default_top_notch
default_setNet1_2

유전학·유전체 기반 의료분야 새 타깃

기사승인 2017.03.20  05:59:00

공유
default_news_ad1

- 선진국은 인공지능을 어떻게 활용하나?

 

인공지능(AI)은 인간이 지닌 지적 능력의 일부 또는 전체를 인공적으로 구현한 것을 의미하며, 인공지능 개발의 목표는 합리적으로 행동하고 외부 환경에 반응하는 소프트웨어 기술을 만드는 것이다.

▲ 백롱민 서울의대 교수

이러한 AI는 크게 자아를 지닌 '강한 인공지능(Strong AI)'과 자아는 없으며 주어진 조건 하에서 지시를 따르는 '약한 인공지능(Weak AI)'으로 구분된다.

강한 인공지능은 아직 개발되지 않았으며, 강한 인공지능의 개발이 가능한지에 대해서는 학계에서 아직 의견이 분분하다. 자아를 지닌 인공지능이 도래할 것이란 증거가 없지만, 반대로 나타나지 않을 것이라는 증거 또한 존재하지 않기 때문이다.

실제 인공지능의 목표는 사람처럼 생각하고 행동을 모방하는 기계를 만드는 것이 아니라 합리적으로 최적화된 정보를 제공해주는 기계(optimized rational machine)를 만드는 것이다.

최적화를 위해서는 달성하고자 하는 개념적인 목표를 구체적으로 정의해야 하는데, 의학 분야에서는 의사의 역할을 완전히 대신하는 인공지능을 개발하는 것이 매우 어려울 수 있다.

왜냐하면 인공지능 기술을 통해 해결하고자 하는 개념적인 문제와 의학에서 달성하고자 하는 현실 세계에서의 문제간의 큰 간극이 있기 때문이다.

'일반인공지능' 실현 아직 불가능

그동안 인공지능은 단순한 개념적인 문제를 해결하는 데에는 성공적이었다. 체스와 바둑에서 인간과 대결해 승리한 사례나 퀴즈쇼에서의 우승이 그 예이다.

바둑과 체스와 같은 게임의 목표는 정해진 규칙하에 상대방을 이기면 되는 비교적 단순한 것인데 반해, 의학에서의 임상의사결정의 목표는 축적된 근거와 의학 지식에 임상 의사의 직관적 경험이 통합되어 판단되는 복잡한 과정으로, 의학에서의 현실 세계 문제는 실제로 지수적으로 많은 엄청난 경우의 수를 고려해야 할 정도로 매우 복잡하다.

따라서 일반인이 흔히 상상하듯이 인공지능 의사가 나타나서 모든 문제를 해결해 줄 것이라는 '일반인공지능(Artificial General Intelligence)'의 실현은 현재로써는 아직 불가능한 일이다.

엄밀히 말한다면, 현재 인공지능이 임상의사결정에 도움을 줄 수 있는 부분은 임상의사결정지원도구(Clinical decision supporting system)의 범위를 벗어나지 못하며, 특히 인공지능의 기술적인 한계를 잘못 이해했을 때는 기술 개발 과정에서 불필요한 자원이 낭비될 가능성이 크다.

지금까지 활발하게 개발되고 있는 의학 영역에서의 인공지능이 영상 분야인 것도 바로 이런 이유 때문이다. 의료 영상정보는 텍스트와 수치형 자료를 포함하는 다른 정형/비정형 데이터에 비해 질병 관련 데이터 요소가 비교적 정확하게 매칭되는 정보이며, 이러한 장점으로 인해 인공지능 기술이 발전하고 있는 상황이다.

AI 스타트업 다양한 산업 접목

미국에서 특히 인공지능 시장이 가장 뜨거운 지역은 캘리포니아(51%)와 뉴욕(11%)으로, 전체 33개 주에 위치한 미국 내 인공지능 스타트업들은 인공지능과 머신러닝 기술을 헬스케어, 마케팅, 소매업 등 다양한 산업에 접목시키고 있는 것으로 조사되고 있다.

2011년 이후로 미국의 인공지능 관련 스타트업의 수는 현재까지 약 140개까지 증가했고, 이러한 성장은 최근 2016년 한 해에만 40건의 M&A(인수합병) 성사를 통해 확인할 수 있다.

글로벌 대기업인 아마존, 구글, IBM, 야후, 인텔, 애플, Salesforce 등의 기업들은 공격적인 투자로 합병을 감행하고 있으며, GE 역시 최근에 인공지능 스타트업을 인수(2016.11.2)했다.

최근 인텔에 입수된 Nervanasys, 2016년 2월 기준으로 9400만 달러를 벌어들인 Ayasdi와 1억 4400만 달러의 수익을 창출한 Sentient.ai 등 많은 머신러닝 업계에서 주목받는 스타트업 기업들 또한 의료분야에 상당한 노력을 기울이고 있다.

미국을 비롯한 전 세계 인공지능 시장에 가장 관심이 많은 기업은 단연 구글이다. 구글의 인공지능 사례와 최근 활동을 간단히 살펴보면, 2013년을 시작으로 현재까지 약 11개의 인공지능 스타트업을 인수했고, 토론토 대학에서 탄생한 딥러닝 스타트업 DNNesearch의 인수를 통해 자신들의 주요 서비스 중 하나인 사진 이미지 검색 기술을 상당히 향상시켰으며, 2014년에는 영국의 DeepMind Technologies를 약 6억달러에 인수해 '알파고'로 유명한 바둑 챔피언 인공지능 컴퓨터 기술개발로 세계적으로 주목을 받은 바 있다.

또 최근 비주얼 서치 스타트업인 Moodstock과 로봇플랫폼 Api.ai를 인수해 미래의 지속적인 인공지능 투자와 개발 방향을 보여주고 있다.

인공지능 스타트업에 관한 투자에서 글로벌 기업 애플과 인텔은 구글의 뒤를 잇고 있다. 인텔은 현재까지 Itseez, Nervana Systems, Movidius와 같은 인공지능 스타트업 기업 3개에 투자했고, 애플은 Turi와 Tuplejump를 최근 인수했다.

▲ IBM 왓슨은 빅데이터와 딥러닝 기술을 이용해 암 진단 시장을 개척하고 있으며, 2013년부터는 폐암 진단과 치료 등 의료 진단 서비스에 본격 활용되고 있다. 국내 처음으로 왓슨을 도입한 길병원. ⓒ 김선경기자

IBM에서도 헬스케어 분야의 데이터 분석력을 보강하기 위해 유망한 스타트업 기업을 차례로 인수하고 있고, 대표적으로 클라우드 소프트웨어 개발 기업인 Phytel과 Explory를 인수했으며, 의료영상 분석 기업인 Merge도 새 식구로 받아들여 이들 기업이 보유한 CT, MRI 등 300억개의 의료 이미지뿐만 아니라, 7500개의 병원과의 관계를 구축했다.

특히 IBM 왓슨은 빅데이터와 딥러닝 기술을 이용해 암 진단 시장을 개척하고 있으며, 2013년부터는 폐암 진단과 치료 등 의료 진단 서비스에 본격 활용됐다. 현재는 미국Memorial Sloan Kettering 암센터와 Cleveland Clinic과 인지 컴퓨팅 기술을 발전시키기 위한 작업이 진행중이다.

IBM은 Medical sieve라는 알고리즘을 런칭했는데, 이것은 '인지 보조 기능'을 갖춘 차세대 장기 탐구 프로젝트의 일환으로 개발됐다. Medical sieve는 심장 영상 분야의 임상 의사 결정을 지원한다.

Enlitic이라는 스타트업 기업은 의료 데이터 베이스의 학습을 통한 환자 결과 개선을 위한 알고리즘을 개발하는 것을 목표로 한다. 이 특수화된 프로그램의 초기 모델은 신체의 각 부분을 위해 설계돼야 하기 때문에, 제한된 몇 가지 질병의 일부만이 식별 가능해 때때로 좋지 못한 진단 결과를 초래해 다양한 임상 영역으로 확장하지는 못했다.

반면에, 최근 개발중인 딥러닝 알고리즘은 X-ray·CT 스캔 이미지 분석을 기반으로 전체 신체의 광범위한 질병을 쉽게 처리할 수 있다고 발표됐다.

이렇듯 의료분야에서의 인공지능은 영상처리분야에서 계속 발전해왔지만 앞으로는 인공지능은 유전학과 유전체 정보 기반 의료분야에도 큰 영향을 미칠 것으로 예상이 된다.

2015년 설립된 미국의 Deep Genomics에서는 유전자 정보와 의료 기록의 빅데이터를 분석해 질병에 대한 돌연변이를 찾기 위한 데이터 패턴을 인식하는 것을 목표로 한다.

특히 유전자 변형 유기체가 유전적 변이에 의해 변할 때, 세포 내에서 어떤 일이 일어날 수 있는지를 알 수 있는 새로운 세대의 인식/연산 기술을 개발하고 있다.

중국·일본 업체 AI 투자 확대

미국 이외의 국가들의 사례를 살펴보자면, 중국에서는 IT 사업을 이끌고 있는 기업들(바이두, 알리바바, 텐센트)도 직·간접적으로 AI 분야에 투자를 통한 신시장에 대한 비즈니스 전략을 세우고 있다.

특히 바이두는 미국 실리콘밸리에 인공지능실험실을 설립해 병원에서 의료진의 진단을 돕는 AI 채팅로봇 '멜로디'를 개발했다. '멜로디'는 의료진과 진료하기 전, 환자들과의 대화를 통해 필요한 정보만을 간추려 의사에게 전달한다고 한다.

그리고 바이두의 인공지능인 '대뇌'를 통해 중국 지역별 유행성 질환 발병을 예측하는 연구를 진행했으며, Nature research 저널(댕기열, 2016)과 PLOS one 저널(인플루엔자, 2013)에 논문이 게재됐다.

이러한 흐름과 함께 스타트업 기업들 중 최근 주목받고 있는 iCarbonX는 인공지능을 통해 유전체 정보와 각 의료기관의 진료정보, 그리고 개인 생활정보를 모두 취합해 개인 맞춤형 의료정보(건강분석 및 건강지수 예측치)를 제공하다. 그리고 북경의 한 스타트업에서는 인공지능을 활용해 환자의 증상과 의료정보를 기반으로 의료진단을 지원하는 Airdoc 채팅 로봇을 개발해 2016년부터 서비스하고 있다.

다만 아직은 기초적인 수준이기에 외래 진료를 위한 온라인 예약 시 적절한 진료과목을 안내하는 용도로 사용될 계획이라고 한다. 그리고 의료기관에서 진행된 연구로 최근 선천성 백내장 진단 및 치료방법에 대한 의사결정을 지원하는 AI가 적용된 클라우드 기반 플랫폼을 개발한 연구가 Nature Biomedical Engineering 저널에 게재됐다. 이는 다양한 환경(in silico test, multihospital clinical trial, website-based study)에서 비교 분석됐으며, 안과 전문의의 진단 및 치료방법에 대한 정확도가 다기관 임상연구에서 약 98%로 매칭됨을 확인했다.

영국에서는 Babylon이라는 기업에서 인공지능형 채팅 로봇이 환자의 증상을 분석하고 의학적 조언을 제공하는 가상의사 서비스(정확도 92%)를 제공하고 있으며, 이는 2016년에 영국의 모든 GP 서비스와 마찬가지로 CQC(Care Quality Commission) 심사를 통과할 뿐만 아니라 정보보안 및 관리/품질 감사를 위해 ISO 27001 인증도 받았다고 한다.

현재 약 30만명 이상이 등록했으며 약 8만건 이상의 상담이 완료됐다고 하며, 영국·아일랜드·르완다(동아프리카)에 서비스를 제공하는 것으로 보고된다.

일본에서도 이와 유사하게 진단 지원을 지원하는 인공지능기반 로봇을 개발하고 서비스하고 있다. 일본 지치의대와 의료기기업체 5곳에서 공동 개발한 White Jack 로봇은 약 8000만건의 의료 데이터 뱅크를 기반으로 환자의 상태정보를 통해 유력한 병명과 확률을 계산하여 추천하며, 잠재적인 질병 치료를 위한 처방도 함께 제시된다.

그리고 소프트뱅크에서는 인공지능기반 휴머노이드 로봇(humanoid robot)을 개발했다. 체성분 분석, 건강검진 결과 등을 바탕으로 현재 건강상태를 설명해주는 카운슬러로서 활용이 가능한 로봇인 Pepper는 현재 벨기에의 2개 의료기관에서 Reception 업무와 병원 내 소아 및 노인 대상으로 운영 중이다. 또 Nao라는 로봇은 전 세계 300여 병원 및 보호시설에 배치돼 있다.

이에 반해 국내에서는 의료 관련 인공지능 기술 개발은 주로 영상 분야에서 Lunit·Vuno 같은 회사가 두각을 나타내고는 있지만, 개발된 기술이 실제 병원 현장에서 사용되고 있지는 않은 실정이다.

세계 다른 나라들의 기술 개발 흐름에 맞춰 인공지능을 비교적 적용하기 쉬운 영상 판독 분야와 관련된 기술을 지속적으로 개발하되, 유전 데이터·생활습관 데이터·병원의 진료 기록과 같은 다양한 자료를 통합적으로 분석해 개인의 질병 발생 또는 건강 변화에 대한 가능성을 예측하고, 효과적인 임상의사결정에 도움을 줄 수 있는 인공지능기술개발을 목표로 관심을 기울여야 할 것이다. 

번호를 클릭하면 해당기사로 이동됩니다.


 

Doctorsnews admin@doctorsnews.co.kr

<저작권자 © 의협신문 무단전재 및 재배포금지>
default_news_ad4
default_side_ad1

인기기사

default_side_ad2

포토

1 2 3
set_P1
default_side_ad3

섹션별 인기기사 및 최근기사

default_setNet2
default_bottom
#top
default_bottom_notch