제52회 Digital Healthcare Forum

5월 28일 화요일에 개최된 제52회 Digital Healthcare Forum 에는

‘인공지능과 근거중심의학 (AI and Evidence-Based Medicine)’ 라는 주제로,

컬럼비아대학교 내과 및 의료정보 (Internal Medicine/Clinical Informatics) 전임의 박중흠 선생님을 모시고, 인공지능이 근거중심의학(Evidence-Based Medicine : 이하 EBM)을 중심으로 한 현재의 의료 패턴을 어떻게 변화 시킬지에 대해 조심스럽게 예측해보는 시간을 가졌습니다.

What is the Evidence in EBM? 라는 질문에 대한 적절한 답으로 소개해주신 문구는

"It's about integrating individual clinical expertise and the best external evidence." 입니다. 의사가 어떤 임상적인 판단을 내릴 때는 ‘본인의 개인적인 경험에 외부 데이터를 통한 리서치의 최적의 결론을 합쳐’ 근거중심의 판단을 내려야 한다는 것입니다.

근거중심의학(EBM)에 AI를 연결시킬 수 있는 조건에는

첫째 AI에 대한 근거가 필요하고,

둘째 AI 자체를 일종의 근거라고 생각할 수도 있습니다.

그렇다면 AI는 과연 그럴만한 기술력에 도달한 것일까요?

한때 IBM사의 AI 왓슨이 “의학의 미래”라고 불리며 의료산업에 도입되어 의사들의 업무가 많은 부분 AI로 대체되는 것이 아니냐는 전망이 나왔었습니다. 하지만 실제 도입의 결과는 많은 사람들의 관심과 기대에 비해 실망스러운 점이 적지 않았습니다. IBM에서 제시한 일치율에 비해 국내 실 사용자들이 측정한 일치율은 크게 떨어져 과장된 홍보였다는 비난과 인종적 특성이 AI에 반영되기 어려운 한계점을 보였고, 왓슨이 권고하는 약이 아직 한국에 들어오지 않았거나, 권고하는 항암제가 국내에서는 급여혜택이 제공되지 않거나, 또는 Data half-life 라 불리우듯 기존 data로 최적의 약을 검색해줄 때 이미 새로운 약이 계속 출시되는 등 실사용에 적절치 않은 한계점들이 계속해서 지적되었지요.

완벽한 Evidence, 완벽한 AI는 존재하지 않고

Better evidence가 better p-value를 의미하지도 않는다는 것을 염두에 두어야 할 것입니다.

AI에 대해서 차근차근 기본적인 것부터 강의에서 풀어주셨는데요

Supervised Machine Learning은 입력값과 출력값 사이의 매핑을 A to B 식으로 학습시키는 것입니다. 이 방법을 응용하여 조건에 따른 scoring 을 합산하여 출력값을 도출할 수도 있습니다.

이 방법을 이용한 Observational AI 은 Detection과 Prediction 에 유용할 것이고, Interventional AI는 환자를 위해 최적의 치료나 처치에 도움이 되는 결론을 내릴 수 있도록 도와줄 수 있을 것입니다

반면 Reinforcement learning은 Trial error를 이용하는 것으로 무수한 착오를 되풀이하며 최적의 조건을 찾아가는 방법입니다. 이 방법을 임상에서 환자들을 대상으로 사용할 수는 없겠지요. 하지만 이 경우, 실시간이 아닌 Observation data 위에서 Reinforcement learning을 유도하는 연구들을 통해 더 나은 AI를 만들 수 있습니다.

하지만 아직까지 이 두가지를 동시에 적용할 수 있는 AI 제작은 어려운 실정입니다.

의료분야에서

의사들이 직접 할수 없는 부분(예: 유전자분석, 높은 차원의 위험예측, multple tests결과의 조합,대규모 실험관리, 24시간 환자 monitoring ...)과

의사들이 할 수는 있지만 하고 싶어하지 않는 분야 (예: 구조화된 문서 작성, 기록 요약, medicaton titraton, medicaton reconciliation...)를 파고든다면 AI의 역할은 점차로 넓어져 앞으로 의료환경을 크게 변화시킬 수 있을 것입니다.

가까우면서도 흥미로운 주제에 강의시간만큼 질의응답이 활발히 이루어진 유익한 시간이었습니다.