인공지능(AI)은 임상시험의 설계, 계획, 실행 방식을 근본적으로 바꾸고 있습니다. 초기 연구 설계부터 데이터 수집, 시험 운영 전반에 이르기까지 새로운 효율성, 역량, 기회가 속속 등장하고 있습니다. 임상시험이 점점 복잡해지고 자원은 부족해지는 상황에서 AI는 더 빠르고 유연하며 정보에 기반한 새로운 길을 제시합니다.
AI 기술이 진화하면서 환자에게 제공되는 이점도 확대될 것으로 기대됩니다. AI는 인간의 전문성을 보완하는 전략적 파트너로 자리 잡아가고 있으며, 이를 통해 임상시험 설계와 관련된 의사결정을 자동화하고 개선하는 활용도도 점차 늘고 있습니다. 그 결과, 환자에게는 보다 접근하기 쉽고 간소하며 부담이 적은 경험이 제공될 수 있습니다.
접근성 개선, 부담 완화, 환자의 목소리
임상시험 참여는 결코 쉬운 결정이 아닙니다. 환자들은 복잡하고 전문 용어로 가득한 설명문, 동의서, 프로토콜을 받아들게 됩니다. 임상 연구의 진전은 이처럼 신체를 시험에 내맡기는 개인의 신뢰와 희생에 달려 있지만, 그들이 받는 정보는 종종 기대되는 결과나 영향을 명확히 전달하지 못합니다.
이해력과 접근성 향상
이제는 대규모 언어 모델(LLM)과 ChatGPT와 같은 챗봇의 발전 덕분에, 환자들은 이러한 문서를 직접 업로드하고 요약본이나 의사·가족과 상의할 핵심 포인트를 요청할 수 있습니다. 임상시험 참여 시 어떤 경험이 예상되는지 보다 명확히 파악할 수 있고, 참여로 얻는 이점과 감수해야 할 요소를 보다 더 균형있게 이해할 수 있습니다.
“요즘은 환자들이 AI 도구를 활용해 자신의 질병이나 임상시험 경험에 대해 스스로 더 잘 이해하려는 모습을 자주 보게 됩니다.”
– 알리시아 스테일리(Alicia Staley), 메디데이터 최고환자책임자(Chief Patient Officer)
이는 접근성을 높이고 건강 정보 이해력(Health Literacy) 향상이라는 지속적인 과제를 해결하는 데 있어 중요한 진전입니다. 환자들이 제공된 정보의 복잡함에 압도되거나 위축된다면, 임상시험 참여를 포기할 수 있으며, 이는 궁극적으로 생명을 구할 수 있는 치료제 개발의 지연으로 이어질 수 있습니다.
알리시아 스테일리는 “AI는 교육, 이해, 정보 제공 측면에서 중요한 공백을 채우는 역할을 하고 있습니다. 제공되는 시험 자료만으로는 환자들이 원하는 방식으로 정보를 제대로 얻지 못하는 경우가 많습니다.”라고 말합니다.
환자 부담 완화
환자가 첫 등록을 하기 전부터 AI는 이미 임상시험 경험을 개선하는 데 기여하고 있습니다. 임상 개발팀은 AI를 활용해 계획된 프로토콜을 분석하고, 주요 목표나 종료점(endpoints) 달성에 필수적이지 않으면서 환자에게 부담을 주는 절차를 식별할 수 있습니다. 이를 통해 과학적 타당성을 해치지 않으면서도 환자의 참여 문턱을 낮출 수 있습니다.
환자의 불안, 두려움, 통증 등 주관적이고 정량화하기 어려운 요소를 포함한 경험 데이터를 수집하면, 이를 바탕으로 ‘환자 부담 점수(patient burden score)’를 산출할 수 있습니다. 이러한 점수는 AI 모델에 통합될 경우, 향후 임상시험 프로토콜을 더욱 정교하게 설계하는 데 핵심적인 기반이 됩니다.
Tufts CSDD 분석에 따르면, 2019년부터 2024년까지 2상, 3상 임상시험에서 환자 참여 부담은 39% 증가했습니다. 50%이상의 참여자가 잦은 병원 방문, 이동 시간, 각 절차가 임상시험에 어떻게 기여하는지 알 수 없다는 점 등으로 일상생활에 지장을 초래한다고 응답했습니다.
이 지점에서 환자 중심성과 운영 효율성이 만납니다. 참여하기 쉬운 임상시험일수록 환자 모집과 유지가 쉬워지고, 데이터 품질이 향상되며, 전체 일정도 단축할 수 있습니다.
메디데이터의 Protocol Optimization 솔루션은 이미 머신러닝 기술을 적용해 절차나 방문 일정에 대한 변경을 제안하고, 그 운영적 영향을 예측하고 있습니다.
“AI는 프로토콜 문서를 분석해 설계 복잡성을 평가할 수 있습니다. 환자 부담, 시험기관 부담, 비용 등을 고려해, 유사한 업계 프로토콜과 비교한 뒤 절차 제거, 빈도 감소 등 구체적인 변경을 제안할 수 있죠. 그리고 이러한 변경이 환자 경험, 시험 일정, 비용에 어떤 영향을 미칠지도 함께 분석합니다.”
– 롭 부카(Rob Buka), 메디데이터 제품관리 수석 디렉터(Sr. Director, Product Management)
미래 전망
AI는 임상시험 내에서뿐 아니라 그 너머에서도 환자 경험을 개선할 수 있는 다양한 가능성을 이제 막 보여주기 시작했습니다. 앞으로는 더욱 폭넓고 실질적인 기회들이 열릴 것입니다.
개인 맞춤형 AI 비서
대규모 언어 모델(LLM)의 다음 단계로, 환자의 의료 이력을 모두 반영한 개인화된 언어 모델이 등장할 수 있습니다. 이를 통해 의사와 환자는 보다 정교한 질문을 주고받고 새로운 인사이트를 얻을 수 있습니다. 더불어 이러한 모델은 환자에게 다음 진료 일정을 알리거나, 임상시험 또는 치료 중 완료해야 할 작업을 잊지 않도록 도와주는 역할도 할 수 있습니다.
사전 예방 중심의 관리
AI는 센서, 웨어러블 기기, 병원 기록 등 다양한 출처의 데이터를 분석해 이상 징후를 감지하고, 잠재적인 건강 문제를 예측하며, 진단 이전 단계에서 예방 조치를 제안할 수 있다.
건강 격차 해소
AI는 의료 생태계 전반에서 건강 격차를 식별하고 해결하는 데도 활용될 수 있다. 예를 들어, 우편번호, 교통 접근성, 식료품 접근성(food desert) 등의 요소를 분석해 특정 지역의 건강 불균형을 파악하고 보다 정밀한 개입을 가능하게 합니다.
예를 들어, 특정 도시 내 천식 유병률이 높은 지역을 식별하면, 해당 지역에 계절성 알레르기 및 호흡기 질환 관련 정보와 자원을 집중 제공할 수 있습니다. 암 집단 발생률이 높은 지역이 AI에 의해 감지된다면, 그 지역 주민들에게 조기 검진 정보와 예방 행동을 안내할 수 있습니다.
임상시험 비용의 투명성 향상
임상시험에 참여하는 환자들은 교통비, 육아비, 식비, 숙박비 등 다양한 금전적 요소를 고려해야 합니다. LLM은 이러한 비용 요소를 명확하게 이해하도록 도와주는 도구가 되어, 개인 상황에 맞춘 일정 관리나 예산 계획의 출발점을 제공할 수 있습니다.
AI는 단순한 신기술 그 이상이다. 정보와의 관계를 재정의하며, 우리가 세상과 상호작용하는 방식을 근본적으로 변화시키고 있습니다.
앞으로 나아가기 위해 중요한 과제는 AI의 한계를 인식하고 이를 개선하는 것입니다. 공정성, 신뢰성, 공감능력을 확보하려면, 대표성 있는 집단을 대상으로 한 개발 및 테스트가 필요하며, 정확하고 포괄적인 데이터로 AI를 학습시키는 것도 필수적입니다. AI는 학습한 사례를 기반으로 제안을 생성하기 때문에, 그 다양성과 정확성, 양이 매우 중요합니다.
“메디데이터에는 특별한 AI 프로그램이 있습니다. 우리는 과거 수많은 임상시험 데이터를 기반으로 특화된 학습 데이터를 구축하고 있으며, 이를 통해 AI 알고리즘이 임상연구의 역사와 밀접하게 연계된 방식으로 작동하게 하고 있습니다. 이러한 전문성과 축적된 경험을 통해 고객들이 더 나은 미래 임상시험을 설계하도록 도울 수 있다고 믿습니다.”
– 앤서니 코스텔로(Anthony Costello), 메디데이터 CEO
임상시험에 참여하는 환자들은 이미 그 혜택을 체감하고 있습니다. 복잡한 문서를 쉽게 이해하고, 건강 위험을 예측하며, 의료 격차를 해결하는 데 AI가 실질적인 힘이 되고 있습니다. 이러한 변화는 보다 개인화되고, 공정하며, 선제적인 환자 치료로 이어지는 미래로 가는 길을 열고 있습니다.
메디데이터의 환자 경험 프로그램을 통해 AI가 어떻게 임상시험의 미래를 바꾸고 있는지 확인해 보시기 바랍니다.
Contact Us
