[디지털투데이 AI리포터] 최근 미국 하버드대학교 연구진이 챗GPT가 미국 의료면허시험을 통과했다는 연구 결과를 발표했다.

여기서 제기되는 질문은 인공지능(AI) 도구가 '언제 인간 의사를 대체할 것인가'라는 점이다. 이러한 도구의 잠재력을 파악하려면 다양한 기술의 분류 체계와 의료 서비스에서 기술이 어떻게 사용되는지부터 알아보는 게 좋다고 31일(현지시간) 경제매체 CNBC가 전했다. 

의료 기술에 사용되는 AI 도구는 일반적으로 두 가지 주요 범주로 나뉜다. 

첫 번째는 컴퓨터가 데이터에서 패턴을 학습해 예측하는 알고리즘 기계 학습이다. 이러한 알고리즘은 이미지 등 다양한 데이터 유형에 대해 학습할 수 있다. 

두 번째 범주는 인간 언어를 이해하고 생성하도록 설계된 자연어 처리다. 이 도구를 통해 컴퓨터는 사람의 언어와 텍스트를 기계가 읽을 수 있는 조직화된 데이터로 변환한다. 

두 접근 방식의 주요 차이점은 바로 기능에 있다. 기계 학습 모델은 특정 작업 수행에, 대규모 언어 모델은 공급자와의 상호작용 복제에 유용하다. 

의학에서 이러한 기술의 사용은 일반적으로 네 가지 그룹으로 나뉜다. 

첫 번째는 의료 청구서 처리나 의료 기록 작성 및 분석과 같은 관리 기능에 적용되는 대규모 언어 모델이다. 의사와 환자 간의 대화를 기록하고 의료 정보를 출력할 수 있는 인터페이스인 아마존의 헬스스크라이브(HealthScribe)가 일례다. 

두 번째, 기계 학습을 사용해 임상 데이터 해석을 향상시키는 것이다. 방사선, 병리학, 심장학과 같은 전문 분야는 이미 이미지 분석과 MRI 판독 및 심전도 해석 등에 AI를 사용하고 있다. 실제로 방사선 진료의 약 30% AI 도구를 채택했으며, 구글 브레인AI는 눈 뒤쪽을 분석해 실명의 두 가지 주요 원인인 당뇨병성 황반부종과 당뇨병성 망막병증을 진단하는 소프트웨어를 개발했다. 이러한 도구들은 환자 치료에 직접적인 영향을 미칠 수 있어 종종 미국식품의약국(FDA)의 규제를 받기도 한다. 

세 번째 그룹은 환자별 데이터에서 임상 정보를 추출하는 AI 도구다. 이 정보를 해석해 진단이나 치료를 제공하는 것이다. 일반적으로 '임상 결정 지원 소프트웨어'로 알려진 이 도구는 의사의 판단을 대체하는 것이 아니라 보조하는 일종의 영리한 조수를 연상시킨다. 현재 구글 헬스가 유사한 도구를 만들기 위해 딥마인드 헬스를 개발하고 있다. 

마지막으로 네 번째 그룹은 의사의 개입 없이 환자의 의료 기록을 분석해 질환을 진단하고 치료까지 처방하는 완전한 대규모 언어 모델이다. 

현재 임상 언어 모델은 몇 개에 불과하며, 가장 큰 모델도 상대적으로 적은 수의 매개변수를 갖고 있다. 그러나 가장 큰 장애물은 매개변수가 아닌 적절한 규제 경로 설정이 될 수 있다는 지적이다. 그럼에도 이러한 완전 자율 시스템을 환자 치료에 도입하면 치료 결과를 개선할 뿐만 아니라 재정적 문제 해결에도 중요한 가능성을 제공할 수 있다. 

아울러 현재 개발 수준이 의사를 대체할 준비가 되지 않았더라도 이러한 도구는 생산성을 점차 향상시키고 나중에는 의사를 대체할 것이라고 CNBC는 관측했다.