한국IBM(대표 장화진)은 18일 본사 발표를 인용, 지난 5월 열린 2019년 ‘ASCO(America Society of Clinical Oncology, 미국 임상종양학회)’ 연례 회의에서 IBM 왓슨 헬스와 파트너들이 발표한 ‘왓슨 포 온콜로지(Watson for Oncology)’ 및 ‘왓슨 포 지노믹스(Watson for Genomics)’ 관련 최신 연구결과 22건을 공개하고, 이러한 연구결과들을 통해서, 암 치료를 위한 의사들의 결정을 지원하는 분야에서 전세계적으로 여러 성과들이 확인된다고 밝혔다. 

이번에 공개된 연구 결과들은 어떻게 왓슨 AI가 증거에 근거, 의사들의 암 치료 결정에 도움을 주고, 의료진이 세운 치료 계획에 대한 환자의 신뢰를 향상시키며, 유전자 돌연변이를 정확히 식별하거나 관련 임상연구를 찾아 줘 의료진을 지원했는지 보여준다. 

가령, 인도 마니팔 병원의 암 다학제 그룹(여러 분야의 의료진들이 모여 치료방법을 함께 논의하는 회의)은 왓슨 포 온콜로지가 제공한 정보에 기반해 1000건의 유방암, 폐, 대장암 환자 사례 중 13.6%의 치료 방법을 변경했다. 

의료진이 치료 방법을 변경한 이유로는 왓슨을 통해서 새로운 치료법에 대한 최신 결과(55%), 환자 개인에 대한 맞춤형 대안 (30%), 유전자형 및 표현형(유전자와 환경에 의해 형성되는 형질) 관련 새로운 정보 및 진화하는 임상 경험을 기반으로 한 새로운 인사이트(15%)가 제시됐기 때문인 것으로 조사됐다. 

또 다른 연구로 베이징 차오양 병원의 암 전문의들은 7단계의 환자 참여 및 상담 과정에 왓슨 포 온콜로지를 도입했다. 

그 결과, 암 환자가 자신의 병명과 치료방법에 대한 이해도가 이전보다 향상돼 치료 계획에 대해 더욱 확신을 갖게 됐고, 만족도가 높아진 것으로 나타났다. 

한편 18일 개최된 제3회 ICON(인공지능 헬스케어 컨소시엄) 심포지엄에서는 왓슨 포 온콜로지와 왓슨 포 지노믹스를 임상에 사용하고 연구해온 암 분야 전문의와 AI 전문가 등이 참가해 사례와 경험을 공유했다. 

세이야 이모토(Seiya Imoto) 일본 도쿄 의과대 교수는 “왓슨 포 지노믹스는 가령 백혈병 환자와 직접 관련이 있는 유전자를 단시간에 식별할 수 있게 도움을 주는 등 속도와 정확성으로 정밀 종양학의 발전에 기여하는 중요한 통찰력을 제공하고 있다”고 말했다.

이에 더해 국내에서 의료계의 디지털 혁신을 주도하고 있는 가천대 길병원은 2016년 도입한 ‘왓슨 포 온콜로지’가 다학제 협진의 활성화, 환자의 진료 만족도 및 의료진에 대한 신뢰 증진, 표준화된 맞춤 치료 제공 등 지난 2년간 명확한 가치를 제공했다고 판단하고, 올해 ‘왓슨 포 지노믹스’까지 확대, 적용해 두 기술의 시너지 효과를 누리고자 한다고 발표했다. 

안성민 가천대학교 길병원 가천유전체의과학연구소 소장은 “왓슨 포 온콜로지의 도입 이후 2년간 의료용 AI의 효용성에 대해 확신을 갖게 됐다. 이번에는 정밀의학 연구에 왓슨 포 지노믹스를 활용, 임상에서 적용할 수 있는 성과를 도출하는 한편, 왓슨 포 온콜로지와 지노믹스의 시너지를 통해 암환자들에게 더 나은 치료법을 제공하고자 한다”고 말했다.

행사에 참가한 IBM 왓슨 헬스의 제프 레너트 박사(Dr. Jeff Lenert)는 “올해 ASCO에서 제시된 연구들은 AI가 종양학자들이 각 환자의 암 치료를 개선하는 데 도움이 될 중요한 역할을 할 수 있다는 강력한 증거를 제공한다. AI는 다학제 협진에서 과학적 증거를 기반으로 보다 정보에 입각한 의사결정을 내릴 수 있도록 돕고 있으며, 수동작업으로는 식별이 어려울 수 있는 중요한 인사이트와 정보를 도출시키고 있고, 치료 옵션에 대한 포괄적인 시각을 제공함으로써 환자의 만족도를 향상시키는 데 도움을 주고 있다”고 말했다. 

왓슨 헬스는 솔루션의 성능을 지속적으로 개선, 의사들이 암 치료의 효과와 효율성을 향상할 수 있도록 하고 있다. 

예를 들어, ASCO에서 IBM 왓슨 헬스는 NCCN (National Comprehensive Cancer Network, 미국종합암네트워크), NCI-PDQ (National Cancer Institute- Physician Data Query 미국국립암연구소 의료진 질문 데이터베이스) 및 Hemonc.org(혈액종양 전문사이트)에서 발행하는 논문의 초록을 머신러닝 기반으로 학습해 임상적으로 관련도가 높고, 과학적인 전문자료들을 자동으로 찾아내는 새로운 방법을 보고했다. 

테스트에서 93%의 정확도와 95%의 민감도, 91%의 명확도를 보여준 해당 모델은 머신러닝을 통해 자동으로 관련된 임상 간행물을 식별할 수 있음을 보여준다. 

<김동기 기자>kdk@bikorea.net