국내외 과학기술 정책에 대한 간략한 정보
단신동향
해외단신
국립학술원, 워크샵을 통해 의료진단에서 AI의 활용에 대한 '기회와 위험' 탐색 원문보기 1
- 국가 미국
- 생성기관 국립학술원
- 주제분류 핵심R&D분야
- 원문발표일 2024-10-14
- 등록일 2024-10-25
- 권호 274
○ 최근 국립학술원에서 주최한 워크샵*에서 인공지능 및 기타 디지털 도구를 사용해서 의료진단을 개선할 때의 잠재적 이익과 위험을 탐색함
* Diagnosis in the Era of Digital Health and Artificial Intelligence: A Workshop
- 대부분의 사람들은 평생에 적어도 한 번은 진단 오류를 경험하게 되며, 진단 오류는 환자 사망의 약 10%에 기여하는 등 때로는 파괴적인 결과를 초래함
- 본 워크샵은 AI와 기타 디지털 도구를 사용하여 의료 진단을 개선하는 데 따른 잠재적인 이점과 위험에 대해 살펴보고, AI의 잠재적 가치를 극대화하고 위험 요소를 최소화하기 위해 다양한 이해 관계자 간 협력을 촉진하는 기회를 제공
○ 증상 및 검색
- AI 기술은 의료 데이터베이스와 검색 엔진을 활용해 환자의 증상을 분석하고 신속한 진단을 도울 수 있음
- 특히 증상 기반 검색 기능을 통해 환자가 입력한 정보로 초기 진단 단서를 제공하며, 진단 시간 단축과 응급 상황 대응에 유리함
- 하지만 이 과정에서 오진 가능성도 존재하며, 단순 검색 알고리즘에 대한 과도한 의존을 경계할 필요가 있습
○ 이미지 인식(image recognition) 응용하기
- 이미지 인식 기술은 방사선 사진, CT, MRI 등의 의료 이미지를 분석하여 암과 같은 복잡한 질환을 조기에 탐지하는 데 기여
- AI는 사람이 놓치기 쉬운 세부 사항을 감지해 진단 정확도를 향상시키지만, 여전히 의료진의 해석과 병행해야 함
- 데이터의 질과 양이 진단 정확성에 중요한 영향을 미치며, 다양한 환자군에 대한 표본이 확보되지 않으면 편향 문제가 발생할 수 있음
○ 생성형 AI의 등장
- 대규모 언어모델(LLMs)을 포함하는 생성형 AI는 다양한 쿼리에 대응하고 더욱 유연할 수 있음
- 그러나 생성형 AI의 진단 내용이 의료진의 판단을 대체할 수 없다는 점, 잘못된 정보가 포함될 경우 큰 문제가 될 수 있다는 점에서 신중한 활용이 요구됨
○ 편견 완화 및 건강 형평성 증진
- AI 시스템의 편향을 완화하고 보건 형평성을 증진하는 것이 중요한 과제로 제시되었으며, 편향된 데이터로 학습된 AI는 특정 인종이나 소외된 집단에 불리한 결과를 초래할 수 있음
- 이를 해결하기 위해 다양한 인구 집단을 대표하는 데이터셋을 확보하고, AI 모델을 투명하게 설계하는 것이 필요
- 공정한 진료와 건강 형평성을 달성하기 위해 환자, 의료진, 연구자 간의 협력이 강조
* Diagnosis in the Era of Digital Health and Artificial Intelligence: A Workshop
- 대부분의 사람들은 평생에 적어도 한 번은 진단 오류를 경험하게 되며, 진단 오류는 환자 사망의 약 10%에 기여하는 등 때로는 파괴적인 결과를 초래함
- 본 워크샵은 AI와 기타 디지털 도구를 사용하여 의료 진단을 개선하는 데 따른 잠재적인 이점과 위험에 대해 살펴보고, AI의 잠재적 가치를 극대화하고 위험 요소를 최소화하기 위해 다양한 이해 관계자 간 협력을 촉진하는 기회를 제공
○ 증상 및 검색
- AI 기술은 의료 데이터베이스와 검색 엔진을 활용해 환자의 증상을 분석하고 신속한 진단을 도울 수 있음
- 특히 증상 기반 검색 기능을 통해 환자가 입력한 정보로 초기 진단 단서를 제공하며, 진단 시간 단축과 응급 상황 대응에 유리함
- 하지만 이 과정에서 오진 가능성도 존재하며, 단순 검색 알고리즘에 대한 과도한 의존을 경계할 필요가 있습
○ 이미지 인식(image recognition) 응용하기
- 이미지 인식 기술은 방사선 사진, CT, MRI 등의 의료 이미지를 분석하여 암과 같은 복잡한 질환을 조기에 탐지하는 데 기여
- AI는 사람이 놓치기 쉬운 세부 사항을 감지해 진단 정확도를 향상시키지만, 여전히 의료진의 해석과 병행해야 함
- 데이터의 질과 양이 진단 정확성에 중요한 영향을 미치며, 다양한 환자군에 대한 표본이 확보되지 않으면 편향 문제가 발생할 수 있음
○ 생성형 AI의 등장
- 대규모 언어모델(LLMs)을 포함하는 생성형 AI는 다양한 쿼리에 대응하고 더욱 유연할 수 있음
- 그러나 생성형 AI의 진단 내용이 의료진의 판단을 대체할 수 없다는 점, 잘못된 정보가 포함될 경우 큰 문제가 될 수 있다는 점에서 신중한 활용이 요구됨
○ 편견 완화 및 건강 형평성 증진
- AI 시스템의 편향을 완화하고 보건 형평성을 증진하는 것이 중요한 과제로 제시되었으며, 편향된 데이터로 학습된 AI는 특정 인종이나 소외된 집단에 불리한 결과를 초래할 수 있음
- 이를 해결하기 위해 다양한 인구 집단을 대표하는 데이터셋을 확보하고, AI 모델을 투명하게 설계하는 것이 필요
- 공정한 진료와 건강 형평성을 달성하기 위해 환자, 의료진, 연구자 간의 협력이 강조
