AI가 응급실 의사를 이겼다 — 하버드 임상시험이 던진 충격적 질문

“AI가 의사보다 진단을 잘한다"는 말, 이제는 농담이 아닌 임상 데이터로 증명되는 시대가 왔습니다. 하버드 의대가 진행한 응급실 트리아지(triage) 시험에서 OpenAI의 추론 모델 o1이 인간 응급의학 전문의를 정확도 면에서 앞섰다는 결과가 나왔는데요. 단순한 챗봇 데모가 아니라 실제 환자 케이스를 다룬 임상 연구라는 점에서 파장이 만만치 않습니다.

67% vs 55%, 숫자가 말하는 격차

이번 시험의 핵심은 명확합니다. o1은 응급실 환자 케이스에 대해 67%의 진단 정확도를 보였고, 같은 케이스를 본 응급의학 전문의들의 평균은 55%였습니다. 12%포인트라는 차이는 통계적으로도, 임상적으로도 무시하기 어려운 격차인데요.

특히 응급실은 시간이 곧 생명인 환경입니다. 의사가 환자 한 명에게 쓸 수 있는 시간이 평균 몇 분에 불과한 곳에서, AI가 더 정확한 감별진단(differential diagnosis)을 내놨다는 건 단순히 “AI가 똑똑하다"는 차원을 넘어섭니다.

왜 하필 o1인가 — 추론 모델의 진가

이전 GPT-4 시리즈와 o1의 결정적 차이는 추론 시간(inference time)입니다. o1은 답을 내기 전에 내부적으로 여러 가설을 세우고, 검증하고, 폐기하는 과정을 거치는데요. 의료 진단이야말로 이런 단계적 추론이 빛을 발하는 영역입니다.

응급의학 진단은 기본적으로 베이지안 추론에 가깝습니다. 환자의 호소, 활력징후, 기왕력을 바탕으로 가능한 진단을 나열하고, 각각의 사전확률을 계산한 뒤, 검사 결과로 사후확률을 업데이트하는 과정이죠. o1의 “생각하는” 방식이 이 의학적 사고 흐름과 잘 맞아떨어진 셈입니다.

그런데 의사를 대체한다는 뜻일까

여기서 신중해질 필요가 있습니다. 67%가 55%보다 높다고 해서 “AI가 의사를 대체한다"로 결론 내리는 건 위험한 비약인데요. 몇 가지 짚어볼 지점이 있습니다.

첫째, 케이스 선정 편향입니다. 임상 시험에서 사용된 케이스는 대부분 정제된 텍스트 형태로 제공됩니다. 실제 응급실에서는 의사가 환자의 표정, 호흡 패턴, 피부 색깔, 심지어 보호자의 불안한 눈빛까지 종합해서 판단합니다. 이런 비언어적 정보는 AI가 다루지 못합니다.

둘째, 책임 소재입니다. AI가 오진했을 때 누가 책임지나요? 의사가 AI 의견을 따랐다가 환자가 사망하면 그건 AI 탓인가, 의사 탓인가, 병원 탓인가. 정확도 67%라는 건 뒤집어 말하면 33%는 틀린다는 뜻이기도 합니다.

진짜 게임체인저는 “협업 모델”

흥미로운 건 같은 연구에서 자주 언급되는 두 번째 발견입니다. 의사가 o1과 함께 진단했을 때의 정확도가 의사 단독이나 AI 단독보다 더 높게 나오는 경향이 보고되고 있는데요. 이건 의료 AI가 가야 할 방향을 분명하게 보여줍니다.

AI는 방대한 의학 문헌을 즉각 떠올리고, 흔히 놓치는 희귀질환을 감별진단 목록에 올리는 데 탁월합니다. 반면 인간 의사는 환자와의 상호작용, 임상적 직관, 사회적 맥락을 통합하는 데 강점이 있고요. 둘을 대립시킬 게 아니라 결합해야 한다는 결론이 자연스럽게 따라옵니다.

한국 의료 현장에 던지는 질문

이 연구가 특히 의미 있는 이유는 한국처럼 응급실 과부하가 심각한 나라에서입니다. 응급실 뺑뺑이, 의료진 번아웃, 트리아지 지연으로 인한 사고 — 이 모든 문제에 AI 보조 진단이 부분적인 답이 될 수 있을까요?

규제, 책임, 환자 동의, 데이터 프라이버시까지 풀어야 할 매듭이 한두 개가 아닙니다. 하지만 한 가지는 분명해 보입니다. “AI가 의료에 들어올지”는 더 이상 질문이 아닙니다. 질문은 “어떻게, 얼마나 빨리, 누가 통제하면서 들어올지”로 바뀌었습니다.

여러분이 응급실 환자라면, 의사 단독 진단과 의사+AI 협업 진단 중 어느 쪽을 선호하시겠습니까? 이 질문에 답하기가 점점 어려워지는 시대입니다.