대한의료인공지능학회 제1회 학술대회

지난 5월 18일 대한 의료인공지능학회의 제1회 학술대회가 분당서울대병원 헬스케어 혁신파크에서 열렸습니다. 인공지능의 발전과 의료분야 적용에 대한 관심과 수요가 늘어나고 있는데 맞추어 작년에 새롭게 탄생한 신설 학회입니다. 학회가 출범하고 첫 학술대회인 만큼 열정과 열의가 대단했습니다. 학술대회의 주요 소식에 대해 전해드리겠습니다.

 

 

제1회 대회에 맞추어 장소도 지어진 지 얼마 안 되는 헬스케어 혁신파크 대강당에서 진행되었습니다. 들어가는 길에는 다양한 의료-인공지능 분야 기업들의 부스가 줄지어있었습니다. 순서는 사진과 같이 진행되었습니다. 어떤 강연 중에 강연자분께서 참석자의 분포가 궁금하다며, 관련 분야를 조사한 적이 있었습니다. 전체 참석자 중 45%는 의료계(주로 의사), 45%는 공학 관련, 10% 정도는 인문학 관련 분야를 전공하고 있었습니다. 다양한 사람들이 융합해야 하는 분야이구나 하는 점이 느껴지는 조사 결과였습니다. 다양한 강연이 이어졌지만, 기억에 남는 강연 몇 가지를 소개하고자 합니다.

 

 

1. Recent trends in Deep Generative Models

구글 브레인의 홍승호 교수님이 진행하시는 Deep generative model에 대한 강연입니다. 지금까지의 인공지능은 input 값과 output 값을 모두 줘야 학습이 가능했습니다. 예컨대 사과 사진을 보여주고(input), ‘이게 사과야’라고 알려주어야(output) 컴퓨터가 학습할 수 있었습니다. 하지만 Deep generative model은 그저 input 값을 넣기만 하면, 컴퓨터가 알아서 의미 있는 데이터를 생성해서 output을 보여주는 모델입니다. 예컨대 저해상도 이미지를 넣으면, 자동으로 고해상도 이미지를 내놓고, 초등학생이 대충 그린 산/바다 그림을 넣으면 실제 산/바다 이미지로 바꿔서 내놓는 것과 같습니다.

기술적인 구현 방법에는 AGM(auto regressive model), VAE(variational autoencoder), GAU(generative adversarial network) 등이 있습니다. 간단하게 설명하자면, AGM은 현재 M 값을 예측하는데 1~M-1값을 계산해서 예측하는 기술이고, VAE는 현재 데이터의 본질이라고 생각하는 “latent”라는 또 다른 데이터를 활용해서 현재 데이터를 예측하는 기술입니다. GAU는 기계가 스스로 짝퉁 데이터를 생성하고 컴퓨터가 그 짝퉁 데이터와 진품 데이터를 구분할 수 있는지를 보면서 학습하는 방식입니다.

이러한 방법이 인공지능 분야에서 굉장히 뜨고 있는 방식이라고 하는데, 문제가 있다면 평가가 어렵다는 점입니다. input과 짝을 짓는 결괏값이 없으니 정답인지 아닌지 판별할 수가 없는 것입니다. 이러한 기술을 처음 들어본 저로서는 ‘엄청나다’라고 생각하다가 문제점을 듣고 나서야 의료 적용에는 한계가 많은 방식이겠구나 하는 생각을 하기도 했습니다.

 

 

 

2. AI in Medicine : What I have done and what google doing now

구글 브레인에 계시는 에드워드 최 교수님의 강연이었습니다. 앞선 강연이 AI 분야에 대한 개괄이었다면, 이 강연은 실제 AI를 의료분야에 적용하는 연구입니다. 사실 헬스케어 분야에 AI를 적용하는 방법은 굉장히 다양합니다. 행정적인 병원관리/보험관리/약 개발/질병 모델 등 우리가 생각해보지 못한 많은 루트가 있습니다. 그중에서 본 연구는 EMR(electronic health record)이라는 부분을 파고들었습니다. EMR은 환자 진료 기록 차트입니다. 인적사항, 병명, 약 처방, 입원 비율 등 환자에 대한 모든 정보를 기록해놓은 데이터입니다.

본 연구는 EMR 데이터를 컴퓨터에 학습시켜서, 질병에 대한 예측(병원 재방문에 대한 예측)을 가능하게 도와줍니다. 미국 같은 경우는, 환자가 괜찮다고 판단되어 퇴원했는데 며칠 안에 다시 병원에 오면, 의사와 병원이 페널티를 받는 규정이 있다고 합니다. 따라서 본 연구는 이런 페널티를 방지할 수 있도록 도와줍니다.

한편 구글은 어떤 방식으로 AI를 적용할까요? 연구실(개인)-한 병원 단위의 연구와 다르게 구글은 거대한 기업입니다. 따라서 이윤을 내고 모든 병원에 적용할 수 있는 기술을 개발하길 원합니다. 그래서 구글이 파고든 곳은 FHIR 분야입니다. 현재 각 병원의 진료 기록 데이터는 각 병원별로 다른 프로그램을 쓰고 다른 방식으로 저장합니다. 하지만 병원 간 데이터를 비교하거나 전송할 때 서로 언어는 문제를 발생시킵니다. 그래서 이 데이터를 만국 공통어로 번역해주는 기술이 필요합니다. 이 기술이 바로 FHIR, 공통포맷입니다. 여러 병원의 각기 다른 언어들을 FHIR로 한 언어로 바꾸고, 이 언어들을 바로 예측 알고리즘에 넣으면, 각 병원에 맞게 머신러닝 알고리즘을 새로 짤 필요가 없게 되는 것입니다.

그동안 의료-인공지능 분야에서 환자입장에서 질병을 예측하는 모델만을 생각했었는데, 강연들을 통해서 보험이나, 약 처방 같은 색다른 부분에서도 인공지능을 활용할 수 있겠다는 생각이 스쳤습니다. 그뿐만 아니라 EMR같이 환자 입장에서는 알 수 없는 어려움에 대해 의사-공학자 사이의 학제 간 연구가 있어야, 문제를 공유하고 해결을 할 수 있는 실마리를 찾아낼 수 있을 것 같습니다. 때문에 이러한 의료-공학 분야를 연결하는 의료인공지능학회가 계속 이어져야 하는 이유기도 합니다.