www.khidi.or.kr, www.khiss.go.kr 발행일 _ 2016. 8. 22 발행처 _ 한국보건산업진흥원발행인 _ 이영찬 보건산업브리프 Vol. 219 의료인공지능현황및과제 R&D 기획단이관용, 김진희, 김현철 Contents I. 인공지능기술의등장과기대 AI 기술의잠재가치부상 AI 기술의산업규모와위상 II. 보건의료와 AI 의만남 미충족의료수요 (Unmet Medical Needs) 보건의료와 AI 접목의가치보건의료 AI 실현의가능성 III. 의료 AI 기술의사례 특허분석을통해본활용사례언론보도를통해본활용사례 IV. 결론및시사점 : 당면과제 기술적측면산업적측면사회적측면 1

신경망특감각및운동기관신경망구신경신호분자생물학신경발학습분자생물학습법칙기능Ⅰ 인공지능기술의등장과기대 AI 기술의잠재가치부상 20 세기후반컴퓨터기반정보혁명이래 ICT 기술은생산성을비약적으로발전시키는 범용기술 로서산업전반에막대한영향을끼쳤고, 이제는이종기술융합을통해 자가촉매적반응 가속화 * 범용기술 (General Purpose Technology) : 증기기관, 전력과같이특정산업에한정되지않고경제전반에걸쳐 생산성을비약적으로제고시키는기술 1) * 자가촉매기술 (Autocatalytic Technology) : 다음기술의더빠른발전에기여하는기술 ( 컴퓨터, 통신, 인공지능 등의 Infotech) 2) - ICT 기술은유무선통신기술의진화, 멀티미디어처리와저장기술발전을거듭하면서점차복합화 지능화된 기술로진화하고있으며, 최근뇌과학 뇌의학기반기술의발전에힙입어인공지능 (Artificial Intelligence, 이하 AI) 기술혁신촉발 뇌연구신경회로망연구컴퓨터연구 예방 치료 뇌의약학분야 뇌과화분야 응용 1930 1940 1950 뇌파 ( 버그 ) 괴델의불완전성정리튜링기계처치이론컴퓨터세대맥컬록-피츠의형식뉴런위너의사이버네틱스샤논의정보이론에니악 1 헤브의학습모델 ( 진공관 ) 미소전극하지킨-헉슬리방정식 2( 트랜첫인공지능지스터 ) 억제시냅스 ( 에클스 ) 퍼셉트론회의 재활방법뇌질환의예방뇌질환의치료뇌질환의진단뇌질환의병인규명 인공두뇌개발인공시각시스템음성인식시스템분산자율시스템추론 최적화시스템지능형통신시스템신경회로망칩 시스템 1960 1970 휴베-위젤의시각연구소뇌의신경회로망뇌자계 ( 코헨 ) 분할뇌 ( 스페리 ) 위드로의 ADALINE 리스프 (LISP) 언어민스키-파페트논문 3(IC) 3.5(LSI) 신경생물학 인지과학적이NMR-CT 많은이론연구 프롤로그언어 1980 소뇌학습검증 합필드의모델연결주의모델 PDP 뉴로컴퓨터 4(VLSI) 생및분화이해 해 모델조 학성 신인지과학 출처 : 과학동아 ( 91) 출처 : 이수영 ( 98) < 그림 1> 뇌연구와컴퓨터연구, 인공지능기술의관계 - AI 기술을통해인간의능력을넘어서는수준의데이터를처리할수있고, 보다정확하고효율적인의사결정이가능해짐에따라새롭게주목받기시작 * 디지털데이터규모 : 4.4 제타바이트 ( 13) 44 제타바이트 or 44조기가바이트 ( 20) 3) * 1 빅데이터의발전 : 광범위한데이터를 Sensing 하고저장할수있는기술의발전, 2 컴퓨테이션파워의증대 : 이론상으로만가능했던알고리즘이실제동작, 3 기계학습알고리즘의발달 : 사람의지도없이스스로유용한정보 구별알고리즘발전 1) Brynjolfsson and Mcafee(2014), 이성호외 (2015) 2) Stewart Brand(2009) 3) medicalfutureist(2016) 3

보건산업브리프 AI 기술은이미현대인의생활전반에깊숙이활용되고있으며, 점차인간의편의와안전을위한모든영역에범용적으로확산될것으로전망 - 간단한 (Weak) AI 기술은이미인간의생활곳곳에서활용되고있으며, 각종서비스를통해편리한기능제공 * 실시간교통정보네비케이션, 김치냉장고 ( 발효기능 ), 게임자동플레이, 페이스북얼굴인식, 개인맞춤영화추천, 스팸메일차단, 스마트폰음성인식, 구글검색엔진등 4) 최근 4 차산업혁명의논의와함께, AI 기술이과학, 비즈니스, 공공선 (Social Good) 실현의중요수단으로부각되었으며, 향후로봇, IoT, 가상 증강현실등다양한기술과의융합전망 - 다가오는 4 차산업은 AI 기술을중심으로디지털과바이오등의기술융합을통해모든것이연결 (Connectivity) 되고자동화 (Automation) 된사회로진화하여새로운산업혁명이이뤄질것으로예상 - IoT 와 AI 를기반으로사이버세계와물리적세계가네트워크로연결돼하나의통합시스템으로서지능형 CPS (Cyber-physical System) 을구축할것이란예측 5) 차량센서 가전제품 카메라스마트폰스마트메터바이탈센서모니터링센서 데이터베이스 데이터베이스데이터베이스데이터베이스데이터베이스 모델모델모델모델모델 생산성저하가없는맞춤형제품공급망연계로재고제로 자율주행기술활용으로교통사고 지체저감등이동시간을자유시간으로바꾸는新모빌리티신현 저렴 안정적인에너지공급신서비스시장에의한전력소매시장활성화 예방의료충신에의한건강수명연장개임의특성을고려한맞춤형의료 운영효율화에의한신규서비스제공인프라간의연계로재해대책기반강화 출처 : 일본경제산업성, NIA(2015) 에서재인용 < 그림 2> CPS 사이클 ( 데이터의분석과피드백 활용 ) AI 기술의산업규모와위상 IDC(International Data Corporation) 의예측에의하면세계 AI 시장규모는 15 년 1,270 억달러 ( 약 142 조원 ) 에서 17 년 1,650 억달러 ( 약 185 조원 ) 로연평균 14.0% 의높은성장을지속할것으로전망 - AI 관련스타트업투자규모는 10 년 4,500 만달러 ( 약 505 억원 ) 에서 16 년 3 억 5,000 만달러 ( 약 3,930 억원 ) 이상이될것으로추정 4) 기업들이마케팅적요소로 AI 를사용했을뿐, 사실 제어공학 과 시스템공학 측면의단순제어프로그램에불과하다는일부의비판도있음 (Yutaka Matsuo, 2015) 5) 하원규외 (2015) 4

( 백만달러 ) 40,000 빅데이터인공지능 35,000 30,000 25,000 20,000 15,000 10,000 5,000 0 2010 2011 2012 2013 2014 2015 출처 : IDC, EU,(2013). 이형직 (2014) 에서재인용 < 그림 3> 빅데이터와 AI 시장동향 프로스트설리반 (Frost&Sullivan) 및 BCC(BCC Research) 의예측에의하면 AI 스마트기기관련시장규모는 14 년 63 억달러 ( 약 7 조원 ) 에서 24 년 412 억달러 ( 약 46 조원 ) 규모로성장예상 - 스마트기기 AI 시장은 24년기준각분야별로자동로봇 (139억 $), AI 시스템 (124억 $), 디지털 ( 지능형 ) 보조 (80억 $), 인공신경망 (46억 $), 임베디드 (20억 $) 순으로전망되며각분야성장률은두자리수이상으로매우높을것으로전망 < 표 1> 세계각국의 AI 관련시장전망 조사기관대상 15 년 17 년 CAGR IDC 영상음성처리분야 1,270 억달러 1,650 억달러 14% Cognitive SW 플랫폼 10 억달러 37 억달러 92% BCC 리서치음성인식 840 억달러 1,130 억달러 16% Tractica AI 시스템 2 억달러 111 억달러 - IBM 맥킨지 25 년 2,000 조원시장창출 25 년 6 조 7 천억달러 (7,000 조원 ) 파급효과 출처 : 김재필외 (2016) 씨비인사이트 (CB INSIGHTS) 에의하면, 전세계적으로 15 년 AI 스타트업투자는전년도의약 10% 성장, 특히 13 년대비약 200% 이상의규모로확대하고있으며, 15 년에약 400 건의거래가이루어졌고 16 년은 1 분기에만약 145 건에달함 5

보건산업브리프 AI Landscape: Global Yearly Financing History 2011-2015 Disxlosed Investment($M) 397 Deals 307 196 $2,388 131 $2,177 67 $282 $415 $757 2011 2012 2013 2014 2015 AI Landscape: Global Quarterly Financing History Q1'11-Q1'16 Disxlosed Investment($M) 143 Deals 117 105 58 70 78 84 78 91 84 $901 38 36 36 46 48 44 $552 $926 $628 $491 $602 14 $62 19 20 21 14 $94 $66 $59 $64 $137 $112 $102 $186 $253 $197 $121 $302 $398 $368 Q1'11 Q2'11 Q3'11 Q4'11 Q1'12 Q2'12 Q3'12 Q4'12 Q1'13 Q2'13 Q3'13 Q4'13 Q1'14 Q2'14 Q3'14 Q4'14 Q1'15 Q2'15 Q3'15 Q4'15 Q1'16 출처 : CB Insights(2016), Artificial Intelligence Explodes: New Deal Activity Record For AI Startups < 그림 4> 전세계 AI 스타트업투자현황 - 15 년기준한국의 AI 관련기업은 24~64 개로, 세계 AI 관련스타트업산업체수의 2.5%~6.7% 수준 6) 국내 AI 총시장규모는 20 년 2.2 조원에서 30 년 27.5 조원으로성장할것으로전망 ( 십억원 ) 30,000 25,000 20,000 15,000 10,000 5,000 0 2014 2020 2025 2030 출처 : 김재필외 (2016) < 그림 5> 국내 AI 시장규모전망 6) 전해영 (2016) 6

Ⅱ 보건의료와 AI 의만남 미충족의료수요 (Unmet Medical Needs) 1 진단 치료의어려움 : 의료데이터의복잡성증가 진단및치료과정에서첨단의료기기와기술활용은매우오래전부터이루어져왔으나, 의료데이터의복잡성이점차심화되어기존의접근방식으로컨트롤하는것이불가능 < 표 2> 의료데이터를분석하기어려운 5 가지이유 특징 데이터다양성 (multiple data locations) 구조화 vs 비구조화 (structured vs. unstructured) 데이터정의 (data definition) 복잡성 (complexity) 규제와요구사항 (regulation & requirements) 내용 - 의료데이터는다양한종류의시스템에서생성 (EMRs, HR software, etc.) - 의료데이터는다양한부서에서생산 (radiology, parmacy, etc.) - 의료데이터는다양한포맷의파일로구성 (text, numeric, paper, digital, picture, videos, multimedia, etc.) - EMR 은일관성있는데이터캡쳐플랫폼을제공하지만, 실제로는사용자에따라다른구조로문서화 - EMR 사용자들이획일적통합에거부감피력 - 같은질환의환자를대상으로의료진마다합의되지않는다른진료결과발생 - 하나의의료데이터가새로운연구결과와실험결과를통해다른이해와정의로변화 - Claims data 는표준화노력을하였으나여전히변수의발생이많아분석에활용하기에불안정함 - 분산된프로그램에서생성되는의료데이터를관리하기위해보다정교한 tool 이필요 - 규제및보고에대한요구사항이증가하고진화를거듭하고있음 - 이를보완하기위한의료조직들의지속적인부담발생 출처 : Healthcatalyst(2016) 에서발췌및재가공 - 동일질환환자에대한의료진들의진료소견이각자의데이터해석능력에따라차이발생 같은질환이라도개인의건강상태, 생활습관, 유전체정보에따라증상이다르기때문에보편적의료 (average medicine) 는일부환자에게효과가없거나심각한부작용발생우려 - 08 년미국에서처방된의약품 3,504 조원중 1,470 조원 (49.7%) 은치료효과가없었으며, 처방을받은환자중 200 만명은심각한부작용을보이며, 이중 10 만명은사망 ( 사망원인 6 위 ) 7) * 와파린의경우, 개인및인종별적정사용량이 100 배까지차이 방대하고다양한의료빅데이터중진료과정에서활용할유의미한데이터의선별어려움 - 건강검진자료, 질병자료, 전자의무기록자료, 유전체분석데이터등바이오센싱, 의료영상을중심으로데이터 규모의급증추세 7) 조두연 (2013) 7

보건산업브리프 한장의인체영상은서로다른 layer 의결합으로이루어져있기때문에, 단순한방식으로병변을찾아내는것은매우어려움 < 테니스공 > <CT image> 지름약 7cm 의둥글고노란색물체 (can described by feature(words))? (cannot described by feature(words)) < 그림 6> 의료영상분석의어려움 - CXR 영상에서폐암을놓치는 80% 이상의원인은뼈가겹치고가려져서발생 8) 2 오진율증가 한국소비자원이 12 년 1 월부터 15 년 2 월까지접수된오진관련피해구제자료에의하면, 암과관련한내용이최근 3 년간 296 건에달하며, 이는전체오진건수의 61.7% 에해당 < 표 3> 최근 3년간오진소비자피해현황 ( 12. 1. 1.~ 15. 2. 28.) ( 단위 : 건 ) 구분 12년 13년 14년 15년 2월 합계 전체오진 173 141 146 20 480 암오진 * 115 88 83 10 296 림프종, 6 건 갑상선, 9 건 기타, 37 건 폐, 60 건 여성생식기, 17 건 비뇨기계, 19 건 유방, 48 건 하부위장관, 25 건 간담도췌장, 36 건 상부위장관, 39 건 < 그림 7> 암발생부위별오진현황 참조 : 본조사에서 오진 이란건강검진이나진료과정에서암진단이적기에이루어지지않거나암에대한치료후암이아닌것으로밝혀진경우를의미 자료 : 국민건강보험공단, 암오진중폐암오진피해가장많아 (2015.04.20.) 8) Shah et al.(2003) 8

진단및치료과정에서의료영상장비를쓰는의사는최소한의방사선량으로최대한의진단정보를알아내야하지만방사선량이적은 X-Ray 장비는 MRI 나 CT 보다위험성이낮고정보량이적음 - 미국의경우, 한해동안약 600,000 명이오진의피해를겪음 (Mayo Clinic, 2014) 컴퓨터를이용한보조진단 (CAD) 기술이나오기도했지만정확도에문제가있었고의사의컨디션이나숙련도에따라판독결과가다름 개인간차이 (Individual Variations) 고려가부족한인구집단의학은불필요한검사나치료의가능성이높고, 비용증가를야기 - 개인별생물학적 / 생리학적특성에따른올바른처방을위한의학으로의패러다임변화요구증대 3 의료서비스의질, 의료비용불만가중 : 국민의삶의질요구증대국민의의료수요는다음 3가지로구분이가능하며, 이들이충족되어야의료만족도가높아질것 9) - 가용성 (availability) 의문제 : 대기시간과의료자원의배분, 의료서비스제공방식 - 접근성의문제 : 기본적으로의료보장제도에서해결해야하는비용의문제를의미 - 수용성의문제 : ( 가용성과접근성의문제가해결된다고하더라도,) 적절한정보제공과의료의질개선으로환자의기대와만족을높이고특정질병에대한인식의변화동반필요국민이원하는의료는 질높고, 친절하고, 안전한의료 이나박리다매식진료를할수밖에없는구조로인해국내의사의노동강도는 OECD 평균의 4~5배에이르며, 과잉진료에대한국민의의혹으로신뢰도붕괴 10) 정부불만 의사불만 저부담 건보재정불안 저수가 국민신뢰하락 저보장 국민불만 박리다매진료, 비급여진료 국민부담증가 과중한본인부담, 민간보험료지출 출처 : KMA 정책자료집 (2016) < 그림 8> 우리나라건강보험의악순환구조 9) 허순임외 (2009) 10) KMA(2016) 9

보건산업브리프 질병치료는많은비용이들어가는서비스로, 주로질병이발병한후에환자를치료하는반응적인의료시스템은엄청난비용을야기 11) - 우리나라의경상의료비지출규모는 GDP대비 6.9% 로 OECD 회원국평균 (8.9%) 보다낮으나, 2008년에비해 2013년우리나라의 GDP대비경상의료비는 1.1%p 증가하여, 같은기간 OECD 평균증가 (0.6%p) 보다높은증가폭을기록 12) * 우리나라의 GDP대비경상의료비지출은 OECD 회원국중매우낮은국가에속하지만증가속도는 OECD 회원국중높은수준 보건의료와 AI 접목의가치 1950 년대이후현대의학기술의급격한발전으로인류는각종전염성질병을극복하고생명을비약적으로연장시키는꿈을달성하였으나새로운질병위협에직면 < 표 4> 한국인의주요사망원인변화 1935년 2001년 2014년 1위 소화기계질환 뇌혈관질환 악성신생물 2위 신경계질환 심장질환 심장질환 3위 호흡기계질환 폐암 뇌혈관질환 4위 전염병 위암 고의적자해 ( 자살 ) 5위 감기 당뇨병 폐렴 6위 노쇠 간질환 당뇨병 7위 순환기계질환 간암 만성하기도질환 8위 전신병 교통사고 간질환 9위 비뇨기계질환 만성하기도질환 운수 ( 교통 ) 사고 10위 원인불명 자살 고혈압성질환 자료 : 조선총독부, 통계청통계연보 출처 : 주간조선 (2006) 및필자재구성 2012 년유엔은 21 세기보건정책의목표를바이러스에의한 질병극복 이아닌심혈관질환, 암과같은 만성질환관리 로전환 - 1970 년대이후세계각국은질병구조가만성병구조로바뀌고인구구조가 고령화사회 로진전됨에따라 국민의료비의급증을경험하게되었으며, 국가적차원의만성질환예방사업중요성을재인식 13) 11) IBM(2015) 12) OECD(2015) 13) 이종구 (2005) 10

사망원인구성비 (2013) 비감염성질환구성비 (2013) 감염성질환 7% 손상 12% 기타 30% 암 35% 비감염성질환 81% 만성하기도질환 3% 당뇨병 5% 순환기계질환 27% OECD 사망률비교 급성심근경색 OECD 평균우리나라 47.8 만성폐쇄성폐질환 28.8 28.7 19.2 68.1 76.5 뇌혈관질환 22.8 32.3 당뇨병 출처 : 통계청 (2014) < 그림 9> 만성질환의심각성 만성질환치료를위해환자의생활데이터 (lifelog) 는매우중요하며, 방대하게수집된개인의의료데이터를토대로유전자분석및질병예측을위해서는 AI 알고리즘이필수 - 현대인의만성질환은발병원인이복합적이고현재의의료기술로는완치에한계가발생하여환자의생활습관과 결부한접근법이대두 - AI 는방대한데이터를통해학습, 분석, 추론등의알고리즘정확성및정교성을높일수있고, 빅데이터는 AI 의 분석력, 추론력, 예측력등을통해더욱지능화된가치있는서비스창출이가능 14) 건강한삶, 안전한삶, 편안한삶, 쾌적한삶등삶의질향상에대한욕구는필연적으로고도화된의료서비스발전을야기 15) 14) NIA(2012) 15) 윤찬영 (2008) 11

보건산업브리프 1 기술적가치 AI 기술로다양한형태와방대한규모의의료빅데이터분석이가능하여보다정밀한진단으로의료현장에막대한파급력이예상됨 - IBM 왓슨을바탕으로암진단과치료법권고를시험한미국 MD 앤더슨암센터의암진단률정확도가 82.6% 였음을논문으로발표 16) * 전미암협회에따르면, 전문의의암진단초기오진비율은 20%, 높은경우는 44% - 2016 년 BioKorea 에서발표된자료에의하면, IBM 왓슨의암진단정확도는현재 96% 로상승하여, 전문의보다 높다는평가받음 17) 출처 : MD Anderson, KB 금융지주경영연구소 (2015) 에서재인용 < 그림 10> 의료산업 Watson 활용순서도 - 딥러닝 (Deep Learning) 기술로사람의얼굴을사람보다더잘구별해내는 AI 알고리즘이개발되면서 진단의학계의판도변화 출처 : VUNO(2016) < 그림 11> 딥러닝을활용한의료분야예 16) Koichi Takahashi et al(2014) 17) BioKorea, 2016 12

딥러닝 (Deep Learning) 의이해 -( 배경 ) 기존패턴인식이음성인식이나영상인식에서여전히인간두뇌의성능에미치지못하자, 인간두뇌의생물학적신경망의원리들을이해하는것이도움이될것으로기대하고깊은신경망 ( 네트워크 ) 을적용시킨계층적모델 -( 개념 ) 심층신경망이수많은반복과수정과정을거쳐디지털화된데이터 ( 이미지, 음향 ) 를패턴을통해인식 (KISDI, 15) -( 특징 ) 기존신경망 (neural networks) 에계층수를증가시킨심층신경망 (deep neural networks) 혹은심층망 (deep networks) 을학습하여기존의신경망에비해데이터의표현능력을크게증가시켜패턴인식이나추론에효과적으로활용 -( 장점 ) 1 해당분야의전문지식없이도데이터로부터자동으로특징을추출 2 특징추출기 (feature extractor) 와분류기 (classifier) 를대규모의신경망으로통합하여학습함으로써독립적인성능향상에비해성능개선 * 인간의두뇌는영상인식에서기본적으로 5~10 개의계층을통해연산을수행 90% 85% 80% SUMMIT/HMM MLP TRAPs Augm CRF Boltzmann machine V1-like feature sparse coding DNN RONN image(face) speech(phone) 75% RNN 70% 65% RNN/HMM HMM HMM Fisherface Facial Landmark dotoction Multiresolution Histogram 60% 55% Eigenface 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 출처 : 최희열 민윤홍 (2015) SVM cloud computing big data deep learming < 빅데이터와이를효과적으로활용하는딥러닝에기반한패턴인식성능의비약적발전 > - ( 원동력 ) 데이터의대용량화와이를처리할수있는클라우드기반의컴퓨팅파워의폭발적증가로인해기존패턴인식분야알고리즘들의한계극복 2 경제적가치 프로스트앤설리반 (Frost&Sullivan) 에의하면, 의료분야의전세계 AI 시장수익규모는 2014 년 633.8 백만 ( 약 7,120 억원 ) 달러에서 2021 년 6,662.2 억달러 ( 약 748 조원 ) 로증가할것으로추정 ( 연평균성장률 40%) 18) - 머신러닝및딥러닝기반의의료분야 AI 스타트업은 2011 년이래전체 870 백만달러 ( 약 9,770 억원 ) 규모로 성장 19) 18) Frost&Sullivan(2016.01.) 19) CB Insight(2016.05.) 13

보건산업브리프 Markets and Markets(2016) 은 AI 헬스케어세계시장규모는 71.3 백만달러 ( 약 800 억원 ) 에서 2020 년 754.7 백만달러 ( 약 8,475 억원 ) 로크게성장할것으로예상 - 인공지능헬스케어산업은전체 AI 시장의다양한응용분야들중연평균성장률 (CAGR) 이가장높은 60.3% 으로 전망 또한 Markets and Markets(2016) 는 AI 기술중헬스케어분야에적용가능한기술을기계학습 / 딥러닝, 자연어처리, 영상인식, 음성인식으로나누어각기술의시장규모를예측 딥러닝을포함한기계학습시장이 531.6 백만달러 ( 약 5,970 억원 ) 로약 69.3% 을차지해가장큰비율을차지하였고, 다음으로자연어처리 (16.5%) 와이미지인식 (13.3%), 가장시장규모가작게추정된분야는음성인식 (0.9%) 분야로나타남 600 500 531.6 140 120 122.5 120 100 97.3 30 25 400 300 200 100 0 CAGR 60.7% 49.6 2015 2020 100 80 60 40 20 0 CAGR 57.0% 11.8 2015 2020 80 60 40 20 0 CAGR 60.1% 9.5 2015 2020 20 15 10 5 0 0.65 CAGR 60.1% 3.29 2015 2020 기계학습 / 딥러닝 (69.3%) 자연어처리 (16.5%) 이미지인식 (13.3%) 음성인식 (0.9%) 출처 : 박정우 (2016) 에서발췌및재가공 < 그림 12> AI 헬스케어관련기술별세계시장규모전망 국내 AI 헬스케어시장규모는 2015 년 17.9 억원에서 2020 년 256.4 억원으로, 세계 AI 헬스케어시장보다 CAGR 이높은 70.4% 을보이며빠르게성장할것으로전망 300 250 200 CAGR 70.4% 256.4 150 141.4 100 83.0 50 17.9 29.1 46.7 0 2015 2016 2017 2018 2019 2020 출처 : 박정우 (2016) 에서발췌및재가공 < 그림 13> 국내 AI 헬스케어시장규모전망 3 사회적가치 개인맞춤형의료처치가가능하여보건의료분야사회적문제해결가능 - 우리나라국민의의료불만사항은진료의질, 의료비, 의료접근성순 20) 20) 한국보건사회연구원한국의료패널데이터분석 (2012 기준 ) 14

축적된의료데이터를바탕으로치료가능한질환의정밀진단및조기발견으로의료의질향상과의료비절감동시추구 - 인디애나대학 Casey Bennett 의연구에따르면, 진단시 AI 알고리즘을활용할시진단성과는 41.9% 향상되고, 의료비는 58.5% 절감된다는연구결과를발표 21) AI vs. Treatment-as-Usual 700 600 +41.9% 500 400 300 200-58.5% AI Algorithm Treatment-as-Usual 100 0 Outcomes(x100) Costs 출처 : Bennett, CC and K Hauser(2013) < 그림 14> AI 알고리즘의의료비절감 - 2025 년전체 23% 의의료비절감중약절반인 10% 는빅데이터와첨단 IT 기술에기인할것으로조사됨 Operational and procurement best practices 9 Predominantly catching up Pushing the frontier Enabler for other levers Optimize treatment setting and length of stay 3 Reduce clinically ineffective procedures 2 Big data and health-care IT 10 Diseasemanagement programs 2 New treatments and procedures 1 Optimize care delicery setting 4 Potential savings 2025 23 출처 : Mckinsey(2015) < 그림 15> 빅데이터와헬스케어 IT 기술의의료비절감 보건의료 AI 실현의가능성 1 ICT 인프라 우리나라 ICT 인프라는세계최고수준으로, 타산업과의융합을가속화하면서집중투자를하여지능정보사회선도적위치선점가능 21) Bennett, CC and K Hauser(2013) 15

보건산업브리프 < 표 5> 의료기술과타기술의융합분야예시 융합유형사례내용 의료기술 + IT Bioinformatics ( 생물정보학 ) 인간의게놈정보를분석하고그생물학적의미를밝힘 ( 이를맞춤의학에활용 ) 의료기술 + NT 생체신호측정 나노기술을응용하여생체신호를측정하거나조절하는제품개발 ( 나노구조체를이용하여분자수준에서생체물질을검출하는기술을개발하여정확하고빠른진단실시 ) 의료서비스 + IT U- 헬스케어 / 스마트케어 의료서비스와 IT 기술을융합하여, 의사와환자의원격진료혹은환자의실시가가능한서비스 의료서비스 + 로봇 수술로봇 로봇기술과의료서비스를융합하여, 수술실에서집도의의명령에따라수술을보조하거나가이드역할을해주는로봇. 의사를대신하여수술과정의전체혹은일부수행 출처 : 구지식경제부 (2010), 대한민국산업 기술비전 2020- 융합신산업 발췌및재가공 - 국제전기통신연합 (ITU) 이 2016년일본히로시마에서발표한정보통신기술발전지수 ( 이하 ICT 발전지수 ) 에서조사대상 167개국중한국이 1위를차지 * ICT 발전지수는전년도각종정보통신기술관련통계를바탕으로각국가의 ICT 발전정도를평가한것으로, 국가간 ICT 역량을비교 분석하는가장공신력있는지표로활용 2 의료장비보유수준 우리나라의 CT, MRI, PET 등고가의진단및검사영상장비보유수준이 OECD 평균보다월등히높고, 세계최상위권 - 인구백만명당영상장비보유대수를보면 2014 년현재 CT 의경우 37.09 대로 OECD 평균 ( 13 년 ) 25.6 대보다 높고, MRI 는 24.5 대로, OECD 평균 ( 13 년 ) 14.6 대보다두배가까이많은편 22) < 표 6> 우리나라병원의영상시스템보급수준 이름의미한국현황 PACS 의료영상디지털솔루션보급률세계 1 위 EMR 전자의무기록시스템보급률세계 1 위 SCM 의료공급관리시스템세계최선두 CDSS 임상의사결정지원시스템세계선두 출처 : 한국경제 (2012.10.22.) 22) 남인순의원실 (2015.09.22.) 16

3 풍부한의료데이터우수한병원시스템을통해연간수백만명의환자진료가가능하며, 다양한양질의임상정보획득가능 - 병원의우수한디지털솔루션을통해의료정보의효율적, 경제적보관, 전송, 조회가능 - 전국민건강정보 DB( 건보공단, 심평원 ), 국가 Biobank의 67만명생체시료, 높은수준의의료정보화, 관련 R&D 투자등개인맞춤형의료인프라탁월 * 건보공단을통해 100만명 ( 전국민의 2%) 에대한정제 검증된코호트데이터공개 * 복지부산하건강보험심사평가원 빅데이터센터마스터플랜 발표 * 포스트게놈다부처유전체사업 ( 14 21년, 총 5,788억원 ) 을통해한국형유전체정보라이브러리구축 ( 질본 ), 보건의료빅데이터 R&D 신규추진 ( 16년 19억원 ) 등관련 R&D 적극투자중 < 표 7> 보건의료분야공공빅데이터현황 구분보유기관내용공개여부 건강보험포본코호트 DB 1) 국민건강보험공단 - 자격 DB : 건강보험가입자및의료급여수급권자의성, 연령대, 지역, 사회경제적변수, 장애, 사망관련등 - 진료 DB : 요양급여청구자료로서진료, 상병, 처방관련변수 - 건강검진 DB : 검진주요결과및문진에의한생활습관및행태관련자료 - 용양기관 DB : 요양기관종별, 설립구분, 지역, 시설, 장비, 인력관련자료 제한적공개 환자데이터셋 2) 건강보험심사평가원 - 건강보험청구자료를기초로진료개시일기준 1 년간진료받은환자대상의표본데이터 제한적공개 한국인체자원 3) 질병관리본부 - 공여자로부터기증받은인체유래물 (DNA, 조직, 혈액, 뇨등 ) 과임상 ( 진단명, 수술명, 병리조직검사결과, 혈액검사등 ), 역학 ( 성별, 생년월일, 음주력, 흡연력등 ) 및유전 (SNP, CNV, Exome 등 ) 정보 제한적공개 지역보건의료정보 사회보장정보원 - 전국보건기관 ( 보건의료원, 보건소 / 지소, 보건진료소 ) 의보건사업및행정업무, 전자의무기록및진료관련 ( 진료내역및검진결과등 ) 정보 미공개 지역사회건강조사 질병관리본부 - 지역보건의료계획수립및보건사업평가활용지표로서, 건강행태, 건강검진및예방접종, 질병이환, 의료이용, 사고및중독, 활동제한및삶의질, 보건기관이용, 사회물리적환경, 심정지, 교육및경제활동등 공개 국민건강영양조사 질병관리본부 - 국민의건강및영양상태에관한현황및추이파악 - 신체계측, 비만, 고혈압등검진조사, 흡연음주, 비만및체중조절, 신체활동등건강설문조사, 식품및영양소섭취현황, 식생활행태, 식이보충제등영양조사 공개 한국의료패널 한국보건사회연구원 - 개인의건강수준, 의료이용및의료비지출요인, 건강행태, 의료욕구, 보건의료서비스수요행태변화분석 - 사회경제적특성, 의약품구매, 경제활동, 건강수준, 의약품복용행태, 민간의료보험, 건강기능식품, 건강행태등 공개 자료 : 1) 포본코호트 DB 사용자매뉴얼, 국민건강보험공단 2) http://www.hia.or.kr/dummy.do?pgmid=hiraa070001000410 2015-07-08 15:15 인출 3) http://www.cdc.go.kr/cdc/contents/odckcontenview.jsp?cid=61074$menulds=home001-mnu1136- MNU1826-MNU1830 2015-07-08 10:12 인출출처 : 이연희 (2015) 4 세계적수준의 AI 영상인식기술력글로벌기회선점을위한국내기업들의시도가다양화되고있으며, 특히영상인식및분석기술은세계적기업과비교가가능할정도로우수 - 이미지넷이주최하는 2015 이미지인식기술대회 (ILSVRC) 에서머신러닝스타트업루닛 (Lunit) 이주요경연항목중객체위치식별 (Object localization) 분야에서 5위에오르며선전 17

보건산업브리프 - 디지털의료데이터가풍부한우리나라는딥러닝영상진단분야에서유리한입지를차지할수있을것으로예상 - 현재전세계적으로의료관련인공지능기술의상용화로수익을내고있는곳은없음 23) * IBM왓슨은실제현장에서는아직까지제한적으로활용중 : 메모리얼슬론케터링암센터 (Memorial Sloan Kettering Cancer Center) 와 MD 앤더슨암센터 (University of Texas MD Anderson Cancer Center) 등에서왓슨을활용하고있지만전체종양내과전문의가다사용하는것이아니라일부만활용 24) Ⅲ 의료 AI 기술의사례 특허분석을통해본활용사례 특허분석은출원일을기준으로 1980 년부터 2014 년까지한국, 미국, 일본및유럽에출원 ( 등록 ) 공개된특허를 대상으로 WIPSON DB 를이용하여검색 분석함 특허분석에비추어볼때, 인공지능기술을접목한보건의료기술은진료, 의약개발, 의료서비스, 의료정보등에서다양하게활용될것으로예측 1 ( 진료 ) 의료데이터등의복합정보로부터환자를진단하고, 이를기초로수술, 치료등을수행 2 ( 의약개발 ) 빅데이터를분석함으로써부작용이나약리기전을예측 분석하고, 최적화된임상시험을도출 3 ( 의료서비스 ) 개인별유전자정보와결합한정밀의료및 ICT 와결합한스마트의료 4 ( 의료정보 ) 보건의료에관련된각종데이터를수집하고, 이를기반으로새로운정보를생성하여제공 질병진단인공지능보조의사시스템 - ( 기술 ) 환자의의학데이터를기반으로머신러닝, 인공신경망등을적용 - ( 적용 ) 환자의종양, 심혈관질환, 흉부질환등을진단하여임상의사에의한의료영상판독에인공지능을이용한진단소견보완 - ( 장점 ) 정확한진단및오진방지 인공지능기반개인맞춤형의료시스템 - ( 기술 ) 지놈시퀀싱 (Genome Sequencing) 을통해획득된개인의대용량유전정보를기반으로데이터마이닝, 인공신경망등을적용 - ( 적용 ) 유전자이상과관련된질환을탐색 - ( 장점 ) 유전정보와질환간의연관성예측가능 23) 청년의사 (2016) 24) IBM 최고기술책임자인터뷰 (2016) 18

인공지능기반진단치료 재활치료시스템 - ( 기술 ) 인공신경망기술기반으로디바이스등을통해획득된데이터를학습 - ( 적용 ) 환자의진단치료, 재활치료등에활용 - ( 장점 ) 유전정보와질환간의연관성예측가능 인공지능을활용한신약개발시스템 - ( 기술 ) 대용량의료데이터를인공지능기술로분석 - ( 적용 ) 임상시험을최적화시키고부작용이나약리기전을예측 분석 - ( 장점 ) 신약개발의기간을단축 이미지출처 : Google 신약임상시험용환자모델링시스템 - ( 기술 ) 머신러닝알고리즘을통해임상연구데이터및임상시험관련문서등의임상연구데이터를학습 분석 - ( 적용 ) 타겟약물과유사한성숙약물 (mature drug) 을식별하여신약임상시험에적합한환자를식별하여매칭 - ( 장점 ) 복잡한임상시험요건간소화하고방대한임상시험정보의정밀하게검토할수있으며임상시험성공률을증가 이미지출처 : IBM 빅데이터기반개인건강관리서비스 - ( 기술 ) 헬스기기를통해개인의건강데이터를수집하고온라인으로저장하고공유하며, 머신러닝알고리즘을통해건강데이터에서특정패턴을식별 - ( 적용 ) 질환의정밀진단 - ( 장점 ) 개인맞춤형건강관리 이미지출처 : MS Health 19

보건산업브리프 < 표 8> IP History 분석을통해본 AI 기술활용분야 분야기술명내용 진단 검출분야 치료분야 의약분야 사전예측분야 사후관리분야 질환검출을위한일반인공신경망기술 일반진단 / 스크리닝 / 테스트를위한일반인공신경망기술 임상결정보조및지원을위한지식발견데이터마이닝기술 질환검출을위한 MLP 알고리즘이적용된인공신경망기술 질환검출을위한 RBF 알고리즘이적용된인공신경망기술 진단치료 / 재활치료를위한일반인공신경망기술 약물부작용의감지및분석을위한일반데이터마이닝기술 치료제내성예측을위한일반인공신경망기술 약제투여량최적화를위한일반인공신경망기술 예후예측을위한디시젼트리알고리즘이적용된데이터마이닝기술 예후예측을위한일반인공신경망기술 리스크평가 / 예후평가를위한일반인공신경망기술 - 전립선암, 직장결장암, 유방암등암질환관련하여인공신경망을이용한암질환조기발견 AI 기술 - 유전자에의해유발되는질환을진단하기위한인공신경망을이용한유전질환진단 AI 기술 - 이미지데이터를인공신경망으로분석하여용종, 협착증, 자궁내막증을검출하기위한인공신경망을이용한질환감별 AI 기술 - 임신진단, 호흡패턴과같은일반진단, 진단스크리닝, 진단테스트를위한특허들이출원 - 환자의병력또는임상데이터등을수집하여상기데이터에기초한변수를식별하기위해인공신경망을이용한정합성이높은의료변수식별기술 - 치료의우선순위결정의보조자료, 질병모델링생성을위한기초자료, 고품질정보탐색에대한특허가출원 - 인공신경망을이용하여녹내장, 심혈관질환, 심장질환, 후두암, 유전질환등을검출하되, AI 기술에관련된여러알고리즘중 MLP (Multi Layer Perceptron) 알고리즘을사용하여데이터를트레이닝 - 데이터의분석시간을줄이고보다정확한진단결과를도출하는특허 - 인공신경망을이용하여녹내장, 심혈관질환, 심장질환, 췌낭포성등을검출 - RBF(Radial Basis Function) 알고리즘을사용하여데이터를트레이닝함으로써데이터의분석시간을줄이고보다정확한진단결과를도출하는특허가검색 - 환자의상태를진단하고진단결과를기초로환자의수면장애호흡또는심장발작을치료하며, 이에인공신경망을이용한환자의진단치료기술 - 데이터마이닝기법을통해약물의부작용을분석하고, 이에따른부작용을분류및예측하거나환자와약물간의부작용정보를매칭시키는특허 - 약물을복용하는환자의안정성향상을위해데이터마이닝기법을이용한약물부작용예측기술 - 약물을투약하는환자의유전자정보를기초로인공신경망을이용하여내성을예측하며, 이에인공신경망을이용한유전자정보에기초한치료제내성예측기술을연구방향 - 환자의특성정보, 예를들어유전자정보등을기반으로최적화된약제투여량을인공신경망을통해추정하는것을기술적특징 - 컴퓨터를이용하여소정질환의임상화학검사치로부터해당질환에대한예후를예측하는모델 - 디시젼트리 (dicision tree, 결정트리 ) 알고리즘을적용하며, 이에디시젼트리 (decision tree) 알고리즘이적용된데이터마이닝기술을이용한예후예측모델생성기술 - 인공신경망을이용하여예후데이터를추출하여환자의예후를예측하며, 이에인공신경망을이용한예후예측기술 - 피험자의위험요소를인공신경망을통해분석하여임상리스크를식별하거나평가하는특허가검색된것을볼때, 인공신경망을이용한임상리스크식별및평가기술 출처 : 한국보건산업진흥원 / 한국지식재산전략원 (2016) 20

언론보도를통해본활용사례 < 표 9> 언론보도를통해본활용사례 분야기술명내용 각종임상자료를결합해일종의보조의사시스템개발 ( 존슨앤드존슨 ) IBM Watson 종양외과전문의가암환자에게개별맞춤진료를제공할수있도록게놈연구프로그램설계 ( 뉴욕게놈센터 ) Enlitic 이미지데이터를딥러닝기법으로분석하고질병을판정하는시스템개발 Ginger.io MIT 가개발한첨단예측모델을적용하여우울증과분노조절장애같은정신질환을진단하고치료하는서비스개시 지치의대 White Jack 의료기기 5 곳이함께개발한진료지원 AI 시스템약 8 천만건의의료데이터뱅크를활용하여 AI( 화이트잭 ) 에환자의증상등을입력하면유력한병명과확률을계산 진단 검출분야 Philips 인텔리스페이스포털, MRI, CT, 초음파등의료영상정보를종합적으로분석하는 68 개의어플리케이션탑재 Zebra Medical Vision 딥러닝기술을활용해 CT 검사나 X 선사진등의데이터베이스에서대량의익명의료영상데이터를바탕으로, 한장의 CT 검사에서질병을특정하는기술을개발 Vuno Med 아산병원과미래창조과학부프로젝트로폐영상진단분석알고리즘개발을진행하고있으며, 현재초기모델테스트단계임 15 년이미지넷 (ImageNet) 대회 Classification 분야 5 위차지 Lunit DIB (Data-driven Imaging Biomarker) 머신러닝을이용하여디지털병원수출조합과공동개발한이미지인식기술결핵분야에서정확도 (AUC) 가 96% 로매우높은기술 Saltlux Adam 자연어처리, 시맨틱검색전문기업으로한국어이해, 추론이가능한기술로 IBM 의왓슨과유사하고자연어처리능력이높은 AI 플랫폼개발 치료분야 IBM Watson Sense.ly Molly 애플의다양한스마트기기를통해건강정보를축적하고왓슨이통찰력있는치료조언제공 ( 애플 ) 간호사의아바타로고급음성인식기능을갖춰환자와음성커뮤니케이션을통해환자를간호함 21

보건산업브리프 분야기술명내용 Google Deepmind Health 대량의환자정보를학습한 AI 가환자맞춤치료제제시 의약분야 Insilico Medicine AI 기반제약업무를위해 16 년 3 월 Pharma.AI 사업부를신설하고특정질환의예측과특정의약품개발 도쿄대 왓슨을이용해암치료법개발 ( 의과학연구소 ) Standigm 데이터기반머신러닝을이용한신약개발과정단축기술을개발아스트라제네카주최림챌린지 ( 약물효능예측대회 ) 에서 1 위 사전예측분야 Google Deepmind Health Lumiata 환자의소변, 혈액, 타액, 눈물등에서질병유전자정보를수집, AI 기술로분석하여개인맞춤질병예방법안내 메디컬그래프를통한질환발생의예측 분석과증상 치료절차 투약과정을연계한정보서비스에착수 Google Deepmind Health 딥러닝기술과알고리즘을바탕으로실시간혈당측정기, 건강관리플랫폼, 유전자분석등평소건강상태와적절한대응방법을알려주는기술 MedAware Solutions AI 기술을통해처방오류문제를실시간으로모니터링하여환자를안전하게보호하고헬스케어비용을절감 사후관리분야 Wellframe Solution AI 기술을활용한모바일기반의헬스케어관리플랫폼을개발하고의료서비스전달체계개선을위한차세대인프라구축 AiCure AI 기반의약복용알림서비스를제공 Softbank Pepper 체성분분석, 건강검진결과등을 AI 로봇, 페퍼가인식, 월 연간누적결과를바탕으로고객의현재건강상태를설명해주는카운슬러로서의활용사업을추진중 22

Ⅳ 결론및시사점 : 당면과제 기술적측면 (AI 스타트업투자강화 ) AI 스타트업을대상으로전주기에걸친체계적투자전략을통해국내 AI 생태계의변화와혁신동인부여 - 대규모 전방위 AI R&D 집중투자 (Top-down) 보다는다양한전문성을바탕으로하는 AI 스타트업투자의 비중을높이고 (Bottom-up), 정부는이들의 R&D 위험요소를분담 (Risk-sharing) 하는멘토의역할로 자연스러운창업여건조성 - 글로벌 AI 기업들은양질의기술력을갖춘 AI 스타트업에대상으로본격적인인수경쟁을펼치고있으며, 점차 심화되는양상 * 구글은 3 명의인지신경과학자가창업한영국 AI 스타트업 딥마인드테크놀로지 를 4 억달러 ( 약 4 천 800 억원 ) 가량을들여 2014 년에인수하기시작하면서 AI 연구에본격투자 ( 구글은 2011 년이래현재까지 9 개의스타트업 추가인수 ) * IBM 은 Watson 개발이후, 지속적으로 AI 스타트업을인수하면서부족한기술력을확보 (Cogenea( 가상어시스턴트 기술보유 ), Explorys( 의료데이터분석및예측기술보유 ), AlchemyAPI( 자연어처리클라우드플랫폼보유 )) 출처 : CB Insight(2016), The Race For AI: Google, Twitter, Intel, Apple In A Rush To Grab Artificial Intelligence Startups < 그림 16> 국내 AI 헬스케어시장규모전망 ( 차별화된 R&D 방향설정 ) AI 에대한국민의기대수준대비국내기술및인프라가전반적으로미흡하여경쟁력확보가시급하나단기간에자체적인역량향상은요원한실정 - AI 기술의자체개발보다는글로벌협력체계속에서기술확보시기를앞당기고국내에최적화된 R&D 모색필요 * 한 - 미 AI 기술격차 4 년 ( 미국 (100) 한국 (75)) 25) * 국내강점기술분야 : 이미지인식기술, 자연어처리, 시맨틱기술등 25) IITP(2015) 23

보건산업브리프 - 단시일내추격이어려운경우, 원천기술확보대신기개발기술을활용한한국인맞춤형의료기술및의료 서비스를신속개발 * 2004 년개발된 AI 유방암보조진단기기 R2 는서양인데이터기준으로인해한국인에적용불가하여진출실패 26) 산업적측면 ( 의료데이터표준화 ) 불확실성이존재하는국내의료데이터를분명하고정확하게구분 (label) 된표준데이터로개선하여 AI 기술의학습여건마련 - 단일의학용어체계 (ontology) 마련으로의료데이터항목의공통화및표준화연계필요 * 현재우리나라는 2014 년마련된한국보건의료표준용어 (KOSTOM) 를사용하고있지만 WHO 의국제질병 사인분류 (ICD) 와차이가있어의사마다각기다른언어로소통 27) * 미국은 Intermountain Health Care(IHC) 다양한시스템을하나의시스템처럼운영하기위하여표준화된 의사소통시스템개발 - 진료기록시의사마다표현방식, 기록방법이다양하므로의료데이터의정보화방법및추가검증방안마련필요 * 의료 실험기기마다다른형식 (format) 의데이터생산 * 개인정보보호에따른데이터의비개방성심각 ( 관련규정및가이드라인보완 ) 국내에서의료 AI 기술이개발되고활용되고위해서는미흡한관련규정개선 28) 이절실하며의료계가주도할필요성증대 - AI 기술이의료현장에활용되기위해서는수가 ( 酬價 ) 를받거나비급여인정이필요하나현재로선의료기기 허가를받아야가능 * AI 소프트웨어를위한관련법이없는상황에서기존의법적기준적용난해 - AI 는의사의진단과처방을 보조 하는기능적역할로서수행할가능성이높으므로진료과정의모든상황을 가정한가이드라인필요 (AI 의료기기허가심사 ) 식품의약품안전처식품의약품안전평가원은인공지능과의료용빅데이터를적용해개발되는의료기기의안전관리기본방안마련예정 (2016년 10월 ) 29) - 식약처는정보통신 (IT) 업계를비롯한산업계, 관련학계, 의료기관등의전문가들로구성된전문가협의체를 꾸려운영할계획이며, 협의체는관리에나설의료기기의범위와분류기준을정한뒤어떤방식으로안정성을 평가할지어느수준을안전하다고판단할지등의기준제시방침 26) 한국경제 (2016.03.17) 27) 이병기 (2016.06.16.) 28) 청년의사 (2016.03.24.) 29) 연합뉴스 (2016.04.21.) 24

< 표 10> 인공지능의보건의료분야규제사항 절차주요기능관련규제 데이터수집 (IoT) 수집 & 분석 (Cloud/Big data) 가치창출 (A.I) 최적화 ( 기술융합 ) 출처 : 이민화 (2016) 개인생체데이터수집 개인생체데이터분석을통한지시 개인별 ( 보유질병, 운동량, 수면 ) 관리 개인별맞춤건강관리 비식별개인정보 / 수집 / 활용 Opt in Opt out ( 개인정보보호법, 공공기관개인정보법, 의료법제 20 조, 제 21 조, 제 23 조, 시행규칙제 16 조 ) 클라우드규제, 물리적분리, 위치규제 ( 개인정보보호법, 공공기관개인정보법, 의료법제 20 조, 제 21 조, 제 23 조, 시행규칙제 16 조 ) 원격의료 ( 의료법제 34 조 ) 병원정보전달 ( 의료법제 20 조, 제 21 조, 제 23 조, 시행규칙제 16 조 ) 의료기기복합인증신속인증 ( 의료기기법제 2 조, 제 6 조, 제 15 조, 제 16 조, 시행규칙제 24 조의 2) 개인화의료분류 ( 국민건강보험법제 4 조 ) 사회적측면 (AI 의료사고대비 ) 자율성이높아진 AI의의료분야상용화가능성이높아지면서 AI의판단이나결과의책임소재, 사용자보호, 환자안전등관련범위와역량에대한논의필요 30) * AI 기반의의료행위는고혈압, 당뇨병, 지질대사이상등수치로확인할수있는디지털적질환에는유효하나, 우울증, 정신분열증, 갱년기장애, 자율신경실조증, 통증, 마비, 현기증, 피로, 냄새등수치로확인할수없는아날로그적 질환에는불안정 31) ( 의료불평등해소노력 ) AI 기술은의료의질향상및의료비절감의효과를가져올수있으나, 기존의의료불평등 (health-care disparities) 을심화시키거나새로운불평등을생산할수도있으므로, 인간본위의 AI 기술을위한국가적노력필요 - AI 기술기반의료서비스가고비용로봇치료로변질되거나, AI 기술로개인의료데이터를분석하여잠재적 환자의보험배제및고액의보험료요구등의형태로사회적문제발생우려 ( 사회적수용성제고 ) AI 기술이미래의료의주된인프라가되는것은명백한시대적흐름이며, 향후법적안전장치등에대한사회적논의와공감대형성, 법률과제도에대한연구및체계정비등이요구됨을의미 - 최근최정상급바둑기사와 AI 프로그램간의대결에서 AI 기술이보여준통찰과직관에국민들은막연한불안과 공포심을보이며낮은사회적수용성을나타냄 - 윤리적문제를가지고기술적용의단계에들어갈때사회적딜레마에대해서는특히나더사회학적인논의가 요구 32) - AI 기술이주는혜택과부작용에대해기술적 인문학적으로정확하게예측하고이를국민에게투명하게 공개해야하며, 사회전반의논의과정에이르기까지전문가의역할필요 * AI 관련제도적 정책적이슈의범위에는다양한이슈들이포함 30) 데일리메디 (2016.02.27.) 31) nature. (2015). Robotics: Ethics of artificial intelligence. 32) 차영화 (2016) 25

보건산업브리프 데이터 프라이버시 알고리즘 민감정보처리 데이터부족 제도부재 침해가능성 침해범위 구제방안부재 불예측성 오작동 악용 제도부재 대체범위 사회적갈등 정책부재 일자리 AI 기술관련제도 정책이슈 기존규제무용 국가개입범위 규제 / 거버넌스 책임소재 윤리 지식재산 불명확성 기술개발저해 제도부재 판단기준 가이드라인부재 AI 에의한저작권 보호범위 출처 : 김윤정, 윤혜선 (2016) 에서재가공 < 그림 17> AI 기술의활용과발전을위한제도및정책이슈 참고문헌 Bower, Joseph L. & Christensen, Clyton M., (1995). Distruptive Technologies: Catching the Wave, Harvard Business Review, JanuaryFebruary CB Insights., Artificial Intelligence Explodes: New Deal Activity Record For AI Startups 2016.06.20 CB Insights. The Race For AI: Google, Twitter, Intel, Apple In A Rush To Grab Artificial Intelligence Startups 2016.06.29. CB Insights. From Virtual Nurses To Drug Discovery: 65+ Artificial Intelligence Startups In Healthcare 2016.05.25 Bennett, CC and K Hauser. (2013). "Artificial Intelligence Framework for Simulating Clinical Decision- Making: A Markov Decision Process Approach." Artificial Intelligence in Medicine. In Press. Dan LeSueur. 5 Reasons Healthcare Data Is Unique and Difficult to Measure. HealthCatalyst. (2016) Frost&sullivan. From $600 M to $6 Billion, Artificial Intelligence Systems Poised for Dramatic Market Expansion in Healthcare. 2016.01.05 Jim Adams et al. (2015). 2015 년의의료서비스와모델. ( 임동홍감수 ). IBM 기업가치연구소 McKinsey&Company. (2015). Global growth: Can productivity save the day in an aging world?. Nature. Robotics: Ethics of artificial intelligence. 2015.05.27 26

OECD. (2015). OECD Health Data 2015. Priya Kumar Shah et al. (2003). Missed Non Small Cell Lung Cancer: Radiographic Findings of Potentially Resectable Lesions Evident Only in Retrospect. Radiology Vol. 226. No 1. Stewart Brand. (2009). Whole Earth Discipline. Viking Penguin. Yutaka Matsuo. (2015). 인공지능과딥러닝. ( 박기원옮김 ). 동아엠앤비. ( 원서출판 2015). 김민구. (2006). 수렵 농경시대엔심장병드물었다. 주간조선, 1909 호. 김윤정, 윤혜선. (2016). 인공지능기술의활용과발전을위한제도및정책이슈. ISSUE PAPER 2016-07. 한국과학기술기획평가원. 김재필, 나현. (2016). 인공지능 (A.I), 완생이되다. 디지에코보고서. KT 경제경영연구소 김준상. 변상규. (2016). 상상이실현한세상무한성장사회. 에이지이십일. 대한의사협회 (KMA). (2016). 2015 년보건의료주요현안. 정책자료집. 박정우. (2016). 인공지능헬스케어 : 새로운고부가서비스창출기대. KISTI 마켓리포트 2016-10. 한국과학기술정보연구원. 방승양. (1991). 제 6 세대컴퓨터를향한첫발. 과학동아 3 호 오정연. (2012). 빅데이터시대, AI 의새로운의미와가치. IT & Future Strategy, 제 7 호, 한국정보화진흥원 윤찬영. (2015) U-Healthcare 모니터링시스템모델에서의응급메시지처리에관한연구. 한국통신학회논문지, 제 33 권, 제 12 호. 이병기. ' 인공지능을이용한헬스케어및의료정보빅데이터활용과표준화방안 '. 한국미래기술교육연구원세미나발표 2016.06.16. 이성호, 설라영, 김은희, 김석관 ( 편 ). (2015). 신기술발전에따른산업지형의변화전망과대응전략, 제 2 권인지컴퓨팅. 과학기술정책연구원. 이수영. (1998). 한국뇌연구의추진방향, 과학사상 24 호 (1998 년 - 봄 ), 범양사 이연희. (2015). 보건복지분야공공빅데이터의활용과과제. 보건복지포럼, 2015 년 9 월호 ( 통권제 227 호 ). 한국보건사회연구원. 이정아. (2015). 사이버물리시스템 (CPS) 기반의사회시스템최적화전략. IT & Future Strategy(7 호 ), 한국정보화진흥원 이종구. (2005). 우리나라건강증진사업의현황및향후정책과제. 대한임상건강증진학회춘계학술대회. 이형직, 류법모, 임수종, 장명길, 김현기. (2014). 빅데이터지식처리인공지능기술동향. 한국전자통신연구원 장성원. 정동영. 조용권. 최진영. 이치호. 최은정. 김동민. 전상인 ( 편 ) (2013), 미래산업을바꿀 7 대파괴적혁신기술. CEO information, 제 894 호. 삼성경제연구소. 전해영. (2016). 국내외스타트업현황과시사점. VIP Report 16-16 호. 현대경제연구원 27

조두연. (2013). 일차의료에서약물유전체학의이해와임상적용. 가정의학 Vol. 3, No. 4. 한국가정의학회 진석용. (2016). " 인공지능의자율성 ". LGERI 리포트. LG 경제연구원 차영화. (2016) 뇌과학시대와인지사회학 : 체화된인지를중심으로. 한국사회학회. 최계영. (2015). 인공지능 : 파괴적혁신과인터넷플랫폼의진화, KISDI Premium Report. Vol. 15-05. 정보통신정책연구원. 최희열, 민윤홍. (2015). 딥러닝소개및주요이슈. 정보처리학회지. Vol. 22, No. 1. 한국정보처리학회. 허순임, 김미곤, 이수형, 김수정 ( 편 ). (2009). 미충족의료수준과정책방안에대한연구. 한국보건사회연구원 하원규, 최남희. (2015). 제 4 차산업혁명. 콘텐츠하다. 남인순의원보도자료. CT MRI 고가영상장비관리강화해야. (2015.09.22.) 국민건강보험공단. 암오진중폐암오진피해가장많아. 한국소비자원. 2015.04.20. 최윤섭. 의료계에도입될인공지능, 스카이넷 일까 시리 일까. 청년의사. 2016.03.24. 한국보건산업진흥원, 한국지식재산전략원. (2016). 보건의료분야 AI 특허동향조사. 연합뉴스, 인공지능진료문제없을까? 식약처, 안전관리방안모색. 2016.04.21. 데일리메디, 병원도머신러닝, 의료사고나면? 2016.02.27. 집필자 : R&D 기획단이관용, 김진희, 김현철문의 : 043-713-8402 본내용은연구자의개인적인의견이반영되어있으며, 한국보건산업진흥원의공식견해가아님을밝혀둡니다. 본간행물은보건산업통계포털 (http://www.khiss.go.kr) 에주간단위로게시되며 PDF 파일로다운로드가능합니다. 28 R&D 기획단 Department of R&D Planning