마이크로소프트는 자사의 의료 AI 시스템이 의사보다 어려운 사례를 두 배 이상 정확하게 진단할 수 있다고 밝혔으며, 이번에는 해당 주장이 동료 검토에서 살아남았습니다.

"언어 모델을 이용한 순차적 진단"이라는 제목의 연구에 따르면 Microsoft AI 진단 오케스트레이터(MAI-DxO)는 더 적은 수의 테스트 및 절차를 지시하면서 진단 정확도에서 "실질적으로 일반 의사보다 성능이 뛰어났습니다". 이 작품은 동료 심사를 거치지 않은 사전 인쇄본으로 작년에 arXiv에 처음 게재되었습니다. 이번 연구 결과는 목요일 사이언스(Science) 저널에 공식적으로 발표되었으며, 이는 마이크로소프트가 시스템을 인상적인 데모 영역에서 임상적 신뢰성으로 이동시키는 단계라고 주장합니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.

뉴잉글랜드 의학저널(New England Journal of Medicine)에 발표된 복잡한 사례 기록을 기반으로 구축된 테스트에서 MAI-DxO는 참고 자료에 접근할 수 있는 일반 의사의 진단 정확도 36.1%에 비해 83.2%의 진단 정확도를 달성했습니다. 의사들이 이러한 자원을 거부당했을 때 정확도는 약 22%로 떨어졌으며, 이러한 조건에서 AI 시스템의 정확도는 거의 4배나 높아졌습니다. 응급실 입원을 기반으로 한 별도의 테스트에서 AI는 80.3%에서 46.8%로 더 좁은 차이로 다시 일반 의사를 능가했습니다.

의사가 하는 방식을 진단하는 시스템

MAI-DxO가 기존 증상 검사기와 다른 점은 순차적으로 작동한다는 것입니다. 환자는 증상, 병력 및 테스트 결과가 포함된 완전한 파일을 모델에 전달하지 않습니다. 대신, 시스템은 주요 불만사항으로 시작하여 진단을 내리기 전에 어떤 후속 질문을 물어보고 어떤 검사를 주문할지 결정해야 합니다. 이는 실제 의사가 불확실성 속에서 일하는 방식과 훨씬 더 가깝습니다.

연구원들은 이전 벤치마크가 이러한 순차적 방식으로 대규모 언어 모델의 진단 능력을 평가하는 데 실패했기 때문에 SDBench(순차 진단 벤치마크)라는 새로운 평가를 구축했다고 말합니다.

논문에 따르면 MAI-DxO는 내부적으로 "의사 패널을 시뮬레이션"하여 감별 진단을 지속적으로 수정하고 비용 효율적인 테스트를 선택합니다. 다양한 AI 에이전트는 진단 제안, 테스트 주문, 까다로운 가정, 비용 평가 등 고유한 역할을 수행합니다. 연구자들은 이 구조가 초기 진단에 집착하거나 대체 설명을 간과하는 등 개별 의사에게 영향을 미치는 인지 편향에 대응하는 데 도움이 된다고 제안합니다.

OpenAI의 GPT 모델을 기반으로 구축

이 시스템은 OpenAI의 GPT-5에서 실행되는 가장 강력한 결과를 달성했으며 추가 테스트에서는 GPT-5.5를 사용한 추가 개선을 보여주었습니다. Microsoft는 또한 경제성을 강조합니다. 회사는 MAI-DxO가 불필요한 테스트 및 절차를 줄여 비용의 절반 또는 1/3까지 올바른 진단에 도달한다고 말합니다.

이러한 비용 청구에는 Microsoft 자체가 표시한 경고가 포함됩니다. 즉, 절감액은 실제 의료비가 아닌 시뮬레이션된 사례의 예상 비용을 기준으로 모델링됩니다. 연구원들은 또한 시스템을 일반의가 아닌 전문의와 비교하면 성능 격차가 줄어들 것으로 예상한다는 점을 인정합니다.

벤치마크에서 머리맡까지

최고의 저널에 출판되는 것은 한 가지입니다. 환자를 치료하는 것은 또 다른 일입니다. Microsoft의 AI 책임자인 Mustafa Suleyman은 The Verge와의 인터뷰에서 실제 배포에는 여전히 임상 테스트가 필요하며 회사는 이미 이에 대한 계획을 가지고 있다고 말했습니다. 마이크로소프트의 AI 건강 책임자인 도미닉 킹 박사는 앞으로 몇 달 안에 보스턴에 있는 베스 이스라엘 디코니스 메디컬 센터에서 테스트가 시작될 것이라고 말했습니다.

현장에서 이 영화를 본 적이 있기 때문에 이러한 단계적 접근 방식이 중요합니다. 올해 초, 하버드 대학교와 Beth Israel Deaconess Medical Center의 연구원들은 OpenAI의 o1-preview 추론 모델이 진단 작업에서도 의사를 능가하여 AI가 의사를 대체한다는 헤드라인을 장식했다고 보고했습니다. 이러한 연구에서 확립할 수 없는 것은 실수가 실제 결과를 가져오고 환자 집단이 엄선된 저널 사례보다 훨씬 더 복잡한 실제 임상 환경에서의 안전성이었습니다.

마이크로소프트는 "의료 초지능 구축"이라는 기치 아래 자체 발표를 발표하면서 야심찬 계획을 세웠습니다. Suleyman은 진단 추론을 AI가 단기적으로 인간의 전문가 성능을 능가할 수 있는 가장 명확한 영역 중 하나로 자리매김했습니다.

세부사항이 중요한 이유

벤치마크에 사용된 NEJM 사례는 설계상 진단이 어렵습니다. 즉, 누군가를 당황하게 했기 때문에 정확하게 작성되는 일종의 퍼즐입니다. 일상적인 일차 진료에는 엄청난 양의 일상적인 프레젠테이션이 포함되며, 일반 프레젠테이션의 정확성은 당연히 훨씬 더 높습니다. 드물고 복잡한 사례에서 정확도를 두 배로 높이는 시스템은 가치가 있지만 모든 의학 분야에서 정확도를 두 배로 높이는 것과는 다릅니다.

책임의 문제도 있습니다. AI 오케스트레이터가 치명적인 조건을 놓친 테스트 캐스케이드를 주문하는 경우 대부분의 관할권에서는 책임 문제가 해결되지 않은 상태로 남아 있습니다. Beth Israel Deaconess의 임상 시험은 규제 기관과 병원 시스템이 필요로 하는 정확한 종류의 전향적 증거를 생성하기 위한 것입니다.

그래도 궤적을 무시하기는 어렵습니다. 정의된 임상 테스트 계획인 Science의 동료 검토 결과와 의료 시스템에 대한 비용 압박은 모두 동일한 방향을 가리킵니다. 진단 AI는 연구 시연에서 규제된 의료 행위로 이동하고 있습니다. 다음 이정표는 벤치마크 우위가 실제 환자에게 더 나은 결과로 이어지는지 여부에 대한 첫 번째 테스트인 보스턴 시험 결과가 될 것입니다.

현재로서는 이 논문의 자체 구성이 가장 공정한 요약입니다. 복잡한 사례의 순차적 진단에서 AI 의사로 구성된 시뮬레이션 패널은 더 낮은 예상 비용으로 일반 의사보다 훨씬 더 나은 성능을 보였습니다. 이를 승인된 임상 실습으로 전환하는 것은 Microsoft가 현재 신청한 가장 어려운 문제입니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →