만성질환 진단 속도 높여 의사 결정 지원
만성질환 관리 많인 시간 소요...AI로 시간 단축
생체지표 평가해 환자의 건강 상태와 질병 위험 계산
인공지능(AI)이 당뇨병과 같은 만성질환 진단의 해결사로 떠올랐다. 머신러닝 등의 기술로 당뇨병과 합병증 발생 예측을 지원하고 있다. 몸의 증상과 약물에 대한 반응 정도를 개관적으로 측정할 수 있어 질병 진단과 예측에 유용하다는 평가다.
AI는 원격 모니터링을 통해 생체에 나타나는 표식을 조기에 발견할 수 있다. 의료 전문 데이터와 소셜 미디어, 온라인 커뮤니티에 있는 사용자경험(UX) 데이터를 통해 질병 초기에 발생하는 증상을 파악하고 분석할 수 있어서다.
AI를 활용한 초기 질병 확인 여부는 포도당 추출 및 혈당 분해 헤모글로빈 감소를 통해 더 나은 혈당 제어를 할 수 있는 환경을 조성하고 있다. 이처럼 AI가 추구하는 데이터 기반 정밀 진료는 당뇨병, 암, 심장병 등과 같은 만성질환 치료의 패러다임을 바꿀 것으로 기대된다.
AI, 만성질환에 빠른 진단
발도스타 데일리 타임스(Valdosta Daily Times)는 지난 22일 만성질환 관리를 위해 AI 활용되는 기사를 보도했다. 매체에 따르면, AI는 만성질환 관리의 첨병으로 활약 중이다.
AI는 증가하는 만성질환에 대해 질병 진단, 의학적 결정, 치료 효율성을 지원하고 있다. 예측과 분석에서 탁월한 능력을 갖고 있는 AI가 기존 만성질환에 대한 진단 과정의 속도를 높이고, 의사들의 결정을 지원하고, 나아가 더 신속한 치료를 제공하고 있는 것.
질병통제예방센터에는 미국 성인 10명 중 6명이 만성질환을 앓고 있다고 밝혔다. 오는 2025년에는 미국 인구 절반 가까이가 만성질환에 의해 영향을 받을 것으로 추정된다고 발표했다. 현재 만성질환 중 흔한 질병은 심장병, 암, 당뇨병 등이다.
발도스타 데일리 타임스는 미국 의사들이 AI에 큰 관심을 보이고 있으며, 심장병, 암, 당뇨가 있는 사람들의 초기 개입과 환자 결과의 개선을 매우 긍정적 시각으로 바라보고 있다고 보도했다.
심혈관의 경우, AI 기반의 컴퓨터는 빠르고 정확한 데이터 처리를 통해 더 나은 치료 결과를 제공하도록 프로그래밍 되고 있다. 여기에는 심장병 감지, 뇌졸중 치료, 진단 방사선 능력 향상이 포함된다.
존스 홉킨스 대학의 연구원들은 심실 부정맥을 더 잘 이해하기 위해 개인화된 의학인 전심 계산 모델을 탐구했다. 나탈리아 트라야노바(Natalia Trayanova) 존스 홉킨스대 생명공학 및 의학부의 교수는 보도자료를 통해 “환자 심장에 대한 개인화된 컴퓨터 모델링은 환자별 정보는 물론 심장의 개별적인 기하학과 구조를 통합한 모델을 발전시킨다”고 말했다.
연구원들에 따르면, 환자별 모델은 예측 분석을 사용해 갑작스런 심장 사망의 위험이나 심장 수술의 결과를 결정할 수 있다. 트라야노바 교수는 "환자별 모델은 심방과 심실 모두에서 부정맥에 대한 최적의 치료법을 결정하는 데도 사용되며, 새로운 치료제 개발뿐만 아니라 의료기기 설정과 환자 선택 기준에 대한 빠른 평가를 가능하게 할 수 있다"고 밝혔다.
전심 계산 모델의 개발을 추구함으로써, 연구자들은 개인화된 치료와 위험 예측을 향상시킬 수 있다. 또한 이 모델은 인공 지능과 협력하여 환자 결과를 개선할 수 있다는 설명이다.
만성질환 관리에 AI 적합해
지난해 9월 28일 미국의 IT 건강 전문 매체 헬스 아이티애널리틱스는 ‘만성질환 관리에 인공지능의 적용’이란 특집 기사를 다뤘다. 매체는 이 기사에서 "고령화, 고가의 의약품, 행정 불합리 등에 의해 의료비가 하늘 높이 치솟는 반면 보건 결과는 다른 고소득 국가들에 비해 열악하다"고 지적했다.
또 "만성질환 확산은 의료 지출에서 가장 중요한 요소"라며 "이는 미국에서 사망과 장애의 주요 원인일 뿐만 아니라 연간 3조 5천억 달러의 건강 비용을 발생시키는 주요 요인"이라고 덧붙였다.
이 문제를 극복하기 위해서는 전국 의료진이 당뇨병, 암, 신장 질환과 같은 만성질환의 관리 및 예방을 최우선 과제로 삼아야 한다고 조언했다. 만성질환이 코로나 19에 감염된 사람들에게 더 나쁜 결과를 초래해 의료 시스템에 더 큰 부담을 준다는 증거도 있다고 주장했다.
매체는 이 문제를 극복하는 방안으로는 AI를 이용해야 한다고 설명했다. 만성질환자를 관리하고, 예방하는 것은 시간이 많이 걸리고, 어려운 작업인데 그 이유는 만성질환의 발병과 치료는 일반적으로 환자마다 달라서 여러 가지 특징을 포함하기 때문에 AI를 이용해야 한다는 것이다.
AI는 유전학, 라이프스타일 선택, 환경적 요인은 모두 만성질환 관리에 기여하는 데이터로 이 작업에 완벽하게 적합하다고 평가했다.
매체의 설명처럼 의료 분야는 만성질환 관리를 개선하고, 비용을 절감하며, 환자 건강을 개선하기 위해 AI를 점점 더 활용하고 있다. 이처럼 만성질의 치료는 향후 개인화된 데이터 중심 진료로 이어질 전망이다.
만성질환은 가능한 한 빨리 치료 및 관리 업무에 참여돼야 하는데 이 질병 발생 위험이 높은 환자를 식별하는 것은 엄청나게 복잡한 것으로 알려져 있다. 어떠한 경고도 없이 개인에게 나타날 수 있는 만성 신장 질환(CKD)의 경우, 투석 환자의 대다수는 중증 CKD로 병원에 입원하면, 투석이 필요하다는 것을 먼저 알게 된다.
인터마운틴 헬스케어 시스템 신장 서비스의 운영 책임자인 레이 모랄레스(Ray Morales) 박사는 인터뷰에서 "불행하게도, 국내 수치를 보면 이런 현상이 드물지 않다"고 말했다. 지역 환자의 70%는 갑자기 말기 신장병에 걸리게 된다는 것. 이 문제를 극복하기 위해 연구진은 급성 신장 손상의 단계에 따라 CKD 환자를 정확하게 식별할 수 있는 분석 알고리즘을 개발했다.
연구진은 말기 신장병에 갑자기 걸리게 되는 환자들을 진료와 시간의 차이로 계층화했다. 모랄레스 박사는 이러한 알고리즘의 개발 성공은 여러 데이터 소스의 분석이라고 평가했다.
그는 “환자의 이동 경로 파악은 의료진이 개입하는 지점을 파악하고, 환자들을 더 잘 관리하기 위해 매우 중요하다"며 "진행형 만성 신장질환자나 말기 신장질환자의 총 진료비를 살펴보면, 치료비의 약 70%가 신장질환이나 투석치료와 관련이 없다"고 말했다.
대부분의 치료비용은 치료의 복잡성을 증가시키는 고혈압, 당뇨병 등과 같은 동반 질환들을 관리하는 데 포함돼있다는 것이다. 연구진은 새로 개발된 알고리즘의 경우 이러한 데이터 소스를 조사한 후, 신장 관리가 필요한 환자를 빠르게 능동적으로 식별할 수 있었다고 설명했다.
한편, 파킨슨병이 어떻게 진행되는지 더 잘 이해하기 위해 IBM 리서치는 파킨슨병 연구 분야의 최대 비영리 후원단체인 마이클 J. 폭스 파킨슨병 연구재단(Michael J. Fox Foundation for Parkinson’s Research)과 협력하고 있다.
이들은 약물에 대한 환자의 데이터를 사용하는 머신 러닝 알고리즘을 개발하고 있는데 더 많은 데이터를 얻기 위해 상호 협력하고 있는 것이다. 유진 산토스 주니어(Eugene Santos Jr.) 다트머스 대학 공학 교수는 "알고리즘을 교육할 때, 데이터의 양뿐만 아니라 이러한 도구의 투명성도 중요하다"고 말했다.
다트머스 엔지니어링의 연구원들은 환자의 임상 및 게놈 데이터와 암 발생을 촉진하는 생화학적 경로 사이의 관계를 분석하는 PHK라고 불리는 인공지능 시스템을 개발하고 있다.
PHK를 투명한 AI 시스템으로 만들어 연산 이면의 추론이 제공자에게 쉽게 설명될 수 있도록 하는 것이 목표다. 산토스 교수는 "PHK 툴은 임상 데이터나 생물의학 데이터와 같은 다양한 정보 소스를 사용해 이 정보들이 어떻게 조화를 이루는지 보여주는 지식 기반을 구축하고 있는데 이 툴은 어떻게 정보를 결합하는지 분명하게 보여준다”고 말했다.
시간 경과에 따른 예측 가능
지난 22일 포렌식 분석가 에밀리 핸더슨(Emily Henderson)은 메디컬 뉴스(Medical News)에 환자의 연령에 따른 만성질환의 진행을 모델링하는 신 개념의 AI 모델을 소개했다.
에밀리에 따르면, 최근에 미국의 버팔로 대학 연구팀은 AI를 이용해 환자가 나이가 들면서 만성질환의 진행을 모형화하는 새로운 시스템을 개발했다. 지난 10월에 약동학 저널에 발표된 이 모델은 콜레스테롤 수치, 체질랑 지수, 포도당, 혈압 등과 같은 측정 가능한 생물학적 과정인 대사 및 심혈관 생체지표를 평가해 환자의 일생 동안 건강 상태와 질병 위험을 계산한다.
이번 연구결과는 세포, 심리, 행동 과정에 악영향을 미치는 과정인 노화와 함께 대사 및 심혈관 질환에 걸릴 위험이 증가하기 때문에 매우 중요한 것으로 평가되고 있다.
노화 및 만성질환의 경우, 평생 동안 약물 치료를 위한 지침이 제공되지 않는데 이러한 지식 격차가 잠재적으로, AI와 같은 혁신적인 질병 진행 모델링으로 메워질 수 있다는 것이 그들의 지론이다.
UB 약학 대학원의 무랄리 라마나탄(Murali Ramanathan) 교수는 "이 모델을 통해 장기간의 만성 약물 치료법을 쉽게 평가할 수 있으며, 나이가 들면서 더 빈번해지는 당뇨병, 높은 콜레스테롤, 고혈압과 같은 만성질환에 대한 치료 반응을 임상의들이 관찰할 수 있을 것"이라고 말했다.
연구팀은 이번 모델을 개발하기 위해 미국에서 약 4만 명의 사람을 대상으로 대사 및 심혈관 생체지표를 평가한 세 번째 NHANES(National Health and Nutrition Examination Survey) 내 세 가지 사례 연구의 데이터를 조사했다.
체중, 키 등의 측정도 등을 포함하는 바이오마커는 전반적인 건강과 수많은 질병을 진단, 치료, 모니터링 하는 데 사용된다. 연구진은 체질랑 지수, 허리 對 엉덩이 비율, 총 콜레스테롤, 고밀도 지단백질 콜레스테롤, 트라이글리세라이드, 포도당, 당화혈소 등 7가지 대사 생체지표를 조사했다.
이 AI 기반의 모델은 신진대사와 심혈관 생체지표의 변화를 분석함으로써 노화가 이러한 측정에 어떻게 영향을 미치는지 학습할 수 있다. 머신러닝을 통해 이전의 바이오마커 수준을 기억해 미래의 수준을 예측하는 것도 가능하다. 연구팀은 "궁극적으로는 대사 및 심혈관 질환이 시간에 따라 어떻게 진행되는지를 밝혀낼 수 있을 것"이라고 밝혔다.
AI타임스 조행만 객원기자 chohang5@kakao.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com