과학: AI, 실제 응급 사례에서 임상 추론 능력 처음으로 의사 추월
Science에 발표된 연구에 따르면, OpenAI의 o1 대규모 언어 모델이 전문의 자격을 갖춘 의사보다 진단 능력, 특히 불완전한 데이터를 다루는 응급 분류에서 더 뛰어난 성능을 보였습니다. 실제 환자 병력을 대상으로 한 이중 맹검 테스트에서 AI의 정확도가 더 높았으며, 의사들은 AI의 결론과 인간의 결론을 구분하지 못했습니다.
2026년 4월 30일 Science에 실린 이 논문은 단순한 벤치마크가 아닙니다. 과학적 프로토콜에 포장된 법적 선례입니다. Broder와 Manrai 그룹은 기계가 의사보다 진단을 더 잘한다는 것을 증명했을 뿐만 아니라, 5~7년 안에 의료 과실 기준을 바꾸고, 아이러니하게도 의사가 AI를 사용하는 것을 권리가 아닌 의무로 만들 증거 기반을 마련했습니다.
핵심: 실제로 무슨 일이 일어나고 있는가
Science에 발표된 이 연구는 OpenAI o1과 수백 명의 현직 의사를 Beth Israel Deaconess Medical Center의 실제 응급 사례를 대상으로 맹검 테스트에서 비교했습니다. 결과: 데이터가 최소인 분류 단계에서 모델의 정확도는 67.1%였고, 두 명의 담당 의사는 각각 55.3%와 50.0%를 기록했습니다. 검토자들은 결론이 인간이 작성했는지 기계가 작성했는지를 15%의 경우에만 정확히 추측했습니다.
하지만 핵심은 숫자조차 아닙니다. o1-preview 모델은 관리 전술에 대한 Grey Matters 테스트에서 89%를 기록한 반면, GPT-4에 접근할 수 있는 의사는 41%, 표준 도구를 사용한 의사는 34%를 기록했습니다. 이는 환자와 알고리즘 사이에 실제 전문가가 있는 것이 결과를 개선하지 않고 오히려 악화시켰음을 의미합니다. 인간 요소(과신, 인지 편향, 피로)는 필터가 아닌 장애물로 작용했습니다.
타임라인과 배경
이 논문이 발표되기까지 65년이 걸렸습니다. 1959년, Ledley와 Lusted는 Science에 복잡한 임상 사례를 의료 컴퓨팅 시스템 평가의 금본위로 삼을 것을 제안하는 논문을 발표했습니다. 그 이후로 나이브 베이즈부터 증상 체커까지 모든 기술이 NEJM 과제에서 테스트되었습니다.
2023년까지 기계는 의사에게 너무나 명백히 패배하여 인간 대조군이 필요하지 않았습니다. GPT-4는 처음으로 인간과의 비교가 필요한 결과를 보여주었습니다. 2025년, OpenAI는 단계별 논리적 추론(chain-of-thought)을 갖춘 o1-preview를 출시했고, 2026년 초에는 전체 o1을 출시했습니다. 하버드 연구진은 모델 출시와 구식화 사이의 좁은 시간 창에서 실험을 수행할 수 있었습니다. 현재 연구실에서는 이미 멀티모달 기능을 갖춘 o3와 GPT-5.3을 테스트 중입니다.
중요한 연대기적 세부 사항: 원고는 4월에 채택되었고, 5월에 세상이 이를 논의할 때는 이미 기술 세대가 한 세대 늦었습니다. 우리가 지금 읽고 있는 것은 업계의 어제 뉴스입니다.
승자와 패자
승자:
OpenAI. 이 연구는 좁은 의학 저널이 아닌 Science에 게재되었습니다. 이는 회사에 임상적 자산이 아닌 평판 자산을 제공합니다. "모델이 의사처럼 생각한다"는 내러티브가 "의사보다 더 잘 생각한다"로 바뀝니다. 2026년 5월 라운드 종료 후 OpenAI의 예상 가치는 4000억 달러에 육박하며, 이러한 각 출판물은 배수에 0.2~0.3배를 추가합니다.
"세컨드 오피니언"을 서비스로 구축하는 의료 스타트업. 출판 전에는 그들의 제품이 선택적 도구였습니다. 이제 그들은 AI가 인터넷에 접속한 의사보다 더 나은 성과를 낸다는 Science의 인용문을 갖게 되었습니다. 이는 병원에 84억 달러 규모의 B2B 판매 시장을 엽니다.
희귀 및 복합 진단을 받는 환자. CPC 사례에서 모델은 78.3%의 경우에 올바른 진단을 감별 목록에 포함시켰고, "근접한" 진단을 고려하면 97.9%에 달했습니다. 이는 AI의 세컨드 오피니언이 Mayo Clinic의 상담 비용 2500달러 대신 추론당 14달러에 제공될 수 있음을 의미합니다.
패자:
일차 진료 및 응급 의사. 이 연구는 "AI는 조력자이지 대체자가 아니다"라는 방어적 논제를 체계적으로 해체합니다. 기계가 불완전한 정보 조건(인간 직관의 주요 논거)에서 정확히 인간을 능가한다면, 의사의 가치는 진단자에서 의사소통자 및 시술 운영자로 이동합니다. 이는 10년 동안 의학에서 인지 노동의 시장 가치를 낮춥니다.
전통적인 CDS 시스템 개발자. 표준 도구를 사용한 의사의 34% 대 o1-preview의 89%라는 결과는 UpToDate나 Isabel Healthcare와 같은 지식 베이스가 향후 18개월 내에 추론 모델을 인터페이스에 통합하지 않으면 사형 선고나 다름없습니다.
전문 의료 소프트웨어 제조업체. 범용 모델이 전문가를 그들의 영역에서 능가할 때, 틈새 솔루션은 존재 이유를 잃습니다. 월 800달러의 API 구독이 더 나은 결과를 제공하는데, 왜 연간 12만 달러의 소프트웨어를 구입하겠습니까?
언론이 말하지 않는 것
첫째: 연구 저자들은 헤드라인에 명시되지 않은 이해 상충이 있습니다. Adam Rodman은 Google DeepMind의 방문 연구원입니다. Eric Horvitz는 Microsoft에서 근무합니다. 이는 결과를 훼손하지는 않지만, 왜 연구가 경쟁 모델이 아닌 OpenAI o1을 구체적으로 테스트했는지 설명합니다. 이 수준의 어떤 출판물도 중립적이지 않습니다.
둘째: 모델은 가장 중요한 지표인 "놓쳐서는 안 될 진단" 식별에서 우월성을 보이지 않았습니다. NEJM Healer 테스트에서 o1-preview는 생명을 위협하는 상태를 중앙값 0.92로 식별했지만, 의사와의 차이는 통계적으로 유의미하지 않았습니다. 이것은 시한폭탄입니다. AI는 전반적으로 더 정확할 수 있지만, 인간만큼 자주 수막염이나 대동맥 박리를 놓친다면, 응급 치료에 도입하면 치명적인 오류의 위험이 발생합니다.
셋째: 추론 비용. 연구진은 o1-preview에서 하나의 CPC 사례를 처리하는 데 복잡성에 따라 3.20달러에서 42.10달러가 든다고 언급합니다. 응급실이 하루에 200명의 환자를 본다면, 각 환자에 대해 모델을 실행하는 데 일일 640~8,420달러, 연간 23만~300만 달러가 듭니다. 이는 의사 1~2명의 급여와 맞먹으며, 병원 관리자는 정확히 그렇게 계산할 것입니다.
넷째: 연구는 텍스트를 테스트했지만, 의학은 멀티모달입니다. Science의 사설은 GPT-5.3과 Gemini 3.1 Pro가 이미 텍스트, 이미지, 오디오, 비디오를 처리한다고 직접 언급합니다. 이는 다음 출판물(아마 6~8개월 후)이 이미지 및 신체 검사 데이터 해석이 필요한 작업에서 의사를 능가하는 멀티모달 모델을 보여줄 것임을 의미합니다. Broder의 결과는 AI 능력의 하한선이지 상한선이 아닙니다.
예측: 향후 30일 및 90일
30일 (2026년 6월 5일까지):
UnitedHealth Group과 Aetna를 포함한 의료 보험 회사는 LLM 세컨드 오피니언의 내부 테스트를 시작할 것입니다. 목표: 불필요한 전문의 상담 비용을 줄일 수 있는지 확인. 3~5개의 대규모 네트워크에서 각각 200~400만 달러 예산의 파일럿 프로젝트가 시작됩니다.
JAMA와 NEJM은 주의를 촉구하는 사설을 게재할 것입니다. 수사는 "인상적인 결과지만 전향적 임상시험이 필요하다"입니다. 이는 AI를 전문가 독점에 대한 위협으로 보는 의료계의 표준 방어 반응입니다.
OpenAI와 Google은 추론 모델 기반 SaMD(Software as a Medical Device)에 대한 규제 프레임워크를 위해 FDA와의 협상을 강화할 것입니다. 문제는 그러한 시스템이 승인될지 여부가 아니라 어떤 위험 등급(II 또는 III)이 할당되느냐입니다. 이는 시장 진입 비용(임상시험에 200만 달러 대 1500만 달러)을 결정합니다.
90일 (2026년 8월 5일까지):
임상 작업에서 멀티모달 모델을 사용한 첫 번째 프리프린트가 나타날 것입니다. CT 스캔과 호흡 소리 녹음에 접근할 수 있는 GPT-5.3이 간질성 폐질환 진단에서 폐질환 전문의를 능가할 것으로 예상됩니다.
미국 5개 주요 학술 센터의 응급실에서 LLM 세컨드 오피니언의 조용한 통합이 시작될 것입니다. 공식적으로는 연구 프로토콜이지만, 실질적으로는 작업 도구로 사용됩니다. 의사들은 오늘날 UpToDate를 사용하는 것처럼 이를 사용하지만, 환자에게는 공개하지 않을 것입니다.
핵심 법적 선례는 아직 발생하지 않았지만, 그 윤곽은 이미 보입니다. 변호사가 의사에게 "응급 진단에서 AI의 우월성을 보여주는 Science의 발표 데이터가 있는데, 왜 AI 세컨드 오피니언을 사용하지 않았습니까?"라고 묻는 첫 번째 소송은 어떤 임상 지침보다 빠르게 진료 기준을 바꿀 것입니다. Broder와 Manrai의 연구는 법정에서 인용 문서가 될 것입니다. 과학 논문이 아니라, 진료 기준이 진화했다는 증거로 사용될 것입니다.
— Editorial Team
