의료 인공지능(AI) 개발 과정에서 알고리즘 정확도 경쟁을 넘어 ‘무엇을 학습시킬 것인가’에 주목한 새로운 접근법이 제시됐다.

분당서울대병원 재활의학과 양은주 교수팀은 의료AI가 ‘환자가 왜, 어떻게 그 상태에 이르렀는지’까지 학습하도록 하는 ‘임상 현실 번역-구성(CRTC)’ 방법을 제안했다고 3일 밝혔다. 

이번 연구에는 국립암센터 재활의학과 정승현 교수가 교신저자로 참여했다.

현재 의료AI는 기능 평가 점수처럼 특정 시점의 환자 상태를 하나의 결괏값으로 단순화한 데이터를 주로 학습한다. 

그러나 이런 데이터만으로는 환자가 해당 상태에 이르게 된 원인이나 과정 등 복잡한 임상 현실을 충분히 반영하기 어렵다는 설명이다.

연구팀이 제시한 CRTC는 환자를 관찰해 기능 변화에 영향을 미치는 핵심 요인을 찾고 시간에 따라 상호작용 하며 기능 변화로 이어지는 흐름을 정리한다.

이후 이를 시계열이나 그래프 등 AI가 학습할 수 있는 형태로 변환하는 방식이다.

연구팀은 CRTC가 새로운 AI 모델 자체를 개발하는 기술이 아니라 AI 모델 개발에 앞서 ‘학습 데이터를 어떻게 구성할 것인가’에 초점을 맞춘 접근법이라고 강조했다. 

뛰어난 AI 모델이라도 데이터에 담기지 않은 정보까지 알아낼 수 없는 만큼 실제 임상 현실을 충분히 반영한 데이터 설계가 선행돼야 한다는 것이다.

양은주 교수는 “암 생존자 재활에서는 보행거리 등 결과 지표뿐 아니라 기능 변화의 원인과 회복 과정을 함께 이해하는 게 중요하다”고 말했다.

이어 “향후 암 생존자가 느끼는 증상과 실제 기능을 연결하는 ‘증상-기능 연계 표현형’ 등을 통해 CRTC 효과를 검증해 나갈 계획”이라고 덧붙였다.

한편, 이번 연구는 디지털 헬스 분야 국제학술지 ‘Frontiers in Digital Health’에 게재됐다.