MD & PhD

인공 지능(Artificial Intelligence)은 사람과 같은 "생각"을 할 수 있는 컴퓨터를 말한다. 단순한 질문에 대한 답을 넘어서는 고차원적인 대답을 할 수 있고, 그 문장에서 정확한 정보를 캐치하고, 그에 따른 판단을 하는 것을 말한다. 그 외에도 체스, 퀴즈쇼 등 다양한 분야에서 다양한 형태로 인공 지능이 개발되고 있고 아직도 현재 진행 중이다. 

결국, 궁극적인 인공 지능의 목표는 "사람과 같은 사고를 하고, 사람과 비슷한 대화를 하는 존재"를 만들어 내는 것이다. 기계가 인공 지능을 가졌는지 아닌지를 판단하는 튜링 테스트도 그런 맥락에서 이해할 수 있을 것이다.

생각해보면, 같은 말이라도, 말하는 상황, 뉘앙스에 따라 똑같은 문장이라도 다른 정보를 포함할 수 있다. 예컨대,

밥은 먹고 다니냐?

라는 문장을 예시로 들어 보자. 이 질문 자체는 아주 간단하고, "예-아니오"로 답할 수 있는 문장이지만, 질문을 그대로 받아들여서는 안된다. "살인의 추억"에서 송강호가 질문하는 뉘앙스, 사업이 망하고 나서 오랜만에 만난 친구, 다이어트를 열심히 하고 있는 여자 친구 등 대상에 따라서 각기 다른 뉘앙스를 가지고 있는 것이 사실이다. 인간은 이런 은유적 질문, 혹은 상황을 판단해서 던지는 질문에 충분히 적절한 반응을 할 수 있다.

하지만, 컴퓨터의 입장으로 돌아간다면, 이는 아주 어려운 상황이 된다. "밥은 먹고 다니냐?"라는 단순한 말 하나에 대답하기 위해서 컴퓨터는 여러가지 판단을 해야만 답을 할 수 있다.

첫째로는, 이 질문이 진짜 사실을 묻는 것인지 아닌지를 판단해야 한다. 은유적인 표현일 가능성이 있기 때문이다. 둘째로, 과연 그 사람이 어떤 의도로 말을 하는지 유추해야 한다. 뉘앙스를 판단하는 과정이다. 셋째로, 이 질문에 대해서 내가 처한 상황을 적절히 반영하는 "예-아니오"가 아닌 대답을 해야 한다. 그 외에도 다양한 판단 과정이 존재할 가능성을 내포한다. 

이렇게 컴퓨터가 직접적으로 알아듣기 힘든 대화(코드가 아닌)를 인공 지능에서는 "자연어"라고 이야기한다. 인간이 대화하는 모든 언어는 사실상 자연어라고 생각하면 된다. 매 질문마다, 다양한 판단을 요구하지만, 충분히 자연스럽게 대화가 되는 과정. 이것은 인간이 가진 고유의 능력이라고 여겨져 왔다. 

이런 상황이 최근 IBM에서 개발한 왓슨에 의해서 깨지고 있다. 참고로, 여기에서 나오는 왓슨은 DNA의 그 왓슨이 아니라 IBM의 창립자 토머스 왓슨이다. 그리고 이제 조만간 왓슨은 인공 지능의 대명사로 그 둘보다 더 유명해질 가능성이 있어 보인다. 물론 아직까지는 완벽하다고 볼 수 없지만, 적어도, 퀴즈쇼 영역에서 만큼은 그런 일이 벌어졌고, 이미 지난 과거의 일이 되어 버렸다.

미국 퀴즈쇼 중에서 아주 유명한 Jeopardy라는 퀴즈쇼가 있는데, 이 퀴즈쇼에서 엄청난 차이로 우승을 한 것이다. (참고하실 분은 아래 동영상을 참고해 보세요. ^^) 사람처럼 질문이 끝나기도 전에 대답하는 것은 물론, 은유적인 단어를 포함한 질문에까지 대답을 한다. 물론 영어로 된 표현이긴 하지만, 기존의 컴퓨터로는 단순히 대답하기 힘들었던 자연어를 이해하고, 대답하는 인공 지능의 시대가 열린 셈이다. 

이제 의사의 영역으로 돌아 보자. 사실, 방대한 지식, 그리고 정확한 판단, 시진, 촉진, 청진 등 다양한 감각과 복잡한 정보가 꼬여있는 의료 영역에 인공 지능의 관여는 한계가 있는 것처럼 보인다. 그럼에도 불구하고, 의료 영역에까지 인공 지능 왓슨이 다가 오고 있다. 그것도 아주 빠른 속도로. 실제로 이런 대세를 이제는 거스를 수는 없는 것 같다. 상당한 뉘앙스가 들어 있는 질문까지 대답할 수 있는 인공 지능 컴퓨터. 인공 지능의 "의사 놀이"는 이제 놀이를 넘어서, 진단의 영역까지 들어온 것 같다. 왓슨은 이제, 의료 영역에서

"진단을 위해 더 필요한 history는 무엇인가.

그리고 그 finding을 통해서 어떤 진단을 유추할 수 있는가" 

까지 왔다.

이제, 의사의 할 일을 재정의하고, "어떤 방향으로 의사를 교육할 수 있느냐"가 의사라는 "인재 양성"에 새로운 개념이 되지 않을까? 하는 생각을 해본다. 예컨대, 단순한 의학 지식을 암기하는 것이 아니라, 인공 지능에 저장된 정보를 적절한 형태로 응용해서 환자에게 도움을 주는 판단을 내리는 의사의 역할 말이다. 마치 현재 아무도 스마트폰에 저장된 전화 번호를 하나하나 외우지 않는 것처럼, 의료 지식 역시 단순한 지식의 저장과 리콜보다 지식의 응용과 판단을 조금 더 강조하는 형태로 말이다.
 

 (의사의 판단에 도움을 주는 인공 지능, 의사라는 직업이 없어지지는 않겠지만, 분명히 형태와 교육은 변할 것이다)

전통적인 의미에서의 허준 시대의 의사가 더 이상 외과적 수술을 포함한, 다양한 내과 질환을 치료할 수 없다. 하지만, 당시의 의사의 개념과는 달리, 현대의 "의사"의 개념은 완벽히 진화되었고, 그 당시와는 다르게 재정의되었다.

이제 의사는 약초를 구하러 다니는 것이 아니라, 정제된 약을 "적합한 통계와 근거"에 기반해 효능을 검증하고, 환자에게 처방한다. 그에 따른 교육도 필요에 따라 대치되었고 현재 평균 수명은 그 어느 때보다 높고, 앞으로 더 발전된 가능성이 크다. 그 결과, 비록 시대는 다를지라도, 의사는 의사로서의 역할을 완벽히 수행하고 있다. 그에 발맞추지 못한 의사 집단들은 도태되고 있을 뿐이다.

더 이상 의사는 직접 X-ray를 찍지 않고, 피를 뽑아 직접 검사하지 않아도 된다. 시진, 문진을 하긴 하겠지만, 결과를 통합적으로 살펴보고 그에 근거한 판단이 의사의 주 역할이 되었다. 이 때, 의사의 역할은 다양한 환자 정보를 통합적으로 판단해서 근거에 기반한 치료를 하는 것이 된 셈이다. 이제 "인공 지능"이 완벽하지는 않지만, 단순한 계산을 넘는 이런 통합적 판단도 가능하게 되었음을 이야기한다.

(UC irvine에서 시도되는 색다른 시도. 이런 변혁과 도전이 가능한 학교가 우리 나라에도 있을까?)

현재, 의료계에서 화두가 될 가능성이 큰 구글 글래스 역시 그런 맥락에서 바라봐야 할 것이다. 단순히 기록한다는 것을 넘어서, 정보를 저장하고, 인공 지능과 결부되어 정확하고 필요한 근거를 제공하는 것. 궁극적으로 판단은 의사가 하겠지만, 단순히 내가 알고 있는 병의 가능성보다 훨씬 더 큰 가능성을 제공해주는 인공 지능. 의학에서의 인공 지능의 묘미는 여기에 있을 것이다. 이론적으로는 인공 지능을 사용하는 모두가 "예외적 질병"을 잘 발견하는 닥터 하우스^[각주:1]가 될 가능성이 있다는 말이다.

("예외적 질병"을 잘 발견하는 닥터 하우스)

개인이 이런 상황에서 어떤 방향으로 자신을 계발할 것인지는 개인에 따라 다르다고 보겠다. 극단적으로 본다면, 저장의 기능을 완전히 인공지능 혹은 기계에 맡기고, 판단을 우선으로 하는 의사. 반대로, 저장의 기능을 충실하게 따라서 환자에게 신속한 진단을 내리는 고전적인 형태의 의사. 어떤 모습이 더 올바르다고 할 수 없다. 그 나름의 장점과 단점이 있기 때문이다.

비지니스의 관점에서는 과연 어떤 형태로, 정보를 취득하고, "의사에게 올바른 근거를 어떤 우선순위로 보여줄 것인가"가 인공 지능의 핵심이 되지 않을까 하는 생각을 조심스럽게 해본다. 정보가 충분히 있는 어느 순간부터는 "정보가 많은 것이 문제"가 되기 때문에, 적절히(라고 말하지만 아주 어렵다) 취사 선택한 정보를 제시하는 똑똑한 인공 지능의 개발은 의료의 발전에 아주 큰 영향을 미칠 것이라고 확신한다.

끝으로, 왓슨 개발자 중 하나인 Ken의 TED Seattle에서 강연이다. 충분히 의미 있는 강연이고, 위에 언급한 질문에 대해 많은 insight를 주는 강연인 것 같다. 한 번 살펴 보면서, 미래에 대비하는 것은 어떨까?

전 의과대학에서 기초의학을 전공하는 MD입니다. 이 분야를 선택하는 MD가 거의 없지만 (전체졸업생의 1%도 안됩니다.) 연구에 흥미를느껴 선택했고 새로운 사실을 발견한다는 매력을 주는 연구가 너무나도 재미있습니다. 이 분야로 와서 제 친구들은 다들 전문의가 되었으니 벌써 여기온 지도 꽤나 되었습니다. 

이 글을 쓰는 이유는 가끔씩 보이는 MD PI 매도 때문입니다. 브릭에서 글을 읽다가 한 분이 댓글을 적은 것을 보고 이 글을 씁니다. 그 댓글에 단 내용과 비슷하지만, 다시 한번 글을 적어봅니다. 

(브릭에도 이 글을 올려 두었습니다.)

실제로 BRIC이라는 공간이 있어서 저는 참 많은 도움을 받습니다. 제가 한 번쯤을 했을 고민과 안해봤지만 고민되는 상황에 대해 다양한 가치관을 가진 선배들의 답변을 보면서 정말 "솔로몬의 지혜다" 라고 느낄 때도 많습니다. 하지만 그런 답변을 보면서 그 사람이 MD인지 PhD인지에 대한 고민은 하지 않습니다. 답변을 한 그 사람의 "답변"만을 보지, 그 사람이 어떤 "직함" 을 가진지를 보지는 않는다는 말입니다.

이 부분은 PI도 마찬가지입니다. 이 분야에 몸담은 이후로 다양한 논문을 읽어보았지만, 일부 논문을 제외하고는 그 논문에서 그 사람이 MD인지 PhD인지를 밝히지는않습니다. 심지어는 PhD를 받지 않은 사람도 노벨상을 받을 수 있는 작금의 현실에서 (물론 운이 좋았다고 볼수있겠지만 현재는 이 부분에 대한 언급이 주가 아닙니다.) 그 사람의 백그라운드나 학위는 그 사람이 가진 과거를 표현할 뿐이지, 그 사람을 속한 집단을 100% 반영하고 있을 수 없습니다. 

저 역시도 연구분야가 임상과 기초를 동시에 반영하는 중개 연구라는 특성상, 다양한 형태의 PhD 선생님과 MD 선생님들을 보게 됩니다. 세계적으로도 나가봐도 마찬가지이고, 한국에서도 마찬가지의 결론을 얻을 수 있었습니다. 

 "한 사람만으로 집단을 평가할 수도 없고 평가해서도 안된다"고. 

제 주변을 보면 정말 열심히 연구를 하시는 의과대학 교수님들이 많으십니다. 그리고 대부분 학생을 자식처럼 대하고, 교육이라는 수단이 학생을 얼마나 변화시킬 수 있는지에 대해 끊임없이 고민하고, 책임을 다하시려는 분도 꽤나 많습니다. 대부분은 의과대학 특성상 MD이지만 PhD 교수님도 계십니다. 물론 그분들은 절대 MD나 PhD라는 학위로 구분지어질 수 없습니다. 왜나하면 각기 교수님들이 다르기 때문입니다. 

물론 압니다. 예전에는 일부 몰지각한 임상에 계시는 혹은 연구나 실험을 잘모르시지만, 연구비를 딴 MD 중 일부가, 척박한 대우와 인격적인 고통을 대학원생이나 연구원에게 강요한 일례들이 있다는 사실을 압니다. 저도 그런 사람을 알고는 있습니다. 근데 제 기준에서 보면 "그 사람은 그 사람" 일 뿐입니다. 제 기준에서 보면 정말 말도 안 되는 일을 하는 PhD PI도 있고, 정말 천사같고 인격적으로 본받을 만한 MD도 있습니다. 그들도 다 그냥 한명의 사람일 뿐입니다. "절대 이들이 집단을 대변할 수는 없다"는 사실만이 제 기준에서는 변하지 않는 사실일 뿐입니다. 

현재 의과대학이나 병원에서 중개연구나 임상을 기반으로 하는 연구를 수행하시는 교수님들을 보면, 인격적으로 연구원을 대하고 여러 처우에 대해 신경을 쓰는 경향이 예전보다 많이 늘었고, 그런 추세는 앞으로 지속될 것이라 생각합니다. 실험을 잘 모르는 임상의사들은, 좋은 PhD를 연구 조언자로 생각하고, 연구원들을 자신이 잘 모르는 실험을 할 수 있는 협력을 줄 수 있는 사람이라 생각합니다. 

물론 사람 일이란 것이 경우에 따라서는 안 좋은 일이 발생할 여지는 있으나, 이 역시 자연대나 다른 공대 부분에서도 발생 가능한 확률의 일이라 생각합니다. 

다만, 색안경을 끼고 자신에게 발생한 안 좋은 현상을 바라본다면,  마치 그 사람이 MD이기때문에 발생한 것처럼 여기게 되는 과학적 오류를 범하게 됩니다. 논리적 근거의 심각한 비약이라 볼 수도 있겠지요. 

제가 받은 의과대학 6년의 교육, 그리고 제 주변 친구들이 받은 5년의 수련기간동안, "연구원을 막대하고 아래 사람을 인격적으로 대우하지 말라"는 교육을 받은 기억은 없습니다. 자연대나 공대에서도 이런 교육을 해주는 곳은 없을 것입니다. 

만약 문제를 발생시킨  PI가 있다면 "그 사람이 문제"인 것입니다. 그리고 그 사람의 발생할 빈도는 당연히 인간 집단인 이상 어느 조직이든 비슷하게 발생할 가능성이높습니다.(이런 것은 통계처리하기도 어렵고 통계처리한다고 한들 어떤 기준을 적용할지 애매합니다. 사회학에서 이용되는 "인간집단은 정규분포를 이룬다"는 가정을 넣었습니다 - 사족)

다만, 연구원의 다수는 MD이기보다는 PhD이거나, 석사를 마친 자연대,공대 학생일 가능성이 높고, 그 사람들이 병원이나 의대에서 일할 확률이 높은 것은 사실입니다. 그래서 선택적으로 MD 밑에서 일한 사람이 불만을 제기한 N수가 높을 수는 있지만, 그 비율은 정확히 알 수가 없습니다. 그러면 그 글을 본 사람이 "MD라면 그래" 라는 색안경을 끼고 본다면, 내 결론이 맞았군 할 수 있는 것입니다.

만약 대학원생이 안 좋은 일이 생기거나, 연구원이 부당한 처우를 받아서 글을 올리면, 꼭 "PI가 MD인가요?" 하는 댓글이 있거나,  "MD 밑에서 일하면 원래 그래유~" 하는 댓글을 다는 경우가 많습니다. 근데 아니요 "PI가 PhD에요" 라고하면, "PhD 밑에서 일하면 원래 그래요~" 라기보다는 "이상한 교수를 만나면 고생입니다" 하는 댓글이 다수가 됩니다.  

안 좋은 사건을 저지를 PI가 MD라면, MD라서 당연한 것이고, PhD라면 그 사람이 예외적인 특수한 상황이라고 보는 것은 과학적 토론의 장인 BRIC에서 어딘가 모르게 과학적이지 못하다는 씁쓸함을 남깁니다. 그 사람이 문제인 것이지 MD 집단 자체가 매도될 필요는 없는 것 같은데 말입니다.

제가 주장하는 바가 절대 MD가 착하다는 것을 말하고자 하는 것이 아닙니다. 소위 말하는 쓰레기같은 PI가 있을 수 있습니다. 그렇지만 그  PI도 그저 사람일 뿐입니다. 그 사람이 MD냐 PhD냐는 사실은 그 집단이 그러하다고 말할 수 있는 성질의 것이 아닙니다. 그 PI는 절대 집단을 대변할 수 있는 깜냥을 가진, 소위 말하는 대표성을 가진 예가 아니라는 말입니다. 

이제는 자정되었으면 좋겠습니다. 댓글을 보면 MD 밑에서 일하는데 그렇지 않아요. 라는 글도 종종 보입니다. 제가 바라는 바는, 그냥 그 이상한 PhD를 만나면 이상한 교수라고, 운이 없는 케이스라고 바라보듯이, PI로서 MD를 봐주셨으면 하는 바람입니다. 그냥 그 사람은 이상하고 쓰레기같은 교수일 뿐입니다. 그 사람이 MD라는 사실이  MD 모두다가 그럴 것이다고 매도되는 것은 너무 슬픕니다.  

쓰다가보니 글이 길었습니다. 공감하시는 분도 있을 것이고, 당하신 분 입장에서는 공감하실 수 없을 수도 있다고 생각합니다. 안 좋은 일을 겪으신 분께는 이 자리를 빌어 기초연구를 하는 제가 대표성을 띨 수는 없겠지만, 유감스러운 일에 대해 심심한 사과의 말씀을 대신 전하고 싶습니다. 

모든 MD들이 다 그런 건 아닙니다.

2015.6.10 update.