AI 요약
구글 리서치(Google Research)는 영국 국민보건서비스(NHS)와 협력하여 머신러닝을 활용한 유방암 선별 검사 워크플로우 개선 연구 결과를 발표했습니다. 현재 영국은 두 명의 판독자가 검사 결과를 확인하는 이중 판독 방식을 채택하고 있으나, 영상의학과 전문의 부족률이 현재 30%에서 2028년 40%까지 증가할 것으로 예상되어 시스템 유지에 어려움을 겪고 있습니다. 이에 연구진은 AI 시스템의 단독 성능과 실제 워크플로우 통합 가능성을 평가하는 두 건의 연구를 진행하여 'Nature Cancer'에 게재했습니다. 125,000명 규모의 대규모 데이터를 기반으로 한 이번 연구는 AI가 두 번째 판독자 역할을 수행함으로써 의료진의 업무 부담을 줄이고 진단 정확도를 유지할 수 있음을 시사하며, 의료 AI의 실질적인 임상 적용 가능성을 한 단계 높였습니다.
핵심 인사이트
- 대규모 검증: 영국 NHS 소속 5개 검진 서비스에서 125,000명의 여성을 대상으로 소급 평가를 시작하여, 최종적으로 115,973명의 데이터를 활용해 AI 성능을 검증함.
- 전문 인력 부족 대응: 현재 30% 수준인 임상 영상의학 전문의 부족 현상이 2028년까지 40%에 육박할 것으로 전망됨에 따라 AI 도입의 필요성이 강조됨.
- 학술적 가치: 이번 연구 결과는 권위 있는 학술지인 'Nature Cancer'에 두 개의 동반 연구(Companion studies) 형태로 발표됨.
- 다기관 연구: 서로 다른 세 가지 임상 워크플로우를 가진 5개 기관의 데이터를 통합 분석하여 AI의 범용성과 신뢰도를 확보함.
주요 디테일
- 연구 단계: 첫 번째 연구는 AI 단독 성능을 평가하는 '소급 평가(Phase 1)'와 실제 현장 통합을 분석하는 '전향적 비개입 연구(Phase 2)'로 나뉘어 진행됨.
- AIMS 프로젝트: 이번 성과는 'AIMS(Artificial Intelligence in Mammography Screening)' 연구의 일환으로, 구글과 NHS 조직 간의 긴밀한 파트너십을 통해 이루어짐.
- 이중 판독 보완: 기존의 '인간 판독자 2명 + 중재 패널' 구조에서 AI를 두 번째 판독자로 활용하는 엔드 투 엔드(End-to-end) 판독 연구를 수행함.
- 운영 포인트 설정: 암 진정성 확진을 결정하는 임계값(Operating point) 설정을 통해 AI의 진단 민감도를 최적화하는 기술적 분석이 포함됨.
- 데이터 정제: 125,000명의 초기 대상자 중 포함/제외 기준을 엄격히 적용하여 115,973명의 유효 데이터를 추출하여 결과의 정확성을 높임.
향후 전망
- 임상 실전 도입: AI 시스템의 효과를 전향적 임상 실습에서 완전히 입증하기 위한 추가적인 실증 연구가 이어질 예정임.
- 글로벌 워크플로우 변화: 의료진 부족 문제를 겪는 전 세계 유방암 검진 프로그램의 지속 가능성을 높이는 표준 모델로 자리 잡을 가능성이 큼.