AI가 병원에 들어오면: 의사와 환자에게 무엇이 달라질까

저는 이전 칼럼에서 의료 AI를 비즈니스 관점으로 살펴보며, 기술 기업에 어떤 기회를 창출하는지 집중적으로 다뤘습니다. 하지만 혁신과 새로운 시장을 열 가능성을 넘어, 더 근본적인 질문이 있습니다. 이 기술은 이를 사용하는 의사와 이에 의존하는 환자에게 어떤 변화를 가져올까요? 결국 의료 혁신의 진정한 가치는 의료의 질과 접근성을 개선하는 데 있습니다. 그리고 저는 의료 서비스를 제공하는 방식에 이미 놀라운 변화가 일어나고 있음을 목격하고 있습니다.

의료 인력 부족이 의료 자동화를 앞당기는 이유

병원에 임시 의료 인력을 공급하는 회사를 운영하는 한 기업가를 알고 있습니다. 이 회사는 정규 직원이 자리를 비울 때 대신 근무하는 간호사도 파견합니다. 지속적인 인력 부족 상황에서 이런 사업은 호황을 누릴 것이라고 생각할 수 있습니다. 하지만 그에 따르면 의료 인력 공급을 전문으로 하는 회사들조차 자격을 갖춘 사람을 충분히 찾는 데 어려움을 겪고 있습니다.

병원은 수십 년 동안 의사와 간호사 부족 문제를 겪어 왔습니다. 새로운 의료 전문가를 양성하려면 상당한 시간과 자원이 필요합니다. 특히 미국에서는 의학 교육 비용이 지나치게 높을 수 있으며, 수년간의 학업과 임상 수련에는 경제적·심리적 부담이 따릅니다. 수련을 마친 뒤에도 의사들은 높은 수준의 스트레스와 막중한 책임, 끊임없는 시간 제약에 직면합니다.

그 결과 의사들은 환자 한 명당 몇 분밖에 할애하지 못한 채 증상을 확인하고, 가능한 진단을 검토하고, 검사를 지시하고, 필요한 문서를 작성해야 하는 경우도 있습니다. 이러한 업무 부담은 오류 위험을 높이고 환자와 의미 있는 대화를 나눌 시간을 줄입니다. 인력을 더 채용하는 것만으로는 이 문제를 해결하기 어려울 것입니다.

그래서 저는 지속적인 인력 부족과 늘어나는 업무량이 병원의 AI 도입을 앞당기는 주요 요인이 될 것이라고 생각합니다.

의사들은 어떤 일을 AI에 맡길 수 있을까?

가장 실용적인 활용 사례 중 하나는 의사와 환자의 대화를 기록하고, 진료 내용을 요약하며, 임상 문서 작성을 돕는 AI 기반 시스템입니다. 의사들은 직접 메모를 작성하는 데 시간을 쓰는 대신, 필요에 따라 검토하고 수정할 수 있는 초안을 받습니다.

이러한 도구의 이점은 이미 임상 현장에서 드러나고 있습니다. 2026년 4월 JAMA에 발표된 연구는 미국 내 의료 센터 5곳에서 근무하는 의료 전문가 8,500명 이상의 데이터를 분석했습니다. AI 기반 문서화 도구를 도입한 임상의의 경우 임상 기록 작성에 쓰는 시간이 평균 10% 줄었습니다. 이는 환자 진료가 예정된 8시간당 약 16분에 해당합니다.

AI를 활용한 감별 진단도 한 가지 사례입니다. 환자가 복통과 왼쪽 몸의 저림 증상을 호소하며 의사를 찾아왔다고 가정해 보겠습니다. AI 시스템은 증상을 분석하고 추가로 확인할 만한 몇 가지 원인을 제안할 수 있습니다. 최종 진단을 내리는 것은 아니지만, 의사가 가능성 있는 원인 목록을 작성하고, 후속 질문을 파악하고, 어떤 검사가 필요한지 판단하는 데 도움을 줄 수 있습니다. 저는 이미 실제 의료 현장에서 이런 도구를 접했고, 앞으로 진료 과정의 일상적인 일부가 될 것으로 예상합니다. 하지만 정당한 우려도 따릅니다. AI가 생성한 제안에 의존하다 보면 의사의 독립적인 추론 능력이 점차 약해질 수 있을까요? 시스템이 손쉽게 답을 내놓으면 그 결론을 믿고 싶은 유혹이 생깁니다. 특히 환자 한 명에게 쓸 수 있는 시간이 이미 매우 부족할 때는 더욱 그렇습니다.

하지만 이 문제에는 또 다른 측면이 있습니다. 아무리 경험이 많은 의사라도 지식은 필연적으로 진료한 환자, 받은 수련, 공부할 시간을 낼 수 있었던 연구에 따라 형성됩니다. 반면 AI 모델은 훨씬 방대한 의료 데이터에서 패턴을 찾아낼 가능성이 있으며, 여기에는 개별 의사가 접해 본 적이 없을 수도 있는 사례도 포함됩니다.

의학 연구에 참여하는 AI

더 살펴볼 만한 분야로는 경험 많은 전문의들조차 합의에 이르기 어려운 복잡한 임상 사례가 있습니다. 오늘날 이런 사례는 흔히 의료진 사례 검토 회의에 상정되어 의사들이 검사 결과를 검토하고, 가능한 진단을 논의하며, 다음 치료 단계를 결정합니다. AI가 이런 논의를 대체할 것이라고 생각하지는 않지만, 또 하나의 참여자가 될 수는 있다고 봅니다.

이를 실현할 방법은 여러 가지입니다. 여러 모델이 동일한 임상 사례를 각각 독립적으로 분석하면 의사들은 결과를 비교하고 의견이 일치하거나 엇갈리는 부분을 파악할 수 있습니다. 또는 하나의 모델이 서로 다른 분석 접근법을 사용해 같은 사례를 여러 차례 검토하고, 그 결과를 모아 검토할 수도 있습니다.

물론 AI 모델들이 같은 의견을 내놓는다고 해서 반드시 올바른 결론에 도달했다는 뜻은 아닙니다. 모델들은 같은 한계를 공유하고, 비슷한 학습 데이터에 의존하며, 똑같은 실수를 저지를 수 있습니다. 그럼에도 이러한 추가 관점은 불일치를 찾아내고, 희귀 질환을 짚어내거나, 의사들이 처음에는 고려하지 않았던 가능성을 제안하는 데 도움이 될 수 있습니다.

하지만 AI가 이러한 논의에 의미 있게 기여하려면 개별 검사 결과만이 아니라 그 이상의 요소를 고려해야 합니다. Keymakr에서 진행한 업무를 통해 저는 이러한 폭넓은 임상적 맥락이 얼마나 중요한지 직접 경험했습니다. 한 초음파 영상 프로젝트에서는 같은 환자들을 서로 다른 시점에 촬영한 영상을 다뤘습니다. 하루에도 여러 차례 촬영한 경우가 있었고, 몇 달 후 다시 촬영한 경우도 있었습니다. 팀은 환자의 검사 이력 전반에 걸친 변화를 고려하면서 해부학적 구조에 주석을 달고, 전문가가 검토할 수 있도록 이상 징후가 의심되는 부분을 표시했습니다.

개별 기록에서 발견되는 작은 불일치도 데이터 전체 기간에 걸친 관련 정보의 해석에 영향을 미칠 수 있습니다. 이 경험을 통해 환자의 병력을 전체적으로 고려하는 것이 얼마나 중요한지 다시금 확인했습니다. 이는 복잡한 임상적 의사결정을 지원하는 AI 시스템에도 똑같이 필수적인 요소입니다.

MRI 장비 없이 MRI 영상 만들기

하지만 진단을 내리는 일은 의료 데이터를 정확하게 해석하는 것만으로 끝나지 않는다. 우선 그 데이터를 확보할 수 있어야 한다. 내가 Scryon이 추천한 행사에서 접한 가장 흥미로운 AI 프로젝트 중 하나가 바로 이 문제를 다룬다. 개발자 팀은 CT 촬영과 특정 각도에서 촬영한 여러 장의 X선 영상을 활용해 인공지능으로 MRI와 유사한 영상을 재구성하는 방법을 찾아냈다. 이 아이디어는 매우 현실적인 문제에서 출발했다. MRI 장비는 비싸고 환자들은 검사를 받기 위해 때로 몇 달씩 기다려야 하지만, X선 장비와 CT 스캐너는 훨씬 더 널리 보급돼 있다.

현재 이 기술은 무릎에 초점을 맞추고 있지만, 개발자들은 다른 관절로 적용 범위를 넓히는 방안도 검토하고 있습니다. 팀에 따르면 영상 기법마다 물리적 원리는 다르지만, 재구성된 영상은 MRI 검사 영상과 비슷한 정보를 제공하도록 설계되었습니다.

팀은 또 다른 고가의 의료 장비를 개발하는 대신, 기존 영상 기술을 활용하고 AI 기반 영상 재구성을 통해 그 활용 범위를 넓히고 있습니다.

국경을 넘는 수술실

앞으로 10년 동안 모든 의료 과정의 절반 이상에서 어떤 형태로든 AI가 역할을 할 것으로 예상합니다. 의료 데이터 분석과 진단 지원부터 수술 중 실시간 AI 안내까지, 폭넓은 활용 분야를 말하는 것입니다.

장기적으로 이러한 기술은 의료 서비스 이용을 가로막는 경제적·조직적 장벽은 물론 지리적 장벽까지 극복하는 데 도움이 될 수 있습니다. 미국의 숙련된 외과의가 인도의 어린이를 대상으로 하는 수술을 돕거나, 인도의 전문의가 캐나다 환자의 치료를 돕는 상황을 상상해 보세요. 두 경우 모두 의료진은 수술실에 직접 있을 필요가 없습니다. 로봇 공학, 원격 제어 시스템, AI 기반 수술 지원 기술의 발전으로 이러한 일이 가능해질 수 있습니다.

이미 이러한 방향으로 나아가는 초기 단계가 나타나고 있습니다. 예를 들어 Proximie 플랫폼을 이용하면 외과의가 원격으로 수술실에 접속해 수술을 실시간으로 관찰하고 현장 의료진과 협업할 수 있습니다. 이 시스템은 실시간 영상과 음성 통신, 시각적 주석 기능을 지원하며, AI를 활용해 수술 업무 흐름 데이터를 분석합니다. 그렇다고 외과의가 이미 어떤 수술이든 원격으로 집도할 수 있다는 뜻은 아닙니다. 다만 같은 수술실에 있지 않아도 전문 지식을 공유하고 지침을 제공할 수 있습니다.

의료 서비스 접근성 개선은 의료 AI의 핵심 목표 가운데 하나가 되어야 한다고 생각합니다. 중요한 것은 이러한 기술이 진단 검사를 받기까지의 대기 시간을 줄이고, 의료진의 업무 부담을 덜며, 의사가 환자와 더 많은 시간을 보낼 수 있도록 돕는지 여부입니다. 궁극적으로 저는 의료 AI 덕분에 얼마나 더 많은 사람이 적시에 양질의 의료 서비스를 받을 수 있게 되었는지를 기준으로 의료 AI의 성공을 평가하고 싶습니다.