X선을 읽는 AI, 정확도보다 먼저 봐야 할 것
AI 챗봇은 X선 영상을 분석해 자연스러운 진단 문장을 만들 수 있다. 그러나 문장이 그럴듯하다고 해서 판단까지 정확한 것은 아니다. 의료 AI를 평가할 때는 정답률뿐 아니라 틀렸을 때 불확실성을 드러내고 전문가에게 판단을 넘길 수 있는지를 함께 봐야 한다.
16개 AI 모델을 200개 사례에서 평가한 시험에서 방사선 전문의는 정확도와 답변 확신도를 결합한 지표로 2,000점 만점에 988.7점을 받았다. 최고 AI 모델은 758점에 그쳤으며, 모든 모델이 이 지표에서 전문의보다 낮은 점수를 기록했다. Google Gemini 3 Pro는 원시 정확도에서는 가장 좋은 성적을 냈지만, 일부 모델은 오답에도 높은 확신을 보였다.1
의료 AI에는 정확한 답만큼 정확한 ‘모르겠다’가 필요하다
의료 현장에서는 단순 정답률만으로 성능을 판단하기 어렵다. 같은 오답이라도 낮은 확신과 함께 전문가 검토를 요청하는 시스템은 위험을 줄일 수 있지만, 틀린 답을 단정적으로 제시하는 시스템은 사용자의 잘못된 신뢰를 키운다.
또한 영상을 직접 판독하는 일과 이미 작성된 판독문을 환자가 이해하기 쉽게 설명하는 일도 구분해야 한다. 후자는 AI가 유용하게 활용될 수 있는 영역이지만 위험이 없는 것은 아니다. 6,174건의 MRI 보고서를 분석한 연구에서도 용어 오해와 환각이 확인됐으며, 연구진은 의사의 검토가 계속 필요하다고 결론 내렸다.2
따라서 “AI가 의료 영상을 읽는다”는 표현만으로는 충분하지 않다. 실제로는 다음 질문이 중요하다.
AI가 영상 자체를 분석하는가, 기존 보고서를 요약하는가?
오답 가능성과 불확실성을 적절히 표시하는가?
이상 소견의 위치와 판단 근거를 확인할 수 있는가?
위험하거나 모호한 사례를 전문의에게 넘기는가?
하나의 챗봇보다 검증 가능한 시스템
최근 연구는 범용 챗봇 하나에 판독을 맡기기보다 여러 전문 모델을 조율하는 방향으로 발전하고 있다. RadFabric은 14개의 오픈소스 흉부 X선 분석 모델과 2개의 비전언어모델을 연결한 에이전트형 AI 시스템이다.3
이 시스템의 해부학적 해석 에이전트는 영상 소견을 구체적인 위치와 구조에 연결한다. 추론 에이전트는 여러 모델의 출력이 다르거나 충돌하더라도 이를 종합해 단계별 진단을 생성한다. 결과만 제시하는 대신, 어떤 소견을 어디에서 발견했고 어떻게 결론에 도달했는지 검토할 수 있도록 설계한 것이다.
RadFabric은 MIMIC-CXR 데이터셋의 흉부 X선 병변 유형 탐지에서 AUC 85.18%를 기록했으며, 추론 에이전트는 드물게 나타나는 소견의 탐지 성능을 특히 개선했다.3 다만 AUC는 병변을 구분하는 능력을 나타내는 연구 지표다. 이 수치만으로 실제 진료에서 독립적인 진단을 맡길 수 있다는 뜻은 아니다. 해당 연구 역시 2026년 7월 15일 편집 전 원고 형태로 공개됐다는 점을 고려해야 한다.3
보고서 초안 작성으로 넓어지는 역할
기존 영상 AI는 주로 의료진이 확인해야 할 부위를 표시했다. 생성형 AI는 여기서 더 나아가 전체 영상을 처리하고 여러 소견을 담은 방사선 보고서 초안을 작성하는 방향으로 발전하고 있다.
FDA는 이러한 방식으로 흉부 X선을 해석하고 보고서 초안을 작성하는 생성형 AI 기기 2개에 혁신의료기기 지정을 부여했다.4 이는 신속한 개발과 심사를 지원하기 위한 지정이며, 일반적인 임상 사용을 승인했다는 의미는 아니다.
이 변화는 AI의 역할이 단순한 이상 부위 표시에서 판독 과정 전반의 지원으로 확대되고 있음을 보여준다. 동시에 오류가 보고서 문장 전체에 반영될 수 있으므로, 결과를 검토하고 수정할 수 있는 절차가 더욱 중요해진다.
도입 기준은 ‘얼마나 잘 맞히나’보다 ‘어떻게 실패하나’
AI X선 도구를 평가할 때는 높은 정확도나 자연스러운 문장만 봐서는 안 된다. 실용적인 판단 기준은 다음과 같다.
불확실성 표시: 확신도가 실제 정확도와 일치하는가?
근거 확인: 이상 소견의 위치와 판단 과정을 검토할 수 있는가?
전문가 이관: 모호하거나 위험한 사례를 자동으로 전문의에게 넘기는가?
업무 범위 구분: 직접 판독, 보고서 초안 작성, 환자용 설명 중 무엇을 수행하는가?
임상 검증 수준: 연구 데이터의 성능이 실제 의료 환경에서도 확인됐는가?
현재 AI의 적절한 역할은 방사선 전문의를 대체하는 최종 판독자보다 근거를 제시하고 사람이 검토할 수 있는 보조자에 가깝다. X선을 읽는 AI의 가치는 혼자 결론을 내리는 능력이 아니라, 불확실성을 숨기지 않고 의료진이 더 안전하게 판단하도록 돕는 능력에서 찾아야 한다.
1AI chatbots reading X-rays can be dangerously confident even when they're wrong
3Interpretable agentic AI system with localized reasoning for radiology
4FDA gives generative AI in radiology two breakthrough designation nods
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.