[iitp] 잔여 수명과 암 발병률을 예측하는 유전자 분석 인공지능

 

 

 

 

*** 출처: [iitp] 잔여 수명과 암 발병률을 예측하는 유전자 분석 인공지능

*** 문서:

file7856638944227648383-184003.pdf

 

 

 

 

■ AI 를 이용한 병의 진단은 이미 시도되고 있고 이에 대한 실효설 논란도 진행 중. 최근에는 AI에 의한 사망시기 예측을 의료 서비스에 활용하려는 움직임이 시작되었음

 

 

- 병원과 의사 입장에서는 AI가 의사보다 더 정확하게 사망시기를 예측할 수 있다면 이것은 중요하고 유용한 정보가 될 수 있음

 

- 말기 완화 치료가 필요한 환자는 수명이 3~12개월 남은 환자라고 정의되며, 이 케어를 제대로 하려면 사전 준비로 3개월이 걸리고, 또 만일 12개월 이상 치료를 계속해야 한다면 의사나 간호사 수가 부족하게 되는 문제가 발생하게 됨

 

- 스탠퍼드 대학 연구팀의 2017년 11월 "Improving Palliative Care with Deep Learning (딥러닝을 통한 말기 환자 간병의 개선)"이라는 논문에 따르면, 사용된 알고리즘은 환자의 수명을 의사들보다 정확히 예측할 수 있음

 

 

 

■ 스탠퍼드 대학의 '잔여 수명 산정 알고리즘'

 

 

- 환자의 전자 의료 기록 정보를 집약한 스탠퍼드 대학 병원의 환자 데이터베이스인 'Standford Translation Research Integrated Database Environment'를 알고리즘의 교육 및 정확도 검증에 이용 함

 

- 환자의 의료 데이터를 입력하면 딥러닝 모델이 환자가 3~12개월 사이에 사망할 것인지 아닌지 여부를 판정(Binary Classification, 이분법적 분류)하게 됨

 

- 알고리즘 교육을 위해 총 221,284 명의 환자 데이터 사용(3~12개월 내 사망환자: 15,713 명, 12개월 이상 생존 환자: 205,571 명)

 

- 검증·시험 알고리즘은 DNN(Deep Neural Network)으로 입력층, 중간층(18단), 출력층으로 구성 됨

 

- 입력 계층은 13,654 디멘션(13,654 종류의 데이터를 입력)이 되며 출력 계층은 3~12개월 사이 사망 여부를 판정하고, 네트워크 구조는 시행착오(trial and error) 방식으로 많은 모델을 시도하게 됨

 

- 완성된 알고리즘은 다양한 각도에서 평가하였으며, 대상 식별 판정의 정확도(ACU)는 True Positive(진짜 양성) 비율이 0.93일 때 False Positive(가짜 양성) 비율이 0.3 이었음

 

- 이는 실제 말기 환자에 해당하지 않는 환자 중 30%가 말기 환자로 판정되는 오검출률을 30% 정도로 허용할 경우 실제 말기 환자 100명 중 93명을 정확히 판정한다는 것임

 

 

 

 

 

- 평가 지표로 'Precision Recall(정밀도 재현율)'을 사용하였으며, 알고리즘의 정밀도가 0.9 일 때 재현율(Recall)은 0.34를 기록하였으며, 정확도가 0.8 일 때 재현율은 0.50을 기록하였음

 

- 이는 검출율을 높이기 위해 재현율을 50% 까지 높이더라도 알고리즘의 정확도가 80% 까지 이른다는 뜻인데, 이 정도의 정확도면 병원에서 사용할 수 있는 수준이라고 함

 

 

 

■ 이 번 연구에서는 '알고리즘의 판단 근거 분석'의 시도도 병행 됨

 

 

- AI가 무슨 근거로 그런 판단을 내렸는지는 알 수 없는 상황에서 무조건 AI의 판단을 따를 수 있느냐 하는 것임

 

- 즉 알고리즘의 블랙박스를 열고 그 구조를 엿보려 한 것임

 

 

 

■ 미국 의료 서비스에 새로운 변화를 가져오고 있는 '유전자 분석 서비스'

 

 

- 최근 미국의 일부 병원에는 '유전자 분석 전문 상담원'이 등장하고 있음

 

- 유전자 분석 서비스가 급증하면서 분석 결과를 올바로 이해야할 필요성이 커졌기 때문

 

- 현 단계에서는 분석과 의료적 치료 사이에 격차가 있어 소비자들로서는 완결적이지 않으며 오히려 다소 혼란함을 주는 측면이 있음

 

- 아직 미완의 서비스이지만 병원은 급증하는 유전자 분석 서비스를 어떻게 수용할 지 고민 할 것으로 보이며, 이 과정에서 혁신적인 의료 서비스가 나올 가능성도 점쳐지고 있음