의료 인공지능(AI)은 머신러닝, 딥러닝 기반 모델과 관련 기술을 의료 산업에 적용해 예측, 진단, 치료 등 진료 프로세스를 효율적으로 지원해 개선하는 기술이다. 장차 의료 산업의 혁신을 불러올 핵심 기술로서 주요 해외 기업과 스타트업을 중심으로 활발한 기술 개발과 투자가 이어지고 있다.

인공지능 발명의 유형은 AI학습 모델링과 AI응용으로 나뉜다. 세부적으로는 ▲데이터 ▲데이터 전처리 ▲학습 모델 정의 ▲물리적 구현 ▲학습 완료 모델의 다섯 요소로 구분된다. 학습용 데이터는 병리, 영상, 전자의무기록(EMR), 생체신호 등 기존 의료 데이터를 활용하며, 학습 데이터의 특성에 따라 모델의 성능과 결과가 크게 달라질 수 있다.

데이터 자체가 아니라 그 ‘특징’에서 기술적 차별성이 있는 경우, 데이터 전처리 방법의 기술적 특징으로도 특허를 받을 수 있다. 이때 학습 모델의 물리적 구현을 위해서는 학습 환경 구성, 입 출력 데이터의 상관관계, 모델 구현과 검증, 복수 학습 모델 연계, 분산·병렬 처리, 하이퍼파라미터 최적화 등 구성이 뒷받침돼야 한다. 인공지능 학습 완료 모델은 다수의 의료 데이터 중 일부를 선택해 머신러닝을 통해 도출되며, 인공지능 프로그램과 입력 파라미터의 조합을 특정하면 진보성 판단에 유리하다.

반대로 특허로 인정받기 어려운 경우도 있다. 명세서에 ‘인공지능 기술을 이용하여’, ‘인공지능 알고리즘에 따라’와 같은 문구만 기재하고 구체적 기술 구성이 특정되지 않으면 특허 대상이 되기 어렵다. 따라서 청구항의 발명을 기재할 때 기술적 수단을 이용한 방법 또는 장치로 기재하는 것이 바람직하다. 선행 기술과의 차이가 공지된 학습 모델의 채택에만 있는 경우, 특허청은 이를 인공지능 기술의 구체적 적용에 따른 단순 설계 변경으로 볼 수 있다. 변경된 모델의 구체적 구성을 특정하고, 성능 향상을 입증하는 실험 데이터를 제시하면 등록 가능성을 높일 수 있다.

또한 인공지능 기술을 단순 조합, 적용하거나 효과가 미미한 경우, 혹은 인공지능을 인간 지능(Human Intelligence)처럼 사용하는 경우에도 특허성을 인정받기 어렵다. 동일한 데이터를 사용하더라도 기계 학습을 위한 특징점을 추출하는 과정이 있거나, 전혀 다른 새로운 학습 데이터를 제시하는 등 차별화가 필요하다.

최근 보건의료 영역에서 사물인터넷(IoT), 디지털치료제(DTX), 생성형AI, 소프트웨어 의료기기(SaMD), 서비스형 소프트웨어(SaaS) 활용이 확대되면서, 관련 특허 출원도 증가하고 있다. 최신 기술의 지식재산권 확보 전략을 수립하려면 연구개발(R&D) 부서와 사전에 협의하고, 해당 분야의 출원 경험이 많은 변리사와 함께 출원을 진행하는 것이 바람직하다. 초기 단계부터 기술적 차별성과 실험 근거를 축적하는 것이 특허 성공 전략의 핵심이다.

마취통증의학과
김성훈 교수

김성훈 교수는 서울아산병원 마취통증의학과에서 환자의 안전한 마취와 중환자 관리에 힘쓰는 동시에, 연구중심병원 육성과제 총괄책임교수로 ‘헬스케어 기술 개발’에도 앞장서고 있습니다. AI 기반 연구를 비롯해 헬스케어 발명 특허와 기술사업화에 대한 깊은 관심을 갖고 의료 현장에서 기술 혁신을 주도할 수 있도록 노력합니다. 이번 뉴스룸 칼럼을 통해 디지털 헬스케어, 의료기술 사업화의 미래에 대한 통찰을 공유할 예정입니다.