진료 효능의 “분업” 경계는 어디인가?

AI의 의료 적용은 “의사를 대체하는 것”과는 다릅니다. 현재 AI가 가장 잘하는 것은 “표준화된 고강도 작업”으로, 의학 영상 인식, 약물 스크리닝, 진료 과정 자동화 등의 분야입니다. 영상 인식을 예로 들면, 구글 헬스 팀이 개발한 AI 모델은 유방암 스크리닝에서 경험이 풍부한 방사선과 의사보다 더 나은 성과를 보였습니다. 이 시스템은 수백만 장의 유방 X선 이미지를 훈련하여 미세한 병변 단서를 학습하였으며, 정확도는 94% 이상, 가양성률은 인공 진단보다 현저히 낮습니다.

하지만 AI가 잘하는 것은 “임상 직관”이나 “다중 복합 판단”이 아닙니다. 예를 들어, 두통, 발열, 피로를 호소하는 환자에 대해 인간 의사는 과거 병력, 신체 검사, 임상 경험을 종합하여 진단 방향을 제시합니다. 반면 AI 시스템은 종종 “설문 입력”에 더 의존하며, 실제 접촉과 상황 판단이 결여된 상태에서 제안을 하므로 정확성이 정보 구조에 영향을 받기 쉽습니다. 따라서 현재 단계에서 더 합리적인 인식은 “AI가 의사가 잘하는 일부를 할 수 있다”는 것이지 “AI가 의사가 할 수 있는 모든 것을 할 수 있다”는 것이 아닙니다.

AI “진료”의 본질은 데이터 모델링

많은 사람들이 AI 의사에 대한 첫 인상은 일부 “스마트 진료” 플랫폼이나 앱에서 비롯됩니다. 사용자가 증상을 입력하면 시스템이 초기 진단 제안을 하고 진료 과목을 추천합니다. 그 뒤에 있는 기술 원리는 주로 자연어 처리(NLP)와 의사 결정 트리 모델링의 결합입니다. AI 시스템은 사례 데이터와 의학 지침을 지속적으로 “읽어” 증상과 병인 간의 대응 관계 네트워크를 구축합니다.

예를 들어, 알리 헬스가 출시한 “미래 병원”의 AI 진료 시스템은 수천만 건의 전자 병력 및 의료 보험 기록을 기반으로 일반 질병에 대해 높은 일치율을 보입니다. 사용자가 “목 아픔, 콧물, 기침”을 입력하면 시스템은 몇 초 내에 상기도 감염의 확률이 더 높다고 판단하고 이비인후과 진료를 추천합니다.

하지만 이러한 진료 시스템의 문제는 명백합니다. 첫째, 환자가 입력한 정확성에 의존하며 신체 검사나 생화학 지표를 대체할 수 없습니다. 둘째, 증상이 겹치거나 드문 질병에 대한 판단 능력이 제한적입니다. 가장 중요한 것은, 그 제안이 “우연 추론”에 기반하고 “인과 논리”가 결여되어 있어 진정한 임상 판독 및 추론 과정이 부족하다는 점입니다. 따라서 실제 응용에서 그것은 진정한 임상 의사라기보다는 “의학 지식 검색기”에 가깝습니다.

의학 영상은 AI가 실력을 발휘하는 주요 전장

만약 진료 장면에서 AI가 여전히 “미숙하다면”, 의학 영상 분석에서는 AI의 성과가 “주목할 만하다”고 할 수 있습니다. AI 이미지 인식 기술의 비약적인 발전은 심층 학습, 특히 합성곱 신경망(CNN)의 광범위한 적용 덕분입니다. 의학 영상의 규칙성과 높은 표준 주석 체계는 AI 훈련에 이상적인 장면을 제공합니다.

폐 결절 스크리닝, 당뇨병 망막병증 인식, 뇌 CT 출혈 인식 등의 분야에서 여러 AI 시스템이 임상 파일럿에 적용되었습니다. 예를 들어, 텐센트 미잉은 폐암 조기 스크리닝에서 AI 모델을 통해 CT 이미지에서 의심스러운 결절을 인식하여 민감도가 95% 이상에 달하고 조기 폐암 발견률이 30% 증가했습니다. 마찬가지로, DeepMind가 개발한 망막 이미지 인식 시스템도 영국 국가 의료 서비스 시스템에서 임상 검증을 진행하여 10초 내에 망막 이미지의 이상 여부를 판단하고 의사가 전환이 필요한지 결정하는 데 도움을 줍니다.

이 기술들의 공통된 장점은 빠르고, 효율적이며, 정확하다는 것입니다. AI는 피로를 느끼지 않으며 주관적 선호의 영향을 받지 않아 의사가 대량의 데이터를 처리하는 데 도움을 주어 스크리닝 효율을 높입니다. 그러나 단점도 있습니다. 새로운 질병이나 비정상적인 표현에 대한 인식력은 여전히 훈련 샘플에 의존합니다. 만약 영상 특징이 데이터에 나타나지 않았다면, AI는 유연하게 추론하거나 “유추”하기 어려워지며, 이는 항상 인공 검토와 함께해야 하는 중요한 이유입니다.

AI 보조 진료가 실제 병원에 들어왔는가?

중국에서는 여러 병원이 AI 보조 시스템을 도입하여 초기 진료 분류, 처방 검토, 병리 분석 등의 단계에 사용하고 있습니다. 예를 들어, 저장대학교 의과대학 부속 제2병원에서 사용하는 “알파 의사” 시스템은 외래 대기 구역에서 환자가 진료 정보를 입력하도록 안내하고, 병인을 초기 판단하여 진료 제안을 제공합니다. 이 시스템은 의사가 진단한 후 전자 병력 초안을 자동으로 생성하여 의사의 문서 부담을 크게 줄입니다.

상하이 중산병원에서는 AI 시스템이 의심되는 관상동맥 질환 환자의 CT 영상 분석을 수행하여 의사에게 협착 정도에 대한 정량적 참고를 제공하고 많은 인력 측정 시간을 절약합니다. 또한 AI는 병력 아카이빙, 의료 보험 정산, 환자 추적 관리 등 비직접 진료 단계에도 사용되어 병원의 정보화 운영 효율을 높입니다.

하지만 이러한 “임상에 들어온” AI는 대부분 여전히 “보조 역할”을 하며 “결정 주체”가 아닙니다. 진단, 치료 또는 약물 단계에서 AI의 제안은 항상 면허 의사의 검토와 서명이 필요합니다. 그 이유는 AI 성능 부족이 아니라 극히 엄격한 의료 윤리, 법적 책임 귀속, 환자 안전 보장 등의 시스템적 문제와 관련이 있습니다. 현재의 의료 시스템에서 AI는 “도구”가 될 수 있을 뿐 “책임 주체”가 될 수는 없습니다.

의료 윤리와 책임 인정이 여전히 최대 도전 과제

AI 의료화의 최대 난제는 기술이 아니라 윤리와 법입니다. 가장 현실적인 문제는: AI의 오진으로 치료 지연이나 불리한 결과가 발생했을 때, 누가 책임을 지는가? 현재 전 세계의 주류 의료 시스템은 성숙한 AI 책임 판별 메커니즘을 형성하지 못했습니다. 중국에서는 모든 진료 행위는 면허 의사가 수행해야 하며, AI 시스템이 제안을 하더라도 의사가 합리적으로 검토하지 않으면 결과는 여전히 의사가 책임져야 합니다.

또한 AI 시스템의 “블랙 박스” 문제도 우려됩니다. 많은 심층 학습 모델의 결정 과정은 투명하지 않아 명확한 “진단 이유”를 제시하기 어렵고, 이는 의학이 “추적 가능성”의 원칙을 중시하는 것과 상반됩니다. 예를 들어, AI가 특정 치료 방안을 추천하더라도 “근거가 무엇인가”라는 질문을 받으면 시스템이 설명 가능한 경로를 제시하지 못할 수 있습니다. 이 경우 환자의 신뢰를 구축하기 어려워지고 의사도 함부로 채택하기를 주저하게 됩니다.

또한 AI 훈련은 대규모 의료 데이터에 크게 의존하며, 이러한 데이터는 종종 개인 정보, 윤리 및 안전 문제와 관련이 있습니다. 데이터 출처가 불투명하거나 주석이 비정상적일 경우 모델에 시스템적 편향이 발생할 수 있습니다. 예를 들어, 특정 AI 시스템은 훈련 집합에서 여성 샘플 비율이 너무 낮아 유방암 인식에서 큰 오차를 보이며 “성별 편향”을 드러냈습니다. 따라서 AI 의사의 등장은 단순한 기술적 과제가 아니라 도덕적 및 법적 체계의 전방위적 도전입니다.

미래 경로는 융합이지 대체가 아니다

AI 의사의 발전 경로는 “대체론”에 좌우되지 말고 의료 본질로 돌아가야 합니다—인류의 건강을 서비스하는 것입니다. 현재 가장 유망한 방향은 “인간-기계 협동”으로, AI가 구조화되고 반복적인 작업을 맡아 의사의 에너지를 해방시키고 개인화된 판단, 인문적 소통 및 복잡한 결정을 집중할 수 있도록 하는 것입니다.

예를 들어, 만성 질환 관리에서 AI는 환자의 장기 혈당, 혈압, 체중 등의 데이터를 분석하여 추세 알림 및 경고 정보를 제공하여 의사가 사전 개입할 수 있도록 돕습니다. 원격 의료에서는 AI가 이미지 및 보고서를 사전 판단하여 의사가 외진 지역에서 더 효율적으로 서비스를 제공할 수 있도록 합니다. 임상 교육에서는 AI가 의사에게 신입 의사 교육을 지원하고 시뮬레이션 추론 사례를 제공하여 교육 품질을 향상시킬 수 있습니다.

더 깊은 경향은 AI 의료 윤리 프레임워크의 구축 및 규범적 관리입니다. 미래 AI의 “의료 진입”은 통일된 검토 시스템을 갖추어 “제안 가능”과 “결정 불가”의 경계를 명확히 할 수 있습니다. 동시에 AI 시스템은 “설명 가능성” 설계를 강화하여 대중의 신뢰도를 높여야 합니다.

“도구”에서 “파트너”로, AI 의사는 여전히 긴 길을 걸어야 합니다. 그것은 아마도 따뜻한 “임상 시선”을 대체할 수는 없겠지만, 의사 곁에서 가장 강력한 지능형 보조자가 될 수 있습니다. 이것이 바로 AI 의료가 가장 기대되는 종착점입니다.