의학 연구에서의 생성형 인공지능의 잠재력

분당서울대병원 순환기내과
전 기 현

생성형 인공지능(Generative AI)의 등장은 의학 연구에서 전통적인 방법론을 혁신하고 새로운 가능성을 제시하였습니다. ChatGPT와 같은 모델을 포함한 생성형 AI는 인간과 유사한 텍스트를 생성하고, 복잡한 데이터 세트를 분석하며, 실험을 설계할 수 있는 능력을 갖추고 있어 연구자들에게 매우 강력한 도구로 자리 잡고 있습니다.

이제까지 우리는 의학 연구를 위한 자료를 조사할 때 "검색 (Search)"을 하였습니다. 설정한 가설과 관련된 키워드를 조합하여 데이터를 찾아내는 방법으로 얼마나 정확한 키워드를 조합하느냐가 중요했습니다. 예컨대, 도서관에 가서 책을 찾기 위해서 문학인지 비문학인지, 한국 문학인지 영미 문학인지, 소설인지 시인지와 같은 키워드를 잘 알아야 책의 "위치"를 정확히 찾을 수 있는 것이었지요. 그러나 생성형 AI를 사용하면 더이상 검색 (Search)이 아닌 질문 (Ask)을 통하여 정보를 얻을 수 있습니다. 이제 도서관에 가서 책이 어디에 있는지 찾아서 읽지 않고, 그 책의 내용이 무엇이고 얻을 수 있는 교훈이 무엇인지 질문하여 답을 얻을 수 있게 되었습니다. 이러한 변화는 연구 효율성과 연구자의 생산성을 높이는 데 기여할 수 있습니다.

생성형 AI의 가장 중요한 기여 중 하나는 의학 데이터를 신속하게 처리하고 분석하는 능력입니다. 의학 연구에서 통계는 가설을 증명하고 의학적 통찰을 얻는 데 가장 중요한 단계입니다. 고전적으로 SPSS나 R과 같은 통계 프로그램을 많이 사용하였는데, SPSS는 사용이 편하고 직관적으로 이해할 수 있는 반면에 확장성이 떨어져서 분석에 한계가 있고, R이나 SAS와 같은 코딩을 기반으로 하는 프로그램은 다양한 통계분석을 할 수 있으나 코드를 알아야 하는 진입장벽이 있습니다. 이러한 한계는 많은 연구자들이 데이터 분석을 통해 심도 깊은 통찰을 얻는데 어려움이 되었습니다. 2022년 11월에 본격적인 서비스를 시작한 OpenAI의 ChatGPT는 이듬해인 2023년 3월에 코드 인터프리터 (Code interpreter) 서비스를 내놓았습니다. 이는 이름 그대로 인간의 언어와 컴퓨터의 언어 사이에서 통역을 해주는 AI로, 복잡한 코딩을 몰라도 원하는 분석을 인간의 언어로 이야기하면 이를 컴퓨터의 언어인 코드로 번역하여 실행시켜 줍니다. 과거에는 통계 전문가만 할 수 있었던 복잡한 통계도 ChatGPT를 이용하면 쉽게 분석과 시각화를 할 수 있습니다. 이러한 기술은 의학 데이터를 더욱 효과적으로 활용할 수 있게 해주며, 특히 빅데이터 분석과 개인화된 의학 연구에서 큰 이점을 제공합니다.

논문 작성은 연구자의 “영어 실력”에 따라 논문의 질의 차이가 많이 났습니다. 아무리 데이터 분석을 잘 하고 이를 통해 훌륭한 통찰을 얻어도 영어로 잘 풀어내지 못하면 논문이 빛을 못 보는 경우가 많이 있습니다. 언어의 장벽 (Language barrier)이 있는 셈이죠. 생성형 인공지능에 대해 가장 개방적인 의학저널인 NEJM AI는 “Why We Support and Encourage the Use of Large Language Models in NEJM AI Submissions (2023)”라는 제하의 사설 (Editorial)에서 LLM의 사용이 언어의 장벽을 허물어서 연구의 다양성을 증진시키고 논문의 질을 향상시킬 수 있다고 서술하였습니다. 더 이상 저자의 영어 실력이 논문의 질을 좌우할 일이 없게 되었습니다. 이는 특히 비영어권 연구자들에게 큰 기회와 혜택을 제공하며, 전 세계적으로 연구의 질과 가치를 올릴 수 있게 되었습니다.

이러한 잠재력에도 불구하고, 의학 연구에서 생성형 AI의 사용에 대해서는 아직 풀어야 할 숙제가 많이 있습니다. 데이터 프라이버시, 편견의 지속 가능성, AI 생성 콘텐츠의 오용 가능성 등의 문제는 신중히 다뤄져야 합니다. 또한 AI가 생성한 결과물이 과학적으로 유효하고 임상적으로 관련성이 있도록 하기 위해 전문가로서의 역할이 여전히 중요합니다. 과거의 방식에 대한 경험이 없는 미래의 연구자들에게 "도서관에서 책을 찾는 법"을 어떻게 교육하여야 할지도 중요한 과제입니다. 기술의 진보는 기존 지식을 기반으로 이루어지며, 이러한 균형을 유지하는 것이 무엇보다 중요합니다.

생성형 AI는 의학 연구에서 혁신을 가져올 수 있는 강력한 도구입니다. 정보 획득 방식의 변화, 데이터 분석의 혁신, 언어 장벽의 제거 등은 연구자들에게 더 많은 가능성을 열어줍니다. 그러나 이러한 기술의 활용에는 신중함과 윤리적 고려가 필요하며, 인간의 통찰력과 책임감 있는 사용이 병행되어야 합니다. 미래에는 생성형 AI와 인간 연구자의 협력이 의학 연구의 새로운 지평을 열 것으로 기대됩니다.