광고
광고

(창간64주년 특집) 의료인공지능 개발 현황과 발전 과제

후생신보 | 기사입력 2019/06/14 [10:38]

(창간64주년 특집) 의료인공지능 개발 현황과 발전 과제

후생신보 | 입력 : 2019/06/14 [10:38]

이세돌 바둑기사와 대결로 관심을 끌었던 ‘알파고’로 인해 국내외적으로 인공지능 기술에 대한 관심이 급증했다. 또한 인공지능 기술이 가장 많이 적용될 것으로 전망되는 의료분야 적용 방안에 대한 관심과 요구가 증가하고 있다. 특히 이런 혁신적인 인공지능 기술의 연구·상업화·유효성, 안정성 평가가 매우 중요한 이슈로 떠오르고 있다.

지금까지 인공지능 기술의 의료분야 적용에 대해서 많은 사람들이 관심을 가지고 있었지만 전문가들이 모여 인공지능의 개발에서 허가, 상업화, 나아가 미래의 발전방향에 대해 고민하고 논의하는 자리가 부족했던 것이 사실이었다.

이러한 시대적인 요구에 부응하기 위해 지난해 의료계, 공학계, 산업계, 정책분야 전문가들이 함께 모여 대한의료인공지능학회를 창립했다.

의료인공지능학회는 인공지능 기술의 개발에서부터 유효성과 안정성을 평가하고 나아가 상업화까지 모색하는 ‘논의의 장’ 역할을 할 것으로 기대된다.

특히 인공지능 기술의 의료분야 적용 관련, 수가, 질 관리 등의 이슈와 임상 적용 후 발생할 수 있는 오진이나 의료사고 책임에 대한 사회적인 합의는 어떻게 해야 할지가 중요하다.

또한 인공지능 관련, 인간의 감정적인 부분까지 침범해 인간을 지배할 수도 있지 않을까 하는 막연한 두려움과 관련, 과연 인공지능은 어디까지 발전할 수 있으며 어느 정도 인간의 영역을 대체할 수 있는지에 대한 냉정한 판단이 필요하다.

이에 본지는 창간 64주년을 맞이해 ‘의료인공지능 개발 현황과 발전 과제’를 주제로 특집을 마련, 인공지능기술의 의료분야 적용 및 국가정책 과제에 대해 전문가들의 의견을 소개한다. 이와함께 대한의료인공지능학회 서준범 회장으로부터 인공지능 기술의 현황과 해결해야 할 문제점, 발전 방향, 활용법, 특히 인공지능 관련 인재양성 교육은 어떻게 할 것인지 듣는 시간을 마련한다.<편집자주>

 

한국형 의료인공지능솔루션 ‘닥터 앤서 (Dr. Answer)’ 개발 사업

 

▲ 김종재 교수<울산의대>     © 후생신보

소위 제 4 차 산업혁명이라 일컬어지는 새로운 사회 전반의 패러다임 변화 속에서 데이터를 기반으로 한 연구개발은 어느 분야를 막론하고 각광을 받기 시작하고 있다. 의료의 관점에서는 그 동안 의사의 경험에 의존할 수 밖에 없었던 치료 방침 등이 축적된 데이터의 분석을 통해서도 가능함이 세간의 화제가 되었던 IBM이 개발한 닥터 왓슨 (Dr. Watson)에 의하여 보여진 바 있다. 

 

닥터 왓슨의 도입은 전세계적으로 의료데이터를 이용한 연구개발에 사회적 관심을 높이는 기폭제 역할을 하였고, 의료데이터를 이용한 기술개발을 통해 보건의료의 질을 높이고자 하는 노력들이 대폭 강화되었다.

 

과학기술정보통신부는 2018년부터 2020년 말까지 3년간의 한국형 AI기반 정밀의료 솔루션 개발 사업을 기획, 착수하였고, 이 솔루션의 브랜드를 ‘닥터 앤서 (Dr. Answer)’라 명명하였다. 

 

닥터 앤서가 의미하는 바는 의료 빅데이터를 이용하여 무엇이든 대답해주는 AI 닥터라는 뜻으로 Ai, network, software, er의 약자이다. 닥터 앤서 사업의 비전은 예방부터 치료까지 AI 기반 정밀의료 확산을 통하여 국민건강을 증진하고 국가적으로는 미래 먹거리 산업을 창출하는 것이며, AI 적용을 통해 주요 질환의 진단 및 치료율을 향상하고, 명품 의료학습용 데이터를 확보해 나가는 것이 그 기본 추진 방향이라 할 수 있다. 

개발에 이용될 의료데이터는 임상정보, 영상, 유전체 정보, 생활 패턴 등 가능한 모든 부분을 망라하며, 특히 클라우드 기반으로 개발되어 운영된다는 근본적인 특징이 있다. 

 

닥터 앤서 사업에는 3년 간 정부 예산 280억원을 포함한 357억원의 예산이 투입되며, 정보통신산업진흥원 (National IT Industry Promotion Agency, NIPA)과 25개 의료기관과 19개의 ICT 기업이 참여하는 대형 컨소시엄인 한국데이터중심의료사업단 (Korea Data and Software-driven Healthcare Consortium, K-DASH)이 주축이 되어 연구개발사업을 수행한다. 

특히 참여하는 의료기관들은 개발된 소프트웨어의 효율적인 확산을 가능하게 할 전국적인 네트워크 역할을 하게 될 것이며, 동시에 개발이 진행되고 있는 클라우드 기반의 정밀의료 병원정보시스템 (Precision Hospital Information System, P-HIS)와의 연계도 목표로 하고 있다. 

 

한국데이터중심의료사업단은 이제까지 국내 유사 연구개발분야에서 전례를 찾아볼 수 없는 많은 기관들이 참여하는 대규모 컨소시엄이며, 의료데이터를 제공하고 개발 솔루션들의 성능을 검증하게 될 의료기관들과, 데이터 기반의 AI 소프트웨어 개발을 책임지게 될 기업들이 분야별로 팀을 이루어 연구개발을 진행해 나가고 있다. 

 

8개 질환 영역 21개 AI 소프트 개발

 

3년간 닥터 앤서 사업을 통하여 개발하고자 하는 AI 소프트웨어들은 8개 질환 영역에 걸친 21개이며, 서울아산병원이 총괄주관병원의 역할을 수행하고 있고, 질환주관병원들이 8개 질환과 관련된 연구개발을 담당하고 있다. 8개의 질환들과 주관병원들을 보면 심뇌혈관질환 (서울아산병원, 경북대학교병원), 심장질환 (세브란스병원), 유방암 (삼성서울병원), 대장암 (가천대 길병원), 전립선암 (서울성모병원), 치매 (분당서울대학교병원), 뇌전증 (서울대학교병원), 소아희귀난치성 유전질환 (고려대학교 구로병원)들이다. 

 

의사들이 환자들을 진료하는 데 있어서 보조적인 수단으로서 AI 소프트웨어가 기여할 수 있는 부분은 의료의 모든 부분에 걸쳐있다. 필자가 전공하고 있는 병리과의 경우도 조직이나 세포검사의 형태학적 진단에 있어서, 의사들 간의 편차를 줄여줄 수 있고, 객관화가 필요한 부분에서 구체적인 수치나 값을 제공할 수도 있다. 

예를 들어 전립선암의 진단이나 암세포의 분화도를 기술하는 데 있어서 병리의사들 간에 편차가 있는 것은 잘 알려진 사실이며, AI 소프트웨어가 진단의 정확성을 높이고 분화도의 기술을 보다 객관화할 수 있다면, 이는 병리의사 뿐만 아니라 환자 및 임상의들에게도 큰 도움이 될 것이다. 또 현미경 시야에서 암세포의 유사분열 (mitosis)의 빈도를 파악하는 것과 같이 단순하지만 처리에 많은 시간을 요구하는 진단 업무 부분에서 의사들의 어려움을 덜어주고, 진단의 정확도까지 향상시킬 수 있다. 

 

데이터의 구성이 주로 의료영상인 영상의학과에서도 영상의학의사들이 병리의사들과 유사한 형태로 AI 소프트웨어들의 도움을 받을 수 있을 것이기 때문에 가장 활발하게 인공지능 연구가 이루어지고 있는 의료분야이기도 하다.

따라서 그 동안 국내외에서 의료데이터를 이용한 AI기반 소프트웨어 개발은 지속적으로 시도되어 와서, 개별적으로 인허가 및 검증이 진행된 예들은 있으나 닥터 앤서 사업이 클라우드 기반을 골자로 한 대규모 국책 연구 사업이고, 국민들이 그 혜택을 실감할 수 있도록 의료현장에 적용하는 것을 목표로 한다는 측면에서 볼 때, 앞으로 국내 의료데이터를 기반으로한 연구개발 및 도입과 관련해서 시금석의 역할을 할 것으로 보인다. 

 

환자 개인의 의료데이터를 이용하여 연구를 진행하는 것, 익명화된 자료를 클라우드 플랫폼에 탑재하고 연구개발을 진행한다는 것 등 개발과 병행해서 추가적인 사회적인 합의를 이루어나가야 하는 부분이 있어서 데이터 활용과 보안과 관련해서도 앞으로 우리나라 의료데이터기반 연구의 틀을 만들어가는 중요한 시발점이 될 것이다.

개발되고 있는 AI 소프트웨어들은 그 내용에 따라서 의료기기로의 포함 여부가 판정되며, 이에 따라서 임상 적용 부분도 영향을 받게 된다. 

 

지속적 고도화로 글로벌 경쟁력 확보

 

사업단은 금년 중으로 2020년 말까지 개발을 목표로 하는 21개 소프트웨어 가운데 3 개 이상을 국민들에게 소개하여 그 활용도를 체감할 수 있도록 계획하고 있다. 이들은 우선적으로 개발을 담당하고 있는 병원들에서 소개되겠지만 닥터 앤서 사업에 참여하고 있는 대부분의 의료 기관에서 환자들이 경험할 수 있는 틀이 갖추어질 것이다. 현재 수행하고 있는 닥터 앤서 사업은 포트폴리오 구성과 관련하여 추가적인 고도화를 요하는 부분들도 있다. 

첫 번째는 질환군의 확장이다. 현재 8개 질환을 대상으로 개발 사업이 진행되고 있지만 보다 광범위한 임상 적용 및 세계 시장 내에서의 경쟁을 위해서는 아직 포함되지 않은 다빈도 주요 질환들이 반드시 포함되어야 할 것이다. 

또 다른 하나는 각 질환 내에서 개발되고 있는 소프트웨어의 구성이다. 현재는 각 질환의 여러 단계 (예측 및 예방, 분석, 진단, 치료, 예후 관리)를 아우르는 소프트웨어를 개발하기에는 시간 및 인력과 예산 등이 불충분한 상황이므로 이러한 부분은 후속 사업 진행을 통하여 해결해 나가야 한다. 이러한 지속적인 고도화가 닥터 앤서 브랜드가 글로벌 경쟁력을 확보하는 길이 될 것이다. 

 

닥터 앤서 사업이 극복해 나가야할 어려운 문제들 또한 산적해 있다. 우선 데이터 활용이라는 측면에서 본 사업을 위하여 클라우드 상에 축적해 나가는 정제된 데이터들을 특정 AI 소프트웨어 개발이 끝나면 폐기할 것인지 아니면 다른 또는 추가적인 연구개발에도 이용될 수 있는 클라우드 플랫폼 환경을 구축할 수 있을 것인지의 문제이다.

클라우드 상의 데이터를 마구잡이로 다른 목적으로 이용해서도 안 되지만, 어렵사리 모아온 데이터들을 모두 폐기한다는 것도 현실적으로 비효율과 낭비요소를 포함하고 있다. 따라서 이 부분을 우리나라 법적 테두리 내에서 좋은 추가 연구개발에 활용이 될 수 있도록 하는 방법을 모색해야 하겠다. 

마지막으로 닥터 앤서 사업의 성공적인 실현을 통해서 얻어지는 중요한 사회적 가치 중의 하나는 의료데이터 관련 산업 생태계의 구축이다. 그럼 과연 이것이 현실에서 가능한 것인지, 가능하다면 시기적으로는 언제쯤이 될 것인지 하는 문제이다. 

 

본 사업을 진행하다보니 가장 걱정하게 되는 부분은 좋은 AI 소프트웨어들이 나올까 하는 부분이 아니라 사업에 참여하고 있는 ICT 기업들이 국내에서 생존해서 세계적인 기업들로 성장할 수 있을까하는 것이다. 기업들의 생존은 기업의 가치를 키워가면서 적절한 사업모델을 확보하는 것인데, 안타깝게도 국내 환경은 사업모델을 구현하는 데 당분간 어려움이 있어 보인다. 

가장 쉽게 생각할 수 있는 사업모델은 많은 병원들이 개발된 소프트웨어를 구입, 사용하고 사용료를 내는 것이겠지만 이는 현실적으로 생각보다 어려운 점이 많고, AI 소프트웨어를 사용하는 의료 행위들이 국가 보험 급여의 측면에서 별도의 가치를 인정받을 것인가 하는 문제도 이견들이 있고 합의가 이루어지지 않은 부분들이 있어서 불가능하지는 않겠지만 상당한 시간이 필요해 보인다. 따라서 어려운 여건 속에서 노력하고 있는 기업들이 생존 가능한 제반 환경이 구축되기까지 정부와 의료 기관, 또 국민들의 이해와 도움이 반드시 필요하다고 하겠다.

 

닥터 앤서 사업을 통해 국민 건강 증진에 이바지할 수 있는 다양한 AI 소프트웨어 개발이 이루어지고 있다. 

앞으로 이들을 사용함으로써 국민들에게 보다 나은 질의 의료가 제공되고, 의료 기관과 ICT 기업들이 국가 인재 양성과 산업 발전에도 크게 공헌할 수 있는 기회가 되기를 희망해 본다. ▣

 

 

 

정밀의료를 위한 병원정보시스템의 개발

 

▲ 이상헌 교수<고려의대>     © 후생신보

보건의료 분야의 4차 산업혁명으로 인한 변화가 빠르게 진행되고 있다. 4차 산업혁명의 키워드인 소비자 맞춤형 서비스가 가장 필요하고 기대효과가 큰 분야 또한 보건의료 분야이다. 빅데이터와 클라우드를 활용하여 의학정보를 축적하고 이를 인공지능을 활용하여 분석하는 기술의 비약적인 발전으로 ICT 기반의 의료 산업이 급변하고 있다.

 

인공지능 기술을 활용한 의료행위 자동화와 신약개발 기간 단축 및 개발 성공률 향상 등의 R&D 효율화뿐만 아니라 개인 유전체 분석 등의 의료서비스가 정밀화, 맞춤화 되고 있다. 4차 산업혁명 이전의 의학은 질병 치료와 환자 생명 살리기가 초점이었다면 현재의 의학은 클라우드나 사물인터넷(IoT), 빅데이터, AI 기술 등을 활용하여 환자 맞춤형으로 질병을 예방하고 진단하며 치료하는 정밀의료를 구현하는 시대이다. 이러한 환자 맞춤형 정밀의료가 더욱 정확하고 효과적이기 위해서는 개인 유전자 데이터, 임상 정보, 생활환경 및 개인 습관 등에 대한 다양하고 질 좋은 보건의료 데이터가 필요하다. 인공지능을 활용하는 것은 결국 질 좋은 데이터로 생산적인 결과를 만들어내는 것이 관건이기 때문이다.

 

ICT 기반의 의료 기술은 현대 사회의 고령화에 대한 해결책으로서 매우 중요한 의미를 가지며, 산업적 가치 또한 크다고 할 수 있다. 정밀의료를 구현하게 되면 복잡한 진료 과정과 불필요한 비용 발생 및 행정 낭비를 줄임으로써 더욱 효율적이고 효과적인 의료 서비스를 제공할 수 있게 된다. 감염병에 대하여 최적의 항상제를 추천하는 것이나 치과 영상의 자동 판독, 만성질환을 관리하는 챗봇, 유전체 AI 항암제 추천, 딥러닝 기반 응급 대응, 골연령 자동 측정 SW, AI기반 웨어러블 생체신호 모니터링, 자동 수액주입기 등 무한히 많은 정밀의료 서비스에 클라우드 데이터가 활용된다. 

이런 이유들로 전세계적으로 클라우드와 빅데이터, 인공지능을 활용한 정밀의료에 대하여 많은 관심을 가지고 정밀의료 프로젝트를 진행하고 있다. 

 

정밀의료 병원정보시스템(P-HIS) 개발 사업

 

우리 정부는 수준 높은 의료 빅데이터를 모아 정밀의료를 실현하고 의료 분야의 4차 산업혁명 시대를 앞장서기 위하여 두 가지 정밀의료 국가전략프로젝트 사업을 진행 중이다. 현재 우리나라에서는 각 병원마다 사용하는 병원정보시스템이 달라 환자 맞춤형 정밀의료에 필요한 좋은 품질의 의료 빅데이터를 모으기 어려운 실정이다. 그러나 우리가 클라우드 버전의 훌륭한 병원정보시스템을 개발하여 많은 병원들이 공유하여 사용한다면 시간적, 금전적 비용을 획기적으로 줄일 수 있어 의료 4차 산업혁명 시대에서 우리가 가장 앞서나갈 수 있다. 이에 우리 정부는 국가전략프로젝트의 일환으로 정밀의료 병원정보시스템(P-HIS) 개발 사업단을 출범시켰다. 

 

정밀의료 병원정보시스템(P-HIS) 개발 사업단은 고려대학교의료원을 중심으로 국내 병원과 IT 기업들이 참여하여 클라우드 기반의 병원정보시스템을 개발하고 있다. 참여기관으로는 고려대학교구로병원, 아주대학교병원, 가천대길병원, 삼성서울병원, 세브란스병원과 삼성SDS, 네이버비즈니스플랫폼 등이 있다. 

 

정밀의료 병원정보시스템(P-HIS) 개발 사업단은 클라우드 기반의 차세대 병원정보시스템을 개발하고 여러 병원이 이를 공동 활용함으로써 클라우드와 인공지능을 활용한 디지털 헬스케어와 정밀의료를 실현하고자 한다. 다양한 출처의 의료 데이터를 공급하고 분석할 수 있는 플랫폼 인프라를 구축하여 정확하고 일관성 높은 의료 빅데이터를 생산할 수 있는 기반을 다지고, 이렇게 모인 의료 빅데이터를 통합하고 분석하여 정밀의료 서비스를 지속적으로 추가할 수 있는 플랫폼을 개발하고 있다. 

 

정밀의료 병원정보시스템(P-HIS)은 진료, 진료지원, 원무, 보험심사 인증, 모바일 EMR(Electronic Medical Record) 등 기본적인 병원정보시스템에서 수행하는 업무를 퍼블릭 클라우드 기반의 서비스로 구현한다. 

정밀의료 병원정보시스템(P-HIS)은 빅데이터에서 나온 진료 패턴을 반영하여 환자 상태를 파악하는데 걸리는 시간을 단축하고 진료절차를 효율화함으로써 환자와 의료진의 소통에 집중할 수 있는 진료환경을 구현한다. 간호업무를 수행할 때나 인계할 때에도 기존 시스템에서 사용하던 5~10개 화면을 통합하여 제공해 업무의 연속성을 보장할 수 있다. 뿐만 아니라 예약을 효율화하여 불필요한 내원을 방지하고 대기시간을 줄일 수 있도록 환자에게도 통합화면을 제공한다. 또한 외래, 입원환자의 통합 수납기능을 통해 수납의 효율성을 증대시킨다.

 

이렇게 개발한 플랫폼을 통해 정밀의료를 실현하기 위해서는 현재 각 병원별로 서로 다르게 사용하고 있는 의료 용어와 코드 등을 표준화시켜 일관성 있는 데이터를 수집하기 위한 체계를 갖추는 것이 무엇보다 중요하다. 현재 우리나라 의료기관들이 개별적으로 사용하고 있는 병원정보시스템은 높은 기술력을 바탕으로 다양한 편익을 제공하고 있으나 둘 이상의 의료기관이 결합하여 의료소비자 기준의 진료 이력 데이터를 제공함에 있어서는 부족한 점이 많다. 이렇게 일관된 관점의 데이터 제공하지 못하는 것은 정밀의료를 구현하는 데 있어 장애 요소로 작용하게 된다. 이를 해결하기 위하여 사업단은 용어 및 코드를 표준화하여 기준 데이터의 일관성을 확보하기 위한 노력을 기울이고 있다.

 

정밀의료 병원정보시스템(P-HIS)은 의료기관들이 일반적으로 사용하는 진료 프로세스를 반영한 표준 병원정보시스템을 클라우드 형태로 서비스하며 병원정보시스템을 통한 임상데이터 외 웨어러블 헬스 디바이스 및 유전체 검사정보를 축적할 수 있는 연계 채널을 확장하여 정밀의료를 실현하기 위한 기반 환경을 구축하는 것을 기본 목표로 한다. 

 

병원정보시스템의 국제표준기술을 적용하고 주요 기능을 모듈화하여 병원의 규모나 환경 등 개별 병원의 특성에 따라 필요한 모듈을 선택할 수 있도록 SaaS 플랫폼에 적용하여 개발할 예정이다. 또한 공통데이터모델(CDM; Common data model)을 적용하여 다양한 환경에서도 분석서비스 확산이 가능하도록 개발한다. 

 

더불어 구축한 플랫폼 위에 중환자나 응급환자의 심정지 예측, 응급환자의 중증도 예측, 심혈관질환이나 만성질환자의 상태악화 예측 등 병원의 필요에 따라 모듈화 된 정밀의료 분석서비스를 추가하고 확장하는 것이 용이하도록 개방형 의료 정보 통합 분석 플랫폼을 구축하고, 향후에는 다양한 정밀의료 분석 서비스 및 부가 서비스를 확장해 나갈 예정이다.

 

사업단은 클라우드 기반의 병원정보시스템을 지난 해 개발 완료하여 올해 고려대학교의료원의 3개 병원(안암, 안산, 구로병원)을 대항으로 시스템 구축 테스트를 추진하고 있다. 이는 엔터프라이즈급 클라우드 기반 병원정보시스템을 도입하는 세계 최초의 사례가 될 것이라는 점에서 큰 의미가 있다. 뿐만 아니라 간호용어와 임상용어 등 의료용어 및 코드를 표준화하여 병원정보시스템 내에 있는 프로그램들을 연결하고 통합시킴으로써 단일기관 내 또는 다수의 기관 간 정보교류가 편리하게 하고, 나아가 고품질의 의료 빅데이터를 생산하여 정밀의료 빅데이터 기반을 구축하며 이는 소비자 중심의 정밀의료 실현의 바탕을 이룰 수 있다. 정밀의료 병원정보시스템(P-HIS)은 올해 고대의료원의 시범적용을 거친 뒤 국공립 대학 및 서울시의료원을 중심으로 국내 1·2·3차 의료기관에 보급·확산해 나갈 예정이며, 이후 해외 병원 진출도 추진 중이다.

 

정부가 정밀의료 실현을 위해 추진하는 정밀의료 병원정보시스템(P-HIS)과 닥터 앤서, 인공지능 응급의료시스템을 연계하여 한국형 정밀의료 서비스를 제공하게 되면 의료 소프트웨어 신시장을 창출하고 의료서비스의 지역 격차를 해소함은 물론 국민 의료비 절감을 기대할 수 있을 것이다.

 

정밀의료 병원정보시스템 개발 사업이 성공적으로 추진된다면 의료의 패러다임이 획일적인 진단과 치료에서 사전 예방과 관리 및 환자 맞춤형의 최적의 치료 제공으로 바뀔 것이다. 또한 클라우드 병원정보시스템은 의료업계에 비용절감, 서비스 품질 개선, 수익 증가에 대한 솔루션을 제공 할 수 있을 것이다.

 

클라우드, 빅테이터, 인공지능을 융합하여 활용한 정밀의료가 미래 의료산업의 핵심으로 떠오르면서 전세계적으로 정밀의료 기술과 시장 선점을 위한 소리 없는 전쟁이 시작되었다.

 

앞으로 다가오는 시대에는 인공지능, 로봇, AR, VR 등이 없이는 의료서비스가 이뤄지기 힘들 것이며 질 좋은 데이터를 경쟁력 있는 가격에 만들어낼 수 있는 지가 의료의 질을 좌우할 것이다. 우리나라는 높은 의료 ICT 기술을 가지고 있으므로 글로벌 정밀의료 시장 선점을 위하여 높은 잠재력을 가지고 있다. 지금의 병원정보시스템으로는 미래의료혁신인 정밀의료를 구현하기에 부족한 점이 있지만 우리가 한발 앞서 질 좋은 의료 빅데이터를 모을 수 있는 플랫폼 개발과 확산에 성공한다면 글로벌 정밀의료 시장에서의 선두주자가 될 수 있을 것이다. ▣

 

 

 

보건의료인공지능학습플랫폼 HeLP(Healthcare AI Learning Platform) 소

 

▲ 양동현 교수<울산의대>     © 후생신보

인공지능기술을 의학분야에 활용한 많은 연구들이 발표되고 일부기술들은 상용화 되면서, 인공지능은 미래의 의학을 논의할 때 빠질 수 없는 중요한 기술로 자리잡게 되었다. 안저 촬영의 자동판독으로 인공지능의 우수성을 증명한 구글의 유명한 연구를 비롯하여, 인공지능은 영상의학분야, 병리 영상, 내시경 영상 등으로 그 적용의 폭을 넓혀가고 있다. 영상 분야 이외에도 생체에서 유래하는 다양한 신호(예, ECG, EEG)를 분석하여 인간의 인지능력이나 직관만으로는 해결하기 어려웠던 문제들을 인공지능이 해결함으로써 환자의 진료에 도움이 될 것으로 기대하고 있다. 

 

병원내부에서 생산되는 다양한 형태의 데이터들은 잠재적으로 인공지능의 연구에 이용할 수 있는 귀중한 재료이다. 이들 데이터를 인공지능 연구에 이용하기 위해서는 기관의 IRB승인이 필요하고, 경우에 따라서는 환자의 동의를 받는 등 복잡한 사전 절차가 요구된다. 

 

또한 해당의료분야의 배경지식이 필요한 경우가 많기 때문에 병원 밖에 있는 연구자들이 의료데이터를 이용하여 연구를 하는데 에는 많은 어려움이 따른다. 이를 극복하기 위하여 일부 학회/기관에서는 개방형데이터셋을 구축하여 인공지능연구개발을 위한 재료로 제공하고 있다. 의학영상분석분야의 분석 콘테스트를 정리하여 놓은 사이트 (https://grand-challenge.org/challenges/)에 의하면 2007년 부터 현재까지 의학영상분석에 모두 168건의 영상 분석 콘테스트가 열렸다. 

 

최근에는 인체 여러 장기에 보편적으로 적용될 수 있는 분할알고리즘을 만들기 위한 데이터 셋이 Medical Decathlon Challenge (https://decathlon.grand-challenge.org/)를 통해 공개되기도 하였다. 이들 개방형 데이터 셋은 분석 콘테스트에 널리 이용되며 더 나은 인공지능 알고리즘을 만드는데 크게 도움을 준다. 

 

한국인 질환 특성 반영한 데이터셋 구축 필요

 

나라 혹은 인종 마다 생기는 질환의 패턴이 다르다는 점을 고려하면, 한국인의 질환 특성을 반영한 데이터 셋의 구축과 이를 이용한 분석 콘테스트가 한국형 진단 인공지능의 개발에 필수적으로 할 수 있겠다. 

하지만 한국에서 이러한 개방형 분석 콘테스트를 조직하는 데에는 다음과 같은 어려움이 있다.

첫째는 인공지능 학습용데이터 셋을 대중에 공개하는데 따른 법적인 규제이다. 콘테스트를 위해서는 데이터를 완전히 공개해야 하는데, 이를 위해서는 데이터 수집단계에서 환자의 동의를 받아야 한다. 영상데이터의 상당수가 후향적으로 모아지는 점을 감안하면 현실적으로 극복하기가 어려운 규제이다. 설령 전향적인 코호트가 있더라도 공개를 위해서는 별도의 동의를 다시 받아야 하기 때문에 현실적으로 많은 어려움이 있다.

 

두번째는 양질의 학습용데이터를 확보할 때 병원과 레이블에 참여하는 의료진의 권리를 어떻게 보장할 수 있느냐의 문제이다. 인공지능의 개발에 있어서 양질의 데이터는 매우 중요한 필요 요건이며, 인공지능학습을 위해서는 숙련된 의료진이 많은 시간과 노력을 기울여 레이블링을 하는 과정이 필요한 경우가 많다. 숙련된 의료진 혹은 이들이 속한 병원이 많은 시간과 노력을 기울여 만든 데이터를 대중에게 공개하도록 유도하는 것은 쉽지 않다. 이를 극복하기 위해서는 고품질의 학습용데이터를 보유한 병원 및 연구자가 인공지능개발과정에 적극적으로 참여하고, 개발된 인공지능알고리즘의 상용화 시 발생할 수 있는 이득을 공유할 수 있도록 중재해주는 플랫폼이 필요하다. 또한 학습용데이터의 안전성을 보장하면서도 인공지능개발자들이 쉽게 데이터를 활용할 수 있는 여건도 마련되어야 한다. 

 

보건의료인공지능학습플랫폼 Healthcare AI Learning Platform (HeLP) 사업단은 이러한 문제를 해결하기위하여 출범하였다. 본 사업단은 보건복지부의 첨단의료기술개발·인공지능정보의학 사업의 지원을 받았으며 사업기간은 6년이다. 사업 명칭은 ‘응급 및 실시간 진단 인공지능 시스템을 위한 연구개발 및 실용화 오픈 플랫폼’이다. 서울아산병원은 주관기관으로써 인공지능학습센터 ‘HeLP’를 운영하고, 세부기관으로 참여하는 분당서울대학교 병원과 함께 학습용 의료데이터를 제공한다. 울산대학교는 의료 데이터의 레이블링 플랫폼을 제공하는데 인공지능학습용데이터 생산에 관여되는 각종 기술적 지원을 함께 맡는다. 

 

앞서 이야기한바와 같이 한국에서는 데이터 셋의 완전한 개방은 어려운 실정이다. 따라서 본 사업단에서는 클라우드를 이용한 분석 콘테스트를 기획하게 되었으며 콘테스트에 이용되는 클라우드 플랫폼의 구축은 카카오브레인(주) 이 담당하게 된다. 양질의 데이터를 확보한 의료진 및 병원은 클라우드를 통해 데이터를 제공함으로서 데이터가 병원 밖으로 유출되지 않는 안전성을 보장받을 수 있다. 인공지능 개발자들은 클라우드 플랫폼에 접속하여 알고리즘을 개발할 수 있다<그림 1>. 

 

클라우드 플랫폼은 개발자들이 쉽게 개발할 수 있도록 다양한 인공지능개발환경과 GPU 클러스터를 제공한다. 개발된 인공지능의 실용화 시 발생할 수 있는 지적재산권 이슈는 플랫폼의 운영 센터인 서울아산병원 빅데이터센터가 담당한다. 본 과제는 2단계로 구성되는데 1단계 3년동안은 인공지능시스템을 6건이상 만드는 것이 목표이고, 2단계 3년동안은 임상시험을 통해 실제 제품 출시에 준하는 성과물을 만들어야 한다. 본 학습플랫폼은 영상의학분야에서 널리사용되는 CT, MRI뿐 아니라 병리 영상, ECG와 같은 생체신호영상의 인공지능개발을 촉진하기위해 기획되었다. 사업단이 중점적으로 개발할 연구과제는 다음의 6가지이다. 영상의학분야는 응급대동맥질환 CT, 중증외상 CT, 뇌동맥류 MRI, 그리고 중환자실 흉부 X-ray이며, 수술장 업무 지원분야는 동결 절편 병리 판독이 있다. 수술장/중환자실 유래 생체신호 분석도 본 사업단의 연구분야이다. <그림 2>.  

 

본 인공지능학습센터가 성공적으로 정착된다면 한국실정에 맞는 의료인공지능의 개발에 기여할 수 있을 뿐만 아니라 인공지능개발 관련 인력의 저변을 확대하는데도 큰 도움을 줄 수 있을 것으로 기대하고 있다. ▣

 

 

 

▶ 인공지능이 인간을 지배한다?…“과도한 걱정이다” 

    인터뷰 - 서준범  대한의료인공지능학회 회장

 

최근 인공지능(artificial intelligence AI) 기술에 대한 관심이 증가하고 있고 이에 따른 기술 발전은 과거 어느 때 보다 빠른 행보를 보이고 있다. 인공지능 기술의 수준은 인간이 데이터를 입력해 학습하는 수준을 넘어 이미 인공지능 스스로 학습을 할 수 있는 단계까지 도달하고 있다. 특히 의료분야에서 인공지능 기술의 적용은 많은 부분에서 적용되고 있다.

그러나 인공지능 기술 관련 개발에서부터 유효성과 안정성을 평가하고 상업화하는 것에 대한 제도적인 장치에 대한 것은 부족한 것이 사실이다. 이러한 시대적인 요구에 부응하기 위해 지난해 의료계, 공학계, 산업계, 정책분야 전문가들이 함께 모여 대한의료인공지능학회를 창립했다. 의료인공지능학회는 인공지능 기술의 개발에서부터 유효성과 안정성을 평가하고 나아가 상업화까지 모색하는 논의의 장역할을 할 것으로 기대된다. 대한의료인공지능학회 초대 회장을 맡은 서울아산병원 영상의학과 서준범 교수를 만나 인공지능 기술의 의료분야 적용 관련, 인공지능 기술의 국내 현황을 살펴보고 인공지능 기술의 의료분야 적용, 인재 양성 등에 대한 생각을 들어봤다.

 

 

▲ 서준범 대한의료인공지능학회 회장     © 후생신보

 

Q : 의료인공지능의 최신 동향은?

A : 인공지능이라고 하는 기술자체가 의료분야에서 사용된 지는 오래됐다. 요즘 이야기되는 의료인공지능이라고 하는 최신 인공지능 기술을 활용해 의료를 단순한 연구 차원을 넘어 의료기기라든지, 데이터 분석, 환자관리 부분을 다 혁신하겠다는 운동은 2010년 초반에 시작됐다. 그 출발점은 왓슨 등이며 이와 관련한 연구논문도 그 시기부터 많이 나오고 있다.

이후 2010년 중반 정도에 많은 혁신 업체들이 생겼고 우리나라도 현재 의료인공지능을 하고 있는 회사를 보면 그 시기에 시작됐다.

그 후 다양한 분야에서 제품을 내놓고 있으며 지난해부터 FDA 인허가를 받은 장비가 많이 나오고 있어 지금은 인공지능 기술이 의료현장에 본격 적용되기 시작한 시기로 볼 수 있다. 최근에는 더 많은 제품들이 인허가를 받는 등 가속도를 내고 있다. 그러나 이러한 기술 발전에 따라 인공지능 기술 수가, 질 관리, 현장 적용 시 제도적인 문제 등 새로운 이슈들이 발생할 수 있다.

특히 의료현장 적용시 오진이 발생하거나 의료기기로 인해 사고가 발생하면 책임소재는 어떻게 할 것인지 하는 문제들이 발생할 수 있다.

 

Q : 현재 우리나라 인공지능 기술 수준은?

A : 기술적인 면에서는 긍정적이다. 개인적인 평가가 아니라 국제적으로 특정 기술의 동향(기업)을 보고하는 사이트에서도 의료인공지능분야를 이야기 할 때 우리나라 회사 중 3~4개는 언급되고 있다.

최근 서울대병원과 함께 공동으로 연구한 논문이 미국의학지에 출간되는 등 기술적이거나 연구단계 측면에서는 수준이 굉장히 높고 외국에 비해 뒤지지 않아 국내 의료인공지능 분야는 희망적이다.

 

Q : 앞으로 인공지능이 적용될 의료 분야를 전망한다면?

A : 인공지능이 어떤 형태로 적용되고 어떤 식으로 의료현장을 개선하는데 사용될 것인가를 예측해야 한다. 그 부분은 예측하기 어려운 부분이다기술 자체 문제보다는 적용단계에서의 시장이나 의료현장에서 여러 적용이슈는 어떻게 하고 사회가 어떻게 용납할 것인가 하는 기술 외적인 요소가 많다고 생각한다현재 단계에서 예측할 수 있는 것은 인공지능 기술은 독립적으로 의사를 대처할 것으로 생각하는데 사실은 유용한 부분은 현재 있는 의료기기를 혁신하는 것이다.

예를 들어 영상기기에서 방사선 조사를 훨씬 더 줄인다든지, 아주 고급 기기를 사용하지 않아도 높은 수준의 화질을 만들어낼 수 있는 부분은 이미 적용되고 있다.

 

기술적인 측면에서는 수술기기, 분석기기 등에서는 인공지능 기술이 탑재된 의료기기는 이미 만들어지고 있고 별 무리 없이 이미 현장에 적용되고 있다.

그 외의 기술들, 과거에는 없는 적용방법(의사의 판정을 보조한다든지, 데이터를 분석해 새로운 영역을 제시한다든지, 환자 관리를 잘 해준다든지, 인공지능을 이용해 과거에는 불가능했던 병원 외의 환자나 건강인들의 생활 스타일과 질병) 등 과거의 의료행위가 진단된 이후 치료와 관리였다면 예방과 건강관리수준까지 나아가는 새로운 부분들이 있는데 이는 굉장히 규제적인 요소들이 많이 있고 기존에 없었던 것으로 여러 가지 분야의 사회적인 합의가 필요하다.

의료기기에 탑재된 인공지능 기술은 이미 많이 들어와 있고 의사의 복잡하지만 반복적인 일들을 대신하거나 실수를 줄여주는 기술이 적용되고 다음 단계로는 새로운 패러다임, 의사의 진달 결정을 보조하거나 환자를 관리하든지 예방적인 측면에서 병원 외 관리를 하는 부분이 따라올 것으로 전망한다

 

Q : 진료 외적인 부분에서 인공지능 기술의 역할이 더 커질 수 있다고 보나?

A : 그 부분은 인공지능으로 판단할 것이 아니라 4차 산업혁명 기술들이 제시하는 것으로 과거에는 건강관리, 웰빙과 의료라는 영역이 단절된 것처럼 이야기 되어왔다그러나 지금은 예방의학이나 선제적으로 대응해야 하는 의학으로 가야된다는 의학적인 패러다임으로 전환되고 있다. 이를 가능하게 하는 스마트 기술들(센서, 데이터 부분 등)과 결합을 통해(꼭 의료라고 부르지 않아도 되는) 의료의 영역이 진단부터 치료, 사후관리가 아니라 예방, 선제적 대응까지 확장되고 특히 의료가 전달되는 공간적인 제약도 병원 중심이 아니라 병원 밖에서 환자가 퇴원해 일상생활에서 병원 시스템과 원격으로 연결되는 형태의 관리체계로 확장되는 여러 기술들이 필요한데 이것이 스마트폰으로 대변되는 통신기술, 각종 센서기술, 분석기술이 다 들어가는 데 그중에 가장 키 롤을 해야 하는 것이 인공지능 기술이다.

 

인공지능 기술은 병원 밖에 있는 환자 관리, 진단, 모니터링을 가능하게 해 줄 것이다. 즉 의료와 웰빙이나 생활 자체의 경계가 무너지는, 의료와 생활이 합쳐지는 것이다.

라이프 전체 매니저먼트라는 개념이 들어가고 이 과정에서 기존의 단절된 형태의 의료시스템이 녹아들게 되는 시간과 공간적 제한을 초월하고 전문가 지식영역의 한계를 뛰어넘는 것이다

이는 디지털 트윈(digital twin, 컴퓨터에 현실속 사물의 쌍둥이를 만들고 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션함으로써 결과를 미리 예측하는 기술)이라고 이야기되는 현실사회와 가상의 나를 연결하는 기술이다

이런 관점에서는 인공지능 기술이 수많은 기술에서 매개체가 될 것이다. 현재는 의료인공지능은 환자 중심으로, 환자 또는 질환을 가진 사람의 관리에 집중하고 있지만 장기적으로 질병 발병 이전부터 치료 및 사후관리, 나아가 일상 생활까지 영역이 확장될 것이다인공지능 기술, 빅데이터, 스마트 헬스 기술로 불리는 핵심이 인공지능 기술이다.

 

Q : 현재 우리나라 헬스산업 기술 수준은?

A : 매우 민감한 질문이다. 객관적 지표로 생각하면(바이오를 제외하고) 헬스케어 의료기기, 의료기술적인 측면에서 산업적으로는 열악한 것이 사실이다.

대형 의료기기 회사도 없고 중견이나 강한 기술력을 가진 의료기기 산업도 육성화 되어 있지 않는 것이 한계이다. 그러나 기회가 될 수 있다. 이유는 ICT 기술(하드웨어든 소프트 웨어든)은 국제적인 수준이고 현재 의료기기 산업이 발전하거나 헬스케어 산업이 발전하는 것은 ICT 기술과의 융합을 통한 의료의 혁신이다. 따라서 헬스케어 산업은 같은 수준에 외국에 비해 열악하지만 ICT와 융합이라는 측면에서는 잘 하면 기회가 열려 있는 상태라고 볼 수 있다. 발전가능성과 기회도 있지만 위험 요소도 많다


 

Q : 인공지능이 발전하면 인간을 지배하지 않을까 하는 막연한 두려움이 있다.

현재도 예술분야에서 인공지능이 만들어진 것이 우수하다고 평가받는 등 인간의 감성적인 분야까지 인공지능이 진출하지 않을까 하는 염려가 많다. 이에 대한 의견은?

A : 인공지능 기술 혁신의 수준과 속도는 놀라운 것은 사실이다. 개인적인 의견에 가깝지만 현재 인공지능 기술은 협의의 인공지능 기술이다. 즉 주어진 업무를 해 내는 인공지능 기술이다. 이같은 측면에서 보면 인간을 지배할 것이라는 걱정은 과도한 걱정이다의료분야에서 의료행위 또는 의료행위 결과라고 할 수 있는 내용들이 완전히 도식화 되어 있는 상태가 아니라 굉장히 개별화 되어 있다의료진의 경험, 의료시설이 가지고 있는 기술 수준, 환자 순응도, 환자 개인적인 특성 등에 따라 개별 의료행위 결과들이 결정되는 것이기 때문이 인공지능 기술이 어떤 결과를 제시한다고 해도 최종 결정은 환자와 의사가 한다. 그렇게 때문에 의료행위에 대해 의사를 대처할 상황이 올 것이라는 우려는 현재 수준에서 과도한 걱정이다.

 

그러나 의사가 해야 할 롤은 상당히 바뀔 것으로 보인다. 의료의 역사를 보면 의사는 꾸준히 자신의 역할을 바꿔 왔다.

새로운 기술이 생기면 이를 관리하거나 여기에 더해 할 수 있는 가치를 만들어 왔기 때문에 의료진을 대처할 것이라는 우려는 최소한 앞으로 수십년 간은 과도한 걱정이라고 생각한다대신, 인공지능 기술 자체의 발전 속도를 보면 그 기술이 정말 인간을 대처할 수 있는 수준의 광의의 인공지능 기술로 나아갈 것인가 하는 것은 예측하기 어렵다.

 

의료인공지능이 의사를 대처할 것으로 걱정할 때가 되면 이미 전 사회적으로 노동자와 수많은 일들은 인공지능으로 대처되어 이미 수많은 문제를 만들고 있을 것이다.

특히 인공지능이라는 것이 과거 전문가가 했던 것 중 많은 것을 할 수 있다는 것을 보여주고 있기 때문에 많은 의료진들이 인공지능이 지능을 가지고 있다고 생각하지만 기술적으로 보면 인공지능이 잘 하는 것은 패턴을 잘 분석하는 것이다.

즉 인간이 지능을 가지고 하는 것, 질병이라는 것이 이런 병인을 가지고 이렇게 변화해 환자가 어떤 상황에 있다는 이런 것을 인공지능이 배우는 것이 아니다.

그러나 많은 사람이 오해한다. 이유는 이름이 인공지능으로 지능으로 되어 있기 때문이다. 어떤 결과와 동일할 때 인공지능이 내놓는 결과가 인간이 생각하는 논리적인 지식에 기반한 내용에 따라서 결정하는 것으로 착각하지 쉽지만 결과가 같더라도 인공지능이 내놓는 결과는 주어진 데이터의 패턴을 분석한 것으로 더 발전 할 수 없다.

다음단계로 사람이 지식을 축적한 가운데 새로운 개념을 만들어야 한다는 것을 인공지능이 할 수 있다는 생각은 오해다. 따라서 의사를 대처하거나 의료진을 대처할 것이라는 것은 과도한 걱정이다.

 

Q : 인공지능 기술이 더욱 발전하면 인간은 어떻게 해야 하나?

A : 인공지능(AI)이라는 이야기를 할 때 A‘artificial’로 생각하지 말고 ‘augment’강화된 지능으로 바라보는 것이 중요하다.

인간이 인공지능의 기술을 잘 이해하고 활용해서 나오는 데이터를 분석해 보다 나은 결론을 내는 결정을 하는 담당자는 의사이다이를 ‘augmented intelligence’ 강화된 지능으로 부르자고 하는 것으로 이는 국제적으로 인공지능이라는 공포감이 있어 강화된 지능으로 하자는 것이다.

인간이 기계보다 못한 부분이 있다. 이런 부분은 도움을 받고 있다. 인공지능 기술은 스마트 폰을 잘 사용하고 컴퓨터를 편하게 사용하는 것처럼 의료행위가 한 단계 높아지는 것으로 생각해야 한다. 이는 의료진이 하고 싶지 않아도 그렇게 될 것이다.

 

현대인 중 스마트 폰 없이 살아갈 수 있는 사람이 없다. 인공지능 기술도 같은 것이다그러면 한국은 어떤 방식으로 인공지능 기술을 도입하고 한국이 가지고 있는 개발 및 기술 능력과 어떻게 연결될 것인가가 문제이다. 우리가 아무것도 하지 않으면 구글이나 아비엠이 다 할 것이다. 과거에는 그렇게 해 왔다.

이런 상황에서 의료인공지능학회를 만들고 이런 것을 추진하는데서 질문은 의료인공지능이 현장에 적용될 것을 의심하는 것이 아니고 한국의 의료인공지능기술은 어떻게 할 것인가 고민하는 것이다.

 

의료는 나라, 문화, 기관마다 다양하다. 그런 관점에서 한국의 상황에 최적화된 현 의료상황에서 도움을 받을 수 있는 기술을 우리 힘으로 만들어서 우리가 검증해 가면서 하는 것이 맞다고 생각해 의료인공지능학회를 만들었다.

의료인공지능학회도 의료인공지능을 하겠다는 벤처를 출발점에서 바라보고 이런 관점에서 일을 하고 있는데 의료진도 의료인공지능에 대한 요구도 있었고 또 개발자들도 서로 배울 수 있는 공간이 없었다. 따라서 자발적으로 교육 워크샵을 통해 사람들의 교류를 만들어낸 것이다.

교류 이후 수많은 사람들이 한국의 의료인공지능을 연구자, 산업계, 의료계, 이와 관련된 정책당국이 현명하게 이끌려면 전문가의 그룹이 필요하다고 생각해 학회를 만들었고 이런 역할을 하기 위해 준비하고 있다.

 

Q : 인공지능이 의사들의 역할 중 몇 % 정도 역할을 대체할 것으로 보는가?

A : %를 대체할 것 보다는 의료진들의 역할이 바뀔 것이다. 의료서비스는 사회경제적인 상황에 굉장히 종속적이다.

아프리카나 동남아 등 개발도상국은 전문 의료진이 굉징히 부족하다. 반대로 모든 선진국에서 증가하는 의료비, 일반 대중이 건강에 대한 관심이 증가함에 따라 좀더 나은 의료서비스를 받고 싶어 하고 이 때문에 생기는 여러 가지 사회경제적인 부담이 이슈가 되고 있다.

우리나라도 의료보험체계가 가장 효과적으로 사회가 가지고 있는 재원을 잘 활용하고 있다고 국제적으로 높은 평가를 받고 있지만 환자도 의사도 불만이다.

의사들도 환자의 요구사항 수준이 점점 올라가고 환자는 점점 더 나은 서비스를 받기를 원하고 또한 의사들은 과중 업무에 시달리면서 의료기술이 발전함에 따라 정보는 넘쳐나는데 이 정보를 잘못 해석해 잘못된 결론에 이를 수 있는 공포감이 증가하고 있다.

 

의사는 인공지능이 들어오더라도 여전히 바쁠 것이다. 왜냐하면 현재 의료기술이 환자에게 서비스 할 수 있는 부분을 충분히 하지 못하고 있고 환자 관리 등 여러 측면에서 보면 아직도 부족한 수준의 서비스를 제공하고 있기 때문이다.

업무량의 증가, 기술의 지속적인 발전 등 여러 이슈들이 있는데 이중 인공지능 기술이 효과적으로 의사를 도와줄 수 있는 부분이 생기면 의사는 시간이 많이 생길 것이다그러면 의사들이 그동안 못했던 서비스를 하기 위해 노력하는 등 의사는 여전히 바쁠 것이고 의사는 가치를 인정받을 것이라고 생각한다,

 

인공지능 기술이 현재 업무 중 대처할 수 있는 부분은 각 분야마다 다를 것이다. 과거에도 컴퓨터 기술이 있었지만 충분한 성능을 내지 못했다. 그러나 최근에는 그런 성능을 내고 있다. 이런 부분에 대한 업무를 인공지능에게 상당히 많이 주고 또 다른 업무를 할 것이다따라서 현재 의사업무의 몇 %를 대처할 것인가 보다는 인공지능이 현재 의료진이 하고 있는 일 중 반복적이고 숙련을 요구하나 규칙적인 부분을 상당히 대체할 것으로 보는 것이 맞다. 그리고 남는 시간에 의사는 그동안 못한 부분에 대한 업무를 할 것이다. 이 과정에서는 진료과 마다 합쳐지거나 새로운 과가 생기는 등 조정을 있을 것이다.

이러한 것은 수많은 의료기술이 발전하면서 계속 있어왔던 일이다. 따라서 인공지능이라고 특별하게 다르지 않을 것이다.

과거 육체노동에서 해방과 달리 정신적인 부분이고 경험과 전문가의 숙련을 필요로 하는 부분이기 때문에 사람만이 할 수 있다고 했던 부분을 인공지능 기술이 패턴 인식이라는 것을 통해 대체할 수 있다는 것을 보여주기 때문에 사람들이 놀라고 있을 뿐이다.

 

그러나 본질적으로는 다르지 않다고 생각한다. 산업혁명에서 엔진이나 에너지원을 가지고 사람이 하지 못했던 부분을 했던 것처럼 인간이 가지고 있는 여러 능력 중에 패턴을 인식하고 감지하는 부분을 인공지능을 대체하는 것인데 이를 인간의 정신이라고 이야기하는 또는 전문성이라고 이야기하는 수많은 판단, 분석을 다 대체하는 것이 아니기 때문에 그런 것 때문에 의료진이나 전문가 그룹(변호사, 기자, 증권분석가 등 모든 분야)이 공포를 느끼는 것이다. 이것은 자연스러운 것이다. 그동안 육체와 정신을 나누어 왔고 정신적인 영역은 인간의 것으로 생각해 왔기 때문이다.

 

Q : 의료인공지능학회의 역할은? 

A : 인공지능 기술은 과거에 인간만 할 수 있는 부분을 기계가 도와줄 수 있는 것으로 사회적으로 수용함에 있어서 많은 이슈가 있다. 완전히 새로운 패러다임으로 의료현장에서 어떻게 받아들여야 하고 의료사고는 어떻게 받아들여야 하는가 하는 수많은 사회적인 합의가 필요하다.

의료인공지능학회를 만든 중요한 이유 중에 하나다. 단순이 기술이 만들어진다고 해결할 수 있는 문제가 아니다이런 부분을 전문가들이 비영리적인 단체에 모여서 나아갈 방향을 제시하고 표준을 제시하는 것이 중요하다.

우리나라에서도 의료인공지능이 빨리 적용되고 궁극적으로 환자가 도움을 받고 의사가 좀 더 편하게 의료행위를 할 수 있도록 하기 위해서는 전문가그룹이 가이드라인을 제시하고 의견을 내는 것이 필요하다. 여기에서 의료인공지능학회의 역할이 있다.

 

의료인공지능학회는 대한의학회 산하가 아니다. 융합학회다. 이것이 가진 의미가 크다.

사회적으로 새로운 기술을 수용하는 것을 의사들의 결정으로 만 할 수 있는 것이 아니다. 기술전문가 또는 사회철학 등 사회 제도를 보는 등 전체적인 관점의 통합에서 보아야 한다.

의학회 소속이 되면 창의적인 생각을 제한받을 수 있고 기술 발전에 있어서 사회적인 합의에서 특정 분야로 치우칠 수 있다. 이런 의미에서 의료인공지능학는 큰 도전을 할 수 있다.

과거에도 융합학회는 많았다. 그러나 기존 학회가 특정 기술과 분야에 관련된 사람의 모임이라면 의료인공지능학회는 인공지능 기술이라는 의료의 전 영역에 침투 할 수 있는 포괄적이고 의료의 전체에 영향을 미칠 수 있는 기술을 어떻게 받아들여야 하고 의사로써가 아니라 전체 사회를 바라보는 관점에서 수용해야 하는가 생각해야 한다.

 

Q : 의료인공지능학회 구성은?

A : 현재 회원 중에 변호사 그룹, 사회철학자들도 회원으로 들어와 있다. 이들을 위해 올해 내에 회원 세미나 중 사회철학 세미나를 개최할 계획이다.

인공지능이 사회적인 합의가 무엇인가 하는 것을 개발자나 의사도 사회 전체적인 관점에서 바라볼 수 있어야 한다.

회원 세미나를 통해 인공지능 기술이 전체 사회에 미치는 영향들, 즉 노동시장, 삶의 질 등 의료 외 사회 전체적인 이슈들을 논의하게 될 것이다.

 

이번 학술대회에서 감명을 받은 것은 대형병원은 연구자도 많고 접근할 수 있는 기회가 많다. 그러나 의료현장과 의학 분야는 보건소에 이르기까지 다양한 단계의 의료진들이 있다. 이들이 인공지능 기술에 대해 궁금해 하고 있다. 하지만 그분들은 이를 접근할 기회가 너무 없었다이번 학술대회 기간 동안 개인적으로 학회 창립에 고마워하는 사람이 많아 보람을 느꼈다.

 

Q : 의료인공지능 관련 의료인공지능학회의 인재양성 계획은?

A : 매우 중요한 부분이다. 새 기술이 도입될 때 교육은 모든 단계교육이 필요하다. 최종 사용자부터 관리자, 개발자까지 수많은 단계의 교육이 필요한데 전 세계적으로 폭발적으로 발전하는 기술이기 때문에 이를 적절하게 교육할 수 있는 프로그램이 부족하다. 특히 인공지능 기술이 그동안 소외되어 있다가 갑자기 폭발적으로 발전하면서 국내외에서 뛰어난 연구자들이 회사로 많이 갔다. 따라서 대학에서 인공지능 기술에 대해 교육할 사람이 없다. 

 

이에 의료인공지능학회에서 가장 중점을 두는 것이 교육 및 확산이다. 하반기부터 교육 프로그램을 시작한다.

어떻게 교육해야 할지 잘 모르고 부족해 죄충우돌 하겠지만 그럼에도 불구하고 일단 시작하고 피드백을 통해 교육을 강화해야 하기 때문에 여러 버전의 코스(단기, 장기)와 전문가 과정까지 준비하고 있다.

특히 교육은 봉사에 해당한다. 의료인공지능학회에 참여하는 사람들은 자신의 분야에서 최고로 뛰어난 전문가들이다. 이들을 설득해 미래를 바라보고 투자하고 봉사하는 마음으로 교육프로그램을 시작하기로 했다.

교육인력이 부족하고 수용할 수 있는 인원의 한계가 있어 모든 사람의 욕구를 다 수용할 수는 없을 것이다. 올해부터 시작해 매년 교육프로그램을 진행할 계획이다.

 

Q : 의료인공지능학회 교육에는 사회적 시스템에 대한 교육도 하나?

A : 어려운 부분이다. 이 기술은 모든 단계 대상자를 교육해야 한다. 공학자부터 의학자까지 있다. 이들을 포괄하는 것이 어렵고 사회적 합의는 또 다른 차원의 교육이다.

의료인공지능학회에는 교육이사가 4명이 있다. 교육 프로그램을 만들고 있다. 경험을 쌓아가면서 좋은 프로그램을 만들어가야 한다

 

Q : 의료인공지능학회를 어떻게 운영해 나갈 계획인가?

A : 처음 의료인공지능학회 회장을 맡게 된 것은 가지고 있는 네트워크가 있어 맡게 됐다학회에 참여하는 이사들이나 주요 임원들에게 특별히 감사하고 싶다. 인공지능 기술은 굉장히 빠른 속도로 발전하고 많은 기회가 있다의료인공지능학회는 특정 분야의 전문가들이 모여 있는 이익단체와 같은 성격이 거의 없다. 기존 학회와는 완전히 다르다. 따라서 정말 좋은 의지와 봉사정신과 사회적 책임감으로 하고 있다.

 

특별히 참여하고 있는 부회장, 주요이사들이 학회에 설립에 동의하고 일을 열심히 하는 것에 감사하고 있다. 앞으로 더 많은 노력을 부탁해 줄 것을 기대한다.

특히 의료인공지능학회의 시작을 맡고 있어 기반을 구축하는데 솔직히 부담이 많이 된다. 출발이 중요하다 위상을 어떻게 정리하고 가치를 어디에 둘 것인가 고민이다. 어깨가 무겁다. 그러나 의료인공지능학회가 잘 되면 사회에 큰 기여를 할 것으로 기대한다. 학회에 참여하는 모든 분과 사회 구성원 모두가 함께 하는 것이다.

의료인들과 공학자, 산업계는 지속적으로 관심으로 참여하고 회원이 아닌 사람도 학술대회나 교육프로그램에 기회가 되면 참여해 주기를 기대한다 이상철 기자 / kslee@whosaeng.com

 

 

 

 

 

 

 

닉네임 패스워드 도배방지 숫자 입력
내용
기사 내용과 관련이 없는 글, 욕설을 사용하는 등 타인의 명예를 훼손하는 글은 관리자에 의해 예고 없이 임의 삭제될 수 있으므로 주의하시기 바랍니다.
 
광고
광고
광고
광고
광고
광고
특집 많이 본 기사