AI, 복잡한 진단서 의사 앞섰다…의료 현장은 어떻게 바뀔까?

미국 의학계에서 인공지능을 바라보는 시선이 다시 바뀌고 있다. 의료 AI는 그동안 영상 판독, 의무기록 요약, 예약·상담 자동화처럼 비교적 제한된 영역에서 활용 가능성이 논의돼 왔다. 그러나 하버드 의대와 베스이스라엘 디코니스 메디컬센터 연구진이 복잡한 임상 사례에서 AI와 의사의 추론 능력을 비교한 대규모 연구를 내놓으면서, 논의의 중심은 “AI가 의료 행정을 얼마나 줄일 수 있느냐”에서 “AI가 실제 진료 판단을 어디까지 도울 수 있느냐”로 옮겨가고 있다.

하버드 의대는 최근 연구진이 실제 응급실 사례와 공개 임상 사례를 포함해 AI와 의사를 다양한 임상 추론 과제에서 비교했다고 밝혔다. 연구의 핵심은 AI가 단순히 의학 지식을 암기한 수준을 넘어, 복잡하고 불완전한 환자 정보를 검토한 뒤 다음 진료 단계와 가능성 높은 진단을 제시하는 능력을 평가했다는 점이다. 하버드 의대는 이 결과가 의료 AI를 실제 진료 환경에서 엄격한 임상시험 대상으로 검토할 필요가 있음을 보여준다고 설명했다.

특히 응급실 진단 영역에서 나온 수치는 의료계 안팎의 관심을 끌었다. 외신 보도에 따르면 이번 연구에서 고도화된 AI 추론 모델은 실제 응급실 환자 사례의 초기 판단 단계에서 약 67%의 정확도로 진단을 맞히거나 근접한 답을 냈고, 의사들의 정확도는 약 50~55% 수준으로 나타났다. 더 자세한 정보가 주어졌을 때 AI 정확도는 82%까지 올라갔다는 분석도 제시됐다.

이 결과를 곧바로 “AI가 의사를 이겼다”는 식으로 받아들이는 것은 위험하다. 연구는 실제 환자와 대면하는 진료 전 과정을 평가한 것이 아니라, 전자의무기록과 임상 사례를 바탕으로 한 텍스트 기반 추론 능력을 비교한 성격이 강하다. 환자의 표정, 통증 호소 방식, 보호자 진술, 의료진의 촉진과 청진, 현장 직감 같은 요소는 충분히 반영되기 어렵다. 연구진도 AI가 독립적으로 진료를 수행할 준비가 됐다는 결론이 아니라, 실제 의료 현장에서 통제된 방식으로 시험할 만큼 성능이 올라왔다는 데 의미를 뒀다.

한국 독자에게 중요한 대목은 의료 AI의 역할이 ‘검색 도구’에서 ‘판단 보조자’로 이동하고 있다는 점이다. 지금까지 환자와 의료진이 경험한 AI는 증상을 입력하면 가능한 질환을 나열하거나, 검사 결과를 요약하거나, 의학 정보를 쉽게 설명하는 수준에 가까웠다. 그러나 이번 연구가 보여주는 방향은 다르다. AI는 복잡한 증상과 검사 결과, 과거력, 약물 정보, 시간에 따른 변화까지 함께 읽고 “다음에 무엇을 확인해야 하는가”를 제안하는 쪽으로 진화하고 있다.

의료 현장에서는 이 변화가 상당한 파급력을 가질 수 있다. 응급실이나 중환자실처럼 시간 압박이 큰 곳에서는 놓치기 쉬운 진단 후보를 AI가 제시할 수 있다. 희귀질환이나 여러 질환이 겹친 환자처럼 판단이 복잡한 경우에도 AI는 의사의 사고 범위를 넓히는 두 번째 의견 역할을 할 수 있다. 의료진이 환자 한 명을 보기 위해 검토해야 하는 정보량이 계속 늘어나는 상황에서, AI는 방대한 기록을 빠르게 정리하고 위험 신호를 표시하는 도구가 될 가능성이 있다.

그러나 의료 AI가 강력해질수록 위험도 함께 커진다. AI가 그럴듯한 근거를 제시했지만 실제로는 잘못된 판단을 내리는 경우, 의료진이 이를 얼마나 비판적으로 검증할 수 있는지가 핵심 문제가 된다. AI의 답변이 항상 틀릴 수 있다는 전제 아래 설계되지 않으면, 의료진이 AI의 판단에 과도하게 의존하는 자동화 편향이 생길 수 있다. 특히 진료 경험이 적은 의료진이나 과부하 상태의 현장에서는 AI의 확신 있는 문장이 오히려 잘못된 방향으로 판단을 끌고 갈 수 있다.

책임 소재도 피할 수 없는 쟁점이다. AI가 제안한 진단을 의사가 받아들였고, 그 결과 환자에게 손상이 발생했다면 책임은 누구에게 있는가. 의사인가, 병원인가, AI 개발사인가, 아니면 이를 승인한 규제기관인가. 의료 AI가 실제 진료 과정에 깊게 들어올수록 단순한 소프트웨어 문제가 아니라 의료법, 보험, 의료분쟁, 개인정보보호, 임상윤리의 문제가 된다. 미국에서 나온 이번 연구가 한국 의료계에도 의미를 갖는 이유다.

또 하나의 쟁점은 데이터다. AI가 임상적으로 유용하려면 다양한 인종, 연령, 성별, 질환군, 의료환경에서 검증돼야 한다. 미국 병원 자료와 공개 임상 사례에서 좋은 성능을 보였다고 해서 한국 환자에게 같은 성능을 보장할 수는 없다. 질병 양상, 진료 관행, 보험 체계, 검사 접근성, 약물 사용 패턴이 다르기 때문이다. 한국에서 의료 AI를 본격적으로 도입하려면 국내 의료 데이터와 실제 임상 환경을 반영한 독립 검증이 필요하다.

하버드 연구가 던진 메시지는 의료 AI가 의사를 대체한다는 단순한 전망이 아니다. 오히려 앞으로의 의료가 의사, 환자, AI가 함께 판단하는 구조로 바뀔 가능성을 보여준다. 의사는 환자를 직접 보고 맥락을 이해하며, AI는 방대한 자료를 정리하고 놓친 가능성을 제시한다. 환자는 AI가 제안한 정보가 어떤 근거로 나왔는지 설명받을 권리를 갖는다. 이 삼각 구조가 제대로 작동하려면 기술 성능만큼이나 설명 가능성, 책임 체계, 의료진 교육이 중요하다.

한국 의료계도 이 흐름을 멀리서 지켜볼 수만은 없다. 의료 인력 부족, 지역 의료 격차, 응급실 과밀, 고령화로 인한 만성질환 증가가 동시에 진행되는 상황에서 AI 기반 진단 보조는 현실적인 대안 중 하나가 될 수 있다. 다만 도입의 순서는 신중해야 한다. 광고성 성능 수치보다 실제 환자 안전을 기준으로 삼아야 하고, 병원별 시범사업보다 표준화된 평가 체계가 먼저 마련돼야 한다.

미국 의학계의 이번 움직임은 의료 AI가 연구실 시연 단계를 지나 임상 검증의 문턱에 다가섰음을 보여준다. 이제 질문은 “AI가 의사보다 똑똑한가”가 아니라 “AI를 어떤 조건에서, 누가, 어떤 책임 아래 사용할 것인가”에 가깝다. 의료 AI의 성패는 진단 정확도 경쟁만으로 결정되지 않는다. 환자 안전을 해치지 않으면서 의사의 판단을 넓히고, 의료 접근을 높이는 방향으로 제도와 현장이 함께 움직일 때 비로소 기술의 의미가 살아난다.