GPS(Global Positioning System)는 오늘날 대표적인 위치 기반 추적 기술이다. 하지만 실내 공간에 있을 때는 추적이 되지 않거나 부정확한 결과를 내놓기 마련이다.
일반적인 경우라면 크게 문제될 일이 없다. 개인 사생활 문제를 고려하면 GPS가 부정확한 편이 오히려 도움이 될 수도 있다. 하지만 일상생활에 도움이 필요한 노인이나 환자라면 이야기가 다르다. 가정이든 요양 시설이든, 주변 사람들의 모니터링과 관리가 필요한 경우라면 실시간 위치 파악 기능이 필요하다.
캐나다 맥마스터 대학 연구팀이 이 문제를 해결할 수 있는 저전력 블루투스(BLE) 기반의 실내 위치 추적 시스템(IPS)을 선보였다. 시제품 검증을 통해 하루종일 사용자의 위치를 지속적으로 측정하고 추적할 수 있다는 것도 확인했다.
IPS는 벽면 콘센트에 꽂을 수 있는 소형 무선 비콘과 웨어러블 블루투스 태그를 사용한다. 복잡한 설치 기술이 필요하지도 않고, 최적의 배치를 위한 위치 설계 등을 고려할 필요도 없다. 가정 또는 시설 곳곳에 있는 콘센트에 비콘을 꽂아두기만 하면 사용할 수 있다는 간편함이 최대의 장점이다. 설치 비용도 비콘 5개를 기준으로 200달러(현재 환율 기준 약 28만 원)로, 크게 부담되지 않는 편이다.
연구팀은 도시 외곽의 한적한 지역에 오래된 주택을 개조해서 만든 맥마스터 자체 연구시설(SHAPE)을 활용해 실내 위치 추적 시스템의 성능 실험을 진행했다. 블루투스 신호와 움직임 감지 센서를 결합해, 약 96%의 정확도로 사용자의 위치를 정확하게 식별할 수 있었다. 이는 홀로 사는 노인들을 비롯해 위치나 움직임 등을 파악할 필요가 있는 사람들에게 유용할 것으로 보인다.
연구팀은 이 기술이 병원이나 요양 시설과 같이 유동 인구가 많은 환경에서 유용할 거라고 이야기했다. 모니터링이 필요한 특정인의 위치 추적은 물론, 수량에 제한이 있는 의료기기나 장비의 위치를 파악하는 데도 활용할 수 있어 범용성이 높다는 설명이다. 이번 연구 결과는 오픈액세스 저널인 <플로스 디지털 헬스(PLOS Digital Health)> 에 게재됐다.
혈액은 인체 건강 상태를 가장 직접적으로 보여주는 중요한 지표 중 하나다. 최근 혈액검사를 통해 조기 진단할 수 있는 질병이 늘어나면서, 혈액검사 지표의 정밀한 분석에 관한 관심도도 높아지고 있다. 국내 연구진이 혈액검사 지표를 전기적으로 도출할 수 있는 혈액 정밀검사 기술을 개발했다.
혈류 상태의 정밀 분석 기술
광주과학기술원(GIST) 기계로봇공학과 양성 교수 연구팀은 혈액을 구성하고 있는 성분들의 유전 특성(dielectric properties)을 실시간으로 측정·분석했다. 유전 특성이란 어떤 성분이나 물질이 전기장에 어떻게 반응하는지에 관한 물리적 특성을 말한다.
GIST 연구팀은 이를 바탕으로 혈류 상태에서 적혈구의 배열과 적혈구 내부의 ‘헤모글로빈 수화 구조’를 분석할 수 있는 새로운 센서 기술을 개발했다고 밝혔다.
이 기술은 다양한 주파수의 전기 신호에 대한 반응을 측정·분석하는 ‘전기화학 임피던스 분광법(EIS)’과 머리카락 굵기 수준의 미세 채널로 액체를 정밀하게 제어하는 ‘마이크로플루이딕(Microfluidic)’ 기술을 결합했다. 실제 혈액이 흐르고 있는 상태에서 적혈구의 배열 방향성과 세포 내부 수분 구조까지 측정할 수 있는 혈액 정밀검사법이라는 것이 연구팀의 설명이다.
* 헤모글로빈의 수화 구조 (Hemoglobin Hydration Shell)
: 헤모글로빈 분자 주변에 물 분자가 결합해 형성되는 얇은 수분층으로, 헤모글로빈의 기능과 안정성에 중요한 역할을 한다. 이 구조는 산소와 결합한 상태에 따라 변한다.
전기 임피던스 측정 장비에 혈액검사 지표 추출용 소자를 장착하고 임피던스를 측정하는 모습 / 출처 : 광주과학기술원(GIST)
신속 정확한 혈액 정밀검사 기술
빠르고 정밀한 혈액 진단 기술은 의료 기술 발전의 핵심 분야로 꼽힌다. 특히 혈액 검사의 경우 환자 부담이 비교적 적은 데다가 이를 통해 다양한 질병의 초기 징후를 감지할 수 있는 수단이다. 즉, 혈액 정밀검사 기술이 발전하면 질병의 조기 진단 사례가 늘어날 것이고, 이에 따른 맞춤 치료가 가능해져 환자와 의료 분야 양측의 부담이 크게 줄어들 수 있다.
이 가운데 EIS는 비침습적이고 민감도가 높아, 혈액 정밀검사 및 성분 분석에 적합한 기술로 주목받아 왔다. 그러나 기존 연구들은 대부분 정지된 상태의 혈액을 분석 대상으로 사용했다. 이 때문에 혈액 속 적혈구들이 서로 응집하거나 침전하는 현상이 발생했고, 측정 정확도가 떨어지는 한계가 있었다.
또한, 기존 이론 모델은 적혈구의 배열 상태나 헤모글로빈의 수화 구조를 고려하지 않아, 임피던스 스펙트럼 해석에도 제약이 따랐다. 보다 정교한 분석을 위해서는 이를 개선할 필요가 있었다.
GIST 연구팀은 이러한 문제를 해결하기 위해 실제 혈류 환경을 모사한 마이크로플루이딕 채널을 활용해 혈액 임피던스를 측정하고, 이에 대한 분석을 진행했다. 특히, 적혈구 배열 상태를 정량화할 수 있는 선호 배열 지수 개념을 도입해 분석한 결과, 전체 적혈구 중 약 34%는 흐름 방향으로 정렬되고, 나머지 66%는 무작위로 배열돼 있는 것으로 나타났다.
연구팀은 또한, 적혈구 내부를 단순한 용액이 아니라, ‘이중 수화 껍질을 갖는 헤모글로빈 콜로이드’로 모델링해 세포 내부의 물리적 특성까지 고려한 보다 정밀한 EIS 해석이 가능해졌다고 설명했다.
6가지 주요 혈액학 지표 도출
이론 기반 분석을 통해 연구팀은 실제 혈액에서 적혈구와 관련된 6가지 주요 혈액학적 지표를 도출했다. 도출된 지표는 ▴적혈구 수(RBC, Red Blood Cell count) ▴헤모글로빈 농도(Hb, Hemoglobin) ▴헤마토크릿(HCT, Hematocrit) ▴평균 적혈구 용적(MCV, Mean Corpuscular Volume) ▴평균 적혈구 헤모글로빈(MCH, Mean Corpuscular Hemoglobin) ▴평균 적혈구 헤모글로빈 농도(MCHC, Mean Corpuscular Hemoglobin Concentration)로, 혈액 내 적혈구의 상태와 기능을 정확히 파악하는 데 중요한 역할을 한다.
특히 이들 지표는 실제 임상 혈액검사 결과와 비교했을 때, 계산된 값과의 오차가 3.5% 미만으로 나타났다. 혈액 정밀검사 기술로서 높은 정확도와 신뢰성을 입증한 것이다.
양성 교수는 “이번 연구는 단순히 흐르는 혈액의 임피던스를 측정하는 데 그치지 않고, 적혈구 배열 특성과 헤모글로빈 수화 구조까지 정량적으로 해석할 수 있는 분석 기법을 제시했다는 점에서 의미가 크다”며, “이 기술은 향후 스마트 헬스케어 기기나 병원용 실시간 혈액 검사기 등 다양한 의료 분야에 폭넓게 응용될 수 있을 것으로 기대된다”고 말했다.
GIST 기계로봇공학과 양성 교수가 지도하고, 즈바노브 알렉산더(Zhbanov Alexander) 연구교수와 이예성 석박사통합과정생이 공동 제1저자로 수행한 이번 연구는 과학기술정보통신부·한국연구재단 중견연구자지원사업의 지원을 받았다. 연구 결과는 화학 분야 국제 학술지 <분석 화학(Analytical Chemistry)>에 지난 1월 25일 표지논문으로 게재됐다.
(왼쪽부터) 기계로봇공학과 석박사통합과정 이예성 학생, 즈바노브 알렉산더 연구교수, 양성 교수 / 출처 : 광주과학기술원(GIST)
서로 다른 두 사람의 지문이 똑같을 확률은 무려 640억 분의 1이라고 한다. 유전 정보가 100% 일치하는 일란성 쌍둥이조차 지문은 다르게 나온다. 이 때문에 지문은 개인을 식별하는 고유한 수단으로 널리 사용되고 있다. UNIST(울산과학기술원) 연구팀이 개인의 지문보다 훨씬 더 높은 고유성을 지닌 인공 지문 기술을 선보였다.
전자 피부 기술의 발달
전자 피부는 촉각, 온도, 압력 등 실제 감각과 자극을 느낄 수 있는 인공 피부 기술이다. 생물학적 피부의 기능을 모방하는 것이므로, 감각과 자극을 느끼기 위한 센서는 물론, 피부의 유연함까지 구현해야 하기 때문에 이를 만들기 위해서는 다양한 첨단 기술들이 필요하다. 여기에 지문과 같은 고유 패턴까지 갖추는 것은 그야말로 난제의 연속이다.
UNIST 화학과 심교승 교수 연구팀은 최근 고유한 주름 패턴이 새겨진 손가락 전자 피부를 개발했다. 연구팀에 따르면 이 주름 패턴은 한 개인의 고유 패턴이라 여겨진 인간의 지문보다도 월등히 높은 고유성을 지닌다. 인간의 생물학적 지문이 서로 똑같을 확률만 해도 640억 분의 1로 아득히 낮은데, 이 인공 지문 기술이 서로 똑같은 패턴을 내놓을 확률은 그보다 1032배 더 낮다는 것이다. 사실상 ‘절대 똑같을 수 없다’라는 말이나 마찬가지인 셈이다.
기존 지문보다도 월등히 뛰어난 보안성을 갖는 인공 지문 기술 / 이미지 출처 : Motion Elements
실제 지문보다도 월등히 뛰어난 고유성
심교승 교수 연구팀은 유연 고분자(SEBS) 소재의 전자 피부에 ‘무작위로 주름 패턴을 새길 수 있는’ 인공 지문 기술을 개발했다. 먼저 유연 고분자를 화학 처리해 피부를 1차로 제작한다. 그 다음 여기에 유기 용매의 일종인 ‘톨루엔 용매’를 떨어뜨리고 고속으로 회전시키는 방식이다.
이때 원심력에 의해 톨루엔 용매가 고분자 피부 표면 위에 무작위로 분포된다. 이때 고분자 표면 물질과 용매가 상호작용을 일으키며 물리적 변형이 일어난다. 피부 표면이 톨루엔 용매로 인해 부풀었다가, 용매가 증발하면서 쪼글쪼글하게 수축하면서 미세한 주름이 무작위 패턴으로 만들어지는 원리다.
연구팀에 따르면, 피부 표면에 흩뿌려지는 용매가 똑같은 모양의 인공 지문을 다시 생성할 확률은 매우 낮다. 1제곱밀리미터(㎟) 범위를 기준으로 하면 사람의 지문이 같을 확률보다 무려 1032배 더 낮다. 사람의 지문 크기가 대략 1~2㎠ 범위이므로, 위 확률을 지문 크기로 확장해보면 인공 지문이 동일한 패턴으로 형성될 확률은 그야말로 ‘한없이 0에 수렴’하는 셈이다.
‘개인용 전자 피부’ 상용화 가능성
인간의 지문은 그동안 그 고유성을 인정받아 강력한 보안 매체로서 활용돼 왔다. 하지만 ‘지문이 흐려지거나 지워질 수 있다’라는 문제가 있었다. 직업상 피부에 잦은 마찰이 가해지거나, 표면이 거친 물건을 자주 만지는 사람들, 혹은 화학물질에 자주 노출되는 사람들이 대표적이다. 혹은 노화나 질환으로 인해 피부 구조가 변화하면서 지문 선명도가 떨어지는 경우도 있다.
전자 피부를 기반으로 한 인공 지문 기술은 이에 대한 해결책을 제시할 수 있을 것으로 기대된다. 전자 피부 제작에 사용되는 소재는 물리적 충격, 열, 습도에도 강하기 때문에 지문 형태를 오래 유지할 수 있기 때문에, 제작 비용 문제만 해결된다면 대안으로서 충분한 잠재력이 있다.
이번 연구를 주도한 UNIST 심교승 교수는 인공 지문 기술에 대해 “간단한 공정을 활용하면서도 동일한 패턴이 생성될 확률이 매우 낮아, 개인용 전자 피부, 전주기 관리형 소프트 로봇, 차세대 휴먼 기계 인터페이스 등 보안과 고유 식별이 중요한 미래 기술에 폭넓게 적용할 수 있을 것”이라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 신진연구자 지원사업으로 수행됐다. 미국 휴스턴대학교 바이오메디컬공학과 정웨이 리 교수팀과 함께 했으며, 국제 학술지 <네이처 커뮤니케이션즈(Nature Communications)>에 지난 3월 5일 게재됐다.
길이 2cm, 너비 1.5cm의 작은 크기 안에 챔버, 센서, 프로그래밍 가능한 밸브, 전자 회로, 그리고 작은 충전식 배터리가 들어가 있다 / 출처 : 노스웨스턴 대학, 존 A. 로저스
지난 12월, 스위스의 한 연구팀이 ‘웨어러블 센서’의 현황을 주제로 한 메타 연구 결과를 발표한 바 있다. 당시 연구팀은 ‘땀과 호흡 속 분자 구조까지 생화학적으로 분석할 수 있는 초정밀 웨어러블 기기가 등장할 것’이라는 예상을 내놓은 바 있다.
미국 노스웨스턴 대학에서 최근 이에 부합하는 결과물을 발표했다. 피부에서 방출되고 흡수되는 물질을 기체 단위에서 측정할 수 있는 초정밀 웨어러블 기기다.
초정밀 웨어러블 기기의 발전
최근 국내 연구팀에서도 웨어러블 기술을 응용한 성과를 내놓은 바 있다. 대표적인 예가 최근 성균관대학교에서 내놓은 ‘광학 바이오센서 패치’다. 매우 미세한 양의 땀과 분비물을 정밀하게 감지할 수 있는 생체 부착 센서 기술이다.
한편, 지난 1월 DGIST에서도 심혈관 건강 상태를 측정하면서 필요에 따라 약물 투여까지 바로 가능한 초정밀 웨어러블 기기를 선보인 바 있다. 웨어러블 기기의 발전이 어디까지 가능할 것인지, 기존의 인식 한계를 뛰어넘는 결과들이 속속 등장하고 있는 것이다.
이번 노스웨스턴 대학 연구팀이 개발한 웨어러블 기기의 경우도 이와 비슷한 맥락이라 할 수 있다. 이 기기는 여러 가지 데이터를 측정할 수 있는 정밀 센서를 탑재하고 있으며, 온도 변화와 수증기, 이산화탄소를 비롯해 피부에서 방출될 수 있는 휘발성 유기 화합물(VOC)의 변화까지 측정할 수 있다. 이를 통해 피부 상태 평가는 물론 피부에 영향을 미치는 전반적인 건강 상태까지 확인할 수 있다는 것이 연구팀의 설명이다.
기본적인 원리는 피부에서 방출되는 기체 상태의 물질들이 기기 내부의 공간으로 유입되고, 각 센서들이 기체에 포함된 분자 정보를 분석하는 것이다. 이때 방출된 기체들이 피부 표면에 머무르면 좋지 않을 것이므로, 기체는 기기 내부로 수집돼 머무르도록 비접촉식으로 설계됐다.
두 손가락으로 잡아야 할 정도로 작은 크기 / 출처 : 노스웨스턴 대학, 존 A. 로저스
땀 나지 않아도 기체로 분석
연구팀에 따르면 이 장치는 기존에 자신들이 개발했던 ‘땀 수집 분석 웨어러블 기기’를 기반으로 더욱 발전시킨 모델이다. 그동안 땀을 분석해 착용자의 전반적인 건강 상태를 분석해왔지만, 몇 가지 문제가 있었다.
가장 두드러지는 문제는 착용자가 ‘땀이 나지 않는 환경’에 있을 때 측정이 불가능하다는 것이었고, 또 다른 문제는 기기를 착용함으로써 땀샘에 미세한 자극이 발생한다는 것이다. 이 두 가지 문제를 해결하기 위해 고민을 거듭했고, 그 결과 이번에 선보인 기기가 탄생하게 됐다는 설명이다.
이는 앞서 소개한 성균관대학교의 연구 결과와 비슷하면서도 다르다. 성균관대학교의 광학 바이오 센서 패치는 ‘극미량의 땀을 감지할 수 있는 방식’에 초점을 맞췄다. 이에 비해 노스웨스턴 대학교의 초정밀 웨어러블 기기는 ‘땀을 비롯해 기체화된 물질을 감지하는 방식’으로 개발됐다.
연구팀은 특히 피부에 직접 접촉하지 않는다는 특성의 장점을 강조했다. 예를 들어, 상처나 궤양이 발생한 부위의 피부 상태를 안전하게 평가할 수 있다는 것이다. 피부 질환을 앓고 있는 환자에게도 자극을 주지 않고 정확한 진단이 가능하다는 뜻이다.
피부 장벽 건강상태 셀프 관리 가능
피부 바깥에 위치한 소위 ‘피부 장벽’은 단백질과 지질이 촘촘하게 엮인 구조로 돼 있으며, 외부로부터 신체를 보호하는 최전선과 같다. 과도한 수분 손실이 발생하지 않도록 조절해주고, 자외선 등 외부 자극으로부터 1차적으로 보호해주며, 그 외 각종 자극적인 물질이나 병원체의 침투를 막아주는 역할도 한다.
즉, 연구팀은 피부에서 발생하는 수증기 및 각종 기체의 변화를 추적하면, 피부 장벽의 손상 여부를 비롯한 전반적인 건강 상태를 파악할 수 있다고 설명했다. 연구팀은 이러한 분석 자체는 현재 기술력으로 충분히 가능한 일이지만, 고가의 정밀한 기기를 대신할 수 있다는 점이 이번에 개발한 초정밀 웨어러블 기기가 갖는 가장 큰 의의라고도 이야기했다.
연구팀은 또한 이 기기가 상용화될 경우, 개인이 좀 더 손쉽게 스스로의 피부 건강을 관리할 수 있을 것이며, 전문적인 의료 진단에서 활용할 수 있는 유의미한 데이터를 제공할 수 있을 것으로 내다보고 있다.
노스웨스턴 대학이 개발한 초정밀 웨어러블 기기는 ‘표피 분자 플럭스 모니터링을 위한 비접촉 웨어러블 장치(A Non-contact Wearable Device for Monitoring Epidermal Molecular Flux)’라는 제목으로 <네이처(Nature)> 저널에 게재됐다.
양서류의 발바닥을 본뜬 극미량의 체액을 실시간 감지하는 부드러운 근적외선 광학 바이오센서 점착 패치 개발 / 출처 : 성균관대학교
성균관대학교(총장 유지범) 연구팀이 흘리는 땀이 적어도 그로부터 생체 데이터를 수집할 수 있는 광학 바이오센서 패치를 개발했다.
아주 적은 양의 땀과 분비물 분석
성균관대학교 화학공학부 방창현 교수와 조수연 교수는 공동 연구팀을 꾸려 광학 기반의 점착 바이오센서 패치를 개발했다. 이 패치는 개구리와 같은 양서류의 발바닥을 본떠 부드럽고 가볍게 만들고자 했으며, 흘리는 땀이 적어도 원격에서 실시간으로 정밀 감지할 수 있는 기술을 구현했다.
나노소재를 이용한 생체부착 방식의 센서 기술은 다양한 질환의 실시간 조기 진단을 위해 가장 유망한 기술로 주목받아 왔다. 하지만 생체표면에서 생기는 미세한 유체(Fluid)를 빠르게 잡아 모으는 것, 그리고 매우 미미한 양의 체액을 분석하는 것에 어려움이 있었다.
생물체에서 분비되는 유체는 기본적으로 매우 적은 양인 경우가 많다. 게다가 규칙적으로 분비되는 것도 아니다. 예를 들자면 정적인 상태에서는 땀을 거의 흘리지 않거나 흘리는 땀이 적을 수 있다. 혹은 체내에서 이루어지는 각종 대사 반응으로 인한 분비물도 매우 적고 불규칙하다.
연구팀의 설명에 따르면 기존의 센서 시스템들로는 이러한 ‘초소량 유체(micro-scale fluid)’를 수집하고 실시간으로 다변량 분석하는 것이 불가능했다. 보통은 운동과 같이 다량의 체액이 분비되는 환경을 필요로 하거나, 이온 영동(Ion Electrophoresis)과 같은 강제적 체액 유도 과정 혹은 복잡한 다층 구조 및 부피·크기가 큰 장비가 필요했다.
실시간 생체 정보 모니터링을 위한 고성능 센서 다중 배열의 응용과 실제 생체 내 비타민 C 농도 실시간 원격 측정 시연 / 출처 : 성균관대학교
개구리 발바닥을 본뜬 바이오센서 패치
공동 연구팀은 이러한 문제를 해결하기 위해, 양서류 발바닥의 육각형 점착 구조와 미세 배수 기능에서 아이디어를 얻었다. 습도가 높고 울퉁불퉁 불규칙한 피부 표면에도 안정적으로 부착되며, 흘리는 땀이 적어도 정밀하게 감지해낼 수 있는 부드럽고 가벼운 ‘생체모사 바이오센서 패치’를 개발한 것이다.
패치에는 개구리 발바닥의 미세한 육각 구조와 채널을 적용했다. 이를 통해 체액을 신속히 배출하고 굴곡진 생체 표면에 긴밀한 접착력을 높였다. 채널 내부에는 수분 흡수가 뛰어난 하이드로젤과 생체 투과성을 가진 근적외선* 대역의 발광 ‘단일벽 탄소나노튜브’* 센서를 결합해 극미량의 유체도 효과적으로 흡수하고 감지할 수 있도록 했다.
또한, 육각 구조 표면을 부드러운 재료들을 이중층으로 구성해, 땀이 많거나 움직임이 큰 피부 부위에서도 패치가 안정적으로 부착돼 있도록 하고 센서가 정상적으로 작동할 수 있도록 설계했다. 흘리는 땀이 적어도, 많아도 상관 없이 원활하게 분석할 수 있도록 안배한 것이다.
* 근적외선 : 적외선 영역의 전자파 중 파장이 짧은 0.7~1.5μm 정도의 파장 영역.
* 단일벽 탄소나노튜브 : 탄소 원자 한 층의 튜브로 이루어진 반도체성 나노 소재.
초소형 정밀 생체 모니터링 기반 기술
연구팀이 개발한 점착 패치는 부드럽고 가벼운 생체부착형 광학 센서 패치다. 전체적으로 부드럽고 유연한 소재를 적용하여 운동이나 외부 자극이 없이도, 최소 75 nL(나노리터) 수준의 아주 적은 양의 땀을 45초 내에 실시간 감지할 수 있는 것으로 확인됐다.
또는, 피부에서 분비되는 극미량의 체액으로부터 비타민이나 스트레스 지표 같은 다양한 분자를 동시 다발적으로 감지할 수 있는 고정밀 분석도 가능한 것을 확인했다.
공동연구팀을 이끈 조수연 교수와 방창현 교수는 “이번에 개발한 부드럽고 가벼운 생체모사 기반의 광학 탄소나노튜브 기반 바이오센서 패치 기술은 극미량 체액을 안정적으로 유도하고 감지할 수 있을 뿐 아니라 습기나 곡면, 움직임이 많은 실제 생체 환경에서도 안정적인 부착과 작동이 가능하다는 장점이 있다”라고 이야기했다.
또한, 두 교수는 “향후 다양한 광학 센서와 결합해 초소형 정밀 생체 신호 모니터링 기술로 발전할 수 있으며, 웨어러블 헬스케어, 미시 생명현상 분석, 정밀 의료 분야까지 확장 가능할 것으로 기대한다”고 밝혔다.
이번 공동 연구 성과는 과학기술정보통신부가 추진하는 한국연구재단 기초연구실 사업 및 개인기초연구(중견연구), 우수신진연구사업, 국가과학기술연구회가 추진하는 융합연구단사업, 보건복지부 혁신성장피부건강기반기술개발사업의 지원을 받아 진행되었다. 이번 연구성과는 국제 학술지 <네이처 커뮤니케이션즈(Nature Communications, IF: 14.7)>에 지난 5일(토) 온라인 게재됐다.
왼쪽부터 성균관대 이연수 석박사통합과정생, 신세영 석사과정생, 화학공학부 조수연 교수, 화학공학부 방창현 교수 / 출처 : BRIC Bio통신원
※ 위 이미지는 본문 내용과 직접적 연관이 없음 / 이미지 출처 : Motion Elements
서울아산병원은 응급실, 병동, 진료실 등 모든 의료 환경에서 의료진과 환자 간 대화를 실시간으로 기록·요약하고 전자의무기록(EMR)으로 자동 작성하는 '인공지능(AI) 기반 진료 음성인식 시스템'을 국내 최초로 구축했다고 최근 밝혔다.
응급상황 대화까지 기록하는 AI
그동안 의료계에서 음성 AI 기술은 의료진의 음성 데이터가 입력되면 AI가 이를 텍스트로 변환해 의무기록으로 저장하는 '보이스 EMR' 방식으로 사용돼 왔다. 보통 외래 진료나 검사 과정에서 나오는 대화 내용을 토대로 기록을 작성하기 때문에 수작업으로 직접 작성하는 것보다 빠르고 정확하게 환자 차트를 관리할 수 있다.
서울아산병원이 구축한 이번 진료 음성인식 시스템은 기존 외래 진료와 검사에 더해 각종 응급상황에서의 대화까지 반영할 수 있다. 분초 단위로 돌아가는 급박한 응급 상황에서는 기록을 남기는 것이 쉽지 않다. 하지만 이번 구축한 기술을 바탕으로 치료 과정에서 나온 의료진의 대화 내용을 빠짐없이 확보해 의무기록으로 자동 저장할 수 있게 됐다.
예를 들어, 병동 내에서 환자가 심장마비로 쓰러지는 상황이 발생하면 담당 팀이 현장에 출동해 심폐소생, 약물 투약 등 필요한 조치를 시행하게 된다. 이때 의료진 사이에 이루어지는 긴급한 대화 내용까지 진료 음성인식 시스템에 실시간으로 기록·요약될 수 있다. 이 정보는 추후 주치의가 해당 환자를 진료할 때 활용할 수 있다.
진료 음성인식 시스템은 의료진과 환자 모두의 목소리를 반영한다. 따라서 진료 기록의 정확도를 높이는 것은 물론, 치료 계획을 보다 정밀하게 수립하는 데도 도움이 될 것으로 보인다. 환자 안전과 의료 서비스 질 향상 모두에 기여할 수 있을 것으로 기대된다.
긴급한 상황에서 별도로 신경쓰지 않아도 의료 관련 기록을 남길 수 있게 될 것으로 기대된다 / 이미지 출처 : Motion Elements
의료행위에 특화된 음성인식 시스템
서울아산병원은 지난 2023년 ‘진료 음성인식 시스템’을 개발해 정형외과, 성형외과 외래에서 시범적으로 시행했다. 이후 효율성과 정확성을 검증하는 과정을 거쳐 최근에는 모든 진료 현장에서 음성인식 시스템을 활용할 수 있도록 구축을 완료했다.
대규모 언어모델(LLM)이 적용된 이 진료 음성인식 시스템은 진료 과정에서 발생하는 의료진, 환자의 음성 데이터를 활용해 실시간 텍스트 변환, 주요 증상 기록, 질병 분류, 대화 요약 등의 작업을 수행한다. 또한, 의료정보시스템(AMIS 3.0)과 연동되어 있어 사용자가 원하는 형태로 데이터를 가공해 전자의무기록(EMR) 등에 자동으로 저장한다.
분과별 의료용어와 수만 시간 분량의 진료 음성 데이터를 AI 모델에 학습시켜 의료진과 환자 간 대화의 인식 정확도를 높였으며, 전용 마이크를 활용해 주변 사람들의 말과 소음을 걸러내고 사람의 음폭 등을 정밀하게 계산하는 등 음성 인식률을 높였다.
세부적인 정보까지 기록 가능
진료 음성인식 시스템이 갖춰짐으로써, 의료진은 기존에 환자의 이야기를 들으며 의무기록을 작성해야 하는 패턴에서 벗어날 수 있게 됐다. 기록은 AI가 대신 해주기 때문에 의료진은 환자의 이야기에 집중할 수 있게 된다. 또한, 모든 대화 내용을 기록할 수 있기 때문에 실제 치료 계획에서 중요하게 활용될 수 있는 세부적인 증상 정보도 빠짐없이 기록으로 남길 수 있다.
예를 들어, 외래나 회진 등 진료 과정에서 의료진이 환자에게 어느 부위가 아픈지, 통증 정도는 어느 정도인지 진료를 할 때, 모든 대화 내용이 텍스트로 실시간 기록된다. 진료 음성 인식 시스템은 이 내용을 토대로 환자의 주요 증상, 질환 분류 등을 파악하고 의료진과 환자의 대화 내용을 요약해 기록을 업데이트한다.
기존 방식에서는 핵심이 되는 정보만 약식으로 기록하거나 차트에 체크하는 형태로 이루어지기 때문에 디테일한 정보는 일부 누락될 가능성이 있다. 이에 비해 진료 음성 인식 시스템은 세부적인 내용까지 반영해 기록을 생성하므로 보다 정확도 높은 정보를 제공할 수 있다.
서울아산병원은 현재 종양내과, 이비인후과, 정신건강의학과 등 16개 진료과를 비롯해 응급실, 정형외과 병동 등에서 진료 음성인식 시스템을 활용하고 있으며, 향후 모니터링을 거쳐 사용 범위를 점차 넓혀나갈 계획이다.
서울아산병원 정형외과 김지완 교수가 AI 진료 음성인식 시스템을 활용해 환자를 진료하고 있다 / 출처 : 서울아산병원 뉴스룸
개인 맞춤형 치료의 바탕 될 것
김영학 서울아산병원 디지털정보혁신본부장은 “AI 기반의 진료 음성인식 시스템을 통해 진료 과정에서 휘발되는 수많은 음성 데이터를 효과적으로 기록, 저장할 수 있다”라며, “의료진뿐만 아니라 환자의 목소리까지 반영된 정확한 증상 정보가 의료 질을 높이고 개인 맞춤형 치료를 제공하는 바탕이 될 수 있을 것이다”라고 말했다.
또한 김 본부장은 “앞으로도 진료 현장과 긴밀히 협업하며 AI 등 발전하는 디지털 기술을 실제 업무에 활용할 수 있도록 최적화하는 데 앞장설 것”이라고 말했다.
서울아산병원은 디지털 헬스케어 기반 미래 의료환경 조성을 위해 업무 프로세스 자동화(RPA), 디지털 병리시스템, 모바일 개인건강기록 서비스, 정밀의료시스템 등 다양한 분야에서 디지털 혁신을 시행해가고 있다.
지난해 말에는 미국 보건의료정보관리시스템협회(HIMSS)에서 시행하는 의료기관 디지털 정보화 인프라 평가 모델인 ‘INFRAM’ 분야에서 최고 등급인 7단계 인증을 받은 바 있다.
아주대학교 치과병원 채화성 교수(치과교정과)가 지난 3월 20일 스마트의료기기 상생포럼과 한국스마트의료기기산업진흥재단(KIMES)이 공동 개최한 ‘제 1회 상생포럼 의료진 의료기기 아이디어 공모전’에서 최우수상을 수상했다.
이번 공모전은 의료 현장의 창의적인 아이디어를 발굴하고, 이를 통해 의료기기 산업 발전과 임상현장 혁신을 촉진하기 위해 마련됐다.
채화성 교수의 수상작 ‘실시간 모니터링 기능을 갖춘 부정교합 교정 장치 및 시스템’은 환자의 교정치료를 보다 정밀하고 효과적으로 관리할 수 있는 혁신적인 기술을 적용했다는 점에서 높은 평가를 받았다. 이 기술은 부정교합 치료를 위해 착용하는 교정장치에 실시간 센서 및 데이터모니터링 기능을 추가하여 환자의 착용상태 및 교정력 여부를 정확히 분석할수 있도록 설계되었다.
특히 스마트 센서를 활용해 착용 패턴을 추적하고, 환자별 맞춤형 치료 가이드를 제공하는 것이 특징이다. 채화성 교수와 김영호 교수는 이 기술에 대해 아주대의료원 첨단의학연구원 의료기술사업팀을 통해 공동으로 특허를 출원했다.
채화성 교수는 수상 소감에서 “의료 현장에서 실질적으로 활용 가능한 의료기기 개발을 지속적으로 추진해 환자들의 삶의 질 향상에 기여하고 싶다”고 밝혔다.
아주대학교의료원 첨단의학연구원장 김철호 교수는 “이번 수상은 아주대학교 치과병원의 연구 역량과 혁신성을 인정받은 뜻깊은 성과”라며 “향후에도 의료진들의 아이디어를 적극적으로 지원하여 혁신적인 의료기기 개발 및 산업화에 기여하겠다”고 격려했다.
부산대학교 연구팀이 특정 질병과 연관성이 높은 유전자를 발굴하는 데 있어 한 단계 더 나아간 AI 시스템을 개발했다. 이를 바탕으로 환자별 맞춤 치료를 제공하는 ‘정밀 의료 시대’가 더욱 앞당겨질 것이라는 기대가 커지고 있다.
질병 치료 보조하는 AI 시스템
인공지능(AI)의 적용이 확산되면서, 의료 분야에서도 다양한 방법으로 AI가 활용되고 있다. 특히 최근에는 특정 질환과 연관성이 높은 유전자를 발굴하는 작업에서도 AI가 두각을 나타내고 있다. 이 분야에서의 AI는 기존까지 특정 유전자가 질병과 연관성이 있는지를 예측해내는 정도였다.
부산대학교 연구팀은 최근 여기서 한 발 더 나아간 AI 시스템을 선보였다. 유전자와 질병의 연관성 예측과 함께, 해당 유전자가 질병 치료를 위한 표적이 될 수 있는지, 혹은 생체 지표로서 기능할 수 있는지까지 예측할 수 있는 방식이다.
부산대학교 정보컴퓨터공학부 송길태 교수는 부산대학교병원 순환기내과 이혜원 교수와의 공동연구를 통해 이와 같은 시스템을 개발했다. 특정 유전자가 질병의 발생 여부나 진행 정도를 평가할 수 있는지, 혹은 특정 유전자를 조작하거나 수정함으로써 해당 질병을 치료할 수 있는지를 AI가 판단할 수 있는 방식이다. 이는 질병의 조기 진단 및 예후를 예측할 때 중요한 정보가 된다.
유전자 간 복합적 상호작용 분석
질병은 보통 개인이 가지고 있는 유전적 요소들이 복합적으로 작용함으로써 발생한다. 하나의 질병은 여러 유전자들이 상호작용한 결과이기 때문에, 단순히 ‘질병과 유전자의 연관성’만 예측하는 것으로는 부족하다. 상호작용한 유전자들 가운데는 해당 질병과 보다 연관성이 높은, 혹은 보다 직접적으로 연관돼 있는 유전자가 있을 것이기 때문이다.
이에 연구팀은 유전자 간 상호작용을 통합적으로 반영하는 접근법을 채택했다. 상호작용 과정을 세밀하게 분석함으로써, 어떤 유전자가 질병의 바이오마커(생체 지표)가 될 수 있는지, 어떤 유전자가 치료 표적이 될 수 있는지를 예측할 수 있을 거라는 관점이었다.
연구팀은 ‘하이퍼그래프(Hypergraph)’와 ‘어텐션(Attention)’ 알고리즘을 사용했다. 질병에 관여하는 다양한 생물학적 요소들 사이에 어떤 상호작용이 일어나는지를 모델링하고, 이를 연산해 시각화함으로써 예측 결과에 대한 설명도 제공한다.
질병 원인 제거하는 정밀 의료 가능성
연구팀은 생물학 전문가들에 의해 큐레이션된 오픈소스 데이터베이스(DB)를 활용해, 개발한 AI 시스템을 검증하고자 했다. DB에서 유전자, 질병, 인간 표현형 온톨로지 등에 관련된 데이터를 확보해 시스템 검증을 진행했다.
송길태 교수는 “이번에 개발한 AI 시스템을 활용하면, 단시간 내 특정 질병을 치료하기 위한 유전자 후보군을 발굴할 수 있다”라며 “이를 기반으로 질병을 유발하는 유전자에 직접 작용해, 질병의 근본적인 원인을 제거하는 정밀 의료에 한 걸음 더 다가갈 수 있을 것”이라고 설명했다.
연구팀은 이 시스템에 대한 국내 특허 출원을 완료했다. 한편, 부산대학교 산학협력단의 지원을 받아 미국에서의 특허 출원도 진행 중이다. 이번 연구 성과는 영국 옥스퍼드 대학에서 발간하는 국제 학술지 「생명정보학 브리핑(Briefings in Bioinformatics)」에 지난 1월 22일 게재됐다.
인공지능(AI)의 발전 속도는 무척 빠르다. 특히 방대한 데이터를 탐색하고 분석하며, 핵심을 정리하는 데 있어서는 AI 도구를 사용하는 편이 훨씬 효율적·효과적이다. 의료 분야에서도 의사들의 진단 및 결정에 AI를 활용함으로써 더 나은 결과를 얻을 수 있다는 연구 결과가 나왔다.
AI의 ‘진단 능력’ 테스트
미국 스탠포드 대학병원의 조교수인 조나단 H. 첸 박사는 자신의 연구팀과 함께 AI의 의료 활용성에 관한 연구를 진행 중이다. 대규모 언어 모델(LLM)이 의료적 진단이나 처방이 필요한 상황에 효과적으로 답할 수 있는지에 대한 데이터를 축적하고 있다.
일반적으로 AI는 방대한 자료나 데이터 안에서 현재 상황에 필요한 내용을 찾아내는 등의 작업에 매우 효율적이다. 이런 종류의 작업에서는 전문의보다 우수한 성과를 내놓을 가능성이 매우 높다. 하지만 이것만으로는 충분하지 않다는 것을 대부분의 전문가들이 알고 있다.
첸 박사는 특히 양자택일이 아닌 상황, 답이 명확하게 정해져 있지 않은 상황에서도 AI가 합리적인 답을 내놓을 수 있을지에 주목하고 있다. 예를 들어, ‘혈액 응고 방지제를 처방받아 복용 중인 환자는 수술 전 언제부터 언제까지 복용을 중단해야 하는가?’ 또는 ‘어떤 약물로 인해 부작용을 겪은 환자는 치료 방식을 어떻게 바꿔야 하는가?’와 같이, 전문의의 주관적 판단이 필요한 질문들이다.
첸 박사는 “이 연구는 우리로 하여금 AI를 어떻게 활용할 것인지에 대해 비판적으로 생각할 수 있게 한다”라며 “인간은 무엇에 능숙하고, 컴퓨터는 무엇에 능숙한지를 반복해서 묻고 그에 대한 답을 찾아가는 과정이라고 생각한다”라는 의견을 내놓았다. 이를 통해 기술을 어디에 사용할지, 무엇과 결합하여 응용할지, 어떤 작업을 AI로 대체할지를 사려 깊게 생각할 수 있을 거라는 입장이다.
AI가 ‘의학적 결정’을 내릴 수 있을까?
첸 박사의 연구팀은 지난 2024년 10월, 질병 진단에서 AI 챗봇이 어느 정도의 성과를 보이는지를 테스트했다. 그 결과 챗봇이 때로는 의사보다 정확도가 높을 수 있다는 결과를 얻어, 그 내용을 「JAMA 네트워크 오픈」에 게재한 바 있다.
이번 연구는 보다 깊게 들어갔다. ‘임상 관리 및 추론’의 영역에는 고려해야 할 변수가 많고, 공식처럼 정해진 답이 없는 경우가 많다. 이런 상황에서 AI의 진단 능력이 얼마나 효과적일지를 평가하고자 한 것이다.
연구팀에 소속된 스탠포드 임상우수연구센터 박사 후 연구원 에단 고는 이 작업을 ‘스마트폰의 지도 앱을 사용하는 것’과 비교해 설명했다. 지도 앱에서 네비게이션 기능을 사용하면 목표한 지점에 도달하기 위한 여러 가지 방법을 보여준다. 여러 변수를 고려했을 때 그중 어떤 경로가 가장 좋은 선택일지를 최종 결정하는 것은 사용자의 몫이다. 이것이 임상 관리 및 추론의 영역이다.
연구팀은 92명의 의사들을 동원해, AI의 지원을 받는 A그룹 46명, 그리고 인터넷 검색 및 의료 참고문헌만을 사용하는 B그룹 46명으로 나눴다. 그리고 이들의 진단 및 처방 성과를 AI와 비교하기 위해 익명 처리된 환자 사례 5개를 선택해 제공했다. 과제 자체가 주관성이 필요한 영역이므로, 전문의 인증을 받은 의사 그룹의 자문을 받아 판단 기준을 만들었다.
평가 결과, AI의 진단은 B그룹보다 확연히 나은 성과를 보였다. AI의 지원을 받은 A그룹은 AI 스스로 진단한 것과 비슷한 성과를 보였다.
‘AI 의사’의 가능성?
환자에게 가장 적합한 치료법을 결정하는 데는 무수한 변수가 따른다. 침습적 수술이 가장 효과적이더라도 환자가 수술이 어려운 상황일 수도 있고, 기존 증상에 대해 최선의 조치가 돼 있지 않을 수도 있다. 모든 의학적 결정에는 이러한 ‘맥락’이 함께 고려돼야 한다고 첸 박사는 말한다.
그는 앞으로 ‘AI를 사용했을 때 의사가 환자를 더 사려 깊게 살필 수 있는지’, 또는 ‘AI를 사용함으로써 의사가 미처 생각하지 못한 지점을 발견해주는지’ 등에 의사들을 보완해주는 것에 초점을 맞춰야 한다고 이야기했다.
실제로 AI는 데이터를 ‘편견 없이’ 살핀다. 이는 언뜻 좋은 의미일 수도 있지만, 바꿔 말하면 ‘좋은 정보’와 ‘나쁜 정보’를 구분하지 못할 수도 있다는 의미도 된다. 첸 박사는 “서로 모순이 되는 정보 사이에서 무엇이 옳은지, 무엇이 더 믿을만한지를 분별하도록 하는 것이 앞으로의 숙제가 될 것”이라고 이야기했다. 한편, 이번 연구 결과는 「네이처 메디슨(Nature Medicine)」에 게재됐다.
질병과 질병 사이의 연관성을 추적해주는 인공지능(AI) 도구가 개발됐다. 이로써 하나의 질병이 어떻게 다른 질병으로 이어지는지 폭넓게 확인할 수 있을 것으로 보인다. 나아가, 하나의 질병을 치료함으로써 다른 질병을 어떻게 예방할 수 있는지도 알 수 있다.
질병 간 연관성 추적하는 AI 도구
사우디아라비아의 킹 압둘라 과학기술대학(KAUST)에서는 수많은 의학 논문 및 관련 자료와 실제 환자 데이터들을 대거 수집하고, 각 질병의 원인과 증상, 치료 전략에 따른 결과 등을 매핑하는 작업을 진행했다. 인공지능의 자연어 처리(NLP) 기술을 활용해 수많은 연구 사례를 스캔하고, 이를 바탕으로 서로 인과관계로 묶을 수 있는 질병들을 파악해냈다.
연구팀은 이를 ‘KAUST 도구’라고 임시로 명명했다. KAUST 도구는 어떤 질병이 어느 정도 확률로 또다른 어떤 질병을 유발할 수 있는지를 알려줄 수 있다. 예를 들어, 2형 당뇨는 고혈당이라는 증상으로 인해 미세 혈관에서의 질환을 유발하고, 이로 인해 ‘당뇨병성 눈 질환’을 초래할 수 있다. ‘상위 질환’ 하나를 치료함으로써 ‘하위 질환’을 예방하거나 완화하는 데 도움을 줄 수 있다.
물론 상위 질환이 발병했다고 해서 모두가 하위 질환을 함께 겪지는 않는다. KAUST 도구는 질병이 발생한 원인을 추적하고 그에 따른 결과가 나타나는지를 확인하는 방식으로 질병 간 연관성을 검증한다. 이를 통해 현재 발생한 질병의 원인을 명확하게 밝혀내고, 이 과정에서 자칫 간과될 수 있는 또다른 위험성을 발견할 수도 있다.
다유전자 위험 점수 개선 가능성
「바이오 인포매틱스(Bioinformatics)」 저널에 게재된 연구를 통해, 연구팀은 KAUST 도구가 ‘다유전자 위험 점수(Polygenic Risk Score, PRS)’를 개선하는 데 도움이 된다고 이야기했다. PRS는 개인의 유전 정보를 기반으로 특정 질병이나 증상의 발생 위험을 평가하는 데 사용하는 지표다. 여러 유전자 변이를 토대로 개인의 질병 발생 위험을 통합 계산하는 방식이다.
연구팀의 설명에 따르면 기존의 PRS 모델은 하나의 유전적 변이가 하나의 질병에만 영향을 미친다고 가정하는 경향이 있다. ‘이 질병은 이 유전자 변이로 인해 발생한다’라고 1:1로 연결하는 식이다.
하지만 특정 유전자 변이는 하나의 질병 외에 다른 질병에도 직·간접적인 원인이 될 수 있다. KAUST 도구는 질병 사이의 인과관계를 추가해 예측 정확도를 향상한 PRS를 제공한다. 이로써 다양한 원인이 모여 발생하는 질병도 추적해낼 수 있는 가능성을 제시했다.
질병 사이 연관성 탐색 강화
KAUST 도구는 연구 커뮤니티를 통해 무료로 이용할 수 있도록 할 예정이다. 이를 활용해 특정한 질병을 앓고 있는 사람들이 유의해야 할 합병증이나 연관 질환을 총체적으로 살펴볼 수 있을 것으로 기대된다. 기존 약물이나 치료법을 어떻게 응용할 수 있을지도 제안하는 것은 물론, 특정 질병의 위험요소를 가지고 있는 사람에 대한 예방 전략을 개선하는 데도 활용할 수 있을 것이다.
연구팀은 향후 질병의 발생 경로를 추가로 조사하고 KAUST 도구를 더욱 강화시켜갈 예정이다. 이를 통해 각종 질병을 비롯한 건강 문제들 사이에 어떤 연관성이 있는지, 얼마나 관련이 있는지를 보다 정확히 알 수 있게 될 것이다.
