인공지능과 의료 진단의 융합 가능성

2024년 미국 FDA가 승인한 AI 기반 의료기기는 950개를 넘어섰다. 그런데 정작 병원 현장에서 그 절반가량은 도입 첫해를 넘기지 못하고 서랍 속으로 들어간다. 왜일까.

진단 보조에서 시작된 흐름

AI와 의료 진단의 결합은 영상판독에서 가장 먼저 실용화됐다. 구글 헬스는 2020년 유방암 스크리닝 논문(Nature)에서 자사 AI가 영국 검진 데이터셋에서 위양성률을 5.7%, 위음성률을 9.4% 낮췄다고 발표했다. 국내에서는 루닛(Lunit)의 흉부 엑스레이 판독 보조 소프트웨어 '루닛 인사이트'가 2023년 기준 전 세계 2,600여개 의료기관에 공급됐고, 뷰노(VUNO)의 뇌 MRI 분석 솔루션은 2022년 국내 신의료기술평가를 통과했다. 당뇨망막병증 스크리닝 AI인 IDx-DR은 2018년 FDA로부터 '의사 판독 없이' 단독 진단이 가능한 첫 AI 기기로 승인받아, 규제 측면에서도 분기점이 됐다.

왜 아직 완전히 대체하지 못하는가

문제는 정확도 숫자가 실제 임상 현장의 복잡성을 온전히 반영하지 못한다는 데 있다. 2020년 영국 옥스퍼드대 연구팀이 국제학술지에 발표한 메타분석(Liu et al., Lancet Digital Health)은 유방암·피부암 등 AI 진단 논문 82건 중 실제로 전향적 임상시험을 거친 것은 6건에 불과하다고 지적했다. 대부분 소급 데이터셋에서의 성능이었다는 뜻이다. 여기에 '데이터셋 편향' 문제가 겹친다. 2019년 스탠퍼드대 연구에서는 피부암 진단 AI가 백인 피부 이미지 위주로 학습되어 유색인종 환자에서 정확도가 유의미하게 떨어지는 사례가 보고됐다.

법적 책임 소재도 여전히 불투명하다. AI가 오진을 냈을 때 책임은 개발사인가, 이를 승인한 의료기관인가, 최종 판독한 의사인가. 국내에서는 2023년 의료법 개정 논의 과정에서 이 문제가 쟁점이 됐지만 아직 명확한 판례가 축적되지 않았다.

현재의 균형점: 보조자로서의 AI

그래서 현재 가장 현실적인 배치 방식은 '의사의 대체'가 아니라 '의사의 증강'이다. 서울아산병원은 2021년부터 AI 판독 보조를 병리과 워크플로에 통합하면서, 판독 시간을 평균 30% 단축했다고 발표했다. 이 경우 최종 판단과 서명은 여전히 전문의가 담당한다. 세계보건기구(WHO)도 2021년 보고서에서 AI 의료기기를 '의사결정 지원 도구'로 규정하며 완전 자동화 진단에는 신중한 입장을 취했다.

결국 이 분야의 진짜 논쟁은 '기술이 얼마나 정확한가'가 아니라 '불확실성을 누가 감당할 것인가'로 옮겨가고 있다. 정확도 곡선은 계속 상승하겠지만, 신뢰·책임·데이터 편향의 문제는 기술 진보와 별개의 속도로 풀려야 한다.

병원에서 엑스레이 사진을 찍으면, 요즘은 의사 선생님 옆에 AI도 같이 그 사진을 본다는 사실을 알고 있나? 실제로 그런 일이 벌어지고 있다.

AI가 사진을 보는 방법

AI는 수만, 수십만 장의 엑스레이·MRI 사진을 미리 학습한다. 정상인 사진과 병이 있는 사진을 계속 비교하면서 "이런 모양이면 질병일 확률이 높다"는 패턴을 스스로 찾아낸다. 국내 기업 루닛이 만든 흉부 엑스레이 분석 프로그램은 2023년 기준 전 세계 2,600여개 병원에서 쓰이고 있다. 미국에서는 2018년에 눈 속 사진만 보고 당뇨병 합병증(당뇨망막병증)을 스스로 진단하는 AI가 정부 승인을 받기도 했다.

왜 대단한가

사람 눈은 피곤하면 놓치는 게 생긴다. 특히 방사선과 의사 한 명이 하루에 봐야 하는 사진이 수백 장에 달할 때는 더 그렇다. AI는 지치지 않고 똑같은 집중력으로 사진을 본다. 그래서 구글이 2020년 발표한 연구에서는 AI가 유방암 검진 사진에서 사람 의사보다 오진율을 더 낮췄다는 결과가 나오기도 했다.

그런데 완벽하진 않다

하지만 AI에게도 약점이 있다. 2019년 미국 스탠퍼드대 연구팀은 피부암을 진단하는 AI가 백인 피부 사진으로 많이 학습되다 보니, 다른 피부색을 가진 환자를 볼 때는 정확도가 떨어진다는 사실을 발견했다. 배운 데이터가 한쪽으로 치우치면 AI의 판단도 함께 치우치는 것이다.

또 AI가 틀렸을 때 누구 책임인지도 아직 명확하지 않다. AI를 만든 회사 잘못일까, 그걸 도입한 병원 잘못일까, 아니면 그 결과를 최종 확인한 의사 잘못일까. 이 질문에는 아직 딱 떨어지는 답이 없다.

그래서 지금은 어떻게 쓰일까

현재 대부분의 병원은 AI를 '의사를 대신하는 존재'가 아니라 '의사를 도와주는 조수'로 쓴다. 서울의 한 대형병원은 AI 도입 후 병리 판독 시간이 평균 30% 줄었다고 밝혔지만, 최종 사인은 여전히 사람 의사가 한다. 세계보건기구도 2021년 보고서에서 AI를 진단의 최종 결정권자가 아니라 '보조 도구'로 다뤄야 한다고 강조했다.

앞으로 AI 진단 기술은 더 정확해지겠지만, "이 판단을 누가 책임질 것인가"라는 질문은 기술과 별개로 우리 사회가 계속 풀어가야 할 숙제로 남아 있다.

병원에 가면 의사 선생님이 사진(엑스레이나 MRI)을 보고 어디가 아픈지 찾아낸다. 그런데 요즘은 컴퓨터도 함께 그 사진을 본다는 걸 알고 있니?

컴퓨터가 사진 보는 법

이 컴퓨터 프로그램을 '인공지능(AI)'이라고 부른다. AI는 아주 많은 사진을 미리 공부한다. 아픈 사람 사진과 건강한 사람 사진을 수십만 장씩 보면서 "이런 모양이면 아픈 거구나!" 하고 스스로 배운다. 마치 그림 찾기 놀이를 몇만 번 하고 나면 아주 잘하게 되는 것과 비슷하다.

왜 도움이 될까

사람은 피곤하면 실수를 한다. 의사 선생님이 하루에 봐야 하는 사진이 수백 장일 때도 있는데, 그러다 보면 아주 작은 변화를 놓칠 수도 있다. 하지만 AI는 지치지 않는다. 항상 똑같이 꼼꼼하게 사진을 살펴본다. 실제로 2018년 미국에서는 눈 사진만 보고 병을 찾아내는 AI가 정부의 허락을 받은 적도 있다.

AI도 실수를 한다

그렇다고 AI가 완벽한 건 아니다. 2019년에 어떤 연구에서는 피부병을 찾는 AI가 특정 피부색 사진만 많이 공부해서, 다른 피부색을 가진 사람은 잘 못 알아본 적이 있었다. 공부한 것만 잘 아는 셈이다. 사람도 한 종류의 문제집만 풀면 다른 문제는 어려워하는 것과 똑같다.

그래서 누가 최종 결정을 할까

지금은 AI가 병을 혼자 결정하지 않는다. AI는 "여기가 이상해 보여요"라고 의사 선생님께 알려주는 역할을 한다. 최종 결정은 언제나 사람 의사가 내린다. 한 병원에서는 AI 덕분에 사진을 확인하는 시간이 훨씬 짧아졌다고 한다. AI는 훌륭한 조수이지만, 아직은 혼자서 모든 걸 책임질 수 있는 의사는 아니다.

앞으로 AI는 점점 더 똑똑해지겠지만, "누가 마지막 결정을 내릴 것인가"는 여전히 사람의 몫으로 남아 있다.