인공지능
AI 기반 예측 모델이 의료를 비약적으로 발전시킬 전망
Securities.io를 Google의 선호 소스에 추가
AI의 목표는 기계가 인간의 사고와 행동을 모방하도록 하는 것으로, 학습, 추론, 예측을 포함합니다. 이 노력의 핵심은 AI 기반 모델링이며, 이는 자동화되고 지능적인 시스템을 만드는 기반이 됩니다.
이러한 모델을 구축하기 위해 다양한 기술이 활용되며, 이는 금융, 의료, 농업, 사이버 보안 등 다양한 실제 분야에 적용 가능한 스마트 시스템을 만드는 데 필수적입니다.
이 모델들의 개발은 문제의 특성과 해결 요구에 따라 기술통계, 진단, 예측, 처방 등 다양한 유형의 분석을 활용하는 경우가 많습니다.
오늘은 미래에 일어날 일을 예측하기 위해 데이터를 탐색하는 예측 분석에 초점을 맞춥니다. 방대한 데이터를 활용함으로써 모델은 인식 가능한 패턴을 해석하고, 이는 정확한 예측을 가능하게 하며 정보에 입각한 결정을 내리는 데 도움을 줍니다.
인공지능 투자에 대해 모두 알아보려면 여기를 클릭하세요.
AI의 트렌드 인식에 대한 뛰어난 능력
AI는 변수 집합 내에서 트렌드를 인식하는 뛰어난 능력을 가지고 있습니다. 이는 인간과 달리 기술이 방대한 데이터를 빠르게 처리하고, 패턴과 트렌드를 식별하며 그 의미를 파악할 수 있기 때문입니다.
AI 모델은 제공된 데이터를 기반으로 결과를 예측하는 작업을 머신러닝 알고리즘을 통해 수행합니다.
트렌드를 분석할 때는 학습 및 적응 능력 때문에 인간 뇌 기능에서 영감을 받은 신경망이 일반적으로 사용됩니다. 트렌드 분석에 핵심적인 다른 머신러닝 알고리즘으로는 데이터를 구별된 클래스으로 분류하는 서포트 벡터 머신(SVM)과 다수의 결정 트리를 결합해 강력한 예측 모델을 만드는 랜덤 포레스트가 있습니다. 베이지안 네트워크는 변수 집합 간의 통계적 의존성을 나타내는 확률 그래프 모델을 사용합니다.
의료 분야에서는 이러한 머신러닝 알고리즘을 활용해 AI 기반 예측 모델을 구축함으로써 보다 개선되고 맞춤화된 개인별 치료 및 치료 계획을 제공할 수 있습니다.
이를 위해 AI는 다양한 의료 데이터를 분석하여 질병 진행의 새로운 트렌드를 제시합니다. 이는 의료 전문가가 사전에 건강 문제를 해결하고 치료 전략을 조정하여 환자 치료 방식을 재구성할 수 있게 합니다.
의료 분야에서 AI의 패턴 감지 능력의 잠재력
이제 기술이 변수 집합 내에서 트렌드를 인식하는 실제 활용 사례를 살펴보겠습니다.
증상 발현 이전에 패혈증을 감지하는 AI 감시 도구
최근 연구에서 연구자들은 새로운 AI 알고리즘을 활용해 고위험 환자에서 패혈증 감염을 성공적으로 예측하고 생명을 구할 수 있음을 발견했습니다.
패혈증은 전 세계적으로 사망 및 이환의 주요 원인입니다. 이 상태에서는 신체의 면역 체계가 감염에 과도하게 반응하여 자체 조직과 장기에 손상을 입힙니다.
미국에서는 매년 최소 170만 명의 성인이 패혈증에 걸리며, 약 35만 명이 이 생명을 위협하는 혈액 감염으로 사망합니다. 한편, 전 세계적으로 매년 약 4,890만 명이 영향을 받으며, 그 중 약 1,100만 명이 사망합니다.
하지만 캘리포니아 대학교 샌디에고 의과대학 연구자들은 AI를 활용해 이러한 수치를 바꾸려 하고 있습니다.
디지털 메디신 온라인판에 발표된 연구에 따르면, 연구자들은 COMPOSER라는 AI 알고리즘을 개발했습니다. 이 알고리즘은 실시간 데이터를 활용해 임상 징후가 나타나기 전에 환자가 해당 상태인지 미리 알려주며, “조용하고 안전하게 뒤에서” 작동합니다.
UC 샌디에고(UCSD) 응급의학과 중환자 관리 부서장인 가브리엘 워디 박사(연구 공동 저자)는 이 모델이 모든 환자를 지속적으로 감시해 패혈증 징후를 탐지한다고 밝혔습니다.
패혈증을 조기에 인식하는 것은 질병 진행 초기에 개입하면 더 큰 효과를 얻을 수 있기 때문에 중요합니다.
이 모델은 지역 유일의 학술 의료 시스템인 UC 샌디에고 헬스 응급실에서 패혈증 위험 환자를 식별하는 데 사용되었으며, 사망률을 17% 감소시켰습니다.
작동 방식은 환자가 응급실에 접수된 후 COMPOSER가 패혈증과 연관될 수 있는 150개 이상의 다양한 환자 변수를 모니터링하기 시작하는 것입니다. 이러한 변수에는 인구통계, 병력, 활력징후, 검사 결과가 포함됩니다.
환자에게 다수의 변수가 발견되어 패혈증 위험이 높다고 판단되면, 알고리즘은 병원의 전자 건강 기록을 통해 간호 직원에게 알립니다. 직원은 의사와 함께 확인하고 환자에게 적절한 치료 계획을 결정합니다.
“이러한 고급 AI 알고리즘은 인간의 눈에 처음에는 명확하지 않은 패턴을 감지할 수 있습니다.”
– 샤밈 네마티, Ph.D., 연구 공동 저자이자 UC 샌디에고 의과대학 예측 분석 담당 이사 및 생물의학 정보학 부교수
그는 또한 덧붙였습니다:
“시스템은 이러한 위험 요인을 살펴보고 패혈증에 대한 매우 정확한 예측을 도출할 수 있습니다.”
이 연구는 미국 국립보건원(NIH), 국립의학도서관(NLM), 그리고 UC 샌디에고 헬스의 Joan 및 Irwin Jacobs 건강 혁신 센터의 지원을 받아 진행되었으며, AI 알고리즘이 병원 응급실에 도입되기 전후 6,200건 이상의 환자 입원을 조사했습니다.
이는 AI 딥러닝 모델을 활용하고 환자 결과 개선을 보고한 최초의 연구이며, 모델은 인공 신경망을 사용해 환자의 복합적이고 다중 위험 요인을 정확하고 안전하게 식별합니다. 워디는 다음과 같이 말했습니다:
“이 AI 모델 덕분에 우리 팀은 환자에게 생명을 구하는 치료를 더 빠르게 제공할 수 있습니다.”
COMPOSER는 2022년 12월에 처음 활성화되었으며, 현재 UC 샌디에고 헬스 전역의 다수 병원 입원 부서에서 활용되고 있습니다. 앞으로는 UC 샌디에고 헬스 이스트 캠퍼스에서도 사용될 예정입니다.
최근 보건 의료 센터는 최초의 최고 보건 AI 책임자를 발표했습니다. 또한 클라우드 기반 전자 건강 기록 시스템인 Epic과 ChatGPT가 자동으로 보다 친절한 메시지 응답을 초안 작성하도록 하는 파일럿을 시작했으며, 이를 통해 의사와 간병인이 환자 치료에 집중할 수 있게 되었습니다.
“전자 건강 기록에 AI 기술을 통합하는 것이 디지털 헬스의 약속을 실현하는 데 도움이 되고 있습니다.”
– 크리스토퍼 롱허트, 연구 공동 저자이자 Jacobs 건강 혁신 센터의 전무 이사 겸 UC 샌디에고 헬스의 최고 의료 책임자 및 최고 디지털 책임자
정확하게 질병을 예측하기 위한 유전체 데이터 분석 소프트웨어
AI 기반 예측 모델이 의료 분야에 도움이 되는 또 다른 예는 지난 주에 발표된 연구에서 확인할 수 있습니다. Rutgers Health에서 만든 최초의 소프트웨어인 IntelliGenes는 AI와 머신러닝을 결합해 개인의 질병을 예측합니다. 이 모델은 유전체 데이터를 분석해 건강 관련 바이오마커를 찾아 개인 맞춤형 환자 예측과 시각적 표현을 제공합니다.
다중 유전체 데이터는 환자의 고유 유전적 구성을 알려주며, 질병 위험에 기반한 새로운 바이오마커를 발견할 가능성을 가지고 있습니다. 연구에서는 다음과 같이 언급했습니다:
“우리는 다수의 AI 알고리즘을 시너지 효과 있게 활용하는 것이 단일 AI 알고리즘만 사용할 때보다 더 정확한 결과를 제공하고, 통찰력 있는 결론을 도출하며, 실제 문제에 대한 정밀한 예측을 가능하게 한다고 믿습니다.”
추가 연구에서는 서포트 벡터 머신(SVM)과 랜덤 포레스트(RF)가 높은 정밀도로 예측을 수행하고 회귀 및 분류 문제를 해결하는 데 가장 성공적인 머신러닝 알고리즘임을 밝혔습니다.
현재 완전한 인간 유전체를 조사하고 해석할 수 있는 AI 도구는 없으며, 특히 비전문가나 고성능 컴퓨터가 없는 사람들을 위해 설계된 도구도 없습니다. 따라서 연구진은 누구나 사용할 수 있는 IntelliGenes를 개발했으며, 이는 생물정보학 기술에 대한 깊은 지식이 없거나 고성능 컴퓨터가 없는 사람들도 활용할 수 있습니다.
Rutgers Health 연구진은 머신러닝 알고리즘을 결합해 기존 통계 및 전통적인 생물정보학 기법으로는 놓치기 쉬운 정보를 밝혀내고자 합니다.
연구진은 이후 연구에 IntelliGenes를 적용해 새로운 바이오마커를 발견하고 심혈관 질환(CVD)을 높은 정확도로 예측했습니다.
연구에 따르면 AI와 ML 방법론을 적절히 활용하면 심혈관 질환에 대한 새로운 통찰과 이해를 제공할 수 있으며, 이는 보다 맞춤형 치료를 가능하게 합니다.
연구는 유전자 발현 데이터의 철저한 전처리로 시작했으며, 이후 세 가지 통계 검정을 사용해 전사체(전체 RNA 집합) 발현 차이와 심혈관 질환 환자와 건강한 개인의 임상 특성 차이를 평가했습니다.
연구팀은 CVD 인구에서 18개의 전사체 바이오마커를 발견했으며, 이를 사용해 질병을 최대 96% 정확도로 예측했습니다. 이러한 결과는 코호트 환자들의 임상 기록과 교차 검증되었습니다.
“데이터 세트의 융합과 인공지능 및 머신러닝의 눈부신 발전에는 거대한 잠재력이 있습니다.”
– 지샨 아흐메드, 연구 주요 저자. 아흐메드는 Rutgers 보건 정책 및 노화 연구소(IFH) 소속 교수이며 로버트 우드 존슨 의과대학의 의학 조교수입니다.
그에 따르면, 이 모델은 개인의 흔한 질병과 희귀 질병을 조기에 맞춤형으로 탐지할 뿐만 아니라, 궁극적으로 새로운 중재와 치료법을 이끌어낼 광범위한 연구의 문을 열어줍니다.
AI는 아직 완벽한 솔루션이 아니다!
우리가 보았듯이, AI 기반 모델은 의료 분야에서 큰 장점을 가지고 있으며, 질병을 조기에 높은 정확도로 감지하고 많은 생명을 보호할 수 있습니다. 그러나 아직 궁극적인 해결책은 아니며, 적어도 현재는 그렇지 않습니다. 이는 이번 달 초에 발표된 연구에서 AI를 실제 현장에 적용할 때 실수가 발생한다는 점을 보여줍니다.
이번 달 초 Modern Pathology 저널에 발표된 이 연구는 조직 내 오염이 AI 학습 모델에 어떤 영향을 미치는지 최초로 조사한 연구입니다.
이 연구에서 연구자들은 태반 조직의 현미경 슬라이드를 분석하기 위해 세 개의 AI 모델을 훈련시켰으며, 작업에는 혈관 손상 식별, 임신 주수 추정, 거대 병변 분류가 포함되었습니다. 또한 네 번째 모델은 바늘 생검에서 얻은 조직 샘플에서 전립선 암을 감지하도록 훈련되었습니다.
모델의 견고성을 테스트하기 위해 연구자들은 각 모델에 다른 슬라이드에서 무작위로 추출한 혈액 및 방광 조직과 같은 소량의 오염 조직을 노출시켰습니다. 이 단계는 실제 환경에서 오염 물질이 자주 존재한다는 상황을 모방하기 위한 것이었습니다.
AI 모델의 성능을 평가한 결과, 네 모델 모두 주요 작업에 집중하기보다 조직 오염 물질에 주의를 빼앗겼음이 밝혀졌습니다. 이로 인해 임신 주수 추정, 전립선 암 진단, 병변 식별, 혈관 손상 평가에서 부정확성이 발생했습니다. 이는 AI가 훈련되지 않은 다양한 실제 물질을 마주하게 되면서, 깨끗한 시뮬레이션 환경과는 달리 성능이 저하되는 이유입니다.
“우리의 발견은 실험실에서 놀라울 정도로 잘 작동하는 AI가 실제 현장에서는 실패할 수 있다는 점을 상기시켜 줍니다. 환자는 여전히 조직 슬라이드와 기타 조직 샘플에 대한 진단에서 인간 전문가가 최종 결정을 내려야 합니다. 병리학자들은 컴퓨터가 우리의 일자리를 위협할까 두려워하고 AI 기업들은 이를 기대하고 있습니다. 아직은 그렇지 않습니다.”
– 공동 저자 제프리 골드스타인 박사
AI뿐만 아니라 조직 오염을 감지하도록 광범위하게 훈련된 병리학자에게도 조직 오염은 꽤 흔한 문제입니다. 그러나 연구는 의사와 비병리학 연구자들이 이 사실에 놀라움을 금치 못한다는 점을 지적했습니다. 하루에 병리학자가 스캔하는 80~100개의 슬라이드 중 2~3개는 오염이 포함될 것으로 예상되며, 이들은 무시하도록 훈련받고 있습니다.
연구에 따르면 AI 모델은 인간이 슬라이드에서 조직을 검사하는 방식과 유사하게 작동합니다. 인간은 현미경에서 제한된 영역을 관찰한 뒤 새로운 영역으로 이동해 수집한 정보를 종합해 진단을 내립니다.
하지만 AI는 오염 물질에 쉽게 현혹되어 무엇에 주의를 기울이고 무엇을 무시할지 결정해야 했습니다. “그것은 제로섬 게임이다”라고 골드스타인은 말했으며, 그는 Northwestern University의 Feinberg School of Medicine에서 태아 병리학 및 부검을 담당하는 부교수이자 태아 병리학 부서장입니다.
“만약 조직 오염 물질에 주의를 기울인다면, 검사 중인 환자 조직에 대한 주의는 줄어들게 됩니다.”
연구 저자들에 따르면 실무자들은 AI 모델이 생물학적 불순물을 인코딩하지 못하는 문제를 정량화하고 개선하기 위해 노력해야 합니다.
하지만 결과는 골드스타인에게 “플라센타에 대한 AI 평가는 가능하다”는 확신을 주었으며, AI의 파괴를 “속도 방해물”이라고 부렀습니다. 이는 “우리는 병리학에서 머신러닝 활용을 더 잘 통합하는 길에 있다”는 의미라고 그는 덧붙였습니다.
AI 기반 예측 모델로 혜택을 받을 수 있는 기업
AI 모델이 큰 기대를 보이고 있으므로, 이제 어떤 기업이 가장 큰 혜택을 받을 수 있는지 살펴보겠습니다:
1. Google DeepMind
이는 기술 대기업 Google의 자회사로, “지능을 해결하여 과학을 진보시키고 인류에 이익을 주는” 것을 목표로 합니다.
최근 Google DeepMind 연구원들은 의사를 위한 AI 어시스턴트인 Articulate Medical Intelligence Explorer(AMIE)를 개발해 환자 진단을 돕는다고 발표했습니다. 또 다른 논문에서는 보상 해킹을 해결하기 위해 WARM을 제안했습니다.
GOOGL 가격 차트
주가가 $152.59에 거래되고 연초 대비 8.94% 상승한 시점에서, Google(GOOGL)의 시가총액은 1.9조 달러이며, 매출(TTM)은 2970억 달러, EPS(TTM)는 5.21, P/E(TTM)는 29.19입니다.
2. Siemens Healthineers
이 선도적인 의료 기업은 AI를 활용해 의료 산업을 혁신하려는 베팅을 해왔습니다. Siemens Healthineers (SHL.SW ) 는 2023년 11월 현재 84개의 AI 지원 제품을 개발했으며, 이와 관련된 특허 800건 이상을 보유하고 있습니다. (SHL.DE )
Siemens의 자회사로 분리된 이 의료 솔루션 제공업체는 주가가 $51.68에 거래되며 시가총액은 630억 달러입니다. Siemens Healthineers는 EPS(TTM) 1.35와 P/E(TTM) 38.28을 기록하고 있습니다.
최종 생각
우리가 보았듯이 AI는 트렌드 분석에서 엄청난 가능성을 가지고 있으며, 기술이 발전함에 따라 더욱 정확하고 실행 가능한 인사이트와 혁신이 다양한 분야에서 나타날 것입니다. 의료 분야에서는 AI 기반 예측 모델이 데이터, 통찰력, 개입을 통합해 맞춤형 의료를 제공하고 결과를 최적화합니다.
