바야흐로 인공지능 전성시대다. 하루에도 수십개의 기술이 새롭게 태어나고 그만큼 또 사라져간다.

의료 인공지능 또한 마찬가지다. 영상 분석을 통한 진단 보조에서 시작된 의료 인공지능은 이제 환자의 예후를 예측하고 맞춤형 치료를 제공하는 중요한 기반이 되며 기대감을 키우고 있다.

하지만 여전히 비판적인 시선도 존재한다. 과거의 방식을 버리고 의료 인공지능을 채택해야 하는 근거가 있느냐는 의구심이 대표적이다.

실제로 이러한 의구심을 극복하지 못하고 사라져가는 기업과 기술도 많다. 그렇기에 이제 인공지능의 생존력은 근거로 모아지고 있다. 근거가 있는 기술은 살아남고 그렇지 못한 기술은 사라진다.

"임상 연구는 의료 인공지능 핵심…아무리 쌓아도 부족하죠"

환자 예후 예측 인공지능 바이탈케어(AITRICS-VC)를 개발한 에이아이트릭스(AITRICS)가 이목을 끌고 있는 것도 이러한 이유다. 불과 3년만에 50여건에 달하는 연구를 쏟아내고 있기 때문이다.

그렇다면 이들이 이렇게 연구에 '진심'인 이유는 무엇일까. 에이아이트릭스에서 임상 연구를 이끌고 있는 심태용 CMO(Chief Medical Officer)를 만나 그 이유를 들어봤다.

Q. 에이아이트릭스를 보면 연구에 정말 많은 인프라를 투자하고 있는 듯 하다.

실제로 에이아이트릭스는 신의료기술평가 유예제도 트랙에 올라선 뒤 지금까지 총 50건에 달하는 논문을 발표했어요.

바이탈케어의 임상적 효과를 전향적으로 검증한 연구가 많고 최근에는 결측값이 임상적으로 어떠한 의미가 있는지에 대해 집중적으로 연구를 진행해서 좋은 결과가 많이 나왔습니다.

사실 앞으로 더 주목할만한 연구가 많아요. 전국 11개 대학병원과 협력해서 다양한 임상 연구가 진행중이거든요.

상당수가 실사용 데이터를 기반으로 하고 있다는 점에서 의료 인공지능, 특히 환자 예후 예측 솔루션이 실제 의료기관과 환자에게 얼마나 혜택을 주는지를 확인할 수 있을겁니다.

Q. 실제로 최근 결측값에 대한 연구 결과를 연이어 내고 있는데 배경은?

결측값은 사실 복잡하거나 어려운 개념은 아니에요. 병원에 가면 혈액검사, 신장 기능, 간 수치 등 여러 가지 검사를 받잖아요. 하지만 이 검사를 매번 다 시행하는 것은 아니에요.

예를 들어 어떤 환자에게는 특정 검사가 시행되지 않았다면 그 항목은 전자의무기록(EMR)에 기록 자체가 없는 것으로 표시되죠. 이렇게 실제로 측정되지 않아 데이터가 존재하지 않는 경우를 결측값(Missing Value)이라고 합니다.

헌데 인공지능은 결국 이 값들을 기반으로 환자의 예후를 예측하잖아요. EMR 데이터를 분석하면서 특정 항목이 존재하지 않으면 그것을 결측으로 간주하고 분석에 반영한다는 의미죠.

그렇기에 의료 인공지능에서는 이런 결측값을 어떻게 처리하느냐가 성능을 좌우하는 매우 중요한 부분이 될 수 있는거죠.

Q. 결측값이 의료 인공지능에 어떠한 영향을 주는지 궁금하다.

핵심은 결국 이 결측 상태의 의미를 어떻게 해석하느냐에 있어요. 일반적으로 빅데이터나 AI 이야기를 할 때 데이터는 많을수록 좋다라고 하죠. 실제로 인공지능이 빠르게 발전한 이유 중 하나가 바로 대량의 데이터가 축적됐기 때문이에요.

하지만 의료진의 시각에서는 조금 다르게 접근할 필요가 있어요. 과연 환자 데이터를 빠짐없이 모두 채워 넣는 것이 항상 좋은가? 데이터가 많다고 해서 예측 정확도가 반드시 높아지는가? 하는거죠.

실제 임상 환경에서는 어떤 검사가 시행되지 않았다는 사실 자체가 환자의 상태나 의료진의 판단을 반영하는 중요한 정보일 수 있거든요. 즉 데이터가 없는 것이 단순히 공백이 아니라 의료진의 판단을 짐작할 수 있는 임상적으로 의미 있는 결측일 수 있다는거죠.

에이아이트릭스가 바이탈케어 모델에서 결측값이 어떤 방식으로 성능에 영향을 미치는지 연구를 진행한 배경도 여기에 있어요. 결측 자체를 어떻게 처리하고 해석하느냐에 따라 인공지능 모델의 예측력과 임상적 유용성이 달라질 수 있기 때문에 매우 중요한 의미가 있기 때문이죠.

Q. 이번 연구의 임상적 의미를 부여한다면 무엇이라고 생각하나?

예를 들어 환자가 병원에 왔을 때 의료진이 환자에게 10가지 검사 중 5가지만 시행했다고 하면 이 결정에는 의료진의 임상적 판단이 반영된 결과라는 것이 가설이죠.

5가지는 환자의 상태상 필요하다고 판단했기 때문에 시행한 것이고, 나머지 5가지는 임상적으로 의미가 없거나 정상일 것으로 판단해 시행하지 않았을 것이라고 가정한 거에요.

이번 연구의 핵심도 바로 이 검사하지 않은 항목 즉 결측값이 단순히 비어 있는 정보가 아니라 의료진의 판단을 담고 있다는 점에 주목한 거에요. 결측값 자체가 의미가 있다는 거죠. 실제로 이번 연구에서 결측값까지 AI 모델이 학습했을 때 오히려 예측 성능이 가장 높게 나타났다는 결과가 도출됐거든요.

만약 데이터는 많을수록 좋다라는 일반적인 인공지능 접근법만 따랐다면 모든 환자에게 10가지 검사를 다 시행하는 것이 최선이었겠죠? 하지만 임상 현장은 그렇지 않거든요. 수많은 의료진이 환자의 상태에 따라 수많은 결정을 합니다. 결국 어떤 검사를 할지 말지 의료진이 판단한 것까지 인공지능 모델이 학습해야 예측 성능이 가장 우수하게 나타난다는 것을 보여준 연구입니다.

Q. 인공지능=빅데이터라는 공식이 일정 부분 존재하는데 결측값이 갖는 의미는 다소 생소하다.

맛습니다. 그 점이 이번 연구의 가장 중요한 차별점이기도 해요. 감염 내과 의사로서의 경험을 예로 들면 항생제 치료 시 과거에는 투여 기간이 길수록 좋다라는게 상식이었거든요. 하지만 최근에는 필요한 만큼만 가능한 한 짧게 투여한다는 이른바 'Less is more' 원칙이 표준이에요.

이번 연구도 같은 맥락에서 출발한 거에요. 단순히 데이터가 많을수록 무조건 좋다는 기존 인공지능 개발 관점을 넘어 해당 데이터가 어떤 임상적 맥락에서 생성됐는지 즉 의료진의 판단과 의사결정 과정이 어떻게 개입됐는지를 이해하고 반영하는 것이 인공지능 성능 향상에 필수적임을 보여주는 결과니까요.

최근 인공지능이 결국 의사를 대체할 것이다라는 얘기들이 여전한데 아주 먼 이야기일꺼에요. 결국 이상적인 의료 인공지능 모델은 인간과 인공지능이 서로 소통하고 상호 보완적인 관계로 서로의 판단을 보완해 주는 파트너일때 성립됩니다.

이 연구는 인공지능이 의료진의 판단을 이해하고 학습함으로써 더 신뢰할 수 있는 의사결정을 지원하는 도구가 될 수 있다. 즉 인공지능이 단순히 데이터를 처리하는 도구를 넘어서 의료적 판단까지 학습하고 활용할 수 있는 존재로 발전해야 한다는 방향성을 보여줬다는 점에서 의미가 있죠.

"결측값까지 녹여낸 바이탈케어…연구는 계속된다"

그렇다면 이러한 결측값에 대한 연구는 바이탈케어, 즉 환자 예후를 예측하는데 어떻게 활용되고 있을까.

또한 바이탈케어의 고도화를 위해 에이아이트릭스가 추가적으로 준비하고 있는 연구는 무엇일까.

심태용 CMO는 이를 한 문장으로 요약했다. "임상 적용 가능성을 심화시켜 실사용 데이터로서 가치를 증명하겠다."

Q. 결측값에 대한 연구가 과연 바이탈케어에 어떻게 적용되고 있는지 궁금하다.

바이탈케어는 결측값을 반영하기 위해 의료 데이터 처리에서 널리 쓰이는 두 가지 주요 방식을 사용하고 있어요. 첫 번째는 LOCF(Last Observation Carried Forward)라는 방식으로 예를 들어 어떤 검사를 49 시간 전에 시행했고 그 값이 가장 최신 검사 결과라면 이를 현재 시점에도 그대로 활용하는 방식이에요.

두 번째는 입원 이후 한 번도 시행된 적이 없는 검사 항목에 대해선 해당 값을 정상 범위 값으로 대체하는 방식인데 이 역시 실제 임상의들이 현장에서 흔히 사용하는 접근법이에요. 검사 결과가 없더라도 변화가 크지 않을 것으로 보고 정상으로 간주하는 의료진의 판단과 유사하죠.

에이아이트릭스의 바이탈케어는 총 19가지 전자의무기록(EMR) 데이터를 기반으로 인공지능 모델이 환자의 상태를 예측하는데 여기에는 6가지 활력징후, 11가지 혈액검사 결과, 환자의 의식 상태, 나이 등이 포함돼요.

특히 혈액검사 결과는 모델의 예측 정확도를 높이는 데 매우 중요한 역할을 하거든요. 다만, 모든 환자에게 동일한 혈액검사를 시행하는 것이 과연 타당한가에 대한 의문이 생겼고 이 부분에 대한 임상적 근거를 확보할 필요가 있다고 판단해서 이 부분에 집중한 거죠.

이는 단순히 데이터를 채우는 문제를 넘어서 AI의 학습 방향성과 임상 적용 가능성을 심화시키는 중요한 주제가 될 것이라고 생각합니다.

Q. 최근 바이탈케어의 예측 성능에 대한 전향적 연구도 발표했는데 앞으로의 연구 방향은?

이 연구는 바이탈케어의 예측 성능을 외부 환경에서도 검증하기 위해 진행된 전향적 외부 성능 검증 연구였어요. 바이탈케어는 초기 개발 당시 세브란스병원의 데이터를 기반으로 학습되었기 때문에, 다른 환경에서도 동일한 수준의 성능을 유지할 수 있는지가 매우 중요했거든요.

해당 연구는 바이탈케어가 개발된 병원이 아닌 전혀 다른 지역이나 병원 시스템에서도 우수한 성능을 보이는지 검증할 목적으로 진행되었고 결과적으로 매우 안정적인 성능을 보인다는 것을 입증했죠. 결국 다른 병원 환경에서도 충분히 유효하다. 즉, 범용성을 입증한 셈이죠.

이처럼 앞으로의 연구는 실사용 데이터에 집중할 예정입니다. 바이탈케어가 이미 국내 120곳 이상의 병원에 도입돼서 끊임없이 리얼월드데이터가 쌓이고 있거든요. 바이탈케어가 실제 임상 현장에서 어떤 변화를 만들어내고 있는지 살펴볼 시간이 된거죠.

이미 바이탈케어를 최초에 도입한 예수병원에 대한 실사용 연구는 마무리가 돼서 논문이 곧 발표될 예정이에요. 더 자세히 공개할 수는 없지만 바이탈케어 도입 이후 병원 내 코드블루(Code Blue) 발생률이 약 25% 감소했고 환자의 사망률과 재원 기간 등 주요 임상 지표에서도 긍정적인 변화가 나타났어요. 굉장히 의미있는 지표죠.

Q. 신의료기술평가를 앞두고 있다는 점에서 앞으로의 계획은?

평가를 받는 기업 입장에서 어느 정도 준비가 됐다고 단정 짓기는 어려운 부분이 있어요. 다만 전향적 검증 연구도 마쳤고 결측값에 대한 의미도 증명한데다 실사용 데이터도 나오고 있다는 점에서 한정된 기간 내에서 할 수 있는 최선을 다하고 있다고 자부하고 있어요.

CMO로서는 실제 임상 현장에서 활동했던 의료인으로서 의료진의 입장을 유지하려 노력하고 있어요. 결국 시장, 즉 임상 현장에서 외면받는 제품은 결코 살아남을 수 없거든요. 단순히 기술을 개발하고 적용하는 데 그치지 않고 실제 환자 치료에 기여하고 예후를 향상시킬 수 있도록 임상적 근거를 탄탄하게 확보하는게 제 역할이겠죠.

현재 바이탈케어는 일반 병동(GW)과 중환자실(ICU)에서 사용되고 있는데 앞으로는 응급실(ER)로의 병동 확장을 계획하고 있어요. 응급실 모델은 이미 개발 및 연구 단계가 마무리된 상태로 현재 확증 임상시험을 준비중에 있는데요. 이 임상 결과를 바탕으로 식약처 허가를 받고 나면 조기 예측과 신속한 대응이 특히 중요한 응급실에서 환자 안전에 큰 기여를 할 수 있을 것으로 기대하고 있습니다.