미 국가안보국(NSA)이 AI 모델 테스트에 올해 수십억 달러를 지출할 예정이며, 주된 비용은 컴퓨팅 파워와 인건비다. 미국 의료계에서는 AI가 청구 싸움에 사용되면서 실제 의료 비용을 끌어올리고 있다. 이는 기업 고객이 토큰 기반 사용량 과금으로 컴퓨팅 비용을 고스란히 부담하는 구조와 맞물려 AI의 '지능'에 드는 비용이 갈수록 커지고 있음을 보여준다.
영국 브리스톨 대학 연구진은 의료 AI 시스템의 신뢰성을 의약품 허가 절차처럼 체계적으로 검증하는 '러닝 앙상블(Learning Ensemble)' 프레임워크를 제안했다. 이는 시스템의 운영 한계와 학습 데이터, 환자 집단별 신뢰성, 실제 임상 적합성 등 세 가지 영역을 점검하는 것으로, 초기 실험에서는 좋았던 AI가 실제 진료 현장에서 실패하는 문제를 막기 위함이다.
미국의학협회지(JAMA)에 에제키엘 이매뉴얼과 벤처캐피털리스트 비노드 코슬라 등이 발표한 논문은 2030년까지 자율 AI가 의사 및 의사-AI 혼합 진료를 능가할 것이라고 주장한다. 의료 행위의 핵심 업무인 병력 청취, 진단, 검사 결정, 치료 처방, 만성질환 관리 전 영역에서 AI 단독 성능이 빠르게 의사를 추월하고 있다는 것이다. 다만 미국의학협회(AMA) 등에서는 시뮬레이션 연구 한계와 환자-LLM 실제 상호작용 문제를 지적하며 인간 의사 배제에 반대하고 있어, 의료계의 역할 재정의를 둘러싼 논쟁이 본격화되고 있다.
의학 저널 JAMA에 실린 논문이 자율적 AI가 의사-AI 협업보다 의학적 추론에서 뛰어날 것이라 전망하며, 규제기관이 '휴먼 인 더 루프'를 의무화하는 것에 반대했다. 저자들은 2024년 이후 연구에서 AI가 단독으로 진단 등 핵심 과제에서 의사와 맞먹거나 더 나은 성과를 보였다며, AI가 명확히 앞설 때 인간 검토자는 오히려 오류 원인이 된다고 주장한다. 다만 저자 중 일부는 AI 원격진료 회사 관계자로 이해충돌 우려가 있고, 대부분의 근거가 시뮬레이션에 기반한 한계가 있다.
전 세계적으로 증가하는 지방간 질환은 초기 증상이 없어 심각한 합병증으로 이어지기 쉽습니다. 의료진의 과중한 업무 부담 속에서 AI가 기존 건강 기록과 정기 혈액 검사 데이터를 자동 분석하여 고위험군을 선별하고 초기 치료를 돕는 핵심 역할을 할 수 있습니다.
최근 연구에 따르면 유방암 진단에 도입된 AI 툴이 의료진의 기대에 훨씬 못 미치는 성과를 보이고 있습니다. 실제 도입 병원은 절반에 달하지만, 검사 회수율 감소나 업무 부담 완화 등의 효과는 예상보다 낮아 주로 보조적인 용도로만 활용되고 있습니다. 비용 문제와 병원 측의 지원 부족이 여전히 주요 걸림돌로 지적됩니다.
구글 리서치와 딥마인드는 의료 AI 시스템인 AMIE가 환자의 시각 및 청각적 단서를 파악하고 실시간으로 진단을 내릴 수 있음을 최초로 입증했습니다. 실제 의사와 환자 배우가 참여한 시뮬레이션 연구에서 AMIE는 뛰어난 진단 정확도와 소통 능력을 보여주며 텍스트 채팅보다 화상 진료에서 더 높은 환자 만족도를 기록했습니다. 이는 여전히 연구 단계이지만, 미래의 디지털 의료 환경이 나아갈 방향을 보여주는 중요한 이정표가 될 것입니다.
국제 연구진이 AI 기반 연산 모델을 활용해 10만 명 이상의 유전 데이터를 분석, 조현병과 관련된 766개의 유전자를 새롭게 규명했습니다. 이번 연구는 수많은 유전 변이가 개별적으로 작용하는 것이 아니라 거대한 생물학적 네트워크를 형성하여 질환 발생 위험을 공동으로 높인다는 사실을 밝혀냈다는 점에서 큰 의의가 있습니다. 이는 향후 조현병의 정확한 원인 규명과 표적 치료제 개발을 위한 핵심적인 유전적 지도를 제공합니다.
최근 AI 실무자들 사이에서 AGI가 곧 현실의 모든 문제를 해결할 것이라는 맹신이 퍼지고 있지만, 저자는 현실 세계의 진정한 병목 현상은 순수한 '지능'이나 기술력이 아니라 규제와 정치적 의지에 있음을 지적합니다. 특히 의료 및 신약 개발 분야에서는 AI가 연구를 가속화하더라도 엄격한 임상시험과 인허가 규제가 진보를 가로막는 핵심 요소로 작용합니다. 따라서 AI가 인류의 실질적인 문제를 해결하려면 막대한 자본과 지능 외에도, 제도적 장벽을 해결하려는 명확한 고민과 접근이 필수적입니다.
미국 최대 민간 의료 기관 중 하나인 카이저 퍼머넌트의 간호사들이 인공지능(AI) 기반의 근무 감시 시스템이 환자 치료를 방해하고 있다고 비판하고 있습니다. 통화 시간을 단축하도록 압박하는 시스템과 AI의 감정 평가로 인해 간호사들은 환자와 충분히 공감하고 소통하지 못하는 상황에 직면했습니다. 이 문제는 캘리포니아주 노조의 단체 교섭과 AI 규제 법안 통과 여부와 맞물려 향후 의료계의 AI 도입 방향을 가늠할 중요한 선례가 될 전망입니다.
미시간 대학교 연구진이 524만 건 이상의 임상 MRI 및 CT 데이터로 학습된 범용 신경영상 파운데이션 모델인 NeuroVFM을 공개했습니다. 이 모델은 3D 의료 영상에 맞춘 Vol-JEPA 아키텍처를 적용하여, 방사선 판독문 라벨링 없이도 뇌 해부학적 구조와 병리를 스스로 학습할 수 있는 것이 핵심입니다. 비정제 임상 데이터 기반의 높은 확장성으로 인해 향후 다양한 뇌 질환 진단 AI 연구에 중요한 기반 모델로 활용될 전망입니다.
최신 의학 저널 '네이처(Nature)'에 발표된 두 편의 연구에 따르면, 독일의 MIRA와 구글의 AMIE 같은 특화된 의료 AI 시스템이 의사와 동등하거나 그 이상의 진단 및 치료 계획 능력을 보여주었습니다. 특히 이 시스템들은 단순 챗봇을 넘어 환자 정보 수집부터 처방, 입원 결정까지 전 과정을 자율적으로 수행하며 높은 정확도와 안전성을 입증했습니다. 이는 실제 임상 환경에서 AI가 핵심적인 역할을 할 수 있음을 보여주는 중요한 이정표입니다.
구글의 의료 AI 시스템인 AMIE가 단순 진단을 넘어 최신 가이드라인을 반영한 장기적인 질환 관리를 수행할 수 있음이 '네이처' 논문을 통해 입증되었습니다. 실제 의사들과의 블라인드 비교 평가에서 AMIE는 전반적인 관리 추론 능력에서 의사들과 동등한 수준을 보였으며, 치료 계획의 정확성과 가이드라인 부합도에서는 더 높은 점수를 기록했습니다. 이는 AI가 향후 의료 현장을 지원하여 의사들이 환자에게 더 많은 시간을 할애할 수 있게 만들 수 있음을 시사하는 중요한 연구입니다.
캘리포니아 데이비스 대학(UC Davis) 연구진이 뇌-컴퓨터 인터페이스(BCI)를 루게릭병(ALS) 환자의 뇌에 이식해 환자의 생각을 소리로 변환해 내는 데 성공했습니다. 환자는 연구진 없이도 집에서 3,800시간 이상 기기를 독립적으로 사용하며 웹 서핑과 업무를 수행하는 등 일상을 되찾았습니다. 이는 BCI 기술이 실험실을 벗어나 환자의 실제 삶의 질을 혁신적으로 향상시킬 수 있음을 증명한 중요한 사례입니다.
세계적으로 가장 치명적인 췌장암 환자의 생존 기간을 두 배로 늘려줄 수 있는 새로운 경구약 '다라콘라시브(daraxonrasib)'의 임상시험 결과가 발표되었습니다. 거의 모든 췌장암을 유발하는 'Kras' 단백질을 표적으로 하는 이 약물은 기존 항암화학요법 대비 부작용을 줄이면서 평균 생존 기간을 6.6개월에서 13.2개월로 크게 향상시켰습니다. 전문가들은 수십 년 만에 췌장암 치료의 패러다임을 바꾸는 '게임 체인저'이자 홈런과도 같은 성과라고 극찬하고 있습니다.
미국의 대형 병원 네트워크인 메이요 클리닉이 응급실 등에서 환자와 간호사의 대화를 AI 기반 '주변 소리 수집(Ambient Listening)' 기술로 녹음해 전자 건강 기록을 작성하고 있습니다. 이 과정이 환자의 사전 동의(opt-in)가 아닌 사후 거부(opt-out) 방식으로 이루어져 심각한 동의권 및 프라이버시 침해 논란이 제기되었습니다. 특히 응급실이라는 특수성과 최근 AI가 배경 소음이나 마스크 착용 시 인간보다 훨씬 부정확한 기록을 남긴다는 연구 결과가 더해져 윤리적 우려가 커지고 있습니다.
캐나다 온타리오주 감사 결과, 의사들의 진료 기록을 자동으로 작성해주는 'AI 필기 시스템(AI Scribe)'이 환자 노트에 처방약을 잘못 기재하거나, 상담에 없는 내용을 날조하는 등 심각한 오류를 범한 것으로 나타났습니다. 특히 의료적 정확도가 평가 점수의 단 4%에 불과해 기형적인 평가 기준으로 인해 부정확한 시스템이 도입된 것이 원인으로 지적되어, 의료 분야 AI 도입 시 철저한 검증의 중요성을 시사합니다.
본 기사는 체외수정(IVF) 기술의 현재 한계와 이를 극복하기 위한 최신 기술 동향을 다룹니다. 특히 착상 실패율을 낮추기 위해 개발 중인 자동화된 배아 주입 장치와, 향후 도입될 AI 및 로봇 기술이 시술의 성공률과 접근성을 어떻게 높일 수 있는지 설명합니다. 수정 및 착상의 복잡한 과정을 극복하려는 의료계의 혁신 시도를 통해 난임 치료의 패러다임이 바뀔 수 있음을 시사합니다.
최근 과학 저널 '사이언스(Science)'에 발표된 연구에 따르면, 최신 대형 언어 모델(LLM)이 실제 응급실 환자 데이터를 바탕으로 한 진단, 분류(Triage), 후속 조치 결정 등에서 인간 의사들의 성능과 맞먹거나 이를 능가하는 것으로 나타났습니다. 특히 제한된 정보만 주어지는 초기 분류 단계와 불확실성이 높은 상황에서 AI가 뛰어난 처리 능력을 보였습니다. 그러나 연구진은 AI가 곧바로 의사를 대체하는 것이 아니라 향후 철저한 임상 시험을 거쳐 인간 의사와의 협력 및 보조 도구로 활용되어야 한다고 강조했습니다.
최근 연구에 따르면 뇌 스캔 데이터를 통해 주의력결핍 과다행동장애(ADHD)가 뇌 연결망 패턴이 다른 3가지 뚜렷한 하위 유형으로 나뉜다는 사실이 밝혀졌습니다. 이는 단일 질환으로 취급되던 ADHD의 진단 정확도를 높이고, 환자별 맞춤형 치료법을 개발하는 데 중요한 과학적 근거를 제공한다는 점에서 큰 의미를 갖습니다.
최근 공개된 연구 preprint에 따르면, 당뇨병 환자의 인슐린 투여에 직결되는 AI 기반 탄수화물 계산 기능이 매우 심각한 수준의 오차와 환각 현상을 보여줍니다. 최신 AI 모델들에 음식 사진을 500회 이상 반복 제출한 결과, 동일한 사진임에도 매번 상이한 탄수화물 수치를 반환하며 최대 429g의 편차를 보였습니다. 이는 잘못된 인슐린 투여로 생명을 위협할 수 있는 수치이므로, 의료 및 건강 분야의 AI 에이전트 도입 시 극도의 주의가 필요합니다.
생성형 AI가 정교한 피싱과 딥페이크 등 사이버 범죄를 더 빠르고 쉽게 만들고 있어 기업들의 대응이 어려워지고 있습니다. 또한, 의료 현장에 다양한 AI 도구가 도입되고 있으나 실제 환자의 건강 결과 개선으로 이어지는지에 대한 검증은 아직 부족한 상태입니다. 이 외에도 딥시크(DeepSeek)의 새로운 오픈소스 모델 공개, 무료 고급 AI 서비스의 유료화 전환, 미-중 간 AI 기술 도난 갈등 등 기술계의 주요 이슈가 맞물리고 있습니다.
최근 병원을 비롯한 의료 현장에서 AI의 도입이 급증하고 있지만, 이것이 실제로 환자의 건강과 치료 결과(Health outcomes) 향상으로 이어지는지는 아직 검증되지 않았습니다. 전문가들은 의료진의 업무 편의성과 만족도 개선에만 집중할 것이 아니라, AI가 의사의 임상적 의사결정이나 인지적 정보 처리에 미치는 영향과 잠재적 부작용을 체계적으로 평가해야 한다고 경고하고 있습니다.
오픈AI가 의료 전문가를 위한 무료 도구인 'ChatGPT for Clinicians'를 출시했습니다. 이와 함께 공개된 'HealthBench Professional' 벤치마크에서 맞춤형 GPT-5.4 모델은 제한 없는 시간과 인터넷 접근 권한을 가진 실제 의사들의 점수(43.7점)를 크게 상회하는 59.0점을 기록했습니다. 이는 AI가 임상 실무에서 단순 지원을 넘어 의사들의 핵심 업무를 보조할 수 있는 강력한 잠재력을 시사하는 중요한 이정표입니다.
오픈AI 재단은 인류 보편적 혜택을 창출하는 AGI의 사명에 따라, 복잡한 인과관계를 지닌 알츠하이머 퇴치를 위해 AI를 활용하기로 했습니다. 이를 위해 6개 연구기관에 1억 달러 이상의 초기 보조금을 지원하여 새로운 데이터를 생성하고 신약 설계 등의 연구를 가속화할 계획입니다.
오픈AI에 따르면 미국 내 사용자들이 매주 챗GPT를 통해 건강보험 관련 메시지 약 200만 건을 보내며, 이 중 약 60만 건은 인근 병원까지 30분 이상 걸리는 '의료 사각지대' 지역 사용자로부터 발생합니다. 전체 건강 관련 질의의 70%가 정규 진료 시간 외에 집중되어 있어, AI가 의료 접근성이 부족한 환경에서 중요한 보건 정보의 역할을 하고 있습니다.