Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
LungIMPACT 연구에 대한 이 보건 경제성 분석은 영국의 폐암 진단을 위해 흉부 X선 검사의 우선순위를 정하는 데 AI를 사용하는 것이 진단 시간을 단축하지 않으면서 비용만 증가시키기 때문에, AI 보조 판독만을 사용하는 경우나 현재의 관행과 비교했을 때 비용 효율적이지 않다는 결론을 내리고 있습니다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
인체를 분주한 도시라고 상상해 보세요. 그리고 그 도시 안에서, 조용하고 은밀한 말썽꾸러기가 자리를 잡으려 하고 있습니다. 바로 폐암입니다. 이 말썽꾸러기는 매우 교활합니다. 초기에는 큰 소리를 내지 않기 때문입니다. 주의를 끌기 위해 비명을 지르는 대신, 그저 기침을 조금 하거나 약간의 피로감을 느끼게 하는 정도로 속삭일 뿐이며, 사람들은 이를 대수롭지 않게 넘기곤 합니다. 너무 조용하기 때문에, 종종 병이 커지고 강해진 후에야 발견되곤 하며, 이는 병을 물리치기를 훨씬 더 어렵게 만듭니다.
이 말썽꾸러기를 초기에 잡기 위해 의사들은 흉부 엑스레이(CXR)라는 특별한 "X-ray 카메라"를 사용합니다. 이것은 도시의 스카이라인을 빠르게 찍어 혹시 어두운 구름이 형성되고 있는지 확인하는 것과 같습니다. 매년 영국에서는 일반의(GP)들이 수백만 장의 이러한 스냅샷을 영상의학과로 보냅니다. 하지만 문제는 영상의학과가 마치 거대하고 넘쳐나는 우편실과 같다는 점입니다. 매일 수천 장의 사진이 도착하며, 이를 읽는 의사들(영상의학과 의사)은 이 더미를 하나씩 분류해야 합니다. 만약 위험한 구름이 더미 한가운데 숨어 있다면, 의사들이 무해한 것들을 먼저 보는 동안 놓치거나 지연될 수 있습니다.
최근 과학자들은 디지털 조력자인 인공지능(AI)을 발명했습니다. 이 AI를 모든 사진을 순식간에 스캔할 수 있는 초고속 로봇 비서라고 생각해 보세요. AI의 임무는 "어두운 구름"(의심스러운 부위)을 찾아내어 "이것부터 보세요!"라고 외치는 것입니다. 이것을 "우선순위 지정(prioritisation)"이라고 부릅니다. 모두가 답을 알고 싶어 했던 핵심 질문은 이것이었습니다. 만약 우리가 이 로봇 비서에게 소리를 질러 위험한 사진을 줄 맨 앞으로 옮기게 한다면, 그것이 정말로 막대한 비용을 들이지 않고도 말썽꾸러기를 더 빨리 잡는 데 도움이 될 것인가 하는 점입니다. 이것이 바로 이 고성능 기술의 '정렬 모자'가 과연 그 값을 하는지 알아내려 했던 LungIMPACT 연구의 이야기입니다.
위대한 분류 실험
영국에서는 바로 이 아이디어를 테스트하기 위해 LungIMPACT라는 거대한 실험이 시작되었습니다. 연구진은 GP를 방문한 후 흉부 엑스레이를 촬영한 약 87,000명의 환자 데이터를 수집했습니다. 그들은 무엇이 일어나는지 보기 위해 이 환자들을 두 그룹으로 나누었습니다.
첫 번째 그룹에서는 AI가 "소리 지르는" 일을 하도록 켜져 있었습니다. AI는 엑스레이를 스캔하여 의심스러운 것들을 표시하고 의사들에게 "이것들을 우선순위로 두세요! 즉시 읽으세요!"라고 알려주었습니다. 두 번째 그룹에서도 AI가 이미지를 읽는 데 도움을 주었지만, 조용히 있으라는 명령을 받았습니다. AI는 소리를 치거나 사진을 맨 앞으로 옮기지 않았으며, 의사들은 AI의 도움을 제2의 의견으로 활용하면서도 도착한 순서대로 엑스레이를 읽었습니다.
목표는 간단했습니다. "소리 지르는" 그룹이 진단을 더 빨리 받는지 확인하는 것이었습니다. 만약 AI가 엑스레이 촬영부터 폐암 여부를 알게 되기까지의 시간을 단축할 수 있다면, 이는 환자들에게 엄청난 승리가 될 것입니다. 하지만 함정이 있었습니다. 연구진은 돈도 계산해야 했습니다. 그들은 엑스레이 비용, CT 스캔 비용, 추가 검사 비용, 심지어 AI 소프트웨어 대여료와 병원 컴퓨터 시스템에 연결하는 비용까지 모든 펜니를 따져보았습니다.
놀라운 결과: 로봇은 구원자가 되지 못했다
수치를 분석한 결과, 연구는 여러분을 놀라게 할 수도 있는 결과를 찾아냈습니다. "소리 지르는" AI는 진단 속도를 유의미하게 높이지 못했습니다.
상세 내용은 다음과 같습니다:
- 시간: 진단을 받는 데 걸린 시간은 두 그룹 간에 거의 차이가 없었습니다. AI가 사진을 우선순위로 두라고 소리친 그룹의 평균 진단 시간은 약 75일이었습니다. AI가 소리치지 않고 읽는 것을 돕기만 했던 그룹은 약 77일이었습니다. 이 미세한 차이는 소리 지르는 AI가 실제로 실질적인 차이를 만들었다고 말하기에는 부족했습니다.
- 돈: AI 소프트웨어는 라이선스 비용과 병원 컴퓨터 설치 비용이 들기 때문에, "소리 지르는" 그룹은 의료 서비스에 더 많은 비용을 발생시켰습니다. 연구 결과, 우선순위 지정 기능을 사용하는 것은 AI를 소리 지르는 기능 없이 사용할 때보다 환자당 약 1파운드의 비용을 더 추가했습니다.
연구진이 영국 전체의 큰 그림을 보았을 때, 수학적 결과는 더욱 극명해졌습니다. 만약 영국의 모든 GP(연간 약 220만 건의 엑스레이를 주문함)가 엑스레이의 우선순위를 정하기 위해 AI를 사용한다면, 그 미미하고 거의 존재하지 않는 시간 절약을 위해 NHS에 연간 220만 파운드의 추가 비용이 들 것입니다. 만약 이 AI 방식을 기존 방식(AI를 전혀 사용하지 않는 방식)과 비교한다면, 비용은 연간 1,600만 파운드에서 3,500만 파운드 사이로 치솟을 것입니다.
왜 작동하지 않았을까?
연구진은 문제가 AI 자체가 아니라, AI가 도와주려는 위치에 있다고 제안합니다. 교통 체증이 발생한 고속도로를 상상해 보세요. 만약 가장 느린 차들을 찾아내어 빠른 차선으로 이동하라고 알려주는 헬리콥터가 있다면 그것은 훌륭합니다. 하지만 차선이 부족하거나 교통 흐름을 관리할 경찰이 부족하여 고속도로 전체가 꽉 막혀 있다면, 차 한 대를 맨 앞으로 보내는 것은 교통 체증을 해결하지 못합니다.
폐암 진단의 경우, "교통 체증"은 엑스레이 이후에 발생합니다. 설령 AI가 무서운 엑스레이를 줄 맨 앞으로 옮긴다 하더라도, 환자는 여전히 CT 스캔을 기다려야 하고, 그 다음에는 전문의가 결과를 확인하기를 기다려야 하며, 그 다음에는 팀 회의를 통해 치료를 결정하기를 기다려야 합니다. 연구는 AI가 엑스레이가 읽힌 이후에 발생하는 병목 현상을 해결할 수 없다는 것을 발견했습니다. 시스템은 이미 너무 바빠서 엑스레이를 앞으로 옮기는 것만으로는 전체 과정을 빠르게 만들 수 없었습니다.
결론
이 연구는 적어도 현재로서는 흉부 엑스레이를 즉시 우선순위화하기 위해 AI를 사용하는 것이 의료 서비스에 좋은 돈 쓰기가 아니다라고 결론짓습니다. 그것은 절약하는 것보다 더 많은 비용이 들며, 실제로 환자를 더 빨리 진단하게 만들지도 못합니다.
저자들은 매우 명확하게 밝히고 있습니다. 그들이 AI가 영원히 쓸모없다고 말하는 것이 아닙니다. 그들은 이 특정한 방식의 사용, 즉 엑스레이를 맨 앞으로 옮기기 위해 소리를 지르는 방식이 그 비용을 정당화할 만큼 충분히 효과적이지 않다고 말하는 것입니다. 이 특정 도구에 수백만 파운드를 쓰는 대신, 연구는 의료 서비스가 더 많은 인력을 고용하거나, 환자가 분류된 후 처리할 수 있는 충분한 CT 스캐너와 의사를 확보하는 등 프로세스의 다른 부분을 개선함으로써 더 나은 결과를 얻을 수 있을 것이라고 제안합니다.
요약하자면, 로봇 비서는 "나를 먼저 봐!"라고 소리치며 영웅이 되려 했지만, 나머지 팀원들은 너무 바빠서 들을 겨를이 없었습니다. 전체 팀이 함께 더 빠르게 움직일 수 있을 때까지, 맨 앞줄에서 소리치는 것만으로는 문제를 해결할 수 없습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.