인공지능이 185개국의 암 생존율과 가장 밀접하게 관련된 요인을 식별하는 데 사용되었다는 연구 결과가 종양학 연보(Annals of Oncology) 저널에 발표되었습니다. 유럽종양학회(European Society for Medical Oncology) 소속 연구진이 수행한 이 연구는 머신러닝을 적용하여 암 데이터와 의료 시스템 정보를 분석했으며, 국가별로 크게 다른 생존의 주요 결정 요인을 밝혀냈습니다.

AI 모델은 방사선 치료 접근성, 보편적 건강 보험 적용 여부, 국가의 경제력과 같은 특정 요인이 암 생존율 향상과 강력한 상관관계가 있음을 정확히 지적했습니다. 이 연구는 이러한 영역에서 목표 개선을 통해 생명을 구하는 데 상당한 이득을 얻을 수 있으며, 최적의 전략은 국가마다 다를 수 있음을 시사합니다.

AI의 하위 집합인 머신러닝은 명시적인 프로그래밍 없이 패턴을 식별하고 예측하기 위해 대규모 데이터 세트에 대한 알고리즘 훈련을 포함합니다. 이 경우 AI는 광범위한 암 통계 및 의료 인프라 데이터 모음에서 어떤 요소가 환자 결과에 가장 큰 영향을 미치는지 식별하도록 훈련되었습니다. 이러한 접근 방식은 암 생존에 영향을 미치는 요인의 복잡한 상호 작용을 설명하는 데 어려움을 겪는 기존 통계 방법보다 더 미묘한 이해를 가능하게 합니다.

프로젝트의 책임 연구원은 "처음으로 각 국가가 암 생존율을 개선하기 위해 활용할 수 있는 특정 레버를 매우 높은 해상도로 볼 수 있게 되었습니다."라고 말했습니다. "이 AI 기반 접근 방식은 정책 입안자와 의료 전문가가 개입의 우선순위를 정하고 자원을 효과적으로 할당할 수 있는 로드맵을 제공합니다."

이 연구의 의미는 단순히 상관 관계를 식별하는 것을 넘어섭니다. 다양한 요인의 영향을 정량화함으로써 AI 모델은 다양한 정책 시나리오의 시뮬레이션을 가능하게 합니다. 예를 들어, 국가는 이 모델을 사용하여 방사선 치료 접근성을 확대하거나 보편적 건강 보험 적용을 구현하는 것이 암 생존율에 미치는 잠재적 영향을 추정할 수 있습니다.

이 연구는 또한 고소득 국가와 저소득 국가 간의 암 생존율 격차를 강조합니다. 첨단 치료법과 기술에 대한 접근성이 중요한 역할을 하지만, AI 모델은 진단 서비스 및 필수 의약품에 대한 접근성과 같은 기본적인 의료 인프라조차도 생존에 심오한 영향을 미칠 수 있음을 밝혔습니다.

연구진은 유전 정보 및 생활 방식 요인과 같은 추가 데이터 소스를 통합하여 AI 모델을 더욱 개선할 계획입니다. 또한 정책 입안자와 의료 전문가가 모델의 결과를 쉽게 액세스하고 해석할 수 있도록 사용자 친화적인 인터페이스를 개발하는 것을 목표로 합니다. 이는 잠재적으로 더 많은 증거 기반 의사 결정과 전 세계적으로 더 효과적인 암 관리 전략으로 이어질 수 있습니다.