www.khidi.or.kr, www.khiss.go.kr

발행

일_ 2

01

7. 1

1. 3

0 발

행처

_ 한국

보건

산업

진흥

원 발

행인

_ 이영

찬

Vol. 248보건산업브리프

Global Insight글 로 벌 인 사 이 트

1

보건산업 4차 산업혁명 시리즈: 인공지능 기반의 헬스케어 애널리틱스(Healthcare analytics)의 활용과 사례

요약

Ⅰ. 개요

Ⅱ. 주요 활용현황 및 특징

Ⅲ. 인공지능 플랫폼 사례: 왓슨 포 온콜로지

Ⅳ. 시사점

Contents

산업통계팀

김 수 범

Global Insight

3

요 약

▶ 보건의료 분야에서 인공지능은 의료전달(healthcare delivery) 방식을 혁신하고 의료의 질적 향상과 의료비 절감에

기여할 전망

- 보건의료 분야의 인공지능은 의료영상 처리, 위험 분석, 진단, 신약 개발 등 다양한 부문에서 활약

- 글로벌 컨설팅업체 프로스트&설리번(Frost & Sullivan)에 따르면, 보건의료 관련 인공지능 시장 규모는 2014년 6억

3,400만 불에서 2021년 66억 6,200만 불로 약 11배 증가하고, 연평균 성장률 40%를 이어갈 전망

- 보건의료 분야의 인공지능 기술은 다양한 분야에서 혁신 기회를 제공하지만, 빅데이터와 결합한 헬스케어 애널

리틱스(Healthcare analytics) 분야에 대한 관심이 고조

▶ 헬스케어 애널리틱스(Healthcare analytics)는 대규모 의료 데이터에서 통계적 규칙이나 패턴을 찾아내 임상적 효율성,

치료의 품질, 의료비용의 경제성 및 가치를 향상

- 보건의료 분야에서는 만성질환 관리, 인구집단 건강에 대한 위험평가 분야에서 시작하여 다양한 응용 분야에서

인공지능/머신러닝 기반의 분석 기술을 채택

- 이 같은 기술의 응용 범위는 의료 진단, 제약, 보험, 건강관리 등 다양한 영역으로 확산

- 헬스케어 애널리틱스는 헬스케어 1.0(Healthcare 1.0) 단계에서 헬스케어 2.0(Healthcare 2.0) 단계로 진화할 수

있는 토대로 작용

- 헬스케어 2.0은 급증하는 의료비 문제의 해결 및 개인맞춤형 관리 중심의 정밀의학으로 이행하는 과정에 적합한

패러다임으로서, 보건의료 개혁을 위해 요구되는 체계적인 품질 개선 및 비용 절감 수요를 충족할 분석 시스템을

요구

▶ 헬스케어 애널리틱스의 주요 활용 영역 중 ‘진단 분석’ 분야와 ‘신약 개발’ 부문에서는 방대한 데이터를 토대로 실질적

인 진단예측 및 의약품 개발 사례를 창출

- 분석 기반의 정밀의료는 아직 초기단계이지만, 영상진단 등 일부 의료 분야와 개인 건강관리 부문에서는 이미 응용

기반을 확보

- 영상진단 분야는 인공지능/머신러닝의 적용이 가장 빠르게 이루어지는 분야로 각광받고 있으며, 질병 예방을 위한

개인의 건강관리 서비스는 현재 수준에서도 충분히 수행 가능

- 제약 분야에서는 인공지능 및 자동화 기술을 신약 후보물질 개발, 임상시험, 약물 분석, 제품 출시 프로세스 등에

적용

- 제약 및 바이오산업에서 인공지능의 역할이 특히 중요한 시점은 신약개발의 초기 연구단계이며, 글로벌 제약업체

들을 중심으로 인공지능기반의 신약 및 치료법 개발을 위한 행보들이 다양하게 진행

▶ 대표적인 헬스케어 애널리틱스 플랫폼인 ‘왓슨 포 온콜로지(Watson for Oncology)’는 2014년 출시 이후 성과와

한계를 동시에 보여준 사례

- 세계 각 지역 병원들의 왓슨 포 온콜로지 도입이 다양한 방식으로 확대되고 이를 바탕으로 여러 의료 분야에 왓슨이

활용되면서 새로운 성장 모멘텀을 기대

- 그러나 막대한 비용에 대한 대안 제시 부족 · 인공지능의 훈련을 위한 데이터의 확보 문제 · 훈련 과정의 편향성과

그로 인한 부적절한 판단 결과에 대한 우려 등의 문제도 지적

- 이에 따라, 헬스케어 애널리틱스를 통한 의료전달 혁신의 장단기 목표의 균형 및 거버넌스 정비가 동시에 필요할

것으로 평가

보건산업브리프

4

1. 보건의료와 인공지능

(중요성) 인공지능은 기존의 의료전달(healthcare delivery) 및 헬스케어(healthcare) 방식을 혁신한다는

점에서 보건의료의 미래를 결정하는 주요한 요인

- 보건의료 분야의 인공지능은 기계가 감지·이해·실행·학습 할 수 있는 여러 가지 기술들의 모음을 의미하며, 임상

헬스케어 분야에서 다양한 기능을 수행

- 복잡한 의료 데이터를 분석하여 의학적인 통찰력을 도출하는 인공지능은 인간의 활동을 단순히 보조하거나

보완하는 기존 기술의 한계를 넘어, 의료영상 처리, 위험 분석, 진단, 신약 개발 등 다양한 부문에서 활약할 것으로

기대

• 글로벌 컨설팅업체 액센추어(Accentrue)의 분석에 따르면, 인공지능은 임상 의료진의 업무를 대체하여

환자를 저렴한 비용으로 진단 및 관리하는 등 2026년에는 기존의 방식으로 충족되지 않은 임상 수요의

약 20%를 처리할 수 있을 전망

충족되지 않은임상 수요의약 20%를인공지능이 처리

임상현장의 수요

임상인력 공급

2016 2021 2026

자료 : Accenture Analysis (2017)

<그림 1> 임상 현장의 수요에 부응하는 인공지능의 규모 전망 (2026)

- 미국 보건의료 분야의 경우 인공지능 도입을 통해 2026년 연간 1,500억 달러의 비용 절감 효과를 창출할 것으로

예상

로봇수술 $40B 의료 사물인터넷 $14B

가상 간호 서비스 $20B 임상시험참여자관리 $13B

의료업무 관리 $18B 사전 진단 $5B

보험사기 탐지 $17B 의료 영상 $3B

투약오류 방지 $16B 사이버 보안 $2B

자료 : Accenture Analysis (2017)

<그림2> 인공지능 도입에 따른 미국 보건의료 부문별 비용절감 예상 규모 (2026)

개 요 Ⅰ

Global Insight

5

(시장규모 및 전망) 보건의료 분야의 인공지능 도입이 활발해짐에 따라 시장의 성장세가 이어질 것으로 기대

- 글로벌 컨설팅업체 프로스트&설리번(Frost & Sullivan)에 따르면, 보건의료 관련 인공지능 시장 규모는

2014년 6억 3,400만 불에서 2021년 66억 6,200만 불로 약 11배 증가하고, 연평균 성장률 40%를 이어갈

전망

자료 : Frost & Sullivan (2015, 2017); KISTI (2016)

<그림3> 보건의료 관련 인공지능 시장 규모 증가 전망 (2014~2021)

시장조사업체 CB 인사이츠(CB Insights)에 따르면, 보건의료 분야의 인공지능 스타트업 인수합병 거래

건수가 2012년 21건에서 2016년 90건으로 증가하면서 성장이 가속화

투자규모 투자거래건수

단위: 100만 달러

건

$30

2012 2013 2014 2015 2016

21

$75

26

$493

44

$292

67

$748

90

자료 : CB Insights (2017)

<그림4> 보건의료 분야 인공지능 스타트업에 대한 연간 투자규모와 투자거래 추이 (2012-2016)

(헬스케어 애널리틱스) 보건의료 분야의 인공지능 기술은 다양한 분야에서 혁신 기회를 제공하지만,

빅데이터와 결합한 헬스케어 애널리틱스(Healthcare analytics) 분야에 대한 관심이 고조

보건산업브리프

6

- 미국 실리콘밸리뱅크(Silicon Valley Bank)의 최근 보고서에 따르면, 최근 기술 투자 회사들은 바이오신약 및

진단 도구에 응용되는 인공지능 및 머신러닝 기술을 개발 중인 업체에 적극적으로 투자하는 추세

• 2015년 이래 인공지능/머신러닝 기반의 바이오신약 개발 및 진단도구 분야 기업들에 대한 투자가 44건을

기록했으며, 투자금액의 중간 값은 1,200만 불로 확인

• 실리콘밸리뱅크는 2017년 하반기와 2018년에 이 분야에 대한 공격적인 자금 투자가 이루어질 것으로

전망하고, 주로 바이오테크 업체들과 전통적인 헬스케어 벤처캐피털이 이러한 흐름을 이끌어갈 것으로 예상

자료 : Silicon Valley Bank (2017)

<그림5> 바이오신약 및 진단도구 분야의 인공지능 기술 업체에 대한 투자 트렌드 (2015-2017)

- 이에 따라, 본 보고서에서는 인공지능 기반의 진단 도구 및 신약 개발에 활용되는 헬스케어 애널리틱스를

중심으로 보건의료 인공지능의 현황과 사례를 검토

2. 헬스케어 애널리틱스(Healthcare Analytics) 개관

(개요) 헬스케어 애널리틱스(Healthcare analytics)는 대규모 의료 데이터에서 통계적 규칙이나 패턴을

찾아내 임상적 효율성, 치료의 품질, 의료비용의 경제성 및 가치를 향상시키는 기술 및 접근방식

- 보건의료 분야의 대표적인 4가지 데이터인 ▲전자의무기록 등을 통해 수집된 임상 데이터 ▲제약 및 연구개발

데이터 ▲환자의 활동 및 정서관련 데이터 ▲의료비용 및 보험료 청구 데이터 수집 된 데이터를 중심으로 분석

• 이를 통해 개인의 생활습관, 생체정보, 의료 서비스 이용 정보, 질병 이력, 유전체 정보 등 다양한 유형의

데이터를 포괄

- 보건의료 분야에서는 만성질환 관리, 인구집단 건강에 대한 위험평가 분야에서 시작하여 다양한 응용 분야에서

인공지능/머신러닝 기반의 분석 기술을 채택

• 인공지능/머신러닝 기반의 분석 기술은 수집 된 데이터 및 상황 정보를 기반으로 개인과 집단의 건강상태에

대한 중요한 통찰력을 제공

• 시간이 지나고 데이터가 축적됨에 따라 통찰력의 정확도가 더욱 향상되고 개인별로 최상의 결과를 제공하는

맞춤형 치료 및 상호작용 스타일을 파악할 수 있는 것이 장점

• 이 같은 맞춤형 치료법은 각 개인의 유전적 특징, 환경 및 생활 방식을 토대로 의료 행위를 결정하는

정밀의료(Precision Medicine) 이니셔티브의 초석

Global Insight

7

• 이러한 기술을 전통적인 치료 프로세스에 통합함으로써 의료 서비스 제공자는 개별 환자의 고유한 요구 사항을

해결하고 적극적으로 치료를 관리 할 수 있을 것으로 기대

- 이 같은 기술의 응용 범위는 의료 진단, 제약, 보험, 건강관리 등 다양한 영역으로 확산

• 의료·보건기관은 환자의 질병 진단·예측·치료 및 전염병 확산 경로를 파악 및 예측하는 용도로 활용

• 보험사는 개인 맞춤형 보험 상품을 개발 및 보험사기 가능성 탐지 용도로 활용

• 제약업체는 신약개발 과정의 효율성과 정확성 제고를 위해 활용하고, 의료IT 기업은 각종 진단 시스템 개발 및

개인 건강관리 서비스 지원 용도로 활용

(확산 배경) 보건의료 영역에서 전통적인 공급 중심 체제 대신 가치기반 의학으로 전환이 진행됨에 따라,

의료 서비스 제공자에게는 개별 환자와 인구집단의 건강을 관리하고 결과를 개선하며 비용을 통제 할 수

있는 새로운 분석 기술이 필요

- 가치 기반의 의료 프로그램은 의료 서비스의 제공 횟수 및 절대량을 기반으로 서비스 제공자에게 비용을

지불하던 전통적인 과금 모델을 탈피해 의료 소비자의 건강상태 변화를 기준으로 비용을 지불

- 이 처럼 새로워진 과금 및 지불 체계에서는 환자의 건강증진 목표를 달성하기 위한 맞춤형 치료와 정확한 관리,

환자 만족도 증진을 위한 정확한 분석의 중요성이 대두

• 전통적인 FFS(fee-for-service) 지불 시스템은 서비스 제공 자체에 대해 비용을 지불하는 개념이므로, 치료

결과 예측 · 맞춤형 치료 · 원격 모니터링을 통한 환자의 건강과 행동 추적을 지원하는 고급 애널리틱스 기술

분석의 중요성이 부각되지 않았음

- 미국의 경우, 2016년 3월 현재 메디케어(Medicare) 지급액의 약 30%가 이미 가치 기반의 의료와 관련된 지불

시스템에 연관되어 있다는 분석이 제기되어 의료 패러다임 전환의 속도가 예상보다 빠르다는 점을 시사

• 과거에는 원격 진료 서비스나 병원 방문 사이 기간의 환자 건강 모니터링 활동에 대한 의료비 책정이 거의

이루어지지 않았으나, 현재는 메디케어 및 대부분의 메디케이드 프로그램에서 만성질환 관리 서비스를 위한

비대면 의료 서비스에 대한 비용청구 코드를 제공

(진화) 헬스케어 애널리틱스는 질병 치료 중심에서 예방 및 관리 중심의 맞춤형 치료로 변화하기 위한 주요

역할을 담당

- 헬스케어 애널리틱스를 통해 임상 진료의 효율성 제고와 의료비 지출 통제를 위한 다양한 의료 데이터를

분석하고 인사이트를 도출함으로써, 헬스케어 1.0(Healthcare 1.0) 단계에서 헬스케어 2.0(Healthcare 2.0)

단계로 진화 가능

- 헬스케어 1.0은 질병 발생 시 이에 대응하고 FFS 지불 방식을 기반으로 하는 패러다임으로서, 전자의무기록의

대대적인 채택 및 데이터 확산의 성과를 거두었으나 의료 결과의 질적 향상과 비용 절감에 직접적인 영향은

미치지 못한 상황

- 헬스케어 2.0은 급증하는 의료비 문제의 해결 및 개인맞춤형 관리 중심의 정밀의학으로 이행하는 과정에 적합한

패러다임으로서, 보건의료 개혁을 위해 요구되는 체계적인 품질 개선 및 비용 절감 수요를 충족할 분석 시스템이

필요

보건산업브리프

8

1. 진단 분석

(개요) 방대하게 수집된 개인의 건강 관련 데이터를 토대로 실질적인 진단 및 질병 예측 기능을 수행하기

위해서는 지능화된 시스템이 요구되며 이를 구현한 진단 플랫폼이 중요

- 지난 3년 동안 의료 데이터의 수집 및 분석 분야는 많은 의료기관으로부터 막대한 지원을 받았으며,

전자의무기록 벤더들은 다양한 분석 솔루션을 구축하여 매출 흐름을 강화

- 2016년 HIMSS(Healthcare Information Management System Society) 연례 컨퍼런스에서도 100개

이상의 애널리틱스 업체들이 제품 전시에 나섰으며 임상분석 분야가 대대적인 관심을 확보

- 신생기업부터 IBM과 같은 거물급 업체에 이르기까지 다양한 애널리틱스 전문 기업들이 보건의료 분야로의

확장을 적극 진행 중

• 현재 시장에서 상대적으로 규모가 큰 업체로는 IBM, SAS Institute, Optum,, Truven Health Analytics,

Cerner Corporation, McKesson Corporation 등이 꼽히고 있으며 다양한 전문기업들과 스타트업들이

경쟁

- IBM, 구글(Google), 아마존(Amazon), 페이스북(Facebook), 마이크로소프트(Microsoft) 등 거대

기술기업들이 클라우드 기반의 분석 서비스 등을 통해 인공지능 기반의 전문가 시스템 보급을 확대할 경우

헬스케어 애널리틱스의 커버리지는 대대적으로 확장될 전망

(사례) 헬스케어 애널리틱스를 기반으로 한 정밀의료는 아직 초기단계이지만, 영상진단 등 일부 의료

분야와 개인 건강관리 부문에서는 이미 응용 기반을 확보

- 영상진단 분야는 인공지능/머신러닝의 적용이 가장 빠르게 이루어지는 분야로 각광

• 미국 마요 클리닉(Mayo Clinic) 연구진의 2016년 메디컬 피직스(Medical Physics) 게재 논문에 따르면,

머신러닝 알고리즘은 환자의 치료효과와 양의 상관관계 상태를 나타내는 MGMT 유전자 관련 지표를 85%

정확도로 예측할 수 있다고 평가

• IBM의 인지 컴퓨팅 시스템인 왓슨(Watson)의 의료영상 판독 기능과 호주의 스타트업 엔리틱(Enlitic)의

의료영상 분석 기술이 대표적인 사례

• CB 인사이츠에 따르면, 2015년 1월 이후 벤처캐피털의 투자를 유치한 보건의료 분야 인공지능 스타트업의

30% 이상이 영상 분석 및 진단 분야에 포함

- 정밀의학은 게놈 데이터에 기초한 질병 치료 등을 위해 더 많은 비용과 연구 성과가 필요하지만, 질병의 예방을

위한 건강관리는 현재 수준에서 충분히 수행 가능

• 알파벳(Alphabet)의 헬스케어 자회사인 베릴리(Verily)가 개개인의 차원에서 질병을 이해한다는 목표 아래

머신러닝과 컴퓨터 알고리즘을 이용한 유전자와 생활습관 및 질병의 상관관계를 모색하는 것이 대표적인 사례

• 특히 모바일 기반의 인공지능 진단 기술의 발전은 개인 건강관리를 위한 분석 기술의 활용성을 더욱 높여줄

것으로 기대

※ 애플(Apple)의 헬스키트(HealthKit) 서비스는 2014년 출시 이후 미국의 23개 선도병원 중 14개 병원과

만성질환 환자 관리용 시범 사업을 진행하는 등 대형 병원들을 대상으로 네트워크를 확장하는 등의 성과를 창출

주요 활용현황 및 특징Ⅱ

Global Insight

9

• 최근 미 일리노이대학의 마이크로 및 나노 기술 연구소(Micro and Nanotechnology Lab)는 스마트폰을

통해 실험실 수준의 의료 진단을 수행할 수 있는 기술을 개발하는 단계까지 도달 １)

※ 연구소가 개발한 TRI 분석기(TRI Analyzer)는 단 550달러의 비용으로 의학 진단에서 가장 일반적인 세 가지

유형의 검사를 수행할 수 있으며, 전문 의료진이 사용하는 고가의 대형 의료 장비와 큰 차이 없는 테스트 결과를 확보

자료 : Daily Mail (2017)

<그림6> TRI (Transmission-Reflectance-Intensity) 분석기의 사용 장면 예시

2. 신약 개발

(개요) 제약 분야에서는 이미 수 년 전부터 인공지능 및 자동화 기술을 신약 후보물질 개발, 임상시험, 약물

분석, 제품 출시 프로세스 등에 적용

- 리서치 업체 인포시스 컨설팅(Infosys Consulting)의 설문 조사에 따르면, 제약 및 생명과학 분야에서 조직

내에 인공지능 시스템을 도입하고 시스템이 예상대로 작동 중이라는 응답이 40%에 달했으며 이는 다른 모든

업종보다 높은 수치

- 제약 및 바이오산업에서 인공지능의 역할이 특히 중요한 시점은 신약개발의 초기 연구단계로서, 이 기간 중

시간과 비용의 획기적인 절감이 가능

• 신약개발에 필요한 기간은 평균 10여 년이며, 1,000명의 인원이 동원되어 최대 16억 불의 비용이 소요되는

개발 과정 중 약 35%가 초기 연구단계에 집중

• 1만 여 가지의 신약 후보물질 중 임상시험 단계에 진입하는 물질이 약 5개에 불과한 만큼 방대한 데이터의

취합과 분석에 인공지능을 도입해야 할 유인동기가 높은 편

• 특히 인공지능을 활용한 임상시험 조건의 최적화 및 사전 시뮬레이션, 약물정보 환자정보 각종 연구결과 등에

대한 종합적인 분석을 통해 시행착오를 감소시켜 개발의 효율성을 제고

- 이 같은 신약개발 환경은 유전자 기반의 개인된 치료라는 미래 보건의료의 맥락에서, 범용 의약품 대신 개인별로

특화된 의약품을 개발할 수 있는 토대를 제공

１) TRI 분석기를 활용한 두 가지 테스트 중 첫 번째 테스트는 임산부의 조산과 관련된 바이오 마커를 탐지하는 것이었으며, 두 번째는 정상적인 성장과 발달에 필수적인 효소를 간접적으로 검출하기 위한 신생아용 PKU 테스트. 두 테스트에서 모두 TRI 분석기를 스마트폰에 연결하는 방법으로 현재 클리닉에서 활용되는 장비 수준에서 얻을 수 있는 것과 비슷한 결과를 확보한 것으로 확인

보건산업브리프

10

1996 1998 2000 2002 2004 2006 2008 2010

55

50

45

40

35

30

25

20

15

신약승인 추이(승인받은 의약품의 수)

신약개발R&D 비용(10억불)

자료 : Atomwise 홈페이지(2017)

<그림7> 신약승인과 신약개발비용의 변동 추이 (1996-2010)

(사례) 글로벌 제약업체들을 중심으로 인공지능 기반의 신약 및 치료법 개발을 위한 선도적 행보들이

다양하게 진행

- 화이자(Pfizer)는 면역요법 항암제 신약 개발을 위해 인공지능 플랫폼 IBM 왓슨을 활용

• 화이자는 2016년 12월 IBM 인공지능 ‘왓슨 포 드러그 디스커버리(IBM’s Watson for Drug Discovery)’을

도입한다고 발표

• 3,000만 개 이상의 실험실 자료와 데이터 보고서, 의학 문헌 등 방대한 규모의 데이터 소스에서 신속한 분석

결과를 도출하고 신약 관련 가설을 테스트할 예정

- 글락소스미스클라인(GSK)은 신약개발에 인공지능 기술을 접목하기 위해 전문 스타트업들과의 제휴 체결 및

전담 조직 신설 등의 움직임을 가속화

• 2017년 7월 영국 엑스사이언티아(Exscientia)와의 전략적 제휴에 이어 2017년 8월에는 인실리코 메디슨

(InSilico Medicine)과도 제휴를 체결

- 얀센(Janssen Pharmaceutica)은 2016년 11월 영국의 인공지능 업체 베네볼런트AI(BenevolentAI)와 독점

라이선스 계약을 통해 신약의 임상 2상시험 단계에 인공지능 기술을 적용할 계획

• 얀센은 임상단계 후보물질에 대한 평가 과정에 인공지능 기술을 적용하고 난치성질환 치료제 개발을 진행하고

있으며, 2017년 중 인공지능을 활용한 임상 테스트를 추진

- 일본의 산텐 제약은 'twpXar'의 'DUMA'라는 AI 신약탐색 플랫폼을 이용해 녹내장 신약 개발을 추진

- 글로벌 제약업체들의 인공지능 도입이 이처럼 확산 일로에 놓인 가운데, 인공지능 솔루션업체 아토마이즈

(Atomwise)의 '아톰넷(AtomNet)'과 같이 전문적인 신약개발 인공지능 시스템도 등장

• 아톰넷은 딥러닝 인공지능 네트워크 기술을 기반으로 분자들의 화학 반응 및 생물학적 반응을 예측함으로써

신약 개발의 효율성을 제고

• 다량의 표적물질 정보를 학습해 연구자가 가장 합리적으로 약물의 분자구조를 파악할 수 있도록 지원

• 예컨대 하루 백만 개 이상의 화합물을 시뮬레이션하고 천만 가지 화합물을 조합 및 테스트하는 등 속도와

정확성 면에서 높은 효과를 시현

Global Insight

11

• 글로벌 제약업체 머크(Merck)가 아톰넷을 도입해 신약후보물질을 탐색하고 다발성 경화증 및 에볼라 퇴치를

위한 신약개발을 진행하는 등 이 솔루션을 본격적으로 활용

자료 : Atomwise 홈페이지(2017)

<그림8> 아톰넷에 적용된 딥러닝 기술의 대상 인식 프로세스 예시

- 한편, 노바티스 바이오메디컬 연구소(Novartis Institutes for Biomedical Research)의 인포매틱스 시스템

책임자인 스티븐 클리버(Stephen Cleaver)는 향후 수 년 간 데이터 스토리지 비용 하락과 머신러닝 알고리즘

및 컴퓨팅 파워의 향상으로 특히 게놈 시퀀싱 부문에서 급격한 발전이 이뤄질 것이라는 전망을 제시

1. 개요

(개요) IBM의 종양학 전문 인공지능 컴퓨팅 플랫폼인 ‘왓슨 포 온콜로지(Watson for Oncology, 이하

왓슨)’는 폐암, 유방암, 직장암, 위암, 대장암 진단에 투입

- 이 플랫폼은 2012년 뉴욕의 메모리얼 슬론 캐터링 암센터(Memorial Sloan Kettering Cancer Center)에서

폐암에 관한 방대한 자료를 학습하며 개발을 시작

- 2014년 출시 이후 불과 3년 만에 유전체와 의료영상 분석 등 5개 전략 솔루션을 구축하며 진단 응용 범위를 확장

- 300종 이상의 의학저널과 200종 이상의 의학교과서, 각종 논문과 진료 가이드라인 등의 자료를 분석하고

환자들의 의료기록을 신속하게 요약해 의사들에게 최적의 치료방법들을 제안

- 왓슨의 인공지능 기술을 활용한 메모리얼슬로언케터링 암센터의 연구결과에 의하면 전문의와 Waston의 진단

일치율이 대장암 98%, 직장암 96%, 자궁경부암 100%인 것으로 확인

- IBM은 왓슨 플랫폼을 기반으로 방대한 전문가 시스템을 구축하고 종양 분야에서 2017년 말까지 전체 암환자의

80%인 12개의 중증 암 치료 지침을 제공한다는 목표를 제시

(사업부) IBM은 왓슨 시스템을 활용한 헬스케어 사업부를 신설하여 헬스케어 분야의 인공지능 핵심기술을

선도

- 방대한 의료영상 빅데이터 및 자연어 처리, 딥러닝 등의 인공지능 기술을 통해 암 진단 분야의 글로벌 시장을 주도

- 종양 분야 외에도 유전체 분석, 신약 및 치료법 개발, 임상시험 매칭, 의료영상 분석까지 왓슨의 영역을 확대

- IBM은 왓슨 헬스케어 사업부에 7,000 여 명의 인력을 고용하고 있으며 향후 수년 동안 시장규모가 2,000억

달러를 넘어설 것으로 전망

인공지능 플랫폼 사례: 왓슨 포 온콜로지Ⅲ

보건산업브리프

12

- 그러나 IBM은 단기적으로 왓슨의 적용 범위 확장 및 시장 창출이 쉽지 않다는 판단에 따라, 소규모 보건의료

조직을 위한 클라우드 기반의 "유틸리티"형 비즈니스 모델로 서비스를 제공하기 시작

2. 주요 성과

(제휴를 통한 성과 창출) 왓슨 헬스케어 사업부는 클라우드 기반의 왓슨 게놈 분석(Watson Genomic

Analysis) 서비스를 통해 미국 내 14개 병원의 환자 맞춤형 암 치료를 지원하는 등 다양한 제휴 활동을 수행

- 미국 당뇨학회(American Diabetes Association)와 함께 임상 및 리서치 데이터에 인지 컴퓨팅 분석을 적용

- 미국 피츠버그대 의료센터(University of Pittsburgh Medical Center, UPMC)와 제휴를 통해 병원과

헬스케어 기관의 환자용품 조달 업무에 인공지능 기술을 적용한 펜시아모(Pensiamo)社라는 업체를 출범시켜

비용절감과 업무 효율화를 지원

- 한편, 왓슨 포 온콜로지와 더불어 주요한 솔루션으로 꼽히는 왓슨 포 드럭 디스커버리(Watson for Drug

Discovery) 역시 제휴를 통해 신약 개발 분야에서 활약

• 배로우 신경과학 연구소(Barrow Neurological Inst itute)와의 협업을 통해 2016년 12월

근위축성측색경화증(ALS, 일명 루게릭병)과 관련된 새로운 유전자를 발견

• 캐나다 온타리오 뇌연구소와 함께 파킨슨병 치료제 개발에 투입되어 21개의 잠재적인 신약 후보를 발견하고

글로벌 제약업체들과의 협업을 통한 신약개발을 지원

(글로벌 네트워크) 2017년 9월 기준 전 세계 50개 이상의 병원이 IBM이나 기술 중개 업체와의 계약을 통해

왓슨을 도입

- 이러한 병원들 중 일부는 왓슨 시스템을 암 환자 치료에 활용하고 있으며, 일부는 유전자 분석 및 임상시험 기능을

이용

- 특히 아시아 지역 병원들을 중심으로 왓슨 도입사례가 확대되고 있음에 주목

• 중국의 항저우 코그니티브 케어(Hangzhou Cognitive Care)는 IBM 왓슨 헬스케어와 제휴를 통해 중국

전역의 21개 병원에 왓슨 시스템을 공급하고 2016년 9월부터 임상에 적용

• 태국의 범룽랏 병원(bumrungrad International Hospital)은 왓슨 시스템을 2015년부터 도입해 활용하고

있으며, 인도의 마니팔 병원(Manipal Hospital)등 6개 병원에 근무하는 종양학 전문의들도 암 환자 진단에

왓슨을 활용 적용

• 국내에서도 2016년 9월 가천 길병원이 처음으로 왓슨 시스템을 도입한 이후 부산대학교병원,

조선대학교병원, 건양대학교병원 등에서도 왓슨을 활용

- IBM 왓슨 헬스케어 사업부는 세계 각 지역 병원들의 왓슨 도입이 다양한 방식으로 확대되고 종양학 이외의 여러

의료 분야에 왓슨이 활용되면서 새로운 성장 모멘텀으로 작용하기를 기대

3. 최근 이슈 및 과제

(논란) 왓슨은 임상 배체 3년 동안 화제를 모으며 일정한 성과를 과시했으나 최근 왓슨으로 대표되는

인공지능 진단 플랫폼의 성능에 대한 논란도 제기

- 의학전문매체 STAT이 왓슨을 도입한 전 세계의 수십 개 병원들을 대상으로 왓슨의 실적에 대해 조사한 결과,

당초의 높은 기대에 부응하지 못하고 있는 것으로 확인

Global Insight

13

• 인터뷰에 따르면, IBM은 왓슨의 역량이 의사와 환자에게 미치는 영향에 대한 과학적 논문을 발표하지 않고

개발 초기 단계에 불과한 왓슨을 실전에 배치한 것으로 평가

※ IBM 경영진은 왓슨 활용이 의사와 환자에게 미치는 영향을 조사하기 위해 연구를 추진하고 있으며 아직까지는

결론이 도출되지 않았다고 설명

• 이런 상황에서 종양 진단과 관련한 왓슨의 실제 기능은 일반인은 물론 이를 도입한 일부 병원에서조차 완전히

이해하지 못하고 있다는 비판이 제기

- 단, 암 전문의가 많지 않은 병원에서는 왓슨에 대한 의존도가 높고 기존에 축적된 역량이 충분할 경우 왓슨은 단지

보조적인 역할에 그치는 등 병원에 따라 왓슨에 대한 의존도와 평가는 다양

• 예컨대 왓슨의 진출이 활발하게 이루어진 인도와 동남아시아 지역 병원의 경우, 왓슨 도입 이후 진단 시간 절감

및 더 많은 환자들을 위한 양질의 진료 기회 확보 효과를 상대적으로 더 높이 평가

(난제) 임상현장에서 왓슨을 활용하는 경우 분석 기술 이외에 해결해야 할 과제도 산적

- 인공지능 플랫폼이 제공하는 진단의 안전성 확보 방안 및 테스트 방안에 대한 준비가 충분하지 않은 상태

- 보건의료 조직 내부에서 일상적인 업무와 새로운 인공지능 플랫폼을 통합하는 과정에 상당한 시간과 조율이 필요

• 다양한 약자와 전문용어, 의사마다 다르게 작성되는 의료 문서들을 왓슨이 해독할 수 있는 형태로 제시하고

이를 통해 유의미한 정보를 추출할 수 있도록 지원하는 별도의 업무 발생

• 이에 대해 IBM은 헬스케어 전문 퍼블리셔인 엘세비어(Elsevier)와 분석 기술 업체 닥터 에비던스(Doctor

Evidence) 등과의 협업을 통해 문서 추출 및 기능이 더욱 향상되고 있음을 강조

- 개인정보보호법 등 의료 데이터 취급과 관련한 규정의 준수 여부를 판단하고 이에 저촉되지 않도록 관리하기

위한 노력이 필요

- 이런 가운데, 주요 협업 파트너였던 미국의 MD앤더슨 암센터(MD Anderson Cancer Center)가 프로젝트

운영상 이견 및 비용 문제 등을 이유로 2017년 2월 왓슨과의 협업 프로젝트 중단을 발표

(평가 및 과제) 무한한 학습능력과 방대한 데이터를 기반으로 종양 진단 분야에 기여할 것으로 기대되던

왓슨에 대한 논란이 발생한 이유는 다음과 같이 분석

- 첫째, 현행 의료 시스템의 막대한 비용 문제에 대한 적절한 대안 제시가 쉽지 않다는 문제점 노출

• 대형 의료 시스템에서 일반적으로 작동하는 기존의 빅데이터 프로젝트와 마찬가지로 왓슨의 도입 및

운영비용이 적지 않았으며, 이는 정밀의료 분야에서 가장 복잡한 문제 중 하나로 지적

• 왓슨을 도입한 의료기관들은 왓슨의 종양 진단 슈퍼 컴퓨터 시스템 및 여타 제품에 대해, 환자 1인당 비용을

지불하는 방식

• 이 금액은 병원이 구매하는 제품의 수에 따라 책정되며, 환자 1인당 200~1,000 달러 수준인 것으로 추산

• 왓슨 포 온콜로지 시스템에는 컨설팅 비용이 추가되기도 하며, 전자의무기록과의 연결을 위한 비용 부담이

높은 것으로 평가

※ 특히 전자의무기록 시스템이 연결되지 않는 병원의 경우 왓슨 시스템 이용을 위한 환자정보 입력에 더 많은 시간이

소요되는 문제가 발생

- 둘째, 의료 현장에서 실무적인 진단 업무를 수행하기 위해서는 훈련을 위한 데이터의 유형과 규모가 확보되어야

한다는 사실을 확인

보건산업브리프

14

• 왓슨이 적절한 수준의 훈련을 진행하기 위해서는 질병과 유전자의 연관관계 등을 파악할 수 있도록 특정

질환을 앓은 수천 명의 환자 데이터와 DNA 정보에 대한 학습이 필요

• 그러나 임상 현장에서 실제로 이러한 조건에 부합하는 데이터는 충분하지 않거나 구하기 어렵다는 문제가 발생

※ 의료 데이터 자체가 범용성을 가지고 있지 않으며, 개인정보보호 등의 문제로 인해 활용할 수 있는 데이터의 범위 및

정확도가 충분하지 않은 상황

• MD 앤더슨 암센터와 왓슨 사이에 제휴 계약 해지가 이루어진 배경에는 프로젝트 운영에 대한 이견 및

자금조달과 관련한 문제 이외에 이 같은 이유가 작용했다는 분석도 제기

• 특히 의료 분야의 경우 인공지능 훈련용 데이터 자체가 매우 전문적이고 의학적 지식을 요구한다는 점에서

여타 분야에 비해 더 까다로운 데이터 관리 및 지원이 필요

※ 예컨대 자율주행차량을 위한 인공지능 시스템 개발의 경우, 인공지능 훈련에 필요한 도로 상의 객체들에 대해서는

일반인 수준의 라벨링이 가능한 반면 의료 데이터의 경우 해당 분야의 숙련된 전문 인력의 투입이 필요

• 이와 관련, 왓슨의 인공지능 시스템이 매우 유망하지만 아직 개발이 완벽하게 이루어지지 않은 상태에서

왓슨을 병원 일선에 배치함으로써 임상 의사들 및 의료 연구자들에게 문제점을 노출한 것이라는 지적도 제기

- 셋째, 인공지능 훈련 과정의 편향성과 그로 인한 부적절한 판단 결과에 대한 우려 발생

• 왓슨이 제한된 수의 의료진을 통해 훈련받고 감독받는 경우 해당 의료진의 견해와 판단에 전적으로 의지하는

것이 불가피

• 이는 진단과 질병 예측 및 치료법 제안에 있어서 기존 의료진의 시각에 한정되고 획기적인 대안을 제시하지

못하게 만드는 제약으로 작용

• 실제로 왓슨이 클라우드 기반의 슈퍼컴퓨터를 기반으로 방대한 양의 데이터를 소화할 수 있지만, 이러한

데이터는 인공지능의 자체 통찰력을 강화하기 보다는 인간 감독자의 경험과 견해에 종속시키는 매개로 작용

※ 예컨대 왓슨을 훈련시킨 메모리얼 슬론 케터링 암센터의 의료진은 모두 명망 높은 의사들이었지만 한번에 20여

명에 불과해 수적인 측면에서 절대 부족했다는 평가가 제기

• 이와 함께, 해당 의료진이 추천하는 진료 방식은 임상 데이터에 의한 근거가 확실하지 않은 경우에도 왓슨 시스템

에 직권으로 입력될 수 있다는 것이 리스크 요인으로 지적

• 그 결과, 전 세계 다양한 지역의 환자들에게 모두 동등한 효과를 보장할 수 없고 메모리얼 슬론 케터링 암센터와

상이한 치료법을 이용하는 의료기관에서는 왓슨의 진단과 처방이 비효율적이라는 분석도 등장

Global Insight

15

(장단기 목표의 균형) 헬스케어 애널리틱스 기술 확산을 통한 의료의 질적 향상 및 의료비 절감 효과를

기대하기 위한 장기적 단기적 목표가 모두 필요

- 장기적으로, 새로운 의료 전달 및 서비스 패러다임에 기초한 정밀의료는 보건의료 인공지능 분야의 매우 유용한

사례이며, 주요 분석 플랫폼들도 궁극적으로 이를 지향

• 다른 영역과 달리 전문성이 높고 정교한 데이터가 요구되는 보건의료 분야는 기술적인 침투가 쉽지 않은

영역이므로 장기적 목표 실현까지는 다양한 시행착오가 예상되는 상황

• IBM의 왓슨 포 온콜로지를 둘러싼 논란은 이 같은 장기적 목표에 대한 기대와 임상현장에서 활용 가능한

데이터 및 적용 가능한 기능의 범위 사이에 격차가 더 좁혀져야 하는 점을 시사

- 단기적으로, 1차 진료현장에서 인공지능을 활용한 비대면 환자 관리 방식으로 의료현장의 전문 인력부족 및 병원

내원 수요의 적절한 분산에 기여 가능

• 헬스케어 애널리틱스 기반의 환자 맞춤형 관리 및 내원 예측 서비스 등을 통해 대안적 형태의 의료 서비스 전달

체계를 지원

• 의료영상 임상진단 분석과 신약 개발 등 일부 분야에서 머신러닝 기반의 헬스케어 애널리틱스 기술의 도입이

활성화된 것은 단기적 목표의 중요성을 반영

(준비와 점검) 보건의료 분야에서 헬스케어 애널리틱스를 위시한 인공지능 기술을 통해 더 큰 가치를

실현하기 위해서는 인공지능 시스템을 통합할 수 있는 준비가 필요

- 인공지능 기술과 플랫폼의 원활한 활용을 위해서는 운영 모델과 거버넌스가 기술의 발전 속도에 부응할 수

있도록 지속적인 관리와 수정을 진행하는 것이 중요

• 헬스케어 애널리틱스 플랫폼을 제공하는 기술업체의 입장에서는 다양한 데이터를 유기적으로 활용하고

의료전달 체계의 안정성과 혁신성을 모두 지원할 수 있는 시스템 개발과 협업전략이 긴요

- 한편, 헬스케어 애널리틱스 생태계에 속한 참여자들은 환자의 중요한 정보를 다루는 과정에서 가장 안전하고

윤리적인 방식으로 협력하는 방안 마련이 필요

시사점 Ⅳ

16

본 내용은 연구자의 개인적인 의견이 반영되어 있으며, 한국보건산업진흥원의 공식견해가

아님을 밝혀둡니다.

본 간행물은 보건산업통계포털(http://www.khiss.go.kr)에 게시되며 PDF 파일로 다운로드

가능합니다.

집필자 : 산업통계팀 김수범 문의 : 043-713-8239

Global Insight

Korea Health Industry Development Institute

참고문헌

1. ARTIFICIAL INTELLIGENCE: Healthcare’s New Nervous System,Accenture, 2017

2. Drug Discovery AI Can Do in a Day What Currently Takes Months, Singularity Hub, 2017.5.7

3. From Virtual Nurses To Drug Discovery: 106 Artificial Intelligence Startups In Healthcare, CB Insights,

2017.2.3

4. Healthcare Analytics: A pragmatic approach, Analytics, 2017

5. Healthcare Analytics: Analytics and machine learning, Analytics, 2016.7-8월호

6. Healthcare Remains The Hottest AI Category For Deals, CB Insights, 2017.4.12

7. How soon will deep learning affect radiology?, AuntMini.com, 2016.8.18

8. IBM pitched its Watson supercomputer as a revolution in cancer care. It’s nowhere close, STAT,

2017.9.5

9. IBM’s Watson Computer To Help Healthcare Providers Save Money, WESA, 2016.8.30

10. In China, IBM Watson Partners With Hospitals To Fight Cancer,Forbes, 2016.8.11

11. Pfizer Partners With IBM Watson To Advance Cancer Drug Discovery, Forbes, 2016.12.1

12. The $550 smartphone device that can detect diseases like 'a portable laboratory', Daily Mail,

2017.8.10

13. THE A.I WILL SEE YOU NOW, McKinsey, 2016.12.15

14. Watson goes to Asia: Hospitals use supercomputer for cancer treatment, STAT, 2016.8.19