데이터에서 진정한 인사이트를 도출하려면 어느 조직이든 AI와 데이터 사이언스 연구를 등한시해서는 안 됩니다. 오히려 핵심 전략으로 삼아야 하죠.
미국 최고의 암 치료기관인 텍사스대학교 MD 앤더슨 암센터(MD Anderson Cancer Center)도 동일한 원칙을 세웠습니다. 데이터 거버넌스에 새롭게 초점을 맞추고, 수십 명의 연구진이 AI로 가속하는 종양학 프로젝트를 추진하며 환자 치료를 개선하고 있는데요.
최근 MD 앤더슨 최초의 데이터 책임자로 임명된 캐럴라인 청(Caroline Chung) 박사는 “우리는 데이터의 맥락에 초점을 맞춥니다. AI 모델들이 진료소에서 힘을 발휘하도록 전환하는 문제를 해결하고자 조직화한 메타데이터 공급망을 확보하고 있습니다. 더 우수하고 강력한 예측 모델을 구축하려면 데이터 생성을 시작으로 머신 러닝의 인사이트를 임상에 적용하기까지 전단계를 망라하는 조직적인 전략이 필요합니다”라고 설명합니다.
이 같은 데이터 거버넌스 전략은 인사이트의 도출을 위해 병원 데이터가 수집, 활용되는 방식에 영향을 미치는 한편, 데이터의 검색성(findability)과 접근성(accessibility), 상호운용성(interoperability), 재사용성(reusability)을 실현할 전망입니다.
청 박사는 이것이 “대단한 문화적 변화”라고 평가합니다. “맥락적 정보로 캡처하는 데이터가 증가할수록 더 복잡한 질문이 가능해지고, 이렇게 얻은 머신 러닝의 인사이트는 임상의와 환자의 상호작용을 개선합니다. 데이터에 기반해 치료 방법을 결정하고, 진료의 목표와 최상의 치료 결과를 동시에 달성할 위대한 잠재력을 갖게 되는 셈입니다.”
MD 앤더슨은 연구자가 원하는 고품질 데이터를 수집한 뒤 안전하게 저장하고 그 활용 현황을 추적하는 파이프라인을 구축합니다. 이로써 각종 프로젝트의 지원을 강화해 방사선 데이터 분석과 암 치료, 패혈증을 비롯한 합병증 예측을 개선한다는 목표를 세우고 있습니다.
이 프로젝트의 상당수가 이미 진행 중이며, NVIDIA DGX 시스템과 같은 새로운 GPU 기반 테크놀로지로 가속되고 있습니다. MD 앤더슨은 신규 투자를 바탕으로 소속 연구자들이 수천 개의 추가적 GPU 코어에 액세스할 수 있도록 보장해 기관 전반의 AI 프로젝트를 지원할 계획입니다.
진단 영상에 AI 적용하기
종양학의 첫 단계는 종양의 감지입니다. MD 앤더슨은 5년 생존율이 10%에 불과한 췌장암의 진단을 돕기 위해 조기 감지 AI 애플리케이션을 개발하고 있습니다.
MD 앤더슨 소화기 방사선종양학과의 공동 책임자인 유진 코에이(Eugene Koay) 박사는 “췌장암은 진단 시 다른 장기로의 전이가 이미 진행되어 있는 경우가 많습니다. 우리는 췌장과 무관한 진료를 선택한 환자일지라도 CT 스캔이나 MRI 소견, 내시경 초음파를 관찰할 기회가 생기면 췌장을 함께 분석하는 AI 모델을 연구하고 있습니다” 라고 설명합니다.
췌장의 종양이라고 해서 다 같지는 않습니다. 발달 속도가 느린 종양이 있는가 하면, 공격적인 종양도 있죠. 또한 췌장의 낭종에서 비롯되는 종양도 있고, 아닌 것도 있습니다.
미 국립암센터(NCI)의 조기발견네트워크(Early Detection Research Network)와 협업을 통해 코에이 박사팀은 악성으로 발전할 가능성이 높은 사례를 식별하고 위험에 처한 환자들의 지원을 강화할 합성곱 신경망(CNN)을 연구하고 있습니다.
영상에서 도출한 인사이트로 치료 계획하기
암세포의 방사선 치료를 준비할 때 종양학자들은 먼저 컨투어링(contouring)을 실시해 방사선의 타깃이 될 종양을 추적합니다.
컨투어링에는 상당한 시간이 소요되다 보니 치료 계획의 수립이 지연되는 경우가 많은데요. MD 앤더슨 방사선물리학과의 로런스 코트(Laurence Court) 교수는 AI 툴로 수동 컨투어링의 부담을 줄여 매년 수천의 암 환자를 더 치료할 수 있게 되기를 희망합니다.
코트 교수는 특히 방사선과 종양 전문의의 부족으로 환자의 생명을 좌우할 방사선 치료법에 접근이 힘든 경우처럼 자원이 부족한 환경에서 이 임상용 AI 툴이 보여줄 저력에 기대를 걸고 있습니다.
컨투어링은 또한 MARS(MRI-assisted radiosurgery)의 계획에도 활용됩니다. MARS는 자입 치료(seed implantation)를 통해 방사선을 암 조직에 전달하는 고급 근접치료(brachytherapy)를 의미하죠. MD 앤더슨 방사선종양학과의 스티븐 프랭크(Steven Frank) 박사는 MARS로 전립선암을 치료합니다.
이때 MRI상에서 전립선과 주변 장기의 컨투어링을 정확히 진행하면 방사선 시드(seed)가 다른 조직에 해를 끼치는 일 없이 암 치료에 적합한 부위에만 전달됩니다.
프랭크 박사의 연구실에서 중개 AI(translational AI)를 개발 중인 MD 앤더슨 의료영상물리학과 연구원 제러마이아 샌더스(Jeremiah Sanders)에 따르면, GPU 테크놀로지의 혁신을 활용한 AI 모델을 도입한 덕분에 MD 앤더슨 소속 종양학자들은 근접치료의 계획과 치료 품질 평가를 위한 컨투어링을 개선할 수 있었습니다.
또한 샌더스와 프랭크 박사는 근접치료의 후처치를 위한 모델도 개발하고 있는데요. 이 AI 애플리케이션은 전립선의 MRI 자료를 분석해 방사선이 암 조직에 제대로 전달되고 있는지 판단합니다. 이 모델에서 도출한 인사이트를 바탕으로 추가적 치료 여부, 사후 환자 관리 방법 등을 결정하게 됩니다.
빈틈없는 AI로 모델 정확도 유지하기
AI 모델이 임상 환경에서 성공을 거두기 위해서는 신경망이 어려움을 겪는 사례들을 포착하고 재훈련을 진행해 애플리케이션의 성능을 개선해야 합니다.
MD 앤더슨 영상물리학 및 방사선물리학과의 크리스티 브록(Kristy Brock) 교수는 이상 감지 프로젝트를 진행하고 있습니다. 환자의 간에 스텐트(stent)가 이식되어 있거나 장기 주변에 물이 차 있는 등 영상이 특이해서 AI 모델이 CT상의 간 종양 컨투어링에 실패하고 마는 케이스들을 판별하려는 것인데요.
드물게 발생하는 실패들을 파악하면 신경망이 어려움을 겪은 적이 있는 케이스와 유사한 사례들을 찾아 훈련에 추가할 수 있습니다. 이처럼 지속적인 훈련법은 훈련용 데이터를 선택적으로 보강해 모델의 성능을 보다 효율적으로 개선하죠.
브록 교수는 “우리는 기존에 확보한 150장의 스캔과 똑같아 보이는 데이터만 수집하는 상황은 바라지 않습니다. 그보다는 샘플 데이터세트의 다양성을 증진시킬 케이스들을 발견하기 원합니다. 그 결과 모델의 정확도와 일반화 가능성을 높일 수 있습니다” 라고 말합니다.
MD 앤더슨은 AI를 도입해 의학 연구와 치료를 개선하는 선도적 의료 기관입니다. 온라인으로 진행된 NVIDIA GTC에서 헬스케어 AI에 대해 더 자세히 알아보세요.
NVIDIA 헬스케어 부문 부사장 킴벌리 파월(Kimberly Powell)의 헬스케어 관련 특별 연설을 확인하세요. 아래에서 젠슨 황(Jensen Huang) NVIDIA 창립자 겸 CEO의 GTC 키노트를 시청할 수 있습니다. NVIDIA 헬스케어 뉴스의 구독을 여기에서 신청하세요.