의심의 여지 없이 인공지능(AI)과 특히 딥러닝의 가장 흥미로운 잠재적 응용은 보건의료 분야가 될 것이다. 전통적으로 암이나 심장병과 같은 치명적인 질병의 진단은 문제의 조짐을 조기에 발견하기 위해 엑스레이 검사와 의료 영상 등에 의존해 왔다.

영상 인식은 페이스북의 안면 인식에서 구글의 이미지 검색에 이르기까지 머신러닝의 활약이 뛰어난 분야 중에 하나로 일상생활에서 사용이 점점 더 보편화되고 있다. 이름을 입력하지 않아도 사진에 태그를 달 수 있고 재미있는 고양이 사진을 필요할 때 찾을 수 있는 기술은 사소한 것처럼 보일 수 있지만 동일한 기술이 빠르게 확산되어 더 많은 분야에 적용하는 움직임이 더 빨라지고 있다.

중국에서는 심한 대기오염이 원인으로 보이는 폐암으로 매년 60만 명이 사망하고 있다. 방사선과 의사들이 컴퓨터 단층촬영으로 조기에 암을 진단할 기회를 가지고 있지만 자격 있는 의사가 매우 부족한 국가의 경우에는 매일 수백 건의 영상을 검사해야 하는 부담을 안고 있다. 영상 검토는 매우 지루한 작업으로 피로로 인해 실수나 오진이 드물지 않다.

이와 같은 상황에 대처하기 위해 첸 쿠안은 인퍼비전(Infervision)이라는 스타트업을 시작했는데, 딥러닝과 영상 인식에 집중하고 있다. 쓰촨 인민 병원에서 파일럿 프로젝트를 마친 인퍼비전을 현재 중국의 여러 최고 병원에서 사용하고 있다.

대도시 밖에 사는 사람들은 의료 영상을 포함한 정기 검진을 받지 못한다. 그들은 진단이 가능한 병원에 가기 전에 무엇인가 잘못됨을 느낄 때까지 기다리는 경우가 종종 있다. 하지만 손을 쓸 수 없을 정도로 늦은 경우를 자주 볼 수 있다. 따라서 딥러닝을 이용하여 이 문제를 완화시키려고 한다. 과거로부터 배운 지식으로 더 정확하게 진단할 수 있다면, 이 문제를 해결하는데 도움을 줄 수 있다.

쿠안은 의료영상저장전송시스템(PACS)와 같은 병원에서 사용하는 도구와 통합하여 진단 기술을 배울 수 있도록 쓰촨 병원의 다른 두 팀과 1년 동안 공동 작업을 진행했다. 연구팀은 폐 조직에서 암 결절의 잠재적 성장 가능성을 경고하는 진단의 정확도를 높이기 위해 실제 데이터를 사용한 학습을 수행했다.

딥러닝은 인간의 뇌를 모방하는 네트워크 노드를 따라 데이터를 전송하는 알고리즘인 심층 신경망을 이용한다. 이 네트워크는 처리한 데이터에 기반한 적응성을 가지고 있기 때문에 노드 간에 데이터를 전달하면서 다음 데이터 처리를 위한 더 효율적인 프로세스를 스스로 학습할 수 있다. 이 과정을 학습이라고 볼 수 있기 때문에 스스로 위험한 신호를 식별할 수 있게 가르칠 수 있는 것이다.

쿠안이 사용한 방법은 감독 학습으로 알려진 특수한 방법인데, 위험을 보여주는 영상을 어떻게 식별하는지를 모델화하여 학습에 이용하는 것이다. 예를 들어 폐암이 진단된 이전 CT 영상을 학습용 데이터로 사용하는 것이다. 기본적으로 우리가 필요한 것은 많은 양의 데이터라고 말한 쿠안은 매우 간단한 모델을 만들고 기본적으로 엑스레이 영상이 정상인지 아닌지를 예측할 수 있도록 가르쳤다. 기본적으로 건강한 영상에 대해서는 방사선과 의사가 많은 시간을 소모하지 않아도 되고 비정상의 경우에 집중할 수 있게 하는 것이라고 설명했다.

2015년 인퍼비전은 투자를 유치하고 중국 내 다른 병원으로 확장했으며 현재 다른 나라로 진출하기 위한 협력 상대를 찾고 있다. 쿠안은 인포비전의 중요한 요소는 의사를 대체하는 것이 아니라 진단을 지원하여 빠르고 정확하게 진단 업무를 처리할 수 있게 하는 것이라고 강조했다.

중국의 경우 8만 명의 방사선과 의사가 매년 14억 장의 영상을 처리해야 한다. 인공지능과 딥러닝을 이용한다면 의사들의 업무를 보강할 수 있다. 인공지능이 더 잘할 수 있는 분야는 기계화가 적합한 분야와 마찬가지로 전원이 차단될 때까지 지루함이나 집중력 저하 없이 일할 수 있는 분야다.

인퍼비전을 비롯한 여러 회사가 인공지능을 이용한 진단을 다른 신체 부위로 확장하고 있어 조만간 더 많은 성공 사례가 나올 것으로 보인다.