📌 AI가 의료 및 의학 연구의 미래를 어떻게 재편하고 있는가?
AI는 의료 분야에서 행정 및 사무 업무를 줄이고, 환자와의 대화 및 후속 조치를 지원하며, 진단 정확도를 높이는 데 기여하고 있습니다.
💡 AI가 의료 분야에 적용될 때 발생하는 어려움은 무엇인가?
- 환각 현상 발생 가능성
- 시스템 사용법 교육 및 학습 필요
- 적절한 벤치마크 부족
- 모델의 오류 감지 및 비판 능력 부족
- 모델의 일반화 능력 부족
이 영상은 AI가 의료 및 의학 연구의 미래를 어떻게 재편하고 있는지에 대한 빌 게이츠와 전문가들의 대담을 담고 있습니다. AI는 환자-의사 간 미팅에서 전사, 서류 작업 지원, 제안 등의 역할을 수행할 수 있으며, 환자에게 추가적인 정보 제공도 가능하게 합니다. 하지만 AI의 도입은 환각 현상, 관리 오버헤드, 교육 부족 등의 어려움을 겪고 있으며, AI의 능력을 제대로 활용하기 위한 적절한 테스트 및 벤치마크 부족도 해결해야 할 과제입니다. 향후 AI는 의료 서비스 접근성이 낮은 지역에서 의료 서비스의 질을 향상시키고, 의료 시스템을 혁신하는 데 기여할 것으로 기대됩니다.
1. 🧠 AI와 GPT 모델에 대한 초기 인식과 변화의 순간
- 지금의 AI 시스템은 현재 우리가 사용하는 것보다 훨씬 더 많은 잠재력을 가지고 있으며, 발전이 멈추더라도 이미 많은 것을 해낼 수 있는 상태이다
- AI 모델이 전 세계 의학 문헌을 학습함으로써, “의사가 되어 진단을 해달라”는 요청에 적합한 모든 암묵적 강화 학습을 스스로 수행할 수 있게 될 것으로 본다
- 빌 게이츠는 GPT2~3 개발 초기에는 인간처럼 지식을 습득하고 활용하는 능력을 갖추는 것은 불가능하다고 생각했으나, GPT-4가 AP 생물학 시험에서 높은 점수를 받는 모습을 보고 저렴한 지능의 시대가 시작됐음을 깨달았다
- 모델이 수학적 문제에서는 약점을 보이지만, 전반적으로 지식 저장 및 활용 방식이 기존의 명시적 구조가 아니라 통계적이고 암묵적인 훈련 결과로 인코딩되는 점이 놀라운 변화로 받아들여진다
- 세바스찬 부박 또한 GPT-3에는 큰 인상을 받지 못했으나, 2021년 ‘아보카도 의자’와 같은 이미지 생성 모델의 발전에서 AI가 개념을 이해하고 결합할 수 있음을 깨달았고, 그 후 LLM이 진정한 추론 능력을 가질 수 있는지 수학적으로 증명하려 노력했다
2. 🩺 의료 현장에서의 AI 활용 현황과 도전 과제
- GPT-4와 같은 신형 AI 모델이 의료 문제를 신속하게 해결하는 모습을 보이며, AI의 의료 적용 가능성이 입증되었다 .
- 초기에는 의료 분야에서 AI 활용이 불가능하다고 생각했으나, 실제 테스트와 의료 라이선스 시험 등 다양한 시험에서 AI의 잠재력이 확인되었다 .
- 의료 행정 및 서류 작업에서 AI의 도입으로 효율성이 크게 향상되고 있으나, 현장 도입은 아직 제한적이다 .
- 환자-의사 미팅 시 AI가 전사·서류작업·제안을 하되, 최종 의사결정은 의사가 하며, 환자 가족의 질문 대응과 후속 관리에도 AI가 유용하다 .
- AI의 전면 도입이 더딘 주된 이유는 관리 오버헤드와 교육 부족으로, 의료진이 새로운 시스템과 상호작용하는 방식에 대한 훈련이 필요하다 .
- AI와 의사 단독의 진단 정확도는 각각 90%, 75%였고, AI를 활용한 의사는 80%의 정확도를 보이며, 효과적인 활용을 위해 사용 방식과 알림 빈도 관리가 중요하다 .
- 자동화가 지나치면 의료진의 사고 과정이 생략될 위험이 있어, 중요한 사항은 의사의 적극적 입력과 사고 과정 유도가 필요하다 .
3. 🌍 AI의 의료 실무 적용 및 아프리카 등 저소득 국가에서의 가능성
- 현재는 의사에게 결론과 요약 작성의 책임이 있지만, AI가 환자와 주변인이 직접 질문하고 답을 얻으며 설명을 듣는 자체만으로도 큰 질 개선을 제공할 수 있다
- 아프리카와 같이 대부분의 사람이 실제 의사를 만날 수 없는 환경에서는 AI를 통한 의료 조언 및 진단의 가치는 ‘아무 것과의 비교’에서 매우 높다
- 게이츠 재단 등은 환자 개별 상황별 챗봇(예: 임산부, 감염병 증상자)이나 건강 종사자 지원용 AI로 파일럿 프로젝트를 운영 중이며, 이상적인 미래는 현지 사정까지 이해하는 ‘폭넓은 AI 주치의’의 실현이다
- AI 도입 확산에는 적합한 테스트 및 벤치마크 부족 문제가 있다. 기존 의료인 대상의 시험(USMLE 등)은 AI 평가에 적합하지 않아, AI에게 맞는 새로운 질문과 테스트 기준을 찾아야 한다
- 의료 AI의 훈련과정에서 보상모델(RLHF)의 과도한 최적화가 ‘칭찬만 하는 아첨모델’로 이어질 수 있으며, 이로 인해 사용자의 오류 지적에 소극적이 되는 문제가 있다
- 실제 의료 현장에서 AI를 활용하려면 해당 지역의 언어, 질병양상, 풍토병 정보를 특수하게 학습시켜야 하며, 이는 추가 훈련시간이 적게 들어 비교적 수월하다
4. 🩺 AI와 의료 시스템의 변화 및 한계
- AI가 의사와 같은 직업의 행동 맥락과 사회적 경험을 완전히 이해하려면, 아직은 인간 전문가들의 강화학습이 필수적이며 앞으로 수년간은 의료 분야에서 많은 데이터와 훈련이 필요하다
- 의료 AI의 발전 방향에는 모든 문맥을 이해하는 범용 AGI와 특정 분야에 특화된 인공지능 모델의 두 가지 비전이 있으며, 현재로서는 범용보다는 특화 및 분화가 더 현실적이다
- 5년 이내에 AI가 검사 등 결과 검증이 가능한 과학 인력의 일부 역할을 대체할 수 있지만, 의사와 같이 인간적 공감과 복잡한 대화가 필요한 직업은 쉽게 대체되지 않을 것으로 전망된다
- 수학적 증명이나 분자생물학과 같은 분야에서는 AI가 인간이 이해하지 못할 정도로 복잡한 성과를 내고 이미 그 사례가 등장하고 있다
- 그러나 AI는 완전히 새로운 상황에서의 일반화 능력을 아직 신뢰할 수 없어, 의사·변호사·프로그래머 같은 직업은 장기간 유지될 가능성이 높다
5. 🚀 AI가 의료와 진단 패러다임을 변화시키는 미래 전망
- 인간과 달리 AI 모델은 일반화 능력 측면에서 아직 신뢰할 수 없으므로, 인간 감독 없이 사용하기 전까지는 더 많은 이해와 검증이 필요하다
- 기존 AI 기술만으로도 의료 현장에 광범위한 추가 적용 가능성이 있으며, 규제와 벤치마크 마련이 촉진될 경우 AI 도입이 가속화될 것으로 전망된다
- 가까운 미래에 AI는 처방전 작성, 진료 보조 등에서 수백만 건의 파일럿을 수행하며, 점차적으로 더 많은 자율성을 갖게 될 것이다
- 특히 의료 인프라가 부족한 국가에서 AI가 의료 접근성 개선과 전문 지식 제공의 핵심 역할을 하게 될 것으로 예상되며, 이는 의료 시스템 혁신과 경제적 부담 완화로 이어질 수 있다
- 진료 과정에서 AI는 환자 유사 사례 데이터를 바탕으로 진단, 치료 옵션, 예후를 제안하는 등 기존과 근본적으로 다른 의학적 의사결정 패러다임을 제시할 것으로 전망된다
