▲AI프로그램 CHAIN(출처=macro-eyes 홈페이지)
▲AI프로그램 CHAIN(출처=macro-eyes 홈페이지)

최근 한 스타트업이 인공지능(AI)을 사용해 백신 전달 및 환자 일정 계획을 향상해 글로벌 백신 프로그램을 개선하는 방법을 제안했다.

매크로아이즈(macro-eyes)AI 기반 백신 확대 프로젝트를 시작했다. 프로젝트에는 고유한 실시간 데이터 조합을 활용하는 백신 예측 도구 CHAIN(Connected Health AI Network)이 포함된다. 매크로아이즈는 매사추세츠공과대학(MIT)과 협력해 이 도구를 개발했다.

전 세계 백신 접종 현황

아워월드 인 데이터에 따르면, 백신의 주요 수혜자는 영유아다. 백신으로 예방 가능한 일부 질병은 발병했을 경우 치료가 불가능하거나 영구적인 장애를 일으키는 위험한 질병이다. 많은 사람이 혜택을 보고 있는 백신으로는 인플루엔자 백신이 있다. 전문가들은 매년 인플루엔자 백신 접종을 권장한다.

2018년을 기준으로 12개월 아기의 89%가 결핵 예방접종을 받았다. 11%는 치명적인 호흡기 질환인 결핵에 걸릴 위험이 있는 것이다. 86%는 홍역 예방접종을 받았고 86%는 디프테리아 예방접종을 받았다. 85%는 소아마비, 84%B형 간염, 72%B형 헤모필루스 인플루엔자, 47%는 폐렴구균 감염, 35%는 로타바이러스 예방접종을 받았다. 로타바이러스 예방접종 비율이 낮기 때문에 나머지 아동들은 소아 사망의 주요 원인 중 하나인 설사병에 걸릴 위험이 있다.

예방접종 프로그램의 두 번째 주요 목표는 지역사회 집단 면역성을 높이는 것이다. 기존 건강 문제로 예방접종을 받을 수 없는 사람은 질병에 훨씬 취약하다. 이때 지역사회 구성원의 대부분이 면역력을 갖고 있어서 병에 걸리지 않으면, 집단 면역 덕분에 예방접종을 받지 않은 사람도 보호받을 수 있다.

공개된 자료에 따르면, 전 세계적으로 집단 면역 임계값이 가장 높은 질병은 홍역으로, 92~95% 정도다. 백일해는 92~94%의 집단 면역이 완성됐다. 디프테리아는 83~86%, 인플루엔자는 33~44%. 100% 보호율을 갖춘 백신이 부족하기 때문이다.

AI 기술로 백신 향상 위한 데이터 소스 활용

연구진은 예방접종 프로그램을 강화하기 위한 AI 기반 프로젝트를 지속해서 개발하고 있었다. 프로젝트의 목표는 예방접종률을 높이고 백신 낭비를 줄이고 백신으로 예방 가능한 질병으로부터 가능한 많은 사람을 보호하는 것이었다. 의료 최전선에서 일하는 사람의 감염도 막을 수 있다. AI 프로젝트는 집단 면역의 임계값을 강화하는 데 큰 도움이 된다.

▲AI프로그램 시빌(출처=macro-eyes 홈페이지)
▲AI프로그램 시빌(출처=macro-eyes 홈페이지)

 

매크로아이즈의 CEO이자 공동 설립자 벤자민 펠스는 "건강 관리 분야는 매우 복잡해서, 프로젝트를 진행하기 위해서는 누락된 데이터를 처리해야 한다. 시스템은 예측을 위해 대상의 나이, 성별, 체중 등을 필요로 하는데, 만약 체중이나 나이 입력값이 없는 경우 시스템이 작동하지 않을 수 있다"고 말했다.

공동 설립자이자 MIT의 부교수인 수브리트 스라는 "의료 시스템에서 문제를 발견했다. 건강 관리는 알고리즘 기반이 가장 약한 분야였다"고 설명했다. 이에 따라 연구진은 2013년에 머신러닝 알고리즘을 개발해 환자의 공통 요인을 측정하고 더 나은 치료 계획을 세우는 방법을 개발했다.

이미지, 의약품 세부 정보, 재무 정보 및 병원 비용과 같은 여러 데이터 소스가 이 알고리즘에서 활용됐다. 연구진은 빌앤멜린다게이츠재단(BMGF)의 지원을 통해 백신 활용 모델에 동일한 알고리즘을 사용할 수 있었다. 이후 파일럿 프로젝트를 일부 지역에서 시행해 테스트를 거쳤다. 파일럿 테스트를 위해 선정된 곳은 모잠비크와 탄자니아였다. 목표는 이 지역의 백신 공급을 더 활발하게 만드는 것이었다.

▲AI프로그램 시빌(출처=macro-eyes 홈페이지)
▲AI프로그램 시빌(출처=macro-eyes 홈페이지)

 

파일럿 프로젝트 진행 결과, CHAIN에는 백신 낭비 가능성을 줄일 수 있는 잠재력이 있었다. 알고리즘은 최근 탄자니아 3개 지역에서 폐기물을 96%나 줄였다. 환자의 스케줄 관리 알고리즘 시빌(Sibyl)은 환자가 예약 시간에 나타날 가능성을 구체적으로 예측한다. 응급이 아닌 의료 서비스가 필요한 사람을 결정할 수 있다.

시빌은 600만 건 이상의 병원 예약 기록을 거쳐 훈련받았고 환자의 행동을 식별 및 분석해 병원에 실제로 나타날 사람, 예약한 사람, 스케줄을 지키지 못한 사람을 측정했다. 테스트를 진행한 결과 미국에서 가장 큰 심장 전문 병원의 환자 대기 시간이 75% 감소했다.

세계보건기구(WHO)는 지난 5월 기준으로 12개월 미만 영아 최소 8,000만 명이 백신으로 예방 가능한 질병에 걸릴 위험이 있다고 말했다. 코로나19로 인해 전 세계 검역 프로토콜과 의료 부문이 코로나19에만 집중하기 시작하면서 다른 의료 부문의 인력 및 의약품 공급이 부족해졌기 때문이다.

연구진은 앞으로 예방접종 프로그램을 확대하고 의료 종사자들의 일정을 정하는 것 외에도 코로나19와 싸우는 데 시빌을 활용할 방법을 모색하고 있다. 이 프로그램을 통해 환자의 시간 낭비를 줄이고 의료진 배치를 적절하게 변경할 수 있다.

 

저작권자 © 리서치페이퍼 무단전재 및 재배포 금지