세상엔 좋은 의학논문에 실린 인공지능(AI) 모델이 수없이 많다. 하지만 대부분은 임상현장에서 사용되지 못하고 사장되고 만다. 대체 왜 그럴까. 최근 한 네이처 자매지엔 그 이유에 대해 신랄하면서도 현실적인 인사이트를 전하는 글이 실렸다. 여기에 필자의 의견을 더해 정리해보려 한다.
첫 번째 이유는 학계에서 성공과 사업적 성공의 기준이 다르기 때문이다. 학계에서 성공은 논문, 학술과제, 논문 인용수 등으로 설정되지만 사업적인 성공은 '얼마나 많은 병원에서, 얼마나 자주 사용되는가', 그리고 궁극적으론 '얼마나 많은 환자에게 도움을 주었는가'로 측정된다.
두 번째는 일반적인 진료환경에서 활용할 수 있는 데이터를 사용해야 한다는 것이다. 연구환경과 일반 진료환경에서 확보할 수 있는 데이터는 너무도 다르다. 학계의 연구환경에선 갖가지 유형의 데이터를 활용해 더 정확한 인공지능을 개발할 수 있겠지만 일선 임상현장에선 이런 데이터를 구할 수 없는 경우가 많다. 즉, 모델에 사용할 데이터를 잘못 선택하면 이 모델을 제대로 개발하기도 전에 임상현장에서 활용은 이미 실패한 것이나 마찬가지다.
세 번째는 성공적인 인공지능은 결국 구체적인 '행동'으로 이어질 수 있어야 한다는 것이다. 의사들이 알고 싶어하는 것은 '내가 이 환자를 치료하기 위해 무슨 행동을 해야 하는가' '이 환자에게 무슨 약을 처방해야 하는가'다. 이 질문에 인공지능 모델이 직접적으로 답을 할 수 있어야만 사업적으로도 성공할 가능성이 생긴다.
네 번째 교훈은 그 인공지능을 대형 병원에서만 쓸 수 있으면 안된다는 것이다. 스탠퍼드대학병원이나 서울대병원 같은 대형 병원에서만 활용할 수 있는 인공지능이면 사업적으로나 임상적으로 의미가 제한적이다. 큰 활용성을 가지기 위해서는 더 넓은 범위의 임상현장에서 근무하는 의사도 유용성을 느껴야 한다.
결론적으로 아무리 학술적으로 성공한 인공지능이라도 임상현장에서 성공적으로 받아들여지기란 너무도 어렵다. 병원은 혁신적인 연구성과를 받아들여야 할 의무가 있으나 또 한편으로 병원은 보수적이며 엄격한 규제를 받고 진료방식에 변화를 주는 것은 환자에게도 리스크가 될 수 있기 때문이다.
더 나아가서는 병원이 의료인공지능을 도입함으로써 비용 대비 더 큰 효용이 발생할 수 있는 구조를 만들어야 한다. 결국 인공지능을 도입할지는 개별 의사가 아니라 병원 차원의 의사결정이다. 그렇다면 이 인공지능을 도입하는데 들어가는 비용보다 이 인공지능을 활용함으로써 더 큰 경제적인 유인이 발생해야 한다. 즉, 인공지능 도입을 통해 환자당 수익을 높이거나, 더 많은 환자를 진료하거나, 혹은 비용을 낮추는 효과 중 적어도 한 가지 이상이 발생해야 한다.
독자들의 PICK!
환자, 혹은 보험을 통해 추가 수익이 발생하거나, 의사의 진료효율을 높여 더 많은 환자를 볼 수 있게 하거나, MRI 촬영시간을 단축해 더 많은 환자의 MRI를 촬영할 수 있거나, 콜센터 인력을 줄여 비용을 절감할 수 있게 하는 등의 재정적 유인이 발생해야 한다. 그리고 이러한 재정적 유인이 인공지능 도입비용보다 유의미하게 더 커야 한다. 병원은 결코 자선사업을 하는 조직이 아님을 명심해야 한다. 하지만 안타깝게도 많은 사업가가 이를 간과한다. 다른 모든 조직이 그렇듯이 병원도 새로운 솔루션을 도입하기 위해서는 비용 대비 효용이 중요하다.
최근 의료인공지능 분야에서 본인의 연구에 기반해 창업하는 의사 및 교수가 늘고 있다. 아무리 훌륭한 연구라도 사업적인 성공으로 이어지기는 극히 어렵다는 것을 인식하고 창업에 본격적으로 뛰어들기 전에 철저한 점검이 필요하다. 이를 통해 성공적인 의료인공지능 연구가 사업적인 성공으로 더 많이 이어지길 바라본다..