혹시 나에게도 질병이? GPU에게 물어보세요!

by NVIDIA Korea

혹시 나에게도 질병이? GPU에게 물어보세요!

최근 다양한 첨단 기술의 발달을 통한 의료 서비스의 질적 향상으로 많은 질병들을 미리 예측하고 대비할 수 있게 되었는데요. 특히 할리우드의 유명 영화배우 안젤리나 졸리가 유전자 검사를 통해 유방암을 유발하는 유전자를 보유했다는 사실을 확인한 뒤, 유방절제술을 받았던 사건 이후 예방의학에 대한 사람들의 관심은 더욱 뜨거워지고 있죠.

딥 러닝 기술 또한 질병 진단 이전에 발병 위험이 높은 환자를 미리 식별해 의사에게 생명을 구할 수 있는 좀더 높은 가능성을 제공한답니다. 미국 마운트 사이나이 아이칸 의과대학(Icahn School of Medicine at Mount Sinai)의 연구원들은 환자의 전자 의료 기록을 분석하고 1년 이내에 심각한 질병이 진행될 가능성이 높은 환자들을 판별하는데 인공지능의 한 분야인 딥 러닝을 활용하고 있습니다.

‘딥 페이션트(Deep Patient)’라는 별칭의 이 연구 툴은 70만 개에 달하는 12년 동안의 환자 기록을 훈련했습니다. 그리고 테스트에서 심부전증, 여러 유형의 암, 중증 당뇨병까지 수십 가지 질병의 위험성을 미리 예측해냈죠.

네이쳐(Nature)의 자매지 사이언티픽 리포트(Scientific Reports)에 아이칸 의과대학의 연구를 다룬 논문을 게재한 조엘 T. 더들리(Joel T. Dudley)는 “대부분의 질병은 치료보다 예방이 더 쉽습니다. 이러한 딥 러닝 기술의 활용은 환자들의 건강에 큰 영향을 미칠 수 밖에 없죠”라고 말했습니다.

질병 예방의 핵심, 전자 의료 기록(Electronic Health Record)

아이칸 의과대학의 부교수이기도 한 더들리 씨는 이러한 사전 경고를 통해, 의사와 환자는 질병을 예방하거나, 적어도 그 발병을 지연시키는 조치를 취할 수 있는 소중한 시간을 얻게 된다고 강조합니다. 가령 새로운 약물을 투여하거나, 특별 식이요법을 진행해보는 등의 여유를 벌 수 있는 거죠.

GPU로 가속되는 딥 페이션트는 의료비용 또한 절약할 수 있습니다. 발병 위험이 높은 환자에게 질병 예방을 위한 자원을 집중함으로써, 의료 서비스 제공자는 더 비싼 비용이 들 수 밖에 없는 질병 치료를 피할 수 있게 됩니다.

딥 페이션트 개발진들의 연구 동력 일부는 전자 의료 기록에 대한 그들의 좌절에서부터 비롯됐습니다. 그 기록은 실험실 검사, 수술, 약물 치료, 의료 내역 등 환자에 대한 너무나도 방대한 양의 정보를 포함하고 있습니다. 하지만 지금까지 의사들이 진단 또는 치료를 개선하기 위해 그 데이터를 제대로 활용할 수는 없었죠.

더들리 씨는 “지금까지 전자 의료 기록은 의사들을 위한 의료 정보가 아닌, 비용 청구를 위한 내역으로 활용되어 왔습니다”라고 말했습니다.

아이칸 의과대학의 연구원들은 각 환자의 상태에 최적화된 맞춤형 질병 예방 및 치료를 제공하는 정밀 의학의 발전을 위해 그 기록과 딥 러닝을 사용하길 원했습니다. 그래서 그들은 엔비디아의 테슬라(Tesla) K80 GPU 가속기CUDA 프로그래밍 모델을 사용해 수천 개의 환자 기록으로 신경망을 훈련하기 시작했죠. 그리고 약 75,000명의 환자들에게 그들의 모델을 테스트했습니다.


환자의 전자 의료 기록을 검토하고 있는 의사의 모습(이미지 제공 – 미국 농림부)

하나가 아닌 여러 질병을 동시에 예측하다

질병 위험을 예측하기 위해 전자 의료 기록과 딥 러닝을 활용한 것은 아이칸 의과대학의 연구원들이 처음이 아닙니다. 그러나 한 가지 질병에 초점을 맞춘 이전의 접근과는 달리, 그들은 80가지에 가까운 질병들을 연구 대상에 포함시켰습니다. 그들은 컴퓨터 분석을 위한 새로운 방식의 환자 의료 데이터 표현 방식을 만들어 이를 가능하게 만들었죠.

아이칸 의과대학 연구원들은 한 환자의 모든 의료 기록을 포함하는 하나의 데이터 형식을 만들었습니다. 많은 경우에서 환자들은 하나 이상의 질병으로 고통 받고 있기 때문이죠.

의사들이 환자들을 돕기 위해 딥 페이션트를 본격적으로 활용하려면 여전히 많은 작업이 필요합니다. 아이칸 의과대학 연구팀은 유전 정보, 가족력 등 질병 예측 개선을 위한 더 많은 유형을 데이터를 추가하는데 지금도 많은 연구를 진행하고 있죠.

더 나은 의사 결정을 위한 더 많은 데이터

더들리 씨는 전자 의료 기록을 넘어 의사가 더 나은 진단 및 치료 결정을 내리는데 활용할 수 있는 모든 관련 데이터를 통합하기를 희망한다고 합니다.

그는 또 “이를 실현하기 위한 당면 과제는 의사가 환자를 관리할 수 있는 시간은 제한적이지만, 전자 의료 기록의 데이터는 갈수록 방대해지고 있다는 것입니다”라고 전했는데요. 특히 착용 가능한 웨어러블 의료 기기가 발전하면, 이를 통해 더 많은 유전 정보와 데이터가 생성되어 상황은 더욱 악화될 수도 있다고 하네요. 그리고 이는 환자의 상태를 예측하고 의사에게 새로운 통찰력을 제공하기 위해 가능한 모든 데이터를 활용하는 시스템의 구축에 GPU 기반의 가속 컴퓨팅이 필요한 이유이기도 합니다.