의료 인공지능(AI)의 개발 경쟁이 알고리즘 정확도 향상에 집중되는 가운데, AI가 학습할 데이터의 본질적 내용에 주목해야 한다는 새로운 관점이 제시됐다.

분당서울대병원 재활의학과 양은주 교수 연구팀(교신저자 국립암센터 정승현 교수)은 의료 AI가 환자의 현재 상태를 나타내는 단편적 결과 데이터에서 벗어나, 그 상태에 이르게 된 원인과 과정까지 학습하도록 돕는 '임상 현실 번역-구성(CRTC)' 접근법을 개발했다고 밝혔다.

양은주 분당서울대병원 교수

기존 의료 AI는 기능 평가 점수 등 특정 시점의 단편적 결괏값을 중심으로 학습해 복잡한 임상 현상을 온전히 반영하지 못하는 한계가 있었다. 특히 항암치료 후 감각 이상이 낙상 공포로 이어지고 결국 이동 능력 저하로 연결되는 암 생존자 재활 분야처럼 여러 요인이 연쇄 작용하는 질환에서는 결과 지표만으로 정확한 치료 방향을 설정하기 어려웠다.

연구팀이 제시한 CRTC는 환자의 기능 변화에 영향을 미치는 핵심 요인을 발굴하고, 이들이 시간 경과에 따라 상호작용하는 흐름을 시계열 및 그래프 형태의 AI 학습용 데이터로 재구성하는 방식이다. 연구팀은 뛰어난 AI 모델이라도 기본 데이터에 담기지 않은 맥락을 파악할 수 없으므로, 데이터 설계 단계부터 실제 임상 현실을 충실히 반영해야 한다고 강조했다.

양은주 교수는 "암 생존자 재활에서는 단순 결과 지표뿐만 아니라 기능 변화의 원인과 회복 과정을 함께 파악하는 것이 필수적"이라며 "향후 환자가 체감하는 증상과 실제 기능을 연결하는 '증상-기능 연계 표현형' 연구 등을 통해 CRTC의 실질적 효과를 검증해 나갈 계획"이라고 말했다.

한편 이번 연구 결과는 디지털 헬스 분야 국제학술지 '프론티어스 인 디지털 헬스(Frontiers in Digital Health)'에 게재됐다.