매년 미국에서만 80만 명이 의료 진단 오류로 사망하거나 심각한 장애를 겪는다는 사실, 알고 계셨나요? 존스 홉킨스 대학 연구에 따르면 우리 모두는 일생에 적어도 한 번은 잘못된 진단을 경험하게 됩니다. 흔히 의료 기술이 발전하면서 진단 정확도가 높아졌다고 믿지만, 실제로 확인해보면 인간 전문가의 한계는 여전히 명확합니다. 그런데 최근 AI 기술, 특히 트랜스포머 모델과 딥러닝 기반의 컴퓨터 비전이 이 문제를 근본적으로 해결할 수 있는 가능성을 보여주고 있습니다. 에릭 토폴 박사는 TED 강연에서 AI가 단순한 보조 도구를 넘어 의료 혁신의 진정한 주체가 될 수 있음을 구체적 사례와 함께 제시했습니다.
망막사진 하나로 알아내는 놀라운 건강 정보
흔히 망막 검사는 눈 건강만 확인하는 검사라고 생각하지만, 실제로는 전혀 다릅니다. AI는 망막 사진 한 장으로 환자의 성별을 97% 정확도로 판별합니다. 망막 전문의들은 50%밖에 맞히지 못하는데 말이죠. 이것은 시작에 불과합니다.
지도 학습을 통해 영상 10만 개를 학습한 AI는 혈당과 혈압 조절 능력, 신장 질환, 간 및 담낭 질환을 망막 사진만으로 파악합니다. 더 놀라운 것은 심장 칼슘 수치까지 예측한다는 점입니다. 보통 심장 검사를 해야만 알 수 있는 정보인데요. 알츠하이머 역시 임상 증상이 나타나기 전에 발견하고, 심장 마비와 뇌졸중 위험도 미리 예측합니다. 파킨슨병은 증상이 나타나기 7년 전에 찾아냅니다.
필자의 경우 건강검진을 받으면서 항상 여러 검사를 따로따로 받아야 했던 경험이 있습니다. 혈액 검사, 심전도, 영상 검사 등을 하루에 몰아서 받으면 시간도 오래 걸리고 피곤했죠. 그런데 망막 사진 하나로 신체 거의 모든 기관의 상태를 파악할 수 있다니, 이건 정말 혁명적입니다. 솔직히 처음 이 사실을 알았을 때 믿기지 않았습니다.
| 검사 방법 | AI 진단 가능 항목 | 예측 시점 |
|---|---|---|
| 망막 사진 | 혈당·혈압, 신장질환, 알츠하이머, 파킨슨병 | 증상 발현 전 7년 |
| 심전도 | 심장 박출률, 빈혈, 당뇨병, 신장질환 | 즉시 판별 |
| 흉부 엑스레이 | 환자 인종, 당뇨 관리 상태, 심장 매개변수 | 즉시 판별 |
토폴 박사는 이를 "신체의 거의 모든 기관으로 통하는 관문"이라고 표현했습니다. 미래에는 일반 건강검진에서 망막 사진 촬영이 기본이 될 것이라는 전망입니다. 각각의 연구는 수만에서 수십만 개의 영상으로 지도 학습을 거쳤으며, 모두 별개의 연구자들이 독립적으로 수행했습니다. 이는 AI의 신뢰도를 높이는 중요한 근거입니다.
흔히 AI가 정확하다고 해도 사람의 직관을 따라갈 수 없다고 생각하지만, 실제로는 컴퓨터 비전이 사람 눈으로는 절대 볼 수 없는 패턴을 감지합니다. 망막 혈관의 미세한 변화, 색소 분포의 차이, 구조적 특징 등을 종합적으로 분석하기 때문입니다. 인간 전문가는 경험과 지식에 의존하지만, AI는 수십만 건의 데이터에서 학습한 패턴을 활용합니다. 다만 이것이 인간 의사를 대체한다는 의미는 아닙니다. 오히려 의사가 놓칠 수 있는 부분을 보완해주는 협력자 역할을 한다는 점이 핵심입니다.
"미래에는 검진할 때 망막 사진을 찍게 될 것입니다. 여기가 신체의 거의 모든 기관으로 통하는 관문이기 때문입니다."
심전도와 흉부 엑스레이로 보는 AI의 숨겨진 능력
심장병 전문의로 30년 넘게 심전도를 읽어온 토폴 박사조차 AI가 심전도에서 찾아내는 정보에 놀랐다고 합니다. 심전도는 심장의 전기적 활동을 기록한 것인데, AI는 여기서 환자의 나이와 성별뿐 아니라 심장 박출률까지 소수점 단위로 예측합니다. 또한 흔히 놓치기 쉬운 어려운 진단도 정확히 내립니다.
빈혈 여부와 혈색소 수치도 심전도만으로 파악하고, 심방세동이나 뇌졸중을 겪은 적 없는 사람에게 미래에 그런 질환이 생길 가능성까지 예측합니다. 당뇨병과 당뇨병 전증도 심전도로 찾아내며, 심장의 충만기 압력, 갑상선 기능 항진증, 신장 질환 같은 심장과 직접 관계없는 질환까지 진단합니다. 이건 정말 놀라운 일입니다.
흉부 엑스레이 역시 마찬가지입니다. 환자의 인종을 정확히 판별할 수 있다는 점은 윤리적 논란을 불러일으킬 수 있지만, AI의 능력을 입증하는 사례입니다. 또한 당뇨병 여부와 당뇨가 얼마나 잘 관리되는지도 흉부 엑스레이로 판단합니다. 방사선 전문의나 심장병 전문의는 이런 정보를 엑스레이에서 절대 읽어낼 수 없습니다. 심장에 대한 매개 변수가 너무 많고 다양해서 인간이 생각해낼 수 없는 조합을 AI가 발견하기 때문입니다.
병리학 분야에서도 혁신이 일어나고 있습니다. 병리학자들은 종종 슬라이드 하나를 놓고 의견이 갈립니다. 그런데 AI는 머신 비전 능력으로 암을 유발하는 주요 유전체 변이와 종양의 구조적 복제수 변이까지 정의합니다. 많은 환자에서 종양이 어디서 시작되어 번졌는지 알 수 없는 경우가 있는데, AI는 슬라이드만으로 이를 확인하고 환자의 예후까지 예측합니다.
직접 겪어본 바로는 의료 현장에서 진단의 불확실성은 환자에게 큰 불안을 줍니다. 필자도 가족이 병원에서 애매한 소견을 들었을 때 추가 검사를 여러 번 받아야 했던 경험이 있습니다. 만약 AI가 초기 단계에서 명확한 단서를 제공했다면 시간과 비용, 무엇보다 심리적 부담을 크게 줄일 수 있었을 겁니다.
결장 내시경 검사에 머신 비전을 적용한 무작위 실험 21건에서는 모든 실험에서 소화기 전문의 혼자 할 때보다 AI의 도움을 받을 때 용종을 더 잘 찾아냈습니다. 특히 오후가 될수록 그 차이가 더 커졌습니다. 사람은 피곤해지지만 기계는 일정한 성능을 유지하기 때문이죠. 이는 AI가 단순히 보조 도구를 넘어 실질적 진단 향상을 가져온다는 증거입니다.
흔히 AI는 복잡한 사례에서만 유용하다고 생각하지만, 실제로는 일상적인 검사에서도 놓치기 쉬운 작은 신호를 잡아냅니다. 흉부 엑스레이에서 결절을 찾아내고, 전문 방사선사가 놓친 악성 병변까지 발견합니다. CT, MRI, 초음파 등 모든 의료 영상에 적용되며, 표지가 붙고 주석이 달린 대규모 데이터로 지도 학습을 하면 AI는 전문 의사와 같거나 그 이상의 성능을 보입니다. 물론 이것이 의사를 대체한다는 뜻은 아닙니다. 의사의 최종 판단이 여전히 핵심이지만, AI는 판단의 질을 높여주는 강력한 파트너입니다.
트랜스포머 모델과 GPT-4가 가져올 의료의 미래
알파폴드는 1차원 아미노산 서열을 원자 수준의 3차원 단백질 구조로 예측하는 트랜스포머 모델입니다. 과거에는 삼사 년이 걸리던 작업을 이삼 분 안에 완료합니다. 딥마인드의 데미스 하사비스와 존 점퍼는 이 연구로 노벨상을 받았습니다. 흥미롭게도 수상 과정에서 과학자 30명으로 이루어진 팀조차 트랜스포머 모델이 정확히 어떻게 작동하는지 완전히 이해하지 못한다는 점이 드러났습니다. 그렇다면 AI 자체도 수상자로 인정받아야 하는 게 아닐까요?
트랜스포머 모델의 핵심은 'Attention is All You Need'라는 고전적 논문에서 시작됩니다. 이 기술은 언어든 영상이든 더 많은 맥락 요소를 보고 종합적으로 구성해서 다양한 분야에서 혁신을 이뤘습니다. GPT-4는 1조 개가 넘는 연결(매개 변수)을 가지고 있습니다. 인간 뇌의 100조 개에는 못 미치지만, 그 안에 담긴 정보와 지식의 양은 상상을 초월합니다. 문자, 영상, 음성 등 복합 데이터를 처리하며 자기 지도 학습을 통해 스스로 학습합니다.
의학에서 가장 큰 병목은 영상에 설명을 붙이는 작업입니다. 전문가를 구하기 어렵고 시간도 오래 걸립니다. 자기 지도 학습은 이 문제를 해결합니다. 무어필드 안과 연구소 팀이 최근 발표한 망막 진단용 기초 모델은 망막 영상 160만 개를 학습해 여덟 가지 다른 연구의 결론을 하나의 모델로 예측합니다. 더 중요한 건 이 모델이 공개되어 다른 연구자들이 기초로 삼아 발전시킬 수 있다는 점입니다.
GPT-4는 실제 환자 사례에서 놀라운 성과를 보였습니다. 앤드류라는 세 살 아이는 3년 동안 고통이 점점 심해지고 성장이 멈췄습니다. 왼발을 질질 끌며 걷기 힘들었고 심한 두통에 시달렸습니다. 17명의 의사를 찾아갔지만 진단을 받지 못했습니다. 어머니가 모든 증상을 챗GPT에 입력했고, 잠재성 이분 척추라는 진단을 얻었습니다. 척수를 풀어주는 수술 후 아이는 완벽히 건강해졌습니다.
또 다른 환자는 장기 코로나 진단을 받고 여러 의사와 신경외과 전문의를 만났지만 진전이 없었습니다. 여동생이 증상을 챗GPT에 입력해 변연계 뇌염이라는 진단을 얻었고, 치료 후 상태가 크게 좋아졌습니다. 이건 더 이상 단순한 일화가 아닙니다. 뉴 잉글랜드 의학 저널의 임상병리학회에서 어려운 진단 사례 70건을 골라 GPT-4와 비교했는데, 챗봇은 전문 임상의와 같거나 더 나은 성능을 보였습니다.
흔히 AI는 단순 정보 검색에 그친다고 생각하지만, 실제로는 복잡한 증상의 패턴을 종합적으로 분석해 진단을 내립니다. 물론 모든 케이스에서 AI가 정확한 건 아닙니다. 하지만 사람 의사도 완벽하지 않죠. 중요한 건 AI가 의사에게 '놓칠 수 있는 가능성'을 알려준다는 점입니다. 최종 판단은 여전히 의사의 몫이지만, AI는 진단의 범위를 넓혀줍니다.
토폴 박사는 심장학 전문의 2년차인 앤드류 조와 나눈 대화를 소개했습니다. "당신은 정말 운이 좋아요. 자판이 필요 없는 시대에 진료를 하게 될 테니까요. 수십 년간 해보지 않은 방식으로 환자와 소통하게 되는 겁니다." AI는 대화를 듣고 노트를 작성하며, 사전 승인이나 청구서 작성, 처방, 다음 진료 예약까지 처리합니다. 환자의 모든 정보를 만나기 전에 준비해주고, 진단에도 도움을 줍니다. 이는 환자와 의사의 관계를 바꿔 '시간'이라는 선물을 가져다줍니다.
필자가 병원에 갔을 때 가장 아쉬웠던 점은 의사가 컴퓨터만 보며 타이핑하는 모습이었습니다. 환자와 눈을 마주치며 대화하는 시간은 생각보다 짧았죠. 만약 AI가 자동으로 기록하고 정리해준다면 의사는 환자에게 온전히 집중할 수 있을 겁니다. 이게 바로 진정한 의료의 미래입니다.
물론 모든 것을 검증해야 합니다. AI의 이익이 위험성을 훨씬 상회한다는 걸 확인해야 하죠. 데이터 편향, 설명 가능성, 법적 책임 문제 등 현실적 장애물이 많습니다. AI가 잘못 판단했을 때 누가 책임질지에 대한 명확한 규정도 필요합니다. 하지만 지금은 의료 서비스의 미래를 위한 정말 놀라운 시기입니다. AI가 의사를 대체하는 게 아니라 의사가 본연의 역할에 집중할 수 있도록 돕는 시대가 오고 있습니다.
AI는 의료의 역사에서 가장 큰 변화를 가져올 잠재력을 지녔습니다. 토폴 박사가 강조한 것처럼 이는 단순한 기술 발전이 아니라 환자와 의사 모두에게 실질적 혜택을 주는 혁신입니다. 진단 오류를 줄이고, 조기 발견을 가능하게 하며, 의료진이 환자에게 더 많은 시간을 쏟을 수 있게 만듭니다. 흔히 AI를 두려워하는 목소리도 있지만, 실제로는 사람과 기계가 함께 더 나은 의료를 만들어갈 협력의 시대가 열리고 있다는 점을 잊지 말아야 합니다.
필자의 한 마디
AI가 의료 현장에 가져올 변화는 단순히 진단 속도나 정확도 향상을 넘어서는 것 같습니다. 의사가 환자를 진정으로 이해하고 공감할 시간을 되찾아준다는 점에서 진정한 의미가 있다고 생각합니다. 기술은 결국 사람을 위해 존재해야 하며, AI가 바로 그 역할을 해줄 수 있기를 기대합니다.
자주 묻는 질문 (FAQ)
Q. AI가 의사를 완전히 대체할 수 있나요?
A. 아닙니다. AI는 진단 보조 도구로 의사가 놓칠 수 있는 부분을 알려주지만, 최종 판단과 환자와의 소통은 여전히 의사의 몫입니다. AI는 협력자이지 대체자가 아닙니다.
Q. 망막 사진 하나로 정말 여러 질병을 예측할 수 있나요?
A. 네, 가능합니다. AI는 망막 혈관의 미세한 패턴, 색소 분포, 구조적 특징을 종합 분석해 혈당, 혈압, 심장 질환, 알츠하이머, 파킨슨병 등을 예측합니다. 수십만 건의 영상 학습 결과입니다.
Q. AI 진단이 틀릴 경우 법적 책임은 누가 지나요?
A. 현재 명확한 법적 기준이 없어 논란이 있습니다. 일반적으로 최종 진단은 의사가 내리므로 의사에게 책임이 있지만, AI 개발사와 의료기관의 책임 범위를 명확히 하는 규정이 필요합니다.
Q. 일반인도 챗GPT로 자가 진단을 할 수 있나요?
A. 증상을 입력해 참고 정보를 얻을 수는 있지만, 반드시 전문 의료진의 진료를 받아야 합니다. AI는 보조 도구일 뿐 의료 행위를 대체할 수 없습니다.
[출처]
영상 제목/채널명: Can AI Catch What Doctors Miss? | Eric Topol | TED
https://youtu.be/ll5LY7wI_Xc?si=VoqMniShR4SEnubK