앤트로픽 CEO "암 치료 성과가 AI 대중 신뢰 확보에 가장 효과적"

연구 결과도 뒷받침한다. 지난해 JAMA에 발표된 연구는 이미 진단이 끝난 복잡한 희귀질환 90건을 대상으로 AI 챗봇의 진단 능력을 시험했다. 두 챗봇은 각각 13%와 10%의 정확도를 보였고, 환자의 의료 기록을 검토한 의사의 정확도는 5.6%였다. 다만 이미 진단된 사례의 임상 요약을 활용한 연구인 만큼 실제 진료 환경과는 차이가 있다. 연구진과 의사들이 주목하는 지점은 AI가 모든 질병을 사람보다 잘 진단한다는 것이 아니라, 사람이 경험으로 찾기 어려운 연결고리를 찾아낸다는 점이다. 의료 영상과 의학 논문, 증례 보고서의 내용을 연결하거나 여러 질환의 패턴을 한꺼번에 비교하는 작업에서 강점을 보인다.

힌켄 가족의 진단을 확인한 임상 유전학자 샤오 펑 박사는 "AI는 우리보다 훨씬 넓은 영역을 훨씬 빠르게 검색하지만 데이터를 종합하는 데는 여전히 사람의 작업이 필요하다"고 말했다. 메이요클리닉에서는 77세 마이크 부시의 사례가 나왔다. 숨가쁨과 가슴 답답함으로 병원을 찾은 그에게 의료진은 폐렴이나 심부전을 의심했다. 그런데 AI가 심전도를 분석해 심장 아밀로이드증 가능성을 98%로 제시했고, 추가 영상 검사에서 실제 질환이 확인됐다. 이 질환을 진단해 본 적 없던 전문간호사 마이클 에임스는 큰 인상을 받았다고 말했다. 부시도 "AI가 아니었으면 다른 질병으로 치료받았을지도 모른다"고 말했다.

이런 사례들이 보여주는 것은 AI가 의사보다 뛰어나다는 단순한 이야기가 아니다. 흔한 질병이라면 의사들이 경험을 쌓을 수 있지만, 희귀질환은 개별 의사가 충분한 진료 경험을 확보하기 어렵다. 바로 그 지점에서 AI가 논문과 증례, 의료영상, 검사 결과 속의 사례를 폭넓게 비교할 수 있다는 것이다. AI의 의료 활용을 둘러싼 논의에서 진짜 병목은 데이터인 것으로 지적됐다. 희귀질환의 경우 환자 기록과 조직 샘플, 의료영상 같은 데이터 자체가 부족하고, 존재하는 자료도 제대로 디지털화되지 않은 경우가 많다. 패턴을 찾으려면 그 이전에 데이터가 축적돼 있어야 하는 셈이다. 미국에서는 병원과 학술기관의 오래된 병리 자료를 디지털화하는 작업이 진행 중이며, 매튜 한나 박사는 자료 추출용 이동식 컨테이너 '스캔밴(ScanVan)' 개발에 참여하고 있다.

아모데이 CEO는 AI가 인류에 큰 도움을 줄 것이라는 약속만으로는 부족하며 실제로 사람들의 삶을 바꾸는 성과를 보여줘야 한다는 의미라고 설명했다. 시모 전 CEO는 아모데이의 전망에 동의하며 AI가 궁극적으로 '모든 질병을 치료할 수 있다'고 밝혔다.