AI 적용을 통한 의료 임상실험 대상자 Matching 소프트웨어
- Research Date: 4/5/2019
- Company name: Deep 6 AI
- Web site: https://deep6.ai/
- Business areas: Deep 6 AI finds patients for clinical trials in minutes, getting life-saving cures to people faster.
- Location: Pasadena, California, United States
- Founded: 2015
- Employees: 30+
- CEO: Wout Brusselaers
- Lead Investors: Techstars and The Cedars-Sinai Accelerator
Cinnamon, Inc is funded by 2 investors.
- Active Products
Flax Scanner
- Applied Industries: Banks, Insurance
- Competitors: TAIGER, Xtracra, iManange
- Revenue: 20억/Year
- Information Source:
https://www.forbes.com
https://www.crunchbase.com
“한 번의 클릭으로 환자에게 최적의 약물 및 치료법을 제공하십시오”
앗 ! 이게 가능해? 물론 지극히 현실적으로 절대 한번의 클릭으로 임의의 병에 대한 치료법까지 제공될수는 없다는 것은 누구나 이미 알고있는 사실이다.
얼마전 팝그룹Queen의 리드 보컬 프레디 머큐리(Freddie Mercury)의 일생을 보여주는 Bohemian Rhapsody 라는 영화 한편이 전 세계 특히 한국전체를 감동의 도가니로 몰아넣었다. 이 글을 쓰는 저자도 20대 초반 그의 노래를 신나게 들으며 운전을 했던 기억이 난다. 그때 들었던 주옥같은 그의 노래들…..아직도 내 귀에 선하게 그 감동이 전해온다. 대부분 아시겠지만 그는 AIDS 라는 병으로 세상을 떠난다. 그의 죽음 이후 AIDS 는 죽음의 단어였고 실제로 많은 사람들이 그의 길을 따라 세상을 떠나는 안타까운 상황이 벌어졌다.
문제는 거의 30년이 다 되가는 지금까지도 AIDS 를 100% 완치시키는 약은 개발되지 않았다는 점이다. 수 많은 세계의 석학들이 AIDS 에 대한 치료법을 찾기 위하여 수많은 임상실험을 통한 연구를 수행했을텐데…아쉽게도 아직까지 완전히 해결되지 않은 상태이다. 결국 아직도 많은 사람들이 AIDS 에서 완치되지 않고 있다는 얘기이며 그 의미는 여전히 오늘날에도 사람들은 이 병으로 인해 죽어가고 있다는 것이다.
임상 실험의 중요성이 바로 여기에 있다. 하나의 치료약이 대중들에게 판매되고 환자들에게 투약가능한 상태까지 가기 위해서는 완벽한 임상 실험을 통한 검증이 반드시 요구되는데 문제는 그 임상실험 자체가 너무 오랜 시간을 요구한다는 것이다. 하지만 이 시간을 줄일수있다면 보다 빠른 시간내에 환자들에게 치료약이 제공될 수 있지 않을까 ? 이러한 질문에 대한 대답을 Deep 6 AI 를 통해 찾아보도록 하자
일반적인 임상실험 수행시 가장 중요한 Key word 는 대상 포함 기준과 대상 제외 기준 수립이다.
때로는 수십가지의 포함기준과 제외기준을 통해 대상자를 선별하게 되는데 바로 이 과정이 생각보다 만만치 않다. 어떤 데이터를 근거로 구분을 해야할지 과연 그 데이터는 정확한지. 수많은 환자 데이터를 통해서 보다 정확하고 의미있는 분석대상데이터를 빠른 시일내에 도출하는 과정에서 많은 임상실험이 중단되곤 한다고 관련업계에 종사하는 의사/연구원들은 얘기하고 있다.
그렇다면 Deep 6 AI 는 이러한 고질적인 문제를 어떻게 접근하였을까. 기본적으로 Extract , Analyze 과정을 수행하고 마지막으로 connect 과정을 거쳐 비로서 실무에 적용 가능한 모델이 완성된다.
Extract
일단 아래와 같은 다양한 데이터의 형태를 정리 및 정의하고 이들을 분석 가능한 형태로 정리하는 과정을 수행한다.
- ICD-10 코드와 같은 구조화 (Structured) 형태의 데이터
- 의사 노트, 병리학 보고서, 수술 기록과 같은 비구조화(unstructured) 형태의 데이터
- 검색자체가 까다로운 Free-text 형태의 기타 주요 의료 데이터
Analyze
추출된 분석 대상 데이터에 AI 와 NLP(Natural Language Processing)분석 기법을 적용하여 symptoms, diagnoses, treatments, genomics, lifestyle data 데이터와 같은 Multi-dimensional 임상 데이터 포인트(Data points)를 도출해 낸다. 결국 이 과정을 통해 정리되지 않은(Fragmented) 데이터가 임상실험에 적합한 의미 있는 데이터로 전환된다고 보면 될듯하다.
한 가지 인상 깊은 기능은 환자 상태 기록 서류에 명확하게 기록되지 않은 환자 상태 정보를 가지는 환자들도 Deep 6 AI 는 찾아냄으로써 임의의 임상 실험에 대상이 되는 더 많은 환자를 확보할 수 있다는 것이다.
Connect
이처럼 다차원 프로필(Multi-dimensional Profile)이 도출되면 연구원, 분석가 및 의사들은 이를 적용하여 임상 실험에 대상이 되는 환자에 대한 정보를 빠른 시간에 비교, 분석할 수 있게 된다.
실제 적용 사례를 한번 살펴보자.
미국 시더 - 시나이 의료 센터 (Cedars-Sinai Medical Center) 의료 센터서 산부인과, 종양 전문의 및 부인과 임상 실험을 담당하는 Bobbie Rimel, MD에 따르면 임상 실험 대상 환자의 수가 충분하지 않기 때문에 초기에 조기 종료되는 임상 실험이 대략 40 % 정도나 되며 이는 투자 수익률 감소를 초래하는 상황이 자주 발생하였다고 전한다.
하지만Deep 6 AI 소프트웨어 도입으로 인해 이 고민거리가 완벽하게 해결되었다고 Healthcare IT News 를 통해 소개하고 있다.
그녀가 느끼는 가장 큰 장점으로는 서로 다른 의사들에 의하여 기록된 환자 기록 데이터(같은 의미 하지만 다른 약어로 사용) 에 대한 표준 용어 도출 및 이를 통한 분석 데이터를 정립하고 모델로 구축하는 기능이었다고 한다. 바로 이 영역에 그들의 강력한 AI 엔진이 큰 역할을 제공했던 것이다. 결국 Deep 6 AI 소프트웨어의 지원을 통해 동일한 유형의 암을 가진 충분한 숫자의 환자 (임상실험에 필요한 충분한 환자수) 를 수 일내에 찾아내고 이들을 조기에 임상 실험에 포함 시킬수가 있었고 결국 충분한 투자수익을 얻을 수 있었다고 그녀는 얘기하고 있다.
대부분의 임상 실험 실패의 거의 절반이상이 대상 환자를 확보하지 못해서 발생하는 기존의 사례를 고려해본다면 앞으로 Deep 6 AI 가 제공하게 될 역할이 크게 기대되는 바이다. 그렇다면 이러한 혁신이 이루어짐으로써 얻게 되는 다른 장점은 어떤 것들이 있을까.
전체 임상 실험을 더 빠른 시일 완료할 수 있기 때문에 더 충분한 실험을 수행할 수 있으며 이로 인하여 해당 환자들에 대한 보다 최적의 treatment를 제공할 수 있다는 것이 아닐까 싶다. 결국 더 많은 환자들이 빠른 시일에 회복되는 상황을 기대해 볼 수 있으며 이는 환자들의 만족도 향상에 큰 영향을 미치리라 본다.
Comments