헬스케어 산업에서 AI의 발전 방향: AI 기반 애플리케이션 도입 사례를 중심으로하**서론최근 의료서비스 분야는 디지털 전환으로 인해 의료 서비스 측면에서 다양한 변화를 맞이하고 있다. 이러한 변화에 대응하기 위해 의료 관계자들은 디지털 기술을 빠르게 채택하고 통합하여 디지털 전환을 가속화 하였는데, 이는 환자 진료 및 원무 행정 분야에서 변화의 원동력이 되었다. 점점 기술이 발전함에 따라 의료 분야에서의 인공지능 상용화는 점점 더 보편화될 것이다. 본 글에서는 현재 도입되어 활용되고 있는 AI 기반 애플리케이션의 사례를 기술 분야와 원무 행정 분야로 나누어 살펴본 후 이들의 도전요인을 봄으로써 헬스케어 산업에서 AI의 발전 방향성을 탐색해보고자 한다.2. 본론의료서비스 분야는 생명과학의 발전으로 큰 변화를 맞이하고 있으며, 이와 더불어 기술의 발전에 힘입어 의사와 간호 업무에 많은 효율을 제공하고 있다. 본론에서는 이오 관련된 적용 사례들을 진료 분야와 원무 행정 분야로 나누어 보고자 한다.- 진료 분야① 미국 CHI Health전체 이름은 Catholic Health Initiatives Health이다.미국 네브라스카주 오마하에 위치한 CHI Health 소속 병원에서는 2021년부터 AI 기술을 도입하여 패혈증 위험을 식별, 예측하고 영상을 통해 뇌졸중을 식별하고 있다. CHI Health는 AI 기반의 패혈증 탐지 시스템을 통해 의료진이 환자의 패혈증 초기 징후를 더 빨리 감지할 수 있도록 지원하고 그 결과 기존의 진단 방법보다 평균 6시간 빨리 발견할 수 있게 해주었고 패혈증 환자의 사망률을 현저히 감소시키는 역할존스홉킨스대학교(Johns Hopkins University)에서는다고 설명하였다.을 하였다.② 영국 NHS전체 이름은 National Health Service이다.영국 NHS는 2021년 1월부터 AI 기술을 통해 회귀질환 진단을 개선하고자 멘델리안(Mendelian) AI를 도입하였다. 멘델리안은 AI 기반의 멘델스캔(MendelScan)을 통해 환자 데이터와 증상을 분석하여 진단 가능성을 강조함으로써 주치의가 잠재적 희귀질환을 식별하고 진단할 수 있도록 도움을 준다. 멘델리안 AI 기반 기술이 도입되어 평균 5~7년이 소요되는 기존의 회귀질환 진단 시간에서 도입 후 평균 1년으로 단축되었다. 또한 진단 비용도 76% 절감하였으며, 불필요한 의뢰와 오진을 피할 수 있었다.③ 미국 Mayo ClinicMayo Clinic은 뇌졸중을 더 빨리 진단하기 위해 활용되고 있다. CT 스캔을 분석하고, 심전도를 사용하여 심부전을 예측하며, 증상이 나타나기 전에 심방세동을 감지하는 데 사용되고 있다. 이 시스템을 도입한 후 기존의 뇌졸중 진단 평균 시간인 120분에서 평균 30분으로 단축할 수 있었고, 심방세동 감지는 무증상 심방세동을 감지하는 데 있어 조기 발견율이 30% 증가하는 성과를 보였다. 심부전의 경우에 도입 전에는 70%의 정확도를 보였으나 도입한 후로 90%로 향상되었다.④ 국내국내 의료기관에는 대표적으로 서울아산병원과 세브란스병원, 삼성서울병원에서 활용하고 있다. 먼저 서울아산병원에서는, 영상 데이터를 기반으로 구축한 AI 알고리즘으로 알츠하이머 질환과 경도 성인지 장애 등 치매 질환 예측 등에 활용되고 있다(Medical Newspaper, 2020). 다음으로 세브란스병원에서는 디지털 병리시스템을 통해 조직 슬라이드 이미지를 분석하는 AI 기술을 도입하여 병리학자들의 진단 시간을 크게 단축시키고, 진단의 일관성과 정확성을 높이고 있다(Severance Hospital, 2021).- 원무행정분야① 안도르 헬스(Andor Health)의 씽크안도르(ThinkAndor) 플랫폼미국 사우스캐롤라이나주 찰스턴(Charlth Carolina, USA)에서는 안도르 헬스의 씽크안도르 플랫폼을 통해 응급실에서의 환자 경험을 개선하고, 씽크안도르에서 가상명령 센터를 통해 즉시 업데이트되는 환자 정보를 기반으로 응급실에서 의료진들이 환자의 상태를 즉각적으로 모니터할 수 있게 되었다. 환자의 상태를 미리 분석, 분류가 가능하기 때문에 진료를 받지 않고 퇴원하는 환자 비율이 안정적으로 유지되는 것이 나타났다.② 환자관리시스템미국 네브라스카주 오마하(Nebraska Omaha, USA)에 있는 CHI Health 소속 병원에서는 AI 기반 기술을 활용해 환자의 노쇼 예측을 분석, 활용하고 있다. 이 기술은 필요한 치료를 제때 받을 수 있도록 환자의 진료예약 관리와 더불어 사전에 환자에게 연락함으로써 병원에 오는 것을 유도하고 있다. CHI Health 소속 병원 외에도, 스탠포드 외과대학(Stanford Medicine)에서도 AI 기반의 환자관리시스템을 도입하여 환자 대기시간과 진료 일정, 피드백 분석 등 환자데이터를 스스로 분석해 진료 일정을 제안하고 있다. 이와 같은 환자관리시스템을 통해 병원에 입원, 재입원, 장기입원 및 사망에 대한 모델을 예측하고 이러한 정보들을 수집, 분석하여 진료 일정과 대기시간을 조절 및 단축하고 있다.③ 상호작용지원시스템미국 존스 홉킨스 병원(Johns Hopkins Medicine, USA)에서는 엠비언트 스크라이브(Ambient Scribe) 기술을 도입하여 환자와 의료진 간의 의사소통을 자유롭고 원활하게 만들고 있다. 이 기술은 AI 기술을 활용하여 의사와 환자 간의 대화를 실시간으로 기록하고 요약하는 시스템으로 의사가 환자와 상담할 때 발생하는 모든 대화를 자동으로 캡처하고, 이를 기반으로 진료 기록을 생성한다. 이를 통해 환자는 자신의 진료 기록을 빠른 시간에 정확히 재확인할 수 있으며, 의사와 환자, 의사와 간호사 사이의의견 교환도 원활히 이루어지고 있다.④ 국내국내 의료기관 중에서는 서울아산병원에서 AI와 RPA 기술을 통해 원무 행정 업무를청구 등의 행정업무를 간소화했다. 이를 통해 환자의 대기시간을 줄임과 동시에 업무 효율성도 향상되었다. 서울아산병원 외에도 분당서울대학교병원에서도 RPA 시스템을 도입하여 원무 행정 업무 분야에서 효율성을 향상하고 있다.위에서 살펴본 사례와 같이 진료분야와 업무행정분야에서 AI 기술을 도입하였을 때, 긍정적인 효과를 거둔 것을 확인할 수 있다. 하지만 AI 기술 도입에 있어 여러 장애물이 존재한다.먼저 진료에 있어 도전 요인을 살펴보면, 첫째, AI 기반 시스템을 구축, 활용할 때 다양한 의료 영상과 이미지가 활용되지만, 이 과정에서 환자 개개인의 민감한 질병 정보가 다른 용도나 제삼자에게 유출되는 경우가 생길 수 있으며 데이터 수집에 있어 윤리적 문제 또한 방해물로 적용된다. 둘째, 개인맞춤형 의료서비스를 제공하기 위해서는 환자의 건강과 질병 데이터에 대한 접근성을 확보해야 하지만, 현재는 의료법 및 규제, 불확실성 등의 문제로 접근에 있어 어려움을 받고 있다. 셋째, 의료서비스 제공을 위해 여러 요건이 필요하다. 애플리케이션을 통한 의료 서비스를 제공하기 위해서는 환자와 의료진 간의 원활한 상호작용이 필요하며, 환자의 입장에서 의료서비스를 받기 위해서는 안정적인 네트워크 연결과 네트워크 사용에 대한 학습과 참여가 절대적으로 요구되기 때문에 이러한 점에서 AI 기반 애플리케이션을 활용한 의료 서비스에 도전 요인으로 작용한다.원무 행정 분야에서 받고 있는 도전 요인들을 살펴보면, 첫째, 자연어 처리와 음성 인식과 같은 기술적 문제에 직면하게 된다. 음성 처리의 문제는 의료진과 환자, 의료진과 의료진 사이의 혼란을 초래하게 된다. 또한 시스템 오류가 발생하게 되면 이 또한 더 큰 혼란을 초래할 수 있어 기술적 문제에 대해 보완하고 정확성을 준비해야 한다. 둘째, 재정적 어려움에 직면하게 된다. 초기에 애플리케이션을 구매하고 사용하는데 돈이 들어가지만, 이를 유지하고 보수하는데 돈이 들어가기 때문에 대학병원, 종합병원이 아니라 지방의 작은 병원에서는 AI 기술을 째, 환자와 의료진의 교육과 훈련이 필요하다. AI 기반 애플리케이션을 활용하는 것은 결국 환자와 의료진이기 때문에 이들이 적극적으로 활용하지 못하면 결국 아무런 도움이 되지 못한다. 그렇기 때문에 교육과 훈련은 필수적이지만, 이를 막당이 교육하고 훈련할 시간이 부족한 것이 현실에서 활용하기 어려운 도전 요인으로 작용하게 된다.3. 결론AI 모델을 포함한 모든 연구 모델은 실제 의료 현장에서 적용되기 위해 엄격한 과정을 거치게 된다. 위에서 살펴본 많은 AI 기반 시스템들은 엄격한 선발 과정을 거쳐 활용되고 있는 모델들이다. 그러므로 활용에 있어 많은 긍정적 효과를 확인할 수 있었다. 특히 초기 발견과 이를 통한 시간 단축을 통해 초기에 의료 서비스를 제공할 수 있게 되었고 사망률도 낮아지게 되었다. 원무 행정 측면에서도 업무에 있어 개인의 업무량이 줄어듦에 따라 간호사의 직무에 있어 부담감과 피로감이 많이 낮아졌다. 하지만 긍정적 측면이 있음에도 불구하고 여전히 AI 기반의 기술을 의료 활동에 활용하는 것에 있어 부정적으로 바라보는 시각도 많다. 시시각각 변화하고 있는 사회 속에서 특히 4차 산업은 그 속도를 따라잡을 수 없이 빠르게 발전하고 있다. 그렇기 때문에 이 속도에 맞춰 각 분야에서는 이를 활용해야 하는 것이 필수적으로 되었다. 그래서 의료계에서는 적극적으로 구상하고 활용하고 있지만, 환자의 생명과 정보와 직결되기 때문에 사용에 있어 많은 문제점과 비판점을 받고 있을 수밖에 없다. 결국 의료계에서 AI 기술을 활용하기 위해서는 전체적인 업무와 책임을 AI 애플리케이션에 넘겨주는 것이 아니라 의료진과의 협진의 형태로 이해할 필요가 있다. 즉 환자의 진료 전체를 AI가 하는 것이 아니라 의사가 정확하고 신속하게 결정을 내릴 수 있는 도구로써 활용해야 하는 것이다. 그리고 원무 행정에 있어 간호사나 간호조무사의 행정 업무 전체를 맡는 것이 아니라 앞서 본 것과 마찬가지로 간호사의 행정 업무를 보조하는 도구로써 활용하는 것이다. 예를 들어 대기 시간 조율이것이다.
