헬스케어 분야에서 AI가 미치는 영향: 실제로 어떤 변화가 일어나고 있을까요?

인공지능(AI)이 생명과학 분야에 혁신을 일으키고 있다고 해도 과언이 아닙니다. 과거에는 상상만 했던 새로운 인사이트와 효율성을 임상 연구 전반에 제공하고 있습니다.

하지만 AI가 제공하는 진정한 이점을 정확히 파악하는 일은 쉽지 않습니다. 근거가 충분하지 않은 ‘할 수 있다’, ‘가능할 것이다’, ‘해야 한다’는 주장들이 넘쳐나면서 AI의 실제 가능성과 기술이 이미 만들어 내고 있는 구체적인 발전을 구분하기 어려워졌기 때문입니다.

메디데이터의 최고운영·전략책임자 Lisa Moneymaker와 오랜 경력의 헬스테크 저널리스트이자 작가인 Lara Lewington이 만나, 오늘날 AI가 임상시험과 더 넓은 헬스케어 생태계에 실제로 어떤 영향을 미치고 있는지 살펴보았습니다.

신약 개발

AI는 방대한 양의 데이터를 놀라운 속도로 분석하고, 사람이 직접 정보를 검토해서는 도달하기 어려운 속도와 규모로 유용한 인사이트를 찾아낼 수 있습니다. 특히 삶을 바꿀 차세대 치료제의 기반이 될 수 있는 분자를 찾아냄으로써 신약 개발 과정을 크게 가속할 잠재력이 있습니다.

Lara는 이렇게 말합니다. “AI를 활용한 신약 개발은 쉬운 일이 아닙니다. 예전에 누군가 ‘건초더미에서 바늘 하나를 찾는 정도가 아니라, 드넓은 들판 전체에서 바늘 하나를 찾는 일’이라고 표현한 것이 기억납니다. 모든 시험을 실험실에서 진행하는 대신 컴퓨터로 시험할 수 있게 해주는 AI는 앞으로 우리가 이룰 수 있는 가능성을 크게 넓혀 줍니다.”

“우리 회사에서는 매년 약 700억 개의 데이터 포인트를 다룹니다.”

– Lisa Moneymaker, 메디데이터 최고운영·전략책임자

임상시험 기간 단축

AI를 신약 개발에 활용하면 충족되지 않은 의료 수요를 해결하거나 새로운 치료 방법을 제공할 수 있는 다양한 연구·시험 기회가 생깁니다. 하지만 신약 후보를 발견한 뒤 최종 제품을 완성하기까지는 10년가량이 걸릴 수 있습니다.

Lisa는 이렇게 말합니다. “일반적으로 사람들이 떠올리는 대규모 핵심 3상 임상시험에 도달하기 전, 각 단계 사이에서 데이터를 통계적으로 분석하고 설계를 수정하는 데 상당한 대기 시간이 발생합니다.”

“전체 과정을 단축하려면 시간이 오래 걸리는 한 가지 요소만 없애서는 안 됩니다. 여러 요소가 서로 영향을 주고받기 때문입니다. 규제기관들도 AI 분야에서 일어나는 변화와 그 잠재력을 이해하기 위해 많은 노력을 기울이고 있습니다.”

임상시험이 환자의 안전을 최우선으로 하는 것은 당연합니다. 하지만 위험을 지나치게 피하려는 접근은 절차를 더 길고 느리게 만들었고, 장기적으로는 환자에게 도움이 되지 않을 수 있습니다. 규제기관이 AI를 통해 안전하게 임상 연구를 가속할 수 있다는 가능성을 인정하는 것은 혁신적인 치료제를 시장에 출시하는 시간을 줄이는 데 매우 중요합니다.

Lisa는 이어서 설명합니다. “AI는 방대한 임상 데이터 속에서 여러 정보를 종합하고 의미 있는 신호를 찾아내는 새로운 방법을 제공합니다. ‘이 임상시험이 성공할 가능성을 보여주는 적절한 신호를 확인했으니 함께 검토해 보자거나,  기존 방식대로 전체 시험을 끝까지 진행하는 것보다 다음 단계로 더 빠르게 넘어갈 수 있을지도 모른다’고 판단할 수 있습니다.”

“우리가 가속하려는 과정은 매우 많습니다. 임상시험을 더 효과적으로 설계할 수 있을까? 임상시험에 적합한 환자군을 더 정확하게 선정할 수 있을까?”

– Lisa Moneymaker, 메디데이터 최고운영·전략책임자

버추얼 트윈과 시뮬레이션

AI를 활용하면 ‘버추얼 트윈(Virtual Twin)’이라고 불리는 살아 움직이는 디지털 모델을 만들 수 있습니다. 버추얼 트윈은 분자나 사람과 같은 실제 대상을 컴퓨터상에 매우 정밀하게 구현하고, 계속 변화하는 데이터와 연결한 디지털 복제 모델입니다. 현실에서 어떤 조치를 실행하기 전에 이 모델을 이용해 다양한 실험과 스트레스 테스트를 진행할 수 있습니다.

이를 통해 환자의 신체와 치료에 대한 예상 반응을 훨씬 깊이 이해할 수 있으며, 환자에게 더욱 안전한 임상시험 환경을 설계할 수 있습니다. 그리고 이것은 시작에 불과합니다.

Lisa는 이렇게 말합니다. “개인의 데이터에서 특정 요소를 조정해 미래에 어떤 반응을 보일지 예측할 수 있습니다. 사람을 대상으로도 할 수 있고, 임상시험 설계 자체에도 적용할 수 있습니다. 또한 의료기관이 여러 임상시험에 어떻게 대응할지도 모델링할 수 있습니다.”

“이러한 기술은 실제 임상시험을 시작하기 전에 컴퓨터상에서 미리 시험하는 인실리코(in-silico) 임상시험의 시대로 나아가게 해줍니다. 이를 통해 예측력과 확실성을 높이고 시간을 절약할 수 있으며, 더 많은 신약 후보를 개발 파이프라인을 통해 진전시킬 수 있습니다.”

AI를 활용한 질병 위험 선별

방대한 데이터에서 패턴을 찾아내는 AI의 능력은 신약 개발과 임상시험 설계를 넘어섭니다. 개인의 의료 데이터를 심층적으로 분석해 일반적인 건강검진이나 주치의 진료보다 훨씬 일찍 특정 질병의 발병 위험을 예측할 수 있습니다.

Lisa는 이렇게 말합니다. “최근에는 기존 의료 기록, 즉 실제 진료 데이터를 분석하는 뛰어난 선별 도구가 많이 등장했습니다. 이러한 도구는 ‘지난 5년간의 검사 결과를 바탕으로 볼 때 특정 질병에 걸리거나 증상이 나타날 가능성이 80%’라고 예측할 수 있습니다.”

Lara는 덧붙입니다. “누가 어떤 질병의 위험에 노출되어 있으며 그 위험이 언제 커지는지를 더 잘 이해할수록 더욱 효과적인 선별검사가 가능합니다. 기술은 이를 더 쉽게 만들어 줍니다. 특히 고위험군을 선별하는 것이 중요합니다.”

의료 수준의 센서를 탑재한 웨어러블 기기가 빠르게 확산되고 있습니다. 이러한 기기와 AI의 예측 능력이 결합되면서 개인과 전체 인구의 건강을 이해하고 관리하는 방식이 변화하고 있습니다.

자동화와 환자 치료

AI는 결국 하나의 도구입니다. 다른 도구와 마찬가지로 올바르게 사용하면 업무 효율을 높이고, 우리가 정말 우선해야 할 일에 더 많은 시간을 쓸 수 있게 해줍니다.

Lisa는 이렇게 말합니다. “환자와 대화할 때 AI 챗봇이 의사보다 더 공감 능력이 뛰어나다는 이야기가 많습니다. 하지만 이것은 의사들이 환자에게 충분한 시간을 쓰지 못하고 있다는 현실을 보여준다고 생각합니다. 환자에게 더 많은 챗봇을 제공하기보다는 의사가 다시 환자와 직접 마주할 수 있도록 하는 편이 훨씬 낫습니다.”

Lisa는 누구나 AI를 쉽게 활용할 수 있게 되면 자동화와 업무 효율화의 기회가 크게 늘어날 것이라고 봅니다. 그 결과 의료진과 시험기관 담당자는 환자와 환자의 경험에 더 집중할 수 있습니다.

“하나의 AI가 임상시험 전체를 변화시킬 필요는 없습니다. AI 에이전트가 반복 업무 일부를 처리하면 여러 업무의 효율성과 품질이 높아지고, 사람들은 자신의 역량을 가장 중요한 일에 집중할 수 있습니다. 업무 여력을 확보하면 속도도 빨라집니다. 이는 궁극적으로 환자에게 이전보다 더 안전하고 효과적인 새로운 치료법을 제공할 수 있다는 의미입니다.”

이 주제와 AI가 임상 연구를 변화시키는 다양한 방법을 더 자세히 알아보려면 Lisa와 Lara의 전체 대화를 시청하고, 9월 10일 Clinical Leaders Expo에서 열리는 Lisa의 세션도 확인해 보세요.

Everest Group과 함께 실시한 설문조사를 통해 임상 연구 분야의 최신 AI 현황을 여기에서 확인해 보세요.