[메디게이트뉴스 이지원 기자] 인공지능(AI)이이 의료 데이터 간 연계를 돕고, 의료 데이터를 해석하고, 실험을 설계하며, 환자 맞춤형 정보를 제공하는 시대가 다가왔다. 

디지털헬스케어연합포럼이 28일 '디지털 헬스와 미래의학: AI, LLM, 플랫폼, 데이터와 양자기술의 융합'을 주제로 세미나를 개최했다.

이날 아마존웹서비스(AWS) 조민성 헬스케어 사업개발 총괄과 미소정보기술의 이종근 최고의학책임자(CMO), 바이오넥서스의 김태형 대표는 디지털 기술이 의료 분야에 가져온 변화 등을 소개했다.

조민성 총괄은 의료 데이터의 저조한 활용률을 지적하며, 생성형 AI와 에이전트 AI의 도입을 대안으로 제시했다.

조 총괄은 "의료 데이터는 전자의무기록(EMR), 유전체 정보, 영상 등 수많이 발생하지만 97%는 아직 제대로 활용되지 않고 있다"며, 병원 간 데이터 연결 부재와 병원 내 데이터 간 연계가 부족하다고 설명했다.

실제로 병원마다 환자 정보는 넘쳐나지만, 그 데이터를 연계해 분석하거나 실질적인 치료에 활용하기는 어렵다. 이에 조 총괄은 생성형 AI와 에이전트 AI를 제시했다. 생성형 AI는 자연어로 질문하면 정보를 요약하고 분석 결과를 생성하는 기술이며, 에이전트 AI는 여러 AI가 역할을 분담해 분석 작업을 공동 수행하는 구조다.

이와 함께 그는 AWS의 AI 서비스인 '아마존 Q'와 '아마존 베드록(Bedrock)'을 소개했다. 아마존 Q는 의료진이나 개발자가 자연어로 질문하면 답변을 생성하는 생성형 AI 어시스턴트며, 아마존 베드록은 다양한 파운데이션 모델을 하나의 플랫폼에서 운영할 수 있는 완전·관리형 서비스다.

조 총괄은 "베드록은 멀티 파운데이션 모델을 하나의 플랫폼에서 운영할 수 있도록 한다. 일부 모델은 보안에 취약하다는 우려기 있지만, 베드록은 AWS의 안전한 환경 안에서 이런 서비스를 활용할 수 있도록 지원한다"고 말했다.

이어 암 환자의 CT 이미지, 유전체, 임상데이터를 기반으로 AI가 자동으로 바이오마커를 찾고 치료 반응을 예측하는 과정을 소개하며, AI가 의료 연구 현장에서 실질적인 파트너로 자리매김하고 있다고 덧붙였다.

이종근 CMO는 병원 중심의 데이터만으로는 환자의 건강 상태를 완전히 파악하기 어렵다며, PHR의 중요성을 강조했다. EMR이나 전자건강기록(EHR) 등 진료 중심의 정보만으로는 질병의 원인을 찾거나, 건강을 유지·관리하는 데 한계가 있다는 설명이다.

그는 "건강을 결정하는 가장 큰 요인은 병원이 아닌 개인의 생활습관"이라며, 생활습관, 웨어러블 기기 데이터, 설문 등 개인 데이터를 통합해 관리할 수 있는 커넥티드 헬스 플랫폼이 필요하다고 강조했다.

미소정보기술은 LLM과 디지털 트윈을 접목한 '라이프케어 트윈' 서비스를 개발 중이다. 이는 사용자의 건강 상태를 아바타 형태로 시각화해 보여주는 기술로, 이상 징후가 감지되면 해당 부위를 붉게 표시해 직관적으로 알 수 있게 돕는다.

이어 그는 환자의 병력, 복용 약물, 접종 이력, 알레르기 등을 정리해 응급 상황이나 짧은 진료 시간에도 의료진이 빠르게 핵심 정보를 파악할 수 있도록 돕는 '페이션트 서머리'를 언급했다.

그는 "현재는 의료 환경 자체가 3분 진료를 요하는 상황이다. 이 때문에 약 2분 질문하고 남은 1분에는 처방전을 입력하고 수납한다. 하지만 앞으로는 질문하지 않아도 미리 환자 상태를 파악할 수 있다. 그러면 2분간 환자와 눈을 맞추며, 더 나은 서비스를 제공할 수 있다"고 말했다.

이어 그는 "이제는 병원 데이터를 넘어 개인이 주도적으로 건강 데이터를 모으고 활용하는 시대"라며, 앞으로는 PHR 데이터를 기반으로 예측 모델과 개인 맞춤형 건강 서비스가 더욱 활성화될 것으로 전망했다.

김태형 대표는 유전체, 전사체, 단백체 등 생명체를 구성하는 복잡한 생물학 정보를 통합·분석하는 오믹스(omics) 데이터가 기존의 방법으로는 다루기 어렵다고 지적하며, 대형언어모델(LLM)을 대안으로 소개했다.

LLM을 활용하면 수많은 논문과 실험 데이터를 학습해, AI가 스스로 생물학적 맥락을 이해하고 의미 있는 인사이트를 도출할 수 있다는 설명이다.

김 대표는 "AI는 방대한 학습을 통해 논문을 수십만 편씩 읽고, 생물학적 맥락을 이해해 의사결정을 내릴 수 있다"며 "인간 과학자처럼 복잡한 문제에 대해 판단하고 해결하는 파트너로 작용할 수 있다"고 강조했다.