의료 분야로 AI를 도입함에 따라서, 기술적 진보와 데이터 보안 사이에서 균형을 이루는 것이 필요하게 되었다. 우리 삶의 측면들을 디지털화 하는 데에는 항상 위험성이 따른다. AI는 효율과 환자 치료를 향상시킴으로써 의료를 혁신할 수 있는 크나 큰 잠재력을 지니고 있다. 



의료 분야는 인공 지능(AI) 도입으로 인한 일대 변화를 맞고 있다. 이러한 변화는 환자 치료, 진단, 치료 효능에 있어서 새로운 기준을 만들고 있다. 전 세계적으로 의료 시스템은 환자 결과를 향상시키고 효율적인 환자 치료를 제공하는 것과 같은 많은 과제에 직면해 있다. 이러한 과제들은 혁신적인 솔루션을 필요로 하며, 새로운 의료 관행을 정립하는 계기가 될 것이다.

AI는 믿을 수 없이 놀라운 분석 능력으로 의료 산업으로 새로운 기회들을 낳을 것이다. 예를 들면 대량의 데이터 셋을 활용해서 패턴과 특이성을 식별함으로써 진단의 정밀도를 높일 수 있다. AI는 의사의 역할을 축소시키는 것이 아니라, 신속하고도 정확한 진단을 통해서 의사의 판단 능력을 끌어올린다. 의사가 자신의 전문지식과 환자 치료에 대한 이해를 바탕으로 AI 지향적 통찰을 활용함으로써 진단에 대한 확신을 높일 수 있다.

AI는 단지 진단뿐만 아니라 환자의 예후 예측과 개인화된 치료 계획에도 영향을 미칠 수 있다. AI를 활용해서 의료 제공을 최적화할 수 있다. 이것은 환자의 대기 시간을 줄이고, 표적 치료를 향상시키고, 치료 효과를 높이는 것으로 이어질 것이다.

한편으로는 의료 분야로 이러한 기술을 도입하는 데 따른 윤리, 프라이버시, 데이터 보안 문제를 고려하는 것이 필요하다. 
목표는 AI와 의료진 사이에 유용한 관계를 형성하는 것이다. 다시 말해서 기술이 사람을 대체하는 것이 아니라 사람의 전문성을 강화하도록 하는 것이다. 이러한 협력은 의료를 좀더 접근하기 용이하고 효율적이고 효과적이도록 만들 것이다.

디지털 시대로의 전환

전통적으로 의료 기록은 환자가 방문하고 치료를 받을 때마다 종이에다 수기로 작성했다. 컴퓨터가 보편화되자 의료 데이터를 전자적으로 저장하게 되었다. 의사들이 이 새로운 시스템에 적응하는 데 몇 년이 걸렸다. 초기에 의료진들은 필요할 때마다 환자 정보를 저장하고 검색하기 위해서 네트워크로 연결되지 않은 폐쇄적 컴퓨터 시스템을 사용했다.

인터넷 접속이 가능해짐으로써 소프트웨어 회사들이 의료 업계로 데이터 포착, 진료 기록 생성, 관계형 데이터베이스 관리, 그리고 무엇보다도 중요한 것으로서 의료비 청구와 회계 같은 서비스를 제공하게 되었다. 보험 회사들이 의료 관행의 운영적 측면을 변화시켰다. 의료진으로 하여금 매우 구체적인 방식으로 진료 기록을 코드화하도록 한 것이다. 컴퓨터화된 데이터 시스템은 모뎀이나 팩스를 통해 보험금을 청구할 수 있게 했다. 그럼으로써 의사들이 환자에게 더 양질의 시간을 쏟을 수 있을 것이라는 기대감을 갖게 했다. 이것은 정말로 시간을 절약했으나, 얼마되지 않아 문제들에 봉착했다.

1996년에 미국 의회는 의료 보험 이전 및 책임에 관한 법(Health Insurance Portability and Accountability Act: HIPAA)을 제정했다. 이것은 환자의 건강 정보를 중앙집중화하고 보호하기 위한 것이었다. 하지만 이 법은 예기치 않게 사소한 의료 관행에 있어서 중대한 과제들을 제기했다. 수년 치의 종이로 된 환자 기록을 HIPAA를 준수하는 검색 가능한 데이터베이스로 옮기는 일이 간단히 스캔하는 방법은 사용할 수가 없어서 비용과 인력이 많이 드는 것으로 드러났기 때문이다. 보험금을 청구하는 것만 하더라도 약간의 전문지식을 필요로 했으며 추가적인 까다로움을 야기했다.

HIPAA는 모든 의료 정보를 통합하면서도 프라이버시와 보안을 유지하고자 했다. 전자적 의료 정보 보호 (ePHI) 접근법을 사용해서 전자적으로 생성하고 저장하고 전송하고 수신하는 모든 보호 대상 의료 정보는 HIPAA 규정을 준수해야 했다. 또한 허가된 사용자만 이 데이터를 볼 수 있게 했다.

이 데이터를 중앙집중화함으로써 의료진, 당국, 보험사, 정부의 통계 데이터 수집 기관(미국 질병 통제 예방 센터(CDC)와 그 산하의 환경 공중 보건 추적(EPHT) 네트워크)이 정보를 공유하기가 용이해졌다. 이것의 취지는 디지털 혁신을 통해서 치료 효율과 품질을 높이고자 하는 것이었다.

앰비언트 클리니컬 인텔리전스(ACI) 

그러한 한 가지 혁신이 앰비언트 클리니컬 인텔리전스(Ambient Clinical Intelligence: ACI)이다. ACI는 음성 인식과 음성 기록을 사용해서 환자와 의료진 사이의 대화를 포착한다. 진료 기록을 위해서 자동 받아쓰기 기능을 사용함으로써 환자를 수행해야 하는 직원 수를 줄일 수 있다. 예를 들면 진료 시에 조무사가 기록을 받아 적을 필요 없이 ACI를 활용한 컴퓨터가 의사와 환자 사이의 모든 대화를 청취하고, 녹음하고, 전사화할 수 있다. 그러므로 조무사는 필요한 다른 일을 할 수 있다.

AI에다 이 데이터 교환을 결합함으로써 기록 오류를 줄이거나 없앨 수 있으며 의사는 진료에 집중할 수 있다. 오늘날에는 표준적 하드웨어를 사용해서 이러한 기능들을 구현할 수 있게 되었으며, 보편화 하는 AI 기술이 갈수록 더 큰 역할을 맡을 것으로 기대된다. 특히 진단 및 예후 보조를 위한 맥락 및 의료 패턴 인식에 있어서 그럴 것이다.

예를 들면 의료 모니터링 서비스로 AI와 센서 및 비디오 피드를 결합해서 환자 낙상을 감지할 수 있다. 지금은 전화와 의료용 경보 펜던트가 이 용도로 사용되고 있는데, 환자들이 펜던트를 치우거나 전화와 가까운 곳에 있지 않을 수 있다. AI 가능 비디오 시스템은 펜던트가 치워졌는지도 감지할 수 있고 낙상도 감지할 수 있다.

AI가 진화함에 따라서 직원들이 이제는 자동으로 문서를 생성하고 전자 의료 기록 표준에 준해서 데이터를 형식화할 수 있다. 이것은 임상 검토를 간소화하고 빠르게 데이터를 파일링하고 보험금을 청구할 수 있도록 한다. 뿐만 아니라 과중한 업무에 시달리고 환자들에게 충분한 시간을 쏟지 못하는 의료진의 피로를 경감시킬 것이다.

ACI는 어떻게 작동하는가? 

일차적으로 ACI는 전사화, 문서화, 코드화, 형식화, 저장, 전송을 위한 디지털 집사 역할을 할 것이다. 하지만 AI 의료 기술은 계속해서 진화할 것이고 환자에게 건강 센서를 부착하거나 삽입함으로써 갈수록 더 많은 데이터 셋이 쌓일 것이다. 환자 통계를 지속적으로 모니터링함으로써 접근 권한을 가진 AI를 HIPAA를 준수하는 익명화 된 초대규모 데이터 셋으로 학습시킬 수 있게 될 것이다. AI가 진단을 할 뿐만 아니라, 의료 지식과 치료 방법을 더욱 더 발전시키는 발견을 할 수도 있다(그림 1).
 

이 (익명화된) 정보를 활용해서 AI가 해로운 약물 상호작용을 새롭게 발견할 수도 있다. 예를 들면 특정한 질병에 A 약을 먹고 또 다른 질병에 B 약을 먹는 환자들 중에서 통계적으로 유의미한 수의 환자들에게 C 조건이 발생되는 것을 발견할 수 있다.

AI 의료 및 건강 모니터링 기술이 사용할 수 있는 툴은 센서를 삽입하거나 착용하는 것뿐만 아니다. 컴퓨터화 비디오 프로세싱은 사람이 식별하거나 감지할 수 없는 혈관을 모니터링해서 심박수와 혈압을 측정할 수 있다.

사람과 AI의 지식과 전문성을 결합함으로써 환자를 그 어느 때보다 더 효과적으로 진단할 수 있다. 대규모 데이터 셋과 전문지식으로 학습된 AI가 이미 생체검사 데이터를 판독하고 숙련된 의사도 놓치는 암을 잡아내는 것으로 확인되고 있다.^[1]

이것은 의료 업계에 무엇을 의미하는가? 단기적으로는 일상적인 서류 업무로부터 직원들의 부담을 덜 것이다. 의사가 환자들에게 좀더 많은 시간을 할애하도록 할 것이다. 이것은 좀더 신뢰할 수 있는 진단으로 이어질 것이다. 또한 평소에 의료 설비를 운영하기 위해서 필요한 의료진과 직원 수를 줄이도록 할 것이다.

미래 전망

의료 기관들이 HIPAA 같은 규정, 보험 회사 요건, 진화하는 환자-의사 관계 같은 요구를 충족하기 위해서 효율은 높이고 오류는 줄이기 위한 새로운 솔루션들을 찾고 있다. 의료 과실은 실제로 발생되며, 사람의 실수는 있을 수밖에 없다.

의료 분야로 AI와 로보틱스를 도입하는 것은 AI 기술의 정밀성과 검색 능력으로 사람의 전문성을 보완할 수 있는 흥미로운 기회들을 낳고 있다. 물론 새로운 기술에 따른 문제들은 제기된다. 비용, 정부 지원, 데이터 감시, 보안, 시스템 업데이트 같은 것을 들 수 있다. 파일링과 코드화에 있어서 의료진을 보조하기 위해서 클라우드 기반의 기업체가 등장하고 있다. 이것은 의료 산업으로 디지털 전환이 가속화하고 있음을 시사하는 것이다.

손기술(dexterity), 비전, 데이터 프로세싱이 계속해서 진보함으로써 로보틱스가 궁극적으로 의료 행위에 있어서 더욱 더 유용한 툴로 부상할 것이다(그림 2). 미래에 의료가 진보하고 신뢰를 유지하기 위해서는 기술과 사람 사이에 균형 잡힌 접근법과 협력이 열쇠가 될 것이다.
 

의료 분야의 이러한 AI 혁명은 의료적 훈련이 변화되어야 한다는 뜻이기도 하다. 의사들은 좀더 개인화된 치료에 집중하고 대규모 데이터 셋을 활용해서 질병을 효과적이고도 효율적으로 예측하고 예방하고 치료할 수 있을 것이다. 의료 커리큘럼으로 AI 기술과 관련한 데이터 과학, 머신 러닝, 윤리적 고려를 포함해야 할 것이다. 이러한 AI 지향적 의료 시대로 전환하기 위해서는 의사들이 디지털 의료에 있어서 프라이버시 문제를 이해해야 한다.

개인 의료 데이터를 중앙집중화하기 위해서는 보안 문제가 제기된다. 데이터는 언제든 침해당할 수 있기 때문이다. 데이터를 암호화할 수 있는데, 그렇다고 안전을 보장하는 것은 아니다. 최고 수준의 IT 부서를 보유한 유명 기업들조차 공격당하고 있기 때문이다. 사이버 보안과 데이터 보호 프로토콜이 계속해서 발전함으로써 의료 산업은 이 민감한 정보를 보호하는 것에 있어서 갈수록 능숙해지고 있다. 이것은 데이터 중앙집중화의 이점을 실현하면서 위험성을 최소화하도록 한다.

맺음말

의료 분야로 AI를 도입함에 따라서, 기술적 진보와 데이터 보안 사이에서 균형을 이루는 것이 필요하게 되었다. 우리 삶의 측면들을 디지털화 하는 데에는 항상 위험성이 따른다. AI는 효율과 환자 치료를 향상시킴으로써 의료를 혁신할 수 있는 크나 큰 잠재력을 지니고 있다. 의료 분야로 적절한 보안 조치들과 함께 AI를 활용함으로써 환자를 더 잘 치료하고 더 많은 생명을 구할 수 있는 더 밝은 미래가 우리를 기다리고 있다.
  
출처
[1] “More Breast Cancers Detected in First Evaluation of Breast Screening AI,” University of Aberdeen, March 21, 2024, https://www.abdn.ac.uk/news/22964/.


저자 약력
 
존 가베이(Jon Gabay)는 전기공학을 전공한 후에 방위, 상업용, 산업용, 컨슈머, 에너지, 의료 분야 회사들에서 설계 엔지니어, 펌웨어 코더, 시스템 디자이너, 연구원, 제품 개발자로 일했다. 대안 에너지 연구자이자 발명가로서 자동화 기술과 관련해서 Dedicated Devices라는 회사를 설립하고 2004년까지 운영했다. 이후로 차세대 엔지니어와 학생들을 위해서 연구개발, 기사 기고, 기술 발명에 매진하고 있다.