SYNRARE: Synthetic Rare Disease EHR Generation for ML Benchmarking

컴퓨터에게 아주 희귀하고 까다로운 질병을 찾아내는 법을 가르치는 상황을 상상해 보세요. 이것은 마치 개에게 거대한 건초더미 속에서 특정하고 보이지 않는 바늘을 찾도록 훈련시키는 것과 같습니다. 하지만 그 건초더미는 거의 똑같이 생긴 다른 바늘들로 가득 차 있습니다. 현실 세계에서 의사들은 이러한 희귀 사례를 발견하기 위해 수년을 기다려야 하며, 사례 자체가 너무 적기 때문에 엄격한 개인정보 보호 규칙을 어기지 않으면서 스마트한 컴퓨터 프로그램을 훈련시킬 만큼 충분한 데이터를 확보하는 것은 매우 어렵습니다.

여기서 SYNRARE라는 새로운 도구가 등장합니다. 이 도구는 연구자들을 위한 "질병 시뮬레이터" 역할을 합니다. 이것은 마치 고성능 비디오 게임의 레벨 에디터와 같은데, 플랫폼 게임의 레벨을 설계하는 대신 연구자들이 자신들의 AI를 테스트하기 위해 가짜 환자의 병력을 설계할 수 있게 해줍니다.

문제점: "건초더미 속의 바늘"

희귀 질환은 그 보이지 않는 바늘과 같습니다. 이들은 유럽 연합 인구의 약 2,000명 중 1명꼴로 발생합니다. 질환이 매우 희귀하고 일반적인 질병과 비슷하게 보이기 때문에, 환자들은 정확한 진단을 받기까지 수년이 걸리는 길고 혼란스러운 과정인 "진단 여정(diagnostic odyssey)"을 겪게 됩니다.

연구자들은 이를 가속화하기 위해 머신러닝(ML)을 사용하고자 합니다. 하지만 문제가 있습니다. AI에게 희귀한 바늘을 찾는 법을 가르치려면, 바늘이 들어 있는 거대한 건초더미가 많이 필요합니다. 하지만 현실 세계에서는 개인정보 보호법 때문에 수백만 명의 실제 환자 기록을 마음대로 가져올 수 없습니다. 또한, 아주 적은 양의 실제 데이터로 AI를 훈련시키려 하면, AI는 혼란에 빠져 실수(예를 들어, 일반적인 감기를 희귀 질환으로 착각하는 것 등)를 범하게 됩니다.

해결책: "질병 블렌더"

저자들은 이를 해결하기 위해 SYNRARE를 구축했습니다. 이는 Synthea라고 불리는 시스템 위에 구현된 그래픽 인터페이스(쉽게 말해 버튼이 있는 사용하기 편한 화면)입니다.

여기에는 마법 같은 기술이 숨어 있습니다. Synthea는 탄생부터 현재까지 가짜 환자의 삶을 엄격한 의료 규칙에 따라 만들어낼 수 있는 '로봇 의사'와 같습니다. 이 로봇은 실제 사람의 비밀을 들여다보는 것이 아니라, 단지 현실적인 이야기를 만들기 위한 '레시피'를 따를 뿐입니다.

SYNRARE는 이 로봇 의사에게 "슬라이딩 스케일(조절 가능한 눈금)" 노브를 달아줍니다.

1. 기본 설정: 먼저, 흔한 질병(예: 기관지염)을 가진 가짜 환자들을 대량으로 생성합니다.
2. 변주: 그런 다음, 연구자는 노브를 돌려 레시피를 미세하게 조정할 수 있습니다. 그들은 "분산(variance)"(증상이 얼마나 요동치는지), "범위 이동(range shift)"(증상을 위나 아래로 약간 옮기는 것), 또는 "확률(probability)"(특정 증상이 발생하는 빈도)을 변경할 수 있습니다.

표준 초콜릿 케이크 레시피가 있다고 상상해 보세요. SYNRARE를 사용하면 "이 케이크의 99%는 정상으로 만들되, 1%는 코코아를 아주 조금 더 넣고 굽는 시간을 약간 다르게 하라"고 명령할 수 있습니다. 이제 당신은 일반적인 케이크와 거의 똑같아 보이지만, 미각 테스트를 하는 AI가 그 차이를 식별할 수 있는지 테스트하기에 충분히 구별되는 "희귀 변종" 케이크 한 배치를 갖게 된 것입니다.

작동 방식 (재미있는 부분)

SYN-RARE는 연구자들이 세 가지 멋진 일을 할 수 있게 해줍니다:

• 선택과 집중: 특정 혼합 구성을 만들기 위해 하나의 질병 모듈, 혹은 몇 개의 모듈, 또는 모든 모듈을 선택할 수 있습니다.
• "글로벌" 조정: 가짜 환자의 이력 하나하나를 일일이 수정하는 대신(이는 시간이 너무 오래 걸립니다), 전체 그룹에 "무작위 수정(Random Modification)"을 적용할 수 있습니다. 예를 들어, 컴퓨터에게 "혈압 수치를 약간 오른쪽으로 이동시켜"라거나 "체중 분포를 좀 더 넓게 만들어"라고 지시할 수 있습니다.
• BMI 요소: 이 도구는 체중이 많이 나가는 환자가 종종 다른 건강 위험을 가진다는 사실도 알고 있습니다. 만약 환자를 "비만 3단계(Obesity Class III)"로 설정하면, 도구는 실제 의료 근거(예: 평균적으로 수축기 혈압이 25 mmHg 높음)에 맞춰 해당 환자의 혈압 및 기타 통계치를 자동으로 조정합니다.

할 수 있는 것과 할 수 없는 것

저자들은 이 도구의 용도를 매우 명확히 밝히고 있습니다. 이 도구는 특정 희귀 질환에 대한 진실을 알려주는 "수정구슬"이 아닙니다. 또한 실제 의사나 실제 데이터를 대체할 수도 없습니다.

대신, 이것은 **테스트 베드(시험대)**입니다. 연구자들이 다음과 같은 일을 할 수 있는 안전하고 통제된 놀이터입니다:

• 일반적인 질환과 아주 미세하게 다른 "희귀 질환"을 만듭니다.
• 자신들의 머신러닝 알고리즘을 여기에 던져봅니다.
• AI가 그 차이를 구별할 수 있는지 확인합니다.

한 예로, 팀은 SYNRARE를 사용하여 기관지염의 희귀 변종을 만들었습니다. 그들은 두 질환이 매우 유사해 보이도록 데이터를 아주 미세하게 조정했습니다. 단순한 AI 모델들을 테스트했을 때, 모델들은 두 조건을 구분하는 데 어려움을 겪었습니다. 이는 도구가 제대로 작동함을 입증했습니다. 즉, AI에게 "하드 모드"의 도전 과제를 성공적으로 부여한 것입니다.

결론

SYNRARE는 가교 역할을 합니다. 연구자들이 자신만의 "보조 바퀴"를 만들 수 있게 해줍니다. 그들은 정의 가능한 차이점을 가진 수천 명의 가짜 환자를 생성하고, 알고리즘을 테스트하며, 실제 환자의 개인정보에 손을 대기 전에 알고리즘이 얼마나 잘 작동하는지 확인할 수 있습니다.

저자들은 이 도구가 특정 시나리오를 모델링하고자 하는 도메인 전문가(질병에 대해 정말 잘 아는 사람들)에게 완벽하다고 제안합니다. 그러나 이 데이터는 "이상화"되어 있고 규칙에 의해 생성되었기 때문에, 실제 병원 기록의 모든 무질서하고 혼란스러운 세부 사항을 포착하지 못할 수도 있다고 경고합니다. 하지만 벤치마킹과 AI 도구 테스트라는 구체적인 목표를 위해서는, 기술이 실제 세상에 나갈 준비가 되었는지 확인할 수 있는 강력하고 프라이버시가 보장된 방법을 제공합니다.