몸에 있던 점의 색깔이나 모양이 조금씩 달라지는 것을 느꼈지만 병원에 가야 할 정도인지 판단하기 어려워 미루는 경우가 많다. 최근에는 스마트폰으로 찍은 피부 사진을 인공지능이 분석해 이상 신호를 가려내는 연구가 활발히 진행되고 있어 눈길을 끈다. 아직 전문의 진단을 대신할 수는 없지만 조기에 병원을 찾도록 돕는 보조 수단으로서의 가능성이 주목받는다.
피부암은 자외선 노출이 누적되면서 발생하는 경우가 많고 종류에 따라 진행 속도와 위험도가 다르다. 흑색종처럼 전이 속도가 빠른 유형은 조기에 발견해 치료를 시작하는 것이 예후에 큰 영향을 미치는 것으로 알려져 있다. 문제는 초기 병변이 흔한 점이나 기미와 육안으로 구분하기 어려워 발견 시기가 늦어지는 사례가 적지 않다는 점이다.
연구자들은 수만 장에서 많게는 수십만 장에 이르는 피부 병변 이미지를 인공지능에 학습시켜 정상적인 점과 암으로 발전할 가능성이 있는 병변을 구분하는 알고리즘을 개발하고 있다. 딥러닝 기반 이미지 인식 기술은 색상의 균일성, 경계의 불규칙성, 크기 변화 등 여러 요소를 동시에 분석해 위험도를 수치로 제시하는 방식으로 설계되는 경우가 많다.
이런 기술이 주목받는 이유는 피부과 전문의를 만나기 어려운 지역이나 상황에 있는 사람들에게 일차적인 판단 근거를 제공할 수 있기 때문이다. 스마트폰만 있으면 별도 장비 없이 촬영과 분석이 가능해 원격 진료를 보완하는 도구로 활용될 여지가 크다는 평가가 나온다. 의료 접근성이 상대적으로 낮은 지역에서 특히 활용 가치가 있다는 의견도 제기된다.
의료 접근성 낮은 지역에서 활용 가능성 주목 [그림=메디닉스DB]
다만 현재 연구되는 기술의 정확도는 촬영 환경에 따라 편차가 크다는 한계가 지적된다. 조명, 촬영 각도, 피부색, 카메라 성능 등이 분석 결과에 영향을 줄 수 있어 같은 병변이라도 다른 판정이 나올 가능성이 있다. 이 때문에 연구자들은 다양한 인종과 피부 유형을 포함한 데이터를 확보하는 것이 기술의 신뢰도를 높이는 핵심 과제라고 설명한다.
대한피부과학회를 비롯한 국내외 학회들은 이러한 인공지능 진단 보조 기술을 진료 현장에 도입하기 위해서는 임상적 검증 절차가 충분히 이뤄져야 한다는 입장을 밝히고 있다. 알고리즘이 제시하는 결과는 참고 자료일 뿐 최종적인 진단과 치료 방향은 반드시 전문의의 직접 진찰을 거쳐 결정돼야 한다는 점을 강조한다.
일부 스마트폰 애플리케이션은 이미 피부 병변을 촬영해 위험도를 알려주는 서비스를 제공하고 있지만 의료기기로 정식 인증받지 않은 경우 정확성을 담보하기 어렵다는 지적도 나온다. 전문가들은 이런 서비스 결과만 믿고 병원 방문을 미루는 것은 오히려 위험할 수 있다고 경고한다.
최종 진단은 전문의 직접 진찰이 필요 [그림=메디닉스DB]
개인정보 보호 측면에서도 고려할 점이 있다. 피부 사진에는 민감한 신체 정보가 담겨 있어 데이터가 어떻게 수집되고 저장되는지, 외부로 유출될 가능성은 없는지 이용자가 서비스 이용 전에 확인하는 것이 바람직하다.
앞으로는 스마트폰뿐 아니라 웨어러블 기기와 연동해 피부 상태를 지속적으로 모니터링하는 방향으로 기술이 발전할 것이라는 전망도 나온다. 시간에 따른 변화를 자동으로 기록하고 비교함으로써 육안으로 놓치기 쉬운 미세한 변화까지 포착하려는 시도가 이어지고 있다.
전문가들은 몸에 있는 점을 관찰할 때 비대칭성, 경계의 불규칙함, 색깔의 다양함, 지름 6밀리미터 이상의 크기, 시간에 따른 변화라는 다섯 가지 기준을 참고하라고 권한다. 이 가운데 해당하는 특징이 있거나 기존 점에서 갑작스러운 변화가 느껴진다면 인공지능 앱의 결과와 관계없이 가까운 병원을 찾아 전문의의 직접 진료를 받는 것이 가장 안전한 방법이다.
