“AI가 의사보다 암을 잘 찾는다더라.” 한 번쯤 들어본 이야기일 겁니다. 절반은 맞고 절반은 과장입니다. 오늘은 이 이야기의 진짜 모습과, 의약학 계열을 꿈꾸는 학생이라면 여기서 무엇을 봐야 하는지 이야기해 보겠습니다.
지금 병원에서 실제로 벌어지는 일
의료 AI가 가장 빠르게 자리 잡은 곳은 영상의학과입니다. 엑스레이, CT, MRI 같은 의료 영상을 판독하는 분야인데, AI 입장에서 보면 ‘이미지에서 패턴 찾기’라는 자기가 가장 잘하는 게임이기 때문입니다.
수십만 장의 영상으로 학습한 AI는 흉부 엑스레이에서 의심스러운 병변의 위치를 표시해 주고, 유방암 검진 영상에서 사람 눈이 놓치기 쉬운 미세한 신호를 잡아냅니다. 실제로 일부 연구에서는 특정 검진 조건에서 AI의 판독 성적이 영상의학과 의사와 비슷하거나 더 나았다는 결과가 보고되기도 했습니다. 국내 병원에서도 AI 판독 보조 프로그램은 이미 여러 곳에서 쓰이고 있습니다.
그럼 영상의학과 의사는 사라질까요
여기서부터가 과장과 사실을 가를 지점입니다. 현재 의료 AI의 역할은 ‘대체’가 아니라 ‘보조’입니다. 이유는 크게 세 가지입니다.
먼저 AI는 학습한 조건 안에서만 강합니다. 학습 데이터와 다른 장비, 다른 환자군을 만나면 성능이 흔들릴 수 있습니다. 다음으로 진단은 영상 하나로 끝나지 않습니다. 환자의 병력, 증상, 다른 검사 결과까지 종합해 판단하고 치료 방향을 정하는 것은 여전히 의사의 일입니다. 마지막으로 책임의 문제가 있습니다. AI가 놓친 병변에 대해 누가 책임지는가라는 질문에는 아직 사회적 합의가 없습니다. 그래서 최종 판단과 책임은 의사에게 남습니다.
정리하면, 사라지는 것은 ‘영상의학과 의사’가 아니라 ‘AI를 활용하지 못하는 방식의 일’에 가깝습니다. AI가 1차로 걸러주고 의사가 최종 판단하는 협업 구조가 표준이 되어가고 있습니다.
의대 지망생이라면 여기서 무엇을 봐야 할까
이 변화가 입시를 준비하는 학생에게 의미 있는 이유는, 지금 의대를 꿈꾸는 학생이 의사가 되어 일할 무렵에는 AI와의 협업이 기본값일 것이기 때문입니다. “성적 맞춰서 의대”가 아니라 “바뀌는 의료 환경에서 나는 어떤 역할을 하고 싶은가”까지 생각해 본 학생과 그렇지 않은 학생은, 면접에서든 이후의 공부에서든 차이가 날 수밖에 없습니다.
탐구 거리로도 좋은 재료입니다. 예를 들어 이런 질문들이 출발점이 될 수 있습니다. AI 판독의 정확도는 어떤 지표로 측정할까(민감도와 특이도라는 개념을 만나게 됩니다), AI가 학습한 병원과 다른 병원에서 성능이 떨어지는 이유는 무엇일까, AI 오진의 책임은 누구에게 있어야 할까. 첫 번째는 수학·통계와, 두 번째는 정보·데이터 과학 과목과, 세 번째는 생명윤리 토론과 자연스럽게 연결됩니다.
중요한 것은 남이 한 탐구를 그대로 따라 하는 게 아니라, 자기가 배우는 과목과 자기 관심사에서 출발한 질문을 잡는 것입니다. 같은 ‘AI 진단’이라는 소재도 수학을 좋아하는 학생과 윤리 토론을 좋아하는 학생에게는 전혀 다른 탐구가 됩니다.
변화를 두려움이 아니라 재료로
기술이 직업을 위협한다는 뉴스는 불안을 팝니다. 하지만 학생에게 필요한 관점은 반대라고 생각합니다. 지금 일어나는 변화야말로 가장 신선한 탐구 재료이고, 그 변화를 자기 언어로 소화해 본 경험이 결국 진로의 밑천이 됩니다.
앞으로 이 블로그의 ‘진로 트렌드’ 카테고리에서 이런 변화들을 하나씩 학생 눈높이로 풀어보려고 합니다. 다음 트렌드 글에서는 죽어가던 아기를 세상에 단 하나뿐인 치료로 살려낸 유전자 편집 이야기를 다룰 예정입니다.