의료 AI 어디까지 왔나: 펜실베이니아대 5개 임상 분야 교수가 짚은 성과와 걸림돌

핵심 메시지

• 펜실베이니아대의 다섯 개 임상 분야 교수들이 각자 현장에서 실제로 쓰이는 AI 사례와 그 한계를 공개 웨비나에서 나눴다.
• 영상 판독과 치료 계획, 간호 현장의 조기 경보, 노년층 돌봄, 초음파 촬영 보조 등 이미 진료 흐름 안으로 들어온 도구가 적지 않다.
• 가장 자주 지적된 문제는 한 병원에서 잘 작동하던 모델이 다른 병원에서 성능이 떨어지는 일반화 실패와, 시간이 지나며 성능이 흘러가는 드리프트였다.
• 중환자의학 전문가는 예측 정확도가 높다는 것과 실제 환자 결과가 좋아지는 것 사이의 간극을 가장 큰 난제로 꼽았다.
• 윤리와 형평성은 다 만든 모델에 나중에 덧붙일 수 없고, 데이터 생성과 설계 단계로 앞당겨야 한다는 주장이 반복됐다.

쉽게 이해하기

펜실베이니아대의 대학 차원 AI 이니셔티브가 연 공개 웨비나에서 치의학, 간호학, 노년학, 영상의학, 중환자의학 다섯 분야의 교수들이 한자리에 모였다. 진행은 의과대학의 AI·컴퓨팅 담당 부학장과 영상의학·공학을 겸임하는 교수가 맡았고, 각 분야에서 AI가 판을 바꾸고 있다고 느끼는 지점, 책임 있는 도입을 가로막는 과제, 그리고 진짜 변화를 만들려면 무엇이 필요한지를 차례로 물었다.

치의학에서는 컴퓨터 설계·제작 방식이 오래전부터 쓰여 왔지만, AI가 더해지면서 방사선 사진 판독과 치료 계획, 환자별 맞춤 보철물 제작 속도가 크게 달라졌다는 설명이 나왔다. 특히 스캔한 치아와 얼굴을 바탕으로 결과를 몇 초 만에 보여 주고 환자와 함께 결정하는 방식이 환자 만족도를 높였다고 전했다. 반면 참고문헌을 지어내는 연구 보조 도구는 임상 판단의 근거를 흔들 수 있어 위험하다고 경고했다.

간호학 쪽에서는 접근 방식 자체가 다르다는 점이 강조됐다. 간호는 한 시점의 진단이 아니라 회복과 생활의 과정을 다루기 때문에, 간호사가 병실에 몇 번 들어갔는지나 방 안에 몇 사람이 있었는지 같은 미묘한 신호를 모아 환자 상태 악화를 미리 알리는 모델이 의미를 갖는다는 것이다. 또한 AI가 초안을 쓴 기록을 비판적으로 읽어 내는 능력이 새로운 필수 역량이 되면서, 교육 자체가 작성 중심에서 검토 중심으로 바뀌고 있다고 했다.

노년학과 영상의학에서는 접근성 확대가 화두였다. 행동 신호로 인지 저하를 조기에 잡아내거나 낙상을 예방하는 가정용 도구, 그리고 병원이 없는 농촌 지역에 병원 수준의 진료를 가져가는 프로그램이 사례로 제시됐다. 특히 초음파처럼 촬영자의 숙련도에 크게 좌우되는 검사에서 AI가 실시간으로 탐촉자 위치와 설정을 안내해 주면, 전문 훈련을 받지 않은 인력도 진단 가능한 영상을 얻을 수 있다는 점이 강조됐다.

토론의 무게중심은 후반으로 갈수록 제도와 문화로 옮겨 갔다. 데이터가 병원별로 흩어져 있고 서로 연결되지 않는다는 지적, 검증은 한 번으로 끝나지 않으며 배포 이후에도 계속 감시해야 한다는 지적, 실험실 성능과 병상에서의 효과 사이를 잇는 공통의 판단 기준이 아직 없다는 지적이 이어졌다. 임상의와 환자를 도입 결정의 앞단으로 데려와야 한다는 제안도 여러 차례 반복됐다.

주요 인사이트

• 성능이 조금 떨어지는 모델이 더 나은 진료로 이어질 수 있다는 지적이 나왔다. 정답률이 완벽해도 엉뚱한 시점에 엉뚱한 사람에게 전달되면 소용이 없고, 반대로 정확도가 낮아도 임상의가 잠시 멈춰 다시 생각하게 만들면 결정의 질이 올라간다는 것이다.
• 노년층 대상 AI에는 연령 차별이라는 별도의 편향 문제가 있다. 임상시험과 각종 프로그램이 애초에 고령자를 제외해 온 탓에, 학습 데이터 단계에서부터 이미 이들이 빠져 있는 경우가 많다는 설명이다.
• 검증을 한 번의 통과 의례로 보면 안 된다는 점이 반복됐다. 새 데이터가 들어갈 때마다 성능이 달라지므로 버전 관리와 지속적인 감시가 필요하고, 이는 실험실 검사에 적용되는 지역 단위 관리 체계와 비슷한 장치를 AI에도 두자는 제안으로 이어졌다.
• 영상 데이터가 많아 보여도 AI 학습에 곧바로 쓸 수 있는 상태는 아니다. 비식별 처리와 형식 통일, 식별자 정리 같은 데이터 정돈 작업이 연구의 큰 몫을 차지하며, 특히 초음파는 공개된 표준 데이터셋이 크게 부족하다는 점이 지적됐다.
• 현장 정착을 위한 학습 방식으로는 동료 간 학습이 제안됐다. 옆에서 바로 “이렇게 해 봤더니 이렇게 나왔는데 어떻게 생각하느냐”고 물을 수 있는 관계, 그리고 상급자나 교육생 앞에서 하기 어려운 말을 꺼낼 수 있는 안전한 대화 자리가 함께 필요하다는 것이다.

자주 묻는 질문

관련 AI 소식