응급실에 실려 온 환자의 상태를 파악하는 일은 촌각을 다투는 고도의 집중력을 요하는 작업이다. 최근 하버드 의과대학 연구팀은 OpenAI의 o1(복잡한 추론 과정을 거쳐 문제를 해결하는 대규모 언어 모델)이 실제 응급실 환경에서 인간 의사보다 더 정확한 진단을 내릴 수 있음을 확인했다. 이번 연구는 의학 분야에서 인공지능의 역할이 단순한 정보 검색을 넘어 임상적 추론의 영역으로 진입했음을 시사한다.

응급실 진단 정확도 비교 데이터

연구팀은 보스턴 소재 병원 응급실을 찾은 환자 76명을 대상으로 실험을 진행했다. AI와 인간 의사에게는 활력 징후, 인구통계학적 정보, 간호사의 초기 기록이 포함된 동일한 전자 건강 기록이 제공되었다. 실험 결과, OpenAI의 o1 모델은 67%의 사례에서 정확하거나 매우 근접한 진단을 내린 반면, 인간 의사의 정확도는 50%에서 55% 수준에 머물렀다. 특히 환자 정보가 충분히 제공된 상황에서는 AI의 정확도가 82%까지 상승했다. 또한 46명의 의사를 대상으로 한 장기 치료 계획 수립 실험에서도 AI는 89%의 점수를 기록하며, 검색 엔진 등을 활용한 인간 의사들의 34%를 크게 상회했다.

임상적 추론 방식의 변화

예전에는 인공지능이 의학 시험 문제를 풀거나 정형화된 데이터를 분석하는 수준에 머물렀다면, 이제는 실제 임상 현장의 복잡한 변수를 고려한 진단 보조 도구로 기능하고 있다. 연구 사례 중 폐혈전 환자의 경우, 인간 의사는 항응고제 처방 실패를 의심했으나 AI는 환자의 루푸스 병력을 근거로 폐 염증 가능성을 제시하여 정확한 진단을 이끌어냈다. 이는 AI가 인간이 놓치기 쉬운 방대한 병력 데이터 간의 상관관계를 추론하는 데 강점이 있음을 보여준다. 다만, 이번 연구는 텍스트 기반 데이터만을 활용했기에 환자의 표정이나 고통의 정도와 같은 비언어적 신호를 읽는 능력은 검증되지 않았다.

의료 현장에 미칠 영향

개발자와 의료진이 주목해야 할 지점은 AI가 단독 의사결정자가 아닌, 의사와 환자 사이의 삼각 관계를 형성하는 보조자로 자리 잡을 것이라는 점이다. 연구에 참여한 아르준 만라이 박사는 이를 의학의 패러다임을 바꾸는 기술적 변화로 정의했다. 하지만 일각에서는 의사가 AI의 판단에 무비판적으로 의존할 가능성에 대한 우려도 제기된다. 특히 고령 환자나 비영어권 환자에 대한 데이터 편향성, 그리고 AI 오류 발생 시의 법적 책임 소재는 향후 임상 도입 과정에서 해결해야 할 핵심 과제로 남아 있다. 현재 미국 의사의 20%, 영국 의사의 16%가 이미 임상 의사결정 보조 도구로 AI를 활용하고 있는 만큼, 이러한 기술적 변화는 6개월 내외의 단기적 관점에서도 의료 소프트웨어 인터페이스와 진료 워크플로우에 직접적인 영향을 미칠 것으로 관찰된다.

결국 인공지능은 의사를 대체하는 도구가 아니라, 인간의 인지적 한계를 보완하여 진단 누락을 방지하는 필수적인 임상적 제2의 의견 제공자로 진화하고 있다.