AI가 점차 한국 병원에도 도입되고 있습니다.

 

IBM의 대표적인 인공지능을 토대로 한

왓슨 포 온콜로지(Watson for Oncology)’가

가장 대표적인 사례라고 할 수 있는데요.

 

 

이 인공지능을 도입한 국내 대형병원으로

지난해 12월 가천대 길병원을 시작으로

조선대 병원, 부산대 병원, 대구카톨릭대 병원,

건양대병원, 계명대 병원 등이 있습니다.

 

세종병원은 AI 의료 스타트업 뷰노와 함께

‘이지스(AEGIS) 시스템’을 개발했고요.

 

심장질환 전문 병원인 이곳에 있는

300만 건의 심장질환 빅데이터를

인공지능 학습의 재료로 삼은 겁니다.

 

(참조 – AI 헬스케어 산업의 퍼스트무브)

 

베스티안병원은 화상 환자 치료 후

화상 흉터가 어느 정도인지 예측하는

인공지능 기술 개발에 나섰습니다.

 

한국 의료 현장에서도

인공지능의 풍문이 감돌고 있네요.

 

(참조 – AI 전문의, 왓슨 박사는 무엇을 하고 있나요?)

 

놀람

그런데 말입니다!

 

지난 5일 의학 전문매체 STAT에는

이런 제목의 기사가 나왔습니다.

 

IBM 왓슨은

암 치료에 혁신을 일으키리라는

‘호언장담’ 근처에도 못 갔다

 

짜증

아니. 한참 왓슨 포 온콜로지가

한국 각지의 대형병원들에

자리 잡고 있는 와중인데요.

 

이게 무슨 말일까요?ㅠㅠ

기사를 찬찬히 보면 이런 말들이 나옵니다.

 

 

IBM은 암 치료로 타깃을 좁혀왔지만

왓슨이 암 진단 및 치료 영역에서

기대치를 충족하지는 못했다는 겁니다.

 

예컨대 미국이 아닌 다른 지역의

병원 외과의들은 이렇게 불평합니다.

 

슬픔

‘왓슨은 미국인 환자를 기준으로

치료법을 제시하고 조언한단 말이에요’

 

혹은 널리 알려진 것에 비해

일선에서 활동하는 의료진과 의학자들에겐

덜 개발됐다’는 혹평도 나왔고요.

 

AI가 거대한 의료 데이터를 오가면서

새로운 인사이트, 나아가 암 치료에 대한

새로운 접근법마저 줄 수 있다는 문구가

의료 현장에서 무색하다는 말도 나옵니다.

 

왓슨 포 온콜로지라는 인공지능이

대중이나 심지어 그걸 쓰는 병원에게도

어렴풋이(?) 유용하게 비치는 이면에

 

의사들과 엔지니어들이 왓슨에게

7가지 유형의 암 데이터를 학습시키고

최신 데이터까지 업데이트하며 보낸

‘고통스러운’ 6년이 있었다는 후문입니다.

 

(참조 – IBM 왓슨 포 온콜로지에 대한 STAT 기사)

 

1.의료 분야에서 AI는 이제 시작

 

굳이 IBM 왓슨이 아니라도 의료 현장에

인공지능을 투입하는, 그 지난한 과정은

방금 간략하게나마 말씀드린 대로입니다.

 

한숨

의사들과 엔지니어들이 AI에게

여러 유형의 질병 데이터를 학습시키고

최신 데이터까지 업데이트하며 보낸

‘고통스러운’ 수년을 보내야 한다

 

인공지능이 의료에 적용된다는 명제는

그 앞에 수많은, 다른 전제를 둬야 하죠.

 

저 한 문단으로 다 설명할 수 없는

가야 할 길 9만 리가 아른거립니다@.@

 

반면 언론 보도, 몇몇 낙관론에선 AI가

의료 분야에서 활발하게 적용되면서

차차 혁신을 이룰 것이라는 데 주목합니다.

변화를 거스를 순 없는 것도 사실이니까요.

 

휴식

흠, AI가 의료 현장에서 가질 영향력에 대해

낙관론과 비관론 모두 생생한 상황인데요.

 

지난 7월 20일 미국 의학 매체인

메디스콥에서 주최한 콘퍼런스에서는

인공지능과 의료 사이의 이상과 현실,

그 온도 차가 하나의 화두로 나왔습니다.

 

eric j topol 심장전문의

 

“물론 사람들이 기술에 대해

긍정적인 건 좋은 현상입니다. 하지만

AI와 의료에 대해 굉장한 과장이 있습니다

 

“인공지능을 적용해 모든 것을

고친다는, 굉장한 아이디어가 있어도

우리는 아직 AI를 의료에 적용하는 데

가장 초기 단계에 있다고 생각합니다”

 

(미국 심장전문의 에릭 토폴 박사)

 

콘퍼런스 자리에서 인공지능이

가장 실질적으로 적용될 분야는

영상 의료 데이터 분석 쪽이라는

의견도 나왔지만요.

 

제시카 메가 베릴리의 cheif medical officer

 

“당뇨망막병증이란 합병증은

시력을 잃어버리는 원인 중 하나입니다.

 

당뇨 환자의 절반 가까이가 적절한

안저* 이미지로 이 합병증을 멈추거나

시력을 되돌릴 기회를 못 얻고 있죠”

 

*안저(眼底)

동공으로 안구 안쪽을 살펴볼 때

보이는 부분. 망막, 망막혈관 등을

종합해 이르는 용어다.

 

“이 안저 이미지는 분명히

데이터로 활용 가능한 사례입니다.

개와 고양이처럼 다른 유형을 읽어내는

알고리즘을 이 병에 적용할 수 있어요”

 

(구글 베릴리 최고의료책임자 제시카 메가 박사)

 

이렇게 좋은 사례를 제시하면서도

메가 박사 또한 AI를 의료 쪽에서

거론할 때 분명 과장이 있다고 말합니다.

 

(참조 – 세포를 프로그래밍하는 IT 생물학자 이야기)

 

2.양질의, 신뢰할 만한 데이터는 어디에

 

마이클 블럼 교수는 의료 분야에서

이 기술이 얼마나 초기 단계에 있는지

강조하는 게 중요하다고 강조합니다.

 

메가 박사의 사례가 의료 데이터 중에서도

AI와 접목할 수 있는, 훌륭한 사례인 거지

모든 현장에서 상상할 수 있는 사례는

아니라는 게 그의 주장입니다.

 

마이클 블럼 UCSF 의과대학 총장

 

AI 기술은 분명 모든 걸 바꿀 테고,

우린 심호흡한 뒤에 한 발짝

물러나 봐야 한다고 봅니다”

 

메가 박사의 경우 AI 입장에서

잘 인식할 수 있는 문서로 만들어져

비교적 바로 평가 가능한 데이터를

얻은 케이스입니다”

 

거기서 벗어나면 급격히 어려워지죠.

알고리즘을 개발하려면

의료 데이터가 필요한데요”

 

“당장 웹에 들어가서 관련 데이터를 찾은 후

알고리즘을 개발해서 ‘오. 내가 해낸 걸 봐!

이제 뭐든 진단할 수 있어’라고 말할 수 없죠.

현실에선 어느 것 하나 이루기 어렵습니다”

 

(UCSF 의과대학 총장 마이클 블럼 교수)

 

이 말인즉슨 의료 분야에서 AI를 논하기 전에

AI가 먹고 살 수 있는 밥이 있어야 하는데,

인공지능으로 소화할 수 있는, 잘 정돈된

의료 데이터는 굉장히 제한적이라는 뜻입니다.

 

여기에 더해 콘퍼런스에서는

양질의, 다량의, 신뢰할 수 있는 데이터 중에

 

인공지능이 상대적으로 쉽게 평가할 수 있고,

그 평가가 의료에서 유의미한 지점일 때에야

논의를 진척할 수 있다고 내다보고 있는 거죠.

 

마이클 블럼 UCSF 의과대학 총장

 

“일반화할 수 있는,

강력한 알고리즘을 개발하는 데는

의료기관만이 가질 정도의

거대한 데이터가 필요합니다”

 

“게다가 이 데이터들을 모두

적합하게 분류하면서 거기에

주석을 다는 작업까지 필요합니다”

 

“(의료 데이터를 얻는 작업뿐 아니라)

의료진이 달라붙어서 데이터에 대해

설명하고, 데이터를 따로 보는 팀이

필요하다는 의미키도 합니다”

 

 

“만약에 데이터가 어떤 출처도 없이

AI라는 블랙박스에서 뭉쳐졌다면,

게다가 AI가 데이터의 출처를 모르니

어떤 게 정확, 부정확한지도 모른다면

 

의사 입장에선 분명

퍼즐을 다 맞출 수 없을 겁니다”

 

데이터가 반드시 완벽할 필요는 없지만

그게 어디서 왔고, 얼마나 신뢰할 만한지

의료 분야에서는 꼭 알고 있어야 합니다

 

(참조 – 있는 데이터를 잘 쓰는 눔의 피봇팅 이야기)

 

3.AI를 ‘투명하게’ 이해하는 일

 

또한 인공지능을 의료에 대입할 때

투명성 문제’도 붉어질 수 있습니다.

 

이는 의료 현장에서 AI의 구조와

작동 과정을 투명하게 이해하기

어렵다는 점에서 기인합니다.

 

또한 의료 관련 인공지능, 딥러닝의 경우

의료 종사자의 영역이 아니라

엔지니어의 영역이라는 시각도 있다 보니

 

의료 쪽 AI에 대한 논문이

AI 전문가에 의해 리뷰될 순 있지만

의사도 리뷰하고 이해할 수 있느냐도

또 다른 투명성 이슈로 거론됐습니다.

 

아브라함 베퀴즈 미국-인도 의사

 

“인공지능이 의료와 접목될 때

우리가 모르는 무엇이 등장할지

염려하게 됩니다. 의료는 사법제도처럼

투명성이 굉장히 중요하거든요”

 

“만약 딥러닝 시스템이

죄수의 가석방을 거절하고, 당신은

그 원인을 말할 수 없다면 그 기술이

사법제도에 적합하다고 볼 수 없습니다”

 

“마찬가지로 의료 분야에서도

우리가 예측할 수 없는 기술에서

투명성을 기대하기는 어려울 겁니다

 

“이런 기술을 의료 분야에 어떻게 심을지,

관련 윤리나 뉘른베르크 강령* 같은 걸

세워야 한다는 생각도 듭니다”

 

“AI가 의료 분야에서 꽤 많은 문제를

해결하리라고 기대하지만 인간 지능이

인공지능과 어떻게 짝을 이룰지가 중요하죠”

 

(미국 스탠퍼드대 아브라함 베퀴즈 교수)

 

*뉘른베르크 강령(Nuremberg Code)

2차 세계대전 중 나치와 일본군이 벌인

비인간적 생체실험에 대한 재판이 열렸고,

전범 재판을 통해 관련 강령이 만들어졌다.

 

피실험자의 자발적 동의를 가장 중시하며

이후 의학 연구나 치료에 쓰이는 윤리 규정

대부분의 토대를 제공한 강령이기도 하다.

 

eric j topol 심장전문의

 

“인공지능을 활용한 스탠퍼드의

피부암 병변에 대한 연구가 있었죠.

 

이 네이처 논문은 AI 전문가가 리뷰했습니다.

 

이건 딥러닝에 대한 논문인지라

어떤 의사들이라도 그 논문을

리뷰할 수 있을지는 장담할 수 없죠

 

“(저로서) AI는 블랙박스와 비슷해서

인공지능이 어떻게 작동하는지 모른 채

작동하고, 에러가 발생해도 정확히

어디에 에러가 났는지 알기 어렵습니다”

 

(참조 – 콘퍼런스: 왜 의사들은 AI를 거부하는가)

 

4.한국에서의 인공지능과 의료..?

 

괴로움

이렇게 콘퍼런스 내용을 전하고 보니

온통 의료 데이터 얘기밖에 없네요ㅎㅎ

 

그만큼 일선에 있는 의사들에게는

인공지능 이전에 데이터, 그것도

민감정보이자 온갖 형태로 존재하는

의료 데이터가 풀어야 할 숙제입니다.

 

쌓는 것도 문제지만 그걸 쌓아서

도대체 어떻게 써먹을지도 고민이고요.

그 데이터를 소화하는 인공지능을

속속들이 이해하는 것도 난코스입니다.

 

인간의 생명과 직결된 의료 분야에서

기술에 보수적일 수밖에 없는 이유

의사들의 입을 통해 엿본 기분입니다.

 

궁금

그렇다면 한국에서도 인공지능과

의료의 이 복잡한(?) 관계가 그대로일까요?

 

사실 한국 의료 현장에 AI를 도입하려면

위의 언급했던 여러 문제, 거기에 더해

한국만의 특수한 사정들도 있습니다.

 

이 부분은 25일 섬유센터에서 열렸던

딥토크 IT포럼에서의 이야기를 통해

조금이나마 접할 수 있었습니다.

 

*한국 의료 시스템의 편리함

 

이날 포럼에 패널로 참석한

서울와이즈요양병원 김치원 원장은

한국 의료 분야는 인공지능 활용

그 전 단계라고 말했습니다.

 

다만 새로운 기술이 들어오기엔

레거시(기성)의 위력이 강한 편입니다.

규제의 문제기도 하지만 이미

기존의 시스템이 편리한 까닭이죠.

 

KakaoTalk_20170926_092836660

 

병원 시스템이 많이 디지털화하면서

여기서 쌓인 데이터를 유용하게 쓰는,

강력한 도구. 인공지능은 이 지점에서

큰 의미를 가진다고 생각합니다”

 

“다만 한국은 의료 접근성이

꽤 좋은 나라입니다. 상대적으로

의료비도 싸고, 접하기도 쉽습니다”

 

“환자 입장에서도 기존 의료 시스템이

나쁘지 않기 때문에 새로운 기술로

의료 분야에 변화를 끌어내기는

꽤 까다롭다고 생각합니다”

 

(서울와이즈요양병원 김치원 원장)

 

*데이터 기록, 연결 문제

 

또한 한국에서도 의료 데이터는

인공지능에 앞서 중요한 문제입니다.

 

단순히 의료 데이터가 쌓인다 해서

모두 쓸모있는 데이터는 아닐뿐더러

 

이 데이터를 기록하는 것,

쌓는 것, 연결하는 것 모두

의료 현장에서 유의미하려면

나름의 기준이 따라붙어야 합니다.

 

KakaoTalk_20170926_092836660

 

“한국은 전자의무기록(EMR)에 대한

보유 비율이 높은 편인데요. 솔직히

대부분 쓸 수 없는 데이터라고 봅니다.

 

좋은 대형병원이야 그나마 낫겠지만

중소형병원의 경우 특정 키워드로 데이터를

검색할 수조차 없는 시스템으로 굴러갑니다”

 

“한국은 민간에서 EMR 시스템을

제각각 깔아왔기 때문에 각자가 서로 다른

EMR을 낙후된 시스템으로 기록해왔습니다

 

“설령 한 소비자가 여러 병원 기록을

다 연결한다 해도 그 전자의무기록이

그렇게 유의미하게 연결될 수가 없습니다”

 

*개인 민감정보 문제

 

더불어 한국에서는 의료 데이터가

민감정보로 분류되기 때문에 좀 더

개인정보 이슈가 발생할 여지가 있습니다.

 

헌데 인공지능을 학습시키기 위해서는

의료데이터가 대규모로 필요하다 보니

의료 인공지능, 기계학습 자체가 지금도

‘회색지대’에서 개발된다는 말이 나옵니다.

 

KakaoTalk_20170926_092836421

 

“한국에선 개인정보 규제가 까다롭습니다.

특히 건강정보는 민감정보로 분류돼서

법으로 해결하지 않고선 곤란한 편이죠”

 

“또한 환자들이 의료 데이터 사용을 위해

개인정보 규제를 완화하는 걸 받아들일지도

생각해봐야 합니다.

 

막상 보이스피싱처럼 개인정보 유출로

피해를 보고, 피로감이 있는 사회에서

개인정보 규제 완화가 이와 무관하더라도

국민 정서로 쉬이 받아들일 수 있을까 싶어요”

 

(이화여대 법학전문대학원 이원복 교수)

 

*현행 진료비 체계 문제

 

만약 의료 데이터 문제를 모두

슬기롭게 헤쳐나가서 드디어

인공지능을 의료 분야에 접목할 만한

단계에 이르렀다고 가정해봅시다.

 

그렇다면 그 이후의 문제는 무엇일까요?

 

아득한 미래라서 당장 와닿지는 않지만

대표적으로 AI를 현재 의료수가* 제도에

어떻게 적용할지부터가 난제 보입니다.

 

*의료수가(진료비)

의사 등이 의료서비스를 제공하면

환자가 의료기관에 내는 본인부담금과

건강보험공단에서 의료기관에 지급하는

급여비의 합계.

 

(참조 – 의사들은 왜 문재인케어에 반대하는가)

 

KakaoTalk_20170926_092836660

 

“의료수가 구성을 간략히 설명하자면

의료인의 기술에 대해 주는 비용과

의료 행위에서 든 재룟값의 합입니다.

 

근데 기존 진료비제도에서

AI는 어디에도 속하지 않겠죠.

 

일단 재료라고 보긴 힘들고요.

의사와 비슷할 것 같지만 AI가

의사, 의사의 기술력은 아니고요”

 

이미 AI 제품은 신뢰성 있게 나왔어도

한국에서 돈을 벌 방법이 없는 겁니다.

인공지능 기술이 있더라도 의료 시장

시스템에 안 맞는 것도 문제입니다”

 

(참조 – 교육 기술이 많아졌다 해서 교육이 개혁되는 건 아니다)

 

*정리하자면*

 

의료 분야 전반에서

인공지능을 적극적으로 도입하지만

한편으론 인공지능이라는 기술에 대해

회의적이고, 어색해하는 기류도 있습니다.

 

인공지능 이전에 의료 데이터,

그중에서도 어떤 의료 데이터를 모아서

어떤 기준으로 의료 행위와 접목하느냐는

의료 종사자들에게 큰 숙제라 여겨집니다.

 

또한 투명성을 보장받아야 하는 의료와

새로움으로 몰라보게 혁신하는 신기술,

그 둘의 거리감도 만만치 않아 보입니다.

 

의료계의 이런 고민은

한국에도 고스란히 적용되고요.

 

여기에 더해 좀 더 들여다보면

 

전자의무기록 시스템의 표준화 부족,

개인 건강이라는 민감정보 이슈부터

기존 시스템과 신기술 사이의 협곡까지

 

한국만의 어려움도 분명해 보입니다.

현장에 있는 의사들 입장에선

‘인공지능’이라는 녀석부터 거론하기엔

조심스러울 수밖에 없을 것 같습니다@.@

 

한숨

“그래서 새로운 기술과 혁신을 

희망적인 응원해줘도 부족할 마당에

‘어렵다’는 훈수만 두고, 편하겠다!!!!”

 

이렇게 느끼실 분도 있겠지만ㅠㅠ

 

의료 시장은 분명 특수하거든요.

소비자인 환자뿐 아니라 서비스 제공자,

비용을 지불하는 보험부터 공적 규제까지

여기에 더해 기술의 역할도 늘고 있습니다.

 

그래서 그저 내버려두고 지켜보는 것보단

아쉬운 구석, 부족한 점도 꾸준히 드러내야

구멍을 틈틈이 메울 수 있다고 생각합니다.

 

누군가 응원한다면, 저는 이렇게 말하는 거죠.

 

황당

“아니. 이런 환경에서 어떻게

‘인공지능’까지 걱정하겠어?!”

 

이 기사가 의료 종사자나

AI 의료 스타트업을 맥 빠지게 하기보단

 

이들이 훨씬 더(?) 고군분투하게 만드는

시스템, 그걸 바꿀 수 있는 분들에게

곤란함(?)을 선사하는 글이기를 바랍니다:)

 

*해당 포스팅은 과거기사로서

2017년 9월 27일에 발행됐습니다.

 

(참조 – 의료영상 진단하는 구글 딥러닝 이야기)

 

(참조 – 헬스케어 산업에 돌풍 일으키는 인공지능)

 

(참조 – 어떻게 의료 시장에 쓰일 AI를 개발할까?)

 

*월 9900원 정기구독을 통해
아웃스탠딩과 함께 하세요!
 

결제하기 (클릭해주세요)

 
*혹시 아웃스탠딩 회원가입을 안하셨다면
회원가입 부탁드립니다. ^^
 

회원가입하기 (클릭해주세요)

 


*해당 기사는 유료 콘텐츠로서 무단캡쳐 및

불법게재 시 법적 제재를 받을 수 있습니다. 


댓글 남기기