Google 연구진은 특히 전문 장비나 의료 영상 검사자가 부족한 지역에서 산전 초음파 검사의 접근성을 확대하기 위해 인공지능을 활용하는 방법을 시험하고 있다. 이 방법은 비전문 보건 인력이 간소화된 복부 스캔을 수행하도록 교육한 뒤, 기기 자체에서 작동하는 기계학습 모델로 녹화 영상을 분석하는 방식이다.
이 연구는 Jacaranda Health 및 Northwestern Medicine과 협력해 진행됐으며, 케냐 나이로비의 산모 1,000명과 시카고의 산모 1,000명을 대상으로 했다. 연구진에 따르면 이 모델은 숙련된 초음파 검사자와 유사한 정확도로 임신 주수와 태아의 위치를 파악했다.
아이디어는 어떻게 작동하는가?
기존 검사에서는 검사자가 특정 측정값을 얻기 위해 탐촉자를 정밀하게 움직여야 하며, 이를 위해서는 집중적인 실습 교육이 필요하다. 반면 이 연구가 “blind sweep”이라고 부르는 방식은 미리 정해진 패턴에 따라 탐촉자를 복부 위로 이동하는 방식이다. 연구진은 초음파 검사를 해본 적이 없는 보건 인력도 8시간 안에 이 절차를 배울 수 있다고 말한다.
보건 인력은 스캔 과정에서 영상을 녹화하고, 이후 인공지능 모델이 이를 분석한다. 모델은 작업자에게 스캔을 다시 해야 하는지 알릴 수 있으며, 임신 주수를 추정하고 태아의 위치, 즉 자궁 안에서 태아가 향하고 있는 방향을 파악한다.
실제로 무엇이 달라지는가?
이 접근법의 중요성은 의료 영상 검사자의 모든 업무를 대체하려는 것이 아니라, 출산 준비에 영향을 미칠 수 있는 기본 정보에 초점을 맞춘다는 데 있다. 임신 주수를 정확히 파악하면 의사가 태아의 성장 상태를 해석하고 출산 예정일을 추정하며 조산이 필요한 상황에 대비하는 데 도움이 된다. 출처는 임신 주수 추정의 오류가 신생아에게 필요한 치료 수준에 큰 차이를 초래할 수 있다고 설명했다. 특히 임신 37주인 태아와 34주인 태아를 혼동하는 경우가 그렇다.
또한 처리는 Wi-Fi 연결이나 지속적인 전력 공급 없이 기기에서 이루어진다. 이러한 특성은 전통적인 장비가 크고 비싸며 고장 났을 때 수리가 어려울 수 있는 외딴 지역의 진료소가 겪는 일부 제약을 해결한다. 반면 휴대용 장비는 더 작고 비용이 낮으며 배터리로 작동하는 선택지를 제공한다.
결과의 한계와 연구가 입증하지 않은 것
연구 결과는 임신 주수와 태아의 위치라는 두 가지 특정 지표에 대한 접근성을 확대할 가능성을 보여줄 뿐이며, 이 시스템이 모든 종류의 임신 검사에서 종합적인 의료 평가나 전문 검사자를 대체할 수 있다는 점을 입증하지는 않는다. 또한 출처는 규제 승인, 세부 오류율 또는 상용화 계획에 관한 내용을 언급하지 않으므로, 이번 결과는 아이디어의 실현 가능성을 입증하는 연구 단계에 머문다.
certi.news가 보기에 여기서 실제로 달라지는 점은 새로운 기기를 출시하는 것이 아니라, 초음파 영상 검사 기술의 일부를 몇 시간 안에 배울 수 있는 업무 흐름으로 옮긴 다음, 기기 내에서 처리되는 모델을 사용해 특정 임상 정보를 추출하는 것이다. 이러한 변화의 효과는 장비의 품질, 교육과 의료 감독, 그리고 의료 시스템이 결과에 따라 조치를 취할 수 있는 역량에 달려 있다.