[메디게이트뉴스 이지원 기자] "지금 우리는 ‘인공지능(AI)’이라는 답을 정해놓은 상태로 문제를 찾고 있는 상황."
 
헬스케어 분야 인공지능(AI) 전문가라 할 수 있는 하버드의대 영상의학과 도신호 교수는 위와 같이 언급하며 "보통은 문제가 있을 때 그걸 해결하기 위해 솔루션을 찾는 연구개발을 하게 되는데, 알파고 사건 이후에는 앞뒤가 뒤바뀐 것 같은 상황"이라고 설명했다.
 
도 교수는 과학기술정보통신부에서 개최한 '2018 ICT 산업전망컨퍼런스'에 2일 연자로 나서 현재의 인공지능(AI) 개발 현황에 대한 설명과 함께 헬스케어에서 인공지능(AI)을 어떻게 적용하고 있는지에 대해 소개했다.
 

그는 "지금 우리가 인공지능을 대하는 자세는 두렵지만 돈을 벌기 위해 누구나 앞다퉈 뛰어들고 있는 상황"이라며, "인공지능(AI)은 이제 더 이상 연구 주제(research topic)가 아니라 상업적인 주제(commercial topic)가 됐다"고 했다.
 
또한, 그는 "인공지능 전문가도 진짜(real)와 가짜(fake)가 공존하고 있다"고 지적하며, "아이디어를 실행 가능한 상태로 만들어낼 수 있느냐 못하느냐가 그 차이를 결정한다"고 조언했다. 그리고 "'원 데이터(raw data)'에서 '정보(information)'를 추출하고, 그 정보를 액션 가능한 상태로 만들면 비로소 지식(knowledge)이 된다"며 "인공지능이 지식(knowledge)을 습득해 사용 가능한 수준이 되고 가치를 만들어내야 한다"고 강조했다.
 
그는 하버드의대 매사추세츠종합병원(MGH)에서 인공지능을 이용해 실제 임상에 적용한 사례로는 골연령분석(bone age assessment) 솔루션과 함께, 중요하면서도 복잡한 과정인 PICC 라인(Peripherally Inserted Central Catheter)을 찾아내는 기술, 외과 수술 시 봉합하기 전 촬영한 엑스레이에서 인체 내부에 이물이 남아있는지 여부를 확인하는 기술 등을 소개했다. 또한, 현재는 뇌 영상의학 전문의들이 참여해 뇌출혈을 찾는 알고리즘을 함께 개발하고 있다고 밝혔다.
 
도신호 교수는 헬스케어에 머신러닝(인공지능)을 적용하는 목적에 대해, 의사가 문서작업에 너무 많은 시간을 소비하지 않도록 의사결정을 보조해 회전율을 높이고 어려운 케이스로 인해 지연이 생기는 걸 줄이기 위한 것이라고 설명했다.
 
그는 그 동안 강조해온 것처럼 "어떻게 좋은 질의 데이터를 뽑아내느냐, 즉 '데이터 큐레이션(data curation)'이 중요한 이슈"라 말하며, 인공지능을 위해서는 슈퍼컴퓨팅이 필요할 수밖에 없는 이유를 설명했다.
 
통계를 기반으로 한 전통적인 문제해결법은 샘플링을 잘 해서 전체를 잘 대표할 수 있도록 하는 게 중요했지만, 최근에는 전체를 파악한 후 아웃라이어와 노이즈를 제거하는 게 중요한 이슈가 됐기 때문이다.
 
머신러닝은 도 교수가 강연 중 언급한 것처럼, 의료영상뿐 아니라 헬스케어 분야에 매우 큰 잠재력을 가진 기술임에는 틀림 없지만, 데이터, 컴퓨터 처리, 임상시험, 데이터 공유 등의 문제는 앞으로 해결해 나가야 할 과제다.
 
끝으로, 그는 인공지능 개발에 뛰어드는 이들에게 "두려움 때문에 시도해보지 못해 실패(cowardly fail)하는 것 보다는 겁 없이 해보다 실패(epic fail)하는 경험이 낫다"고 조언했다. 그러면서 "아직 진정한 인공지능 전문가는 많지 않다"며 "한국도 열정을 가지고 시도하고 새로운 걸 배울 수 있는 환경이 만들어지면 진정한 전문가가 나타날 수 있을 것으로 기대한다"고 말했다.

데이터로 증명을 할 수 있게 된 지금의 시대에는, 빅데이터를 필터링하고 전문가들이 참여한 높은 성과를 가져올 수 있는 데이터(High Performance Data)가 필요하다. 또한, 가치와 더불어 비즈니스 기회를 창출할 수 있어야 그게 진짜 데이터이고, 전문가가 될 수 있는 길이라 여겨진다.