인공지능(AI)이 녹내장 환자에게 어떤 영향을 미칠까요?

진행하는 시신경병증으로 인하여 특징적인 시신경의 형태학적인 변화와 그에 따른 시야 결손의 기능적 변화를 보이는 녹내장은 "조용한 시력 도둑"으로 불리며 돌이킬 수 없는 시력 손실을 초래하는 안과 질환입니다. 연구에 따르면 2040년까지 전 세계적으로 녹내장 환자는 약 1억 2천만명에 달할 것으로 예상되며, 현재도 백내장에 이어 실명을 유발하는 주요 안과 질환 중 하나 입니다. 녹내장으로 인한 실명의 방지에는 조기 발견과 지속적인 모니터링이 매우 중요합니다. 지금부터는 인공지능(Artificial Intelligence, AI)이 녹내장 관리에 어떻게 혁신을 가져오고 있는지, 조기 진단, 정밀 모니터링, 맞춤형 치료의 새로운 길을 여는 방법에 대해 알아보겠습니다.

조기 진단: 보이지 않는 것을 보는 능력

전통적으로 녹내장을 발견하는 방법은 안압 측정, 시신경 검사, 시야 평가 등 여러 복잡한 테스트를 포함합니다. 이러한 절차는 효과적이지만 안과 전문의의 전문 지식이 필요하고 시간과 비용이 많이 들 수 있습니다.

이때 등장하는 것이 AI입니다. 기계 학습의 발전으로, AI 알고리즘은 망막과 시신경의 이미지를 놀라울 정도로 정확하게 분석할 수 있습니다. 이러한 알고리즘은 광범위한 데이터 세트 (data set) 를 학습하여 녹내장의 미세하고 종종 보이지 않는 변화를 식별하는 방법을 배웁니다. 지금까지 많은 연구에서 AI 알고리즘의 녹내장 진단력에 대해서 확인하였고, 이들 연구를 종합해보면 안저촬영, 빛간섭단층촬영, 시야 검사 결과를 바탕으로 AI 시스템이 녹내장을 진단하는 능력은 녹내장 전문의의 판단 능력과 유사한 수준에 접근했음이 확인되었습니다. 이러한 AI 시스템을 계속 발전시켜 임상에 적용한다면, 녹내장 치료가 가장 효과적인 단계에서 시행되는데 큰 도움을 받을 수 있을 것 입니다.

질병 진행 모니터링: 픽셀 하나하나의 정밀성

녹내장이 진단된 후에는 환자가 질병 진행 상황을 추적하고 이에 따라 치료 계획을 조정하기 위해 지속적인 모니터링이 필요합니다. 전통적으로 이는 안과 전문의를 주기적으로 방문하여 시신경과 시야 변화를 평가하는 다양한 테스트를 수행하는 것을 포함합니다.

AI는 이 과정을 연속적이고 정밀한 모니터링을 제공함으로써 혁신할 수 있습니다. 기계 학습 모델은 연속적인 이미지 데이터를 분석하여 질병 진행을 나타낼 수 있는 미세한 변화를 감지할 수 있습니다. 이러한 정밀도는 조기 개입과 더 정확한 치료 조정을 가능하게 합니다.

맞춤형 치료: 개별화된 치료 계획

모든 녹내장 환자는 질병 진행, 치료 반응 및 기저 건강 상태에서 차이가 있습니다. AI의 방대한 데이터를 신속하게 처리하는 능력은 각 환자의 특정 요구에 맞춘 맞춤형 치료 계획을 만드는 것을 가능하게 합니다.

환자의 의학적 기록, 유전적 프로필, 생활 방식 요소 및 이전 치료 반응을 통합하여 AI는 안과 전문의가 더 효과적인 치료 전략을 설계할 수 있도록 도와줍니다. 예를 들어, AI는 특정 약물에 잘 반응할 가능성이 있는 환자를 예측하거나 수술 개입이 더 빨리 필요할 수 있는 환자를 식별할 수 있습니다. 최근 연구에서 AI 알고리즘이 임상 기록과 함께 유전 데이터를 분석하여 개별 환자에게 가장 효과적인 치료를 예측할 수 있음이 입증되었습니다. 이러한 맞춤형 접근 방식은 결과를 개선할 뿐만 아니라 환자의 삶의 질을 향상시켜 치료 계획에서 시행착오를 최소화합니다.

접근성 향상 및 비용 절감

녹내장 관리에서 AI의 가장 큰 이점 중 하나는 접근성을 향상시키고 의료 비용을 절감할 수 있다는 것입니다. 국내 여건과는 다르게 세계 여러 지역에서는 전문적인 안과 진료에 대한 접근이 제한적입니다. AI 기반 진단 도구는 초기 선별 검사와 적시의 의뢰를 가능하게 하여 1차 진료 설정, 원격 지역 및 저소득 지역에 배포될 수 있습니다.

게다가 AI는 이미지 분석 및 데이터 해석과 같은 일상적인 작업을 자동화하여 의료 제공자가 환자 진료에 집중할 수 있는 귀중한 시간을 확보할 수 있습니다. 이러한 효율성 증가는 환자와 의료 시스템 모두에게 비용 절감을 가져올 수 있습니다.

추가적인 잠재력

AI 시스템과 웨어러블 기술의 통합을 통해 지속적이고 연속적인 안압의 평가도 가능합니다. 이는 녹내장 진단의 정확성을 높이고 치료의 성공률의 높이는데 기여할 것입니다. 더불어 AI는 생물학적 데이터를 분석하여 새로운 약물 후보를 식별하고 그 효과를 예측함으로써 녹내장 신약 개발을 가속화할 수 있습니다.

과제와 고려 사항: 앞으로의 길 탐색

녹내장 관리에서 AI의 잠재적 이점은 엄청나지만 해결해야 할 과제와 고려 사항이 있습니다. AI 알고리즘의 정확성과 신뢰성을 보장하는 것이 중요합니다. 이는 임상 시험을 통한 광범위한 검증과 새로운 데이터에 기반한 AI 모델의 지속적인 업데이트가 필요합니다.

데이터 프라이버시와 보안도 중요한 문제입니다. 환자 정보를 보호하면서 AI 기술을 활용하기 위해서는 강력한 규제 프레임워크와 윤리적 지침이 필요합니다.

마지막으로, AI를 임상 실습에 통합하려면 의료 제공자의 교육과 적응이 필요합니다. 안과 전문의와 기타 안과 의료 제공자는 AI가 생성한 통찰력을 해석하고 이를 의사 결정 과정에 통합할 수 있는 기술을 갖추어야 합니다.

이처럼 녹내장 관리에 AI를 적절하게 활용한다면 조기 발견, 정밀 모니터링 및 맞춤형 치료 등이 가능하며, 이를 통해 녹내장 환자의 삶의 질 향상을 도모할 수 있습니다. 아무리 좋은 도구라도 누가 어떻게 그 도구를 사용하는지가 매우 중요합니다. AI가 녹내장의 진단과 치료에 미치는 효과는 우리가 상상하는 것 그 이상이 될 수 있지만 무엇보다 중요한 것은 그러한 잠재력을 실제 의료 환경에 적용할 수 있도록 하는 노력이며 이를 위해서는 환자, 보호자 그리고 의료진 사이의 협력이 중요할 것 입니다.

* 보다 구체적인 내용은 주변의 녹내장 전문의에게 문의 바랍니다. 주변의 녹내장 전문의는 한국녹내장학회 홈페이지 또는 https://koreanglaucoma.org 를 방문해서 검색하세요.

참고문헌

1. Li F, Wang Z, Qu G, et al. Automatic differentiation of glaucoma visual field from non-glaucoma visual filed using deep convolutional neural network. BMC Med Imaging. 2018;18(1):35.
2. Li Z, He Y, Keel S, Meng W, Chang RT, He M. Efficacy of a deep learning system for detecting glaucomatous optic neuropathy based on color fundus photographs. Ophthalmology. 2018;125(8):1199-1206.
3. Wang P, Shen J, Chang R, et al. Machine learning models for diagnosing glaucoma from retinal nerve fiber layer thickness maps. Ophthalmol Glaucoma. 2019;2(6):422-428.
4. Asaoka R, Tanito M, Shibata N, et al. Validation of a deep learning model to screen for glaucoma using images from different fundus cameras and data augmentation. Ophthalmol Glaucoma 2019;2:224–231.
5. Mirzania D., Thompson A. C., Muir K. W. Applications of deep learning in detection of glaucoma: a systematic review. Eur. J. Ophthalmol. 2021;31:1618-1642.
6. AlRyalat SA, Singh P, Kalpathy-Cramer J, Kahook MY. Artificial Intelligence and Glaucoma: Going Back to Basics. Clin Ophthalmol. 2023;17:1525-1530.
7. Ittoop SM, Jaccard N, Lanouette G, Kahook MY. The Role of Artificial Intelligence in the Diagnosis and Management of Glaucoma. J Glaucoma. 2022;31(3):137-146.

도움말: 용인세브란스병원 이상엽