죽는 날 맞추는 족집게 알고리즘
죽는 날 맞추는 족집게 알고리즘
심부전 환자의 기대수명 예측하고 심장이식 받거나 또는 받지 않을 경우 얼마나 오래 살지 알려줘 캘리포니아대학(로스앤젤레스) 연구팀이 개발한 새 알고리즘이 용하다는 점술가를 능가할지 모른다. 심부전 환자의 기대수명을 예측하고 그들이 심장이식을 받거나 또는 받지 않을 경우 얼마나 오래 살지 알려줄 수 있다. 이는 심장이식을 기다리는 환자에 관해 의사가 의사결정을 할 때 도움이 된다.
‘예고지표 트리(Tree of Predictors)’로 불리는 이 알고리즘은 학술지 플로스 원의 사이트에 발표된 논문에 자세히 소개됐다. 이 예고지표 트리는 33개 데이터 항목을 이용해 심장이식 대기 환자를 평가한다. 연령·성별·체질량지수 등을 토대로 심장이식을 받거나 받지 않을 경우 환자 수명이 얼마나 될지 파악한다. 알고리즘은 또한 기증자 데이터 14개 항목 그리고 기증자와 수혜자가 서로 체질적으로 맞는지에 관한 6개 항목의 데이터도 받는다. 알고리즘은 장기적으로 추가적인 정보를 학습할 수 있으며 일면 인간의 사고과정을 반영한다.
미국장기기증네트워크(UNOS)를 통해 기증자와 연결된 사람들의 30년간에 걸친 데이터를 대상으로 이 알고리즘을 테스트했더니 ‘예고지표 트리’의 예측 결과가 정확도 면에서 현재 모델을 14% 능가했다.
심장이식이 필요한 이유는 여러 가지다. 미국의학협회(AMA) 보고서에 따르면 중증 심부전이 가장 일반적인 원인이다. 사망한 기증자의 심장을 들어낸 뒤 수혜자에게 이식한다. 이식수술 받은 환자의 첫해 생존율이 약 88%에 달한다.
미국 내 심장이식 대기자는 평균적으로 3000명이다. 그러나 연간 공급되는 심장은 약 2000개에 불과하다. 심장이식 수요가 공급을 능가해 이식수술로 가장 혜택을 보게 되는 환자를 추려내는 데 이 알고리즘이 도움을 주리라는 기대를 준다.
캘리포니아대학(LA) 엔지니어링 스쿨 전기·컴퓨터공학과 미하엘라 반 데르 샤르 교수는 “우리 연구결과를 볼 때 이 새로운 머신러닝 기반 알고리즘을 응용하면 더 많은 생명을 구할 수 있다”고 한 인터뷰에서 말했다. “어떤 환자에게 심장이식이 가장 시급한지 그리고 어떤 환자에게 기계적 보조장치 임플란트 같은 중계 요법(bridge therapies)이 적절한지를 판정하는 데 특히 유용하다.”
하지만 이 알고리즘의 잠재력은 심장이식 환자에만 한정되지 않는다. 테스트 결과 신용카드 사기와 특정 뉴스토픽의 인기도 정확하게 예측할 수 있었다. 심장기증 결정 과정에 이 알고리즘이 활용될지 그렇다면 언제가 될지는 아직 알려지지 않았다.
- 데이나 더비 뉴스위크 기자
ⓒ이코노미스트(https://economist.co.kr) '내일을 위한 경제뉴스 이코노미스트' 무단 전재 및 재배포 금지
‘예고지표 트리(Tree of Predictors)’로 불리는 이 알고리즘은 학술지 플로스 원의 사이트에 발표된 논문에 자세히 소개됐다. 이 예고지표 트리는 33개 데이터 항목을 이용해 심장이식 대기 환자를 평가한다. 연령·성별·체질량지수 등을 토대로 심장이식을 받거나 받지 않을 경우 환자 수명이 얼마나 될지 파악한다. 알고리즘은 또한 기증자 데이터 14개 항목 그리고 기증자와 수혜자가 서로 체질적으로 맞는지에 관한 6개 항목의 데이터도 받는다. 알고리즘은 장기적으로 추가적인 정보를 학습할 수 있으며 일면 인간의 사고과정을 반영한다.
미국장기기증네트워크(UNOS)를 통해 기증자와 연결된 사람들의 30년간에 걸친 데이터를 대상으로 이 알고리즘을 테스트했더니 ‘예고지표 트리’의 예측 결과가 정확도 면에서 현재 모델을 14% 능가했다.
심장이식이 필요한 이유는 여러 가지다. 미국의학협회(AMA) 보고서에 따르면 중증 심부전이 가장 일반적인 원인이다. 사망한 기증자의 심장을 들어낸 뒤 수혜자에게 이식한다. 이식수술 받은 환자의 첫해 생존율이 약 88%에 달한다.
미국 내 심장이식 대기자는 평균적으로 3000명이다. 그러나 연간 공급되는 심장은 약 2000개에 불과하다. 심장이식 수요가 공급을 능가해 이식수술로 가장 혜택을 보게 되는 환자를 추려내는 데 이 알고리즘이 도움을 주리라는 기대를 준다.
캘리포니아대학(LA) 엔지니어링 스쿨 전기·컴퓨터공학과 미하엘라 반 데르 샤르 교수는 “우리 연구결과를 볼 때 이 새로운 머신러닝 기반 알고리즘을 응용하면 더 많은 생명을 구할 수 있다”고 한 인터뷰에서 말했다. “어떤 환자에게 심장이식이 가장 시급한지 그리고 어떤 환자에게 기계적 보조장치 임플란트 같은 중계 요법(bridge therapies)이 적절한지를 판정하는 데 특히 유용하다.”
하지만 이 알고리즘의 잠재력은 심장이식 환자에만 한정되지 않는다. 테스트 결과 신용카드 사기와 특정 뉴스토픽의 인기도 정확하게 예측할 수 있었다. 심장기증 결정 과정에 이 알고리즘이 활용될지 그렇다면 언제가 될지는 아직 알려지지 않았다.
- 데이나 더비 뉴스위크 기자
ⓒ이코노미스트(https://economist.co.kr) '내일을 위한 경제뉴스 이코노미스트' 무단 전재 및 재배포 금지
많이 본 뉴스
1‘검은 반도체’ 김 수출 역대 최고기록 달성…10억달러 수출 청신호
2이복현 "상법 개정보다 자본시장법 개정이 합리적"
3롯데, 해외 부실면세점 철수 검토…케미칼, 자산매각 추진
411월 기록적 폭설에 車사고 60% 급증…보험료 인상 조짐
5대한항공-아시아나 합병 4년만에 승인…통합 LCC도 출범
6이재명 “‘국장’ 떠나는 현실...PER 개선하면 ‘코스피 4000’ 무난”
7롯데바이오로직스 설립 2년 만 수장 교체…신임 대표는 아직
8상법 개정 되지 않는다면 “국장 탈출·내수 침체 악순환 반복될 것”
9열매컴퍼니, 미술품 최초 투자계약증권 합산발행