인공 지능은 의료 분야에서 환자의 질문에 답하는 것부터 수술 지원 및 신약 개발에 이르기까지 다양한 용도로 활용되고 있습니다.

Statista에 따르면 인공 지능(AI) 의료 시장은 2021년에 110억 달러 규모였으며 2030년에는 1,870억 달러의 가치가 있을 것으로 예상됩니다. 이 같은 큰 폭의 증가는 의료 서비스 제공자, 병원, 제약/생명공학 기업 및 기타 의료 산업의 운영 방식에 상당한 변화가 일어날 가능성이 높다는 것을 시사합니다.

최근 더 우수한 머신 러닝(ML) 알고리즘, 더 높은 데이터 접근성, 더 저렴한 하드웨어, 그리고 5G의 가용성 덕분에 의료 업계의 AI 활용이 늘어나면서 변화의 속도가 빨라졌습니다. AI/ML 기술을 이용하면 의무 기록, 임상시험, 유전자 정보 등 방대한 양의 건강 데이터를 사람이 직접 처리할 때보다 훨씬 빠르게 선별하고 분석할 수 있습니다.

의료 기관은 백오피스 업무부터 환자 치료에 이르는 모든 종류의 프로세스에서 효율성을 개선하기 위해 AI를 사용하고 있습니다. 다음은 AI가 직원과 환자에게 어떤 도움을 줄 수 있는지에 관한 몇 가지 예입니다.

• 관리 워크플로우: 의료 종사자들은 서류 작업과 기타 관리 업무에 많은 시간을 할애합니다. AI와 자동화는 이러한 일상 업무를 수행하는 데 도움을 주어 직원이 다른 활동에 할애할 수 있는 시간을 확보하고 환자 대면 시간을 늘릴 수 있도록 도와줍니다. 그 예로 생성형 AI는 임상의의 의무 기록 작성과 내용 요약을 지원합니다. 이는 의무 기록을 최대한 철저하게 유지하는 데 유용합니다. 또한 AI는 정확한 코딩과 부서 간 정보 공유 및 의료비 청구 업무에도 도움이 될 수 있습니다.
• 가상 간호 도우미: 한 연구에 따르면 환자의 64%가 간호사가 제공하는 답변을 24시간 내내 이용하기 위해 AI를 활용하는 데 익숙하다고 답했습니다. AI 기반 챗봇, 앱 또는 기타 인터페이스인 AI 가상 간호 도우미는 의약품에 대한 질문에 답하고 의사에게 보고서를 전달하며 환자가 의사와 진료 일정을 잡는 데 도움을 줄 수 있습니다. 이러한 종류의 일상 업무 처리에 가상 도우미를 활용하면 의료진의 업무 부담이 줄어들어 의료진은 인간의 판단과 상호 작용이 가장 중요한 환자 치료에 더 많은 시간을 할애할 수 있습니다.
• 투약 오류 감소: AI는 환자가 약물을 자가 투여하는 방식에서 잘못된 점을 식별하는 데 도움을 줄 수 있습니다. 한 가지 예로, Nature Medicine에 실린 연구에 따르면, 최대 70%의 환자가 인슐린을 처방대로 복용하지 않는 것으로 나타났습니다. Wi-Fi 라우터와 같이 환자의 백그라운드에 있는 AI 기반 도구를 사용하여 환자가 인슐린 펜이나 흡입기를 관리하는 방식에서 오류를 표시할 수 있습니다.
• 저침습적 수술: 민감한 장기 및 조직 주변을 수술하는 경우 AI 지원 로봇을 활용하면 출혈, 감염 위험 및 수술 후 통증을 줄이는 데 도움이 됩니다.
• 사기 방지: 의료 업계에서 발생하는 사기는 연간 3800억 달러에 달하는 막대한 규모이며, 소비자의 의료 보험료와 본인 부담금 비용을 증가시킵니다. AI를 구현하면 수행하지 않은 고가의 서비스 또는 시술에 대한 청구, 번들링 해제(시술의 개별 단계를 마치 별도의 시술인 것처럼 청구하는 것), 보험금 활용에 불필요한 검사 수행 등 보험 청구에서 비정상적이거나 의심스러운 패턴을 인식하는 데 많은 도움이 됩니다.

최근 연구에 따르면 환자의 83%가 의사 소통이 원활하지 못했던 것이 자신이 겪었던 최악의 경험이라고 보고했으며, 이는 환자와 의료 서비스 제공자 간의 명확한 의사 소통이 절실히 필요하다는 것을 보여 줍니다. 자연어 처리(NLP), 예측 분석 및 음성 인식과 같은 AI 기술은 의료 서비스 제공자가 환자와 더 효과적으로 의사 소통하는 데 도움을 줄 수 있습니다. 예를 들어, AI는 환자의 치료 옵션에 관한 더 구체적인 정보를 제공하여 의료 서비스 제공자가 환자와 함께 의사 결정 과정에서 더 의미 있는 대화를 나누도록 할 수 있습니다.

하버드 공중보건대학에 따르면, 아직 초기 단계이긴 하지만 AI를 진단에 활용하면 치료 비용을 최대 50% 절감하고 건강 결과를 40%까지 개선할 수 있다고 합니다.

한 가지 사용 사례는 하와이 대학교 연구팀이 딥 러닝 AI 기술을 배포하여 유방암 위험 예측을 개선할 수 있다는 사실을 발견한 사례입니다. 아직 더 많은 연구가 필요하지만, 수석 연구원은 AI 알고리즘이 방사선 전문의보다 훨씬 더 많은 이미지 세트, 즉 백만 개 이상의 방사선 이미지를 학습할 수 있다고 강조했습니다. 또한 해당 알고리즘은 하드웨어 비용 외에 다른 추가 비용 없이 복제가 가능합니다.

한 MIT 연구진이 인간 전문가가 필요한 시점을 판별할 수 있는 ML 알고리즘을 개발했습니다. 이들은 경우(예: 흉부 X레이를 통한 심비대 식별)에 따라 하이브리드 인간-AI 모델이 최상의 결과를 산출한다는 점을 알아냈습니다.

또 하나의 발표된 연구에서는 AI가 숙련된 의사보다도 피부암을 더 잘 인식하는 것으로 나타났습니다. 미국, 독일, 프랑스 연구진은 10만 개 이상의 이미지에 딥 러닝을 사용하여 피부암을 식별했습니다. AI의 결과를 전 세계 피부과 전문의 58명의 결과와 비교한 결과, AI가 더 우수했습니다.

건강 및 피트니스 모니터가 대중화되면서 건강에 대한 세부 정보를 추적하고 분석하는 앱을 사용하는 사람이 많아지고 있습니다. 이러한 실시간 데이터 세트를 의사와 공유하여 건강 문제를 모니터링하고 문제 발생 시 알림을 제공할 수 있습니다.

빅데이터 애플리케이션, 머신 러닝 알고리즘, 딥러닝 알고리즘과 같은 AI 솔루션은 사람이 대규모 데이터 세트를 분석하여 임상 및 기타 의사 결정을 내리는 데에도 사용될 수 있습니다. AI를 사용해서 코로나19, 결핵 및 말라리아와 같은 전염병을 감지하고 추적할 수도 있습니다.

의료 시스템에서 AI를 사용할 때 기대할 수 있는 이점 중 하나는 정보를 더 쉽게 수집하고 공유할 수 있다는 것입니다. AI는 의료 서비스 제공자가 환자 데이터를 보다 효율적으로 추적하도록 지원할 수 있습니다.

한 가지 예로 당뇨병을 들 수 있습니다. 미국 질병통제예방센터에 따르면 미국 인구의 10%가 당뇨병을 앓고 있습니다. 이제 환자는 웨어러블 및 기타 모니터링 장치로부터 포도당 수치에 대한 피드백을 확보하여 이를 본인 및 의료진에게 전송할 수 있습니다. AI는 의료진이 이러한 정보를 수집, 저장, 분석하고, 많은 사람들로부터 얻은 데이터 기반 인사이트를 제공하는 데 도움을 줄 수 있습니다. 이러한 정보는 의료 전문가가 질병을 더 잘 치료하고 관리하는 방법을 결정하는 데 유용하게 활용됩니다.

또한, 여러 조직에서는 의약품 안전성을 개선하기 위해 AI를 활용하기 시작했습니다. 예를 들어, SELTA SQUARE는 약물 부작용을 감지하고 보고한 다음 이를 평가, 이해 및 예방하기 위해 법적으로 의무화된 규율인 약물 감시(PV) 프로세스를 혁신하고 있습니다. PV는 임상 시험 단계부터 약물의 평생 사용 가능성에 이르기까지 수행되기 때문에 제약 생산자에게 상당한 노력과 성실함을 요구합니다. Selta Square는 AI와 자동화를 결합하여 PV 프로세스를 더 빠르고 정확하게 개선함으로써 전 세계 사람들이 의약품을 더 안전하게 만들 수 있도록 돕습니다.

때로는 AI를 통해 잠재적인 약물 화합물을 실제로 테스트할 필요성을 줄일 수 있어 막대한 비용을 절감할 수 있습니다. 기존 검색 방법에 비해 높은 비용을 들이지 않고도 충실도가 높은 분자 시뮬레이션을 컴퓨터에서 실행할 수 있습니다.

또한 AI는 인간이 분자의 독성, 생체 활성 및 기타 특성을 예측하거나 이전에 알려지지 않은 약물 분자를 처음부터 생성하는 데 활용할 수 있는 잠재력을 가지고 있습니다.

의료 서비스 제공 과정에서 AI의 중요성이 커지고 더 많은 AI 의료 애플리케이션이 개발됨에 따라 윤리/규제 거버넌스를 확립해야 합니다. 일각의 우려를 불러일으키는 문제로는 편향 가능성, 투명성 부족, AI 모델 학습용 데이터에 관한 개인정보 보호 문제, 안전 및 법적 책임 문제 등이 있습니다.

Gartner의 애널리스트 부사장인 Laura Craft는 이렇게 이야기합니다. “AI 거버넌스는 특히 기술의 임상 적용에 필요합니다. 그러나 새로운 AI 기술은 대부분의 [의료 서비스 제공 기관에게] 낯선 영역이기 때문에 열성적인 기업가들이 파일럿을 설계할 때 따라야 할 일반적인 규칙, 프로세스 및 지침이 부족합니다."

세계보건기구(WHO)는 윤리, 디지털 기술, 법률, 인권 분야의 주요 전문가 및 여러 보건부 회원국과 함께 18개월에 걸친 논의 끝에 건강을 위한 인공 지능 윤리 및 거버넌스라는 보고서를 작성했습니다. 이 보고서는 의료 분야에서 AI를 사용하는 데 따르는 윤리적 문제를 파악하고, 위험을 식별하며, AI가 공공의 이익을 위해 작동하도록 보장하는 6가지 합의 원칙에 대해 설명합니다.

1. 자율성 보호
2. 인간의 안전과 복지 증진
3. 투명성 보장
4. 책임감 강화
5. 형평성 보장
6. 대응력이 뛰어나고 지속 가능한 도구 홍보하기

또한, WHO 보고서에서는 의료용 AI를 관리하여 기술의 잠재력을 극대화하고 의료 종사자가 함께 일하는 지역 사회와 사람들에게 책임감을 갖고 대응할 수 있도록 하는 권고 사항을 제시하고 있습니다.

AI는 인적 오류를 줄이고, 의료 전문가와 직원을 지원하며, 연중무휴 24시간 환자 서비스를 제공할 수 있는 기회를 만들어 줍니다. AI 도구가 계속 발전함에 따라 의료 이미지, 엑스레이 및 스캔을 판독하고, 의료 문제를 진단하고, 치료 계획을 수립하는 데 AI를 훨씬 더 많이 사용할 가능성이 있습니다.

AI 애플리케이션은 전화 응대에서부터 인구 건강 동향 분석(그리고 아직 고려되지 않은 분야)에 이르기까지 다양한 업무를 간소화하는 데 계속 도움을 주고 있습니다. 예를 들어 미래의 AI 도구는 임상의와 직원의 많은 업무를 자동화하거나 보강할 수 있습니다. 이렇게 되면 인간은 더 효과적이고 사려 깊은 대면 전문 진료에 더 많은 시간을 할애할 수 있게 될 것입니다.

또한 환자들이 도움이 필요할 때 기다리는 것을 원하지 않거나, 기다릴 수 없는 경우가 있습니다. 의료 시설의 자원은 한정되어 있기 때문에 매번 즉시 또는 연중무휴로 도움을 받을 수는 없습니다. 그러나 아주 조금만 지체되어도 환자가 좌절감과 고립감을 느끼거나 특정 질환이 악화될 수 있습니다.

IBM watsonx Assistant AI 의료 챗봇은 의료 서비스 제공자가 필요한 곳에 시간을 집중할 수 있도록 지원하고, 내원 환자가 간단한 질문에 대한 빠른 답변을 얻을 수 있도록 지원하는 두 가지 일을 도와줍니다.

IBM watsonx Assistant는 딥러닝, 머신 러닝 및 자연어 처리(NLP) 모델을 기반으로 구축되어 대화형 AI를 통해 질문을 이해하고 최적의 답변을 찾거나 검색하며 처리를 완료합니다.