바이오인

1. 개요

가. 등장배경

ICT, 의료기술, 빅데이터 및 인공지능 기술의 발전과 상호결합은 헬스케어 산업의 적용범위를 넓히고, 최근 고품질의 혁신적인 의료서비스 창출에 대한 기대감이 높아지고 있다. 특히, 구글과 IBM에서 인공지능의 최우선 활용분야로 헬스케어 산업을 지목할 정도로 건강관리, 질병의 진단치료관리 등 헬스케어 분야에서 인공지능의 역할이 크게 증가할 것으로 전망된다.

환자의 질병치료를 위해 의료데이터 및 생활패턴 데이터 등의 확보는 매우 중요하며, 방대하게 수집된 개인의 의료데이터를 토대로 건강진단, 질병예측 등을 위해서는 보다 지능화된 시스템이 필요하며 그 대안으로 인공지능 알고리즘의 중요성이 부각되고 있다.

소형화, 첨단화된 센서는 데이터의 센싱 역량을 높여 다양하고 방대한 데이터 확보가 가능해지고, 인공지능은 데이터를 통해 학습, 분석, 추론 등의 정확성 및 정교성을 높일 수 있으며 빅데이터는 인공지능의 분석력, 추론력, 예측력을 통해 더욱 지능화된 혁신적인 의료서비스 창출이 가능(NIA, 2012; KHIDI, 2016)할 것으로 전망됨에 따라 인공지능을 접목한 헬스케어 산업의 시장 확대 가능성이 높아지고 있다.

특히, 모바일 인공지능 진단기술은 의료의 질적 수준을 향상시킬 수 있는 핵심기술로 다음과 같이 중요성이 부각되고 있다.

첫째, 의료 데이터의 복잡성이 점차 심화되어 기존의 접근 방식으로는 질병의 진단과 치료에 어려움이 커지고 있다. 이에 방대하고 다양한 의료 데이터중 유의미한 데이터의 신속한 선별과 분석하는 기술에 대한 수요가 대두되고 있다.

둘째, 고령화 사회, 기대수명 연장 등의 사회적 변화로 건강수명에 대한 국민의 관심이 높아짐과 동시에 1인당 부담해야할 의료비 부담 증가가 중요한 사회적 이슈로 부각되고 있다. 이에 질병의 정밀진단 및 조기 발견으로 의료의 질적 수준 향상과 의료비 절감 등에 대한 니즈가 증가하고 있다.

셋째, 고령화시대 진입 및 유병기간 증가로 의료비 부담이 가중됨에 따라 질병진단 및 치료와 함께 사전관리와 모니터링을 통한 사후 관리를 포괄하는 진단기술이 요구되고 있다.  

나. 정의

모바일 인공지능 진단기술은 모바일 기기 내장 센서에 의한 데이터와 문자, 음성, 통신 등 방대한 양의 데이터를 빅데이터와 인공지능 기술을 활용하여 질병의 예방·진단·관리 등에 적용함으로써 혁신적인 고부가가치 의료서비스 제공을 의미한다.

모바일 인공지능 진단기술의 핵심 요소기술로는 아래 표 1과 같이 1) 모바일 센서기술, 2)빅데이터 분석 및 조정기술, 3)딥러닝을 통한 데이터 분석의 3가지 핵심기술로 구성되어 있다. 이러한 모바일 인공지능 진단기술은 모바일 센서를 통해 취합한 다양한 데이터 정보를 빅데이터 분석을 통해 질병의 진단 기능을 높이는 동시에 인공지능의 딥러닝 기술을 활용함으로써 향후 발생 가능한 질병에 대한 예측, 예방 등에 대한 인사이트 제공과 더불어 개인에 특화된 맞춤형 의료서비스 제공을 촉진하는 기술로서 중요성이 높아지고 있다.

[표 1. 모바일 인공지능 진단기술의 핵심 요소기술]

<출처 : 한국생명공학연구원(2016)>

또한 모바일 인공지능 진단기술은 개인의 유전체 정보, 진료기록, 생활습관 정보 등을 바탕으로 맞춤형 예측의료를 가능하게 하는 ‘정밀의료’ 실현의 토대가 될 것으로 전망된다.

[표 2. 정밀의료의 개념]

다. 적용분야

헬스케어 분야에서 인공지능은 의료·유전자 데이터, IoT, 빅데이터, 모바일 웨어러블 기기 등 ICT 인프라와 결합되어 환자의 질병을 예방·진단·관리에 적용되고 있다. 특히, 모바일 인공지능 진단기술 분야는 센서기술, 빅데이터 기술, 인공지능 기술이 결합되어 질병의 사전 예방·진단·관리 등이 가능함에 따라 특정 질병의 원인 추적 및 치료 경과 관찰, 감염성 질환의 전파 차단 등 국민 건강 증진에 기여할 것으로 기대된다.

딥러닝 기술의 발전으로 사람의 얼굴을 사람보다 더 잘 구별해내는 인공지능 알고리즘이 개발되면서 진단의학계의 혁신적인 변화를 가져왔으며, 헬스케어에서의 인공지능 적용이 빠르게 확대되는 계기가 되었다(KHIDI, 2016). 인공지능 기술을 통해 의료 데이터·영상·이미지를 토대로 질병 진단, 예측의 정확성이 증가하여 의료의 질적 수준을 향상시켰다. 

...................(계속)