당신이 날씨를 예측하려고 한다고 상상해 보세요. 당신은 전 지구의 평균 기온을 살펴보고 내일 당신의 동네 날씨가 어떨지 추측할 수 있습니다. 이것이 오늘날 의사들이 심장 질환을 치료하는 방식입니다. 그들은 수천 명의 사람을 바탕으로 한 커다란 도표를 사용하여 당신에게 어떤 일이 일어날지 추측합니다. 하지만 당신은 평균적인 사람이 아닙니다. 당신의 심장은 고유한 특성, 역사, 그리고 스타일을 가진 독특하고 복잡한 기계입니다. 이제, 만약 컴퓨터 안에 당신의 심장을 완벽하게 복제한 가상 복사본을 만들 수 있다면 어떨까요? 이 복사본은 단순히 놓여 있는 것이 아니라, 맥박을 뛰거나 MRI를 찍을 때마다 당신의 실제 심장으로부터 학습하며 스스로를 업데이트할 것입니다. 이것이 바로 '디지털 트윈(Digital Twin)'의 꿈입니다. 이것은 마치 당신의 실제 모습인 비디오 게임 캐릭터를 갖는 것과 같으며, 이를 통해 의사들은 실제 환자에게 손을 대기 전에 가상 버전을 대상으로 치료법을 테스트할 수 있습니다. 과학자들이 던지는 큰 질문은 이것입니다: 어떻게 하면 이 가상 심장을 충분히 빠르고, 신뢰할 만큼 정확하며, 인간 생물학의 복잡한 현실을 이해할 수 있을 만큼 똑똑하게 만들 수 있을 것인가?

에마누엘 엘렐레(Emmanuel Lwele)와 프랜시스 치퀘토(Francis Chikweto)가 작성한 이 논문은 이러한 가상 심장을 구축하는 방법에 대한 가이드북입니다. 저자들은 우리가 이 디지털 트윈을 구동하기 위해 사용할 수 있는 다양한 '엔진'을 탐구하며, 전통적인 물리 기반 모델과 화려하고 새로운 인공지능(AI) 도구를 비교합니다. 그들은 단순히 옵션을 나열하는 데 그치지 않고, 마치 여러 종류의 자동차가 모여 있는 차고를 점검하는 정비사처럼, 어떤 차가 빠르지만 취약한지, 어떤 차가 느리지만 신뢰할 수 있는지, 그리고 어떤 차가 이 작업에 완벽한 하이브리드가 될 수 있는지를 지목합니다.

이 논문은 전통적인 '물리 기반' 모델이 숙련된 시계 제작자처럼 모든 톱니바퀴와 스프링이 어떻게 작동하는지 정확히 이해하지만, 믿을 수 없을 정도로 느리고 완벽한 정보가 필요하다는 것을 밝혀냈습니다. 반면, 새로운 '데이터 기반' AI 모델은 경주용 자동차와 같습니다. 매우 빠르고 경험을 통해 학습할 수 있지만, 물리 법칙을 진정으로 이해하지 못하기 때문에 때때로 길 밖으로 벗어나기도 합니다. 저자들은 최선의 길은 둘 중 하나를 선택하는 것이 아니라 '하이브리드' 트윈을 구축하는 것이라고 제안합니다. 이 새로운 모델들은 AI의 속도와 물리학의 안전 규칙을 결합하려고 노력합니다. 또한, 우리는 훌륭한 아이디어를 가지고 있지만, 이 디지털 트윈이 모든 병원에서 사용될 수 있기까지는 아직 갈 길이 멀다는 점을 강조합니다. 왜냐로써 우리는 이 모델들이 안전하고, 공정하며, 실제 인체의 무질서하고 노이즈가 섞인 데이터를 처리할 수 있는지 확인해야 하기 때문입니다.

옛 방식: 숙련된 시계 제작자

오랫동안 과학자들은 순수 물리학을 사용하여 디지털 심장을 만들려고 노력했습니다. 이것을 시계의 모든 톱니바퀴, 스프링, 진자가 서로 어떻게 상호작용하는지 정확히 아는 시계 제작자로 생각해보세요. 이 모델들은 혈액이 어떻게 움직이는지 또는 심장 근육이 어떻게 수축하는지를 시뮬레이션하기 위해 복잡한 수학 방정식(예: 유체의 흐름과 전기의 법칙)을 사용합니다.

논문에 따르면, 이 모델들은 '해석 가능성'이 뛰어나다는 장점이 있습니다. 만약 모델이 이상한 것을 예측한다면, 당신은 수학적 원리의 특정 톱니바퀴나 스프링으로 그 원인을 추적할 수 있습니다. 그러나 이 모델들은 믿을 수 없을 정도로 느립니다. 단 하나의 시나리오를 실행하는 데만 몇 시간 또는 며칠이 걸릴 수 있습니다. 이는 매 환자마다 손으로 시계를 만드는 것과 같습니다. 병원의 바쁜 환경에서 쓰기에는 너무 느립니다. 게다가, 이 모델들은 작동하기 위해 완벽하고 고품질인 데이터를 필요로 합니다. 만약 데이터가 지저분하거나 누락된 부분이 있다면, 시계 제작자는 혼란에 빠지고 모델은 망가집니다.

새로운 방식: 빠른 학습자

그다음 인공지능(AI)이 등장했습니다. 물리 모델이 신중한 시계 제작자라면, AI 모델은 수천 개의 시계가 만들어지는 과정을 지켜보며 배우는 초고속 견습생과 같습니다. 흔히 '머신 러닝' 또는 '딥 러닝'이라 불리는 이 모델들은 물리학의 규칙을 알 필요가 없습니다. 그저 방대한 양의 데이터를 보고 패턴을 찾아낼 뿐입니다.

논문은 이 AI 모델들이 속도 면에서 환상적이라고 언급합니다. 일단 훈련되면, 눈 깜짝할 사이에 예측을 수행할 수 있습니다. 또한 지저난 데이터도 잘 처리합니다. 하지만 함정이 있습니다. 이들은 '블랙박스'입니다. 왜 그런 예측을 했는지 이유를 항상 설명할 수는 없습니다. 더 중요한 것은, 이들이 때때로 물리 법칙을 어긴다는 점입니다. AI는 데이터에서 이상한 패턴을 보았다는 이유만으로 혈액이 역류하거나 심장이 전기 없이 뛴다고 예측할 수도 있습니다. 저자들은 이 모델들에만 의존하는 것은 위험하다고 경고하는데, 왜냐하면 모델이 이전에 '본 적 없는' 환자를 만났을 때 실패할 수 있기 때문입니다.

최적의 지점: 하이브리드 엔진

그렇다면 해결책은 무엇일까요? 논문은 미래가 '하이브리드' 모델에 있다고 제안합니다. 강력한 엔진(AI)을 가졌지만, 물리학의 법칙(규칙)을 알고 있는 엄격한 GPS 시스템에 의해 안내되는 자동차를 상상해 보세요.

저자들은 이러한 하이브리드의 두 가지 주요 유형을 논의합니다:

1. 물리 정보 신경망 (PINNs): 이는 학습하는 동안 물리학 법칙을 준수하도록 강제되는 AI 모델입니다. 이는 견습생에게 물이 위로 흐를 수 없다는 것을 가르치는 것과 같습니다. 이는 데이터가 부족할 때도 모델이 정확성을 유지하도록 돕습니다.
2. 그래프 신경망 (GNNs): 심장과 혈관은 도로와 교차로로 이루어진 거대한 네트워크와 같습니다. GNN은 이러한 네트워크를 이해하도록 설계되었습니다. 심장을 하나의 덩어리로 보는 대신, 서로 다른 부분들(노드)이 어떻게 연결되어 있는지(엣지)를 봅니다. 이는 한 동맥의 폐쇄가 다른 동맥의 흐름에 어떤 영향을 미치는지 모델링하는 데 완벽합니다.

논문은 이러한 하이브리드 접근 방식이 AI의 속도와 물리학의 신뢰성이라는 두 마리 토끼를 잡으려 하기 때문에 가장 유망하다고 결론짓습니다. 하지만 이는 여전히 진행 중인 작업입니다. 저자들은 이러한 모델들이 여전히 시뮬레이션 단계에서 테스트 중이며, 모든 병원에서 실시간으로 사용할 수 있을 만큼 충분히 빨라지는 문제를 아직 완전히 해결하지 못했다고 지적합니다.

장애물: 왜 아직 사용할 수 없는가?

이러한 멋진 도구들이 있음에도 불구하고, 논문은 우리가 아직 도달하지 못했음을 매우 분명히 하고 있습니다. 몇 가지 큰 장애물이 있습니다:

• '블랙박스' 문제: 의사들은 컴퓨터를 신뢰해야 합니다. 만약 AI가 "이 환자는 수술이 필요합니다"라고 말하면서 왜 그런지는 설명하지 못한다면, 의사들은 그 말을 듣지 않을 수 있습니다. 논문은 모델이 자신의 추론 과정을 설명할 수 있어야 한다고 강조합니다.
• 데이터 문제: 이 모델들을 훈련시키려면 많은 데이터가 필요합니다. 하지만 환자 데이터는 종종 지저분하거나, 불완전하거나, 개인 정보 보호 문제가 얽혀 있습니다. 논문은 만약 모델을 한 종류의 병원 데이터로만 훈련시킨다면, 다른 병원의 환자들에게는 작동하지 않을 수 있다고 언급합니다.
• 안전 점검: 디지털 트윈이 실제 사람에게 사용되기 전에는 엄격한 안전 테스트를 통과해야 합니다. 논문은 이 모델들이 평균적인 사람이 아니라 바로 '당신'에게도 정확하다는 것을 증명해야 한다고 언급합니다. 여기에는 모델이 다양한 연령, 체형, 질병에 대해서도 작동하는지 확인하는 과정이 포함됩니다.
• '불확실성' 요소: 논문은 모델이 얼마나 확신하는지를 아는 것이 중요하다고 강조합니다. 만약 모델이 심장마비를 예측한다면, "90% 확신합니다" 또는 "5-50% 정도만 확신합니다"라고 말할 수 있어야 합니다. 그렇지 않다면 의사들은 위험한 실수를 할 수 있습니다.

미래: 임상 현장으로 가는 로드맵

논문은 앞으로 나아갈 길을 제시하며 마무리됩니다. 저자들은 서로 다른 부분들이 서로 소통하는 '모듈형' 트윈을 구축하는 데 집중해야 한다고 제안합니다. 예를 들어, 혈류 부분은 빠른 AI 모델을 사용하고, 심장 근육 부분은 신중한 물리 모델을 사용하는 식입니다.

또한 저자들은 더 나은 규칙과 규정의 필요성을 강조합니다. 다리를 건설하거나 비행기를 만들 때 규칙이 있는 것처럼, 디지털 심장을 만들기 위한 규칙도 필요합니다. 그들은 이 도구들이 안전하고, 공정하며, 실제 세상에 준비될 수 있도록 엔지니어, 의사, 규제 기관 간의 더 많은 협력을 촉구합니다.

요약하자면, 이 논문은 심혈관 디지털 트윈의 현재 지형을 보여주는 지도입니다. 우리는 AI와 물리 모델 같은 놀라운 도구들을 가지고 있지만, 진짜 마법은 이들을 결합할 때 일어난다는 것을 알려줍니다. 멋진 컴퓨터 시뮬레이션에서 병원의 생명을 구하는 도구로 가는 여정은 길고 도전 과제가 많지만, 저자들은 그것이 가치 있는 여정이라고 믿습니다. 목표는 단순히 더 나은 컴퓨터 모델을 만드는 것이 아니라, 모든 고유한 인간의 심장을 돌보는 더 나은 방법을 만드는 것입니다.