의료환경은 기술의 발전과 4차 산업혁명, 코로나19 시대를 겪으며 급격한 변화를 겪고 있다.

변화의 핵심은 누가 뭐라고 해도 디지털헬스이며, 디지털헬스는 AI와 같은 신기술이 의료 전문지식과 융합되는 최전선에 위치한다. 

AI가 디지털헬스에 녹아드는 것은 유망하지만, 일선 의료 AI 연구자들에게는 많은 어려움이 따르며, 그 중 상당수는 규제 장애물과 학제 간 격차에서 비롯된다.

이 글에서는 디지털헬스에서 의료 AI가 어떻게 사용될 수 있는지에 대해 자세히 알아보고, 어려운 점들에 대해서도 기술하고자 한다.

■ 디지털헬스 기술에서 AI의 역할

인공지능은 예측 분석부터 개인 맞춤형 의료에 이르기까지 다양한 솔루션을 제공하면서 의료의 여러 영역에 빠르게 침투하고 있다. 

CNN 등의 딥러닝 알고리즘은 의료 이미지를 빠르고 정밀하게 분석할 수 있다.

빅데이터를 AI로 학습하여 약물 상호작용 등 의사들의 골머리를 썩인 분야의 위험을 예측할 수 있다. 

시계열 신호처리 인공지능을 사용하면 웨어러블 등의 신호로부터 임상적 위기를 캐치할 수 있다. 

EMR에 자연어 처리 알고리즘을 적용하면 오류를 교정하고 쉬운 전산화를 지원할 수 있다.

생성형 언어 모형 같은 기술은 의사와 환자의 대화를 모방하여 환자들에게 친절하고 사람과 같은 조언을 해주고 있다. 

■ 컴퓨터 비전과 디지털헬스

딥러닝 알고리즘, 특히 컨볼루션 신경망(Convolutional Neural Networks, CNN)은 의료 이미지 분석에 뛰어난 성능을 보이고 있다.

이러한 알고리즘은 수백만 개의 이미지 데이터를 학습하여 정밀하고 빠른 분석을 가능하게 한다.

예를 들어 X-선, MRI, CT, 내시경, 피부병변 촬영과 같은 이미지에서 암 등의 병변을 자동으로 탐지할 수 있다.

이는 전통적인 방법보다 더 빠르고 정확하며, 의사가 놓칠 수 있는 미세한 변화까지 포착할 수 있다. 

■ 빅데이터와 약물 상호작용 예측

빅데이터와 AI의 결합은 약물 상호작용을 예측하는 데 큰 도움을 준다.

AI 알고리즘은 수천 개의 약물과 그 효과, 상호작용에 대한 데이터를 분석하여 의사가 처방을 결정할 때 발생할 수 있는 위험을 미리 알려줄 수 있다.

이는 특히 복수의 약물을 복용해야 하는 환자에게 매우 유용하다. 

또한 약물 간 상호작용 뿐 아니라 위험 인자, 유전적 정보, 생활습관 등을 종합적으로 고려하여 부작용을 예측할 수 있고, 이는 미래 디지털 정밀의료가 나아가는 방향이다.

■ 시계열 신호처리 인공지능과 웨어러블 기기

시계열 데이터를 다루는 인공지능은 연속으로 수집된 신호를 분석해 임상적 위기를 미리 알려줄 수 있다.

예를 들어 병원에서는 심박수, 혈압, 체온, 뇌파, 심전도, 산소포화도 등을 실시간으로 모니터링하여 이상 징후를 빠르게 탐지할 수 있다.

병원만큼의 정밀도는 아니지만 웨어러블 디바이스 상에서 탐지된 데이터는 24시간, 일상 생활에서도 지속적으로 모니터링이 가능하고, 환자에게 위기 발생 시 인공지능이 의사나 응급 서비스에 즉시 알려 빠른 대응이 가능하게 된다.

■ 자연어 처리와 전자의무기록(EMR)

자연어 처리(Natural Language Processing, NLP) 알고리즘을 EMR에 적용하면, 의무기록 작성이 더 간편하고 정확해진다. 

의사의 다양한 진료 행위, 심지어 판독이나 음성도 표준적인 텍스트 데이터로 변환하고, 그 데이터에서 오류나 모호성을 자동으로 수정할 수 있다. 

이는 의료진이 더 효율적으로 작업할 수 있게 하며, 환자 관리에 더 집중할 수 있는 시간을 만들어준다.

뿐만 아니라 이렇게 만들어진 데이터는 다른 디지털헬스 산업을 더욱 발전시킬 수 있는 선순환의 원동력이 된다.

■ 챗봇 기술과 의료 커뮤니케이션

Transformer에 기반한 생성형 언어 모형과 같은 최신 챗봇 기술(GPT 등)은 의사와 환자 간의 커뮤니케이션을 보조할 수 있다.

이러한 챗봇은 흔히 사용되는 의료 지식을 바탕으로 환자의 질문에 답하거나, 복약 지시를 명확하게 전달한다.

챗봇은 24/7 사용이 가능하므로, 의사가 바쁠 때에도 환자는 필요한 정보와 지원을 받을 수 있다.

또한 의학뿐 아니라 일상에 대한 폭넓은 학습 지식을 사용하여, 환자의 사소하고 다채로운 질문들에도 언제든지 모바일, 웹, PC 등으로 응대할 수 있다.

■ 규제와 AI 기술개발의 어려움

AI와 디지털헬스 분야의 혁신은 항상 변화하는 규제들의 적용을 받는다.

규제는 자주 완화되고 강화된다.

불필요한 규제는 결국 완화되고, 법망의 허점을 찌른 기술개발은 언젠가는 새로 개정된 규제를 마주하게 된다. 

따라서 AI 디지털헬스 연구자는 궁극적으로 공공 안전과 같은 사회경제적 파급효과를 고려하여 기술을 선택해야 한다. 

예를 들어 개인정보를 동의 없이 유추하거나, 환자에게 장기적으로 해가 될 수 있는 기술은 언젠가는 규제를 받게 된다. 

이를 피하기 위해서는 기술 개발자와 의료 전문가 간의 적극적인 상호 작용을 통해 알고리즘의 성능 뿐 아니라 장기적 사업모델을 검토하여야 한다.

■ 시장성과 AI 기술개발의 어려움

새로운 AI 기술은 아이디어 단계, 투자 단계에서는 매우 멋지게 보일 수 있으나, 실제 기술의 경제성을 입증하는 것은 쉽지 않다.

규제 뿐 아니라 다양한 전문 의료서비스 제공자와 정부기관, 보험사, 환자는 새로운 기술이 편리하고, 친화적이고, 경제성과 신뢰성이 있다는 확신이 없으면 움직이지 않는다.

종종 개발자는 의료서비스 제공자의 입장에 대한 고민이 부족하고, 간혹 의료서비스 제공자는 비용 지불자인 정부와 보험사들의 반발을 예측하지 못한다. 

디지털헬스 AI 신기술의 도입을 위해서는 해당 혁신이 결과를 개선하고 비용을 절감하거나 새로운 수익원을 창출할 수 있다는 설득력 있는 데이터를 가져올 필요가 있다. 

기술 혁신이 환자들에게 편리하고 신뢰를 불러올 수 있어야 하는 것 또한 당연하다.

■ 학제 간 격차와 융합적 개발의 어려움

위에서 언급한 바 있지만, 의료 AI 기술을 구축하는 엔지니어와 이를 활용하는 의료서비스 제공자는 많은 부분에서 서로 다르게 생각하고, 추구하는 바도 다르다.

AI 기술 개발자는 효율적인 알고리즘을 만드는 데는 뛰어나지만 실제 의료 애플리케이션에 대한 맥락적 이해가 부족한 경우가 많다.

마찬가지로 의료서비스 제공자도 새로운 기술의 이점을 명확하게 이해하지 못하거나 그 기능에 불편함을 느끼면 새로운 기술 도입에 회의적일 수 있다. 

이러한 문제점을 극복하기 위해 최근에는 공과대학과 의과대학 등을 넘나들며 융합형 교육을 받는 인재들이 늘어나고 있다.

■ 디지털헬스 발전을 위한 의료용 AI 개발자들의 방향

개인 일상에 추천 시스템, 인공지능 판독, 생성형 AI 등이 이미 깊게 스며들었듯이 디지털 의료에서도 AI의 도입에 대한 미래는 의심할 여지 없이 밝다. 

여러 장애물에도 불구하고 환자 치료 개선, 비용 절감, 예측 및 정밀의료의 잠재력은 언젠가는 AI 기술이 불가피한 미래라는 것을 알려준다.

의료용 AI 개발자들은 포괄적인 이해와 다학제적 협업, 자기계발을 통해 돌파구를 마련할 수 있을 것이다.

디지털헬스의 본질은 개인과 사회의 건강, 복리후생의 증진에 있으며, 이는 AI와의 통합에 대해서도 마찬가지이다. 

의료서비스 제공자, 환자, 정책 입안자, 정부기관과 보험 제공자 등이 협업하여 이 하나의 비전 아래에서 규제와 다학제적 장벽을 극복하며 도전해야 한다. 

이는 다학제적, 사회경제적 지식을 학습하고 고려하는 일선 전문가들의 노력과, 서로간의 중간단계 성과물, 최종계획을 끊임없이 공유하고 피드백을 주고받는 자세로 극복할 수 있을 것이다.