단순한 알고리즘이 의료 기록을 분석해, 눈에 보이는 작은 징후가 나타나기 훨씬 전에 흑색종 발생 위험을 파악할 수 있다면 어떨까? 학술지 Acta Dermato-Venereologica에 발표된 대규모 연구에 따르면 이제 그것이 가능하다. 예테보리 대학교의 스웨덴 연구진은 600만 명 이상의 성인 데이터를 기반으로 인공지능을 학습시켜, 이 특히 두려운 피부암을 누가 앓게 될 위험이 있는지 전례 없는 정확도로 예측했다.

흑색종이란 무엇이며 왜 그렇게 위험한가?

흑색종은 가장 공격적인 피부암이다. 피부 색소를 담당하는 세포인 멜라닌세포에서 발생하며, 진단이 늦어지면 다른 장기로 빠르게 전이될 수 있다. 프랑스에서는 매년 약 17 000건의 신규 사례가 집계되며, 이 수치는 수십 년째 꾸준히 증가하고 있다.

치유의 핵심은 조기 진단에 있다. 초기 단계에서 발견되면 흑색종은 대부분의 경우 치료가 가능하다. 하지만 늦게 발견되면 예후는 훨씬 어두워진다. 바로 이 지점에서 인공지능이 역할을 한다. 전통적인 진단 도구의 능력을 넘어서기 시작한 탐지 역량을 갖추고 있기 때문이다.

600만 건의 스웨덴 의료 기록으로 학습한 AI

스웨덴 연구는 그 예외적인 규모로 차별화된다. 연구진은 단순히 점 사진을 분석한 것이 아니라, 스웨덴 전체 성인 인구의 국가 건강 등록 자료, 즉 600만 명이 넘는 사람들의 데이터를 활용했다. 고려된 데이터에는 다음이 포함된다:

• 환자의 나이와 성별
• 의료 이력과 과거 진단
• 이미 처방된 약물
• 사회인구학적 정보(거주지, 사회경제적 지위)

목표는 피부과 검진 없이도 이후 몇 년 안에 높은 흑색종 위험을 예측할 수 있는 요인들의 조합을 찾아내는 것이었다.

73 % 정확도: 중요한 양적 도약

이 연구에서 가장 성능이 뛰어난 AI 모델은 실제로 흑색종이 발생할 사람들을 식별하는 데 73 %의 정확도를 달성했다. 나이와 성별만을 기반으로 한 기존 모델의 64 %와 비교되는 수치다. 절대값으로 보면 이 향상이 modest해 보일 수 있지만, 실제 현장에서는 조기 검진 대상으로 더 잘 선별되는 수천 명의 환자를 의미한다.

더 인상적인 점은, 이용 가능한 모든 데이터를 교차 분석함으로써 AI가 매우 높은 위험을 가진 소규모 집단을 분리해냈고, 이들의 5년 내 흑색종 발생 확률이 33 %에 이르렀다는 것이다. 다시 말해, 이 위험군으로 식별된 사람들 중 3분의 1은 분석 후 5년 안에 흑색종이 발생한다는 뜻이며, 이는 의료 추적 관리를 안내하는 데 매우 귀중한 정보다.

이 AI 시스템은 구체적으로 어떻게 작동할까?

이 모델은 자동 학습(machine learning) 기술, 특히 의료 유형의 표 형식 데이터에 매우 효과적인 gradient boosting 알고리즘에 기반한다. 흔한 생각과 달리, 여기서 AI는 피부 이미지를 "보는" 것이 아니다. 대신 행정 및 임상 데이터 속 패턴을 분석하며, 인간의 눈에는 보이지 않는 상관관계를 찾는다.

예를 들어, 정기적으로 복용하는 특정 유형의 약물이 특정 병력 및 인구통계 데이터와 결합되면 약하지만 통계적으로 유의미한 신호가 될 수 있다. 의사들이 수작업으로 통합할 수 없는 복합 신호를 감지하는 이 능력이 바로 이러한 알고리즘의 강점이다.

피부암의 맞춤형 검진으로 나아갈까?

이 결과가 다른 인구 집단과 다른 보건 환경에서도 확인된다면, 이는 더 개인화된 예방 의학으로 가는 길을 열어준다. 구체적으로는 다음을 의미할 수 있다:

• 계산된 위험 수준을 기반으로 한 피부과 자동 소환
• 가장 위험이 높은 환자에게 의료 자원을 더 잘 배분
• 피부과 진료 대기 시간이 긴 국가에서 소중한 시간 절약

프랑스처럼 피부과 전문의가 적고 대도시에 집중되어 있는 곳에서는 이러한 도구가 흑색종 예방 추적 관리를 바꿀 수 있다. 일반의는 환자별 자동 위험 보고서를 받아, 누구를 우선적으로 전문의에게 의뢰할지 결정하는 데 도움을 받을 수 있다.

염두에 두어야 할 한계

이 연구가 불러일으키는 기대에도 불구하고 몇 가지 유보 사항이 필요하다. 우선 모델링은 특히 스웨덴 데이터, 즉 유전적·기후적 특성이 독특한 인구(밝은 피부, 계절적 햇빛 노출)를 대상으로 수행되었다. 따라서 그 결과를 지중해권이나 적도 지역 인구에 직접 적용할 수는 없다.

또한 73 %의 정확도는 27 %의 사례가 여전히 탐지되지 않는다는 의미이기도 하다. AI는 임상 검진을 대체하지 않는다. 그것은 예언자가 아니라 의사결정을 돕는 도구로 받아들여져야 한다. 마지막으로 의료 데이터의 기밀성 문제는 핵심적이다. 익명화되었다 하더라도 국가 건강 등록 자료를 활용하는 것은 강력한 규제로 관리되어야 할 중대한 윤리적 쟁점을 제기한다.

조용하지만 깊은 혁명

이 연구는 예방 의학에 AI를 통합하는 더 넓은 흐름의 일부다. 흑색종을 넘어, 유사한 알고리즘은 이미 당뇨병, 심혈관 질환 또는 일부 형태의 우울증 위험을 예측하기 위해 시험되고 있다. 미래의 의료 기록에는 여러 질환에 대해 진료가 진행될 때마다 정기적으로 업데이트되는 "AI 위험 점수"가 포함될 수 있다.

이것은 공상과학이 아니다. 데이터는 존재하고, 모델은 작동하며, 가장 앞선 보건 시스템들은 이를 통합하기 시작했다. 이제의 과제는 이를 윤리적이고 투명하게 수행하며, 의료 결정의 중심에 항상 알고리즘이 아니라 환자를 두는 것이다.

기억할 점: 스웨덴의 한 AI는 수백만 건의 의료 기록을 분석해 73 % 정확도로 흑색종 위험을 예측한다. 더 큰 규모의 검증을 전제로, 피부암 조기 검진을 위한 유망한 도구다.