Frontiers in Science에 9월 1일 게재된 선행 리뷰는 Imperial College London, Stanford, Yale, Harvard Law School 출신 저자들이 의료 AI가 실제로 어디까지 도달했는지를 살폈습니다. 이 논문의 핵심 관찰은 FDA의 AI-Enabled Medical Devices List에 1,500건이 넘는 항목이 올라 있지만, 그 기술의 거의 대부분이 일상적인 임상 진료에는 이르지 못했다는 점입니다.
흔히 쓰는 프레이밍의 오류
이 숫자를 인용하기 전에 바로잡아야 할 점이 세 가지 있습니다. 첫째, 1,500건이 넘는 항목은 압도적으로 510(k) 허가로, 기존에 판매 중인 기기와의 실질적 동등성을 인정한 것이지 FDA의 승인이 아닙니다. 이 리뷰에서 쓰인 “regulatory-approved”라는 표현은 흔한 완곡한 표현이며, 안전하고 효과적인 것으로 입증된 기기와 이미 판매 중인 기기와 닮았다고 인정된 기기는 전혀 다릅니다.
시험 결과는 비열등성입니다
둘째, 헤드라인을 장식한 무작위 비교 근거는 유방촬영술 선별검사에서 8만 명이 넘는 여성을 대상으로 한 시험입니다. 이는 때때로 잘못 옮겨지곤 하는 흉부 X선 검사가 아니며, 결과는 AI 지원 선별검사가 표준 이중 판독에 대해 비열등했다는 것입니다. AI는 두 명의 방사선과 의사와 같은 수준이었지, 그들을 앞서지 못했습니다. 비열등성은 실제로 중요하고 경제적으로도 의미 있는 결과지만, 통상 보도되는 결론은 아닙니다.
리뷰는 연구가 아닙니다
셋째, 이는 리뷰 논문입니다. 새 데이터는 수집되지 않았습니다. “새 연구가 AI가 3,000개 질병을 예측할 수 있다고 밝혔다”는 식의 보도는 문헌 조사 안에서 인용된 연구를 옮긴 것입니다. 모집 시점에 진단되지 않았던 3,000개가 넘는 질병을 예측하는 바이오뱅크 기반 모델과 1,000개가 넘는 질병에 걸친 경과를 모델링한 Delphi-2M 트랜스포머는 다른 사람들의 논문을 요약한 것입니다. 하나 더 날짜를 붙여 둘 수 있는 수치도 있습니다. 의료 분야 사이버보안 전문가의 73%가 낡은 운영체제를 보고했다고 답한 것은 2021년 설문으로, 이미 5년이나 지난 자료입니다.
왜 디플레이션적 리뷰가 유용한가
저자진은 임상 및 머신러닝 연구자들과 Harvard Law의 보건정책 학자를 결합해 이례적으로 고위급이면서도 학제적입니다. 이들의 주장, 즉 오늘날 병원에서 임상적으로 성숙하고 규제당국의 허가를 받은 AI는 거의 전적으로 전통적인 딥러닝 진단 기술이며 생성형 AI 물결은 아직 일상 진료에 들어오지 않았다는 점은, AI가 이미 의학을 바꾸고 있다는 프레이밍에 대한 직접적인 반박입니다.