△챗GPT의 활용도가 증가하고 있다.

의료 분야에서 생성형 인공지능(AI) 기반의 챗봇 모델 'GPT-4'의 활용도가 높아지고 있다.

챗GPT는 기존의 AI에서 한 단계 발전해 대용량 데이터 학습을 통해 인간처럼 종합적으로 추론하고 대화형식으로 쉽게 사용할 수 있다.

24일 업계에 따르면 국내 연구진이 챗GPT 활용, 심혈관 질환의 예측 정확도를 입증하고 정신의학 분야에도 적용가능하며 한의사 국가시험을 통과할 수 있다는 연구 결과를 발표했다.

연세대학교 의과대학 용인세브란스병원 심장내과 배성아 교수, 의생명시스템정보학교실 윤덕용 교수팀은 최근 챗GPT의 심혈관 질환 예측 정확도를 입증했다.

최근 챗GPT 등의 대규모 언어 모델은 사회 전반에서 폭넓게 활용되고 있다.

특히 GPT-4 모델 기반의 챗GPT(이하 GPT-4)는 미국의 의사면허시험(USMLE)에서 90% 이상의 정답률로 합격했을 뿐 아니라 선천성 희귀병 진단과 같은 의학 분야에서도 뛰어난 성능을 보였다.

하지만 그간 환각 현상과 정확성·편향성 문제 등으로 인해 인공지능(AI)을 의료 분야에 적용하는 것은 쉽지 않았다.

연구팀은 대규모 환자 코호트 데이터인 영국 바이오뱅크(UK Biobank)의 약 5만 명, 한국인유전체역학조사사업(KoGES)의 약 6000명 환자의 나이, 병력, 피검사 자료를 바탕으로 GPT-4의 심혈관 질환 발생 예측 능력을 평가했다.

환자들의 10년간 심혈관 질환 발생을 예측한 결과 GPT-4는 실제 심혈관계 질환 예측에 널리 사용되는 모델인 프레이밍햄 위험 점수(Framingham Risk Score) 및 미국심장학회·심장협회(ACC·AHA)의 위험 점수와 유사한 성능을 나타냈다.

분석에는 모델의 정확도를 나타내는 통계 기법인 수신기 작동 특성 곡선 아래 면적(AUROC)을 활용했다.

연구팀은 이번 연구가 최초로 대규모 언어 모델을 기반으로 한 심혈관 질환 예측의 정확성과 유용성을 입증했다는 점에서 의미가 있으며 향후 GPT-4 모델이 의료 분야에서 유망한 도구로 활용되길 기대했다.

아주대 의대 의료정보학교실 박래웅 교수팀은 최근 공개된 정신분석 문헌 속 환자의 병력 자료를 바탕으로 챗GPT를 통한 정신역동적 공식화를 작성했다.

정신역동적 공식화는 과거 환자가 겪은 경험을 바탕으로 현재의 무의식적 갈등과 행동·감정 간 관계를 연결해 증상이 갖는 의미를 해석·설명하는 역할뿐 아니라 사례에 대한 이해 및 치료 방향에 대한 지침이 된다.

연구팀은 정신역동적 설명을 도출하기 위해 다양한 입력 문구를 설계했다.

이러한 입력 문구는 △ 챗GPT 생성 키워드 △ 정신건강의학과 전문의 생성 키워드 △ 문헌 등에서 얻은 일반적인 정신역동적 개념들을 포함했다.

그 결과 챗GPT를 통해 적절한 정신역동적 공식화 작성 즉, 환자를 설명하는 정신의학적 분석 답변을 얻을 수 있음을 확인했다.

연구팀은 챗GPT가 낸 결과가 핵심 증상 파악뿐 아니라 과거의 경험과 현재의 증상을 연결하는 가설 등 문헌의 해석과 유사한 결과를 도출했으며 다양한 정신분석 이론을 통해 적절한 답변을 내는 것을 확인했다.

챗GPT는 현재 과학뿐 아니라 사회 전반에 널리 사용하고 있지만, 정신건강 분야의 경우 개인 정보 보호 및 평가, 해석 등의 어려움으로 적용이 쉽지 않았다.

가천대학교 한의과대학 김창업 교수팀은 최근 GPT-4 모델을 한의학 인공지능 개발에 적용할 수 있을지 등을 평가하기 위해 연구한 결과 GPT-4가 한의사 국가시험을 통과하는 수준의 성능을 나타내는 것을 확인했다.

앞서 연구에서는 GPT-4가 2022년 시행된 한의사 국가시험에서 평균 57.59%의 정답률을 기록해 합격선(60% 이상)에 약간 못 미쳤으나 이번 연구에서는 GPT-4의 언어모델에 문항을 제시하는 방식을 최적화해 모델의 성능을 극대화하는 기법인 '프롬프트 엔지니어링'을 활용했다.

그랬더니 이번 시험 결과에선 합격선을 웃도는 정답률을 보였다.

2022년 한의사 국가시험 문제를 GPT-4에 제시한 뒤 정답률을 평가했는데 GPT-4는 340문항 중 225문항을 맞혀 66.18%의 정답률을 나타냈다.

과목별 정답률도 과락 기준인 40%보다 높게 나왔다.

GPT-4는 과목별 정답률의 편차가 크게 나타났는데 국제적으로 표준화된 진단기준에 대한 문제가 주로 출제된 본초학, 소아과학, 부인과학 과목은 81.2%, 81.2%, 79.2%의 높은 정답률을 보였다.

반면 한국 한의학의 특성을 반영하는 보건의약관계법규, 사상의학 과목은 40.0%, 43.8%로 상대적으로 낮은 정답률을 나타냈다.

연구팀은 한국어로 된 문항을 언어모델에 그대로 입력했을 때는 평균 정답률이 51.82%였는데, 한의학 용어를 한자로 함께 적었을 때는 57.59%, 지시와 문제를 영어로 스스로 번역하게 한 뒤 이 문제를 풀게 했을 경우는 63.65%로 상승해 정답률이 높아지는 것을 확인했다.

연구팀은 이어 "이번 연구에서 GPT-4는 한국의 특수성을 잘 반영하지 못할 수 있다는 점을 보였다"며 "추후 의료 인공지능 모델을 개발할 때 각 국가와 지역의 특수성을 반영할 수 있는 노력이 필요할 것으로 보인다"고 덧붙였다.