다국적 연구진, 1000가지 질환 발병을 수년 전 예측하는 AI 'Delphi-2M' 개발

어릴 적부터 쌓여온 진료 기록을 한 줄로 늘어놓는다면, 의사에게는 평범한 차트지만 거대언어모델에게는 문법을 가진 한 편의 글처럼 보입니다.

영국, 덴마크, 독일, 스위스 연구진이 환자의 과거 진료 데이터를 기반으로 1,000가지가 넘는 질환의 발병률을 수년 앞서 예측하는 AI 모델 'Delphi-2M'을 개발해 네이처(Nature)에 게재했습니다.

이 모델의 기반 기술은 다름 아닌 ChatGPT의 핵심 구조인 트랜스포머(Transformer)입니다.

진료 기록을 '문법'처럼 학습하다

일반적인 언어 모델이 단어의 앞뒤 맥락을 익히듯, Delphi-2M은 질병이 나타나는 순서를 익힙니다.

독일 암 연구 센터의 AI 전문가 모리츠 게르스퉁(Moritz Gerstung)은 연속된 진료 기록을 이해하는 과정이 "글 속의 문법을 배우는 것과 비슷하다"고 설명했습니다.

의료 데이터 속에서 이전 진단명이 무엇이었는지, 어떤 병들이 함께 나타나는지, 어떤 순서로 발생하는지 패턴을 파악해 의미 있는 건강 예측치를 뽑아내는 방식입니다.

실제로 이 AI는 나이 등 기존 지표로 예상되는 수준보다 심장마비 위험이 훨씬 높거나 낮은 사람을 가려내는 성능을 보였습니다.

연구진은 약 50만 명의 정보가 담긴 영국 바이오뱅크(UK Biobank) 데이터로 모델을 학습시킨 뒤, 덴마크 공공의료 데이터베이스에 등록된 약 200만 명의 기록을 통해 검증을 마쳤습니다.

1,000가지 질환을 한 번에 예측하지만, 아직 임상은 일러

병원에서는 이미 특정 질환을 예측하는 컴퓨터 도구를 쓰고 있습니다. 영국 일반의들이 심장마비나 뇌졸중 위험을 평가할 때 쓰는 QRISK3가 대표적입니다.

하지만 공동 저자인 이완 번스타인(Ewan Birney)은 기존 프로그램과 달리 Delphi-2M은 오랜 기간에 걸쳐 1,000개 이상의 질환을 한 번에 예측할 수 있다고 강조했습니다.

유럽분자생물학연구소(EMBL)의 톰 피츠제럴드(Tom Fitzgerald) 연구원은 이런 도구가 과부하가 걸린 의료 시스템의 자원을 효율적으로 배분하는 데 기여할 수 있다고 내다봤습니다.

그렇다고 당장 병원에서 환자에게 쓸 수 있는 수준은 아닙니다. 연구팀도 추가 시험이 필요하며 임상에 투입할 단계는 아니라고 선을 그었습니다.

영국 공학기술학회(IET)의 피터 배니스터(Peter Bannister) 연구원은 영국과 덴마크 데이터셋 자체가 연령, 인종, 진료 환경 측면에서 편향을 안고 있어 실제 치료 개선까지는 갈 길이 멀다고 지적했습니다.

반면 킹스 칼리지 런던의 구스타보 수드레(Gustavo Sudre) 교수는 내부 작동 방식을 설명할 수 있고 윤리적 책임을 갖춘 예측 모델로 나아가는 중요한 진전이라고 평가했습니다.

왜 중요한가

우리는 이번 연구의 가장 영리한 점이 병력을 언어와 같은 시계열 데이터로 재정의했다는 데 있다고 봅니다. 질환마다 따로 예측 계산기를 만드는 대신, 병력 전체의 문법을 통째로 학습시켜 복잡한 만성질환 간의 연쇄 반응을 한 번에 읽어냈기 때문입니다.

다만 일반 환자 입장에서 당장 찾아 쓸 만한 도구는 아닙니다. 정밀한 임상 개입 방안이 없는 상태에서 수년 뒤 질병 확률만 통보받는 것은 오히려 불필요한 불안감만 키울 위험이 큽니다.

반면 헬스케어 산업에서는 기존 단일 질환 위험도 측정 툴들을 빠르게 밀어내는 압박으로 작용할 것으로 보입니다. 전자의무기록(EMR) 하나로 전신 건강 위험을 한 번에 그릴 수 있다면 기존 단편 도구들의 설 자리는 좁아질 수밖에 없습니다.

가장 큰 한계는 인구학적 편향입니다. 영국과 덴마크라는 특정 유럽 데이터에 국한되어 개발된 만큼, 인종과 의료 환경이 다른 집단에서도 동일한 정확도를 보일지는 아직 미지수이며 이 한계를 넘는 것이 상용화의 핵심 열쇠가 될 것으로 보입니다.