소식

Mar 23, 2023

(인간) 손길이 닿지 않는 의료 서비스?

마르타 이라올라(Marta Iraola) | EURACTIV.com 2023년 7월 6일(업데이트:

마르타 이라올라 | EURACTIV.com

2023년 7월 6일(업데이트: 2023년 7월 6일)

Editorial/Opinion OpinionNewsArticle은 뉴스와 사건에 대한 저널리즘 보도보다는 주로 의견을 표현하는 NewsArticle입니다.

유럽의 의료에 관한 모든 것에 대한 주간 업데이트인 EURACTIV의 건강 개요를 구독하세요.

인쇄 이메일 Facebook Twitter LinkedIn WhatsApp Telegram

의료 환경에서 인공지능(AI)은 강력한 도구가 될 수 있지만, 머신러닝을 통해 의료 전문가는 질병을 진단하고, 치료법을 개인화하고, 신약을 개발할 수 있지만, 전문가들은 AI 도입에 주의할 것을 촉구했습니다.

웨어러블 건강 기기를 개발하는 의료 기술 회사인 Byteflies의 CEO인 Hans Danneels는 지난 주 앤트워프에서 열린 한 행사에서 병원에서 9일 동안 모니터링이 필요한 쌍둥이를 낳았을 때 의료 분야에서 AI에 대한 자신의 경험에 대해 말했습니다.

그는 입원 초기에 쌍둥이가 아기의 활력 징후를 모니터링하고 기록하기 위해 몇 시간마다 간호사를 방문해야 한다고 설명했습니다. 쌍둥이의 상태가 호전되면서 내원 빈도는 줄어들었지만, 계속 병원에 머물렀다.

이것이 Byteflies가 작동하는 곳입니다. Danneels는 자신이 개발한 원격 모니터링 장치와 환자에게 도움이 될 수 있는 방법에 대해 이야기했습니다.

그는 "매우 심각한 상황의 경우 병원에 가는 경우가 점점 더 많아지고 있지만, 이 모든 기능과 모니터링은 집으로 옮겨갈 것"이라고 말했습니다.

변화를 추적하는 이러한 장치 중 하나를 사용하여 환자를 집으로 보내 병원의 의료 전문가의 모니터링 작업을 단순화하는 것이 아이디어입니다.

그는 관련 이벤트를 놓치지 않기 위해 알고리즘이 매우 민감하다고 설명했습니다.

"우리는 결과를 보고 분류하는 인간을 루프에 두고 있습니다"라고 그는 설명했습니다.

AI를 다루는 모든 의료 프로세스에 인간이 참여해야 할 필요성은 새로운 항균 치료법을 개발하기 위해 노력하는 생명공학 회사인 Madam Therapeutics의 Leonie de Best가 강조했습니다.

그녀는 모든 알고리즘이 데이터로 학습되어야 하고 이러한 데이터 세트가 편향될 수 있기 때문에 AI를 사용한 데이터 분석 결과를 검증하는 것이 매우 중요하다고 설명했습니다.

De Best는 분석할 선별된 대표 데이터 세트가 없으면 모델의 정확성을 잘못 판단하기가 더 쉽다고 덧붙였습니다.

"많은 것을 놓치거나 정말 큰 실수를 저지릅니다. 헛소리를 하면 헛소리가 나옵니다."라고 그녀는 덧붙였습니다.

Madam Therapeutics는 인공 지능을 사용하여 대량의 항균 펩타이드를 선별하여 안전성 프로필을 생성하고 있습니다.

AI 덕분에 그녀의 회사는 무작위로 선택된 1억 개의 항균 펩타이드를 선별하고 분석하여 안전성 프로필을 생성하는 과정에서 많은 시간을 절약할 수 있습니다.

"이 작업은 몇 달이 걸렸지만, 그렇지 않았다면 몇 년이 걸렸을 것입니다"라고 그녀는 설명했습니다.

Carlo Boutton에 따르면 AI 도구는 어떤 경우에도 의사를 대체할 수 없습니다. 그는 "우리는 인간의 두뇌를 과소평가해서는 안 된다"며 "AI는 대체가 아니라 추가 기능이어야 한다"고 말했다.

Byteflies의 Danneels는 "의사와 간호사가 환자에게 실제로 더 많은 시간을 할애할 수 있도록 도와주는 도구인 청진기에 가깝습니다."라고 덧붙였습니다.

이러한 새로운 도구를 올바른 방식으로 사용하려면 데이터뿐만 아니라 문제의 다학제적 측면을 이해하는 사람들을 포함하는 것이 중요하다는 사실에 대한 일반적인 동의가 있습니다.

의사는 환자의 배경을 알고, 간병인과 대화하며, 보다 전체적인 시각을 갖고 있기 때문에 모든 과정에서 여전히 필수적입니다.

다양한 이해관계자가 제공한 예에서 알 수 있듯이 기계 학습은 유용한 결과를 분석하고 도달하기 위해 대규모 데이터 세트가 필요합니다.

기업이 흔히 직면하는 문제 중 하나는 필요한 정보에 대한 접근이 어렵다는 것입니다. 특히 병원이나 진료소에서 환자의 데이터에 접근할 때 더욱 그렇습니다.

데이터 공유는 이해관계자들 사이에서 논쟁의 여지가 있는 주제입니다. 왜냐하면 환자 정보, 치료법에 대한 반응, 임상 시험 등에 대한 접근이 필요하다는 점을 이해관계자 모두가 인식했기 때문입니다.