과제: 췌장암 환자는 일반적으로 종양이 커지거나 암이 다른 장기로 퍼질 때까지 아무런 증상도 경험하지 않는다. 결과적으로 대부분은 암이 진행되어 치료하기가 훨씬 어려워질 때까지 진단을 받지 못한다.

췌장암에 대한 증상이 없는 사람들을 선별하면 조기 발견으로 이어질 수 있지만 유일한 검사는 비용이 많이 들거나 침습적이다. 결과적으로, 예를 들어 췌장암의 가족력으로 인해 의사가 췌장암 위험이 높다고 생각하는 소수의 사람들을 위해 예약되어 있다.

새로운 기능: 이제 하버드 의과대학과 코펜하겐 대학의 연구원들은 의료 기록만을 기반으로 의료 시스템의 환자 중 췌장암 위험이 가장 높은 환자를 식별하고 선별을 위해 플래그를 지정할 수 있는 AI를 개발했다.

이 연구의 공동 선임 연구원인 크리스 샌더(Chris Sander)는 “추가 검사를 통해 가장 많은 혜택을 볼 수 있는 췌장암 고위험군에 초점을 맞출 수 있는 AI 도구는 임상 의사 결정을 개선하는 데 큰 도움이 될 수 있다.

작동 방식: 연구자들은 덴마크에서 620만 명의 건강 기록을 사용하여 AI를 훈련하고 테스트했다. 41년에 걸친 기록에는 췌장암 진단을 받은 약 24,000명의 사람들이 포함되었다.

훈련 데이터에서 AI는 담석, 빈혈, 제2형 당뇨병을 포함한 건강 문제의 패턴을 식별하는 방법을 배웠다. 췌장암 환자는 암 진단 전에 특정 순서로 자주 경험한다.

샌더(Sander)는 "암은 질병이 자리를 잡을 때까지 종종 수년에 걸쳐 상당히 천천히 인체에서 점진적으로 발전한다."고 말했다. "AI 시스템은 그러한 점진적인 변화와 관련될 수 있는 인체의 징후로부터 학습을 시도한다."

물론 이러한 문제는 모두 매우 일반적이며 췌장암은 매우 드물기 때문에 그 자체로는 개인의 위험에 대해 많이 나타내지 않는다. 그러나 AI는 환자 기록을 훑어보는 것으로는 쉽게 눈에 띄지 않는 건강 이벤트의 패턴을 포착할 수 있는 것 같다.

결과: AI가 한 사람의 기록만 보고 내년에 췌장암이 발병할 절대적인 X%의 확률이 있다고 말할 수는 없지만, 팀의 연구에 따르면 더 큰 인구 내에서 질병의 상대적 위험이 가장 높은 환자를 식별할 수 있다.

CBS News와의 인터뷰에서 샌더(Sander)는 이 능력이 미래에 현장에서 어떻게 사용될 것인지를 상상하는 방법을 설명했다.

그는 "백만 명의 환자가 있는 모든 의료 시스템은 우리가 현재 개발하고 미래에 개선될 AI 소프트웨어를 백만 명의 환자를 위해 정기적으로 저렴한 비용으로 실행할 것"이라고 말했다. “그런 다음 선별 검사를 할 위험이 가장 높은 환자 1,000명을 지명한다.”

연구팀의 연구에 따르면 AI가 실제로 플래그를 지정하는 50세 이상의 환자 1,000명당 320명이 췌장암에 걸릴 것이다. 그 320명 중 적어도 70명은 사용 가능한 다른 데이터에 근거하여 췌장암 위험이 높은 것으로 간주되지 않았을 것이다.

한계점: 연구원들은 연구의 일환으로 미국 재향 군인 건강 관리국(Veterans Health Administration)의 거의 300만 건의 기록에 대해 AI를 테스트했다. 그 기록은 21년에 걸쳐 약 3,900명의 췌장암 환자를 포함했다.

AI는 이 다른 데이터 세트에서 췌장암 위험이 높은 사람을 식별하는 데 정확하지 않았다. 연구자에 따르면 이는 더 짧은 기간을 다루는 미국 데이터 세트의 일부 조합과 두 모집단 간의 고유한 차이 때문일 수 있다.

미국 데이터를 사용하여 AI를 재교육한 다음 테스트했을 때 정확도가 향상되었다. 이것은 시스템의 정확도가 선별 도구로 사용하기 전에 강력한 로컬 데이터에 대한 교육에 달려 있으며 일부 장소에서는 장애물이 될 수 있음을 시사한다.

샌더(Sander)는 “AI를 훈련하려면 많은 데이터가 필요하다.” “의료 기록은 기밀로 유지되어야 하기 때문에 다른 위치에서 액세스하는 것은 간단하지 않다. 따라서 현지 승인 및 데이터 보안이 필수적이다.”