AI, 의사 대체 아닌 의사의 능력을 극대화하는 역할 

[메디게이트뉴스 신재민 인턴기자·계명의대] “AI는 의사를 대체하기보다 의사의 능력을 더욱 더 펼칠 수 있게 해 줄 것입니다.”

이번 수업은 연세의대 세브란스병원에서 진행한특성화 수업2019 동계 SAC(SEVERANCE Advanced Clerkship)프로그램 중 하나였던  '딥러닝 어플리케이션 사례'와 딥러닝플랫폼 활용 실습'이었다

오전 시간에 영상의학의 전반적인 역사와 딥러닝이 쓰인 여러 프로젝트들을 예시로 진행됐다. 오후에는 인공지능 플랫폼 DEEP:PHI(딥노이드)를 활용해 의료영상 데이터를 활용한 실습을 직접 해보는 시간을 가졌다. 코딩의 전체적인 흐름과 필수적인 도구, 모델의 대략적인 윤곽을 다뤄봤다. 

일반적으로 의대 교육과정에는 코딩이 없다 보니, 처음에는 수업 자체가 굉장히 어색하고 용어들을 알아듣는 데 어려움이 있었다. 하지만 시간이 지나며 한 가지를 분명히 깨달았다. 코딩은 단지 수단에 불과할 뿐이며, 아이디어가 가장 중요하다는 것이다.

요즘 초등학생들의 주요과목은 ‘국영수코’라고 한다. 이렇게 코딩이 목적이 됐을 때 코딩을 배우는 사람들은 ‘단순 코더’에 지나지 않게 된다. 나 또한 이런 시류에 휩쓸려 한때 코딩을 무작정 배우려고 한 적이 있었다. 그렇지만 4차 산업혁명을 대비한답시고 코딩을 무작정 정규 수업 과정에 넣는것 또한 도움이 되지는 못할 것이다.

기본적으로 AI 코딩은 축적된 빅 데이터 학습을 기반으로 이뤄진다. 의료 관련 데이터는 기술이 발전함에 따라 쌓이는 속도도 기하급수적이다. 이런 상황에서 코딩은 필수불가결한 요소로 자리잡을 수밖에 없다. 향후에는 코딩을 직접 가르치진 않더라도 목적의식을 심어줄 수 있도록 교육과정 변화가 필요해 보였다.

영상의학과 의사 수는 지난 몇 년 동안 크게 변동이 없었지만 처리해야 할 영상이나 사진자료들은 급증하고 있다고 한다. 이런 현실에서 AI가 굉장히 중요한 도구가 될 것은 강의를 들은 다음에 더욱 분명해 보였다. AI는 의사들이 두려워해야 할 대상도 아니고 오히려 꼭 도움을 받아야 할 무기인 것이다.

코딩을 처음 접해보는 데도 이영한 교수님께서 상당히 많이 도와주시고 회사 관계자분들이 친절하게 설명을 해주셔서 충분히 의미 있는 경험을 할 수 있었다. Pass/Fail 제도로 바뀌고 난 후 이런 교육까지 할 수 있는 여유를 가진 연세의대가 새삼 부럽기도 했다.

그동안 막연히 주위에서 보이는 뉴스나 기사들로 인해 AI가 전면적으로 도입된다면 영상의학과가 가장 먼저 타격을 받지 않을 것이라고 생각해왔다. 이번 실습은 이런 짧은 생각을 바로잡아 줄 뿐만 아니라, 다가올 4차 산업 혁명에서 AI는 의사를 도와 굉장히 핵심적인 역할을 하는 도구가 될 것이라는 확신을 심어줬다.
 
눈 앞에서 이뤄지는 AI 변화의 흐름, 학교 차원에서 관련 교육 마련되길   

[메디게이트뉴스 김리나 인턴기자·강원대 의학전문대학원] 지난해 소아청소년과 실습 당시 소아신경과 교수님께서 학생을 통해 인공지능에 대해 발표하는 시간을 마련해 인공지능이라는 것을 처음 제대로 접했다. 또한 한 달에 한 번씩 열리는 특강시간에 4차 산업혁명에 대한 강의를 들은 적이 있었다. 

당시 내용이 크게 기억이 남지 않지만 여기에 대비하지 않으면 의사로서 살아남지 못할 것 같은 두려움만 남았다. 학부 전공에서 생물학을 전공해 컴퓨터, 코딩과는 거리가 멀고 기계와 친숙하지 않았기 때문에 더욱 막연하고 근거 없는 두려움이 생겼다.

메디게이트뉴스 인턴기자로서 연세의대 세브란스병원 서브인턴십 강의중 인공지능 영상의학에 관련 강의를 들을 수 있었다. 처음에는 AI가 발전하면 가장 먼저 타격을 입을 것으로 알려진 영상의학과에서 대책을 강구하기 위해 만든 강의인줄 알았다.  

하지만 예상을 깨고 AI, 특히 딥러닝은 인간의 신경구조인 Neuron을 모방해 많은 데이터를 입력해주면 알고리즘에 따라 학습한 다음 결론을 도출해내고 있었다. 이는 영상의학과가 발전할 수 있도록 돕는 도구라는 결론을 알 수 있었다. 그리고 영상의학과에서 이를 활용하기 위해 어떤 준비를 하고 있는지 볼 수 있었다.

의학은 가히 수많은 데이터들의 향연이라고 볼 수 있다. 환자를 진단하기 위해 필요한 혈액검사(정맥,동맥), 영상의학(CT, MRI, X-ray, 초음파), 심전도 등 하루에도 셀 수 없이 많은 데이터들이 전세계에서 쏟아져 나오고 있다.

이영한 교수님은 “이 데이터는 말 그대로 raw data이고 AI 입장에서 보면 아깝게 버려지고 있다”고 하셨다. 영상의학과를 예로 들면 딥러닝은 우리가 양성, 악성을 구분해 입력한 영상 데이터를 Convoluted Neuroaln network(CNN)를 바탕으로 한 모델로 학습한다. 이 병변이 양성인지 악성인지를 알려주고 진단에 도움을 줄 수 있다. 

이를 통한 의사의 역할이 새롭게 다가왔다. 교수님께서는 의사는 의학적 지식으로 영상에서 어느 부분이 병변인지를 표시해서 딥러닝으로 학습할 수 있도록 데이터를 공급해주는 역할을 해야 한다고 말씀하셨다. 그 이유는 의사들 스스로 AI가 발전하도록 도울 때, AI가 이를 학습하면 사람이 처리할 수 없는 양의 데이터를 버리지 않고 정보로 사용할 수 있기 때문이다. 이에 따라 의사와 AI가 상부상조하는 관계가 될 것이라는 전망이었다.

오전 강의와 오후 실습을 거쳐 추상적인 괴물처럼 느껴졌던 4차산업, 인공지능에 대한 시각을 열어주기에 충분한 시간이었다. 아깝지 않은 가치 있는 시간이었다.

교수님께서 해주셨던 말씀 중에 기억에 남는 것이 있다. 애플이 1978년에 개인용 PC시대를 선언하면서 많은 예측들이 난무했고 두려움과 희망 등 온갖 감정을 나타냈다고 한다. 2018년인 현재 예상대로 1인 1컴퓨터 시대를 지나고 있고 우리는 컴퓨터에 너무 익숙해져서 떼어놓을 수 없는 관계로 살아가고 있다. 

AI의 흐름은 어쩌면 1978년 애플이 선언했던 개인용 PC시대와 같은 새로운 기술이 싹트는 것을 목격하는 것일 수도 있다. 지금은 비록 혼돈의 시기지만, 아마 AI가 우리 생활 깊숙이 들어오게 될 것이고 이를 받아들인 사람과 아닌 사람의 생활 전반은 크게 달라질 것이다. 의사들도 마찬가지일 것이다. 

하지만 의대에서 이 분야를 제대로 강의해 줄 사람도 없고 대처할 방안도 잘 몰랐다. AI 시대라고 하더라도 안일하게 무관심한 태도로 살아가고 있는 것이 의대생들의 현실이다. 물론 나의 현실이기도 하다. 

하지만 오늘 하루의 AI 강의로 나의 관점은 새롭게 열리게 됐다. 두려움보다는 희망에 찬 눈으로 다가올 미래 AI시대를 바라볼 수 있게 됐다. 

근거중심 의학으로 공부를 하고 있는 의대생들에게 딥러닝을 활용해 이런 기술을 개발하고 있고 이를 위해 의사들의 지식과 데이터가 필요하다는 근거를 제시하면서 설명하는 기회가 늘어나길 바란다. 추상적이고 막연한 다른 강의들보다 훨씬 유익하고 의미 있는 계기로 전환될 것이라고 생각한다. 

눈 앞에서 벌어지고 있는 변화의 시대에서 의대생들이 흐름을 잃지 않으려면 누구보다 깨어있는 교육자와 기술전문가들에게 교육을 받을 수 있는 기회를 학교 차원에서 제공해야 한다. 

한편, 이번 수업은 세브란스병원 2019 동계 SAC(SEVERANCE Advanced Clerkship)프로그램이었다. 인공지능 플랫폼 DEEP:PHI(딥노이드)를 활용해 의료영상 데이터를 활용한 다양한 인공지능 활용 및 실습을 진행했다.

실습 1일차는 레이블링툴인 DEEP:LABEL을 이용하여 CT로 촬영된 Lung Nodule 영상과 MRI로촬영된 Brain tumor 영상 파일을 의대생이 직접 레이블링 하는 실습을 진행했다. 의대생들이 다양한 레이블링 툴을 활용해 Lung Nodule의 병변을레이블링 하면서 인공지능 기술에서 중요한 학습데이터를 직접 생성하는 방법을 익힐 수 있었다.

실습 2일차에는 파이썬의 기초교육을 통해 프로그래밍의 문법을 배웠고 SW 개발에 지식이 없는 의대생이 프로그래밍 도구 등을 자신의 노트북에 직접 설치하면서 실습했다. 실습 3일차에는 Classification 알고리즘 중 하나인 VGG16에 대한 딥러닝 기술 강의를 진행하고 파이썬 프로그램으로 학생들이 직접 프로그램을 개발하는 수업을 진행했다. 

실습  4일차에는세그멘테이션 알고리즘 중 대표적인 U-Net을 이용한 폐영역 분류 및 뇌종양 영역 구분을 하는 딥러닝 프로그래밍 실습을 진행했다. 실습 마지막날에는 의료영상 인공지능 플랫폼인 DEEP:PHI를 활용해 다수의 의료 영상 빅데이터를 관리하는 방법, 학습용 데이터 업로드, 웹 기반에서 미리 학습된 질환 판독 알고리즘을 사용자가 직접 학습할 수 있는 기능, 플랫폼에서 뇌동맥류 MRI 영상을 자동으로 판독하는 실습, 인공지능 모델별 판독률 검증 등의 실습을 진행했다.