이상수의 health policy insight

[Health Policy Insight 156회]

10가지 유망한 헬스케어 인공지능(Artificial Intelligence, AI) 기술

▲ 이 상 수
메드트로닉코리아
대외협력부 상무

인공지능(artificial intelligence, AI)이 헬스케어를 어떻게 변화시킬지에 대해 많은 관심을 불러일으키고 있다. 많은 AI 기술이 관리와 임상 헬스케어 프로세스를 간소화하도록 돕고 있다.

벤처 캐피털기업 Rock Health에 따르면, 121개의 헬스케어 AI 및 머신러닝(machine learning, ML) 기업이 2011~2017년 동안 206건의 거래에서 27억 달러를 모금했다. 헬스케어 AI 분야는 웰니스(wellness)부터 진단과 운영기술에 이르기까지 폭이 넓기도 하지만 헬스케어 AI 적용은 대개 단일 업무만 수행하여 폭이 좁기도 하다. 10가지 유망한 AI 적용 가치를 조사한 결과, 2026년까지 미국 헬스케어 분야에서 연간 1,500억 달러의 비용절감을 할 수 있다고 분석되었다.

채택 가능성 및 연간 비용절감 효과 가능성을 토대로 특정 AI 적용을 확인했다. AI는 현재 임상의가 생산성을 높이고 후방 프로세스(back-end process)를 보다 효율적으로 수행할 수 있도록 지원하는데 가장 큰 가치를 창출하고 있지만 임상 의사결정(clinical decisions)과 임상결과(clinical outcomes)를 개선하는데 아직 큰 가치를 창출하지는 못한다. 임상 적용은 여전히 드물다. 케어의 최전선에 있는 AI의 몇 가지 예를 살펴보면 다음과 같다.

AI는 영상의학전문의 검토를 위해 특정 이형(anomaly)을 신속하고 정확하게 알려줌으로써 이미지 분석의 효율성을 향상시킬 수 있음을 입증했다. 2011년에 NYU Langone Health의 연구자들은 이러한 유형의 자동화분석이 특정 폐결절(혹은 가슴 CT 영상)을 영상의학전문의보다 62~97% 더 빨리 발견하고 매칭시킬 수 있음을 발견했다. 영상 분석에서 AI가 생성한 효율성은 영상의학전문의에게 더 많은 해석이나 판단이 필요한 검토에 집중할 수 있게 함으로써 연간 30억 달러의 비용 절감효과를 창출할 수 있다.

또 다른 분야는 AI 보조 로봇수술(AI-assisted robotic surgery)이다. 정형외과 수술에서 AI 보조 로봇의 한 형태는 수술 전 의료기록 데이터를 분석하여 수술 중에 실시간으로 외과의사의 수술기구를 물리적으로 안내한다.

또한 실제 외과적 경험의 데이터를 사용하여 새로운 수술기법을 알릴 수 있다. 9개의 외과수술 부위에서 379명의 정형외과 환자를 대상으로 한 연구에서 Mazor Robotics가 만든 AI 보조 로봇기술은 외과의가 단독 수술을 한 경우에 비해 수술 합병증을 5배 감소시킨 것으로 나타났다.

정형외과 수술에 적절히 적용될 때 AI 보조 로봇수술은 합병증과 실수의 감소로 인해 수술 후 병원의 환자 재원기간이 21% 단축되고 연간 절감액이 400억 달러에 이른다. AI 기술은 복용량 오류(dosage errors)의 고비용 문제에 적용되고 있으며 AI는 160억 달러의 비용 절감효과를 창출할 수 있다.

2016년 캘리포니아에서 실시한 획기적인 임상시험은 AI 도움으로 개발된 수학적 공식이 기관환자(organ patients)에게 투여할 면역억제제의 투여량을 정확하게 결정했음을 밝혀냈다. 복용량 결정은 전통적으로 가이드라인과 학습된 추측(educated guesswork)의 조합에 달려 있으며 투여 오류는 예방가능한 모든 의료오류(medical errors)의 37%를 차지한다. 이러한 유형의 AI 기술은 초기 단계에 있지만, 장기이식 후 이식편이 거부되지 않도록 올바른 복용량이 중요하다는 점을 감안할 때 강력한 사례를 제시한다.

AI를 사용하여 임상적 판단이나 진단을 돕는 것은 여전히 초기 단계에 머물러 있지만, 그 가능성을 보여주는 일부 결과가 도출되고 있다. 2017년 스탠포드대학의 한 연구진은 21명의 피부과의사 대비 AI 알고리즘을 시험하여 피부암을 찾아내는 능력을 시험했다. 2017년에 Nature지에 보고된 임상결과는 "AI는 모든 시험을 통과한 전문가들과 동등한 성능을 보여 주며, 피부과전문의와 비슷한 수준의 능력으로 피부암을 분류할 수 있음을 입증한다."라고 결론지었다. 환자가 응급실로 가기 전에 예비진단을 함으로써 AI가 연간 50억 달러 비용을 절감 할 수 있다.

AI 지원 가상 간호보조원(AI-powered virtual nurse assistants)이 환자를 도울 수 있는 가능성을 보기 시작했다.

예를 들어, Sensely의 "Molly"는 UCSF와 영국의 NHS가 환자와 상호작용하고, 건강에 대해 질문하고, 증상을 평가하고, 가장 효과적인 케어 환경으로 인도할 수 있도록 사용되는 인공지능 강화 간호사 아바타(AI-powered nurse avatar)이다.

AI 강화 간호보조원은 간호사가 환자 유지관리 업무에 소비하는 시간의 20%를 절감하여 매년 200억 달러를 절약할 수 있다. AI는 또한 헬스케어산업에 비용이 많이 드는 후방업무 문제(back-office problem)와 비효율 관리에 도움이 된다. 환자 케어와 관련이 없는 활동은 간호사 업무량의 절반 이상(51%)과 의사 활동의 거의 1/5(16%)을 소비한다.

음성텍스트전사(voice-to-text transcription)와 같은 AI 기반 기술은 행정 업무흐름(administrative workflows)을 향상시키고 차트 노트 작성, 처방전 작성 및 검사 주문과 같이 시간 소모적인 비환자 케어 활동(non-patient-care activity)을 없앨 수 있다. 이러한 적용을 통해 산업계는 연간 180억 달러의 비용을 절감할 수 있다.

Beth Israel Deaconess Medical Center는 AI가 활성화 된 암검진(cancer screen)에 대한 관심을 얻었지만 AI에 대한 첫번째 시도는 좀더 평범했다: 재입원율 감소 및 발생 가능한 노쇼(no-shows) 확인. 기계학습을 사용하여 Beth Israel Medical Center의 기술자는 어떤 환자가 치료시 노쇼 할지 혹은 치료에서 부주의가 있을지 예측하여 사전에 개입할 수 있는 어플리케이션을 개발했다. 

오류 및 사기는 의료기관과 보험자에게 유사하게 비용이 많이 드는 문제이다. 사기 탐지는 전통적으로 전산화(규칙 기반) 및 의료청구에 대한 수작업 검토의 조합에 의존해 왔다. 개입하기 위해 사건이 발생한 후 신속하게 이례적인 것을 발견하는데 성패가 달려있는 시간 소모적인 과정이다.

보험자는 AI 지원 데이터마이닝과 AI 기반 신경망(인간의 뇌의 과정을 모방하지만 훨씬 더 신속함)을 실험하여 의료보험 사기와 관련된 패턴에 대한 메디케어 청구를 조사하고 있다. AI가 메디케어 청구에서 사기 탐지의 속도와 정확성을 향상시킴으로써 연간 170억 달러를 절감할 수 있다.

과거 몇 년간 사기성 활동을 넘어서서 WannaCry 혹은 Petya와 같은 데이터 유출(data breach) 사건이 발생하여 사이버보안(cybersecurity)이 의료기관의 주된 관심사가 되었다. 헬스케어 데이터 유출은 환자기록 당 380달러의 비용을 의료기관에 유발시키는 것으로 추정된다. AI를 사용하여 데이터(proprietary data)와 비정상적인 상호작용을 모니터링 및 탐지하면 의료기록 유출을 줄임으로써 연간 20억 달러의 비용 절감효과를 얻을 수 있다.

AI 기술이 보편화됨에 따라 의료기관은 최고의 가치를 제공하는 기술에 투자해야 한다. AI를 임상적 판단에 사용하는 것은 여전히 초기 단계에 머물며 의미있는 방식으로 완전히 뿌리 내릴 시간이 필요하다. 그러나 오늘날 최고의 가치를 제공할 수 있는 AI 어플리케이션(AI 보조 수술, 가상 간호사, 행정 업무흐름)은 우선순위를 매기고 투자되어야 하며 의료공급자와 보험자는 더 나은 케어에 집중할 수 있다.

시사점
· 헬스케어 AI 기술은 현재 임상의가 생산성을 높이고 후방 프로세스를 보다 효율적으로 수행할 수 있도록 지원하는데 가장 큰 가치를 창출하고 있으며 임상 의사결정과 임상결과 개선을 위해 발전되고 있음

출처 : 10 Promising AI Applications in Health Care
Kalis B, Collier M, Fu R. Harvard Business Review. MAY 10, 2018
https://hbr.org/2018/05/10-promising-ai-applications-in-health-care

* 본 컬럼은 의료기기를 비롯한 헬스케어 분야의 국내외 학회지에 발표된 논문 및 연구보고서 등을 살펴봄으로써 우리나라 의료기기 관련 보건의료정책 마련에 통찰력을 제공하기 위한 목적으로 매주 발표됨

키워드

#N
저작권자 © 의료기기뉴스라인 무단전재 및 재배포 금지