바이오인

머신 러닝(machine learning, ML)과 딥 러닝(deep learning, DL) 등의 인공지능(artificial intelligence, AI) 관련 테크닉들은 제4차 산업 혁명의 핵심에 자리잡은 키워드로 인간의 삶에 큰 변화를 일으키고 있다. 특히 자율 주행, 음성 인식, 유튜브 추천 알고리즘 등은 이미 자리를 잡은 지 오래이다. 디지털 혁명의 한가운데에 서 있는 우리로써는 AI에 친숙해지고 매일 변화를 거듭하는 AI에 본질에 대해 이해를 할 필요가 있다. 본 동향리포트에서는 의학 응용 프로그램에 중점을 둔 설명 가능한 AI (explainable artificial intelligence, XAI)가 무엇인지 설명하고 생명과학과 의학 분야에서 이용되고 있는 XAI의 이용 분야에 대하여 대략적으로 살펴보고자 한다.

키워드: Efficacy, evaluation, human disease, animal model

분야: Bioinformatics

 

  2.1. AI의 설명성(Explainability in artificial intelligence)

  2.2. 설명 가능한 AI (eXplainable AI, XAI)

  2.3. XAI의 적용 분야

    2.3.1. 급성 심근경색(Acute myocardial infarction, AMI)

    2.3.2. 당뇨(Diabetes)

    2.3.3. 유방암(Breast cancer)

    2.3.4. 코로나바이러스 감염병(COVID-19)

    2.3.5. 치매(Dementia)

    2.3.6. 신약 개발(Drug discovery)

    2.3.7. 임상 유전체학(Clinical genomics)

 

 

 

일반적으로 머신 러닝(machine learning, ML)과 딥 러닝(deep learning, DL) 같은 인공지능(artificial intelligence, AI) 기법들은 자율 주행 자동차(self-driving cars) , 음성 인식(voice recognition)등과 같은 다양한 응용 분야에서 매우 인상적인 성능을 보여주었다. ML 기반 프로그램들은 매우 큰 데이터셋을 통해 “교육”을 받은 DL 접근 방식이 시각적 작업, 특히 바둑 게임같은 영역에서 인간의 능력을 초월한다는 것을 보여준 바 있다. 우리는 여러 가지 기술 유형의 융합을 특징으로 하는, "디지털 혁명"으로 알려진 “4차 산업 혁명(the 4th industrial revolution)”이라는 중요한 시점에 와 있다. 제4차 산업혁명의 시기에 활동하는 과학인들인 우리는 AI에 익숙해지고, AI의 현재와 미래의 용도를 이해하고, AI가 임상의학에서 주류로 진입함에 따라 AI와 지식적으로 협력할 수 있도록 준비해야 한다. 본 동향리포트에서는 매우 특수한 영역인, 의학 응용 프로그램에 중점을 둔 설명 가능한 AI (explainable artificial intelligence, XAI)를 소개하고 생명과학과 의학 분야에서 이용되고 있는 XAI의 이용 분야에 대하여 대략적으로 살펴보고자 한다.

 

평균 수명 증가, 만성 질환의 급상승, 신기술이지만 고액인 치료법의 지속적인 발달로 인해 현재 전 세계적으로 의료 비용이 큰 폭으로 증가 중이다. 이러한 현 의료상황에서 AI 기반 의료 서비스를 개선하고 보다 비용 효율적인 시스템을 만들어 이용할 경우 의료비 증가를 완화할 수 있을 것으로 기대되고 있다. AI는 의학에서 현재 조기 질병 발견하고 질병 진행에 대한 이해를 도우며 , 약물 용량을 최적화하고  , 새로운 치료법을 발굴에 내는 데에 도움을 주고 있다. AI의 최대 강점은 방대한 크기를 가진 데이터셋의 신속한 패턴 분석이다. 패턴 인식 활용에 가장 성공한 의학 분야로는 안과 치료, 암 검진, 영상의학 판독 등이 있으며, 여기서 AI 알고리즘(algorithms)은 육안으로 감지할 수 없는 병변이나 미세한 점(예: 초기 흑색종)에 대한 영상 이미지 판독에서 경험 많은 임상의보다 나은 결과를 보여주었다. 표 2는 대표적인 머신러닝 영역에서 대표적인 AI 알고리즘을 정리한 것이다. AI 시스템이 인간 임상의사를 완전히 대체할 가능성은 높지 않지만, 임상 필드에서 의사 결정(decision-making) 부분에서는 큰 도움이 되기 때문에 그 사용이 점점 더 증가하는 추세이다. 인간의 학습 능력은 타고난 지능, 지식에 대한 접근성, 인생 경험 등에 의해 제한되는 반면, AI에 의해 구동되는 컴퓨터 시스템은 병목현상(bottleneck) 없이 사실상 무제한의 의료 및 생물학적 정보를 빠르게 합성, 분석할 수 있기 때문이다. 임상의학에서는 AI의 잠재력을 최대화하기 위해 매우 큰 데이터셋(예로 전자 의무기록, electronic health record 또는 EHR)을 사용하게 되는데, 이를 통해 통상적인 통계 소프트웨어로는 수행하기 힘든 인간의 행동과 패턴에 관한 동향과 연관성을 밝혀낼 수 있다.