1 2017 년 BioINpro 36 호 모바일인공지능진단기술최신동향 박종현한국전자통신연구원선임연구원 1. 개요 가. 등장배경 ICT, 의료기술, 빅데이터및인공지능기술의발전과상호결합은헬스케어산업의적용범위를넓히고, 최근고품질의혁신적인의료서비스창출에대한기대감이높아지고있다. 특히, 구글과 IBM에서인공지능의최우선활용분야로헬스케어산업을지목할정도로건강관리, 질병의진단치료관리등헬스케어분야에서인공지능의역할이크게증가할것으로전망된다. 환자의질병치료를위해의료데이터및생활패턴데이터등의확보는매우중요하며, 방대하게수집된개인의의료데이터를토대로건강진단, 질병예측등을위해서는보다지능화된시스템이필요하며그대안으로인공지능알고리즘의중요성이부각되고있다. 소형화, 첨단화된센서는데이터의센싱역량을높여다양하고방대한데이터확보가가능해지고, 인공지능은데이터를통해학습, 분석, 추론등의정확성및정교성을높일수있으며빅데이터는인공지능의분석력, 추론력, 예측력을통해더욱지능화된혁신적인의료서비스창출이가능 (NIA, 2012; KHIDI, 2016) 할것으로전망됨에따라인공지능을접목한헬스케어산업의시장확대가능성이높아지고있다.
특히, 모바일인공지능진단기술은의료의질적수준을향상시킬수있는 핵심기술로다음과같이중요성이부각되고있다. 첫째, 의료데이터의복잡성이점차심화되어기존의접근방식으로는질병의 진단과치료에어려움이커지고있다. 이에방대하고다양한의료데이터중유의 미한데이터의신속한선별과분석하는기술에대한수요가대두되고있다. 둘째, 고령화사회, 기대수명연장등의사회적변화로건강수명에대한국민의관심이높아짐과동시에 1인당부담해야할의료비부담증가가중요한사회적이슈로부각되고있다. 이에질병의정밀진단및조기발견으로의료의질적수준향상과의료비절감등에대한니즈가증가하고있다. 셋째, 고령화시대진입및유병기간증가로의료비부담이가중됨에따라 질병진단및치료와함께사전관리와모니터링을통한사후관리를포괄하는진단 기술이요구되고있다. 나. 정의 모바일인공지능진단기술은모바일기기내장센서에의한데이터와문자, 음성, 통신등방대한양의데이터를빅데이터와인공지능기술을활용하여질병의예방 진단 관리등에적용함으로써혁신적인고부가가치의료서비스제공을의미한다. 모바일인공지능진단기술의핵심요소기술로는아래표 1과같이 1) 모바일센서기술, 2) 빅데이터분석및조정기술, 3) 딥러닝을통한데이터분석의 3가지핵심기술로구성되어있다. 이러한모바일인공지능진단기술은모바일센서를통해취합한다양한데이터정보를빅데이터분석을통해질병의진단기능을높이는동시에인공지능의딥러닝기술을활용함으로써향후발생가능한질병에대한예측, 예방등에대한인사이트제공과더불어개인에특화된맞춤형의료서비스제공을촉진하는기술로서중요성이높아지고있다.
3 2017 년 BioINpro 36 호 [ 표 1. 모바일인공지능진단기술의핵심요소기술 ] 구분 모바일센서기술 빅데이터분석및조정기술 딥러닝을통한데이터분석기술 내용 모바일기기에내장된가속도 / 온도 / 카메라와같은물리센서의기능강화및혈당센서와같은화학센서의소형화및사용편리성강화 다양한물리센서의데이터와함께문자 / 음성 / 데이터통신의패턴분석을추가하여빅데이터분석을통해질병의정밀진단및조기진단가능 딥러닝을이용한새로운데이터분석의틀마련 < 출처 : 한국생명공학연구원 (2016)> 또한모바일인공지능진단기술은개인의유전체정보, 진료기록, 생활습관 정보등을바탕으로맞춤형예측의료를가능하게하는 정밀의료 실현의토대가 될것으로전망된다. [ 표 2. 정밀의료의개념 ] 정밀의료 (Precision Medicine) ( 정의 ) 개인의유전체및진료정보를고려한맞춤의료 ( 유전체의학 ) 와건강, 생활환경, 습관 (Lifelog) 정보에기반한사전적건강관리 ( 모바일헬스케어 ) 가통합된맞춤형예측의료 ( 예방 진단 치료 ) 서비스 - 다양한유전체와빅데이터통합분석을통해민감도에따라세부그룹으로분류하여, 질병예방, 조기진단및치료를위한최적의처방을실시 - 인공지능기술의적용으로보다효율적인개인맞춤형의료서비스제공가능 - 정밀의료실현을위한핵심기술 : IoT, 빅데이터, 인공지능, 유전체정보기반맟춤의료기술 < 출처 : 복지부 (2016)>
다. 적용분야 헬스케어분야에서인공지능은의료 유전자데이터, IoT, 빅데이터, 모바일웨어러블기기등 ICT 인프라와결합되어환자의질병을예방 진단 관리에적용되고있다. 특히, 모바일인공지능진단기술분야는센서기술, 빅데이터기술, 인공지능기술이결합되어질병의사전예방 진단 관리등이가능함에따라특정질병의원인추적및치료경과관찰, 감염성질환의전파차단등국민건강증진에기여할것으로기대된다. 딥러닝기술의발전으로사람의얼굴을사람보다더잘구별해내는인공지능알고리즘이개발되면서진단의학계의혁신적인변화를가져왔으며, 헬스케어에서의인공지능적용이빠르게확대되는계기가되었다 (KHIDI, 2016). 인공지능기술을통해의료데이터 영상 이미지를토대로질병진단, 예측의정확성이증가하여의료의질적수준을향상시켰다. [ 그림 1. 딥러닝을활용한의료분야사례 ] < 출처 : KHIDI (2016) 재인용 > 인공지능은의료기관, 보건기관, 제약 / 보험사, Health IT 기업등헬스케어관련다양한산업에서의활용이빠르게확산될것으로전망된다 (ETRI, 2016). 의료 보건기관에서는환자의질병진단 예측 치료및전염병확산경로를파악 예측하고, 보험사는인공지능기반개인맞춤보험상품을개발하는데활용하며, 제약사는인공지능기반의신약개발에활용, Health IT 기업은인공지능암진단시스템개발및개인라이프로그분석을활용한건강관리서비스등인공지능이다양한분야에서폭넓게활용될것으로예측된다.
5 2017 년 BioINpro 36 호 [ 그림 2. 헬스케어분야의인공지능적용가능응용제품서비스 ] < 출처 : 김문구 (2016)> Frost & Sullivan(2015) 에의하면, 헬스케어산업에서인공지능의적용분야는크게의료정보, 생활습관정보등의데이터를기반으로인공지능기술을활용하여진단및질병치료와병원에서인공지능기반의료및병원운용플랫폼을통해궁극적으로인간에게고품질의의료서비스제공을목표로제시하고있다.
[ 표 3. 헬스케어에서인공지능의적용분야 ] 구분 주요내용 - 다양한인공지능 (AI) 기술회사와병원과의파트너십 치료정보제공, 병원내정보의 Workflow 문제해결 - 블로그, 사진, 소셜미디어, 모바일데이터등의다양한비정형데이터와 AI 결합 실행가능한통찰력을얻음 - 패턴인식과머신러닝 AI 플랫폼 신뢰할수있고정확한의료이미지분석제공 - 개선된안면인식과모션센싱소프트웨어를통해환자의약물순응도를파악 혁신적인자동화된환자 guidance 제공 - AI 기반솔루션을통해원활한환자흐름과간호인력의유지 병원내운영효율화실현 - AI 기반솔루션의제공으로어디에서나보다저렴하고가치있는의료서비스받음 - 웨어러블디바이스의실시간데이터를 AI 기술과결합 실시간헬스케어서비스제공 < 출처 : Frost & Sullivan (2015) 참조하여재구성 >
7 2017 년 BioINpro 36 호 2. 국내외동향 가. 국내외동향 1) 국외동향 인공지능기술을활용한글로벌메이저헬스케어사업자로는 IBM, 구글, 애플등이있다. 글로벌인공지능헬스케어시장의 45% 를점유하고있는 IBM은 Watson 사업부를신설하여헬스케어분야의인공지능핵심기술을선도하고있으며, 방대한의료영상빅데이터및자연어처리, 딥러닝등의인공지능기술을통해암진단분야의글로벌시장을리딩하고있다. IBM Waston의인공지능기술을활용한메모리얼슬로언케터링암센터의연구결과에의하면전문의와 Waston의진단일치율 ( 대장암 98%, 직장암 96%, 자궁경부암 100%) 로높게나타남에따라 IBM Waston 인공지능기술의정확성및완성도가상당한수준에다다른것을알수있다 ( 김문구, 2016). 구글은자회사인 Verily 를중심으로인공지능 ( 머신러닝 ) 과컴퓨터알고리즘을 이용하여 유전자 - 생활습관 - 질병 간관계연구, 실시간혈당관리, 노화방지치 료, 수술로봇개발등에집중투자하고있다. 애플은다양한모바일헬스케어플랫폼 (Healthkit, Researchkit, Carekit 등 ) 및스마트기기 ( 아이폰, 아이패드등 ) 로부터확보한데이터를바탕으로개인의건 강상태모니터링및질병치료등에서의료서비스의혁신을창출하고있다. 한편제4차산업혁명의핵심기술로부각되고있는인공지능기술을활용한헬스케어분야의스타트업에대한투자가빠르게증가하고있다. 2012년 20개미만이었던스타트업이 2017년 2월기준으로스타트업이 106개로크게증가하였다. 예측및위험관리, 의료영상진단, 건강관리및모니터링등다양한분야에서인공지능을적용한헬스케어스타트업에투자가활발하게이뤄지고있다.
[ 그림 3. 인공지능을홀용한헬스케어스타트업현황 ] 출처 : https://www.cbinsights.com/blog/artificial-intelligence-startups-healthcare/ 인공지능을적용한헬스케어스타트업의대표적인글로벌사업자로 AiCure, WellTok, MedAware, Enlitic, Ginger.io, Sens.ly 등이있다. 미국의 AiCure는환자가처방받은약을제시간에적정량을복용할수있도록관리, 감독해주는서비스로인공지능을이용해이미지속사람과약이정확한지분석한후의료기관으로해당정보를보낸다. 환자질병의개선결과를바탕으로복용약의효능분석이가능하다.
9 2017 년 BioINpro 36 호 미국 Welltok사의 Cafewel Concierge 솔루션은 IBM Watson의인공지능기술을활용한지능형헬스서비스로사용자가직접질문을하고답변을받을수있으며반대로앱이사용자에게말을걸어서행동과관련항정보를수집한다. 본서비스는사용자가오랜기간사용할수록사용자맞춤형서비스제공가능성이높아진다. 이스라엘의 MedAware 는환자의전자의무기록분석을통해실시간처방 오류의사전적방지를위한솔루션을제공하는것으로빅데이터분석과인공지능의 머신러닝기술이적용된다. 미국의 Enlitic 는딥러닝을의료이미지 / 영상데이터에응용하여질병여부를 판단하는시스템을제공하며, 2015 년 5 대유망스타트업으로선정되었다. 미국의 Ginger.io 사의 Ginger.io Solution 은정신질환자를대상으로우울증, 분노장애등환자의스마트폰활용데이터를모니터링즉, 스마트폰사용패턴을 분석하여정신건강관리서비스를제공하고있다. 미국의 Sens.ly사는주로노인과만성질환자를대상으로퇴원후집에서지속적인치료가필요한환자를도와주는인공지능간호사서비스인 Molly서비스를제공하고있다. Molly 서비스주요특징으로는인공지능을활용한원격의료플랫폼을제공하는것으로혈압및측정과원격진료의일정관리를담당하고있다. [ 표 4. 글로벌인공지능헬스케어서비스주요사례 ] 사업자 AiCure WellTok MedAware 내용 인공지능기술을이용하여처방받은약을제시간에적정량을복용할수있도록관리, 감독해주는서비스제공 IBM Waston 의인공지능기술을통해보험회사, 의료서비스제공사를대상으로건강관리프로그램등지능형헬스서비스제공 빅데이터분석과머신러닝의인공지능알고리즘을통해환자의전자의무기록 (EMR) 분석을통해실시간처방오류의사전적방지솔루션제공
Enlitic 딥러닝기술을활용하여의료이미지 / 영상데이터 (X 레이, CT, MRI 등 ) 를분석하여의료진단을신속하게처리하는솔루션제공 Ginger.io 우울증의정실질환자를대상으로인공지능, 빅데이터분석을활용하여환자맞춤형정신건강관리서비스제공 Sens.ly 퇴원후에도지속적인치료가필요한환자대상이인공지능간호사서비스제공 < 출처 : 각사홈페이지, 김문구 (2016) 참조 > 2) 국내동향 국내의경우인공지능을활용한진단분야의헬스케어산업은현재초기시장도입단계로소수의스타트업을중심으로의료기관과의협력, 벤처캐피탈로부터투자자금유치등을통해인공지능기술을접목한혁신적인의료솔루션의개발에자원과역량을집중하고있다. 셀바스 AI( 구디오텍 ) 는딥러닝및음성인식기술을활용하여음성의료정보를 저장및문서화하는솔루션을제공하고있으며세브란스병원과협력하여의료 녹취시스템을개발하고있다. 루닛은딥러닝기술을통해고정밀의료영상판독서비스를제공하는서비스로 딥러닝, 이미지인식기술의인공지능기술을바탕으로의사를대신해질병을 빠르고정확하게진단하는것을목표로하고있다. 뷰노는딥러닝기술을이용하여페암진단을보좌는 SW로폐암환자의 CT 사진과진단데이터를바탕으로해당환자가폐암인지여부를진단해주는기술이다. 현재서울아산병원에서 Vunno-Med가판단한폐암진단에대한정확성을검증하는연구가진행되고있다.
11 2017 년 BioINpro 36 호 스탠다임은신약개발에특화된국내인공지능솔루션기업으로머신러닝 기술을통해신약개발기간과비용절감을목표로신약개발솔루션개발에집중 하고있다. [ 표 5. 국내인공지능헬스케어서비스주요사례 ] 사업자 셀바스 AI 내용 의사의진단과처방, 영상판독소견, 수술시의상의진료내용등각종의료기록을딥러닝과음성인식기술을활용해저장및문서화하는솔루션제공 루닛 딥러닝기술을통해질병을정확하고빠르게진단하기위한고정밀의료영상판독서비스제공 뷰노 딥러닝기술을이용하여폐암진단의정확성과객관성을높여주는서비스제공 스탠다임 인공지능기술을신약개발에활용하는솔루션서비스제공 < 출처 : 각사홈페이지, 김문구 (2016) 참조 > 나. 시장전망 글로벌모바일헬스케어시장규모는 2014년 24억달러에서연평균 54.9% 의빠른성장을통해 2018년 215억달러의큰시장을형성할것으로기대된다 (BCC Research, 2014). 특히, 인공지능을활용한글로벌헬스케어시장은 2015년 8.1억달러에서연평균 42% 의고성장을통해 2021년 67.6억달러의시장규모가형성될것으로전망된다 (Frost & Sullivan, 2015). 국내인공지능활용헬스케어시장의경우세계연평균성장률보다높은 70.4% 의빠른성장을통해 20015 년 17.9 억원에서 2020 년 256.4 억원의시장 규모가형성될것으로전망된다 (KISTI, 2016).
3. 시사점및활성화방안 가. 시사점 모바일인공지능진단기술의도입은산업및개인삶의변화에커다란영향을 미칠것으로전망된다. 첫째, 환자의질병예방및삶의질향상이다. 센서를통해얻은환자및일반인의다양한의료 / 생활패턴데이터를분석, 인공지능기술을적용하여상시건강모니터링및질병예측 치료를높임으로써건강한삶의영위가가능하게될것이다. 둘째, 의료의질향상및의료비절감이다. 축적된의료데이터를기반으로치료가능한질환의정밀진단및조기발견으로의료의질적향상과의료비절감효과가가능하다. 인디애나대학의 Casey Bennett(2013) 연구결과에의하면, 인공지능을활용할경우진단성과는 41.9% 향상되고의료비는 58.5% 절감효과가있는것으로분석되었다. 셋째, 개인에최적화된맞춤형치료가가능한정밀의료의실현을가속화할것이다. 딥러닝의인공지능기술을통해개인의의료정보, 유전체정보, 라이프로그데이터등을토대로빅데이터분석에기반을둔개인에특화된정밀의료서비스가제공이가능하다. 넷째, 개인의의료정보, 생활패턴등다양한데이터에대한유출로프라이버시문제에대한우려가제기될수있다. 즉악의적으로개인정보해킹시개인정보유출의가능성이상존함에따라개인정보보호관련기술및제도적보완책이병행되어져야할것이다. 마지막으로인공지능의오류에따른오진및잘못된처방으로의료사고의 가능성이다. 개인의생명을다루는헬스케어분야의특성상인공지능시스템의 복잡성이고도화됨에따른예기치못한진단과처방의오류가발생할수있다.
13 2017 년 BioINpro 36 호 나. 활성화방안 모바일인공지능진단기술의도입이건강한삶의질개선, 의료비절감및 의료서비스의질적향상등에기여하기위해서는다음과같은사항이요구된다. 첫째, 인공지능기술을접목한헬스케어스타트업에대한투자를강화하여국내인공지능기반의료생태계의변화와혁신을창출하는것이필요하다. 구글, IBM 등글로벌기업들은기술력을갖춘스마트업의인수, 합병이가속화되고있으며유망스타트업에대한대규모투자가이뤄지고있다. 이에국내의글로벌산업경쟁력을강화하기위해서는다양한전문성을바탕으로하는인공지능헬스케어스타트업에대한투자와정부의지원 (R&D, 창업환경조성등 ) 이요구된다. 둘째, 수요자니즈를반영한다양한인공지능헬스케어비즈니스모델발굴이필요하다. 수요기반다양한데이터를토대로인공지능기술을결합하여의료서비스의질향상, 의료비절감및차별적인다양한수요자에특화된비즈니스모델을창출해야할것이다. 셋째, 헬스케어분야의인공지능기술역량의강화가필요하다. 인공지능을활용한의료서비스에대한국민의높은기대수준대비국내인공지능기술및인프라수준은미흡한실정이다. IITP(2016) 보고서에의하면, 미국대비한국의인공지능기술수준은 70.5%( 미국 100% 기준 ), 기술격차는 2.4년으로나타나고있어이러한기술격차는헬스케어분야에도비슷한수준을보이고있다. 우리나라의기술경쟁력을확보하기위해서는공공부문의선도적인 R&D 투자뿐만아니라민간부문과의공동 R&D 협력이필요하다. 넷째, 인공지능모바일진단기술을적용한헬스케어산업생태계참여자간상생협력의생태계환경조성이필요하다. 상시적으로정확한측정이가능한초소형, 첨단모바일센서와빅데이터분석및인공지능등관련산업내참여자간 ( 기업, 연구기관, 정부등 ) 능동적협력이중요하다. 마지막으로인공지능을활용한상용화기기 서비스가증가함에따라인공지능의오류, 판단이나결과의책임소재, 환자의안전사고등에대한문제가발생할수있다. 향후인공지능으로인해야기되는상기의발생가능한다양한이슈의해소방안마련을위한지속적인논의가요구된다.
참고문헌 1. 2012 김문구, 인공지능헬스케어의산업생태계와국내활성화방안, ETRI Insight Report 2016-08, 2016. 2. 보건복지부, 정밀의료를통해개인맞춤의료실혐및미래신성장동력확보추진, 2016. 3. 한국생명공학연구원, 2017 바이오미래유망기술발굴, 2016. 4. BCC Research, Mobile Health Technologies and Global Markets, 2014. 5. Casey Bennett, How a simple machine learning algorithm could simultaneously improve behavioral healthcare outcomes while reducing cost, Indiana University, 2013. 6. CB Insight, https://www.cbinsights.com/blog/artificial-intelligence-startups-healthcare/ 7. Frost & Sullivan, Cognitive Computing and Artificial Intelligence Systems in Healthcare, 2015. 8. IITP, 2015년도 ICT 기술수준조사보고서, 2016. 9. KISTI, 인공지능헬스케어 : 새로운고부가서비스창출기대, 2016. 10. KHIDI, 의료인공지능현황및과제, 보건산업브리프, Vol. 219, 2016. 11. NIA, 빅데이터시대, AI의새로운의미와가치, IT & Future Strategy, 제7호.
15 2017 년 BioINpro 36 호 BioINpro 는생명공학주요기술및산업, 정책동향을관련분야전문가의시각에서 작성된보고서이며, 생명공학정책연구센터의공식견해는아닙니다. 본지의내용을인용할때에는반드시출처를명시하여주시기바랍니다. 발행호 : 2017년 BioINpro 36호 발행처 : 한국생명공학연구원생명공학정책연구센터 연락처 : 042-879-8376 온라인서비스 : http://www.bioin.or.kr