암 유전체학에서 AI의 책임 있는 통합: 장벽, 위험, 신뢰할 수 있는 임상 전환을 위한 경로
Responsible Integration of AI in Cancer Genomics: Barriers, Risks, and Pathways to Trustworthy Clinical Translation
인공지능(AI)과 자연어 처리(NLP)는 암 유전체학과 관련된 생의학 지식을 추출·통합·해석하는 데 점점 더 많이 사용되고 있지만, 이를 일상적인 임상 종양학으로 전환하는 것은 상대적으로 더딘 편이다. 핵심 과제는 계산 역량만이 아니라 임상 워크플로에 대한 신뢰할 수 있는 통합이다. 본 리뷰는 문헌 마이닝(literature mining)과 자동화된 변이(variant) 해석부터 임상시험 매칭, 지식 그래프(knowledge graph) 구축, 멀티모달(multimodal) 데이터 통합에 이르기까지 NLP와 AI가 암 유전체학 파이프라인을 어떻게 지원하는지 검토한다. 우리는 네 가지 상호 연관된 전환(translational) 실패 영역을 식별한다: 증거의 비일관성, 설명 가능성(explainability)과 불확실성(uncertainty), 데이터 거버넌스(data governance)와 재현성(reproducibility), 그리고 상호운용성(interoperability). 이러한 도전을 고립적으로 보는 대신, 우리는 전환 경로 전반에 걸친 상호작용에 초점을 맞춘 시스템 수준의 관점을 취한다. 우리는 엄격한 검증, 불확실성 인지(uncertainty-aware) 방법, 상호운용 가능한 인프라, 규제 정렬(regulatory alignment), AI 수명주기 전반에 걸친 인간 감독(human oversight)을 통해 이러한 영역을 해결하기 위한 개념적 프레임워크와 로드맵을 제안한다. 일상적인 임상 사용을 향한 진전은 모델 역량을 더 개선하는 것보다 개발부터 배포 및 배포 후 모니터링에 이르기까지 이러한 상호작용하는 실패 영역을 체계적으로 다루는 데 더 달려 있을 것이다.