[8월 월간브리핑] 의료산업 혁신을 가속화하는 오픈소스AI

• 의료계 오픈소스 기술은 과거에는 주로 데이터를 저장하고 처리하는 기술에 집중됐었지만 최근 헬스케어 시장 성장과 더불어 AI를 활용한 오픈소스 기술도 증가

  1. 글로벌 대형 기업들이 특히 의료 시장에 영향력을 높이기 위해 자사 기술을 접목한 오픈소스 프로젝트를 공개 및 서비스 등장

• AI 연구에는 대규모 인프라와 데이터가 필요하다는 점을 인식해 정부나 학계에서 기반 기술을 만드는 노력을 진행

  1. 의료 데이터는 민감한 개인정보를 포함하는 경우가 많아 개인이 접근하기 어려운데, 학계나 정부가 협업해 오픈 데이터나 관련 도구를 공개하는 사례가 늘고 있음

□ 의료 분야의 오픈소스 기술을 AI와 접목하려는 기업은 주로 대형 IT 기업으로 대규모 의료 데이터와 인프라를 갖춘 덕에 다양한 실험을 할 수 있음. 특히 마이크로소프트(MS), 인텔, 딥마인드 같은 대형 기업들이 의료 AI 오픈소스 프로젝트를 진행중

1. - 과거 의료 분야 오픈소스 기술은 주로 EMR(Electronic Health Record) 같은 병원의 데이터를 관리하는 소프트웨어가 많았지만, 이제는 단순히 데이터를 모으는 것 이상으로 새로운 통찰력을 제공하는 프로젝트가 성장 중.

2. - 오픈소스 AI 기술은 주로 ▲진단의 정확성을 높이거나 ▲질병을 예측하거나 ▲의료 종사자의 의사결정을 도움을 주는 역할을 하고 있음

   - IT 기업은 자체 AI 엔진 기술이나 인프라 기술을 활용할 수 있도록 오픈소스 기술을 만들어 여러 기관과 협업 중

   -대학 연구기관은 AI 연구 논문을 공개하면서 관련 소스코드도 함께 공개하거나, 사회 기여 목적으로 처음부터 의료기관을 위한 오픈소스 기술을 만들고 있음

• 마이크로소프트는 ‘프로젝트 이너아이(Project InnerEye)’라는 오픈소스 기술을 공개하고 의료계와 협업

  1. 프로젝트 이너아이는 영국의 마이크로소프트 리서치 팀이 개발한 기술로 엑스레이, CT 같은 의료 사진을 전문적으로 분석하고 AI 모델을 구축할 수 있도록 도와줌. 캠브리지대, 런던대 등에서 도입

  2. 마이크로소프트는 암 치료 과정에서 CT 사진을 분석하는데 시간이 너무 많이 걸린다는 점을 주목해 이너아이를 활용한 AI가 알아서 암 추정 부위를 찾아서 표시할 수 있도록 구축

  3. 실험 결과 이너아이를 활용한 기술을 도입한 곳에서 CT 사진 속 암 부위를 최대 13배 빠르게 찾을 수 있었다고 설명

• 인텔도 데이터 분석과 인공지능 개발을 돕는 ‘오픈비노(OpenVINO)’라는 도구를 오픈소스로 공개. 오픈비노는 다양한 산업에서 쓰일 수 있으나 특히 의료 시장 활용 사례가 많이 나오고 있음

  1. 가령 국내 헬스케어 스타트업 루닛은 폐 질환 진단 보조 AI 소프트웨어에 오픈비노를 적용해서 CPU 기반에서도 데이터 처리 속도를 높일 수 있게 지원

  2. 대만의 의료 기기 개발 업체 오닉스 헬스케어(Onyx Healthcare)는 오픈비노를 활용해 약품 인식 기기를 만들었는데, AI 기능을 고도화하면서 생김새가 비슷한 약품을 실시간으로 분석해 의약품 처방 결과의 정확도를 높였으며, 약사가 짧은 시간 안에 자신이 처방한 약품의 종류와 개수가 이상이 없는지 다시 확인할 수 있었다고 설명

• 알파고를 만든 것으로 유명한 알파벳 산하 기업 딥마인드는 단백질 구조를 예측하는 ‘알파폴드2(AlphaFold2)’를 오픈소스로 공개

  1. 단백질 구조는 질병에 대한 치료나 신약, 생명과학 연구를 진행하는데 필수적인 정보로 지금까지 발견된 단백질 구조는 약 2억 개로 매년 새로운 단백질 구조가 추가로 발견

  2. 딥마인드는 알파폴드2로 그동안 알려지지 않은 새로운 단백질 구조를 AI로 더 빠르게 발견하고 예측할 수 있다고 설명

  3. 이전에 공개한 알파폴드1은 소스코드를 공개하지 않아서 실제 효능을 학계에서 확인하기 어려웠지만 알파폴드2는 오픈소스 기술로 공개돼서 기술의 투명성을 높였다는 평가를 받음

•  

• IBM 오픈소스 ‘왓슨’ 이용해 의료,헬스케어 진출

  1. IBM은 왓슨(watson)을 기반으로 하는 헬스클라우드를 구축했다. 왓슨은 일반인이 사용 하는 언어 형식의 질문에 답할 수 있도록 만들어진 IBM의 인공지능 컴퓨터 시스템임.

  2. 2012년 3월 왓슨은 세계에서 가장 오래되었고, 가장 큰 사립병원인 뉴욕의 메모리얼 슬론 캐터링 암센터(Memorial Sloan Kettering Cancer Center, 이하 MSKCC)와 협업을 통해 암의 치료에 도전하겠다고 밝힘. 실제 의사들이 어떻게 암 환자를 치료하고, 진단을 내리며, 치료에 대한 의사 결정을 학습하기 위한 것. IBM과 MSKCC는 공동연구를 통해 처음에는 폐암을 시작으로 유방암 등 다른 암종으로 범위를 넓혀가겠다는 계획을 발표.

  3.  
  4. 

     IBM 왓슨 포 온콜로지를 이용해 환자를 진료하는 모습

  5. 출처 : https://www.etnews.com/20180227000087

  6.  

  7. 그렇게 개발이 시작된 것이 바로 왓슨 포 온콜로지(Watson for Oncology)이임. 2013년 2월에 IBM의 보도자료에 따르면, 당시까지 왓슨은 암과 관련된 60만 건의 의학적 근거, 42개의 의학 학술지와 임상 시험 데이터로부터 200만 페이지 분량의 자료를 학습했다고 나옴.

  8. 2017년 6월 보도에 따르면, 왓슨 헬스 측은 연내로 왓슨 포 온콜로지를 총 12개 암종에 적용 가능하도록 발전시켜, 전 세계에서 발병하는 암의 80%를 커버할 수 있을 것이라고 밝힘.

• 의료, 헬스케어와 오픈소스가 연결된 다양한 오픈소스 소프트웨어가 서비스 중. 가장 대표적인 서비스는 애플의 오픈소스 소프트웨어 리서치 킷

  1. 애플의 오픈소스 소프트웨어 리서치 킷은 의학 및 건강 리서치를 위해 의사, 과학자 등 의학 연구자들로부터 좀 더 자주, 정확하게 인공지능을 사용해 데이터를 모을수 있음.

  2. 리서치킷으로 전 세계 의학 전문 연구원들은 그들의 연구를 위해 리서치킷을 활용한 독자적인 앱 개발이 가능하고 개발자들은 오픈소스 프레임 워크에 새로운 연구 모듈을 추가할 수 있음.

  3. 리서치 킷이 의료 연구의 지역적 시간적 한계를 초월 하는데 큰도움이 된다는 분석이 있음.

     1. *미 경제 전문 포춘은 아이칸 의과대학의 마운트 시나이 병원 연구자 들이 진행한 리서치킷을 이용한 천식의 이동 건강 연구에 주목
     2. *리서치킷이 다양한 지리적 위치에서 신속하게 등록해야 하며 실시간으로 빈번한 데이터 수집이 필요한 짧은 기간의 연구에 적합다고 밝힘.
     3.  
     4. 

        리서치킷

     5. 출처:https://m.medigatenews.com/news/580242107

• 컴퓨팅 기술로 유명한 엔비디아도 최근 의료, 헬스케어로 사업 영역을 확장.

  1. 헬스케어로 영역을 넓히는 이유는 코로나 이후 디지털 헬스케어 산업이 급부상 중이기 때문.

  2. 

  3. 디지털헬스케어 시장 규모

     출처 : https://byline.network/2022/02/14-196/

  4.  

  5. 오픈소스 소프트웨어 개발 키트인 엔비디아 FLARE는 연합학습을 위한 공통 컴퓨팅 기반을 제공해 의료 산업에서 AI 사용을 가속화

     1. *FLARE를 통해 엔비디아는 췌장 종양을 분할하고 유방 조영술에서 유방 밀도를 분류해 유방암 위험을 판단하는 프로젝트를 주도했다. 코로나19와 관련해서는 환자의 산소 요구량을 예측하는 연구를 진행해 네이처 메디슨에 논문을 발표.
     2. *해당 연구에서는 EXAM(electronic medical record (EMR) chest X-ray AI model)라는 연합학습 모델 학습을 위해 전세계 20개 기관 데이터를 사용함. EXAM 모델은 바이탈 사인, 실험실 데이터, 흉부 엑스레이 데이터를 사용해 코로나19 증상이 있는 환자의 미래 산소 요구량을 예측함.
     3.  

  6. 

  7. NVIDIA FLARE를 사용하여 흉부 이미지를 더 좋은 품질로 재구성

     출처:https://www.fierceelectronics.com/electronics/nvidia-open-sources-flare-sdk-and-names-ai-enterprise-healthcare-users

  8. 1.  

        *연구 결과, 단일 장소에서 해당 장소만의 데이터를 사용해 학습한 모델과 비교했을 때 EXAM 활용 시 일반화 가능성이 38% 증가했다. 모든 장소에서 측정된 평균 정확도(AUC) 값은 16% 개선됨.
     2. *미국 방사선과 대학(American College of Radiology)은 수만 명의 의료학회 회원이 사용할 수 있는 소프트웨어 플랫폼인 ACR AI-LAB에 FLARE를 통합할 계획임.
     3. 라이노 헬스(Rhino Health)는 FLARE를 연합 학습 시스템에 통합했음. 연구원들은 뇌동맥류를 정확하게 진단하는 AI 모델을 개발하기 위해 라이노 헬스의 도구를 사용하고 있음.

□ 해외 학계, 기관에서 공개한 오픈소스 프로젝트의 목적은 의료 연구 및 활동에 AI 기술 도입을 편리하게 하기 위한 것이 대부분임. 의료데이터를 활용한 머신러닝 기술도입을 쉽게하는 오픈소스 도구, AI 기술적용 전 필수 준비사항인 의료관련 데이터(예: 흉부, 뇌, 피부 등)들을 라벨링 하는 오픈소스 도구, AI 연구와 협업을 돕는 오픈소스 도구 등을 소개함.

□ 주목할 만한 월간 이슈(8월)