된 가이드라인이 필요하다. 지난해 11월 발표된 의료 AI 허가 가이드라인과 같은 관련 가이드라인들을 정비해야 한다.

또 AI 기반 의료기기들은 임상시험까지 기존 상용화 기기에 비해 절차적으로 더 많은 시간이 소요될 가능성이 높다. 또 어렵게 인허가 승인을 받고 건강보험 급여가 적용된다 할지라도 의료수가가 낮게 책정될 우려도 있다. 이는 결국 새로운 의료 AI 기술에 대한 투자나 연구 의욕을 꺾는 결과로 이어질 수 있다. 따라서 AI 의료의 무한한 잠재력을 현실화하고 관련 산업 생태계 조성을 돕기 위해서는 새로운 AI 기반 기기들에 대한 인허가와 보험 급여 적용이 신속하게 이뤄질 수 있도록 절차나 제도 개선이 필요하며 한시적으로나마 적정한 의료수가가 보장돼야 할 것이다.
2018-06-29 29면
페이스북 트위터 카카오스토리 밴드 블로그

/

서울Eye - 포토더보기