소비자들은 다양한 산업에 빠르게 도입되고 있는 인공지능(AI)을 어떻게 받아들이고 있을까요? SAS가 최근 미국인 500명을 대상으로 조사한 결과, 소비자들은 금융이나 소매 분야보다 의료 산업의 인공지능 기술을 더욱 편안하게 여기는 것으로 나타났습니다.
특히 응답자의 47%는 수술 중에도 기꺼이 인공지능 기술의 도움을 받겠다고 답했는데요. 또 10명 중 6명(60%)은 의사가 애플워치나 핏비트와 같은 웨어러블 기기의 데이터를 사용해 생활 방식을 평가하고 조언하는 것에 대해 편안하게 생각했습니다.
실제 인공지능은 복잡하고 비용이 많이 드는 의료 문제에 대한 새로운 해결 방법을 제공하며 빠르게 헬스케어 분야에 진입하고 있는데요. 이때 인공지능을 성공적으로 활용하려면 분석적으로 생각하는 분석 조직을 구축하고, 그 노력의 일부로 분석 플랫폼을 구축해야 합니다.
인공지능은 기계가 스스로 경험을 통해 배우고, 새로운 입력에 적응하고, 사람처럼 작업을 수행하도록 만듭니다. 체스 게임용 컴퓨터부터 자율주행차에 이르기까지 우리가 듣는 대부분의 인공지능 사례는 딥러닝과 자연어처리(NLP)에 크게 의존하는데요. 이러한 기술을 통해 컴퓨터는 방대한 데이터를 처리하고 패턴을 인식함으로써 특정 작업을 수행하도록 훈련됩니다.
의료 분야에서 인공지능은 알고리즘과 소프트웨어를 이용해 사람의 인지와 비슷한 수준으로 복잡한 의료 데이터를 분석하고 있습니다. 핵심 목적은 예방이나 치료 기술과 이를 통한 환자의 결과 사이의 관계를 분석하는 것입니다.
왜 분석 플랫폼이 필요할까요?
기존의 인공지능 환경과 그리고 혁신적이고 새로운 인공지능 환경 모두에 많은 투자가 진행되고 있지만 첨단 기술 산업을 제외한 대부분의 인공지능 프로젝트는 프로토타입 단계에 머물러 있습니다. 이에 우리가 기대하는 수준의 비즈니스 가치를 제공하는 경우는 드문데요. 핵심 과제는 운영할 수 있는 인공지능 애플리케이션을 만들고, 엔터프라이즈 비즈니스 프로세스에 포함시키는 것입니다.
이를 성공하기 위해서는 분석 플랫폼이 필요합니다. 분석 플랫폼은 모든 컴퓨팅 환경에서 데이터로부터 인사이트를 얻을 수 있도록 설계된 소프트웨어 기반입니다. 이 플랫폼은 분석 인사이트로부터 비즈니스 활동을 이끌어내는 전략을 토대로 데이터(data)-탐색(discovery)-적용(deployment)에 이르는 전체 분석 라이프사이클을 지원합니다.
분석 플랫폼을 기반으로 확장 가능하며 보안 모델을 통합한, 즉 관리되고 통제된 인공지능 애플리케이션을 개발할 수 있습니다. 또 이 애플리케이션은 end-to-end 분석 라이프사이클을 지원하는 형태로 발전할 수 있습니다.
SAS의 인공지능 활용을 위한 엔터프라이즈 분석 플랫폼 ‘SAS Viya’를 활용해 인공지능 애플리케이션을 개발, 배포하는 기업은 다음과 같은 주요 혜택을 경험하고 있습니다.
- 딥러닝, 자연어처리와 같은 인공지능 기술을 활용합니다.
- 프로토타입, 개발, 테스트, 생산 단계까지 지원하는 인공지능 기법을 사용합니다. 즉 기업 내 인공지능 애플리케이션의 산업화가 가능합니다.
- SAS API(애플리케이션 프로그래밍 인터페이스)를 통해 오픈소스를 이용해 새로운 혁신적인 생태계에 참여함으로써 데이터 변환, 분산 머신러닝, 자동 적용(automated deployment)와 같은 기능을 강화하고 추가합니다.
인공지능을 활용하여 어떻게 의료 분야를 개선할 수 있을까요?
새로운 데이터와 과거 행동 데이터를 토대로 하는 고급 분석 예측 모델에 인공지능을 적용하면 헬스케어 전문가는 통계와 실시간 데이터 모두로부터 패턴을 파악할 수 있고 이를 활용한 진단을 내릴 수 있습니다.
수많은 기업이 인공지능 알고리즘을 개발하기 위해 많은 자원을 투자하고 있는데요. 생산 환경에 알고리즘을 성공적으로 도입하면 인공지능의 진정한 가치를 실현할 수 있습니다. 즉 실제 병원에 적용돼 성과를 도출할 수 있는데요. 바로 이 과정을 위한 올바른 분석 플랫폼이 없기 때문에 많은 의료 기업들은 어려움을 겪고 있습니다.
많은 기업이 여전히 인공지능과 고군분투하고 있습니다.
SAS의 백서 ‘Enterprise AI Promise : Path to Value’를 통해 사람과 플랫폼 등 인공지능을 구현할 때 직면하게 되는 실질적인 도전과제에 대해 알아보세요.
의료 기업이 분석을 위한 여정을 시작할 때에는 그 출발점을 알려주는 데이터 세트 시각화가 매우 중요합니다. 기업은 무엇에 집중해야 하는지 알고 있을 때 더 많은 예측 결과를 위해 알고리즘을 추가할 수 있습니다.
진단 속도 및 품질 개선
환자들은 질병을 빠르게 진단 받고 정확하게 치료 받기를 기대합니다. 하지만 모든 병원이 이를 충족시키는 것은 아니죠. 핵심은 질병 진단의 속도와 품질을 높이기 위해 그 기반을 개선하는 것입니다. 이를 통해 병원과 환자 모두 혜택을 누릴 수 있습니다.
인공지능으로 암 조기 진단
암 치료에 있어 조기 진단은 매우 중요합니다. 초기 단계에 암을 발견하면 그만큼 치료 가능성이 높아지고 더 많은 생명을 구할 수 있는데요. 새로운 예측 기술을 도입하면 가능합니다.
인공지능은 기계가 경험을 통해 배우고, 새로운 입력에 적응하고, 사람처럼 작업을 수행하도록 만듭니다. 예를 들어, 10년간 축적된 생화학적 혈액 검사 데이터를 분석 플랫폼 기술과 결합하면 인공지능이 새로운 데이터의 패턴을 식별하고 암을 조기에 예측하도록 훈련시킬 수 있습니다.
실제 사례: 인공지능으로 병원 내 감염에 맞서다!
스톡홀름의 카롤린스카 대학 병원(Karolinska University Hospital)과 덴마크의 릴레벨트 병원(Sygehus Lillebælt)은 입원 환자가 병원에서 감염될 위험성을 예측하는 인공지능 알고리즘을 개발하기 위해 협력하고 있습니다. 목표는 의사보다 병원 내 감염을 평균 5일 앞서 예측하는 모델을 개발하는 것인데요.
이 예측 모델은 실험실의 정형 데이터 그리고 의약품과 진단, 환자의 치료에 대한 의료 기록, 엑스레이 검사 내역과 같은 비정형 데이터 등 다양한 데이터 유형을 기반으로 합니다.
예비 테스트가 승인되면 이 인공지능 알고리즘은 스톡홀름 카운티와 덴마크 남부 지역의 모든 병원에 적용되며, 환자들의 생사를 바꾸는 혁신적인 기술이 될 것입니다. 인공지능으로 가장 짧은 시간 안에 정확한 진단을 내리고 치료할 수 있는 세상이 가까워지고 있습니다.
