Special Feature

머신러닝/딥러닝시대에 심장의학자가 지금 준비해야 할 것들

고려의대 안암병원 AI센터

머신러닝 및 딥러닝으로 대표되는 인공지능 시대에 심장의학자가 준비해야 하는 것 가운데 첫번째는 “좋은 자료가 좋은 모형을 대신할 수 있어도 좋은 모형이 좋은 자료를 대신할 수 없다”는 마음가짐과 함께 양질의 자료를 확보할 수 있는 인력과 자원이 아닌가 합니다. 인공지능 전문가에게 연구나 자문을 구하는 고객 가운데 많은 사람이 “양질의 자료가 구축하는데 시간과 노력이 많이 필요하니 인공지능 기술을 통해 이러한 상황을 피하고 싶다”는 잘못된 마음가짐을 지니고 있어서 드리는 조언입니다. 동일한 대용량 자료를 사용한다고 할 때 인공지능 모형 간 성능 차이는 크지 않으며 인공지능 기술과 연구의 수준을 결정하는 주요 요인은 양질의 자료를 구축하는가 아닌가에 달려있다는 점에서 양질의 자료를 구축할 수 있는 인력과 자원을 확보하는 것이 우선 순위가 되어야 할 것입니다. 예를 들어 필자가 근무하는 병원을 방문한 2만명 자료와 Convolutional Neural Network이라고 불리는 인공지능 모형 30가지를 사용해서 정상인과 부정맥 환자를 진단한 연구 결과를 국제학술지 BMC Medical Informatics & Decision Making 2019년 12월호에 출판했는데 이들 모형 간 정확성 차이는 99.0%에서 99.9%에 불과했습니다.

인공지능 시대에 심장의학자가 준비해야 하는 것 가운데 두번째는 심전도(Electrocardiogram)를 사용할 때를 포함해서 진단 기준의 표준화(Standardization of Diagnostic Criteria)라고 할 수 있습니다. 앞에서 언급했듯 인공지능 기술과 연구의 수준을 결정하는 주요 요인은 양질의 자료를 구축하는가 아닌가에 달려있는데 심장질환을 포함한 의료 인공지능 분야에서 양질의 자료를 구축하기 위해서는 진단 기준의 표준화가 절실하다고 많은 전문가들이 주장하고 있습니다. 훌륭한 교재나 스승 밑에서 훌륭한 제자가 탄생하는 것이 당연하며 이는 인공지능에도 적용된다고 할 수 있습니다. 뛰어난 제자가 뛰어난 교재나 스승이 제시하는 올바른 기준을 통해 훈련되고 성장하듯 뛰어난 인공지능도 (Gold Standard라고 하는) 올바른 기준을 통해 훈련되고 개선되며 이러한 올바른 기준은 의료 인공지능 분야의 경우 전문의들이 제시하고 있는데 개인별 기관별 편차가 큰 것이 사실입니다. 교재나 스승이 제시하는 기준이 잘못되면 제자도 잘못되는 것과 마찬가지로 전문의가 제시하는 진단 기준이 잘못되면 인공지능도 잘못되는 것이 현실이라는 점에서 진단 기준의 개인별 기관별 펀차를 줄이는 작업이 절실하다고 할 수 있습니다.

“인공지능 시대에는 인공지능이 의료인을 포함한 전문인 대부분을 대체할 것이다”라고 많은 사람이 우려하고 있는데 이는 과장된 면이 있는 것 같습니다. 인공지능에게 올바른 기준을 제시하는 주체는 결국 전문의를 포함한 전문가(사람)인데 심장질환을 포함한 대부분의 질환이 보다 만성화하고 이들 질환을 결정하는 요인이 보다 다변화함에 따라 이들 질환을 진단하고 이들 질환의 예후를 예측하는 기준 또한 다변화해서 의료 분야에서 인공지능이 독자적으로 기준을 세우고 해결할 수 있는 영역이 크게 늘어날 것 같지는 같습니다. 한편으로는 심전도를 사용할 때와 같이 표준화할 수 있는 부분은 표준화하고 다른 한편으로는 심장질환을 결정하는 요인 및 심장질환을 진단하는 기준에 대한 보다 폭넓은 접근을 개발해서 (정량적 업무에 특화된) 인공지능의 확산 속에서도 심장의학자들이 유연하게 시대를 선도할 수 있기를 기대합니다!