AI는 의료 진단에 어떻게 사용될까?: 의료진의 제 3의 눈과 귀

AI는 의료 진단에 어떻게 사용될까?: 의료진의 제 3의 눈과 귀


AI 의료 진단 보조 시스템

의료 업계에서도 AI 기술은 뜨거운 감자입니다. 의료 AI는 인공지능 기술을 의료 분야에 적용하여 환자 진단, 예방, 치료, 의료 정보 관리 등 다양한 분야에서 의료 전문가와 환자를 지원할 수 있습니다.

지금도 의사의 진단을 보조하기 위해 또는 환자의 자가 진단을 위해 객체 검출, 세그멘테이션, 시계열 데이터 분석, 자연어 처리 등 다양한 기술이 의료 분야에 접목되고 있습니다. 학계에서는 이미 많은 의료 AI 관련 연구가 진행되고 있고, 의료 AI 업계의 시장 규모 또한 급격히 성장하고 있습니다.

국내에서도 루닛, 뷰노 등 정말 많은 의료 AI 기업들이 존재하는데요. 실제로 어떤 AI 기술들이 의료 분야에서 시도되고 있는지 알아보도록 하겠습니다.


활력 징후 데이터로 심정지 발생 위험도 알림

활력 징후(Vital Sign) 예시

의료진들은 환자의 건강 상태를 추적하기 위해 특정 시간마다 환자의 활력 징후(혈압, 맥박, 호흡, 체온)를 기록합니다. 이러한 활력 징후는 시간의 흐름에 따른 상관관계를 가지는 데이터이기 때문에 시계열 데이터로 볼 수 있습니다. ‘뷰노' 에서는 활력 징후와 심정지 발생과의 상관관계가 있다는 사실에 근거하여 활력 징후로 심정지 발생 위험도를 알려주는 시스템을 개발했습니다.

실제로 많은 환자들이 병상에서 심정지가 발생하고 여러 국가에서 환자 수 당 의료진 수가 터무니없이 부족하기 때문에 이러한 AI 기반의 진단 보조 시스템은 의사와 환자에게 모두 도움이 될 수 있습니다.


자동 음성인식 기술을 기반으로 의료 정보를 기록

음성 인식 기능 또한 의료 보조 시스템으로 활용되고 있습니다. 의학 용어는 일상적인 용어에 비해 길고 어려우며 업계에서 줄여 쓰는 단어나 은어들도 많습니다. 때문에 일일이 타이핑을 쳐서 진단 정보를 기록하는 것은 바쁜 의료진들에게 시간 낭비일 수 있습니다. 음성 인식 기술은 의료진의 음성을 문서화하여 의료진들이 기록이 아닌 다른 더 중요한 업무에 몰두할 수 있게 해 줍니다.


안저 영상에서 망막 질환 진단에 필수적인 비정상 정보 추출

안저 영상에서의 비정상 정보 추출 예시

안저 영상은 망막의 구조와 기능을 평가하는 중요한 진단 도구입니다. 망막은 빛을 감지하여 시각 정보를 뇌로 전달하는 눈의 중요한 부분이기 때문에 망막에 질환이 발생하는 경우 시력 손상, 시각 장애 등의 심각한 결과를 초래할 수도 있습니다.

AI 기반의 객체 검출과 세그멘테이션 기술을 활용하여 2D 컬러 이미지인 안저 영상에서 각종 비정상 정보들을 검출할 수 있습니다. 작고 세밀한 부위에서 비정상 정보를 추출하는 것은 AI 기술이 사람보다 더 나을 수 있는 영역이기도 합니다.

흉부 X-ray 영상 분석

흉부 X-ray 영상 분석 예시

X-ray 이미지는 얇고 작은 선들이 많은 2D gray scale 이미지입니다. X-ray 영상 분석은 인력과 시간이 많이 필요한 작업이기 때문에 AI 영상 분석 기술의 충분한 정확도가 보장된다면 의료진들에게 큰 도움이 될 것 입니다.

뇌 MRI 영상 분석을 통한 퇴행성 뇌질환 진단 보조

뇌 MRI 영상 분석 예시

MRI와 CT 영상은 인간의 몸의 특정 단면들을 촬영한 것이기 때문에 3D 이미지나 spatio temporal 이미지로 간주할 수 있습니다. 깊이에 따른 여러 장의 영상의 상관관계를 통해 비정상 부위를 찾아내야 하기 때문에 단일 영상 분석에 비해 더욱 어려운 기술입니다. 또한 의료진이 단일 이미지에 비해 MRI 영상을 보고 진단하는 데에 시간이 더 많이 걸리기 때문에, 이 역시 정확도만 보장된다면 굉장히 매력적인 기술이 될 것입니다.


의료 AI 기술 개발의 어려운 점


앞서 살펴본 의료 AI 기술들이 실제로 잘 활용만 된다면 의료진들에게 큰 도움이 될 것이고 그 혜택은 결국 환자들에게도 돌아올 것이라 생각합니다. 더 빠르고 정확한 의료 서비스를 제공받을 수 있을 테니까요. 하지만 의료 분야는 AI 기술을 접목시키기 정말 쉽지 않은 분야 중 하나입니다.

우선 데이터를 구하기가 정말 힘듭니다. 인간의 몸에서 아픈 부위(비정상)가 있는 데이터가 많아야 하는데 일반적으로 정상 데이터는 많고 비정상 데이터는 굉장히 적기 때문입니다. 이러한 데이터 불균형 문제가 크게 나타나는 분야이기 때문에 AI 모델 학습이 쉽지 않습니다.

또한 다른 분야의 경우 정확도가 어느 정도만 나와주면 서비스에 활용할 수 있지만, 의료 분야의 경우는 그렇지 않습니다. 병이 없는데 병이 있다고 판단하는 경우는 감안하더라도 병이 있는데 없다고 판단해버리는 것은 인간의 생명과 직결된 큰 문제이기 때문입니다. (물론 의료진들이 AI 모델만으로 판단하지는 않습니다) 때문에 의료 분야에서는 Explainable AI(XAI, 설명 가능한 AI)의 중요성이 대두되고 있습니다. 일반적인 AI는 입력 값이 들어가면 가장 확률이 높은 답을 찾아주기만 할 뿐 어떠한 설명도 없기 때문입니다.

규제 문제 또한 쉽지 않습니다. 새로운 AI 기술을 도입하기 위해서는 규제 기관에 인증을 받아야 하는데 절차가 까다롭고 시간이 많이 소요되기 때문입니다.

그리고 문제 인식, 기술 개발, 활용 등의 거의 모든 과정에서 의료 전문가가 함께 참여해야 한다는 것 또한 제한 사항입니다.


아직 의료 업계에서 인정받을 만큼 활용성이 높은 AI 기술이 많지는 않지만, 기술과 시장의 발전에 따라 점점 많은 AI 기술이 사용될 것입니다. 환자는 늘어가고 의료진은 부족한 상황 속에서 AI 기술이 의료진의 제3의 눈과 귀가 되어 조금 더 효율적인 의료 행위가 가능해 지길 기대해 봅니다.






이야기와 글쓰기를 좋아하는 컴퓨터비전 엔지니어 콤파스입니다.