[ 정리= 장윤옥 기자, 신재희 인턴기자]

올해 초 미국 스탠포드대 세바스찬 스런 교수팀(스런 교수는 구글 부사장으로 자율주행 분야를 이끌기도 했다)은 딥러닝 알고리즘을 이용, 피부과 전문의 수준으로 피부암을 진단할 수 있음을 보여줬다. 학술지 네이처에 실린 이 연구는 인공지능이 의사들을 돕거나 경쟁할 수 있음을 보여주는 사례로 많이 거론되고 있다.

하지만 딥러닝이 (피부에 있는) 점의 어떤 특징을 기반으로 암인지 아닌지 구분하는 지는 아무도 모른다. 흔히 딥러닝의 ‘블랙박스’라고 하는 문제가 여기에서도 나타나고 있는 것.

전통적 비전 시스템의 경우 사람이 규칙을 정하지만 딥러닝은 컴퓨터가 학습을 통해 직접 규칙을 찾는다. 이 때문에 사람은 이 규칙이 어떻게 만들어졌는지 알 수 없다.

이와 관련, 미시간대 니콜슨 프라이스 교수는 “인공지능 기반의 의료가 어떻게 진행되는지 의사는 알 수 없다”면서도 이 같은 특징이 헬스케어 분야에서 심각한 장애가 되지는 않을 것이라고 내다봤다.

구체적인 기제는 밝혀지지 않았음에도 불구하고 약으로 쓰이고 있는 예가 있기 때문이다. 리튬이 좋은 예다. 사람의 기분에 영향을 미치는 리튬의 생화학적 메커니즘은 아직 밝혀지지 않았지만 이를 이용한 약은 양극성 장애 치료를 위해 승인됐다.

의료분야에서 가장 넓게 활용되고 있는 아스피린 역시 정확한 메커니즘이 70년 동안 파헤쳐지지 않았다. 이 때문에 미국 식품의약국(FDA)이 블랙박스 이슈를 문제 삼지는 않을 것이란 게 전문가들의 관측이다.

실제로 FDA는 지난 1월 처음으로 머신러닝 애플리케이션의 의료분야 사용을 허용했다. 아터리스(Arterys)의 의료영상 분석 시스템인 ‘딥 벤트리클(Deep Ventricle)’은 환자 심실의 MRI 이미지를 분석, 30초도 안 돼 해당 심장이 처리할 수 있는 피의 양을 계산한다.

이를 기반으로 의사들은 심장이 얼마나 기능하고 있는지 짐작할 수 있는데 원래 이 분석은 전문가들이 1시간 걸려 해냈던 일이었다. 정확도 역시 사람에게 뒤지지 않는다.

회사는 딥러닝을 이용해 1000여 건의 임상사례를 학습했고 지금도 새로운 사례를 통해 심장에 관한 지식과 이해도를 높이고 있다. 이 회사가 첫 적용대상을 심장으로 한 것은 심장이 인체에서 가장 다루기 어려운 기관이기 때문. 회사 측은 심장에 대해 딥러닝 분석이 가능하다면 다른 영역으로도 쉽게 확장할 수 있을 것이라고 예측한다.

또 클라우드 방식으로 운영되는 이 시스템은 어느 곳에서나 쉽게 활용할 수 있다. 많은 국가의 의사들이 참여, 충분한 데이터를 확보한다면 정확도 역시 사람 이상으로 높일 수 있다.

'방사선학은 실리콘밸리의 의학'

스런 교수팀은 딥러닝을 위해 전문가가 선별한 12만9405개의 피부상태 이미지를 활용했다. 이 이미지들은 2032개의 다른 질병을 포함하고 있으며 이 중 1942개의 이미지는 피부암으로 확인된 것이다.

스런 교수팀의 소프트웨어는 21명의 피부과 전문의보다 어떤 (피부의) 점들이 잠재적인 암덩어리인지 확인하는 데 더 뛰어난 결과를 보였다. 스런 교수팀은 이 소프트웨어를 상업화할지에 대해서는 밝히지 않았지만 스탠포드대의 한 피부과 전문의는 “이 기술의 잠재력을 감안할 때 대부분의 의사들이 이 기술을 받아들일 것”이라고 말했다.

하지만 당장 의사란 직업이 위협받지는 않을 전망이다. 슬론케터링 암센터의 피부과 의사이자 스타트업 경영자인 알렌 할펀은 “딥러닝은 피부과 의료서비스의 수요를 엄청나게 늘릴 것이고 이는 의사들의 역할을 확대할 것”이라고 전망한다.

딥러닝은 1차 진료에서 역할을 할 뿐, 스크린테스트에서 양성반응이 나오더라도 결국 확진을 위해서는 조직검사가 필요하기 때문이다. 만약 쉽게 스크린 테스트를 할 수 있고 그래서 테스트가 일반화된다면 진단과 치료를 맡을 피부과 전문의가 더 필요할 수도 있다.

인공지능 전문가들은 사진, X레이, MRI 등의 의료정보가 사진 속의 물체와 얼굴 인식에 큰 진전을 보여준 딥러닝의 강점을 적용할 최적의 분야라고 지적하고 있다.

이 때문에 기업들은 이미 딥러닝을 의료 분야에 적용하는 데 적극 나서고 있다. 구글 알파벳의 생명과학 부문은 지난해 12월 니콘과 함께 당뇨병 환자의 실명 원인을 찾는 알고리즘을 개발했다. 이미 방사선학은 딥러닝이 상세한 이미지를 만든다는 점 때문에 '실리콘 밸리의 의학'이라고 부른다.

머지않아 기업들은 소비자에게 직접 딥러닝 도구를 제공하려 할지도 모른다. 자신이 진료를 받아야 할지 알아보기 위해 직접 자신의 피부를 스캔할 수 있게 지원하는 것. 이미 몰 맵퍼(Mole Mapper) 등의 앱은 암으로 발전될 수 있는 의심스러운 점을 추적하거나 시간에 따른 변화를 기록하도록 지원하고 있다.

하지만 딥러닝 기반의 진단을 일반인들이 활용할 수 있게 하는 것은 부작용의 여지가 많다. 전문적인 지식 없이 가능성만으로 잘못된 판단을 할 수도 있기 때문이다. 이 때문에 앞으로도 딥러닝의 활용을 더욱 늘어나겠지만 의료진의 통제를 벗어나지는 않을 것으로 보인다. 

[정리 = 장윤옥 기자(ceres@techm.kr), 신재희 인턴기자 (jaehee@mtn.co.kr)]