최근 IBM 왓슨은 신약개발 부문 비즈니스를 사실상 포기한다고 발표했다. 그동안 수조원을 쏟아 부었던 IBM 왓슨이 작년 IBM 왓슨 헬스조직에 대한 구조조정을 단행한 데 이어 헬스분야 비즈니스에서 연달은 실패를 인정한 셈이다.

IBM 왓슨은 한때 의료인공지능의 아이콘이었지만 작년부터 의료현장에서 기대만큼 효용을 보이지 못하고 있다는 비판을 지속적으로 받아왔다. 국내병원에서 앞다투어 도입했었던 IBM 왓슨 포 온콜로지도 최근 정체되고 있고, 미국에서는 이미 12개 기관이 관련 프로젝트를 중단하거나 축소했다. 인공지능이 의료를 혁신시킬 것이라는 기대가 한낱 Hype(과도한 기대)에 불과했던 것일까?

이런 우려와 달리 의료인공지능 개발은 점차 열기를 더해가고 있다. 2018년 12월 시카고에서 개최된 RSNA(방사선의료기기전시회)에서도 인공지능은 대세로 자리 잡았다. 전시회에 참여한 수십개의 스타트업뿐만 아니라 기존 영상기기회사들도 앞다투어 인공지능 이니셔티브를 발표했다. 미국 NIH는 의료인공지능 알고리즘 개발을 촉진하기 위해 2017년 흉부 X-ray 영상 10만장을 공개한 데 이어서 2018년 CT 영상 10,600장을 공개했다.

최근 미국 FDA 허가를 받은 의료인공지능제품은 26건에 달한다. 미국 FDA에서는 더 나아가 의료인공지능의 혁신을 촉진하는 새로운 허가 프레임워크도 발표했다. 새로운 허가 프레임워크에서는 실제 임상데이터에 따른 AI 알고리즘의 지속적인 개선도 허용하겠다는 파격적인 내용까지도 포함하고 있다. FDA에서는 의료인공지능이 의료현장에 가져다 줄 위험보다 효용이 더 크다고 판단했기 때문이다.

신약개발 인공지능 분야도 주목할 만하다. 병원 임상에서 사용되는 인공지능의 경우 비용지불주체가 모호해 시장진출과 확대에 어려움이 있는 것과 달리 신약개발 인공지능은 비용지불주체가 바이오제약기업으로 명확하기 때문이다. GSK, Eli Lilly, Pfizer, Janssen, Novartis, Bayer, BMS 등 알만한 글로벌 제약기업 상당수가 신약개발 인공지능 기업과 협력하고 있다. 예를 들어, Janssen의 경우 작년 환자 데이터 마이닝 인공지능기업인 Flatiron Health를 약 2조 2천억원에 인수한 바 있다. 현재 신약개발 인공지능 분야 스타트업만 132개로 추정된다.

의료인공지능시장은 독과점시장이 아닌 롱테일(Long tail) 시장이다. IBM 왓슨이 만능이 아니듯이 해당분야 지식이 기반이 되어 활용목적과 학습데이터별로 최적화된 인공지능으로 시장이 세분화되고 있기 때문이다. 신약개발 분야 인공지능만 해도 정보 수집 및 합성, 질환 기전 이해, 바이오마커 발굴, 데이터와 모델 생성, 기존 약 재목적화(repurposing), 신약후보물질 생성, 신약 후보 검증 및 최적화, 신약 디자인, 신약 비임상시험 설계, 비임상시험 시행, 임상시험 설계, 임상시험 환자모집, 임상시험 최적화, 데이터 공개, 현실세계근거(RWE) 분석 등 다양한 목적에 따라 세분화되고 있다.

이러한 세분화된 시장에서는 독과점기업이 나오기 어렵기 때문에 우리나라 기업도 미충족수요를 잘 파악하고 차별화하면 충분히 경쟁력을 가질 수 있다. 일례로 루닛, 뷰노, 셀바스 AI, 스탠다임, 신테카바이오 등 국내 의료인공지능 기업이 의료영상, 병리, 건강검진, 신약개발, 정밀의료 분야에서 약진하고 있으며 작년부터 국산 의료인공지능 제품이 시장에 본격적으로 출시되고 있다.

시장성의 관점에서 의료인공지능을 논하지 않더라도 인공지능이 의료에 혁신을 촉진할 기반기술(generic technology)라는 점은 부인하기 어렵다. 전문가들은 의료인공지능이 지역 간·병원 간 의료격차와 의료 오류를 획기적으로 감소시키고, 의료민주화를 앞당길 것이라고 예측하고 있다. 의료인공지능은 환자와 의료인과의 정보비대칭성을 극복하여 환자의 의료 참여를 활성화시키고 권한을 강화하기 위한 촉진자 역할을 할 것이다. 환자의 의료참여와 권한 강화는 더 적은 의료비용으로 더 좋은 의료성과와 환자경험을 이끄는 ‘의료민주화’의 원동력이다. 이러한 의료인공지능에 대한 접근성을 높이고, 임상현장에서의 사용을 확산시키기 위해 다음과 같은 정책적 고려가 필요하다.

첫째, 데이터가 스마트해야한다. 오늘날 빅데이터는 4차산업혁명의 화두이고 핵심인 것처럼 회자되고 있다. 물론 많은 데이터가 필요하다. 그러나, ‘Garbage in, Garbage out’이라는 말처럼 데이터의 양보다 더 중요한 건 데이터의 질이며 독창성(unique)이다. 일반적으로 데이터 질이 10% 향상되면 데이터 양이 두 배로 증가하는 것과 같은 효과를 가진다고 알려져 있다.

학습데이터에 포함된 소수 오류 데이터조차도 의료인공지능 성능에 커다란 영향을 미친다. 따라서 고유하고 차별화된 인공지능을 개발하기 위해서는 독창적으로 정교하게 큐레이션된 데이터셋이 필수적이다. 정부차원에서도 양질의 데이터에 대한 접근성을 높이기 위해서 데이터 공유로 인한 위험과 이득을 고려한 합리적 데이터 접근 기준과 제도를 우선해서 만들어나가야 한다.

둘째, 의료인공지능 혁신에 대한 보상유인이 필요하다. 최근 허가받은 의료인공지능은 모두 기존 의료기기로 허가받았다. 기존 의료기기로 허가받았다는 것은 기존 의료기기 이상의 가치를 인정해줄 수 없다는 얘기다. 혁신의 가치를 제대로 인정받지 못한다면 스타트업이 이 분야에서 비즈니스를 할 이유가 없다. 물론, 아직까지 전 세계적으로 의료인공지능에 보험수가를 준 사례는 전무하다시피 하다.

우리나라 건강보험은 의료인공지능이 의사들에게 편의성을 제공해줬을 뿐 아직 뚜렷한 임상적 효용을 입증하지 못했기 때문에 수가를 주기 어렵다는 입장이다. 현재로서는 의료인공지능의 임상적 효용에 대한 추가적인 입증을 의료인공지능 스타트업들이 고스란히 감당해야 한다. 그러나, 건강보험의 궁극적인 미션이 보장범위를 넓히고(사회보장), 국민보건을 증진(국민보건)하는 데 있다면 장기적인 관점에서 비용효과적인 대안을 끊임없이 찾아야 하는 의무도 있다. 향후 의료인공지능이 가져올 임상적 효용이 크다고 판단한다면 시장에서 효용을 입증할 때까지 기다리기보다는 어떻게 활용하고 적용할 것인지 적극적으로 대응할 필요가 있다. 일례로 영국 건강보험서비스인 NHS는 ‘The AHSN Network AI Initiative’를 구축하고, NHS ITP(Innovation & Technology Payment Programme) 등을 통해 혁신기술의 스케일업을 지원한다. NHS ITP는 임상적 효과가 입증되었고 전국적으로 확산시킬 준비가 된 혁신기술의 스케일업 지원을 위해 재정 및 조달뿐만 아니라 전국 AHSN 네트워크 의료기관이 지원에 참여한다.

셋째, 시민참여가 가장 중요하다. 의료인공지능의 핵심자원인 데이터를 확보하고, 의료인공지능을 임상적으로 검증하고, 현실세계 근거에 기반하여 발전시켜 나가기 위해서도 시민의 주도적인 참여가 기본이다. 반면, 우리나라에서는 데이터 유출로 인한 우려도 크고 데이터 공유로 인한 이득에 대한 사회적 합의도 이루어지지 않았다. 아직까지 데이터 공유는 이해관계자간 이견차가 커 사회 전체 구성원의 합의가 어려운 게 현실이다.

전체 시민이 데이터 공유에 참여하지 않더라도 참여로 인한 이득이 높은 환자부터 자발적으로 참여할 수 있는 정책을 실행하여 신뢰를 구축하고 이를 바탕으로 확대해 나갈 필요가 있다. 미국 PPRN(Patient-Powered Research Network)의 경우 건강정보공유 및 연구참여에 관심이 있는 환자들의 네트워크로, 자발적 데이터공유를 통해 환자중심 연구를 가능하게 한다. 더불어, 데이터 유출 사고가 발생할 경우 징벌적 배상이나 집단소송 등을 통해 피해를 입은 사람들을 보호할 수 있는 제도도 함께 뒷받침되어야 일반시민의 자발적 참여를 이끌어 낼 수 있다.

앞으로 우리의 아들과 딸은 의료민주화로 인한 혜택을 어느 나라보다 고르게 누릴 수 있는 세상을 맞이하기를 바란다. 이런 소박하지만 담대한 바람과 열망이 모여 환자와 시민의 참여를 이끌고 의료민주화를 앞당길 수 있다. 미래 후손들이 우리 데이터로 만든 의료민주화 세상을 자랑스러워하는 모습을 모두 함께 꿈꾸는 것만으로도 우리의 참여와 지지가 충분히 가치 있지 않을까?