인공지능 활용 사례 : 인공지능으로 혁신적인 의료 서비스 가능한가?

헬스케어의 디지털 전환에 있어 증가 추세이다. 이제 성숙해지는 단계로 들어가고 있다. 

의료 산업은 수요 증가와 새로운 기술 개발로 인해 빠르게 변화하고 있다. 의료 및 치료 방법도 점점 더 복잡해지고 개인화되고 있고, 규제 및 보건 기술 평가를 위해서는 대부분의 국가에서 의료 접근성이 중요한 과제가 되고 있다.

오늘날의 의료 서비스에서 환자 지원 체계와 MIPD(Model-Informed Precision Dosing,모델 정보기반 정밀 투약)는 최고의 치료 옵션으로 의사들에게 제공된다.

디지털 질병 관리 플랫폼은 인공지능기숭을 활용하여 환자의 치료 결과를 개선하고, 최상의 의료 서비스를 제공하며, 의사의 전문성을 강화하는 동시에 전반적인 의료 비용을 절감하는 것을 목표로 하고 있다.

이러한 인공지능(AI) 기반 솔루션과 머신러닝(ML) 기반 솔루션을 통해 의료 서비스 수준을 향상시키고 개인화할 수 있는 기회가 수없이 많다.

대형 제약회사들이 디지털 전환에 많은 투자를 하고 디지털 보건 조직을 만들고 있다. 제약회사들은 구글과 IBM을 주요 미래 경쟁자로 선정했다.

주식 시장에서 보면, 2018년 디지털 건강 애플리케이션에 95억 달러 투자에서 2019년 약 200억 달러로 규모로 성장했다. 의료 데이터의 가용성 증가와 빅데이터 분석 방법의 신속한 개발은 관리 지점에서 AI와 ML을 사용할 수 있는 새로운 방법을 열었다.

미국 식품의약국(FDA)는 최근 신기술을 활용한 혁신을 장려하고 효율적이고 현대적인 규제 감독을 가능하게 하는 디지털 보건 정책(FDA, 2019f)을 위한 새로운 단계에 관한 성명을 발표하고 의료기기로서의 AI 및 ML 기반 소프트웨어에 대한 규제 프레임워크를 제안했다(FDA, 2018e). 

 

의료 서비스에서 인공지능 기술 활용 사례 

사례 1: 코로나-19(COVID-19) 상태를 예측하는 신경 네트워크 모델 - 방사선 데이터와 임상 정보 결합 모델 개발

세 가지 AI 모델을 사용하여 환자가 COVID-19 양성일 확률을 생성한다.

코로나19 진단에 활용한 인공지능 모델

첫 번째 모델은 흉부 CT 스캔을 기반으로 하고, 두 번째 모델은 임상 정보를 기반으로 하며, 세 번째 모델은 흉부 CT 스캔과 임상 정보를 조합하여 사용한다.

흉부 CT 스캔 평가를 위해 흉부 CT 스캔에서 비정상적인 폐 슬라이스를 선택하기 위해 99.4%의 정확도를 가진 사전 검사 폐결핵(PTB) 모델인 딥러닝 CNN 모델(슬라이스 선택 CNN)이 예측한 대로 각 슬라이스마다 실질 이상을 포함할 확률로 우선 순위를 매겼다.

두 번째 CNN(진단 CNN)에 환자당 이상 CT 영상 10개를 넣어 COVID-19 긍정(P1) 가능성을 예측했다.

COVID-19 양성(P2)으로 분류하기 위해 인구통계학적 및 임상 데이터(환자의 연령과 성별, 노출 이력, 증상 및 실험실 테스트)를 기계 학습 모델에 넣었다.

진단 CNN 모델과 비이미징 임상정보 머신러닝 모델에 의해 생성된 기능은 MLP 네트워크에 의해 통합되어 공동모델(P3)의 최종 산출물을 생성하였다.

사례 2: 홈 모니터링 및 원격 관리

사람들에 대한 움직임, 심박수 및 기타 기능적 또는 생리학적 변수를 감지하는 웨어러블 기술은 많은 제공업체(예: Fitbit, Apple Watch, Garmin, Samsung Galaxy 등)에 의해 광범위하게 제공되고 있다. 피트니스 기기나 스마트워치 같은 기기는 소비자 6명 중 1명꼴로 보편화돼 있다.

실제로 실시간 의료 데이터의 필요성과 가치가 증가하는 상황에서 이러한 기술에 대한 관심은 만성 질환 모니터링뿐만 아니라 심방세동이나 뇌졸중과 같은 임상 사건의 조기 발견이나 경보에 대한 관심이 증가하고 있다. 당뇨병 관리를 위한 웨어러블은 단기적으로 가장 큰 영향을 미칠 수 있는 사용 사례가 될 것이다. 웨어러블 인슐린 측정기기는 이미 널리 보급되어 있기 때문에, 그 다음 단계는 인슐린 투여의 자동화가 될 수 있으며, 사람의 개입은 최소한으로 할 수 있다.

예를 들어, 탠덤당뇨병치료는 바살-IQ™ 기술이 적용된 t:slim X2™ 인슐린 펌프로 미국과 캐나다에서 승인을 얻었다.

저글루코스 일시 중단 예측 알고리즘인 Basal-IQ 기술로 통합 덱스컴 G6 연속 글루코스 모니터(CGM)의 센서 값을 활용해 저글루코스 사고(고혈당)의 빈도와 지속시간을 줄이는 데 도움 된다. 

인공지능을 활용한 탠덤당뇨병치료 지원 시스템

그리고 덱스컴 G6™은 덱스컴 주식회사(Dexcom, 2019)에서 판매하는 제품으로 독립적으로 기능하는 상시 포도당 모니터 기능이 있다. Basal-IQ™ 기능은 덱스컴 G6™ CGM 값을 사용하여 포도당 수치가 30분 전방에 걸쳐 예측되며 포도당 수치가 4.4mmol/L (80mg/dl) 이하로 떨어질 것으로 예측되거나 포도당 수치가 현재 3.9mmol/L(70mg/dl) 미만이면 인슐린을 중단시킨다. 이 시스템으로 센서에서 포도당 값이 상승하기 시작하는 것을 감지하면 인슐린 투여를 재개한다. 덱스컴 G6 CGM과 통합된 바살-IQ는 최근 4회 연속 CGM 판독 중 3회를 기준으로 30분 앞서 포도당 수치를 예측하는 단순 선형 회귀 알고리즘을 기반으로 한다.

 

사례 3: 기능 감지 및 진단 지원

인공지능과 머신러닝 애플리케이션의 또 다른 주요 분야는 AI 기반 진단 지원이다. 이 기술은 X선, 컴퓨터 단층촬영(CT), 자기공명영상(MRI), 안과 영상 등과 같은 영상뿐만 아니라 임상 및 비임상 데이터를 처리할 수 있다.

영상을 해석해야 하는 의료 이미지의 양은 최근 수십 년 동안 지속적으로 증가하고 있다. 예를 들어 연간 10억 번의 방사선 검사가 진행되었고, 증가하는 영상을 해설할 방사선사를 확보하기 위해 의료 시스템에 압력을 행사하고 있다. 방사선사가 이용 가능하고 광범위하게 훈련된 경우에도 의료 영상의 해석은 수십 년 동안 감소하지 않은 편향과 오류의 경향이 있어 오진으로 이어진다.

머신러닝(ML)은 대량의 의료 영상 데이터를 효율적이고 정확하게 분석하여 이러한 난국을 타개할 수 있을 것이다.따라서 의사의 시간을 상당히 절약할 수 있다. ML의 분명한 장점은 숫자 변수를 추출할 필요 없이 영상에 직접 적용할 수 있으며 형상 추출과 분류를 동시에 수행할 수 있다는 점이다.

관련된 제품 중 가장 정교한 AI 기반 진단 지원으로는 관상동맥질환(CCTA) 스캔 및 환자 특성(HeartFlow)을 기반으로 비침습적 진단 및 관리를 위한 CT-Flow(HeartFlow) 소프트웨어가 있다.  

사례 4: 임상 의사결정 지원 시스템(CDSS)

의학에서 ML을 응용할 수 있는 유망한 분야는 치료 방법의 선택이다. 네덜란드 의료용 ML 개발사인 팩메드가 개발한 임상 의사결정 지원 소프트웨어가 한 예이다. 이 애플리케이션은 요로감염 환자에 대한 항생제 처방 시 내과의사의 지원을 위해 구축되었다. 무작위 임상시험(RCT)과 같은 임상 연구에 기초한 치료 선택을 규정하는 데 있어서의 지침이 매우 효과적임이 밝혀졌다. 

ML을 이용하여, 실제 모집단의 모든 개인에 대해 개인 맞춤형 가이드라인을 생성하는 CDSS가 개발되었다. 이를 위해 연령, 성별, 질병 특성, 희극성, 합병증, 진단 결과, 이전 요로감염 에피소드 등 20만 명이 넘는 환자의 특성을 분석했다. 처방된 항생제의 종류와 이러한 개입이 모든 개별 사례에 대해 성공적이었는지를 결합함으로써, ML 알고리즘은 다른 치료 선택에 대한 감염의 성공적인 제거 가능성을 예측할 수 있었다.

사례 5: 정밀 투약

정밀 투약은 '특정 시간에 처방 의사가 개별 환자에 대해 복용량을 선택하는 것'으로 정의한다. 이 정의는 약물 치료 개시 결정에 따른 초기 선량 선택과 진행 중인 치료의 유익성/위해성에 기초한 선량의 검토를 다룬다. 정밀 투약에 대한 고급 정량적 접근법을 이용할 수 있어 인공지능을 활용할 수 있는 영역이다.  

모든 처방자들은 약물 치료가 실패했을 때의 좌절감과 처방전이 약물 부작용이나 참을 수 없는 부작용을 일으킬 때 후회하는 감정을 인식한다. 이러한 두 가지 결과는 제조자나 임상 실무 지침에서 지시하는 대로 대부분의 경우 약물이 처방되었음에도 불구하고 임상 의학에서 보편적으로 발생한다.

이같은 부정적인 임상 결과는 사소한 것이 아니며 연간 약 420억 달러의 비용이 든다. 정밀의학 이니셔티브를 발표한 미국은 이후 환자들을 위한 약물치료 개별화를 위한 노력이 새롭게 전개되고 있다. 여기에는 치료 경로와 약물 선택을 최적화하기 위해 CDSS가 부분적으로 포함되지만, 임상 결과의 결정 요인으로서 약물 선량의 중요성을 인식하기도 한다.