바이오인

포커스 - 보건 부문 내 AI 기반스마트 솔루션 확장

글로벌 보건산업 동향 Vol.487

◈ 목차

◈ 포커스

- 보건 부문 내 AI 기반스마트 솔루션 확장

◈ 제약·의료기기·화장품

- 미국 DexCom과 Abbott, 제2형 당뇨환자의 혈당 모니터링 웨어러블 매출 증가

- 영국 정부-Kindeva, 차세대 저탄소 호흡기 제조 위해 공동 투자

- 독일 Beiersdorf, ’23년 상반기 매출 전년대비 12.3% 상승

- Novo Nordisk, 체중 감량 약물 개발업체 Inversago 인수

- 일본의 차세대 의료기반법이 의료기기 산업에 미치는 영향

- 중국 쳰잔산업연구원, 헬스케어 제품 시장 동향 분석

- 통합의학, COVID-19 예방 및 관리에 대한 대안적 이점을 제공

- CGT 제조업체들, 일부 공정에서 로봇을 통합해 자동화 시도

◈ 의료서비스

- 브리스톨 마이어스 스퀴브, ’22 ESG 보고서 발표

- 미국 노년층을 위한 의료서비스 혁신

- 일본 의성회 등, 인도네시아 부유층 대상으로 선진 의료관광 서비스 제공

- 중국 국가의료보장국, ’22년 의료보장사업 관련 통계 발표

- 의료관광의 부활로 인도 병원산업 활성화

- 이집트, 튀르키예와 의료관광 협력 강화를 위한 MOU 체결

- 나이지리아, 국민의 기본적인 의료서비스를 강화할 계획

- 글로벌 의료관광, ’28년 535억 1천만 달러 규모로 성장할 전망

◈ 디지털 헬스케어

- 미국 FDA, 비후성 심근증 감지하는 ‘Viz HCM’에 드 노모 승인 결정

- 미국 Jefferson Health 등, 행정 업무 부담 완화 위해 가상 간호 프로그램 운용

- 영국, 의료 현대화를 위한 새로운 자금 발표와 함께 AI 안전 정상회담 준비

- 중국 항저우 온라인 병원, 노인 친화적 의료 환경 조성

- 디지털 건강 분야에서 태국의 잠재력

- 호주 스타트업, 독립형 전자 처방 플랫폼을 출시

- 인공지능이 의료서비스를 변화시키는 방법

- 디지털 기술을 통한 정신건강 서비스 향상과 이슈

◈본문

보건 부문 내 AI 기반 스마트 솔루션 확장

[1] 개요

•︎ 의료 및 기술 부문, 정부, 연구소 등에서는 인공지능(AI)과 기계학습(ML)을 활용한 보건 혁신을 대망했지만, 정작 의료 공급자, 환자, 정책입안자, 비즈니스 지도자에 대한 신뢰 구축 방법 중 공동의 비전을 품고 다자간 연합체들이 단결할 수 있는 방안은 결여되어 있는 상황

•︎ 의료의 비효율성, 인력 부족, 의사들의 번아웃, 보건 지출 증가 등이 악순환을 거듭하는 가운데

△의료 데이터의 기하급수적 증가 △의료서비스 제공자 부족 △AI 기술의 역량 증대 등의 요소를 지닌 AI가 문제 해결의 잠재력을 제공하고 있으며, 이를 실현하기 위해서는 다자간 협력이 필수

•︎ 동 보고서 발행의 목적으로는 △AI가 사용되고 있는 의료 어플리케이션의 범위를 표현할 공동의 분류체계 창조 △지속적 민관 투자를 통해 글로벌 보건 결과를 개선할 수 있는 AI 활용 사례 규명 △의료 부문에서 AI의 책임감 있는 채택 및 규모 확장에 있어 가장 중요한 요소 정의

[2] 보건 부문 AI의 활용 사례 및 AI 촉진을 위한 원칙

■ 보건 부문에서의 AI 활용 사례

•︎ AI가 질병의 조기 진단, 감염병 퇴치, 의약품의 획기적 발견에 대한 기대감을 주고 있으며, 이를 성취하기 위해서는 무엇보다 협력이 중요

•︎ 지속적인 다자간 협력을 위한 AI의 대표적 활용 사례로는 △진단 및 리스크 등급 분석 △감염병 보안 및 예측 △임상시험 최적화

•︎ (진단 및 리스크 등급 분석) 전통적 치료가 건강결과에 미치는 영향은 10-20% 수준에 불과한하고 나머지는 유전적·사회적·행동적 요소에의해 결정되는 만큼 질병 리스크 관리가 중요

- ‘아폴로병원Apollo Hospital)’에서 개발한 ‘AI 기반의 혈관질환 리스크 툴(AICVD)’은 △환자의 리스크 등급을 ‘높은 수준/보통 수준/경미한수준’으로 분류 △의료 제공자들에게 환자의 리스크 스코어를 낮추기 위해 필요한 ‘의료적 조치’를 추천

- AICVD는 기존에 미국과 유럽 등지에서 보편적으로 사용되던 ‘플레이밍험 위험점수(FRS)’보다 정확하며, 현재 최소 8개국 사용되고 있는 중

■ AI 촉진을 위한 원칙

•︎책임감 있는 AI 발전을 저해하는 장애물을 극복하기 위해 필요한 것으로는 고품질 데이터에 대한 접근성, 기술의 적응성, 용이한 확장성

•︎ (데이터 접근성) 사용 가능한 대표성을 지닌 데이터를 활용하기 위해, 스탠포드⼤ 등에서는 ‘생성형 적대 신경망(GAN)’을 기반으로 합성 임상시험이나 생물의학 연구에 쓸 수 있는 합성 환자 데이터를 생성하여 시장 출시까지의 시간을 단축

* 생성형 적대 신경망(Generative Adversarial Networks)은 생성자와 식별자가 서로 경쟁하며 데이터를 생성하는 모델

- 이런 시도가 유망하지만 확장되기에 앞서 검증이 필요한데, ‘메이요클리닉 플랫폼(Mayo Clinic Platform)’이 주도하는 데이터 공유 협정 같은 파트너십이 문제 해결을 지원할 수 있을 것으로 기대

•︎ (기술 적응성) AI 채택에 있어 저항을 줄이기 위해서는 신뢰성이 보장되어야 하며, 이와 관련하여 △‘의료AI연합체(CHAI)’에서는 신뢰 증진을 위해 ‘신뢰성 있는 AI를 위한 청사진(Blueprint for Trustworthy AI)’을 수립 △‘ITU AI for Good’ 이니셔티브는 신뢰성 있는 AI 솔루션을 보장하기 위한 프레임워크를 개발하는 중

•︎ (용이한 확장성) AI는 보다 큰 규모에서 효율성도 함께 제고되기 때문에 AI가 채택되기 위해서는설계에 따라 손쉬운 확장 가능성이 필수

[3] 보건 부문 AI의 잠재력 실현을 위한 권장사항

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.