실리콘밸리의  유명 벤처투자가인  비노드 코슬라는  2012년,  “미래에는 80%의 의사가 컴퓨터로 대체될 것이다”라고  주장해서  논란을  불러일으켰다.   당시에는 꽤나  파격적이고  황당하기까지  했던 이 주장은, 마침내  인공지능의  영향이  가시화된  지금은  더 이상 허투루  들리지  않는다.

한국에서  크게  관심을  받지  못하던 인공지능은 알파고 이후  돌연  국가적인  관심사로  떠올랐다. 소위 4차 산업혁명  열풍은 이제  좀  지나친 감이 있지만,   분야를  막론하고 인류의  미래에  인공지능이  큰 영향을 미칠 것이라는  점은  이론의 여지가 없는  것 같다.  그러한  영향에서 의료도 결코  자유롭지  않다.

의료 인공지능, 어디까지 왔나
의료는 이미 예전부터 인공지능 기술이  가장 우선적으로  활발하게 적용되어  온 분야였다.   뿐만  아니라, 최근에  들어서는  그  발전 속도와  범위가 더욱 커지고 있다.   특히,  환자 진단,  치료 결과  예측,  영상 의료 데이터 분석,  유전체 분석,  임상 시험,  신약 개발,  환자 생체 신호 분석 등에  인공지능을  활용하려는 시도가 활발하다.

필자는  인공지능의  의료 분야 활용을  크게  다음과 같은  세 가지로 본다.

·복잡한  의료 데이터를  분석해서  의학적인 통찰을  얻는  인공지능
·이미지  형식의  의료 데이터를  분석 및  판독하는  인공지능
·연속적  의료 데이터를  모니터링하여  질병을  예측하는 인공지능

첫 번째는  복잡한 의료 데이터를  분석해서  의학적인  통찰을  얻는  인공지능이다.   ‘복잡한 의료 데이터’에는 진료기록,  유전 정보,  임상시험 데이터, 청구 데이터 등이  모두  포함된다.   대표적으로  IBM의  왓슨포 온콜로지가  여기에  속한다.    전자의무기록에  저장된  다양한  데이터를  분석하여  암 환자에 대한 최적의 치료법을  의사에게  권고해주는 것이다. 

뉴욕 메모리얼  슬론 캐터링 암센터(MSKCC)와 IBM이 개발한 왓슨  포 온콜로지는 치료 권고안과 함께 이에 대한 논문,  임상 연구 결과,  NCCN 가이드라인 등의  근거까지 제시한다.  다만 왓슨 포 온콜로지는  정확성이나  의학적인  효용에  대한  증명이  부족하며,   이에  대한 추가적인  연구와  근거가 필요하다.

두 번째는 이미지 형태의  데이터인  의료 영상 데이터를  판독하는  인공지능이다.    엑스레이,  MRI 등 영상의학  데이터나  암 조직  검사와 같은  병리 데이터,  안저 사진이나  피부과 데이터를 대표적인 예로 들 수있다.  알파고  덕분에 이제 일반 대중에게도  잘 알려진  딥  러닝 기술은  2012년경부터  특히  이미지 인식분야에서 비약적인  발전을  이뤄냈다.  이는  기존 영상의학과  전문의나  병리학과  전문의가 시각적 인지능력을 바탕으로,  즉 눈으로  보고 데이터를  판독하던  영역에 대한 도전으로 이어진다.

이러한 분야에는 구글과  같은  글로벌 IT  기업의  활약이  두드러지며,  뷰노,  루닛과  같은 세계적 기술력을 가진  국내 딥러닝 의료 스타트업도 주목할만하다.
구글은  이미 2016년 세계최고의  의학 학술지  JAMA에  출판한  연구에서,  13만 장에  달하는 안저 데이터를 딥러닝으로  학습하여,   당뇨성 망막  병증을  인간  안과 전문의보다 더 정확하게 판독할 수 있음을 보여  주었다. 

스탠퍼드 연구진들은 2017년 2월 네이처 논문을 통해 피부과 병변 이미지를 분석하여 흑색종 등의 판독에 대해 역시  피부과  전문의보다 인공지능의  성적이 더 좋음을 보여주기도 했다.  2017년  3월에 구글은  또 다른 논문을  통해  생검한  암환자의  병리 데이터 판독 성적 역시 병리과  전문의보다  인공지능이  더 정확함을 증명했다.

세계적인 기술력을 가진  국내  스타트업  뷰노의  골연령  판독 인공지능은  국내 최초로 딥러닝 기반의 의료기기  인허가를  지난 5월에 받았다.   이  인공지능은  소아 환자의  손 엑스레이 사진을  분석하여 골연령, 즉 뼈나이를  검사한다.  흔히  성장판 검사라고  부르기도  하는  이 검사는  뼈의 성숙도를  측정하기 위한 검사로,  기존에  의사들이 엑스레이를  표준  사진과 비교하여  가장 비슷한 것을 찾아서 골연령을 결정했다.

하지만 이 인공지능은 엑스레이 사진을  분석하여  골연령을  빠르게 찾아줌으로써 의사를 보조한다. 뷰노와 서울아산병원의  공동연구를  통해  2017년  출판한논문을  보면  의사들의  판독  정확성 및 판독 효율이   이 인공지능을  쓰지  않았을 때보다,   활용했을  때  유의미하게 개선된다.

세 번째는 심전도,  혈당,  혈압 등의  연속적인  생체  데이터를  분석하여  위험 징후를  조기에  파악하거나 예측하는  역할이다.  사람에게서  나오는  대부분의  데이터는  연속적인 데이터로, 특히  만성질환 환자의  예방,  예측 의료를  구현하려면  이상적으로는  데이터를  24시간,  365일  실시간  모니터링 및  분석할  수  있어야 한다.  이를 위해서  결국   인공지능이 필요하다.

IBM과  캐나다  온타리오 공과대학은  신생아 중환자실에서  센서로  측정한  조산아들의 생체 신호 패턴을 분석하여  패혈증을  24시간까지  조기 발견에  성공했다.  또한  메드트로닉의  연속혈당계로  측정하는 혈당을  IBM  왓슨이  실시간으로  분석하여  당뇨병 환자들의  혈당 변화를  예측해주고,   당뇨병 관리 조언을 주기도 한다.  이 인공지능은  임상연구를  통해  당뇨병 환자의  혈당 관리에  도움을  준다는 것을 증명 하였고, 최근 미국에서  슈거아이큐라는  아이폰 앱으로  출시되었다.

서울아산병원이  2016년  사이언티픽 레포트에  출판한  논문에  따르면 , 심전도 데이터를 바탕으로 부정맥을 1시간  미리 예측하는  문제에서도  AUC  수치가  0.93에 이르는  높은 정확도를 보였다.   또한  뷰노는 중환자실에서  환자들의  심박,  호흡수,  체온,  혈압 등의  데이터를 실시간으로  분석하여  심정지를  최대  24시간 미리  예측할  수 있는  딥러닝 기반의  인공지능을  개발하였다.  특히  의료  현장에서  효과적으로 적용될 수
있도록  거짓경보(false alarm)을  비약적으로 줄였다.

이처럼  인공지능은  환자를  데이터를  복합적으로  분석 및 진단하며,  영상 의료  데이터를  판독하고, 환자의  위험 징후를  예측해주는  등 다양한 의료  분야에서 진전을  보여주고 있다.   이에 따라  종양내과,  영상의학과,  병리과,  피부과,  안과  등의 일부  업무들은  이미 인공지능의  영향이 가시권 내에 들어왔다. 그 영향은  향후  다른 분야로도  확대될  것이며,  이에  따라  진료 방식과  ‘인간’  의사의  역할에도 근본적인 변화가
있으리라고 본다.

의사는 인공지능으로 대체 가능한가
인공지능이  발전에  따라서  현재  의사가 하고 있는 많은 역할은  대체 가능할 것이다.  의사의  모든 역할을 기계가  대체하기는  어렵겠지만,  인공지능으로  인해  향후 의사의  역할이  달라질  것이라는  점은  분명하다.  특히  현재  의대생들이나,  수련을  받고  있는  젊은 의사들은 은퇴 전에 인공지능의  영향을  받게 될것이므로,  이에 대한  준비가 필요할 것이다.

여기서 가장  중요한 질문은  아마도  “기계가 정말로 기계적인 일을  모두 한다면,  인간 의사에게  남을  역할은 무엇인가?”  일 것이다.  다른 직종과 마찬가지로  의사에게도 인공지능 때문에 사라질  역할,  유지될  역할, 새롭게  생겨날  역할이  있을 것이다.  이 질문에  대한 답은  학과와  전공별로 달라질 것이다.  학과별로 이 세 가지 역할을  구분하고,  향후  유지될 역할과 새롭게 맡을 역할에  집중해야  한다.

결코 사라지지  않을  ‘인간’ 의사의  역할 중의  하나는  최종 의사 결정을  내리는 역할이다.  인공지능이  특정한  의료 분야에서  의사와  비슷하거나  더 정확한 수준으로  발전한다  할지라도,  인공지능이  제시한  치료법  중에 무엇을  선택할지는  인간의  몫으로  남을  것이다.

이 마지막 역할마저 대체하기 위해서는 “인공지능이 의사보다 더 정확하다”는 가설을 의학적으로  증명할 수 있어야 한다.  하지만  이를  위해서는  실제 환자를 대상으로 인간과 인공지능의 우위성을  입증하는 전향적 임상시험을  거쳐야  하므로,  이는  기술적으로나  윤리적으로  불가할  것이다.

그렇다면  무엇이 대체  가능한 역할인가?   암묵지나  직관에 의한 것이  아니라,  데이터나 근거에 기반하여 논리적이고  체계적으로  내리는  진단,  판독 등의  의사 결정은  기본적으로 대체  가능하다고 봐야한다.  예를 들어,  동일한  환자를  여러 의사에게  보였을 때  유사한 판단 과정을  거쳐서  의사 결정을  내리거나, 반복적으로  주어졌을  때  동일한  판단을  내릴 종류의  일이라면 인공지능화가  가능하다. 

 과연  현재임상에서  의사가  맡고  있는 역할  중에 이에 해당하지  않는 것이  얼마나  있는지 진지하게 돌이켜볼 필요가 있다.   더 나아가서는  인간의  감각이나 인지 능력에  의존하는 과정, 특히  경험이나  역량에 따라 의사들 간에 차이가 있을  수 있는  의사 결정도 인공 지능에 의해  우선적인 영향을  받을  부분이다. 

의과대학  교육도 변화해야 한다
이에  따라  의대생 교육 과정과  수련 과정도  인간의사가  유지할  역할과  새롭게  맡게  될  역할에  맞는 역량을  강조하는  방향으로  바뀌어야  한다.   그  방향을  수립하기  위해서는  먼저  인간과  인공지능이  가지
는  강점에  대해서  근본적으로  고찰해 볼  필요가 있다.

IBM에  따르면  인간과  인공지능이 가지는  강점은 서로  상이하다.   인간은  상식이 있으며,  딜레마를 해결할 수  있고,  윤리의식,  공감능력,  상상력,  추상화 능력 등을  가지고 있다.  반면 인공지능은  자연어  처리, 패턴 인지,   지식의 분류,  기계 학습,  편견에  구애  받지  않으며,  저장  공간이 무한하다.

이러한 차이를  기반으로 한다면,  무엇보다  현재  의대 교육에서  큰 비중을  차지하는 단순 암기의 중요성은 크게  줄어들  것이다.   컴퓨터가  가장  잘  하는 일이  지식을  학습하고  암기하는  일이다.   인공지능은  인
간과 는 비교할 수 없을  정도로  빠르게  학습하며,  무한히  암기할  수 있고,  한 번  학습한 것은  결코  잊어
버리지 않는다.

반면 새로운  분야에 대한 연구 능력이나,  창의성을  길러주는  교육, 인간 대 인간으로 환자를 대할 수 있는 커뮤니케이션  등의  역량에 대한 교육이  더  강조되어야  한다. 한  연구에  따르면  종양내과  의사는 평생 2만 명의  환자에게 암에  걸렸다는 소식을  전한다고 한다.   또한  의사의 환자에 대한  공감 능력이 높을수록 만성질환  환자들의  예후가  좋아진다는  것이 2만 명 이상의 환자에 대한  후향적 임상 시험에 의해서 증명되기도  했다.

하지만 의과대학에서는  환자에게  나쁜 소식을 어떻게  전달해야 하며,  어떻게 해야  공감 능력을 높일수 있는지에  대해서는  가르쳐주지  않는다.  이런  소프트하고 일견 비의료적으로  보일 수 있는  능력은 인간 의사가  인공지능에 비해 확실하게 우위를 점할 수있는 영역이다.

또한  앞으로는  기초 연구에 대한  역할도  강조될  것이다.   인공지능은  데이터와  근거를 기반으로  학습하고  의사결정을  내릴  뿐, 그 데이터와  근거   자체를  스스로 만들어내지는  못한다.  데이터와  근거가 부족한  희귀  질환이나 새로운 질병을 연구하는  의과학자들의 역할은  앞으로 더욱  강조 될 것이다.

인공지능을  효율적이고 효과적으로  활용할 수 있다는  낙관적인  시나리오가  현실이 된다면  의사들은 진료에  대한 부담도  줄어들고,  지금보다  훨씬  덜  바빠지게 될 것이다.  사실 이는  의료계  뿐만 아니라 사회 전반에  해당되는  이야기다.  인공지능의  활용으로  인간에게  요구되는  노동의  양과  시간이  줄어든다는것이다.  이러한  시나리오에  따르면 훨씬  덜  바빠질 의사들,  여유 시간을  가지게  된 의사들은  그 시간을어떻게  활용할지도  고민해야  할  것이다.  이러한  환경에서는  의사들이  기초 연구에  할애할 수 있는 시간적,  정신적 여유도 늘어날  것이다.  하지만  반대로 이러한  여력을  생산적으 로 활용하지  못한다면, 결국 진
료나  판독에 필요한  총 의사의  수가 줄어드는 결과를  낳을 수도  있다.

더 나아가서는  의사들은  인공지능을  활용하여  환자를 효과적으로 진료하고 치료하는 방법도 배워야한다. 어차피 수련을  끝낸  뒤에 의료 현장에서 인공지능을 활용해야 한다면, 이를 이용해서  환자를 더효과적으로 치료하고  돌볼 수 있는  방법을  미리 배우는  것이  바람직하기  때문이다.  여타  새로운  의료 기술,  기법, 기기가  나왔을  때 지금까지도  그러했듯이,  학생들과 수련의  뿐만 아니라,  기존의 의사들도 연수강좌 등을 통해서  인공지능의  사용법을  서서히  익혀 가야 할  것이다.  하지만  이 활용법을 누가 어떠한 커리큘럼에 의해서  교육하고  어떤 기준으로 평가할  것인지에  대한  고민은  여전히  필요하다.

인공지능을  활용하기 위해서는 모든  의사가  인공지능의  원리와  프로그래밍을  할 수 있어야 하는  것은 아니다.  하지만  그 기본적인  원리를  파악할 수 있다면  인공지능의  의료 활용과  향후  발전에 크게 기여할 수 있을  것이다.  이미  국내의  일부  의과대학에서  선도적으로 교육과정을 개편한 것으로  알고 있지만,  통
계학,  프로그래밍 언어,  알고리즘,  기계학습  등을  의과대학생들이 선택적으로  학습할 수 있다면,  미래를준비하기 위해  큰 도움이 될  것이다.  필자  개인적으로는 주변의 의과대학생들에게 이러한 공부를 개별적으로라도  하도록 권유하고  있다.

의료, 미래를 어떻게 받아들일 것인가
우리는 인공지능이라는  전대미문의  기술이 의료에  본격적으로  접목되기 시작하는 대전환기, 혹은 변곡점을  헤쳐나가고  있다.  과거  의료의  역사를  돌이켜  보면  새로운 기술의 도입은  항상 일어나기  마련이었다.  하지만  인공지능처럼  여러 진료과에  걸쳐  광범위한  영향을  미치며,  의사의 역할에  대한 근본적인 변
화를,  더욱이  이토록 단기간에  불러 일으켰던 경우는 매우 드물었다.

몇 년 전만 해도 인공지능은 의료와  별로  관계없는 분야처럼  보였지만,  짧은 시간 내에 의료의 여러 분야를 관통하는  핵심 주제로 부상했다.  필자가 2014년 가을에  출판한 저서 '헬스케어 이노베이션'에서  IBM 왓슨을  국내에  소개했을 때는  물론,  2015년  인터뷰나  칼럼  등에서  의료 인공지능  이야기를  할때만 하더라도  의료계에서  지금과  같은  관심은  커녕,  왓슨이라는  이름을 아는  사람도 거의  없었다[1, 2, 3].
불과  2, 3년 지난 지금,  이와 같은  변화를  떠올려보면  격세지감을  넘어서  두려운 느낌마저 들 정도이다. 그 두려움은  단순히 지난  몇 년간의  변화 때문이  아니라,  앞으로  우리에게  닥쳐올 변화 때문이다.

우리는  앞으로 10년  동안 지난 10년과는  비교할 수 없을 정도로 큰 변화를 겪게 될 것이다.  인공지능에 의한  패러다임의  변화는  우리가  현재 의료에  대해서 가지고 있는  지식이나  상식,  윤리,  법적인  이슈들을
근본적으로  뒤바꿔놓을  수도  있다.   이에 따라  진료및  치료 방식,  의료인의  역할뿐만  아니라,  의료 전달
체계,  인허가  등 규제와  의료법,  의료 보험과  같은  의료 시스템이  근본적인  변화를  겪을 수 있다.

이 중 어떤  변화는  오랜 시간에  걸쳐서  일어나겠지만,  앞서  함께  살펴본 것처럼  어떤 변화들은 이미 한창  진행되고 있다.  이렇게  우리는  거대한  변혁의  초입에  발을  내디디고  있다.  필자는  이러한 변화에 두
려움도  느끼지만,  또  한편으로는  기대감과  흥분을 감추기가  어렵다.

인공지능이  인류의  미래에  큰 영향을  미칠 것이라는  점은  이제  누구도  부인하지  않는다.  이 변화는 결 코  거스를  수  없는  것이다.  그렇다면  우리가  던져야  할  올바른  질문은 '인공지능과 어떻게 손잡고 더 나
은  미래를  만들 것인가'  하는  점이다.  의료에서  '더 나은  미래'란  이미  우리에게 익숙한 것들이다. 인공지
능이  아니라,  인공지능  할아버지가  도입된다고  해도  의료가 가지는 본래의 목적 자체가 바뀌는 것은 아니
기  때문이다.  바로  개별 환자에게  맞는  의료를,  더 많은  사람에게,  더 적시에  제공하고,  치료의 효과는 높이며,  부작용은  줄이고,  그  과정에  들어가는  의료 비용도  절감하는 것이다.

의료는 이제 인공지능이라는  전대미문의  동반자를 맞이하게  되었다.  이  동반자와  함께  달리면서, 어떠한 의료의  미래를  만들어갈 것인지는  다름 아닌  우리의  손에  달려 있다.