인공지능(AI)가 뼈, 관절, 근육 등 근골격계의 손상이나 질환을 치료하는 정형외과 수술에서 복잡한 절차, 진단, 그리고 수술 후 재활 치료 방식에 혁신을 가져오고 있다.

23일 코트라에 따르면 AI의 도입으로 인해 정형외과 수술은 더욱 정밀하고 개인 맞춤화되며 효율성이 높아지면서 환자들의 치료 결과가 개선되는 결과를 가져오고 있다.

AI는 의료 분야에서 진단의 정확성을 획기적으로 향상시키는 데 중요한 역할을 하고 있다. AI의 여러 응용 프로그램은 데이터 분석과 패턴 인식 능력을 활용하여 진단 과정에서의 오류를 줄이고, 조기 발견을 가능하게 한다.

AI 알고리즘은 방사선 이미지, MRI, CT 스캔 등 다양한 의료 이미지를 분석하는 데 뛰어난 성능을 발휘하며 딥러닝 모델은 수천 장의 이미지를 학습해 질병의 이상 징후를 신속하게 식별할 수 있다.

이러한 과정은 조기 진단을 가능하게 하고, 다양한 출처에서 수집된 방대한 양의 데이터를 통합해 환자의 병력, 유전자 정보, 생활 습관 등을 분석함으로써 의료 제공자가 환자의 상태를 보다 정교하게 평가할 수 있도록 돕는다.

AI는 환자의 이전 데이터와 유사한 사례를 분석하여 특정 질병의 발생 가능성을 예측할 수 있으며 이는 조기 개입을 가능하게 해 질병이 심각해지기 전에 적절한 치료를 받을 수 있도록 한다.

의료 이미징에서 인간의 뇌 구조를 모방한 인공지능 신경망(Artificial Neural Network·ANN)은 방사선 이미지, MRI, CT 스캔과 같은 의료 데이터를 분석하여 질병의 이상 징후를 신속하고 정확하게 식별해 낸다.

AI는 환자의 특성과 필요에 맞춘 맞춤형 치료 계획을 제시하는 데에도 중요한 역할을 하고 있다.

AI는 환자의 개인 정보를 바탕으로 다양한 데이터를 분석하고 이를 통해 최적의 치료 방법을 추천함으로써 의료 제공자가 보다 효과적인 치료를 계획할 수 있도록 지원한다.

또 AI는 예측 분석을 통해 환자의 치료 반응을 사전에 평가할 수 있다. 

특정 치료를 받았을 때의 성공 확률이나 부작용 발생 가능성을 예측함으로써 의료진이 치료 결정을 내리는 데 필요한 정보를 제공하고 이를 통해 의료진은 환자에게 가장 적합한 치료 계획을 수립할 수 있다.

정형외과 수술은 진단 영상에 크게 의존하며 AI는 이러한 영상에서 패턴을 식별하고 인식하도록 학습될 수 있다.

AI 기반 도구는 엑스레이, MRI, CT 스캔과 같은 의료 영상을 인간의 눈보다 더 정확하게 분석해 이 과정을 개선할 수 있다.

AI 알고리즘은 골절, 종양, 전방십자인대 파열이나 반월상연골 파열 같은 스포츠 손상, 회전근개 파열 등의 이상을 분석하고 감지할 수 있다.

AI는 임플란트의 식별 및 위치 평가, 부작용 위험 평가에도 사용되고 있다. 초기 AI 모델은 전방십자인대 파열 여부와 같은 단일 이상에 집중했다면 최신 알고리즘은 영상을 통해 치료 성공 여부를 예측하고 수술적 복구나 재건을 평가하며, 재부상 위험까지 정량화할 수 있다.

이러한 학습된 AI 모델들은 이미 영상의학 전공의들보다 더 정확하다는 평가를 받고 있으며, 근골격계 영상 전문 영상의들과 비교해도 유사한 정확도를 보이고 있다.

미국에 본사를 둔 글로벌 의료기기 회사 스트라이커(Stryker)의 마코(Mako) 로봇팔은 첨단 로봇 기술과 AI를 결합해 수술의 정밀성을 높이고 수술 결과를 최적화하며 환자의 회복을 개선하는 데 기여하고 있다.

스마트 조직 자율 로봇(Smart Tissue Autonomous Robot, STAR)도 수술 분야에서 로봇 보조 수술의 중요한 발전을 나타낸다. 

존스 홉킨스 대학교의 연구진이 개발한 STAR는 복잡한 수술 작업을 높은 정밀도와 자율성으로 수행하도록 설계되어 환자 결과를 개선하고 인간 외과의사와 관련된 변동성을 줄이는 것을 목표로 한다.

AI는 정형외과 수술의 정밀도와 결과를 크게 향상시킬 수 있는 잠재력을 지니고 있지만, 여러 가지 주요 한계도 있다. 

가장 큰 문제 중 하나는 데이터의 품질과 가용성이다. 

AI 시스템은 고품질의 포괄적인 데이터셋을 필요로 하지만, 정형외과 데이터는 이미지 품질이나 보고 기준이 일관되지 않을 수 있다. 

또 희귀 질환에 대한 데이터셋이 부족할 수 있어 AI 모델이 다양한 환자 집단에 걸쳐 일반화되는 데 어려움을 겪는다.

아울러 AI 모델은 효과를 유지하기 위해선 지속적인 유지·보수와 적응이 필요하다.

모델 드리프트(예측이 시간에 따라 정확성이 떨어지는 현상)와 같은 문제는 정기적인 업데이트와 재훈련을 요구한다.

AI 도입에 드는 비용과 자원 배분 문제도 있다. 개발, 획득 및 유지보수 비용이 상당할 수 있으며 자원이 제한된 환경에서는 장벽이 될 수 있다. 의료진 교육도 AI 도구의 최대 활용을 위해 필수적이다.

코트라는 "AI 기술의 발전에 따라 정형외과 수술의 정확성과 효율성은 크게 향상될 것"이라며 "특히 AI는 정밀 진단, 개인 맞춤형 치료 계획 수립, 수술 중 실시간 지원 등에서 중요한 역할을 할 것"이라고 말했다.

코트라는 이어 "향후 AI 시스템은 더욱 향상된 데이터 분석 능력과 알고리즘을 바탕으로 수술 전후의 예측 및 의사결정을 더욱 정교하게 지원할 수 있을 것"이라며 "다만 이러한 발전과 함께 데이터 품질, 윤리적 문제, 그리고 규제에 대한 철저한 검토가 필요하다"고 덧붙였다.

• 
  
• 강찬우 기자
• ehealth@e-healthnews.com