AI가 암 진단에 쓰이는 이유
암은 전 세계적으로 두 번째로 높은 사망 원인이다. WHO(세계보건기구)에 따르면 2022년 기준 전 세계에서 약 2,000만 명이 암 진단을 받았으며, 970만 명이 암으로 사망했다. 한국 국립암센터 통계에서도 한국인 사망 원인 1위는 지속적으로 암이 차지하고 있다.
암 치료에서 가장 중요한 변수는 발견 시점이다. 1기(초기) 폐암의 5년 생존율은 약 60~90%에 달하지만, 4기(말기)에 발견되면 5년 생존율이 10% 미만으로 급격히 떨어집니다. 유방암 역시 1기 발견 시 5년 생존율이 99%에 육박하지만, 4기에는 30% 이하로 낮아집니다. 이처럼 조기 발견은 생존율에 결정적 영향을 미칩니다.
방사선 의사 부족 문제
문제는 전 세계적으로 CT, MRI, X-ray 등 의료 영상을 판독하는 방사선과 전문의가 심각하게 부족하다는 점이다. 특히 아프리카, 동남아시아, 남아메리카 등 개발도상국에서는 방사선 전문의 1인당 감당해야 하는 영상 건수가 선진국 기준의 수십 배에 달다. 미국에서도 방사선 전문의 번아웃과 부족 현상이 사회 문제로 대두되고 있다.
국내도 예외가 아닙니다. 건강검진 수요 증가와 고령화로 인해 의료 영상 판독 건수는 매년 증가하는 반면, 전문 인력 양성에는 수년이 걸립니다. 야간이나 주말에는 응급 영상 판독 전문의가 부족해 대기 시간이 길어지는 상황도 발생다.
AI가 해결할 수 있는 문제
- AI는 야간, 주말, 공휴일 구분 없이 즉시 영상을 분석하고 이상 소견을 의사에게 알릴 수 있다.
- 일관성 유지:인간 의사는 피로도나 집중력에 따라 판독 정확도가 달라질 수 있지만, AI는 동일한 기준으로 일관된 분석을 제공다.
- 미세 병변 감지:수 밀리미터 크기의 초기 병변도 AI는 픽셀 단위로 분석해 의사가 놓칠 수 있는 미세 이상 소견을 포착다.
- 대량 처리 능력:의사 한 명이 하루에 처리할 수 있는 영상 수에는 한계가 있지만, AI는 동시에 수천 건의 영상을 처리할 수 있다.
- 우선순위 분류:긴급한 이상 소견이 있는 환자를 빠르게 걸러내어 즉각적인 진료가 이루어지도록 다.
결국 AI 암 진단 기술은 의사를 대체하는 것이 아니라, 의사가 더 효율적으로 일할 수 있도록 보조하고, 더 많은 환자가 더 빠르게 진단받을 수 있는 환경을 만드는 데 목적이 있다.
FDA 승인 현황 — 수치로 보는 성장세
의료 AI 기술의 신뢰성을 가늠하는 가장 객관적인 지표 중 하나는 미국 FDA(식품의약국)의 승인 현황이다. FDA 승인은 엄격한 임상 데이터 검증을 거쳐야 하기 때문에, 승인 건수의 증가는 의료 AI 기술의 실질적 성숙도를 반영다.
PMC(PubMed Central) 게재 논문에 따르면, FDA는 현재까지 총 950개의 AI·ML(머신러닝) 기반 의료기기를 승인했으며, 이 중 723개(약 76%)가 방사선 영상 분야에 해당다. 이는 CT, MRI, X-ray 등 영상 의학 분야에서 AI 기술이 가장 빠르게 성숙했다는 것을 의미다.
폭발적 성장세
1995년부터 2015년까지 약 20년간 FDA 승인을 받은 AI 의료기기는 33개에 불과했다. 그러나 2023년 단 한 해에만 221개가 승인되었다. 불과 10여 년 사이에 연간 승인 건수가 수십 배 증가한 것이다. 이는 딥러닝 기술의 급격한 발전과 의료 데이터 축적, 그리고 규제 기관의 AI 이해도 향상이 맞물린 결과이다.
FDA는 2024년 12월 AI 의료기기 승인 프로세스 간소화를 권고하는 가이드라인을 발표했다. 이 가이드라인은 AI 기술의 지속적 학습(Continuous Learning) 특성을 반영해, 초기 승인 이후 성능 개선이 이루어질 때 대규모 재승인 없이도 업데이트를 허용하는 방향을 제시다. 이는 의료 AI 확산을 더욱 가속화할 것으로 예상된다.
한국 식품의약품안전처(식약처)도 비슷한 흐름이다. 2017년 의료 AI 소프트웨어를 의료기기로 공식 분류한 이후, 국내 AI 의료기기 허가 건수도 매년 증가하고 있으며, 2023년 기준 누적 허가 건수는 200건을 넘어섰다.
AI 암 진단이 작동하는 방식
의료 AI의 핵심 기술은 딥러닝(Deep Learning), 그 중에서도 이미지 분석에 특화된 컨볼루션 신경망(CNN, Convolutional Neural Network)이다. 전문 용어가 낯설게 느껴질 수 있지만, 기본 원리는 비교적 직관적이다.
컨볼루션 신경망(CNN)이란?
CNN은 인간의 시각 피질이 이미지를 인식하는 방식에서 영감을 받아 설계된 신경망 구조이다. 이미지를 여러 층(Layer)에 걸쳐 필터로 훑으며, 점점 더 추상적인 패턴을 학습다. 초기 층에서는 선이나 색 대비 같은 단순한 특징을 감지하고, 깊은 층으로 갈수록 "종양의 경계면", "불규칙한 형태" 같은 복잡한 패턴을 인식다.
학습 과정: 수십만 장의 암 영상으로 패턴 학습
AI 모델은 처음부터 암을 구별할 줄 아는 것이 아닙니다. 학습(Training) 단계에서 수십만 장, 경우에 따라서는 수백만 장의 의료 영상과 그에 대한 전문의 판독 결과(정답 레이블)를 함께 입력받다. AI는 "이 영상에 암이 있다", "이 영상은 정상이다"라는 정답 데이터를 반복적으로 학습하면서, 암을 나타내는 시각적 패턴을 스스로 추출하고 내재화다.
- 학습에 사용되는 의료 영상의 수가 많을수록 모델 성능이 향상된다.
- 데이터 품질:전문의가 정확하게 레이블링한 데이터일수록 모델 신뢰도가 높아집니다.
- 데이터 다양성:다양한 연령, 성별, 인종, 장비 환경에서 촬영된 영상이 포함될수록 범용성이 높아집니다.
- 모델 구조:ResNet, EfficientNet, Vision Transformer 등 최신 아키텍처가 의료 AI에 적극 도입되고 있다.
추론 과정: 새 영상 입력 시 암 의심 부위 자동 표시
학습이 완료된 AI 모델은 이제 새로운 영상을 입력받았을 때, 수 초 내에 암 의심 부위를 자동으로 감지하고 화면에 표시다. 예를 들어 흉부 X-ray를 AI에 입력하면, AI는 폐 결절이 의심되는 부위에 박스나 히트맵(Heat Map) 형태로 표시하고, 해당 부위가 악성일 확률을 수치로 제시다.
의사가 최종 판독 결정 — AI는 보조 도구
중요한 점은, AI의 판독 결과는 의사에게 참고 정보로 제공될 뿐이라는 것이다. 최종 진단은 반드시 전문 의료진이 내립니다. 이 과정을 CAD(Computer-Aided Detection/Diagnosis, 컴퓨터 보조 진단)라고 부릅니다. AI가 표시한 의심 부위를 의사가 다시 검토하고, 임상 정보, 환자 병력, 추가 검사 결과를 종합해 최종 판단을 내립니다. AI는 의사의 역할을 대체하는 것이 아니라 "두 번째 눈" 역할을 하는 것이다.
국내외 주요 사례
의료 AI는 더 이상 연구실 수준의 기술이 아닙니다. 전 세계 주요 기업들이 실제 임상 현장에서 활용 가능한 제품을 출시하고, 규제 승인을 취득했다. 아래 표는 현재 주목받는 국내외 대표 사례이다.
| 기업/제품 | 국가 | 대상 암종 | 특징 |
|---|---|---|---|
| Paige Prostate (Paige.AI) | 미국 | 전립선암 | 2021년 9월 FDA 최초 승인 병리 AI. 조직 슬라이드 영상에서 전립선암 의심 병변 자동 감지 |
| 루닛 INSIGHT | 한국 | 폐암, 유방암 | 흉부 X-ray 판독 보조 솔루션. 글로벌 40개국 이상 수출, FDA·CE 인증 취득 |
| 캐디비 (CADIVI) | 한국 | 유방암 | 유방 초음파 실시간 AI 탐지 솔루션. 식약처 의료기기 3등급 최초 허가 |
| Google DeepMind | 영국/미국 | 안구 질환, 유방암 | 2020년 Nature 논문에서 유방암 AI 진단이 방사선 전문의보다 낮은 위양성률 달성 |
| Viz.ai | 미국 | 뇌졸중 (응급) | 뇌 CT에서 대혈관폐색 감지 후 의료진에게 즉시 알림. FDA 승인 |
| PathAI | 미국 | 다양한 암종 | 병리 슬라이드 분석 AI. 제약사 임상시험 지원 및 병원 솔루션 제공 |
루닛 — 한국 의료 AI의 대표 주자
국내 기업 중 가장 주목받는 곳은 루닛(Lunit)이다. 루닛은 흉부 X-ray에서 폐 결절, 폐렴, 기흉 등을 자동 감지하는 루닛 INSIGHT CXR을 비롯해, 유방촬영술(맘모그래피) AI 솔루션도 제공다. FDA 승인과 유럽 CE 인증을 모두 보유하고 있으며, 중동, 유럽, 아시아 등 40개국 이상의 의료기관에 제품을 공급하고 있다.
Paige.AI — 최초의 FDA 승인 병리 AI
Paige.AI의 Paige Prostate는 2021년 9월 FDA로부터 병리 AI 분야 최초의 승인을 받았다. 이 제품은 전립선 조직 검사 슬라이드 영상을 분석해 암세포 의심 부위를 자동으로 표시다. 병리과 전문의의 판독 정확도를 향상시키고, 전문의가 놓칠 수 있는 미세 병변을 감지하는 데 도움을 주는 것으로 임상 연구에서 입증되었다.
실제 임상 적용 현황
의료 AI는 이미 국내외 주요 병원에서 실제 진료에 활용되고 있다. 서울아산병원, 세브란스병원, 서울대학교병원 등 국내 주요 대형 병원들이 AI 영상 판독 보조 시스템을 도입하거나 임상 연구를 진행 중이다.
의사 업무 효율 향상
AI 판독 보조 시스템 도입 후 실제 임상 현장에서 가장 두드러지는 효과는 방사선 전문의의 업무 효율 향상이다. AI가 이상 소견이 없는 정상 영상을 사전에 필터링해주면, 의사는 이상 소견이 있는 영상에 더 집중할 수 있다. 또한 AI가 미리 의심 부위를 표시해주기 때문에 판독 속도가 빨라지고, 놓칠 수 있는 소견을 재확인하는 역할도 다.
야간·응급 상황에서의 AI 1차 스크리닝
응급실에서 야간이나 주말에 영상 판독 전문의가 부재하거나 대응이 늦어질 수 있는 상황에서, AI 1차 스크리닝은 특히 중요한 역할을 다. 뇌졸중 CT 분석 AI의 경우, 대혈관폐색을 감지하면 즉시 의료진에게 알림을 보내 골든 타임 내에 치료가 이루어지도록 돕다. 이러한 응급 상황 지원 기능은 AI가 가져올 수 있는 가장 직접적인 생명 구조 효과로 평가받다.
루닛 측은 "앞으로 3년 안에 AI가 1차 판독 역할을 담당하고, 의사가 최종 확인하는 워크플로우가 주류가 될 것"이라는 전망을 밝혔다. 이는 현재의 '의사 판독 + AI 보조' 구조에서 '1차 AI 스크리닝 + 의사 최종 확인' 구조로 전환될 수 있음을 시사다. 다만 이를 위해서는 추가적인 임상 검증과 규제 정비가 필요다.
건강검진 센터에서의 활용
대형 종합검진 센터를 중심으로 흉부 X-ray 및 위내시경 AI 판독 보조 시스템 도입이 확산되고 있다. 수검자가 많은 검진 센터에서 AI는 영상 판독 대기 시간을 단축하고, 의심 소견이 있는 수검자를 빠르게 추가 검사로 연결하는 역할을 다. 국내 일부 검진 센터에서는 이미 AI 판독 보조 결과를 검진 보고서에 포함해 제공하고 있다.
AI 암 진단의 한계와 과제
AI 암 진단 기술이 빠르게 발전하고 있지만, 현재 기술 수준에서는 분명한 한계와 해결해야 할 과제들이 존재다. 이를 정확히 이해하는 것이 기술을 올바르게 활용하는 첫걸음이다.
- 대부분의 AI 모델은 특정 인종(주로 백인), 특정 연령대, 특정 의료기기로 촬영된 영상으로 학습되어 있다. 이 때문에 학습 데이터에 포함되지 않은 집단(예: 아시아인, 소아 환자)에서 정확도가 저하될 수 있다.
- 희귀 암종 정확도 낮음:AI는 학습 데이터가 많을수록 잘 작동다. 희귀 암의 경우 충분한 학습 데이터를 확보하기 어렵기 때문에, 흔한 암종(폐암, 유방암 등)에 비해 희귀 암종에서는 정확도가 현저히 낮다.
- "블랙박스" 문제:AI가 왜 특정 부위를 암으로 의심했는지 그 근거를 명확하게 설명하기 어렵다. 이는 의료진이 AI 결과를 신뢰하고 활용하는 데 있어 심리적 장벽이 된다. 설명 가능한 AI(XAI, Explainable AI) 연구가 이 문제를 해결하기 위해 활발히 진행되고 있다.
- 임상 검증과 논문 성과의 괴리:연구 환경에서 높은 정확도를 보인 AI 모델이 실제 임상 현장에 도입되었을 때 기대 이하의 성능을 보이는 경우가 있다. 연구에 사용된 데이터와 실제 임상 데이터의 특성 차이, 의료기기 간 영상 품질 차이 등이 주요 원인이다.
- 사이버보안 취약성:의료 AI 시스템이 병원 네트워크에 연결되면서, 의료 데이터 해킹 및 AI 모델 오작동을 유발하는 적대적 공격(Adversarial Attack)에 노출될 위험이 있다.
- 규제 및 책임 소재 문제:AI가 잘못된 판독을 제시했고 의사가 이를 따랐을 때 책임은 누구에게 있는가? 이 법적, 윤리적 문제는 아직 전 세계적으로 명확한 기준이 마련되지 않았다.
이러한 한계들은 AI 기술의 발전과 함께 점진적으로 개선되고 있다. 다양한 인종·연령대 데이터를 포함한 학습 데이터 구축, 실제 임상 환경에서의 전향적 임상시험, 설명 가능한 AI 기술 개발 등이 현재 의료 AI 연구의 핵심 과제이다.
환자가 알아야 할 것들
AI 암 진단 기술이 실제 의료 현장에 도입되면서, 환자 입장에서도 이 기술에 대한 기본적인 이해가 필요해졌다. 아래는 환자로서 알아두어야 할 핵심 내용이다.
- AI가 암 의심 소견을 표시했더라도, 이는 전문의 판독을 위한 참고 정보이다. 반드시 전문 의료진의 최종 확인이 필요다. 반대로 AI가 이상 없다고 했더라도 증상이 있다면 의사와 상담해야 다.
- 병원에 AI 판독 사용 여부를 문의할 수 있다.내 영상 판독에 AI가 사용되는지, 어떤 AI 시스템이 활용되는지 의료진에게 질문할 권리가 있다.
- AI 보조 진단은 정확도 향상에 기여다.연구에 따르면 AI 보조 판독 시스템 사용 시 의사 단독 판독보다 미세 병변 발견율이 향상되는 경우가 많다. AI는 조기 발견 기회를 높이는 방향으로 기능다.
- 건강검진 AI 판독 결과 해석:건강검진 결과지에 "AI 판독 참고 소견"이 포함된 경우, 이는 추가 검사 필요 여부를 판단하는 데 참고 자료로 활용된 것이다. 이상 소견이 있다면 담당 의사와 상담해 추가 검사 필요성을 확인하자.
- AI 기술 발전에 따른 오해 주의:언론에서 "AI가 의사보다 정확"이라는 표현을 접할 수 있지만, 이는 특정 연구 조건에서의 결과이다. 현재의 의료 AI는 다양한 임상 맥락을 종합적으로 판단하는 의사의 역할을 완전히 대체할 수 없다.
AI 암 진단과 관련해 의사에게 할 수 있는 질문
- "이번 판독에 AI 시스템이 사용되었나?"
- "AI가 의심 소견을 표시했다면, 어느 부위이며 추가 검사가 필요한가?"
- "AI 판독 결과와 선생님의 소견이 다른 경우 어떻게 결정하시나?"
- "AI 보조 판독 시스템은 어떤 인증을 받은 제품인가?"
결론
AI와 딥러닝 기술은 암 진단 분야에서 이미 실질적인 변화를 만들어내고 있다. FDA 승인 AI 의료기기가 950개를 돌파했고, CT·MRI 판독에서 90~99%의 정확도를 기록하며, 루닛, Paige.AI 등 전문 기업들이 실제 임상 현장에서 솔루션을 제공하고 있다.
- AI 암 진단 기술은 의사를 대체하는 것이 아니라의사의 역량을 강화하는 보조 도구이다.
- 조기 발견율 향상, 판독 효율 개선, 24시간 스크리닝 등실질적인 임상 가치를 제공하고 있다.
- 데이터 편향, 블랙박스 문제, 희귀 암종 한계 등아직 해결해야 할 과제도 분명히 존재다.
- 환자 입장에서는 AI 결과를 최종 진단으로 받아들이지 않고,반드시 전문 의료진과 상담하는 것이 중요다.
- 향후 3~5년간 AI 암 진단 기술의 임상 적용 범위는 더욱 확대될 것이며,AI와 의사의 협력 모델이 의료의 새로운 표준이 될 것으로 전망된다.
의료 AI 기술의 발전은 단순히 기술적 진보에 그치지 않다. 더 많은 환자가 더 빠르게 암을 발견하고, 더 높은 생존율을 얻을 수 있는 미래로 나아가는 중요한 발걸음이다. 기술과 의학, 그리고 인간의 전문성이 결합될 때 가장 큰 가치를 만들어낼 수 있다.
