데이터 분석에서 AI 활용까지…IT, 병원을 바꾸다 by 수다피플

종이. 종이. 종이.

googletag.cmd.push(function() { googletag.defineSlot(‘/6357468/0.Mobile_Article_intext_1_300_250’, [300, 250], ‘div-gpt-ad-1468307418602-0’).addService(googletag.pubads());googletag.pubads().collapseEmptyDivs();googletag.pubads().enableSyncRendering();googletag.enableServices();googletag.display(‘div-gpt-ad-1468307418602-0’); });

1970년대 초반 병원 진료비 수납 창구는 그야말로 종이 산이었다. 굳이 70년대로 거슬러 올라가지 않아도 90년대 중반까지만 해도 동네 병원에서 간호사가 종이로 된 진료 차트를 찾는 모습은 흔한 일이었다. 병원에서 화재가 발생하면 환자 기록이 사라지는 일도 생겼다. 이때만 해도 병원은 환자 진료를 위해 필요한 모든 정보를 종이라고 남기고 보관했다.

병원정보관리(HIS)라나 이름으로 불리는 원무관리시스템이 도입되면서 병원 창구 모습의 변화가 생겼다. 환자관리, 수납, 보험청구 등 다양한 병원관리 시스템 업무가 종이가 아닌 컴퓨터로 기록됐다. 병원 업무 전산화가 이뤄진 셈이다.

DB 발달…의료 정보의 디지털화 앞당겨

2000년 들어 종이는 병원 창구에서 차츰 모습을 감췄다. 전자차트라고 불리는 전자의무기록(EMR)이 도입되면서 모든 진료기록이 전산화됐다. 환자 정보뿐만 아니라 진료 정보, X레이나 MRI, CT 촬영 사진도 모든 데이터베이스(DB)화 됐다.

초창기 대학병원은 이렇게 쌓은 DB를 체계적으로 정리하는 방안에 주목했다. 대학병원은 데이터 활용법이 일반 기업과 다르다. 병원에는 태어나서 죽을 때까지의 정보를 보관한다. 기업처럼 월, 분기별 시점 자료가 필요한 게 아니라 생애 주기를 다루는, 긴 시간 데이터를 짧은 기간 동안 평균해 가공하는 작업이 중요하다.

“진료받을 때를 떠올려보세요. 의사가 컴퓨터 앞에서 열심히 타자를 치고 있지요. 환자 얼굴을 제대로 봐주지 않고요. 제가 무슨 속기 기사도 아니고요. 영상의학과가 아닌 곳은 환자 의료 데이터를 EMR이라고 하는 쪽에 기록을 해야 합니다. 하지 않으면 건강관리보험공단 등에 보험료 청구 못 하거든요. 그래도 종합병원은 진료실에 둘이 있지, 개인병원에서는 의사가 환자 나가기 무섭게 타이핑을 하는 이유입니다. 기록하려고요.” – 2013년, 분당서울대병원 의료정보센터장과의 인터뷰에서.

의사는 차트를 문장형으로 작성한다. DB화 할 때 들어가는 정보가 모두 문장이라는 얘기다. 이런 문장형 데이터를 활용하려면 체계적인 규칙을 만들어서 저장해야 한다. 차트 정보를 무조건 DB화 할 수 없는 이유다. 데이터웨어하우스(DW)가 나섰다. 검색하기 쉬워졌고, 임상 의사가 아니어도 데이터 분석을 통해 상관관계를 유추할 수 있는 길이 열렸다.

문제는 여전히 문장형으로 작성하는 차트다. DB와 DW 기술이 발전했지만, 이 못지않게 의료 데이터도 빠른 속도로 늘어나고 있다.

같은 질병이라도 어제까지 나온 데이터를 바탕으로 개발한 치료약과 오늘까지 나온 데이터를 바탕으로 개발한 치료약이 다르다. 10년이면 강산이 변한다는 말이 있듯, 의료 분야에서 시간은 중요한 변수다. 좀 더 많은 데이터, 좀 더 빠른 분석. 병원들이 저마다 기술에 관심을 보이며 연구에 뛰어드는 이유다.

IT 기업, 의료시스템 시장에서 ‘인공지능’을 내세우다

비단 이런 고민은 병원만 한 게 아닌가 보다. 애플, 구글, 삼성, IBM 등 ICT 기업들은 스마트 헬스케어 분야를 차기 먹거리 시장으로 주목하면서, 의료시스템 연구 결과를 내세우기 시작했다.

지난해 생명공학정책연구센터가 발표한 ‘인공지능을 활용한 헬스케어 R&D 현황’ 자료에 따르면, IBM 주도하에 구글, 마이크로소프트, 애플 등 글로벌 기업이 인공지능 시스템을 적용한 의료시스템을 저마다 선보이고 있다.

이 보고서는 헬스케어 산업에서 인공지능 의료시스템 세계 시장은 연평균 40% 이상 고성장을 보일 것으로 보이며, 2021년 전세계 헬스케어 내 인공지능 시스템 IBM 시장 점유율은 45%로 관련 시장을 주도할 것으로 예측했다.

MS는 인공지능을 이용한 암 치료법을 개발 중이다. 암을 디지털 프로그램으로 변환해 ‘디버그(버그 수정)’하는 방법으로 개별 환자별 맞춤형 치료법을 제공할 계획이다. 이미 영국 케임브리지대학과 공동으로 컴퓨터공학자, 생물학자, 공학자 등 150여명을 투입해 암세포의 디지털 세포 지도를 작성해 건강한 세포로 재구축하는 방안을 연구 중이다.

애플도 빠지지 않는다. 환자, 가족, 간병인, 의사, 간호사가 치료계획을 공유하고 복약 상황 등을 모니터링 해 환자의 치료를 효과적으로 돕는 소프트웨어 캐어킷(CareKit)을 개발했으며, 애플워치나 아이폰을 통해 환자의 상태를 내장된 센서로 측정하여 치료 상황을 시각화해 보여주는 시스템을 제공하고 있다.

구글은 혈당 측정기, 노화방지 치료제, 유전자 분석, 건강관리 플랫폼 등 헬스케어 관련 기술개발을 통해 평소 건강상태와 적절한 대응법을 제공하는 인공지능 시스템을 준비하고 있다.

알파고 개발 회사로 알려진 ‘딥마인드’는 인공지능 프로그램 ‘스트림스’를 개발하고 있다. 이 프로그램은 장기가 심각하게 손상된 한자의 정보를 실시간으로 수집해 의사나 간호사가 빠르게 진단하도록 도와준다.

또, 구글은 의사와 임상의와 함께 의료영상 분야도 탐구 중이다. 안과학과 디지털 병리학 분야에서 의료영상을 판독해 질병을 쉽게 식별할 수 있는 알고리즘을 연구하고 있다.

딥러닝, 의사 대신하는 ‘진단 도우미’ 될까

AI, 인공지능은 기술을 이용해서 사람의 지능을 컴퓨터 알고리즘으로 구현하는 게 목적이다. 이 과정에서 가장 잘 알려진 학습이 머신러닝, 기계학습 분야다. 머신러닝은 기기가 학습, 교육을 통해 스스로 똑똑해질 수 있게 도와준다.

딥러닝은 머신러닝 분야 중에서도 특정 분야로 반복과 보상, 학습을 통해 알고리즘이 스스로 판단하는 지능을 갖추게 도와준다. 아주 단순한 수학 공식을 여러 계층으로 구조화해서 상호작용하는 모델이다.

요즘 나오는 딥러닝은 과거와 다르게 저렴한 비용으로 많은 컴퓨팅 인프라를 사용해서 크고 복잡한 모델 계산을 빠르게 해결할 수 있게 돕는다. 그 결과 알고리즘 자체 정확성이 예전보다 높아졌다. 구글은 이런 방식을 2015년부터 ‘텐서플로우’라는 오픈소스로 제공하기 시작했다. 이 오픈소스를 이용하면 전세계 수많은 연구자나 과학자가 실제 구글 내부자가 쓰는 것과 유사한 기술을 연구분야에 적용할 수 있다.

릴리 팽 구글 리서치 의학 영상팀 프로덕트 매니저 역시 이 기술을 활용해 의료 취약 지역에서 의료진이 딥러닝을 통해 당뇨병성 망막증(DR) 진단할 수 있는 알고리즘을 연구하고 있다.

릴리 팽 구글 리서치 의학 영상팀 프로덕트 매니저

릴리 팽 구글 리서치 의학 영상팀 프로덕트 매니저

팽 박사는 DNN(심층신경망분석) 알고리즘을 활용해 안저 사진을 판단하고 분류하는데 적용했다. 미국에서 안과 의사 54명과 함께 진단 작업을 하는데 필요한 영상 작업 88만개를 라벨링했다. 전문 의사가 진단할 때 서로 다른 결과가 나올 수 있게 교차 라벨링 작업을 거쳤다.

그렇게 나온 데이터를 CNN(회선신경망기술) 알고리즘으로 분석했다. CNN은 흔히 개나 고양이 사진 이미지를 인식할 때 스는 방식으로, 이 네트워크를 제 훈련해서 정상적인 안저 사진과 그렇지 않은 사진, 그렇지 않은 사진에서는 DR 정도가 어느 정도인지를 판단할 수 있게 예측 정보도 함께 제공하도록 훈련했다.

딥러닝을 이용해 DR 병변을 확인할 수 있는 알고리즘을 만드는 과정.

딥러닝을 이용해 DR 병변을 확인할 수 있는 알고리즘을 만드는 과정.

팽 박사 연구팀은 이 과정에서 총 9963만개 이미지를 활용했다. 사용한 이미지를 바탕으로 실제 의사 판독 결과와 비교했을 때 거의 차이가 없는 것으로 나타났다. 딥러닝을 통해 만든 DR 진단 알고리즘이 의사가 판단한 결과와 비슷한 것으로 나타났다.

“DR 진단 알고리즘을 개발할 때, 해당 알고리즘이 스스로 이미지를 보면서 병변을 파악할 수 있도록, 사람이 따로 정확한 병변 위치를 짚어내는(세그멘테이션)작업을 하지 않고 스스로 사진을 보고도 병변을 파악할 수 있게 훈련했다. 알고리즘이 그저 양성과 음성 유뮤를 판단하게 하는데 집중했다. 물론 이 과정에서 여러 차례 실험을 고도화 해야 할 필요가 있다. 더 많은 사진을 주고 훈련을 거치면, 시간은 좀 걸리지만 완성도를 높일 수 있다.” – 릴리 팽 박사

딥러닝은 주로 의료 영상 분야에서 활용된다. 해외뿐 아니라 국내에서 이미 많은 곳이 관심을 보이고 활용하고 있다.

서울아산병원은 뷰노와의 공동 연구를 통해 딥러닝 기술을 활용한 폐질환 조기진단 기술 ‘뷰노메드’라는 솔루션을 개발했다. 뷰노메드는 컴퓨터단층촬영(CT), 자기공명영상(MRI) 등 의료 영상 데이터를 컴퓨터가 스스로 학습해 환자의 병증이 폐질환인지를 판단한다.

서울아산병원 측은 “뷰노코리아가 1년 가량 공동 연구를 진행한 결과, 빅데이터를 통한 진단의 정확성은 약 97%에 이른다”라며 “현재 컴퓨터가 판단한 폐질환 진단이 정확한지를 검증하는 작업을 진행 중이다”라고 밝혔다. 이 분석 기술 개발을 마무리하면, 컴퓨터가 먼저 환자 영상검사 데이터를 분석해 폐암 여부를 판단하는 데 활용하겠다는 계획이다.

삼성서울병원 의료진은 올해 초부터 한국의 빅데이터 기업 루닛과 유방진단을 진단하는 빅데이터 진단 기술을 개발하고 있다. 실제 진단결과와 95% 이상 일치할 것으로 기대하고 있는 눈치다.

그 외에도 의료 진단 분야에서 IBM 왓슨을 활용하겠다고 밝힌 대학병원이 점점 늘어나는 추세다. 가장 잘 알려진 가천 길병원부터 시작해 부산대병원, 건양대병원, 계명대 동산병원, 대구가톨릭대병원 등이 ‘왓슨 포 온콜리지’를 도입 의사를 밝혔다.

국내외 많은 병원이 딥러닝에 관심을 가지고 진단 알고리즘 개발에 나서고 있다. 그러나 단순 연구가 아닌, 실제 환자를 치료하는데 딥러닝 알고리즘을 적용하기까지는 넘어야 할 산이 많다. 개인정보보호 문제부터 시작해 진단 알고리즘의 결과를 어디까지 신뢰할 것이냐의 문제가 남았다.

지금까지 딥러닝은 의사 진단 보조도 도구로 활용해도 괜찮다는 수준에 머무르고 있다. 향후 해당 분야가 계속되면 임상 분야에서 실제로 활용되는 방안에 대한 논의가 이어질 것으로 보인다.

from Bloter.net http://www.bloter.net/archives/278829

Advertisements

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중