▲ 사진:MIT 테크놀로지 리뷰

병원 중환자실(ICU)은 환자들에게 무서운 장소이다. 단지 심리적 공포가 아니라 타당한 이유가 있다. 미국에서 ICU는 다른 병원 시설보다 8%에서 19% 정도 더 높은 사망률을 보이며 연간 50만 명이 사망한다. 죽지 않는 사람은 장기적인 신체적, 정신적 손상 등으로 고통을 받기도 한다.

간호사들에게도 힘든 곳이다. 24시간 한 장소에서 관리를 하는 데 너무나 많은 육체적, 감정적 체력이 필요해 쉽게 탈진할 수 있다.

'MIT테크놀러지리뷰'가 보도한 내용에 따르면 네이처 디지털 메디신(Nature Digital Medicine)에 발표된 새로운 논문은 인공지능(AI)이 어떻게 ICU에 도움을 줄 수 있는지를 보여준다. 또 AI 연구원들이 다른 분야의 실무자들과 함께 일하는 방법과 이유를 보여주는 적절한 사례도 제시하고 있다.

새롭게 출간된 "딥 메디신: AI가 어떻게 헬스케어 인력을 다시 만들 수 있는가(Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again)"저자이자 선임 의사인 에릭 토폴(Eric Topol)은 “이 연구는 정말 선구적이다”며 “이들은 다른 사람들이 이전에 가보지 못한 곳으로 갔다”고 말했다.

머신 비전으로 환자 및 주변인 모니터링

이 연구는 스탠포드대학과 유타주 솔트레이크시티의 인터마운틴 LDS 병원(Intermountain LDS Hospital)의 AI연구자 및 의료 전문가들이 지난 6년 간 협력한 결과다. 이는 머신 비전을 사용해 일상 업무에서 ICU 환자를 지속적으로 모니터링한다. 환자들이 얼마나 자주 움직이는지 그리고 얼마나 오래 움직이는지 수동적으로 추적할 수 있는 타당성을 시험하는 것이 목표였다.

ICU 환자의 초기 연구는 운동이 치유를 가속화하고 섬망을 줄이며 근육 위축을 예방할 수 있음을 보여 주었지만 그 연구의 범위는 규모에 따라 환자를 모니터링해야하는 문제로 인해 제한되어 왔다.

7개의 개별 환자실에 깊이 센서를 설치하고 2개월간 하루 24시간 동안 3차원 실루엣 데이터를 수집했다. 이후 연구원은 영상을 분석하는 알고리즘을 개발해 환자가 침대에 오르내릴 때나 의자에 앉거나 내릴 때, 그리고 각 활동에 참여한 직원의 수를 감지할 수있게 도와주었다.

그 결과는 성공 가능성을 입증했다. 평균적으로 이동성 활동을 감지하기 위한 알고리즘은 환자의 시간 중 87% 정도에서 수행한 활동을 정확하게 식별했다. 인원수를 추적하는 알고리즘은 성능이 떨어져 정확도가 68%에 달했다. 연구원들은 사람들이 단일 센서의 관점에서 서로 차단하는 것을 보완하기 위해 각 방에 있는 여러 개의 센서를 사용함으로써 두 가지 방법 모두 개선될 것이라고 말한다.

토폴은 “이번 연구 결과는 저널 간행물에서 볼 수 있는 것만큼 강력하지는 않지만 ICU에서 일어나고 있는 상황을 이해하기 위해 센서와 알고리즘을 사용하는 것의 타당성을 입증한 첫 번째 연구"라고 말했다. 그는 "많은 사람들이 이것이 가능하다고 전혀 생각하지 않았을 수도 있다"며 "환자의 방은 그랜드 센트럴 역처럼 너무나 많은 일들이 일어나기 때문”이라고 설명한다.

AI연구자와 의료진의 6년간 협업의 결실

시연은 이 시스템들이 병원 직원들의 업무를 어떻게 향상시킬 수 있는지를 제시한다. 알고리즘이 환자가 쓰러졌을 때를 추적하거나 문제가 생기기 시작하는 시점을 예측할 수 있다면 직원들에게 도움이 필요하다는 것을 알릴 수 있다는 얘기다. 이것은 간호사들이 다른 환자를 돌볼 때 한 환자를 내버려둠으로써 우려되는 걱정을 덜어줄 수 있다.

그러나 이 연구가 더욱 주목받는 것은 접근법이다. 오늘날 많은 AI 연구는 살아있는 환경이 아닌 시뮬레이션된 환경에서 컴퓨터 시야를 미세 조정하는 것과 같은 맥락에서 알고리즘을 발전시키는 것에만 초점을 맞추고 있다. 그러나 의료와 같은 민감한 애플리케이션을 다룰 때, 배치하기에 안전하지 않거나 올바른 문제를 처리하지 못하는 알고리즘을 초래할 수 있다.

다른 측면에서 스탠포드팀은 그들이 무엇을 필요로 하는지 이해하기 위해 처음부터 의료 전문가들과 함께 일했고 그러한 필요들을 머신 비전 문제로 재구성했다. 예를 들어 AI 연구원들은 간호사들과 다른 병원 직원들과의 토론을 통해 일반 카메라보다 깊이 센서를 사용하는 것이 환자와 직원의 사생활을 보호할 수 있는 방법이라고 결론지었다. 올 스탠포드 생물의학 데이터 과학 조교수가 될 이 논문의 주요 저자인 세레나 영(Serena Yeung)은 "함께 일했던 임상의들과 수년 동안 컴퓨터 비전 및 AI에 대해 논의했다"며 "이 과정을 통해 우리는 이 기술의 혜택을 받을 수 있는 새로운 애플리케이션 영역을 발견할 수 있었다”고 말했다.

이 접근방식은 연구가 천천히 진행되었다는 것을 의미한다. 병원의 모든 수준에서 도입하는데 시간이 걸렸고 실루엣 데이터만을 사용하는 동안 ICU의 정신없고 지저분한 환경을 분석하는 것은 기술적으로 복잡했다. 그러나 영은 “이 시간을 갖는 것이 언젠가는 환자와 의료진에게 진정으로 도움이 될 시스템의 안전하고 효과적인 프로토타입을 설계하는데 절대 필요하다고 생각했다”고 말한다.

AI의 사회적 가치와 활용에 주목해야

안타깝게도 현재의 AI 연구 문화와 인센티브는 이같은 협력 방식에 도움을 주지 못한다. 빨리 움직여서 빨리 발표하라는 압박으로 인해 연구자들이 당장 성과를 내지 못하는 프로젝트를 기피하게 되고, AI 자금 조달의 민간화는 뚜렷한 상용화 기회가 없는 프로젝트에 타격을 입힌다.

이번 연구에 참여하지 않은 구글 윤리 AI팀의 팀니트 게브루(Timnit Gebru) 공동 책임자는 "실제 세계에서 엔드투엔드 시스템을 연구하고 이런 종류의 영향을 미치는 작업에 많은 시간을 소비하는 것은 매우 드문 일"이라고 말한다.

다행히도 점점 더 많은 전문가들이 현재 상태를 조금씩 변화시키고 있다. MIT와 스탠포드는 각각 인간 중심의 윤리적 AI를 추구하기 위해 새로운 학문 간 연구 거점을 열고 있다. 영은 또한 뉴IPS(NeurIPS)와 ICML과 같은 알고리즘에 초점을 맞춘 AI 컨퍼런스를 통해 사회적 영향에 초점을 맞춘 연구자들과 더 밀접하게 협력할 수 있는 기회를 엿보고 있다.

토폴은 AI와 의료계 간의 더 깊은 협력이 새로운 헬스케어 기준을 제시할 것으로 낙관하고 있다. 그는 "우리는 진정으로 환자 중심의 치료를 받아본 적이 없다"며 “이 기술로 우리가 거기에 도달했으면 좋겠다”는 희망을 피력했다.