의료 AI를 보는 기준이 바뀌고 있습니다.
예전 질문이 "진단명을 얼마나 잘 맞히는가"였다면, 이제는 "병원 업무 흐름 안에서 필요한 정보를 모으고, 도구를 쓰고, 안전하게 판단할 수 있는가"가 더 중요해지고 있습니다.
MIRA는 이 변화를 보여주는 대표적인 사례입니다.
MIRA는 Medical Intelligence for Reasoning and Action의 약자이며, 통제된 샌드박스형 가상 전자의무기록(EHR) 환경에서 작동하는 자율 의료 AI 에이전트입니다.12
핵심은 MIRA가 단순한 진단 챗봇이 아니라는 점입니다.
응급실 진료 흐름을 따라 병력을 듣고, 검사를 지시하고, 결과를 해석하고, 진단 가설과 치료 계획을 세우도록 설계됐습니다.1
MIRA가 보여주는 변화: 답변형 AI에서 행동형 AI로
일반적인 의료 챗봇은 사용자의 질문에 답합니다.
반면 MIRA는 병원 안에서 의사가 거치는 절차를 시뮬레이션합니다.
예를 들어 MIRA는 환자 AI 에이전트와 대화하며 병력을 청취합니다. 이 환자 에이전트의 답변은 실제 임상 기록에서 추출한 현재병력(HPI)에 기반합니다.1 즉, 아무 정보나 만들어내는 환자가 아니라 기록된 정보 안에서 반응하도록 설계된 환경입니다.
그다음 MIRA는 11개의 도구를 사용해 검사 지시, 결과 해석, 진단 가설 생성, 치료 계획 실행을 수행합니다.1 혈액검사, 미생물 검사, 영상검사, 약 처방, 입원 결정 같은 선택지가 포함됐고, 연구 환경에서는 8만5천 개가 넘는 가능한 선택지가 다뤄졌습니다.1
따라서 MIRA의 의미는 "AI가 진단명을 맞혔다"에 그치지 않습니다.
의료 AI가 제한된 정보 속에서 어떤 질문을 던지고, 어떤 검사를 선택하며, 결과를 어떻게 해석하고, 다음 행동으로 이어갈 수 있는지를 평가했다는 데 있습니다.
성능 수치보다 중요한 것은 평가 방식
MIRA는 공개 MIMIC-IV 데이터셋의 실제 응급실 사례 500건 이상에서 테스트됐습니다.
8개 질병 범주에서 데이터셋에 기록된 진단과 비교해 88.9%의 진단 정확도를 기록했으며, 평가 범위에는 외과, 내과, 종양학 분야의 진단 및 치료 결정이 포함됐습니다.1
이 수치는 눈에 띄지만, 더 중요한 부분은 평가 환경입니다.
의료 현장에서는 정답 후보를 보고 고르는 시험보다 훨씬 복잡한 일이 벌어집니다. 환자는 모든 정보를 처음부터 말하지 않고, 의사는 필요한 질문을 해야 하며, 검사에는 비용과 시간이 들고, 치료 결정에는 위험이 따릅니다.
MIRA 연구가 흥미로운 이유는 바로 이 흐름을 가상 환경에서 재현하려 했기 때문입니다.
환자 에이전트는 문서화된 현재병력에 없는 정보를 제공하지 않도록 평가됐고, 질문 표현이 바뀌어도 답변이 안정적인지 확인하는 항목도 포함됐습니다.1 또한 적대적 프롬프트 상황에서도 진단 결론을 조기에 노출하지 않는지 평가됐습니다.1
이런 설계는 의료 AI 평가에서 중요합니다.
AI가 정답을 맞히는 것만큼이나, 잘못된 정보를 만들어내지 않는지, 필요한 정보를 적절히 요청하는지, 제한된 조건에서 무리한 결론을 내리지 않는지를 봐야 하기 때문입니다.
AMIE와 함께 봐야 할 지점
MIRA와 함께 자주 언급되는 시스템이 Google의 AMIE입니다.
AMIE는 Google의 Gemini 1.5 Flash 기반으로 실행됐고, 100개 사례 연구에서 21명의 1차 진료 의사와 비교됐습니다.3
두 시스템은 모두 의료 AI가 단순 질의응답을 넘어 환자 관리와 임상 의사결정 흐름으로 이동하고 있음을 보여줍니다. 다만 MIRA는 특히 응급실 워크플로와 도구 사용, 가상 EHR 환경에서의 자율 행동에 초점이 맞춰져 있습니다.
이 차이는 의료 AI를 평가할 때 유용한 기준이 됩니다.
앞으로 중요한 질문은 "어떤 모델이 더 똑똑한가"가 아니라 "어떤 임상 상황에서, 어떤 권한으로, 어떤 안전장치 아래 사용할 수 있는가"가 될 가능성이 큽니다.
아직 실제 병원에 바로 넣을 단계는 아니다
MIRA는 의미 있는 진전이지만, 실제 병원에 바로 투입할 수 있다는 뜻은 아닙니다.
전문가들은 MIRA와 AMIE가 모두 통제되거나 시뮬레이션된 환경에서 평가됐으며, 실제 환자를 대상으로 한 전향적 검증이 필요하다고 봅니다.3
특히 의료 AI에서는 성능 점수만으로 충분하지 않습니다.
실제 현장에서는 환자 상태가 급변하고, 기록이 불완전하며, 의료진 간 협업과 책임 문제가 함께 얽힙니다. AI가 어떤 결정을 제안했을 때 누가 검토하고, 누가 승인하며, 오류가 났을 때 책임을 어떻게 나눌지도 명확해야 합니다.
또 하나의 관찰 포인트는 시간입니다.
AI 모델은 빠르게 바뀝니다. 오늘의 최고 성능이 1~2년 뒤에는 낡은 기준이 될 수 있습니다. 그래서 특정 모델의 점수보다 더 오래 남는 것은 평가 프레임워크와 안전 검증 방식입니다.
MIRA에서 얻을 수 있는 실용적 교훈
MIRA가 보여주는 방향은 분명합니다.
의료 AI의 미래는 의사를 대체하는 자동 의사라기보다, 반복 업무와 정보 분석을 보조하는 임상 코파일럿에 가깝습니다.
따라서 MIRA를 볼 때 핵심은 "AI가 의사보다 나은가"가 아닙니다.
다음 질문이 더 실용적입니다.
제한된 정보 안에서 필요한 병력을 잘 묻는가?
검사와 치료 선택을 어떤 근거로 제안하는가?
없는 정보를 만들어내지 않도록 통제되는가?
실제 의료진이 검토하고 개입할 수 있는 구조인가?
시뮬레이션을 넘어 실제 환자 환경에서 검증됐는가?
MIRA는 의료 AI가 나아갈 방향을 보여주는 중요한 실험입니다.
하지만 결론은 조심스럽게 잡아야 합니다. AI가 병원 업무의 일부를 더 잘 정리하고 보조할 수는 있어도, 최종 판단과 책임은 여전히 의료진에게 있어야 합니다.
1Towards autonomous medical artificial intelligence agents
2The Digital Medical Assistant: AI Takes Over Routine Tasks in the Hospital
3expert reaction to presentation of two new medical AI models for patient management (MIRA and AMIE)
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.