MEDI:GATE NEWS 임상시험에서 인공지능 어떻게 활용할까

기사입력시간 17.12.09 09:09최종 업데이트 17.12.09 09:09

사진: 게티이미지뱅크 [메디게이트뉴스 박도영 기자] 전 세계적으로 수십만 건에 달하는 임상시험이 진행되면서 신약 임상시험에 적합한 환자를 효율적으로 매칭하는 것이 중요한 이슈로 떠오르는 가운데, 임상시험 분야에서 인공지능(AI) 기술 적용 가능성과 기술 활용 예를 소개한 자료가 나왔다. 서울대 융합과학기술대 정유채 BK교수는 최근 '임상시험 효율화를 위한 인공지능 기술의 적용'을 주제로 한 BRIC View 동향리포트를 발표했다. 리포트에서는 "신약의 안전성과 유효성을 검증하는 무작위 임상시험의 성공률은 40~80%로 편차도 크고 실패율도 높은 편"이라면서 "실패의 가장 큰 원인은 임상시험에 대한 적절한 환자 수 확보가 어렵기 때문인데, 환자 선별 과정을 기계학습을 통해 최적화함으로써 임상시험 과정을 효율화할 수 있다"고 설명했다. 기계학습 기법을 이용하면 임상시험 과정 전반을 효율화할 수 있는데, 환자집단을 선별해 임상시험 참여율을 높일 수 있고, 환자의 전자의무기록(EMR)을 학습해 대상자의 과거 질병기록과 임상시험 참여 여부에 따라 미리 구분해 매칭 과정을 효율화할 수 있다. 리포트에서는 임상시험 절차에서 인공지능 기술을 적용 가능한 분야로 ▲신약개발 가속화 ▲임상시험 대상자 모집 ▲약물복용 여부 ▲데이터 수집과 분석 ▲환자의 정보보호 등 5가지를 꼽았다. 기존에는 여러 물질들의 생물학적 특성을 실험적인 방법으로 일일이 활용했다면, 인공지능을 적용하면 여러 물질 조합을 빠르게 확인해 부작용을 줄일 수 있고, 의사가 환자 의료기록을 보며 임상시험 등재 기준에 적합한지 확인했다면, 머신러닝 알고리즘을 이용하면 자동으로 매칭 가능하다. 또한 얼굴인식 알고리듬으로 환자와 약무양을 인지해 복용여부를 확인하거나, 정기검진을 위해 병원을 방문하지 않아도 바이오센서가 환자의 활력 징후를 확인해 병원에 결과를 보내고, 자동화된 모니터링 방법을 활용해 환자의 정보가 보호되고 있는지 지속적으로 확인이 가능하다. 리포트에서는 임상시험 관련 인공지능 기술 활용 예로 환자들을 위한 소셜 네트워크 서비스인 미국의 페이션츠라이크미(PatientsLikeMe)의 사례를 소개했다. 환자들은 이 플랫폼을 통해 복용한 약과 치료법, 부작용 등 질병 관련 정보를 공유하는데, 플랫폼을 통해 새로운 치료법을 스스로에게 직접 적용해보는 일종의 자체적인 임상을 진행한다. 2011년에는 리튬이 효과가 없다는 것이 입증돼 기존 연구를 반박하는 결과가 Nature에 실리기도 했다. 유전학, 후성유전학, 임상정보를 결합해 환자에게 정밀의료를 통한 맞춤암 치료를 제공하기 위해 세계 유전학 보건연대에서 만든 암 관련 지식 네트워크, 환자 정보를 통합 분석해 종양 관련 임상시험에 자동 매칭하는 트라이얼 프로스펙터(Trial Prosspector) 사례도 있다. 이 외에도 리포트에서는 의료기록을 시간 순서대로 분석해 만성질환자에서 빈번하게 나오는 진단명을 찾고, 고위험 환자군을 선별하는 딥케어(DeepCare), 머신러닝과 결합된 임상의사결정지원 시스템을 제공하는 딥페이션트(Deep Paitient)와 같이 딥러닝을 이용해 EMR 데이터를 분석하는 서비스도 있다. 정 교수는 결론에서 "신약개발의 성패를 좌우하는 임상시험에서 환자모집 과정을 효율화하기 위해 인공지능 기술을 활용함으로써 임상시험 성공률을 높이고 비용을 절감하는 효과를 가져올 수 있다"면서 "또 환자들의 자발적인 임상시험 참여를 유도하고, 임상시험 관련 정보를 공유할 수 있는 보건의료 통합 플랫폼 개발을 통해 환자 중심의 임상시험 생태계를 구축이 필요할 것으로 전망된다"고 밝혔다.

제보 공유

임상시험에서 인공지능 어떻게 활용할까

AI, 효율적인 환자모집으로 성공률 높이고 비용 절감

[메디게이트뉴스 박도영 기자] 전 세계적으로 수십만 건에 달하는 임상시험이 진행되면서 신약 임상시험에 적합한 환자를 효율적으로 매칭하는 것이 중요한 이슈로 떠오르는 가운데, 임상시험 분야에서 인공지능(AI) 기술 적용 가능성과 기술 활용 예를 소개한 자료가 나왔다.

서울대 융합과학기술대 정유채 BK교수는 최근 '임상시험 효율화를 위한 인공지능 기술의 적용'을 주제로 한 BRIC View 동향리포트를 발표했다.

리포트에서는 "신약의 안전성과 유효성을 검증하는 무작위 임상시험의 성공률은 40~80%로 편차도 크고 실패율도 높은 편"이라면서 "실패의 가장 큰 원인은 임상시험에 대한 적절한 환자 수 확보가 어렵기 때문인데, 환자 선별 과정을 기계학습을 통해 최적화함으로써 임상시험 과정을 효율화할 수 있다"고 설명했다.

기계학습 기법을 이용하면 임상시험 과정 전반을 효율화할 수 있는데, 환자집단을 선별해 임상시험 참여율을 높일 수 있고, 환자의 전자의무기록(EMR)을 학습해 대상자의 과거 질병기록과 임상시험 참여 여부에 따라 미리 구분해 매칭 과정을 효율화할 수 있다.

리포트에서는 임상시험 절차에서 인공지능 기술을 적용 가능한 분야로 ▲신약개발 가속화 ▲임상시험 대상자 모집 ▲약물복용 여부 ▲데이터 수집과 분석 ▲환자의 정보보호 등 5가지를 꼽았다.

기존에는 여러 물질들의 생물학적 특성을 실험적인 방법으로 일일이 활용했다면, 인공지능을 적용하면 여러 물질 조합을 빠르게 확인해 부작용을 줄일 수 있고, 의사가 환자 의료기록을 보며 임상시험 등재 기준에 적합한지 확인했다면, 머신러닝 알고리즘을 이용하면 자동으로 매칭 가능하다.

또한 얼굴인식 알고리듬으로 환자와 약무양을 인지해 복용여부를 확인하거나, 정기검진을 위해 병원을 방문하지 않아도 바이오센서가 환자의 활력 징후를 확인해 병원에 결과를 보내고, 자동화된 모니터링 방법을 활용해 환자의 정보가 보호되고 있는지 지속적으로 확인이 가능하다.

리포트에서는 임상시험 관련 인공지능 기술 활용 예로 환자들을 위한 소셜 네트워크 서비스인 미국의 페이션츠라이크미(PatientsLikeMe)의 사례를 소개했다.

환자들은 이 플랫폼을 통해 복용한 약과 치료법, 부작용 등 질병 관련 정보를 공유하는데, 플랫폼을 통해 새로운 치료법을 스스로에게 직접 적용해보는 일종의 자체적인 임상을 진행한다. 2011년에는 리튬이 효과가 없다는 것이 입증돼 기존 연구를 반박하는 결과가 Nature에 실리기도 했다.

유전학, 후성유전학, 임상정보를 결합해 환자에게 정밀의료를 통한 맞춤암 치료를 제공하기 위해 세계 유전학 보건연대에서 만든 암 관련 지식 네트워크, 환자 정보를 통합 분석해 종양 관련 임상시험에 자동 매칭하는 트라이얼 프로스펙터(Trial Prosspector) 사례도 있다.

이 외에도 리포트에서는 의료기록을 시간 순서대로 분석해 만성질환자에서 빈번하게 나오는 진단명을 찾고, 고위험 환자군을 선별하는 딥케어(DeepCare), 머신러닝과 결합된 임상의사결정지원 시스템을 제공하는 딥페이션트(Deep Paitient)와 같이 딥러닝을 이용해 EMR 데이터를 분석하는 서비스도 있다.

정 교수는 결론에서 "신약개발의 성패를 좌우하는 임상시험에서 환자모집 과정을 효율화하기 위해 인공지능 기술을 활용함으로써 임상시험 성공률을 높이고 비용을 절감하는 효과를 가져올 수 있다"면서 "또 환자들의 자발적인 임상시험 참여를 유도하고, 임상시험 관련 정보를 공유할 수 있는 보건의료 통합 플랫폼 개발을 통해 환자 중심의 임상시험 생태계를 구축이 필요할 것으로 전망된다"고 밝혔다.

오탈자 신고 스크랩 인쇄 제보 공유

박도영 기자 (dypark@medigatenews.com)더 건강한 사회를 위한 기사를 쓰겠습니다

이 기자의 다른 기사 보기

댓글보기(0)