MS 연구진, 희귀질환 진단 돕는 생성형 AI 연구 공개

전 세계적으로 최대 5억 명이 희귀 질환을 앓고 있으며, 정확한 진단을 받기까지 수년 동안 수많은 검사를 거치며 고통받는 경우가 많습니다.

전장 유전체 시퀀싱은 이러한 희귀 질환을 규명할 핵심 기술로 꼽히지만 현실적인 장벽이 높습니다. 유전학 전문가들은 seqr 같은 생물정보학 도구를 이용해 100만 개가 넘는 변이를 일일이 대조해야 하며, 이 과정에만 3주에서 12주가 걸립니다. 게다가 최초 분석에서 확진에 도달하는 비율은 50% 미만에 불과합니다.

진단에 실패한 미해결 사례는 결국 보관함에 쌓이게 됩니다. 새로운 의학 연구가 발표되면 과거에 풀지 못했던 사례를 재분석해 원인을 찾을 수도 있지만, 밀려드는 일상 업무 속에서 지난 기록을 일일이 다시 들여다보기란 불가능에 가깝습니다.

마이크로소프트 리서치는 드렉셀 대학교, 브로드 연구소와 협력해 이 문제를 해결하기 위한 연구를 진행하고, 그 결과를 국제 학술지 'ACM 대화형 지능형 시스템 트랜잭션' 생성형 AI 특집호에 발표했습니다.

87%의 의료 AI가 현장에서 버려지는 이유

연구팀은 먼저 전체 AI 시스템의 약 87%가 현장에 배포조차 되지 못한다는 점을 짚었습니다. 기술이 부족해서가 아니라 현장에서 '진짜 필요한 문제'를 풀지 못했기 때문입니다.

이 한계를 넘기 위해 연구진은 17명의 유전학 전문가를 심층 인터뷰해 전장 유전체 분석 과정의 실질적인 병목 현상을 세 가지로 정리했습니다.

첫째는 정보 과부하입니다. 수많은 논문과 데이터베이스에서 유전자 및 변이 정보를 찾아 종합하는 작업은 시간이 엄청나게 들고 사람의 실수가 발생하기 쉽습니다.

둘째는 협업 공유의 비효율성입니다. 분석가들 사이에 발견한 단서를 공유하는 방식이 여전히 낙후되어 있어 집단지성을 발휘하기 어려웠습니다.

셋째는 재분석 우선순위 설정의 부재입니다. 새로운 연구 논문이 쏟아져 나와도, 밀려 있는 미해결 환자 중 어떤 케이스가 해당 논문의 혜택을 받을 수 있는지 선별할 체계적인 방법이 없었습니다.

묻혀 있던 미해결 사례를 다시 깨우는 AI

전문가들과의 공동 설계를 통해 개발된 AI 어시스턴트 프로토타입은 가장 시급한 두 가지 핵심 작업에 초점을 맞췄습니다.

첫 번째는 최신 문헌 기반의 재분석 알림 기능입니다. AI가 새롭게 발표되는 과학 논문을 지속적으로 모니터링하다가, 미해결 사례와 연관된 새로운 단서가 나오면 분석가에게 즉각 재분석을 권고합니다.

두 번째는 의학 문헌의 자동 수집 및 요약입니다. 수많은 논문에 흩어져 있는 유전자 변이 정보를 한눈에 파악할 수 있도록 핵심 근거를 정리해 제공함으로써 전문가들의 서류 검토 시간을 대폭 줄여줍니다.

동시에 AI의 환각과 오류를 방어하기 위한 협업 검증 기능도 탑재했습니다. 다른 전문가가 AI의 요약본을 검토하고 수정한 기록과 메모를 투명하게 공개해, AI의 결과물을 맹신하지 않고 동료 간 교차 검증을 거쳐 신뢰를 쌓을 수 있도록 설계했습니다.

왜 중요한가

우리는 마이크로소프트의 이번 접근이 의사를 대신해 진단을 내리겠다는 거창한 목표 대신, 문헌 모니터링과 과거 기록 매칭이라는 가장 번거로운 워크플로를 정조준했다는 점에서 매우 현명하다고 봅니다.

유전체 분석가와 희귀 질환 환자에게 제공하는 실질적 가치는 명확합니다. 수년간 원인 모를 병마와 싸우는 환자들에게, 새로운 논문이 나오는 즉시 과거 데이터를 재조명해 진단의 실마리를 찾아주는 것은 생명과 직결되는 문제입니다.

또한 87%가 실패한다는 의료 AI 업계에 중요한 교훈을 줍니다. 전문가들이 이미 매일 사용하고 있는 기존 분석 도구 환경에 자연스럽게 녹아드는 보조 도구를 만들어야만 실제 임상 현장에서 살아남을 수 있다는 점을 보여줍니다.

물론 한계와 우려도 분명합니다. 유전 질환 진단은 단 하나의 오류도 치명적일 수 있어 AI의 요약 누락이나 왜곡이 위험을 부를 수 있습니다. 아울러 너무 잦은 알림으로 의료진에게 피로감을 준다면 시스템 자체가 외면받을 위험도 있습니다. 결국 관련성 높은 근거만 얼마나 정확하게 걸러내느냐가 향후 상용화의 승부처가 될 것으로 보입니다.