“AI는 의사를 대체하는 게 아니라 보조" 왜일까? (인디애나 의대 영상의학과 교수)

한 줄 핵심

이 영상은 알츠하이머 조기 발견과 의료 현장 적용 사례를 통해, AI가 의사를 대체하기보다 더 빠르고 신뢰할 수 있게 보조하는 방향으로 발전하고 있음을 보여준다.

시간별 요약

1. 0:00
   하이라이트 영상학과에서 AI가 사람을 대체할 것이라는 예측과 달리, 실제 현장에서는 고령화와 업무 증가로 인해 AI가 판독과 업무를 보조하는 방향으로 자리잡고 있다.
2. 0:48
   알츠하이머 조기진단이 중요한 이유 알츠하이머는 증상이 진행된 뒤에는 회복이 어렵기 때문에, 중증으로 넘어가기 전에 조기 발견해 약물 효과를 기대할 수 있는 시점에 개입하는 것이 핵심이다. 이를 위해 뇌영상, 유전체, 혈액 등 여러 데이터를 AI로 분석하는 연구가 진행되고 있다.
3. 3:42
   뇌영상 AI는 무엇을 보고 판단할까? 뇌영상 AI는 단순히 높은 정확도를 내는 데서 끝나지 않고, 어떤 부위를 근거로 판단했는지를 역추적해 타우 단백질 분포와 겹치는 영역을 찾아낸다. 이런 방식은 기존 통계로 잘 드러나지 않던 새로운 생물학적 단서를 발견하는 데 도움이 된다.
4. 6:08
   유전체로 더 일찍 찾는 알츠하이머 증상이 나타나기 전 더 이른 시점을 찾기 위해 유전체를 대상으로 AI 예측을 시도하고, LD 블록을 토큰처럼 나눠 트랜스포머로 학습하는 접근을 사용한다. 과거의 공통 변이 중심 통계 분석보다 전체 유전체를 더 넓게 훑어볼 수 있다는 점이 장점이다.
5. 9:26
   AI 에이전트로 전장 유전체 분석 슬라이딩 윈도우를 활용한 AI 에이전트가 전장 유전체를 연속적으로 훑으면서 주변 신호까지 함께 계산해 기존 방식보다 더 강한 피크를 찾는다. 다만 새로운 변이를 발견하는 것과 실제로 의미 있는 발견으로 인정받는 것 사이에는 아직 검증의 간극이 남아 있다.
6. 13:31
   혈액 대사체로 알츠하이머 예측 비용이 큰 유전체 대신 혈액에서 얻는 대사체로 알츠하이머를 예측하려는 시도가 이어지고, 테이블형 데이터를 다루기 위해 circular sliding window를 적용한다. 또한 흔한 변이뿐 아니라 희귀 변이에도 답이 있을 수 있다는 관점에서 별도의 분석이 진행된다.
7. 16:13
   정확한 AI에서 믿을 수 있는 AI로 의료 AI는 단순한 정확도보다 예측 결과의 불확실성을 함께 제시해, 자신 없는 사례는 전문의가 한 번 더 확인하도록 만드는 방식이 중요하다. 이런 검증 단계를 넣으면 정확도가 90.7%에서 95.5%로 올라가며, 신뢰할 수 있는 AI로 발전할 수 있다.
8. 19:06
   제프리 힌튼의 예언, 10년 뒤 현실은? AI가 영상의학과 의사를 10년 내 대체할 것이라는 예언과 달리, 실제로는 AI가 판독을 보조하는 방향으로 쓰이고 의료진의 업무량은 오히려 늘었다. 특히 의료 인력이 부족한 지역에서는 AI가 대체재가 아니라 사실상 부족한 인력의 역할을 메우는 수단이 된다.
9. 22:24
   AI가 맡을 일과 사람이 할 일 병원에서 AI가 가장 잘 도입되는 영역은 차트 요약과 같은 업무 효율화이며, 이는 환자 회전율과 수익 개선에 직접 연결된다. 반면 진단을 직접 대체하는 용도의 AI는 승인, 가격, 제도 장벽이 커서 아직은 사람의 판단을 보조하는 역할로 보는 것이 현실적이다.

실무 인사이트

• 의료 AI는 진단 정확도만 높이는 것보다, 불확실성을 함께 제시해 재검토를 유도하는 설계가 현장 신뢰를 높인다.
• 조기진단이 중요한 질환일수록 뇌영상보다 유전체·대사체처럼 더 이른 신호를 찾는 데이터 전략이 중요하다.
• 의료 현장 도입은 모델 성능보다도 승인, 비용, 차트 업무 절감 효과 같은 운영 요인이 실제 채택을 좌우한다.