[헬스코리아뉴스 이창용] 헬스케어 분야에서 인공지능(AI) 활용이 확대되면서 실제 환자 정보를 대신하는 합성 데이터(Synthetic Data)가 새로운 연구 수단으로 주목받고 있다. 다만 개인정보 보호와 활용성이라는 장점과 달리, 윤리와 신뢰성 문제는 풀어야 할 숙제로 지적된다.

헬스케어 분야에서 말하는 합성 데이터는 현실에서 직접 환자 정보를 수집하지 않고, 알고리즘을 통해 만들어낸 가상 정보다. 일부는 실제 환자 데이터를 참고하지만, 어디까지나 인위적으로 생성된 데이터다.

전 세계 연구자들은 합성 데이터를 이용해 가설을 세우고 연구 아이디어를 사전에 점검하며, 실험 결과를 예측하고 있다. 특히 저소득·중간 소득 국가처럼 실제 데이터 확보가 쉽지 않은 환경에서는 연구를 활성화하는 데 도움이 된다. 개인정보 노출 위험이 적어 기관 간 데이터 공유도 한층 수월하다.

임상 현장에서의 활용도 활발해지고 있다. 합성 데이터를 바탕으로 한 AI 모델이 환자의 X-ray를 판독하거나 참조 영상을 생성해 의료진의 판단을 돕는 것이다. 이는 영상의학 전문의 부족과 실제 훈련용 데이터 한계를 보완할 수 있는 것으로 평가받는다.

다만 합성 데이터가 ‘인간 대상 연구’에 해당하는지에 대해서는 여전히 해석에 차이가 있다.

국제 학술지 ‘네이처(Nature)’에 따르면, 일부 대학과 연구 기관이 합성 데이터를 활용한 연구를 기관윤리위원회(IRB) 심의에서 면제하면서 논란이 일고 있다. IRB는 연구가 사람의 권리와 안전을 침해하지 않는지 검토하는 기구다. 합성 데이터는 추적할 수 있는 환자 정보를 포함하지 않아 ‘인간 대상 연구’로 보기는 어렵다는 게 주된 이유다.

미국 워싱턴 의과대학은 합성 데이터에 개인을 확인할 수 있는 정보가 없다고 보고 심의 대상에서 제외했고, 캐나다 오타와 아동 병원도 개인 식별성이 없는 정보 생성은 환자 동의가 필요하지 않다고 판단했다. 전문가들은 이 같은 면제가 데이터에 일부 포함될 수 있도 있는 특정 개인 정보와 관련, 윤리 공백을 만들 수 있다고 지적한다.

기술적 위험도 여전히 남아 있다. 합성 데이터가 실제 환자 정보를 직접 담고 있지는 않더라도, 생성 과정에서 원본 데이터의 특성이 일부 보존될 수 있다. 이 경우 다른 공개 자료와 결합하거나 교차 분석을 해도 특정 개인이 다시 드러날 가능성을 완전히 배제하기 어렵다.

또 다른 문제는 ‘모델 붕괴(Model Collapse)’ 현상이다. AI가 실제 데이터를 충분히 반영하지 못한 채 스스로 만든 합성 데이터만을 계속 학습하다 보면, 왜곡된 패턴이 강화되고 신뢰할 수 없는 분석 결과를 내놓을 수 있기 때문이다.

합성 데이터 연구 결과를 독립적으로 검증할 국제적 기준도 아직 마련되지 않았다.

세계보건기구(WHO)의 데이터 과학자 지시스 코즐라키디스(Zisis Kozlakidis)는 “실제 데이터가 없는 상황에서는 합성 데이터를 어떻게 생성했는지, 사용한 알고리즘과 가정을 연구자가 명확히 설명해야 한다”고 말했다.

미국 미주리대 연구팀 역시 지난해 BMJ Evidence-Based Medicine에 발표한 글에서 합성 데이터 보고 기준을 마련해야 한다고 제안했다.

네이처는 “합성 데이터의 이점은 분명하다. 그러나 그 위험 역시 인식하고 완화해야 한다”며, “컴퓨터가 제시한 결과라는 이유만으로 그것을 타당하고 정확하다고 받아들이는 유혹은 반드시 경계해야 한다”고 강조했다.