의료 분야에서 AI의 진화하는 환경: SOLIXEmpower 패널의 주요 통찰력

블로그 해설:

AI in healthcare key insights from solixempower event

의료 산업은 중대한 변화를 겪고 있으며, 이러한 변화의 선두에는 인공지능(AI)이 있습니다. Solix Empower 2024에서는 "AI 기반 의료"를 주제로 흥미로운 패널 토론이 진행되었습니다. 이 토론에서는 제약, 의료 서비스 제공업체(병원, 보험), 사이버 보안 등 다양한 의료 분야에서 AI의 현재 상황, 새로운 트렌드, 그리고 미래 잠재력에 대해 전문가들이 심도 있게 논의했습니다. 토론 내용은 여기에서 확인할 수 있습니다. AI 기반 의료 – YouTube이 블로그에서는 통찰력 있는 대화에서 얻은 주요 내용을 강조하여 의료 분야에서 AI가 어떻게 진화하고 있는지 살펴보겠습니다.

현재 상태: AI는 발생하고 있지만 주머니 속에 있습니다.

패널리스트들은 의료 분야에서 AI 도입이 더 이상 먼 미래가 아니라 현재진행형이라는 데 동의했습니다. 다만 특정 분야에서 각기 다른 속도로 진행되고 있다는 점입니다.

디지털 인프라 분야의 선두주자, 제약회사: Dr. Reddy's Laboratories(Dr. D)는 2010년부터 필요한 디지털 인프라 구축에 막대한 투자를 해오면서 디지털화 및 AI/ML 도입 측면에서 인도의 선도적인 기업으로 주목을 받았습니다. 이러한 구조화된 데이터 기반은 효과적인 머신러닝 알고리즘을 개발하고 구현하는 데 필수적입니다. 디지털 분석, RPA, AR/VR 등 다양한 기술을 활용한 "Ops Next" 프로그램은 수율 향상 및 제조 분야의 근본 원인 분석 등에서 실질적인 비즈니스 이점을 입증했습니다.
R&D는 Pharma AI 투자의 주요 초점입니다. 제네릭 의약품 기업의 경우, 연구 개발(R&D)은 AI 투자의 핵심 분야로, 제품 혁신을 가속화하고 개발 주기를 단축하는 것을 목표로 합니다.
제공자는 가치 기반 치료와 임상 지원을 탐색합니다. 미국 의료 서비스 제공자 시장에서 중요한 추세는 메디케어 어드밴티지(Medicare Advantage)의 성장에 힘입어 가치 기반 의료로의 전환입니다. AI는 환자 행동과 질병 패턴을 이해하고, 이러한 가치 기반 모델 내에서 더 나은 환자 관리를 위한 위험을 예측하는 데 활용되고 있습니다. 생성 AI로 강화된 임상 의사결정 지원 시스템은 의사가 방대한 연구에서 정보를 추출하고 보조적 치료를 제공할 수 있도록 지원하는 새로운 기술로 부상하고 있습니다.
사이버 보안은 향상된 위협 탐지를 위해 AI를 도입합니다. 엄격한 규제를 받는 의료 및 제약 분야는 사이버 보안에 점점 더 집중하고 있습니다. AI와 머신러닝은 기존의 시그니처 기반 백신 시스템을 대체하여 더욱 발전된 위협 탐지, 취약성 평가 및 행동 분석을 제공하여 전체적인 보안 접근 방식을 제공합니다.

새로운 트렌드와 AI의 진화:

패널은 또한 의료 분야에서 AI의 진화하는 응용 분야와 잠재력에 대해서도 조명했습니다.

생성적 AI의 파괴적 잠재력: 생성적 AI는 연구 논문과 같은 비정형 데이터에서 인사이트를 추출하고, 근거를 바탕으로 치료 계획 가능성을 제시하며, 심지어 편향되지 않은 설문 문항을 생성할 수 있는 능력을 갖춘 획기적인 기술로 평가받고 있습니다. 방대한 양의 문서를 생성하는 제약 산업은 이러한 기술로부터 상당한 이점을 얻을 수 있습니다.
데이터 기반 의료의 부상: 패널리스트들은 AI를 완전히 도입하기 전에 데이터 중심적인 접근 방식을 취하는 것이 매우 중요하다고 강조했습니다. 여기에는 데이터 레이크와 데이터 웨어하우스 구축, 데이터 품질 보장, 그리고 다양한 소스의 데이터 통합이 포함됩니다. 온프레미스에서 클라우드 기반 데이터 솔루션으로의 레디 박사의 여정은 이러한 진화를 잘 보여줍니다.
예측 및 예방 치료: AI와 머신러닝 모델은 환자가 이전에 특정 치료를 받지 않은 경우에도 심정지 및 만성 신장 질환 진행과 같은 사건의 위험을 예측하는 데 효과적인 것으로 입증되고 있습니다. 이를 통해 선제적이고 개인화된 치료 전략으로 전환할 수 있습니다.
핵심 동인으로서의 운영 효율성: 인도 제네릭 제약 업계의 경우, AI가 운영 효율성을 높이고 품질 비용을 절감할 수 있다는 점이 도입의 중요한 동기입니다. EBITDA 수준 개선과 같은 손익 개선 효과를 명확히 보여주는 것은 AI 프로젝트에 대한 경영진의 지지와 예산 승인을 확보하는 데 매우 중요합니다.
AI는 대체재가 아닌 보조 도구입니다. 의료 영상과 같은 분야에서 AI는 임상의를 대체하는 것이 아니라 생산성을 향상하는 보조 도구로 기능해야 한다는 것이 일반적인 인식입니다. 마찬가지로, 치료 결정에서도 AI는 근거 기반 지원을 제공하지만 최종 결정권은 의사에게 있습니다.

AI 도입을 위한 과제와 고려 사항:

유망한 발전에도 불구하고 패널은 또한 주요 과제와 고려 사항을 강조했습니다.

규제 환경: 제약 산업은 미국 FDA, EMA 등의 기관에서 엄격한 지침을 준수해야 하는 엄격한 규제 환경에서 운영되며, AI 구현은 이러한 지침을 준수해야 합니다.
데이터 보안 및 개인정보 보호: AI와 ChatGPT와 같은 대규모 언어 모델의 사용이 증가함에 따라 데이터 보안과 데이터가 안전한 환경 외부로 유출되지 않도록 하는 것이 가장 중요한 관심사입니다. 특히 민감한 환자 정보를 다룰 때 더욱 그렇습니다.
의사의 수용 및 사고방식: 차세대 의사들이 더 수용적일 것으로 예상되지만, 의사와 환자 간의 관계와 의사의 전문성이 진료의 핵심이 되어야 한다는 믿음에 기인한 일부 저항도 존재합니다. 약물 상호작용 검사를 지원하는 도구와 같이 명백하게 가치를 더하는 도구를 제공하면 도입을 촉진할 수 있습니다.
예산 할당 및 투자 수익률: AI 이니셔티브 예산을 확보하려면 명확한 투자 수익률(ROI)을 입증해야 합니다. 수익을 증대하고, 직원 생산성을 향상시키며, 사고를 줄일 수 있는 활용 사례에 집중하는 것이 경영진의 지지를 얻는 데 중요합니다.
데이터 품질: AI 및 ML 모델의 효과는 학습에 사용되는 데이터의 품질과 직결됩니다. 데이터 정제성, 통합 및 표준화 문제를 해결하는 것은 성공적인 AI 구현을 위한 필수 조건입니다.
직원의 우려 사항 해결: 경영진은 AI로 인해 직원들이 일자리를 잃을 수 있다는 잠재적인 두려움을 해소해야 하며, AI는 역량을 증강하고 효율성을 개선하기 위한 것으로, 잠재적으로 더 숙련된 인력이 필요하다는 점을 강조해야 합니다.
언어 장벽: 영어 외에 다양한 주요 언어를 사용하는 인도와 같은 국가에서는 생성 AI 도구를 효과적으로 촉진하고 활용하기 위해 언어적 미묘한 차이를 해결하고 기대 사항에 대한 명확성을 보장해야 합니다.

주요 내용 및 미래 전망:

패널 토론에서는 AI가 의료 분야를 빠르게 변화시키고 있으며, 효율성 향상, 의사 결정 개선, 그리고 환자 치료 결과 개선을 위한 중요한 기회를 제공하고 있음을 강조했습니다. 특히 디지털화와 R&D에 중점을 둔 제약 업계와 가치 기반 의료를 중시하는 미국 의료 서비스 제공업체를 중심으로 AI 도입이 일부 지역에서 이루어지고 있지만, 의료 생태계 전반에 걸쳐 더 광범위한 통합을 이룰 수 있는 엄청난 잠재력이 있습니다.

의료 분야에서 AI의 미래는 다음과 같은 특징을 가질 것으로 예상됩니다.

방대한 양의 비정형 데이터에서 통찰력을 얻기 위해 생성적 AI 활용이 늘어났습니다.
강력한 데이터 인프라 구축과 데이터 품질 보장에 더욱 중점을 둡니다.
AI 기반 통찰력을 바탕으로 예측, 예방 및 개인화된 치료로의 지속적인 전환이 이루어지고 있습니다.
민감한 데이터를 보호하기 위해 AI 기반의 사이버 보안 솔루션에 대한 전략적 투자.
의료 전문가에게 힘을 실어주는 보조 기술로서 AI에 대한 이해가 깊어지고 있습니다.

수많은 기업이 활동하는 인도 제약 산업은 디지털화와 AI/ML 도입 측면에서 "적합한 선택"으로 여겨집니다. 기업들이 데이터 품질, 규제 준수, 그리고 의료진의 도입과 관련된 과제를 극복함에 따라, AI는 의료의 미래를 형성하는 데 점점 더 중요한 역할을 하게 될 것이며, 궁극적으로 환자, 의료 서비스 제공자, 그리고 업계 전체에 혜택을 제공할 것입니다.