의학보다 더 요란한 AI 마케팅을 끌어들이는 산업은 없으며, 그것을 더 혹독하게 벌하는 산업도 없다. 과하게 약속하는 영업 도구는 한 분기를 망치는 대가를 치른다. 과하게 약속하는 임상 도구는 신뢰를, 때로는 그 이상을 대가로 치른다. 그래서 의료 AI에 대한 정직한 조망이라면 무엇이든 이 분야를 세 무더기로 분류하는 데서 시작해야 한다. 도입되어 작동하는 것, 진정으로 유망하지만 아직 초기인 것, 그리고 흰 가운을 걸친 보도자료일 뿐인 것.
좋은 소식은 첫 번째 무더기가 이제 현실이라는 점이다. 저녁마다 기록을 마무리하던 임상의들이 실제 진료실에서 앰비언트 기록 보조 도구를 쓰고 있다. 문헌 검토를 위해 논문을 선별하는 데 몇 주를 쓰던 연구자들이 그 선별을 몇 시간 만에 해내고 있다. 의료 시스템은 애초에 의사가 전혀 필요 없었던 행정 배관 작업(예약, 접수, 후속 전화)을 자동화하고 있다.
이 글은 실제로 일을 해내는 구체적인 도구들과 함께 각 무더기를 하나씩 짚어 간다. 여기에 링크된 모든 것은 우리 디렉터리에서 가져온 것으로, 의료 및 생명과학용 AI 도구 241개의 전체 모음을 둘러볼 수 있다.
임상 기록: 의료 AI가 제 몫을 하는 곳
의학에서 가장 화려하지 않은 문제부터 시작하자. 바로 기록이다. 모든 진료는 문서를 만들어 내며, 수년간 통하던 농담이 있었다. 의사는 온종일 환자를 보고, 진짜 일—타이핑—은 밤에 한다는 것이다.
앰비언트 기록 보조 도구는 이 문제를 정면으로 공략한다. [Nabla](/ko/ai-agent/nabla) 는 임상 대화를 듣고 기록의 초안을 작성하며, 문서 품질과 코딩 정확도를 겨냥한 앰비언트 캡처, 받아쓰기, 실시간 인텔리전스를 제공한다. 이것이 내세우는 목표는 미래주의적 의학이 아니다. 행정 부담과 임상의의 번아웃을 줄이는 것이며, 이는 실제로 누가 그것을 사는지, 그리고 왜 사는지를 말해 준다.
Abridge 도 같은 영역을 다루며, 그 도입 증거는 직접 읽어 볼 가치가 있다. UVM Health Network 사례 연구는 Abridge의 앰비언트 문서화를 도입한 뒤 임상의 만족도가 53% 개선되었다고 보고한다. 그 수치가 중요한 이유는 바로 그것이 모델의 벤치마크가 아니라 임상의의 근무 생활을 측정하기 때문이다.
정직한 단서 조항은 이렇다. 앰비언트 기록 보조 도구는 초안을 작성하지, 서명하지는 않는다. 모든 기록은 진료 기록에 들어가기 전에 여전히 임상의의 검토를 필요로 하며, 용량이나 부정 표현("흉통 없음" 대 "흉통")을 잘못 알아들은 보조 도구는 겉보기엔 매끄러운 오류를 만들어 낸다. 이 도구들은 실질적인 시간을 아끼기에는 충분히 좋다. 하지만 통독 검토를 건너뛸 만큼 좋지는 않으며, 진지한 벤더라면 누구도 그와 다르게 주장하지 않는다.
문헌 조사: 이미 작동하는 또 하나의 도입
두 번째 견고한 무더기는 연구자들의 것이다. 그들에게도 나름의 문서화 문제가 있다. 문헌은 누구든 읽어 낼 수 있는 속도보다 더 빠르게 늘어난다.
[Elicit](/ko/ai-apps/elicit-ai-for-scientific-research) 은 1억 3,800만 편이 넘는 학술 논문을 가로질러 검색하고, 체계적 문헌 검토의 일부를 자동화하며, 논문에서 데이터를 구조화된 표로 추출한다. 의료 용도에서 가장 중요한 세부 사항은 문장 단위 인용이다. 모든 주장이 출처의 정확한 문장을 가리키므로, 검증은 신념의 행위가 아니라 클릭 한 번이 된다.
[Consensus](/ko/ai-apps/consensus-ai-for-research) 는 같은 문제에 다른 각도로 접근한다. 동료 심사를 거친 문헌을 대상으로 하는 검색 엔진으로, 발표된 연구가 실제로 무엇을 발견했는지로 질문에 답하도록 만들어졌고, 그 위에 필터링과 요약이 얹혀 있다. 대량으로 추출하고 선별할 때는 Elicit을 쓰라. 특정 질문에 대해 문헌이 무엇을 말하는지 빠르고 출처가 달린 판단이 필요할 때는 Consensus를 쓰라.
어느 쪽도 진정한 체계적 검토에서의 판단적 결정, 즉 포함 기준, 질 평가, 상충하는 결과의 가늠을 대체하지 않는다. 두 도구는 기계적인 중간 부분을 압축할 뿐이며, 추출된 데이터는 여전히 원 논문과 대조해 표본 점검해야 한다. 추출 오류는 조용한 종류이기 때문이다.
연구의 집필 단계를 위해서는 [Trinka AI](/ko/ai-apps/trinka-ai) 가 있다. 학술, 기술, 의학 글쓰기를 위해 특별히 만들어진 문법·언어 검사기로, 바꿔 쓰기, 표절 검사, 출판 준비 도구를 갖췄다. 범용 어시스턴트보다 좁은데, 바로 그것이 요점이다.
이것이 당신의 일상 업무라면 북마크해 둘 가치가 있는 둘러보기 페이지가 둘 있다. 연구자를 위한 AI 도구와 문서 요약용 도구다.
행정 자동화: 화려하지 않지만, 조용히 가장 큰 표면
의료 시스템에서 AI를 도입하기에 가장 안전한 곳은 환자와의 상호작용이 임상적 판단을 요하지 않는 모든 지점이다. 예약, 급여 문의, 퇴원 후 후속 관리, 진료 공백에 대한 연락. 물량이 자리한 곳도 바로 여기다.
[Hippocratic AI](/ko/ai-agent/hippocratic-ai-healthcare-agent) 는 바로 이 영역을 위한 생성형 에이전트를 구축하며, 의료 시스템, 지불자, 제약 회사를 대상으로 케어 관리, 환자 접근, 재입원 예방 같은 사용 사례를 아우른다. 연구할 가치가 있는 설계 결정은 이렇다. 그 에이전트는 진단하지 않고 처방하지 않는다. 이 제약은 사과해야 할 한계가 아니다. 그것이야말로 제품이 애초에 도입 가능한 이유이며, 회사는 현재까지 1억 8,000만 건이 넘는 임상 상호작용을 보고하고 있다.
의료 AI에서 가장 먼저 확장되는 도구는 규제 당국이 나서야 하기 전에 스스로 경계를 그은 도구들이다.
지불자 측면에서는 Oscar의 사례 연구가 AI를 활용해 건강보험 프로세스를 자동화하고 비용을 줄이는 방법을 서술한다. 청구와 맞닿은 서류 작업은 걸린 것이 임상이 아니라 재무인 또 하나의 지점이며, 그래서 반복이 저렴하다.
생명과학 기업들도 내부에서 같은 전략을 펼친다. Moderna의 ChatGPT Enterprise 도입은 임상용이 아니라 조직 전반의 생산성 도입이다. 그리고 Novo Nordisk 사례 연구는 신약 개발에서 임상 문서화 작업을 몇 주에서 몇 분으로 줄였다고 보고한다. 규제 서류는 알고 보니 문서 문제이며, 문서 문제야말로 현재의 모델이 가장 잘하는 것이다.
여기서의 단서 조항은 에스컬레이션이다. 환자를 대면하는 에이전트는 그 인계만큼만 안전하다. 급여에 관한 통화가 "그리고 저 계속 가슴이 아팠어요"로 바뀌는 순간, 시스템에는 그저 설계된 것이 아니라 검증된 사람으로의 경로가 필요하다.
신약 발견: 진짜 과학, 긴 도화선
구조 예측은 이전에는 단지 불가능했던 무언가를 AI가 생물학에서 해내는 가장 분명한 사례다. [AlphaFold 3](/ko/ai-model/alphafold-3-google-deepmind) 는 단백질 구조와 다른 분자들과의 상호작용을 예측하고, [ESMFold2](/ko/ai-model/esmfold2-protein-structure-prediction) 는 아미노산 서열로부터 고해상도의 전원자 3D 구조를 예측하며, 그 모델에 대한 개방형 접근을 제공한다.
연구 도구로서 이들은 도입되어 작동한다. 구조생물학자들은 다른 이들이 검색을 쓰듯 이들을 쓴다. 그러나 신약 파이프라인으로서는 도화선이 길다. 예측된 구조는 가설이지 분자가 아니다. 습식 실험실 검증, 합성, 임상시험은 여전히 모델의 출력과 환자 사이에 버티고 서 있으며, 첫 단계가 짧아졌다고 해서 그중 어느 단계도 짧아지지 않았다. 이 무더기는 이렇게 분류해 두라. 연구자에게는 오늘 이미 작동하지만, 임상에 도달하는 것을 바꾸는 방법으로서는 유망하나 아직 초기라고.
규모 있는 진단: 정직한 "아직은 아니다"
진단 AI는 마케팅이 가장 요란하고 도입 이야기가 가장 얄팍한 곳이며, 그 격차는 모델 품질의 문제가 아니라 구조적인 것이다. 진단 도구는 규제 대상 의료기기다. 그것을 쓰는 각 현장의 인구 집단과 장비에서 스스로를 입증하고, 임상 워크플로에 통합되며, 틀렸을 때 무슨 일이 벌어지는가 하는 책임 문제에 답해야 한다.
그중 무엇도 불가능하지는 않다. 좁은 진단 보조 도구는 오늘날 의료 시스템 안에 존재한다. 그러나 소비자 규모의 현실로서 "AI가 당신의 스캔을 판독한다"는 것은 두 번째 무더기의 주장을 첫 번째 무더기의 자신감으로 파는 것이다. 이 글에서 작동하는 도입들이 문서화, 연구, 행정 주변에 몰려 있다는 점은 시사적이다. 잘못된 출력이 이미 워크플로 안에 있던 사람의 검토 단계에 의해 걸러지는 곳들이기 때문이다.
| 범주 | 대표 도구 | 2026년의 위치 |
|---|---|---|
| 임상 기록 | Nabla, Abridge | 도입되어 작동 중. 기록에는 여전히 임상의 서명이 필요 |
| 문헌 조사 | Elicit, Consensus, Trinka | 도입되어 작동 중. 판단적 결정은 사람의 몫으로 남음 |
| 행정 및 환자 운영 | Hippocratic AI, Oscar | 대량으로 도입됨. 안전은 에스컬레이션 경로에 달려 있음 |
| 신약 발견 | AlphaFold 3, ESMFold2 | 연구자에게는 작동 중. 임상을 바꾸기까지는 수년 |
| 규모 있는 진단 | 없음 | 좁은 보조 도구는 존재. 폭넓은 주장은 도입을 앞질러 감 |
마케팅과 제품을 구별하는 법
몇 가지 패턴이 살 수 있는 의료 AI와 대체로 랜딩 페이지에 불과한 의료 AI를 갈라놓는다.
- 제품은 자신이 하지 않는 것을 밝힌다. Hippocratic AI가 "진단하거나 처방하지 않음"을 앞세우는 것은 약점이 아니라 신뢰의 신호다.
- 증거는 도입 사례를 지목한다. 특정 의료 시스템에서의 사례 연구는 분모도, 인구 집단도, 저자도 없는 정확도 백분율을 이긴다.
- 워크플로는 사람을 포함한다. 어느 벤더에게든 임상의가 출력을 검토하고, 수정하고, 서명하는 그 순간을 처음부터 끝까지 안내해 달라고 요청하라. 데모가 그 단계를 건너뛴다면, 제품도 그것을 건너뛰는 것이다.
- 웰니스는 웰니스로 표기되어 있다. [Headspace](/ko/ai-apps/headspace)(가이드 명상, 수면 리소스, AI 동반자, 그리고 사람 코칭과 치료)와, 당신의 일기를 프롬프트와 패턴 통찰과 함께 되비춰 주는 AI 저널링 앱 [Rosebud](/ko/ai-apps/rosebud) 는 자신의 차선에 대해 정직하다. 위험 신호는 웰니스 앱이 존재한다는 것이 아니다. 웰니스 앱이 얻지도 못한 임상 언어를 빌려 쓰는 것이다.
벤더 발표에 파묻히지 않으면서 최신 흐름을 따라가려면 NEJM AI Grand Rounds가 좋은 습관이다. 기계 학습과 임상 실무의 교차점에서 일하는 사람들과의 대화가, 이 분야가 마땅히 지녀야 할 회의의 수준에서 오간다.
자주 묻는 질문
오늘날 의료에서 AI는 실제로 무엇에 쓰이는가?
2026년에 실질적인 견인력을 지닌 도입은 앰비언트 임상 문서화(Nabla, Abridge 같은 도구가 진료 기록의 초안을 작성), 문헌 조사(논문을 찾고 선별하는 Elicit과 Consensus), 그리고 행정 자동화(예약, 접수, 후속 관리를 처리하는 Hippocratic AI 같은 에이전트)다. 진단 AI는 좁고 규제된 형태로 존재하지만, 마케팅이 시사하는 것보다 훨씬 덜 폭넓게 도입되어 있다.
AI 의료 스크라이브란 무엇이며, 기록은 여전히 검토가 필요한가?
AI 의료 스크라이브는 임상의와 환자의 대화를 듣고 임상 기록의 초안을 자동으로, 흔히 코딩 제안과 함께 작성한다. 그렇다. 모든 초안은 진료 기록에 들어가기 전에 임상의의 검토와 서명을 필요로 한다. 가치는 초안 작성에서 아낀 시간이지, 검토 단계의 제거가 아니다.
의학 문헌 검토에서 AI 연구 도구를 믿을 수 있는가?
Elicit과 Consensus 같은 도구는 그 출력을 발표된 논문에 근거를 두며, Elicit은 문장 단위 인용을 제공해 주장을 출처와 대조해 검증할 수 있게 한다. 이들은 검색과 선별 작업을 안정적으로 압축하지만, 포함 결정, 질 평가, 상충하는 근거의 해석은 연구자에게 남아 있어야 하며, 추출된 데이터는 표본 점검할 가치가 있다.
AI가 의사를 대체할 것인가?
현재의 도입 양상에서 그 방향을 가리키는 것은 아무것도 없다. 오늘 작동하는 도구들은 임상 업무를 수행하는 것이 아니라 그 주변의 문서화, 검색, 행정 부담을 덜어 낸다. 그리고 가장 성공한 벤더들은 자사 제품이 진단하거나 처방하지 않도록 명시적으로 설계한다. 가까운 미래의 변화는 서류 일이 줄어든 의사이지, 더 적은 의사가 아니다.
클리닉은 구매 전에 의료 AI 도구를 어떻게 평가해야 하는가?
가장 어려운 워크플로에서 실제 조건으로 시범 운영하고, 벤치마크 수치가 아니라 비슷한 조직들로부터의 도입 증거를 요구하며, 어떤 환자 데이터든 흘러가기 전에 데이터 취급 조건(보관, 학습 사용, 비즈니스 제휴 계약)을 서면으로 받아 두라. 그런 다음 대안들을 비교하라. 우리 디렉터리는 의료 및 생명과학용 AI 도구 241개를, 무엇을 하는지에 따라 태그를 달아 목록으로 제공한다.