의료 AI와 병리학: 패스AI 앤드루 벡이 말하는 진단 재현성·바이오마커·신약 개발

핵심 메시지

• 병리 진단은 병리학자가 이미지를 주관적으로 해석하는 작업이라 관찰자 간·내 편차가 크고, AI의 핵심 가치는 이 재현성을 높이는 데 있다.
• AI 도구를 먼저 두지 말고 '해결할 일'에서 출발해 필요한 데이터를 확보하라는 것이 벡의 일관된 원칙이다.
• 모델 신뢰의 관건은 처음 보는 데이터에 대한 일반화 성능이며, 세포·조직 단위 분류로 예측의 생물학적 근거를 설명할 수 있다.
• FDA 허가를 받은 MASH 채점 도구는 병리학자에게 영역과 초기 점수를 겹쳐 보여 주어 재현성과 정확성을 높이고, 이는 임상시험의 통계적 검정력으로 이어진다.
• 라디올로지 사례처럼 AI는 병리학자를 대체하기보다 효율과 표준화를 높이고, 늘어나는 검체와 부족한 인력의 간극을 메우는 방향으로 쓰인다.

쉽게 이해하기

이 대담에서 패스AI(PathAI)의 공동창업자 겸 CEO 앤드루 벡은 의료 AI가 오히려 과소평가돼 있다고 말했다. 언어·영상·판단·의학 문헌 활용이 필요한 거의 모든 영역, 즉 진료 전달뿐 아니라 후방 업무와 신약 개발까지 AI가 스며들 것이며, 지금 몇몇 사례만 부각돼 그 폭이 작아 보일 뿐이라는 것이다. 그는 브라운대 의학·스탠퍼드 생의학정보학 박사 배경으로, 이미지 해석과 통계가 만나는 병리학에 일찍이 매료됐다고 소개했다.

벡은 학계에서 창업으로 옮긴 이유로 '영향력의 실현'을 꼽았다. 훌륭한 논문과 개념 증명은 많았지만, 그것을 실제 임상과 신약 개발에 배포해 성과로 잇는 데는 전혀 다른 자원과 조직이 필요했다는 것이다. 그는 도구를 앞세우기보다 '해결할 일'에서 출발해 그에 꼭 맞는 데이터를 모으고, 고객과의 선순환으로 데이터를 계속 개선하라고 강조했다.

신뢰를 얻는 방법으로 그는 두 축을 들었다. 첫째는 처음 보는 데이터에 대한 일반화 성능으로, 여러 데이터셋에서 일관되게 재현되면 해석이 어렵더라도 신뢰가 쌓이고 그것이 무너지면 신뢰도 사라진다. 둘째는 병리 이미지의 세포·조직을 개별적으로 분류해, 예측 모델이 어떤 세포와 패턴을 근거로 판단하는지를 설명하는 것이다. 이렇게 하면 예측력과 생물학적 통찰을 동시에 얻을 수 있다고 했다.

구체적 사례로 그는 FDA 허가를 받은 MASH(대사이상 지방간염) 채점 도구를 들었다. 지방·염증·풍선변성 간세포·섬유화 같은 특징을 병리학자가 보조 없이 주관적 등급으로 매기다 보니 같은 사례에서도 판독이 크게 달라진다. AI 시스템은 동일한 이미지 위에 해당 영역을 표시하고 초기 점수를 제시하며, 병리학자는 이를 검수해 승인하거나 수정한다. 이렇게 높아진 재현성은 임상시험의 잡음을 줄여 통계적 검정력을 키우고, 유효한 약이 승인에 이르는 데 직접 기여한다.

바이오마커 발견 사례로는 종양 미세환경의 림프구 대 섬유아세포 비율이 항PD-1·항PD-L1 면역항암제 반응을 강하게 예측하며, PD-L1 음성 환자에서도 유효했다는 연구를 소개했다. 그는 AI가 병리학자를 대체한다는 우려에 대해, 디지털화가 앞섰던 라디올로지에서 오히려 방사선의사 수요가 늘었듯 병리학에서도 효율과 표준화를 높이고 인력 부족을 메우는 방향이 될 것이라고 답했다.

주요 인사이트

• AI의 강점은 결정론적이라는 데 있다. 같은 입력에 같은 출력을 내므로, 사람마다 달라지던 병리 판독의 재현성을 임상검사실 수준으로 끌어올릴 수 있다.
• 진단 재현성의 향상은 단순한 편의가 아니라, 임상시험에서 잡음을 줄여 검정력을 높이고 유효한 신약의 승인을 좌우할 수 있는 신약 개발의 핵심 가치다.
• 범용 프런티어 모델과 병리 특화 파운데이션 모델(플루토) 사이의 선택은 이념이 아니라 성능·비용·최종 제품 특성을 보고 데이터가 답하게 해야 한다.
• 많은 의료 문제는 지능이 부족해서가 아니라 운동·대사 관리 같은 공중보건 과제여서, AI는 만능이 아니라 중요한 도구 하나로 자리매김한다.
• 규제·검증 수준은 사람이 개입하는지, 오진의 위험이 얼마나 큰지 등 용도에 따라 달라져야 하며, 가장 중요한 용도일수록 강력한 AI의 지원이 오히려 필요하다.

자주 묻는 질문

관련 AI 소식