AI 대 의사 진단 추론 대결: 사이언스 2026 논문으로 본 OpenAI o1의 성적

핵심 메시지

• 사이언스 2026년 4월 30일자에 실린 연구로, 하버드 의대·스탠퍼드·마이크로소프트 연구팀이 OpenAI의 추론 특화 모델 o1을 실제 의사들과 같은 무대에서 비교했다.
• 비교는 한두 시나리오가 아니라 여섯 가지 서로 다른 진단·관리 과제에서 동시에 이뤄졌으며, 어려운 케이스 모음인 NEJM CPC에서 88.6%의 정답률을 기록했다.
• 특히 보스턴의 실제 응급실 환자 기록을 초진 시점부터 세 구간으로 나눠 AI와 응급의학과 전문의에게 동시에 제시하고, 별도의 전문의가 채점해 공정성을 확보했다.
• 컴퓨터가 의사처럼 추론하려는 시도는 1959년까지 거슬러 올라가지만, 실제 의사를 데이터로 일관되게 능가한 시스템은 이번이 처음이라는 점에서 의미가 크다.
• 저자들의 결론은 AI가 의사를 '대체'하는 것이 아니라, 정보가 부족하고 시간이 없는 순간에 다른 시각을 제시하는 '세컨드 오피니언'으로 함께 일하는 시대가 열렸다는 것이다.

쉽게 이해하기

진단 추론은 의사가 짧은 시간에 환자 이야기를 듣고 차트를 훑어 가능한 병명을 추려 가는 능력으로, 환자 안전을 좌우하는 핵심으로 꼽힌다. 사이언스 2026년 4월 30일자에 실린 이 연구는 하버드 의대·스탠퍼드·마이크로소프트 연구팀이 함께, 추론에 특화된 최신 대규모 언어 모델 OpenAI o1을 실제 의사들과 정면으로 비교한 결과를 담았다.

연구가 특별한 이유는 비교의 폭에 있다. 연구팀은 o1을 여섯 가지 임상 추론 과제에 투입했다. 어려운 케이스의 감별진단(NEJM CPC), 다음에 시행할 진단 검사 선택, 진료 추론(NEJM Healer 케이스), 관리·치료 계획(Grey Matters 케이스), 랜드마크 진단 케이스, 그리고 보스턴 베스 이스라엘 디코니스 의료센터에서 모은 실제 응급실 환자 케이스가 그것이다.

가장 눈에 띄는 부분은 마지막 과제다. 기존 AI 의료 연구 대부분은 정제된 교과서적 케이스를 써 왔지만, 실제 임상은 정보가 누락되고 시간이 부족하며 표현이 산만하다는 한계가 지적돼 왔다. 이번 연구는 실제 환자들의 진료 기록을 응급실 초진 시점부터 세 구간으로 나눠 o1과 GPT-4.5, 그리고 응급의학과 전문의들에게 동시에 제시했고, 평가의 공정성을 위해 별도의 전문의들이 답변을 채점했다.

결과적으로 AI는 어려운 케이스 모음에서 88.6%라는 높은 정답률을 보이며 의사들을 앞섰다. 진단 추론을 컴퓨터로 다루려는 시도는 1959년까지 거슬러 올라가고 사이언스에 관련 논의가 처음 실린 것도 65년 전이지만, 베이지안 시스템·룰 기반 전문가 시스템·증상 체커를 거치는 동안 실제 의사를 일관되게 능가한 시스템은 한 번도 없었다.

다만 저자들은 한계도 분명히 했다. 이번 실험은 모두 텍스트만 사용해, 의사가 실제로 보는 영상·듣는 소리·환자의 고통 표현 같은 비텍스트 정보는 빠져 있다. 평가된 분야도 주로 내과·응급의학에 집중됐고, 사용된 모델은 이미 한 세대 전인 o1 프리뷰였다. 저자들은 후속 과제로 실제 임상환경에서의 인간-AI 협업과 의료 AI 모니터링 인프라의 필요성을 제언했다.

주요 인사이트

• AI의 강점은 '정답을 대신 내는 것'보다, 정보가 부족하고 시간이 없어 사람이 가장 실수하기 쉬운 응급실 초진 같은 순간에 다른 시각을 더해 주는 데 있다.
• 정제된 교과서 케이스가 아니라 정보가 누락된 실제 응급실 기록으로 평가했다는 점이, 이 연구가 이전 의료 AI 연구와 구분되는 핵심이다.
• 65년에 걸친 시도에서 실제 의사를 일관되게 능가한 시스템이 없었다는 사실은, 이번 결과가 단발성 성능 자랑이 아니라 분야의 오랜 벽을 넘은 사건임을 시사한다.
• 텍스트만 사용했고 모델도 한 세대 전이라는 한계는, 실제 진료에 적용하려면 멀티모달 정보와 임상 검증이 더 필요함을 뜻한다.
• 연구가 제시한 방향은 'AI 대 의사'의 승패가 아니라, AI를 세컨드 오피니언으로 두는 인간-AI 협업 모델이다.

자주 묻는 질문

관련 AI 소식