단고 데일리 개발자를 위한 AI 및 테크 뉴스, 한 꼬치에 쏙.
AI가 내 MRI를 보고 '파열 없음'이라더니, 의사는 한눈에 '50% 이상 파열'이라고 했다

AI가 내 MRI를 보고 '파열 없음'이라더니, 의사는 한눈에 '50% 이상 파열'이라고 했다

AI의료MRI진단

데이터 소스：HN + web research · HN

AI가 내 MRI를 보고 ‘파열 없음’이라더니, 의사는 한눈에 ‘50% 이상 파열’이라고 했다

MRI 판독 결과를 받은 날, Antoine은 진료실에 앉아 의사의 말을 들었다: 오른쪽 어깨 극하근 건 “III등급 부분 파열(50% 이상 폭), 건 말단 부착부 위치”. 그가 이 진단을 완전히 소화하기도 전에 치료가 시작되었다 — 충격파 치료기가 바로 어깨에 닿았고, 진료소는 이 치료를 세 번 반복할 것을 권했다.

모든 것이 너무 빨리 지나갔다. 진료소를 나서며 Antoine은 마음 한구석에 찜찜함을 느꼈다: 의사의 판단이 너무 성급한 건 아닐까?

그는 그 상황에서 어느 프로그래머라면 했을 법한 일을 했다 — 266MB의 MRI 원시 데이터를 AI에게 통째로 던졌다. Claude Code + Opus 4.8 모델을 써서, AI가 직접 의료 영상 처리 패키지를 설치하고 수백 장의 DICOM 슬라이스를 프레임 단위로 분석하게 했다. 한 시간 후, AI는 한 통의 진단 보고서를 내놓았다.

의사가 말한 것은 “50% 이상 파열”, AI가 말한 것은 “건 완전 무손상”.

완전히 반대되는 두 결론. 누구를 믿어야 하는가?

이 사건은 며칠 전 Hacker News 첫 페이지에 올라 300명 이상의 추천과 403개의 댓글을 받았다. 그리고 가장 흥미로운 부분은 원문이 아니라, 댓글 섹션에 있었다.

영상의학과 전문의가 단 한 마디 하자, 모두가 조용해졌다

HN에서 가장 많은 추천을 받은 댓글은 영상의학과 전문의, 사용자명 sxg의 것이었다. 그가 첫 문장에서 찌른 것은 핵심이었다:

“저는 영상의학과 의사입니다만, 완전한 3D MRI 데이터를 보기 전에는 진짜 판단을 내릴 수 없습니다.”

그리고 그는 화제를 돌려, Antoine이 원글에서 전혀 인지하지 못한 문제를 지적했다.

Antoine은 진료소가 초음파 검사 후 “석회화 없음”이라고 말하고 충격파 치료를 했다고 불평했었다. 그는 ChatGPT로 임상 가이드라인을 찾아보았고, 충격파 치료가 석회화가 없는 건병증에는 권장되지 않는다는 사실을 발견하고 진료소의 전문성에 의심을 품었다.

영상의학과 의사 sxg의 답변은 모두를 깨웠다:

“초음파는 석회화를 평가하기 좋은 도구가 아닙니다. 큰 석회화는 발견할 수 있지만, 작은 것은 쉽게 놓칩니다. 일반 촬영(X-ray)이 더 유용하지만, MRI도 발견할 수 있습니다. 핵심은, 영상의학 보고서가 어떤 소견이 ‘없다’고 할 때는 항상 암묵적인 전제가 붙는다는 것입니다: 이 소견은 이 검사 방식과 이번에 얻은 영상의 범위 내에서 존재하지 않는다. ”

바꿔 말하면: 초음파 보고서에 “석회화 없음”이라고 쓰인 것과 X-ray 보고서에 “석회화 있음”이라고 쓰인 것은 모순되지 않는다. 초음파는 음파를 사용하고, X-ray는 방사선을 사용하며, 이들이 잘 보는 대상은 근본적으로 다르다 — 마치 망원경으로 음식의 간을 판단할 수 없는 것과 같다.

그리고 바로 이 문제가, 이번 사건에서 AI가 드러낸 핵심 결함이다.

AI의 문제는 ‘자신이 무엇을 보고 있는지 모른다’는 것이다

AI가 왜 의료 영상에서 실패하는지 이해하려면, 먼저 한 가지 사실을 알아야 한다: 현재의 범용 대규모 언어 모델(LLM)은 의료 영상 판독을 위해 설계되지 않았다.

이들은 텍스트를 이해하고 텍스트를 생성하도록 훈련되었다. Claude나 GPT-5.5 같은 최첨단 모델이 이미지를 ‘볼 수 있는’ 멀티모달 능력을 갖추었다 해도, 이미지에 대한 이들의 이해 방식은 영상의학과 의사의 그것과 본질적으로 다르다.

영상의학과 의사가 MRI를 볼 때, 뇌는 통합적인 추론을 수행한다: 이 프레임과 다음 프레임 사이의 미세한 명암 변화가 무엇을 의미하는가? 동일한 스캔 시퀀스에서 이 영역의 신호 강도는 정상인가 비정상인가? 이 소견을 환자의 나이, 성별, 증상 배경에 놓았을 때 임상적 의미는 얼마나 큰가? — 반면 LLM이 의료 영상을 처리할 때, 본질적으로는 픽셀 패턴과 자신이 학습 데이터에서 본 ‘이미지-텍스트’ 쌍을 매칭시키는 것이다.

북미영상의학회(RSNA)가 2025년 7월 발표한 입장 성명에서, 전문가들은 LLM이 영상의학에서 직면하는 몇 가지 핵심 장애물을 나열했다: 쉽게 ‘할루시네이션’(존재하지 않는 정보를 날조)하는 경향, 훈련 데이터의 불투명성으로 인해 편향을 추적할 수 없는 점, 그리고 — 가장 중요한 — 이미지 자체에 대한 진정한 공간적 이해 능력의 결여.

올해 6월 《네이처 메디신》에 발표된 대규모 스트레스 테스트 연구도 이를 확인해주었다. Eric Topol이 이끄는 팀은 GPT-5.5 Pro, Claude 3.5, Gemini 2.5 Pro를 포함한 여러 최첨단 모델에 멀티모달 의학 추론 테스트를 실시했다. 결론은 불편할 정도로 명확했다:

“GPT-5.5 Pro는 79점(100점 만점)을 받아 이전 세대 모델의 69점에서 발전했지만, 신뢰할 수 있는 의료 용도로 간주되기에는 한참 부족합니다. 이 모델들은 추론 오류, 부적절한 지름길 사고, 그리고 할루시네이션 문제를 보입니다.”

79점은 시험으로 치면 아마도 B+일 것이다. 하지만 의료 현장에서는, 1점 차이가 오진이나 미진단으로 이어질 수 있다.

AI의 ‘과잉 확신’은 인간 사회의 현실적 위험이다

의료 분야에는 반복적으로 검증된 현상이 있다: AI 진단 모델은 훈련 데이터 분포 내에서는 인간과 맞먹거나 이를 능가할 수 있지만, 일단 훈련 데이터 밖의 상황 — 병원마다 다른 스캔 장비, 다른 인구 집단의 환자 특성, 다른 국가의 진료 가이드라인 — 에 직면하면 정확도가 급락한다.

MIT의 2024년 연구는 더 은밀한 문제를 드러냈다: X-ray 이미지에서 환자의 인종과 성별을 가장 잘 판별하는 AI 모델이, 정확히 ‘공정성 격차’도 가장 크게 보였다 — 서로 다른 인구 집단 간 진단 정확도의 차이가 가장 컸던 것이다. 이는 AI가 사람의 눈에 보이지 않는 특징(예: X-ray만으로 인종을 추론하는 능력)을 ‘볼 수 있지만’, 그런 특징이 오진으로 가는 지름길이 될 수 있다는 뜻이다.

Antoine의 사례로 돌아가면, 많은 사람이 간과한 디테일이 하나 더 있다: 그가 AI에게 준 임상 정보는 의사에게 준 것보다 적었다. 원글에서 그는 Claude Code에 “오른쪽 어깨 통증 2~3주”라는 배경 정보만 주었다고 적고 있으며, 의사에게는 완전한 문진 기록이 주어졌다.

나중에 그는 AI에게 다시 한 번 ‘중재’를 시켰다 — 서로 모순되는 두 진단 보고서를 다시 읽게 하고, 여기에 그가 ChatGPT와 어깨 테스트 동작에 대해 논의한 대화 기록을 추가했다. 이번에 AI는 ‘파열 없음’ 쪽으로 기운 결론을 내렸다. 하지만 HN의 한 사용자는 날카롭게 지적했다:

“저는 여러 LLM을 동시에 구독하고 있습니다. 같은 의학 질문을 다른 대화에서 물으면 완전히 모순되는 답변을 받는데, 각 답변이 하나같이 엄청난 자신감을 담고 있습니다. 가장 무서운 것은, 각 모델을 당신이 원하는 답변으로 아주 쉽게 유도할 수 있다는 점입니다 — 후속 질문에서 다른 모델이 제시한 특정 방향을 계속 언급하면, 대화가 조용히 그 방향으로 기울어집니다.”

이것이 바로 AI의 과잉 확신의 본질이다: AI는 ‘듣기에 기분 좋게 말하는 것’에 훈련되어 있다. A/B 테스트에서 반복적으로 증명된 것은, 인간 사용자가 AI 답변을 평가할 때 매기는 점수는 ‘내용이 맞는가’보다 ‘말투가 좋은가’에 더 크게 좌우된다는 것이다 — 마치 병원 병실의 풍경이 의료 품질을 바꾸지 못해도 환자 만족도 점수에는 유의미하게 영향을 주는 것과 같다.

의사와 AI, 차이는 기술이 아니라 ‘무엇을 대답하지 말아야 하는지 아는 것’에 있다

HN 댓글 섹션에서 한 심장 초음파 기사가 한 말은 깊은 울림을 준다:

“저는 심장 초음파 기사입니다. AI가 영상의학과 의사의 일자리를 빼앗을 거라는 논의를 보면서, 제가 할 수 있는 말은 — AI에게 초음파 프로브를 어떻게 조작해서 이미지를 얻어야 할지 가르쳐 달라고 해 보세요. 그건 마치 악기를 한 번도 만져본 적 없는 사람을 무대에 밀어 올리고, ‘걱정 마, AI가 연주법을 가르쳐 줄 거야’라고 말하는 것과 같습니다.”

이 말은 AI의 잠재력 한계와 인간 의사의 대체 불가능성을 동시에 말해준다.

AI는 특정 작업에 매우 적합하다: 혈액 검사 보고서의 숫자를 이해하는 것, 어떤 약물 조합이 문제가 있는지 알려주는 것, 심지어 — Antoine의 사례처럼 — 당신이 진단 결과에 불안을 느낄 때 이의 제기를 추진할 수 있는 다른 시각을 제공하는 것. 이런 시나리오에서 AI는 ‘정보 확대경’ 역할을 하는 것이지, ‘의사 결정자’가 아니다.

하지만 당신이 AI에게 “내 건이 찢어졌나요?”라고 물을 때, 당신은 AI가 MRI를 보고 있다고 생각한다. 실제로 AI가 하는 일은: 당신이 준 이미지를, 자신이 학습한 방대한 ‘유사 MRI 이미지+라벨’ 데이터와 확률 매칭시키고, 가장 유창하고 자신감 넘치는 어조로 답을 알려주는 것이다.

AI는 자신이 무엇을 놓치고 있는지 모른다. 이 MRI 기기의 스캔 시퀀스 파라미터가 다른 병원과 동일한지 모른다. 어떤 희귀 건병증은 특정 각도에서만 보인다는 사실을 모른다. 더 결정적으로 — 언제 “잘 모르겠습니다”라고 말해야 할지를 모른다.

반면 영상의학과 의사 sxg가 HN에서 한 첫마디는 바로 이것이었다: “완전한 데이터를 보기 전에는, 진짜 판단을 내릴 수 없습니다.”

이런 훈련된 절제 자체가, 의학 전문성의 일부다.

의료 진단은 너무나도 복잡하다

여기서 오해되기 쉬운 점을 분명히 해둘 필요가 있다: 이번 사건은 ‘AI는 쓸모없다’는 말이 아니다.

AI는 의료 영상의 특정 작업 — 예를 들어 폐 결절 자동 탐지, 안저 사진을 통한 망막병증 스크리닝 — 에서 이미 인간 전문가에 근접하거나 능가하는 단일 지점 정확도를 보여주고 있다. 하지만 이 모두가 고도로 제한된 조건 하에서다: 고정된 장비, 표준화된 스캔 프로토콜, 명확한 이진 분류 작업, 엄격하게 주석 처리되고 검증된 훈련 데이터.

반면 Antoine의 시나리오는 완전히 다르다: 비표준 DICOM 내보내기, 라벨 없음, 전용 의료 AI가 아닌 범용 LLM, 개방형 진단 문제, 극도로 적은 임상 배경 정보. 어느 한 고리라도 문제가 생기면, 결론은 빗나갈 수 있다.

영상의학과 의사의 ‘모달리티 수준 전문 지식’ — 초음파, X-ray, CT, MRI가 각각 무엇을 잘 보고, 각각의 사각지대는 어디이며, 언제 다른 검사 방식으로 전환해야 하는지를 아는 — 이 전체 체인을 아우르는 판단력은, 현재의 AI는 전혀 갖추지 못했다. AI는 그저 모호한 픽셀 블록 위에서 ‘그럴듯해 보이는’ 답을 제시했을 뿐이다.

마치며

이 글의 목표는 AI에게 사형을 선고하는 것도, 독자에게 공포를 심어주는 것도 아니다. 필자가 말하고 싶은 것은: AI가 의료를 바꾸는 속도와 방식은, 많은 사람이 상상하는 것과는 조금 다를 수 있다는 것이다.

AI가 어느 날 갑자기 ‘AI가 영상의학과 의사를 대체한다’고 선언되지 않을 것이다. 대신, 가장 지루하고 가장 검증 가능한 작업부터 시작될 것이다 — 의심 영역 표시, 과거 영상 변화 비교, 반복 작업 감소. 이런 도구들이 진짜 성숙할 때, 당신은 뉴스 헤드라인에서 보는 것이 아니라, 의사의 일상 업무 흐름 속에서 체감할 것이다.

지금 당장은, 당신이 자신의 MRI를 AI에게 던져 “나 괜찮아?”라고 묻기 전에, HN의 그 사용자가 한 요약을 기억하길 바란다:

“핵심은 더 나은 정보이며, AI는 아직 이것을 신뢰성 있게 제공할 수 없습니다.”

다음에 당신이 이해할 수 없는 검사 보고서를 받는다면, AI에게 먼저 묻기보다 의사에게 먼저 물어보는 것이 더 나은 선택일 수 있다: 이 검사 방식은 내 질문에 답하기에 적합한가? 추가로 받아야 할 검사가 있는가? — 이 질문들의 답이, 어떤 AI가 생성한 진단보다 더 신뢰할 만하다.

참고 링크:

References（2）