[태그:] 인공지능

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.

인공지능의 발전 속도는 매우 가파르다. ‘창작’이 가능하게 된 건 이미 한참 전의 일이 됐고, 무엇이 궁금할지 예상하기도 하고 직접 질문을 던지기도 한다. 인공지능이 빠르게 인간에 가까워져 가고 있는 와중에 ‘공감능력’도 가질 수 있다는 연구 결과가 나왔다.

공감능력 블라인드 테스트

캐나다 토론토 대학이 「커뮤니케이션 심리학(Communication Psychology)」 저널에 내놓은 연구 결과에 따르면, 인공지능이 오히려 인간보다 신뢰할 수 있고 일관된 공감 반응을 할 수 있다. 감정적으로 도움이 필요한 사람들을 응대하는 전문 상담사의 역할까지 해낼 수 있다는 것이 연구팀의 설명이다.

토론토 대학 연구팀에 따르면 인공지능의 가장 뚜렷한 강점은 ‘지치지 않는다’라는 것이다. 아무리 훈련된 전문가라고 해도, 인간은 체력적인 한계가 있다. 감정적 긴장이 장시간 지속되면 지칠 수밖에 없고, 그로 인해 ‘반응의 질’이 달라질 수 있다. 하지만 인공지능은 기계이므로 그런 문제가 없다.

연구팀은 챗GPT가 생성해낸 공감 반응에 대해 사람들이 어떻게 평가하는지를 알아보도록 했다. 실험의 구조 자체는 그리 복잡하지 않다. 일련의 긍정적, 부정적 시나리오를 만들고, 그것에 대해 해당 분야 전문가, 일반인, 그리고 인공지능이 답한 내용을 서면으로 만들었다. 이것을 참가자들에게 판단하도록 했다. 일종의 ‘블라인드 테스트’인 셈이다.

시나리오와 답변 내용을 검토한 참가자들은 ‘더 잘 공감하는 것 같다’라고 생각하는 순서로 답했다. 결과는 인공지능의 승리였다. 인공지능이 내놓은 답이 가장 높은 선호도를 얻었다는 의미다. ‘고작 챗GPT가 내놓은 결과’라고 하기에는 가벼이 볼 수 없는 결과다. 

인공지능 공감능력, 지치지 않는다

어떻게 이런 일이 가능할까? 인간은 기본적으로 타인의 이해와 인정을 필요로 한다. 이를 통해 다른 사람과 연결돼 있다고 느끼고, 사회적으로 결집될 수 있다. 이는 인간사회에 공감이 필요한 가장 중요한 이유다.

다만, 공감은 공짜가 아니다. 공감을 표현한다는 것은 자신의 감정을 소진하는 것이며, 이것이 반복되면 공감하는 사람은 정신적 피로를 느끼게 된다. 관련된 분야에 종사하는 사람들은 이러한 ‘감정적 소진’을 피하기 위해, 공감 능력을 조절하는 경우도 있다. 더 잘 공감해줄 수 있는 능력을 가지고 있음에도, 다른 사람에게 공감할 수 있는 에너지를 남겨두어야 하기 때문이다.

하지만 인공지능은 그런 조절이 필요하지 않다. 할 수 있는 최대한 능력을 발휘하더라도, 얼마든지 지치지 않고 같은 품질의 공감을 제공할 수 있다. 연구팀의 실험에서 보여준 바와 같이, ‘특정 상황에 공감할 수 있는 능력’을 높일 수만 있다면, 그것을 균일하게 계속 발휘할 수 있다는 것이다. 체력 문제, 정신력 문제가 없다는 것은 인간과 비교했을 때 가장 뛰어난 장점이다.

인공지능은 객관적이고 이성적

게다가 일반인이든 전문가든 인간은 결국 자신만의 관점과 가치관을 가지고 있다. 뛰어난 공감 능력을 가지고 있다고 해도 마찬가지다. 어떤 사안에 대해서는 특히 깊게 공감할 수도 있고, 반대로 어떤 사안에서는 이성적으로 공감하기 위해 애써야 할 수도 있다. 

물론 훈련된 전문가들은 이를 겉으로 드러내지 않고 능숙하게 해낼 수 있다. 하지만 자신의 관점과 가치관에 반하는 문제를 대할 때 정신적 자원이 심하게 소모된다는 사실 자체를 부정할 수는 없다.

반면, 인공지능은 수많은 사람들의 사례를 분석하고 학습해, 철저하게 객관적이고 이성적인 판단을 할 수 있다. 자신만의 관점과 가치관을 갖게 되는 인간과 달리, 인공지능은 모든 정보를 동등한 무게로 살펴본 다음 가장 적합하다고 생각하는 답을 내놓는다. 감정적인 문제를 오히려 극도의 이성으로 접근해 해결한다고 할 수 있다.

인공지능 공감능력, 인간 대체할까?

연구팀에 따르면, 이 분야의 ‘노동력’이 점점 부족해지고 있다. 정신건강 문제를 겪는 사람은 광범위하게 증가하고 있는 데 반해, 신뢰할 수 있는 서비스와 자격을 갖춘 전문가는 줄어들고 있다는 것이 연구팀의 분석이다. 가장 기본적인 형태의 상담 업무 담당자들마저 상당수가 챗봇이나 생성형 AI로 대체되고 있는 것은 실제 체감할 수 있는 현실이다.

그렇다면 이 빈 자리를 인공지능이 대체하게 해야 할 것인가? 연구팀은 이에 대해서는 회의적이다. 아마 대부분의 사람들도 비슷한 의견일 것이다. 현재로서는 ‘대체’가 아닌 ‘보완’에 가까워야 한다는 의견이 지배적이다.

연구팀이 지적하는 핵심은 ‘깊이’의 문제다. 정신건강 문제를 치료하는 데 표면적 공감이 중요한 것은 사실이지만, 근본적으로는 보다 깊은 내면까지 들여다보려는 접근이 필요하다. 이는 단순히 많은 상황에 대한 시나리오를 습득하는 것, 각각의 상황에 알맞은 답을 내놓을 수 있는 것만으로는 불가능한 별개의 영역이다.

인공지능이 해결해야 할 숙제

연구팀은 또한, 인공지능에 대한 과도한 의존이 윤리적인 문제를 불러올 수도 있다고 지적했다. 인공지능 기술을 다루는 기업들이 실제 도움이 필요한 사람들을 의도적으로 조종하게 만들 수도 있다는 것이다. 외로움을 느끼는 사람으로 하여금, 실제 타인과 교류하게 하는 대신 인공지능 챗봇과 대화하는 데만 몰두하도록 만들 수 있다는 것이다. 이미 실제로 존재하는 현상이기도 하다.

또 다른 문제는 인공지능에 대한 ‘불신’ 또는 ‘혐오’다. 인공지능이 진정으로 인간의 감정을 이해할 수 있을 것인가 하는 지극히 본질적인 문제다. 앞서 연구팀이 실시했던 테스트에서, 참가자들은 ‘누가 작성했는지 모르는 상황’에서는 인공지능이 생성한 답을 높게 평가했다. 하지만 사실을 알고 난 후에는 평가가 바뀌었다.

이것이 단순한 편견일지, 아니면 어떤 뚜렷한 근거에 기반한 것일지 지금으로서는 알 수 없다. 다만, 시간이 지나면 인공지능에 대한 신뢰도는 달라질 것이다. 어려서부터 스마트폰을 접하며 자란 세대가 스마트폰을 폭넓게 활용하는 것처럼, 어려서부터 인공지능을 사용하며 자란 세대는 그에 대한 신뢰도가 더 높아질 수도 있다.

그냥 보는 것으로는 알아차리기 힘든 미세한 행동 패턴으로부터 알츠하이머 초기 징후를 발견할 수 있다는 연구 결과가 나왔다. 육안 관찰로는 감지하기 어렵기 때문에, 인공지능 머신 러닝 모델을 활용하는 방식으로 성과를 거뒀다. 여기에 더해, 초기 증상이 발견됐을 때 적용할 수 있는 잠재적인 치료법이 효과가 있는지에 대한 테스트도 이루어졌다.

프레임 단위 미세한 행동 변화 분석

미국의 생명과학 분야 비영리 연구기관인 글래드스톤 연구소는 영상 기반의 머신 러닝 모델을 사용해 쥐 모델의 행동 패턴을 관찰했다. 연구팀은 알츠하이머의 주요 증상을 두 가지 유형으로 나눈 다음, 각각 다른 쥐 모델에게서 나타나도록 했다. 그런 다음 특정 공간을 탐색하도록 하고, 그 모습을 전체 촬영했다. 

촬영한 동영상은 VAME(Variational Animal Motion Embedding)이라는 동물 행동 분석에 특화된 머신 러닝 모델을 활용해 세부적으로 분석했다. VAME은 입력된 영상을 프레임 단위로 분할하고, 각 프레임에서 대상의 자세, 움직임, 속도 등의 특징을 잡아내 ‘중요한 행동 패턴’을 추출한다.

이를 통해 눈으로 관찰하는 것으로는 확인할 수 없거나 놓칠 수도 있는 미세한 행동 변화를 감지해낼 수 있다. 연구팀은 분석 결과를 바탕으로 신경퇴행성 질환의 징후를 보다 일찍 발견할 수 있다는 결론을 내렸다.

글래드스톤 연구팀은 두 종류의 쥐 모델 모두 시간이 지남에 따라 ‘무질서한 행동’이 상당히 증가했다는 점을 확인했다. 어떤 행동을 하다가도 맥락에 맞지 않는 전혀 다른 행동을 하는 경우가 종종 보였고, 한 가지 행동을 하다가 다른 행동으로 바꾸는 경우도  많았다. 연구팀은 이를 기억력 저하, 주의력 결핍과 관련이 있다고 보았다.

연구의 제 1저자인 스테파니 밀러 박사는 “스마트폰으로 촬영한 수준의 영상만 있어도 VAME을 활용해 충분히 행동을 분석할 수 있다”라며 “이를 통해 잠재적으로 신경퇴행성 질환이 발생할 우려가 있다는 조기 진단이 가능하다”라고 설명했다.

과제나 조건에 구애받지 않는 자유행동 분석

알츠하이머와 같은 신경퇴행성 질환의 징후를 포착하는 데는 보통 ‘행동 테스트’를 활용한다. 기존의 행동 테스트는 일반적으로 쥐에게 특정 과제를 수행하도록 유도하거나, 사전에 설정된 환경에서 어떤 반응을 보이는지 관찰하는 식으로 진행됐다. 미로 통과 실험이나 자극 반응 테스트가 대표적이다.

즉, 조건을 어떻게 설정하는지에 따라 다양한 실험이 가능하다는 장점이 있다. 하지만 이런 행동 테스트는 ‘자연스러운 행동 패턴’을 반영하는 데 한계가 있다. 또한, 연구자가 모델의 행동을 관찰하고 결과를 해석하는 방식이기 때문에 객관성 면에서 신뢰도가 다소 부족할 수 있다.

이에 비해 VAME은 촬영된 영상을 인공지능 기술로 분석하는 기법이다. 주어진 특정 과제가 아닌, 보다 넓은 공간을 자발적으로 탐색하도록 함으로써 행동의 자연스러움을 높였다. 시간을 특정하지 않고 오랫동안 탐색하게 두더라도, 촬영한 영상을 인공지능이 분석하기 때문에 객관성과 신뢰성도 보장된다. 연구자가 관찰을 위해 불필요하게 오랫동안 집중할 필요도 없다.

이를 응용할 경우, 일상 속에서의 자유로운 움직임을 영상으로 저장하여 인공지능에게 분석을 맡길 수 있다. 당사자도 의식하지 못하는 미세한 변화나 거듭해서 나타나는 패턴을 포착할 수 있는 것이다. 이에 따라 증상이 발생하기 한참 전부터 미리 위험을 확인할 수도 있다.

잠재적 치료법 검증에도 활용 가능

글래드스톤 연구팀은 증상에 대한 잠재적 치료를 시도하는 과정에 VAME을 활용할 수 있는지도 테스트했다. 팀의 일원 중 하나인 카테리나 아카소글루 박사는 과거 혈액 응고 단백질인 피브린이 뇌로 누출될 경우, 연쇄적으로 독성 반응을 일으킨다는 점을 발견해 연구 논문을 제출한 바 있다.

연구팀은 아카소글루 박사의 연구 결과를 활용해, 피브린에 의한 독성 반응을 차단하면 어떤 결과가 나타나는지를 확인하고자 했다. 유전자 편집을 통해 피브린이 뇌에서 염증을 유발하는 것을 차단한 다음, 마찬가지로 VAME을 통해 행동 분석을 실시했다. 그 결과 기존에 관찰됐던 무질서한 행동이 확연하게 줄어드는 것을 확인할 수 있었다.

아카소글루 박사는 “피브린에 의해 발생하는 신경 염증이 알츠하이머를 일으킬 수 있는 주요 원인이라는 점을 재차 확인했다”라며 “머신 러닝은 효과가 검증되지 않은 치료법을 평가하기 위한 신뢰할 수 있는 방법을 제공할 수 있으며, 임상 도구로서도 중요한 가치를 지닐 수 있다고 본다”라고 이야기했다.