AI (인공 지능)이 환자의 수명을 정확히 예측하는 것에성공

AI (인공 지능)이 환자의 수명을 정확히 예측하는 것에성공

더가디안 0


만약 AI(인공 지능)의 알고리즘이 환자의 수명을 정확하게 예측할 수 있다면, 완화 치료를 적절한 시기에 할 수 있게 될 것이다. 미국 스탠퍼드 대학의 실험에서는 AI를 사용하여 정확한 예측을 성공했다.( 더 이상 치료할 수 없는 말기질환 상태이거나 임종 과정의 환자와 그 환자 가족의 삶의 질을 높이기 위해 통증 및 증상을  완화하는 치료)


b6d783aee0bd1759eb4d5782d3e52393_1516805054_3355.jpg 

정확한 수명의 예측은 완화 의료에 연결 


인간이 앞으로 얼마나 더 살 수 있을지를 예측하는 것은 어렵다. 환자의 연령이나 약물에 대한 반응 등 의사는 여러 가지 요소를 고려해야 한다. 


또한 의사 자신도 전례와 편견, 임종을 예측하는 것에 대한 무의식적인 거부감 같은 것에서 벗어날 수 없다.  이것은 완화 의료를 어느 시점에서 시작할지 결정하는데 장애가된다. 일반적으로 환자가 1 년 이상 살 수 없다고 판단되는 경우에는 완화 의료로 전환한다. 


그 주요 목적은 환자의 마지막 몇 일 또는 몇 달 동안 생기는 통증, 메스꺼움, 식욕 감퇴, 혼란 등의 고통을 최대한 줄이고, 정신적 지원을 제공하는 것이다. 


그러나 전환하는 타이밍이 너무 늦어면 소중한 완화 의료를 받을 수 없다. 반대로 너무 빠르면 환자에게 불필요한 제한을 부담하는 결과가 된다. 


b6d783aee0bd1759eb4d5782d3e52393_1516805054_8193.jpg 

집에서 생을 마감하려는 환자의 바램 


스탠포드 의과 대학의 켄 박사는 미국인의 80 %가 집에서 죽는 것을 원하고 있다는 조사를 읽었을 때 이 요구를 깨달았다고 한다. 그러나 실제로 이렇게 할 수 있는 것은 35 % 정도이다. 


죽음을 예측하는 알고리즘은 의사를 대체하는 것이 아니라 진단의 정확도를 높이는 도구이다. 또한 완화 의료 도입의 시기를 적절하게 판단할 뿐만 아니라 환자의 경과를 예측해야 하는 의사의 부담을 경감하는 것으로 이어진다. 


"우리가 하고 있는 문제는 완화 의료의 혜택을 실제로 받고 있는 것은 일부 뿐이라는 것입니다. 그 원인은 적절한 시기의 판별이 늦는 것입니다. 또한 완화 의료를 담당 할 인재가 부족한은 것도 원인입니다 "라고 연구팀은 말한다


b6d783aee0bd1759eb4d5782d3e52393_1516805055_3464.jpg 

방대한 데이터로 알고리즘을 프로그래밍 


수명 예측 시스템은 딥 러닝 (다층 신경망 기계 학습 시스템)을 이용하여 방대한 데이터로부터 학습한다. 여기서의 경우, 시스템은 스탠포드 병원 또는 루실 패커드 어린이 병원에 입원한 성인과 소아의 전자 의료 기록 데이터를 입력한다.


200 만개의 기록을 입력한 후 실험에 적절한 환자 20 만명을 확정한다. 그 대상은, 진단서, 검사 실시 횟수, 처리의 종류, 입원 일수, 복용약 등이 기재된 관련 증례 보고가 있는 환자들이다 


알고리즘은 16 만명 분의 증례 보고서를 조사하고 현재 3 ~ 12 개월 이내의 사망률을 배우도록 지시를 받았다. 완화 치료를 준비하려면 시간이 부족하다는 이유로 3 개월 미만의 사망률은 예측 대상에 포함되지 않는다.


b6d783aee0bd1759eb4d5782d3e52393_1516805055_629.jpg 

90 % 이상의 정확도로 수명 예측에 성공 


이렇게 스킬을 습득한 알고리즘으로, 나머지 4 만 명의 사망률의 예측을 시도했다. 그 결과 10 명 중 9 명꼴로 3 ~ 12 개월 이내의 사망률을 적중시키는 데 성공했다. 기간 내에 죽을 확률은 낮다고 평가된 환자의 95 %가 12 개월 이상 생존했다. 


문제점과 향후 과제


그러나 이번 예비 조사는 몇 가지 단점도 발견되었다. 예를 들어, 완화 치료를 할 의사가 적절한 시기에 완화 의료의 필요성을 통지하는 것의 어려움과 입수 할 수 있을 것이라고 예상한 데이터를 제때 얻을 수 없는 경우 등이다. 


그러나 특히 중요한 것은 AI가 완화 의료가 필요하다고 진단한 근거와 환자가 필요로 하는 처리 방법에 대해서는 알 수 없다는 점이다. 


그것은 알파고 바둑 시스템도 비슷하다.  바둑 세계 챔피언조차 꺽은 알파고 바둑이지만, 시스템이 만들어내는 수는 괴상하고 예측할 수 없는, 지는 쪽도 왜 패배했는지 모르는 것과 같다고 한다. 


이것은 AI 개발자들이 '블랙 박스'문제라고 부르는 것이다. AI가 대답을 도출하는 과정은 어둠에 싸여 있다는 것이다. 


그래도 상자를 열어 개별 사례를 들여다 보면 예측 패턴과 예측하지 않은 패턴을 찾을 것이다. 그리고 시스템은 아직 개선의 여지가있다. 이번에는 단 2 개 병원의 데이터로부터 학습했을 뿐이다. 한정적이고 약간의 편견도 있을 것이다. 다양한 데이터를 제공하면 딥러닝을 통해 더 적절한 판단을 할 수 있게 된다.


0 Comments