1.12. 헬스케어 인공지능 주요 이슈별 인공지능 적용 방안(요약)
① 헬스케어 패러다임이 예방·관리 중심으로 변화
→ 지능형 임상의사지원시스템 도입
② 의료 데이터 복잡성 심화로 보편적 진료는 오진 가능성 존재
→ 복잡한 의료 데이터를 인공지능 기술로 최적화시켜 의사 결정 지원
③ 방대한 의료 정보를 정확하고 빠르게 분석할 수 있는 도구 필요
→ 인공지능 알고리즘 활용으로 진단 성과 향상
④ 전자의무기록(EMR)이 비정형으로 생성되어 자연어 인식이 어려움
→ 딥러닝과 공동테이터모델을 적용하여 임상 용어 인식 가능
⑤ 의료장비 시그널이 비연속적인 경우가 많아 해석이 제한적
→ 완성도 높은 시그널 예측 모델을 임상 장비에 적용
⑥ 정밀의료의 근간이 되는 ‘분류(classification)’에 인공지능 필요
→ 병리영상 인공지능 기술을 활용하여 정밀 진단 가능
⑦ 신약 개발은 성공 가능성이 낮고, 임상기간에 오래 걸리는 분야
→ 인공지능 신약 개발 플랫폼으로 블록버스터급 약물개발 가능
⑧ 설명 가능한 인공지능(X-AI) 기술 부각
→ 엄격한 임상검증을 위해 설명과 추적이 가능한 AI 알고리즘 개발
⑨ 디지털 헬스케어의 성공을 위해서 필요한 핵심은 데이터 확보
→ 데이터의 측정·통합·분석·활용을 통해 디지털 헬스케어 혁신
⑩ 진입규제, 인·허가 절차 등의 이슈로 인해 국내 사업 영위가 어려움
→ 혁신 기술일수록 진입과 평가가 어려우므로 규제 개선 필수
⑪ 건강보험등재 및 수가 결정 이전에는 신기술 의료기기 사용이 어려움
→ AI 기반 의료기술의 보험 급여 책정과 신의료기술평가 추진
1.13. 헬스케어 인공지능 주요 이슈별 인공지능 적용 방안(상세)
① 지능형 임상의사지원시스템 도입
◯ 스마트 헬스케어는 의료용 제품 중심에서 한발 더 나아가, 개인 의료와 연관되는 다양한 데이터와 서비스를 통합하는 플랫폼을 거쳐, 궁극적으로는 수많은 시스템의 실시간 유기적 결합을 통해 진화시키는 지능형 의료 솔루션으로 발전하고 있습니다.
◯ 병원에서 인공지능이란 이름으로 사용하는 대부분의 시스템이 임상의사지원의 성격을 가지고 있으며, 아래에서 인공지능 기술이 적용되고 있는 임상의사지원시스템을 간략히 소개합니다.
- 삼성전자와 삼성메디슨은 기존의 S디텍트인 ‘영상의학과용 초음파 진단기기’에 딥러닝 (Deep Learning) 기술을 접목하여 한 번의 클릭으로 유방 병변의 특성과 악성·양성 여부를 제시하고 약 1만 개에 이르는 유방 조직 진단 사례가 수집된 빅데이터를 바탕으로 사용자의 최종 진단을 지원합니다.
- IBM의 ‘Watson’은 2012년부터 미 메모리얼 슬로언 케터링(MSK) 암센터와 MD엔더슨 암센터 등과의 협력을 통해 WFO의 서비스 영역을 넓히고 있으며, WFO와 WFG를 도입한 가천대학교길병원과 부산대학교병원 등에게 유전적 변이에 관한 정보를 제공합니다.
- 마이크로소프트는 지방흡입수술에서 집도의의 움직임을 분석하기 위해 AZURE ML 프로그램을 활용한 ‘MAIL(Motion capture and Artificial Intelligence assisted Liposuction)’을 개발하였다. 지방흡입수술동작을 저장하여 잘된 수술과 그렇지 못한 결과의 패턴을 분석하여 지방흡입수술 시 발생할 수 있는 문제를 최소화하고 응급상황 시 신속한 대처가 가능하게 하였습니다.
② 복잡한 의료 데이터를 인공지능 기술로 최적화시켜 의사 결정 지원
◯ 진단 및 치료과정에서 첨단의료기기와 기술 활용은 매우 오래 전부터 이루어져 왔으나, 의료 데이터의 복잡성이 점차 심화되어 기존 방식의 컨트롤이 매우 어려워지고 있습니다.
◯ 임상 데이터, 문헌, 논문 등의 정보를 분석하여 의사의 진료 행위를 지원하는 임상의사지원시스템으로 의료진의 임상지침(Clinical Guidelines) 및 근거기반 의료행위(Evidence Based Practice : EBP)를 지원합니다.
◯ 인공지능 관련 기술을 헬스케어에 다양한 형태로 적용하여 최적 의사 결정 지원 가능합니다.
③ 인공지능 알고리즘 활용으로 진단 성과 향상
◯ 인공지능 알고리즘을 활용하면 진단 성과는 41.9% 향상되고, 의료비는 58.5% 절감된다는 연구결과가 있으며, 향후 2025년에는 전체 의료비 절감 중 약 10%가 빅데이터와 첨단 ICT 기술에 기인할 것으로 판단. 임상부분에서 인공지능 기술은 의사가 판독하는 것만큼 정확도 역시 신뢰할 만한 시점까지 도달 중입니다.
④ 딥러닝과 공동테이터모델을 적용하여 임상 용어 인식 가능
◯ EMR 분석 인공지능에는 딥러닝이 부각되고 있는데, 그 이유는 기존 인공지능 기술이 가지고 있던 성능의 한계를 뛰어넘기 때문입니다.
◯ EMR을 활용한 인공지능 논문은 2015년부터 두드러지게 증가하고 있으며 적용 분야에서는 예측(prediction)이, 기술 방법에서는 비지도(unsupervised)가 가장 높게 나타나고 있습니다. 환자의 결과를 예측하는 프레임워크 중 대다수는 비지도 데이터 모델링(unsupervised data modeling)을 사용합니다.
◯ 대부분의 경우 정확한 분석을 위해서 전문 의료진이 annotation을 한 gold standard 데이터를 이용한 지도학습(supervised learning)을 활용하고 있으나, 환자군 분류 등 또는 annotation에 너무 많은 비용이 든다는 한계 등으로 비지도학습(unsupervised learning)이 활발히 연구되고 있습니다.
◯ 국내는 대부분 영상 분석을 위주로 하고 있으나, 생체신호 분석 또는 공통데이터모델(Common Data Model, CDM) 기반 빅데이터 분석 등의 접근이 존재합니다.
⑤ 완성도 높은 시그널 예측 모델을 임상 장비에 적용
◯ 국내에서도 인공지능 기술을 활용하여 환자의 생체 정보를 분석하고 이를 통해 환자의 위험상황을 예측하여 시각 또는 청각 등에 의한 경보를 발생시키는 제품을 개발 중입니다.
⑥ 병리영상 인공지능 기술을 활용하여 정밀 진단 가능
◯ 병리영상 임상 현황
- 뷰노의 안저질환 진단기기인 뷰노메드 FUNDYSCOPY 및 폐암 진단을 돕는 뷰노메드 CHEST CT, 딥바이오의 전립선암 진단기기, 메디픽셀의 폐암 진단기기, 메디웨일의 안질환 진단기기 등이 이미 임상을 진행 중이거나 준비 중입니다.
- 미국의 경우에도 아직까지 FDA 승인을 받은 건이 많지는 않은데, 다양한 임상시험이 진행되면서 evidence를 축적해 가는 과정에 있습니다.
◯ 병리영상 논문 현황
- 의료 및 병리영상 분야의 트렌드를 딥러닝 알고리즘의 유형을 통해 살펴보면, 2015년을 기점으로 논문 수가 현저히 증가세를 보이며, 의료장비 측면에서는 MRI를, 진료과 측면에서는 병리과를 활용한 논문이 가장 많습니다.
⑦ 인공지능 신약 개발 플랫폼으로 블록버스터급 약물개발 가능
◯ (인공지능 활용) 신약 개발을 위해 한 명의 연구자가 조사할 수 있는 자료는 한 해에 200~300여 건이나 인공지능은 100만 건 이상의 논문을 읽을 수 있는 동시에 400만 명 이상의 임상데이터 분석이 가능합니다.
◯ (인공지능 신약 개발 모델) 인공지능이 적합한 데이터를 탐색하고 새로운 연구가설을 수립할 수 있도록 근거를 제시하며, 분석결과를 조직화하고 연구팀에 공유하여 협업 능률을 높일 수 있도록 지원합니다.
◯ (미래 전망) 소수의 연구원만으로 비용과 기간을 대폭 줄여 블록버스터급 약물개발이 가능하며, 제약사가 약물을 개발하지 않고 라이센스 구매 및 판매에만 주력하는 등의 새로운 형태의 비즈니스가 등장할 것으로 전망합니다.
⑧ 엄격한 임상검증을 위해 설명과 추적이 가능한 AI 알고리즘 개발
◯ 의료 인공지능 기술을 활용하는 의료기기로 허가를 받아야 할 경우 X-AI를 이용하여 판독 결과에 대한 설명과 추적이 가능해야 하며,, 임상시험을 통해 알고리즘에 대한 정확성(accuracy)과 설명가능성(explainability) 제공을 통해 효과성 검증이 필요합니다.
⑨ 데이터의 측정·통합·분석·활용을 통해 디지털 헬스케어 혁신
◯ 헬스케어 데이터의 측정·통합·분석·활용에서 디지털 헬스케어 혁신을 시작할 수 있습니다.
- 디지털 헬스케어는 ‘헬스케어 산업과 ICT가 융합되어 개인 건강과 질환을 관리하는 산업 영역’으로 정의됩니다.
- 데이터 기반 디지털 헬스케어 혁신은 헬스케어 데이터를 측정, 통합, 분석, 활용하는 과정에서 의료와 건강관리 등 헬스케어 전반에 변화를 가져오는 것을 의미합니다.
◯ 우수한 병원 시스템을 통해 연간 수백만 명의 환자진료가 가능하며, 다양한 양질의 임상정보 획득이 가능합니다.
- 우수한 디지털 솔루션을 통해 의료정보의 효율적·경제적 보관, 전송, 조회 등이 가능합니다.
- 전 국민 건강정보 DB(건보공단, 심평원), 국가 Biobank의 67만 명 생체시료, 높은 수준의 의료정보화, 관련 R&D 투자 등 개인 맞춤형 의료 인프라 탁월합니다.
⑩ 혁신 기술일수록 진입과 평가가 어려우므로 규제 개선 필수
◯ (진입규제 이슈와 개선 방향) 100대 디지털 헬스케어 스타트업 중, 약 3/4에 해당하는 스타트업은 크게 세 가지 규제로 인해 사업에 영향을 끼칩니다(나머지 1/4에 해당하는 스타트업은 의료인이 아닌 자의 의료 광고 금지 등의 사유로 사업을 할 수 없음). 구체적으로 살펴보면, 44%는 의사-환자의 원격의료 금지로 인해, 24%는 DTC((Direct-to-consumer, 소비자 직접 의뢰) 유전자검사 항목을 제한하는 규제로 인해 발목이 잡히고, 마지막으로 7%는 데이터 관련 규제로 인해 진입이 제한됩니다.
⑪ AI 기반 의료기술의 보험 급여 책정과 신의료기술평가 추진
◯ 심평원의 가이드라인에 따르면, AI 소프트웨어를 사용하지 않는 경우 대비 이를 사용할 경우 AI를 사용하는 진료 행위가 비용효과성을 입증할 수 있기 때문에 Level 3,4는 급여화 고려 대상입니다.
◯ 치료 결과의 향상이나 비용효과성을 입증하는 것이 현실적으로 불가능한 경우에 속하는 Level 2는 급여화 검토 대상입니다.
- 영상 검사가 기존에 제공하지 않던 전혀 새로운 정보를 제공하는 소수 AI 경우 신의료 기술 평가의 대상이 될 것으로 예상합니다. (신의료기술은 새로운 (급여)(급여) 코드를 부여받는 것을 의미)
◯ (국외 상황) 주요 국가 중 충분한 임상적 효과(clinical utility)를 인정받아 보험으로 등재된 AI 의료기기 사례는 아직까지 없는 것으로 보입니다.
- 미국 ACR(American College of Radiology)의 경우, 보험급여가 아닌 business expense 형태의 의료기관 투자가 될 것이라고 발표했습니다.
- 일본의 경우, 예산 확보 후 2020년에 AI를 급여 반영하는 것을 목표로 합니다.
- 영국 NHS의 경우, 환자에게 나타나는 임상 효과 개선이 있어야 보험 급여가 가능하다는 입장을 보입니다.