전체메뉴

[애플경제 이윤순 기자] 바이오 헬스 산업이 정보통신기술(ICT)나, 인공지능(AI) 등과 융합하는 현상이 최근 급속히 진행되고 있다. 진단이나 의료기기, 의약품 분야에 AI기술이 적극 도입되는 것은 물론, AI·빅데이터 기반 독립형 소프트웨어 의료기기, 그리고 의약품에 AI가 접목되는 현상도 급속히 확산되고 있다.

대표적인 바이오헬스산업 AI 기술

최근 과학기술기획평가원 연구 결과에 따르면 진단영상 헬스케어IT 분야에선 ‘딥러닝’ 기술의 스스로 학습하는 능력을 이용, 대량의 의료 영상기록을 처리함으로써 의료진의 치료 결정에서 불확실성을 줄여준다. 또 영상처리에서도 AI기술에 의해 대규모 의료영상을 빠르게 처리, 질환 형태를 파악하고, 음성 또는 양성 판단 등에 적용하고 있다.

의료기기 헬스케어 IT 분야에서도 특히 자연어처리를 통해 진료 기록과 같은 긴 서술형 문자 묶음들을 해석할 수 있도록 변환한다. 또 음성인식 기술에 의해 환자의 음성과 언어를 포착해 중용한 정보를 전자 기록함에 기록한다.

또 ‘로보틱스’기술에 의해 수술 과정의 정밀함과 정확도를 높여 질 높은 치료를 제공한다. 디지털 개인비서를 통해 환자의 상태를 알 수 있는 지표들을 지속적으로 모니터링하고, 의료진에게 환자의 상태 관련 ‘알림’을 통해 치료의 골든타임을 확보할 수 있게 한다.

의약품 헬스케어IT에서도 AI가 활발하게 쓰인다. AI에 의한 통계분석, 즉 대용량 환자의 의료데이터를 AI를 통해 빠르게 조사, 분석해 환자의 치료 결과를 예측할 수 있다.

빅데이터 분석을 통해 헬스케어 기관들이 보유한 방대한 환자 의료데이터를 처리하고, 환자와 헬스케어 IT 치료 제공자들에게 맞춤형 치료를 제공할 수도 있다. 또 ‘예측 모델링’을 기반으로 위험 질환을 예측하는 등 진료 결과를 예측하는데 수학 모델을 적용하기도 한다.

이 밖에 헬스케어 IT 분야에서 역시 ‘머신러닝’을 활용 치료결과에 영향을 미치는 데이터 기반으로 패턴을 예측, 분석한다.

AI·빅데이터 기반 독립형 소프트웨어 의료기기

AI·빅데이터 기반 독립형 소프트웨어 의료기기도 발달하고 있는게 최근 AI 기반의 헬스케어 산업의 특징이다.

AI와 빅데이터 기반의 독립형 소프트웨어 의료기기가 출현함으로써 의료인과 환자의 만족도가 향상되고 있다. 지난 2019년 식품의약품안전처가 발표한 가이드라인에서 국내 독립형 소프트웨어 의료기기는 8개의 품목으로 분류되고 있다.

구체적으로 보면 ▲의료영상분석장치는 의료영상을 획득, 모의치료나 모의시술, 진단에 사용할 수 있도록 분석하는 장치에 사용되는 소프트웨어다. 또 ▲방사선치료계획은 획득된 의료용 영상을 이용하여 방사선 모의치료 및 모의시술에 사용되기도 한다.

▲의료영상검출보조는 의료영상 내에서 정상과 다른 이상 부위를 검출 한 후 윤곽선, 색상 또는 지시선 등으로 표시, 의료인의 진단결정을 보조하는 것이다. ▲의료영상진단보조는 의료영상을 사용해 질병의 유무나, 질병의 중증도, 질병의 상태 등에 대한 가능성 정도를 자동으로 표시, 의료인의 진단 결정을 보조하는 것이다.

또한 ▲질환예후·예측 검사는 다중 바이오마커 검사결과가 포함된 매개변수를 입력, 암을 제외한 특정 질환 확진환자의 예후나 치료 방향에 대한 정보를 제공하는 소프트웨어다. ▲질환소인검사의 경우 다중 바이오마커 검사결과가 포함된 매개변수를 입력, 암을 제외한 특정 질환에 대한 가족력이 있는 정상인에게 해당 질환의 발병 위험 정보를 제공한다.

특히 ▲암예후·예측검사도 있다. 이는 다중 바이오마커 검사결과가 포함된 매개변수를 입력, 특정암 확진 환자의 예후 또는 치료 방향에 대한 정보를 제공하는 것이다. 또한 ▲암소인검사의 경우 다중 바이오마커 검사결과가 포함된 매개변수를 입력, 암에 대한 가족력이 있는 정상인에게 해당 암 발병 위험에 관한 정보를 알려준다. 또 환자로부터 확인된 종괴의 악성 가능성 여부를 제공하기도 한다.

신약 개발에도 AI가 필수로 자리잡아

특히 방대한 의료데이터의 분석 · 통할 · 예측이 가능한 AI 기술을 신약 개발에도 적극 활용하는게 최근의 경향이다. 이를 통해 신약 연구 개발과 생산의 효율성을 높일 것이란 기대다.

과학기술기획평가원은 “이를 위해 다양한 학습 기능이 있는 AI 기술을 신약개발에 적용하여 전통적인 신약 개발 방식에 비해 높은 연구개발 생산성을 기대할 수 있다”면서 “특히 AI 기반 신약 설계를 통해 후보물질을 효과적으로 발굴해 전통적인 신약 개발에 비해 후보물질 발굴에 걸리는 기간이나 비용을 획기적으로 감축할 것으로 예상된다”고 전망했다.

특히 “글로벌 시장분석기관인 ‘딜로이트’에 의하면 신약개발 과정에 AI 기술을 활용하면, 후보물질 발굴에서 선보물질 최적화 단계까지 소요시간을 단축, 신약 개발 비용을 최대 70% 절감할 수 있다”고 전했다.

신약 개발의 경우 단계와 개발 목적에 따라 각기 다른 AI모델을 적용해야 R&D 효율성을 높일 수 있다는 전문가들의 설명이다. 이에 따라 신약개발 단계에 따라 활용할 수 있는 AI모델과 제공받고자 하는 결과물도 각기 다르다.

우선 ‘후보물질 주기’에선 ‘유전자 타겟 발견’ 모델을 사용한다. 이를 통해 타겟 순위나, 적응증 후보를 도출할 수 있다. 또 ‘약물 디자인’ 모델을 통해 정량적 예측값을 동반한 후보 화합물 물질구조를 알아낼 수 있다. ‘안정성’도 확인할 수 있다.

또한 ‘새로운 신약 후보 창출’ 모델을 통해 우선 순위를 포함한 신약 후보를 추출할 수 있다. ‘신약 후보물질 검증’ 모델을 통해 ‘Ÿ in vitro/ in vivo’ 실험을 통한 객관적 분석 결과를 얻어낼 수 있다.

‘전임상주기(비임상주기)’에선 세 가지 모델을 적용할 수 있다. 우선 ‘전임상 실험 설계’ 모델을 통해 전임상 프로토콜과 실험재료 선별 및 예측 결과를 얻을 수 있다. 또 ‘독성 예측’ 모델을 통해 독성 예측값을 확보할 수 있다. 또 ‘전임상 실험’ 모델을 통해 실험 재료를 선별하고, 예측 결과를 알아낼 수 있다.

‘범주기’에선 4가지 모델을 적용할 수 있다. 즉 ‘질병 기전 이해’ 모델을 통해 근거 기반 기전을 제시할 수 있다. ‘기존 약물을 다른 질환에 이용//적응증 확장’ 모델을 통해 적응증 확장을 위한 임상 프로토콜과 예측 결과를 얻어낼 수 있다. ‘정보 수집 및 종합화’를 통해 관련 논문, 특허 문헌 분석 결과를 확보할 수 있다. ‘개발 진행/중단 의사 결정 지원’ 모델을 통해선 수치를 포함한 판단 결과를 얻어낼 수 있다.

AI알고리즘․SW로 의료데이터 정밀 분석

의료 분야에서 복잡한 의료데이터를 분석할 때는 AI 알고리즘과 소프트웨어가 적용된다. 의료 산업 내 AI 기술은 주로 질병 진단, 치료 프로토콜 개발, 약물 개발, 맞춤형 의료, 임상 의사결정 지원 시스템, 환자 모니터링 및 관리 등에 쓰인다. 이를 위해 기술적․기능적 관점에서 AI 기술을 활용, 의료 데이터를 분석·판독·모니터링한다. 그 결과 개인 맞춤형 또는 예방헬스케어로 의료 서비스로 영역이 확장되고 있다.

기술적·기능적 관점에서 복잡한 의료 데이터를 분석하고 인사이트 도출할 수 있다. 이를 위한 분석 데이터는 전자의무기록지(EMR), OMICs 데이터, 임상시험 데이터 등이 있다.

그 결과 진료 기록과 같은 자연어를 처리하고 해석하며, 환자의 유전체 데이터를 분석하고 돌연변이 유전자를 감지하거나 질병 발생확률을 예측할 수 있다. 또한 신약을 개발할 때 새로운 후보물질을 스크리닝하거나 발굴할 수 있다.

역시 기술, 기능적 관점에서 AI를 활용해 영상의료/병리 데이터를 분석하고 판독할 수 있다. 이를 위해 영상의학과 데이터(CXR, CT, MRI, Mammography 등), 병리 데이터, 안저 사진, 피부, 내시경 등의 데이터를 분석한다. 이를 통해 의료 영상기록을 대량으로 빠른 시간에 처리함으로써 의료진의 치료 결정에서의 불확실성을 줄이고, 효율성을 높인다. 또 대규모 의료영상을 빠르게 처리해 질환 형태나, 음성/양성/악성 유무 등의 판단 등에 적용할 수 있다. 

역시 기술 기능적 관점에서 연속적(시계열) 데이터의 모니터링을 통해 질병을 예방하고, 예측할 수 있다. 이를 위해 혈압, 혈당, 심전도 등 헬스케어 디바이스 기반 데이터를 분석한다. 그 결과 헬스케어 기관들이 보유한 방대한 환자 의료데이터를 처리하고 환자와 치료제공자들에게 맞춤형 권고를 할 수 있다.

또한 환자의 상태를 알 수 있는 지표들을 지속적으로 모니터링하고, 필요한 상황을 의료진에게 알림으로써 골든타임을 확보할 수 있게 된다.