[디지털 헬스①] 의사들은 왜 IBM 인공지능 ‘왓슨’을 외면했을까… ‘XAI’가 중요한

실시간
뉴스

솔루션

[디지털 헬스①] 의사들은 왜 IBM 인공지능 ‘왓슨’을 외면했을까… ‘XAI’가 중요한

디지털데일리 발행일 2022-02-19 20:58:38

박기록

URL복사

코로나19로 인해 지금 국내에선 과거엔 상상할 수 없었던 장면이 나타나고 있습니다.

늘어나는 코로나19 확진자의 재택치료 효율적으로 돕기위해 불가피하게 의료진들이 비대면 ‘원격 진료’를 하는 장면이 그것입니다.

현행 의료법상 이같은 원격 진료는 허용되지 않습니다. 어디까지나 '한시적' 조치입니다.

그러나 이같은 원격 진료의 현실적 제약을 수용하면서 동시에 인공지능(AI)기반의 환자 데이터 분석을 통해 치료효과를 극대화시키는 ‘AI기반의 헬스케어 플랫폼 서비스’가 다양한 형태로 속속 제시되고 있습니다.

‘AI기반의 헬스케어 플랫폼 서비스’는 온라인으로 진행하는 원격 진료가 아닙니다.

환자는 내원하기전에 충분히 자신의 데이터를 병원에 제공하고, 또 병원은 보다 정확한 환자 데이터를 사전문진을 통해 분석함으로써 실제 진찰에서 오진율 줄이고, 치료효과를 높이도록 도와주는 새로운 형태의 ‘통합 의료 플랫폼’입니다.

부득이한 경우를 제외하고는 환자는 최종적으로 의사를 직접 만나야 합니다. 이 과정에 앞서 보다 효과적으로 분석 데이터를 지원함으로써 환자-병원 모두 윈윈할 수 있도록 지원하는 것이 AI기반의 헬스케어 플랫폼 서비스의 본질입니다.

<디지털데일리>는 AI가 앞으로 헬스케어, 의료산업계 전반에 어떻게 효과적으로 활용될 수 있는지, 기술적 이해를 돕기위해 헬스케어분야 벤처기업인 인포마이닝(Infomining)과 함께 5회에 걸쳐 짚어 보고자 합니다. <편집자>

[디지털데일리 박기록, 신제인 기자] 올해 1월, IBM이 의료 인공지능(AI)사업인 ‘왓슨(Watson Health)’사업을 사모펀드인 프란시스코 파트너스(Francisco Partners)에 매각했다고 발표해 관련업계에 큰 주목을 끌었다.

‘의료 AI’라는 블루오션을 기대하고, 초대 회장인 토마스 왓슨의 이름까지 걸고 뛰어들었던 IBM이 불과 10억 달러의 헐값(?)에 매각해 버렸기 때문이다.

IBM이 지난 2015년 ‘왓슨’을 첫 출시한 이후 그동안 40억 달러를 쏟아부었기 때문에, 매각액을 고려하면 결과적으로 IBM 스스로 투자의 실패를 인정한 셈이다.

그렇다면 시장에선 왜 IBM의 ‘왓슨’에 대해 혹평을 내렸을까.

특히 ‘왓슨’을 직접 활용하는 의료계의 불신은 간과할 수 없는 부분이었다. 이런 가운데 의료산업계가 지적하고 있는 ‘왓슨’의 치명적인 문제는 ‘설명가능한 인공지능’(Explainable AI 또는 XAI)와는 거리가 멀다는 것.

참고로, 의료계에서 인공지능(AI)을 수식하는 ‘설명가능한’(Explainable)이란 말은 매우 중요하다.

즉, 의료 AI가 데이터분석 또는 딥러닝을 통해 어떤 의료적 결정을 내리든, 가장 중요한 것은 그 결론을 내린 근거를 분명하게 설명할 수 있어야 한다는 것이다. 특히 사람의 생명을 다루는 의료계에서 ‘설명가능한 AI’ 즉, EXI는 0.1%도 양보할 수 없는 절대적 가치다.

그런데 ‘왓슨’은 영상 데이터를 분석해 암의 여부를 진단했지만 정작 그 판단의 근거를 정확하게 제시할 수 있는 구조가 아니었다는 것. 이런 경우는 분석의 정확도가 높다하더라도 의학적으로 채택이 불가능한 ‘블랙박스’일 뿐이다.

이같은 ‘의료 EXI’에 대해 의료AI 플랫폼 전문기업 인포마이닝의 이재용 대표는 “의료라는 행위는 근거 중심의 의학이기 때문에 어떤 경우라도 근거가 뒷받침돼야한다”고 설명했다. ‘설명할 수 없는’ 딥러닝은 이러한 추론도 불가능하기 때문에 진단의 자료로 채택할 수 없다는 것.

또한 이 대표는 “그동안 시장에서 제시된 AI 딥러닝은 본인이 학습한 것에 기반하는 것인데, 이 논리 구조가 의료에는 적합하지 않은 측면이 있다”고 말했다.

즉, AI가 환자를 진단할때 ‘몇퍼센트의 확률로 이것에 가깝다’라고 생각해 볼 수 있는데, 이는 사람마다 고유한 체질과 신체적 특징을 가지고 있는 점을 고려하면 매우 위험한 접근이라는 것이다.

또한 시대가 지날수록 검사의 방법이 다양해지고 병리학이 발전하는 이유는 이 때문이다. 그만큼 사람에 따라, 그리고 그 상황에 따라 맞춰진 진료를 해야한다.

이 대표는 “의료진에게 진료는 ‘아 이런 증상에는 이런 이런 질병이 있지, 그런데 검사 결과가 이렇네. 그럼 이거는 아니겠다. 그럼 이거일 가능성이 제일 높다’ 라는 식의 추론을 해 나아가는 과정”이라며 “그렇기에 의료진들에게 AI가 결론을 내린 근거를 제시하는 것은 굉장히 중요하다”고 강조했다.

이 때문에 의료AI 기반의 헬스케어플랫폼을 제시하고 있는 인포마이닝도 이처럼 ‘설명가능한 의료 AI’ 성능에 초점을 맞추고 있다. 이 대표는 “의료계가 원하는 AI는 단순히 딥러닝의 기법만 이용하는 것이 아닌 논리와 추론이 섞인 딥러닝이 필요한 것”이라고 소개했다.

◆‘설명가능한 AI’ 구현은 어떻게?

의료진에게 결과가 나온 것에 대한 충분한 근거를 제공하고, 해외에서도 이를 뛰어넘는 공감 가능한 AI 기법을 개발 중에 있다.

물론 이러한 순도높은 ‘설명가능한 AI’를 만들기 위해서는 가급적 풍부한 의료 데이터의 집적(集積)와 함께 정확한 빅데이터 분석 기술이 결합돼야 한다.

인포마이닝의 경우, 전국 각 지자체 보건소 검사 및 진단데이터, 주요 병원의 질병 진단 데이터, 건강보험 공단의 건강검진데이터 등 수십억개의 데이터를 활용하고 있다. 국내외 의료AI 기반의 서비스 플랫폼 회사들의 경우, 비즈니스 모델을 조금씩 다르겠지만 기본적으로 데이터 분석을 위한 AI 성능 향상에 대한 투자는 공통의 관심사다.

환자가 병원 방문전에 의료 AI챗봇을 이용해 사전 문진을 진행하고 있는 장면 <자료: 인포마이닝>

이러한 빅데이터 분석을 기반으로 ‘AI기반 헬스케어솔루션’을 제시하고 있다. 이 솔루션은 생체신호를 측정하는 측정기기와 통합의료지원 모니터링 서비스 플랫폼으로 구성됐다. AI기반 생체신호를 측정, 분석해 질병을 예측해주는 방식으로 진료절차를 정밀하고 간소화함으로써 통합의료지원 모니터링 플랫폼의 역할을 한다.

일반적으로 AI기반 헬스케어시스템의 기능중 하나로 환자의 사전 정보취합과 관련해 AI 챗봇을 활용하는 방식이 많이 활용되고 있다. ‘사전문진서비스’, ‘진료과 추천서비스’ 등과 같은 서비스가 AI챗봇을 통해 활용되고 있다.

‘사전문지서비스’는 원격진료 또는 방문진료 이전에 진행하는 사전문진을 AI가 대신하도록 하는 서비스다. AI 챗봇을 통해 환자는 기본적인 정보 및 증상, 가족력, 과거력 등을 의사의 대면 진료전에 충분히 제공한다. 이런 과정을 통해 짧은 ‘3분 진료’와 같은 진료 시간의 한계를 극복하고, 의사는 오진율을 크게 줄일 수 있다.

또한 ‘진료과 추천 서비스’는 AI챗봇을 통해 문장으로 해당 증상을 표현하면 진료과를 알려주는 서비스다. 이 서비스가 활성화되면 환자는 병원 콜센터, 원무 상담시간 등을 크게 절약할 수 있다.