전세계가 주목한 알파고(AlphaGo)라는 인공지능(AI, artificial ingelligence)과 이세돌 프로기사와의 바둑대결. 인공지능이 한 번이라도 이길 수 있을까 생각했지만, 결과는 정반대였다. 1승을 거둔 이세돌 9단의 창의성과 집념에 대한 찬사가 쏟아지기도 했지만, 한편으로는 인공지능이 인간을 지배하는 세상이 오지 않을까 하는 두려움도 쏟아졌다.
컴퓨터가 의사가 될 수 있을까?
그렇다면 왓슨은 어떻게 의사의 역할을 대신할 수 있을까? 왓슨의 능력을 뒷받침 하는 핵심 기술은 세 가지다. 첫째는 자연어를 이해하는 기술이다. 둘째는 추론을 통한 가설을 생성하고 검증하는 기술이고, 셋째는 지속적으로 학습해 전문지식을 발전시키는 기계학습 기술이다. 왓슨은 이 세 가지 기술로 전문지식을 학습하고 추론을 통해 객관적이며 과학적으로 인지된 상황에서는 가장 적절한 해답을 제시한다.
헬스케어 분야의 문헌 정보는 현재 3년마다 2배로 증가하고 있고, 매년 70만 건의 논문이 등재되고 있다. 디지털 형태로 기록되는 데이터도 셀 수 없다. 전자의무기록의 환자 데이터와 유전자정보, 건강을 위해 착용하는 웨어러블 기기로부터 생성되는 데이터까지 이 거대한 데이터를 다루고 디지털화된 지식을 활용하기 위해서는 기존의 방식으로는 불가능하다.
왓슨은 암 관련 수십만 건의 이상의 사례와 42개 이상의 의학전문 저널의 전문지식을 학습해, 폐암·유방암·대장암·결장암에 대해 개인맞춤형 암 진단지원 서비스를 의사에게 제공한다.
왓슨을 활용하는 의사의 모습은 어떨까? 우선 의사가 시스템에 로그인을 한다. 그리고 진료해야 하는 환자를 선택하고, 그 환자의 전자 차트를 익명화해서 왓슨에게 보낸다. 왓슨은 환자데이터의 내용을 이해하고 분석해 진단에 영향을 주는 주요한 내용을 정리해 화면에 보여준다. 예를 들어, 수술을 마친 암 환자의 경우 수술이 정상적으로 잘 됐다는 것을 병리 판독 결과를 통해 이해하고 의사에게 알려주는 것이다.
또 의사는 암 진단에 영향을 미치는 유전자 검사 등 각종 검사 결과와 측정 수치들을 입력한 후 왓슨에게 자문을 요청 할 수 있다. 그러면 왓슨은 암 관련 정보가 담긴 네트워크인 NCCN(National Comprehensive CancerNetwork)과 해당 암센터가 데이터 베이스에서 가장 적합한 치료법 후보를 찾아내 보여준다. 그리고 이 치료법 후보를 뒷받침할 과학적 근거도 제시한다.
추천된 치료법은 치료일정, 치료법에 대한 과학적 근거 문헌, 독성 및 안정성에 대한 유의점이 같이 정리되어 있다. 의사는 정리된 내용을 확인한 후 어떤 치료법이 적합한지 최종결정을 결정을 내리고 진료할 준비를 마친다.
인공지능의 헬스케어 적용사례
왓슨은 현재 헬스케어 산업에서 세 가지 패턴으로 활용되고 있다.
참여 패턴 인공지능 의사와 환자가 묻고 답하기
참여 패턴은 헬스케어 서비스 제공자와 소비자 모두 의료 행위에 적극적으로 참여할 수 있도록 도와주는 것이다. 지니MD(GenieMD)社는 왓슨을 활용해 헬스케어에 관한 질문에 답변을 제공하고 있다. 사용자가 의사에게 질문하듯이 질문하면, 모바일 앱에서 수집한 질문자의 건강데이터를 분석한 결과를 토대로 맞춤형 답변을 제공한다. 예를 들어, 와파린을 복용 중인 뇌졸중 환자가 아스피린의 복용 가능 여부를 질문한다면, 질문의 맥락을 이해해 매우 위험하다는 답변을 근거와 함께 제공하는 식이다.
발견 패턴 환자에게 적합한 치료법을 발견
두 번째는 새로운 발견을 도와주는 발견 패턴이다. 미국의 메이요병원을 찾는 중증 암환자들에게는 표준치료법을 적용하기 어려운 경우가 많기 때문에 효과적인 치료를 위해서 수많은 임상시험이 시도되고 있다. 인체에 유효성과 안전을 입증하기 위한 임상시험이 진행되고 있는 새로운 약물과 치료법은 환자의 상태에 따라 선별적으로 적용하면 좋은 결과를 얻을 수 있다.
특히 연구 중심 병원은 과반수 이상의 환자에게 임상시험을 적용하므로 적용대상과 임상시험의 내용이 적절히 매치되도록 연결하는 것이 중요하다. 왓슨은 방대한 임상시험 데이터를 분석하고 각각의 환자 상태에 따라 가장 적합한 임상시험이 무엇인지 찾는다. 그 과학적 근거와 부작용 정보도 함께 제공되는데, 의사는 진료시점에 따라 환자에게 가장 적합한 맞춤형 치료를 결정할 수 있다. 더 나아가 임상시험을 할 때 적합한 환자를 선별하는 데도 도움을 주고 임상시험에 들어가는 비용과 시간을 줄일 수도 있다.
결정 패턴 의사의 결정을 도와주는 인공지능
세 번째는 임상진단과 같이 최적의 결정을 도와주는 결정 패턴이다. 암센터 전문의가 암 환자 맞춤형 처방을 과학적이고 객관적인 근거에 기반해서 제공할 수 있도록 하는 것이다. 메모리얼 슬론케더링 암센터와 엠디앤더슨 암센터, 그리고 태국 범룬 그라드 국제병원과 뉴욕게놈센터 등의 사례가 여기에 해당된다.태국의 범룬그라드 국제 병원은 대표적인 의료관관광병원으로 연간 110만명의 환자 중 절반 이상이 외국인이다. 왓슨은 메모리얼 슬롯 케터링 암센터와 NCCN의 가이드라인의 의학논문을 학습하고 이를 기반으로 맞춤처방을 의사에게 추천한다.
인공지능 의사? ‘글쎄…’
물론 인공지능이 의사를 대체할 수 있겠는지에 대해서는 많은 의문점을 갖고 있다. 한 IT전문 기자는 왓슨에 막대한 비용이 투여된 것에 비해 환자에게 돌아간 혜택이나 의미 있는 성과는 없다고 잘라 말했다. 단지 의사가 오진율을 낮춰주고, 좀더 빠르고 정확한 의사 결정을 하는 데는 도움이 될 것이라는 전망이다.
또한, 의료행위에 있어 ‘스킨십’이라는 부분도 간과할수 없다. 맥박과 혈압을 재고 손을 잡아주는 행위만으로도 환자들은 위안을 느낀다. 아무리 자연어를 익혔다고 하지만, 우리가 머리가 아프다라는 표현만 해도 셀 수 없을 정도다. ‘머리가 깨진다’, ‘골이 우리하다’, ‘띵하다’ 등의 언어를 완벽하게 이해할 수는 있겠지만, 0.01%라도 이해하지 못한다면 그 환자는 피해를 보게 되는 것이다. 인공지능으로 진단 및 처방을 받고, 기계가 자동판매기처럼 약을 내주고, 로봇이 수술한다면 환자들이 과연 안심하고 몸을 맡길 수 있을지는 아직 미지수다.
왓슨(Watson) IBM이 개발한 인공지능 컴퓨터로 언어를 이해할 수 있으며, 근거에 따라 가설을 세워 경험에서 학습하는 능력을 갖추고 있다. 관련 분석 처리가 끝나면 그것을 지식으로 축적하기도 한다. 구체적으로는 다양한 데이터에서 신속하게 관련 정보를 찾고 해석해 복수의 결론을 도출한 후 어떤 결론이 가장 정확한지를 검증하고 평가할 수 있다 .