기술동향
차세대 질병 진단 및 스크리닝 기술 관련 연구 동향
- 등록일2022-04-06
- 조회수5686
- 분류기술동향 > 플랫폼바이오 > 바이오융합기술
-
자료발간일
2022-03-07
-
출처
융합연구정책센터
- 원문링크
-
키워드
#융합연구정책센터#스크리닝 기술
- 첨부파일
2022_융합연구리뷰_3월호.pdf
차세대 질병 진단 및 스크리닝 기술 관련 연구 동향
◈목차
CONTENTS
01 편집자 주
03 차세대 질병 진단 및 스크리닝 기술 관련 연구 동향
27 K-mRNA 백신을 위한 기술의 융합
55 국가R&D 현황 분석
◈본문
편집자주
○ 차세대 질병 진단 및 스크리닝 기술 관련 연구 동향
2021년 9월 미국 식품의약국(FDA)이 인공지능 병리진단 솔루션인 ‘페이지 프로스테이트(Paige Prostate)’를 최초로 승인했다. 이 솔루션은 생검된 전립선 조직 슬라이드 이미지를 분석해 전립선암을 진단하는 것으로 이를 활용하였을 때 전립선 암 검출율이 89.5%에서 96.8%로 7.3% 증가하는 것으로 나타났다. 또한, 본래 양성인 결과를 음성으로 진단하는 비율이 70%, 본래는 음성이나 양성으로 진단하는 비율은 24% 감소하였으며, 진단 정확도는 전립선암 전문의의 분석과 비슷한 수준이었다. 이렇듯 인공지능 기술의 발전은 의료 산업에 혁신을 불러일으키고 있다.
미국, 유럽, 중국 등을 중심으로 인공지능 기반 질병 진단 기술 개발 및 이에 대한 지원이 활발한 가운데, 우리나라에서는 과학기술정보통신부와 정보통신산업진흥원이 2018년부터 2020년까지 총 488억 원을 투자하여 8대 질환에 대해 예측･진단을 지원하는 인공지능 의료 소프트웨어인 '닥터앤서1.0'을 개발하였다. 또한 한국보건산업진흥원은 2025년까지 향후 5년간 총 945억원을 투입해 인공지능 기반 임상의사결정지원시스템을 개발하고 한국형 중환자 특화 빅데이터를 구축할 예정이다.
인공지능 기술을 활용하여 질병을 진단할 때에 이용되는 데이터로는 의료영상, 진료 기록, 유전정보, 생체측정 정보, 음성 패턴 등으로 다양하다. 본 호 1부에서는 의료영상과 음성/음향 신호를 인공지능 기술을 활용하여 질병을 진단 및 스크리닝하는 기술 동향에 대해 소개한다.
○ K-mRNA 백신을 위한 기술의 융합
2020년 3월 11일 세계보건기구(WHO)가 코로나-19에 대해 팬데믹을 선언한지 약 5개월만인 2020년 8월 영국은 세계에서 가장 먼저 코로나-19 백신 접종을 시작했다. 백신 접종 1호 주인공은 90세 영국 노인으로 전 세계인들의 이목이 집중되는 가운데 미국 제약사 화이자(Pfizer)와 독일 바이오엔테크(BioNTech)가 공동 개발한 코로나-19 백신을 세계 최초로 접종받았다. 코로나-19 대유행으로 세계 역사상 가장 빠른 백신이 개발되었다. 이는 기존 DNA 방식의 백신과 다르게 항원, 병원체의 유전자의 형태만 파악하면 거기에 대응할 수 있는 유전정보만 합성해 사용하면 되기 때문에 신속한 대량생산이 가능한 mRNA 방식의 백신 덕분이다.
코로나-19 백신은 기존의 백신과 달리 신체 면역 반응을 유도하는 단백질 또는 단백질 생성 방법을 세포에 가르쳐, 특정 바이러스에 노출되었을 때 이에 대한 항체를 형성하도록 유도하도록 한다. 본 호 2부에서는 mRNA 백신 개발 배경, 구조체, 전달체, 제형 방법 및 평가 등에 대한 내용을 소개한다.
우리나라 정부는 국산 코로나-19 치료제･백신 등의 개발을 위해 2022년 5,265억을 투입하여 범정부 차원의 지원을 하기로 했으며, 특히 2023년까지 1개 이상의 국내 생산 코로나-19 mRNA 백신 개발 완료를 목표로 범부처가 협력해 지원하기로 했다. 이를 기반으로 하여 지속적인 연구개발과 각 해당 분야 연구자들의 협업을 통해 향후 발생할 가능성이 있는 새로운 감염병에 대비할 수 있는 백신 강국으로 도약할 수 있기를 기대해 본다.
01. 차세대 질병 진단 및 스크리닝 기술 관련 연구 동향
Ⅰ 서론
1. 헬스케어 분야의 인공지능(AI, Artificial Intelligence) 기술
현대 인공지능(AI) 혁명은 한 연구 대회에서 시작되었다. 2012년은 연례 ImageNet 대회의 3번째 해였는데, 이 대회에 참가한 팀은 동물에서 풍경, 사람에 이르기까지 1,000개의 물체를 인식하는 컴퓨터 비전 시스템을 구축해야 했다. 처음 2년 동안 최고의 성적을 낸 팀은 75%의 정확도에도 도달하지 못했지만, 세 번째 실험에서는 교수와 그의 제자 3명으로 구성된 팀이 갑자기 이 성능을 넘어섰다. 무려 10.8% 포인트라는 압도적인 격차로 경쟁에서 승리했으며 그 교수는 제프리 힌턴(Geoffrey Hinton)이었고 그들이 사용한 기술을 딥 러닝(Deep Learning)이라고 했다(Krizhevsky, 2012). ImageNet 대회 4년차에는 거의 모든 팀이 딥 러닝을 사용하여 정확도를 향상시켰고 얼마 지나지 않아 딥 러닝은 이미지 인식을 넘어 자연어처리(NLP, Natural, Language Processing), 음성인식(Speech Recognition) 기술, 로봇 등 광범위한 산업 분야에도 적용되었다.
의료 분야에서 AI의 사용 사례는 1990년대 후반으로 거슬러 올라간다. 이 때 처음으로 당시로서는 생소하였던 기계 학습(Machine Learning) 기술을 이용하여 의사가 의료 이미지에서 암을 식별하기 용이하도록 사용되었다. 시작은 미약했지만 AI와 헬스케어 기술의 결합은 앞으로 전 세계적으로 건강 결과를 개선할 수 있는 엄청난 잠재력을 가지고 있다. 예를 들어, 환자 데이터를 집계 및 평가하여 위험 분석을 개선할 수 있고, 방사선 영상 솔루션은 전문가가 이미지를 보다 효율적이고 효과적으로 평가하도록 지원할 수 있으며, 기계 학습 플랫폼을 이용하여 자동화된 일정 기능 및 챗봇을 통해 건강관리의 단위 비용을 절감할 수 있다. 또한 환자 치료에 시간을 할애할 수 있도록 전문가를 추천할 수 있다. 이러한 AI 건강 애플리케이션 중 일부는 COVID-19에 대한 대응으로 가속화되었다. AI는 약물 및 백신 연구, 환자 분류부터 물류 추적 및 감시 시스템, 중증 COVID-19
환자 예측에 이르기까지 광범위하게 적용되고 있다.
2. 헬스케어 분야의 디지털 전환(Digital Transformation)
AI 기술과 IT 기술의 발달로 ‘파괴적인 혁신’을 가지고 오는 디지털 전환(Digital Transformation)이 다양한 분야에서 진행되고 있다. 특히, COVID-19 유행과 더불어 의료, 헬스케어 분야는 전 세계적으로 급진적인 변화와 혼란을 겪고 있다. 이러한 변화는 의료, 헬스케어 분야의 패러다임 변화를 가속화하며 다음과 같은 특징을 가진다(Kharbanda & Imran, 2020).
- 인구 건강관리 : 환자는 더 이상 개별 사례로 취급되지 않으며, 디지털 정보 교환을 통해 건강 데이터는 지역 사회, 국가 및 지역 수준에서 집계되고 있다. 건강 생태계의 모든 이해 관계자는 서로 다른 소스의 건강 관련 필수 정보에 접근(access)하고 공유하는 메커니즘을 만들고 있어 주요 의료 동향을 더 빠르고 정확하게 감지할 수 있다.
- 환자 중심성 : 특정 요구, 선호도 및 환자 가치에 맞게 치료 제공이 맞춤화되고 있다. 의료 서비스 제공자는 보다 개인화된 치료를 구축하는 데 중점을 둔다.
- 예방 및 평생 관리 : 의료 지식의 발전과 정보 보급 채널의 다양화는 환자의 인식을 변화시키고 건강관리를 위한 환자의 참여를 증가시키고 있다. 의료 서비스 제공자와 규제 기관은 사람들이 건강관리에 대해 보다 능동적인 접근 방식을 취하도록 장려하기 위해 의학적 상태, 증상 및 치료 옵션에 대한 지식을 전달하는 데에 중점을 두고 있다.
- 분산 치료 : 환자는 전통적인 지리적 경계를 넘어 고품질 치료에 접근할 수 있다. 원격 의료의 사용 증가는 의료 시설 간에 분산된 운영 모델을 가속화하고 있다.
- 비침습적 치료 : 의료 기술의 발전으로 최소한의 침습적(세균과 같은 미생물이나 검사용 장비의 일부 따위가 체내 조직 안으로 들어가는 방식) 치료 옵션이 생성되어 복잡한 물리적 인프라 요구 사항에 대한 의존도가 감소하고 치료 제공 기간이 단축된다. 이러한 치료 옵션은 병원 정보 시스템을 활용하여 병원에서 환자가 의료 서비스를 경험하는 방식을 근본적으로 바꾸고 있다.
기존의 시스템에서 환자 중심의 개인화된 의료 서비스를 제공하기 위해서는 막대한 의료 인력과 비용이 필요하다. AI 기술은 이러한 서비스 제공을 위해 활용도가 높다. 의료 진단 및 의료 분야의 인공 지능은 과로한 의료 종사자와 시설에 안정적인 지원을 제공하여 업무 부담을 최소화하는 동시에 의료 종사자의 효율성을 극대화할 수 있다.
의료 진단의 AI 기술은 의료 의사 결정, 관리, 자동화, 관리 및 워크플로(Workflow)를 지원할 수 있다. 암 진단, 의료영상에서 중요한 발견 분류, 급성 이상 증상 알림, 생명을 위협하는 사례의 우선순위를 정하는 데 활용되며, 심장 부정맥 진단, 뇌졸중 결과 예측, 만성 질환 관리 등 전반적인 의료 영역에 적용될 수 있다. AI는 데이터, 알고리즘, 분석, 딥러닝 등의 기술을 기반으로 의료 산업과 환자의 요구 사항에 맞춰 지속적으로 성장하고 적응하고 있다. 지난 몇 년 동안 의료 진단 분야의 AI 기술은 의료 산업이 느끼는 극도의 부담을 줄이는 것과 동시에 의료 표준을 변화시키는 엄청난 가능성을 보여주었다.
...................(계속)
☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.
관련정보