이미 사용되고 있는 AI 진단의 흥미로운 사례 4가지
의료 분야의 AI는 종종 공상 과학 이야기처럼 보인다. 자주 논의되지만 실질적인 이점은 거의 없다.
이러한 인식과는 달리, 뇌성마비 아동에 대한 평가를 간소화하는 알고리즘부터 의료 전문가의 효율성을 향상시키는 것, 중요한 검진에 대한 접근성을 높이는 것까지 실제 사례가 많이 있다.
헬스케어 분야의 인공지능(AI)은 수년간 주요 화두였다. 아직도 의학 분야의 AI가 그저 유행어이거나 먼 가능성이라고 생각한다면 다시 생각해 봐야 한다. 최근의 발전으로 AI는 막연한 약속에서 벗어나 실용적인 실제 응용 프로그램으로 발전했으며 이미 실질적인 결과를 제공하고 있다.
아래에는 실제 환경에서 오늘날 임상 작업에 AI를 사용하는 동료 검토 연구 및 임상 시험을 뒷받침하는 확실한 사례가 나열되어 있다.
의료 AI의 증거 기반 실제 사용 사례 4가지를 살펴보겠다. 이 4가지 모두 이미 임상 실습에 배포되었다.
1.듀크 대학교 의료 시스템의 SepsisWatch
SepsisWatch는 생명을 위협하는 질환인 패혈증을 예측하고 관리하기 위해 듀크대학교가 개발한 AI 기반 조기 경보 시스템이다. 이 시스템은 전자건강기록(EHR) 데이터를 활용해 임상 증상이 나타나기 최대 36시간 전에 패혈증 위험이 있는 환자를 식별한다.
알고리즘은 활력 징후, 실험실 결과 및 약물 투여를 지속적으로 분석하여 환자의 패혈증 발병 위험을 나타내는 패턴을 식별한다. 시스템은 머신러닝 알고리즘을 사용하여 이러한 패턴을 학습하고 각 환자에 대한 위험 점수를 개발한다. 듀크 대학 병원의 응급실 워크플로에 통합되었다. 이 시스템은 실시간 위험 평가와 임상의가 고위험 환자를 모니터링할 수 있는 대시보드를 제공한다.
JMIR에 발표된 연구에 따르면 SepsisWatch는 패혈증 치료 프로토콜 준수를 개선하고 패혈증 사망률을 31% 감소시키는 것으로 나타났다.
2. 당뇨병성 망막증 진단을 위한 AI
Google Health와 Verily는 딥 러닝 알고리즘을 사용하여 망막 이미지를 분석하고 망막병증(DR) 징후를 식별하는 AI 시스템을 개발했다. AI 시스템은 안과의사가 DR 존재 여부를 라벨링한 대규모 망막 이미지 데이터세트에 대해 훈련되었다. 알고리즘은 DR과 관련된 이미지의 미묘한 패턴을 식별하는 방법을 학습한다. 일단 훈련되면 새로운 이미지를 분석하고 이미지에 DR 징후가 포함될 확률을 제공할 수 있다.
AI 시스템은 인도의 임상 환경에서 테스트되었으며, 중등도 및 중증 DR을 모두 식별하는 데 높은 정확도를 입증했다. 시스템의 성능은 안과 의사의 성능과 비슷했다. EyePACS-1 데이터세트에서는 참조 가능한 DR 탐지에 대해 90.3%의 민감도와 98.1%의 특이도를 달성했다. Messidor-2 데이터세트에서는 민감도 87.0%, 특이도 98.5%를 달성했다.
이 기술은 특히 자원이 부족한 환경에서 DR 검사를 보다 쉽게 접근할 수 있고 저렴하게 만들 수 있는 잠재력을 가지고 있다. 조기 발견 및 치료를 가능하게 함으로써 이 AI 시스템은 수백만 명의 사람들이 시력을 잃는 것을 방지하는 데 도움이 될 수 있다.
3. 스마트워치에서 심방세동을 감지하는 AI
이는 AI가 실제 데이터를 기반으로 지속적인 모니터링을 제공하여 어떻게 환자 건강에 직접 서비스를 제공하는지 보여주는 훌륭한 예이다. 심방세동(aFib)의 조기 발견 및 관리는 뇌졸중 및 심부전과 같은 심각한 건강 합병증을 크게 낮출 수 있다. 이전에는 의사가 환자를 보고 가끔 검사만 실시했지만 완전한 장기 데이터 세트에 접근할 수 없었기 때문에 aFib 감지가 산발적으로 발생하는 경우가 많았다.
현재 많은 스마트워치와 피트니스 밴드에는 AI 기반 aFib 감지 기능이 탑재되어 있다. 시계는 내장 센서를 사용하여 착용자의 심박수와 리듬을 지속적으로 모니터링하고 고급 AI 알고리즘이 백그라운드에서 실행되어 데이터를 분석하고 aFib을 나타낼 수 있는 불규칙한 심장 박동을 감지한다.
AI 시스템이 잠재적인 문제를 식별하면 착용자에게 의학적 조언을 구하도록 경고하여 적시에 개입할 수 있도록 한다. 400,000명 이상의 참가자가 등록된 Apple Heart Study와 같은 연구에 따르면 스마트워치가 높은 정확도로 aFib을 식별할 수 있어 사용자가 의학적 평가를 받도록 유도하는 것으로 나타났다. 다른 스마트워치 브랜드도 엄격한 테스트와 검증을 거쳐 aFib 감지에 대한 신뢰성을 확인했다.
4. 뇌성마비 아동의 총 운동 기능 평가 개선을 위한 AI
총 운동 기능 측정(GMFM-66)은 뇌성마비(CP) 아동의 총 운동 기능을 평가하기 위해 널리 사용되는 평가 도구이다. 그러나 전체 GMFM-66 평가를 관리하는 데는 시간이 많이 걸릴 수 있으며 숙련된 전문가의 경우 45~60분 정도 소요된다.
쾰른 대학의 연구원들은 평가 프로세스를 간소화하기 위해 AI를 사용하여 GMFM-66의 축소 버전을 개발했다. 머신러닝 알고리즘을 사용하여 전체 GMFM-66에서 가장 유용한 항목을 식별하므로 임상의는 더 적은 수의 테스트 항목으로 총 운동 기능을 정확하게 평가할 수 있다.
CP가 있는 1,217명의 어린이를 대상으로 한 연구에서 AI 지원 프로세스는 단일 평가와 시간에 따른 변화를 평가할 때 전체 GMFM-66과 탁월한 일치를 보여주었다.
AI는 이미 의료현장에 활용되고 있다.
이러한 사례에서 알 수 있듯이 AI는 의학의 단순한 이론적 개념이 아니다. 이미 환자 치료를 개선하고 생명을 구하고 있는 것이 현실이다.
그러나 이러한 AI 도구를 최대한 활용하려면 의료 전문가(및 규제 기관, 정책 입안자 등)는 AI가 어떻게 작동하고 의료 행위에 통합되는지에 대한 실무 지식과 기본 이해가 필요하다. 이제 잘 알려진 문구는 이를 완벽하게 포착한다. AI는 의학에서 인간을 대체할 수 없지만 AI를 사용하는 전문가는 이러한 도구를 활용하지 않는 사람들을 대체하게 된다.
