[인터뷰] “AI, 의사 대체 아닌 조력자… 미래 의사 경쟁력은 ‘좋은 질문’” 작성일 06-29 43 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">길 알테로비츠 하버드대 의대 부교수</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="5se3BYpXNI"> <figure class="figure_frm origin_fig" contents-hash="ff63610118a0ae8885d79504af93b29fb3d664a815556baf8f8faa4127a6b20b" dmcf-pid="1Od0bGUZoO" dmcf-ptype="figure"> <p class="link_figure"><img alt="길 알테로비츠 미국 하버드대 의대 부교수 - 미국 MIT 전기·생의학공학 박사, 현 브리검 여성병원 부교수, 현 미국 대통령혁신펠로재단(Presidential Innovation Fellows Foundation) 회장 /사진 길 알테로비츠" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/29/chosunbiz/20260629162205518tjpy.jpg" data-org-width="750" dmcf-mid="6K8HFIHloE" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/29/chosunbiz/20260629162205518tjpy.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 길 알테로비츠 미국 하버드대 의대 부교수 - 미국 MIT 전기·생의학공학 박사, 현 브리검 여성병원 부교수, 현 미국 대통령혁신펠로재단(Presidential Innovation Fellows Foundation) 회장 /사진 길 알테로비츠 </figcaption> </figure> <p contents-hash="5c650bdbbdfc27a154fb969e3428aaf8950d1d62b034854ed7f97060b3ae23c8" dmcf-pid="tIJpKHu5as" dmcf-ptype="general">인공지능(AI)이 의료 현장에 빠르게 스며들면서 ‘AI가 의사의 일을 대체할 수 있을까’라는 질문이 나오고 있다. 세계적 의료 AI 전문가인 길 알테로비츠 미국 하버드대 의대 부교수의 답은 분명하다. “병원이 진료를 AI에 넘기는 일은 없다”는 것.</p> <p contents-hash="aa224207c3e14588ff4359e23b839e63041b920e2ce2f67f7f8dd1c54efca4a6" dmcf-pid="FCiU9X71am" dmcf-ptype="general">그가 그리는 현실적이고 안전한 모델은 인간의 검토와 프라이버시 통제, 검증과 모니터링을 전제로 ‘AI가 의사를 돕는’ 구조다. 그는 미국 매사추세츠공대(MIT)에서 전기·생의학공학 박사 학위를 받고, 하버드대 의대와 브리검 여성병원에서 정밀 의료를 위한 AI·정보학 연구를 이끌고 있다.</p> <p contents-hash="da9dc9e7937b7ea95b58e58df6be09727e6ca4a2a89a50af27751ac81fe910c1" dmcf-pid="3hnu2Zztcr" dmcf-ptype="general">그는 의료·법률·금융처럼 정밀성과 책임성이 요구되는 영역에서는 전문 특화 모델이 부상하고, 기기 가까이에서 작동하는 엣지 AI(Edge AI·데이터 발생 지점에서 곧바로 연산을 수행하는 AI), 임베디드 AI(Embedded AI·기계 등 하드웨어 칩에 AI를 직접 내장하여 인터넷 연결 없이도 기기 자체에서 데이터를 분석하고 판단하는 AI)가 확산할 것으로 전망한다. 그리고 그 모든 변화의 끝에서도 의료의 중심에 있는 인간관계는 AI가 대신할 수 없다고 강조한다. 다음은 일문일답.</p> <p contents-hash="4beab2d9475d28e249853f578d540f005d4bada5ce8d65545307772f4d734cc9" dmcf-pid="0lL7V5qFow" dmcf-ptype="general"><strong>챗GPT·클로드·제미나이 같은 모델이 이미 병원에서 널리 쓰이나.</strong></p> <p contents-hash="efd502144f805e334ebd335667960bf1740926d3373016fabe12811753ccff03" dmcf-pid="pSozf1B3kD" dmcf-ptype="general">“쓰이고 있지만, 구분이 필요하다. 범용 AI 도구는 이미 많은 임상의·연구자·학생이 초안 작성, 요약, 학습, 문헌 검토, 아이디어 발상에 활용한다. 다만 공식적인 임상 워크플로에서는 대부분의 의료 시스템이 보호 대상 환자 정보(PHI)에 대해 공개된 소비자용 도구 사용을 제한한다. 빠르게 늘고 있는 것은 기업용·의료 통합형 생성 AI(Generative AI)다. 전자의무기록(EHR), 문서화 플랫폼, 환자 커뮤니케이션, 행정 시스템에 내장되는 방식이다.”</p> <p contents-hash="fa54016ebbaebc33d009542b5fb2f0cf0aa55d11650f6ad0ee51bf1119c8ebdf" dmcf-pid="Uvgq4tb0gE" dmcf-ptype="general"><strong>실제 의료 현장에서 가장 실용적이고 영향력이 큰 활용 사례는.</strong></p> <p contents-hash="9fd584649c5957212ba5e4800ceb857d3a1f9a73fd1221525a0c305c3655c897" dmcf-pid="uFsQnKMVjk" dmcf-ptype="general">“단기적으로 가장 큰 효과는 행정 부담을 줄이는 데서 나온다. ‘앰비언트(ambient·주변) 임상 문서화’가 대표적이다. AI가 진료 대화를 듣고 진료 노트 초안을 생성하면, 의사가 검토·수정한 뒤 의무 기록에 반영한다. 이 밖에 복잡한 환자 기록 요약, 환자 포털 메시지 응답 초안, 진료 후 요약문 작성, 코딩· 청구 문서 지원, 사전 승인 처리, 문헌 검토와 임상시험 매칭 지원 등이 효과가 크다. 진료 현장에서 출처가 달린 근거를 즉시 찾아주는 도구로도 유용하지만, 결과물은 여전히 임상적 판단과 출처 확인을 거쳐야 한다.”</p> <p contents-hash="9284f979b94b014cf3c1d0886b6ed12ce7bb4e181c2e57959492b916c81d13c9" dmcf-pid="73OxL9Rfcc" dmcf-ptype="general"><strong>임베디드 AI와 엣지 AI는 이미 어떤 분야에서 쓰이나.</strong></p> <p contents-hash="b21d32cdef10b9b91abc2299555c06f352c0a34d639256ce4f7f52a4a7cbe037" dmcf-pid="z0IMo2e4gA" dmcf-ptype="general">“여러 분야에서 이미 활용된다. 임베디드 AI는 모델이 의료 기기나 시스템에 직접 내장된 것, 엣지 AI는 모델이 원격 클라우드에 전적으로 의존하지 않고 기기 위나 가까이에서 작동하는 것을 말한다. 의료 영상·초음파는 둘 다 쓴다. 심전도 분석과 웨어러블은 기기 안에서 부정맥을 탐지할 때 임베디드 AI를, 근처 휴대폰·게이트웨이에서 처리할 때 엣지 AI를 쓴다. 중환자 모니터링은 환자 상태 악화를 감지하기 위해 침상 데이터를 현장에서 분석하므로 주로 엣지 AI다. 다만 이들 상당수는 생성 AI라기보다 예측·분류 모델인데, ‘의료 현장에 더 가까운 지능’이라는 흐름을 보여준다.”</p> <p contents-hash="bbba945a12f2428b8e0f4cdb6c8ef998aa601f767de954c630b87977c03901e3" dmcf-pid="qpCRgVd8cj" dmcf-ptype="general"><strong>웨어러블·원격 모니터링에서 임베디드·엣지 AI가 더 중요해질까.</strong></p> <p contents-hash="1677a6115d4382c5320c7e8e5834ae237b59038a43855223e9e7ed48a49c69bd" dmcf-pid="BUheafJ6jN" dmcf-ptype="general">“점점 더 중요해질 것이다. 의료는 짧은 지연시간, 프라이버시 보호, 신뢰성을 요구한다. 웨어러블 기기는 늘 원격 클라우드를 기다릴 수 없고, 경고나 판단이 기기에서 즉시 일어나야 하는 경우도 있다. 기기 밖으로 나가는 원천 데이터가 줄어들기 때문에 프라이버시 측면에서도 유리하다. 연속 모니터링, 고령자 돌봄, 만성질환 관리, 농촌·원격지 의료에 특히 의미가 크다.”</p> <p contents-hash="a03c4c98915dea51ab4249007ba10d7ff391f81d608cf0137fd557cb03cf9568" dmcf-pid="buldN4iPca" dmcf-ptype="general"><strong>범용 AI를 넘어 의료·법률·금융 분야의 전문 특화 모델이 더 등장할까.</strong></p> <p contents-hash="3b8078c589f1ef02129bf8a304fd6aa13088a1a99ad6b5bfe59d535527ae5c3e" dmcf-pid="K7SJj8nQNg" dmcf-ptype="general">“그렇다. 미래의 AI는 범용 챗봇 하나가 모든 것을 하는 형태는 아닐 것이다. 의료에서 최고의 시스템은 파운데이션 모델에 선별된 의료 지식, 임상 용어, 멀티모달 데이터, 현지 정책, 워크플로 통합, 특정 용도에 대한 검증을 결합한 형태가 될 것이다. 법률·금융·과학 연구도 마찬가지다. 일반 대화에 유용한 모델이 곧바로 임상 의사 결정 지원이나 규제 판단에 적합한 것은 아니다.”</p> <p contents-hash="7d8f775b7d823babc634da8582455a6023b7c9f256a4b3cf94eab26c18babeb6" dmcf-pid="9zviA6Lxco" dmcf-ptype="general"><strong>전문 의료 환경에서 전문가가 더 신뢰하는 모델이 있나.</strong></p> <p contents-hash="ec75c24db980300b33008fa38fce238cf84d07e6164c64370f8f373d57f9395b" dmcf-pid="2qTncPoMjL" dmcf-ptype="general">“의료에서 신뢰는 모델 브랜드의 문제가 아니다. 근거, 워크플로, 안전장치의 문제다. 같은 의사가 어떤 AI를 문서화에는 신뢰해도 진단에는 신뢰하지 않을 수 있다. 영상의학과 의사는 검증된 영상 모델을 좁은 탐지 작업에는 신뢰하지만, 검토 없이 폭넓은 임상 결정을 맡기진 않는다.”</p> <p contents-hash="826b2f17ded524e7a0a679caae34292d20832e2e4c9f93771a2ec2d1ecbf1bc7" dmcf-pid="VByLkQgRon" dmcf-ptype="general"><strong>생성 AI가 미래 의사 양성 방식을 바꿀까.</strong></p> <p contents-hash="e65a3efbfe6cbc7fb24ddc9502aac0edb37bdf7958488e78bc5ea576f05ea5f6" dmcf-pid="fbWoExaeai" dmcf-ptype="general">“근본적으로 바꿀 수 있다. 의학 교육은 전통적으로 방대한 암기를 요구해 왔다. 암기는 여전히 중요하겠지만, 상대적 비중은 달라질 것이다. 미래 의사는 단지 답을 갖추는 것이 아니라 ‘올바른 질문을 던지는 능력’ 에 능해야 한다. 근거를 평가하고, AI가 생성한 결과물을 점검하고, 불확실성을 식별하고, 환자와 명확히 소통해야 한다. 미래 의사에게는 AI 리터러시, 데이터 리터러시, 임상적 판단력이 필요하다. AI는 의료의 중심에 있는 인간관계를 대체하지 않을 것이며, 오히려 의사가 진료의 인간적 측면에 더 많은 시간을 쓰도록 도울 것이다.”</p> <p contents-hash="8aaf5dfff851dbf4c9558662248ca87244a0d330c46f1d2e5e49fef8c6d139d2" dmcf-pid="4KYgDMNdjJ" dmcf-ptype="general"><strong>환자 프라이버시와 민감 정보 등 우려는.</strong></p> <p contents-hash="458598400e373b96d3fd06222570d884bdefba5d50e4c1fdc7378109a17d44bd" dmcf-pid="89GawRjJjd" dmcf-ptype="general">“보호 대상 건강 정보의 부적절한 공유, 데이터의 불분명한 이차 활용, 적법한 권한 없는 민감 정보 학습, 재식별 위험, 사이버 취약성, 부실한 감사 추적 등이다. 학습 데이터가 특정 집단을 제대로 대표하지 못하면 AI 성능이 집단별로 불균등해질 수 있다. 프라이버시·보안·공정성·임상 안전을 함께 다뤄야 하며, 데이터 최소화, 역할 기반 접근 권한, 암호화, 환자 데이터 사용 규칙의 명확화가 거버넌스에 포함돼야 한다.”</p> <p contents-hash="fd51e3ae123bbc83e03f6a1f5824a5057169cf1b67b8248bcb2fd11f52a927ee" dmcf-pid="62HNreAioe" dmcf-ptype="general"><strong>의료 시스템과 규제 당국은 준비가 됐나.</strong></p> <p contents-hash="28b0ff6f40cbd91051b371bb07f20d9ade3f6f4dec5c8c7d35c3575d3489e031" dmcf-pid="PByLkQgRcR" dmcf-ptype="general">“몇 년 전보다는 준비됐지만, 완전하지는 않다. 의료는 프라이버시, 안전, 의료 기기, 임상 품질에 오랜 경험이 있다. 그러나 생성 AI는 같은 모델이 여러 작업을 수행하고, 시간이 지나며 전통적 의료 기기와 다른 워크플로에서 쓰이기 때문에 새로운 도전을 안긴다. 다음 단계는 ‘생애 주기 거버넌스’를 강화하는 것이다. 배포 전 검증, 모델 문서화, 인간 감독, 성능 모니터링, 사고 보고, 문제 발생 시 책임 체계가 필요하다.”</p> <p contents-hash="b2f95225b6d24590d1f07ab531b99924da7b57bca70bb974e09858695815b57e" dmcf-pid="QbWoExaegM" dmcf-ptype="general"><strong>미국·유럽·아시아의 접근 방식은 어떻게 다른가.</strong></p> <p contents-hash="4095b2bb026ec0f8bdb55f17be950a973c1fc749d3b27064d908d7ac6f30090a" dmcf-pid="xKYgDMNdkx" dmcf-ptype="general">“미국은 대체로 산업별·혁신 중심·위험 기반이다. 시장 원리, 건강 정보 프라이버시 규정, 보건 의료 정보기술(IT) 인증, 병원 거버넌스가 의료 AI를 형성한다. 유럽은 권리 기반 접근이 강하다. 유럽연합(EU) AI법은 다수의 의료 AI를 고위험으로 분류하고 위험 관리, 데이터 품질, 투명성, 인간 감독, 기본권을 강조한다. 아시아는 다양하다. 싱가포르는 실용적 의료 AI 지침과 책임 있는 배포를, 한국은 AI 기반 의료 기기 심사와 디지털 헬스 규제에 적극적이다. 일본은 혁신과 신중한 임상 검증의 균형을 추구한다. 아시아 여러 정부는 의료 AI를 국가 경쟁력, 고령화, 의료 접근성과 연결하고 있다.”</p> <p contents-hash="2e89e9cd2f3ee5607daa57ecfbd192257e9288be734fb6e81668c351eb2a794c" dmcf-pid="ymRFqW0HgQ" dmcf-ptype="general"><strong>생성 AI가 5~10년 뒤 가장 큰 영향을 줄 분야를 꼽는다면.</strong></p> <p contents-hash="54b6dec90e28f8fb8ec08065622b7f2071f0f85126a8ab7c7196e8d0ea555bc8" dmcf-pid="Wse3BYpXcP" dmcf-ptype="general">“단기적으로는 임상 워크플로 자동화가 가장 빠를 것이다. 문서화, 요약, 환자 소통, 예약, 코딩, 진료 조정은 시급한 난제이고 투자 수익이 분명해 빠르게 개선될 것이다. 향후 5~10년 환자에게 가장 큰 영향을 줄 분야는 멀티모달 AI다. EHR, 영상, 유전체, 검사 데이터, 웨어러블, 환자 보고 결과를 결합하는 시스템으로, 책임 있게 개발된다면 조기 발견, 맞춤형 예방, 만성질환 관리, 효율적 임상시험을 뒷받침할 수 있다. 목표는 의료를 더 자동화하는 것이 아니라 더 안전하고, 더 접근 가능하고, 더 저렴하며, 더 인간적으로 되게 하는 것이다.”</p> <p contents-hash="d36bb17662f7d76f059d5999dca20a31377a4d431823f2afdf327eea825ce1cd" dmcf-pid="YOd0bGUZj6" dmcf-ptype="general">- Copyright ⓒ 조선비즈 & Chosun.com -</p> </section> </div> <p class="" data-translation="true">Copyright © 조선비즈. 무단전재 및 재배포 금지.</p> 관련자료 이전 "원팀으로 피지컬AI 수출하자"…AI·로봇 기업들 한목소리 06-29 다음 유승재 페르소나AI 대표, '미래 신안보 혁신기업 육성 전략회의' 참석 06-29 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
