현재 의료계는 모순적인 상황에 직면해 있다. 의료 지식은 기하급수적으로 팽창하고 있지만, 이를 뒷받침할 전 세계 의료 인력은 오히려 줄어들고 있기 때문이다. 세계보건기구(WHO)는 2030년까지 약 1천만 명 이상의 보건 인력이 부족할 것으로 내다보고 있으며, 이는 기존 임상 시스템에 엄청난 부담으로 작용한다. 구글 딥마인드는 이러한 도전에 대응하고자 의사의 전문성을 대체하는 것이 아닌, 의사의 임상적 판단 권한을 보장하면서 역량을 확장하는 지원군으로서의 AI를 연구하고 있다.

이 구상의 핵심은 ‘삼각 돌봄(triadic care)’이라는 협업 모델에 있다. 이는 AI 에이전트가 인간 의사의 직접적인 감독 하에 환자의 치료 과정을 지원하는 형태를 의미한다. AI는 의사에게 필요한 고품질의 증거 기반 데이터를 실시간으로 제공하는 세련된 파트너 역할을 수행한다. 또한 연구진은 NOHARM 프레임워크를 도입하여 부적절한 정보를 생성하는 ‘작위적 오류’와 핵심 정보를 누락하는 ‘부작위 오류’를 엄격히 검증했다. 그 결과, 해당 시스템이 임상 증거 제공 능력 면에서 업계 도구들을 크게 앞서고 있음을 입증했다.

의료 분야에서 기술적 난제로 꼽혔던 점은 텍스트 중심의 한계를 넘어선 것이다. 의료는 본질적으로 신체적인 활동이기에 환자의 호흡 패턴, 걸음걸이, 피부 변화 등 시각적이고 청각적인 단서를 섬세하게 해석해야 한다. 연구팀은 AI에게 ‘눈과 귀, 목소리’를 부여하는 수준의 멀티모달 기능을 통합했다. 이를 통해 AI는 환자의 움직임을 관찰하거나, 실시간으로 흡입기 사용법을 교정하는 등 복잡한 임상 과제를 수행할 수 있게 되었다.

연구는 또한 실제 진료 현장의 복잡하고 정형화되지 않은 특성을 반영했다. 기존 모델들이 표준화된 객관식 문제에는 강하지만 실제 진료의 맥락을 파악하는 데는 어려움을 겪었던 것과 달리, 이번 AI는 다르다. 연구팀은 OpenFDA RxQA 벤치마크를 통해 약물 지식 및 복잡한 치료적 추론 능력을 평가했으며, 그 결과 인간 의사의 숙련도와 유사한 수준의 전문성을 확보했음을 확인했다.

배포 과정에서 가장 우선시되는 가치는 단연 안전이다. 연구팀은 임상 환경의 위험을 관리하기 위해 ‘이중 에이전트 아키텍처’를 설계했다. 이는 ‘기획자(Planner)’ 모듈이 ‘대화자(Talker)’ 에이전트를 감독하는 구조로, 모든 상호작용이 안전한 임상 가이드라인 안에서 이루어지도록 강제한다. 향후 이 기술이 글로벌 의료 현장으로 도입됨에 따라, 의사의 역할을 침범하지 않으면서 환자에게 신뢰할 수 있고 검증 가능한 프레임워크를 제공하는 데 집중할 예정이다.

현재 의료계는 모순적인 상황에 직면해 있다. 의료 지식은 기하급수적으로 팽창하고 있지만, 이를 뒷받침할 전 세계 의료 인력은 오히려 줄어들고 있기 때문이다. 세계보건기구(WHO)는 2030년까지 약 1천만 명 이상의 보건 인력이 부족할 것으로 내다보고 있으며, 이는 기존 임상 시스템에 엄청난 부담으로 작용한다. 구글 딥마인드는 이러한 도전에 대응하고자 의사의 전문성을 대체하는 것이 아닌, 의사의 임상적 판단 권한을 보장하면서 역량을 확장하는 지원군으로서의 AI를 연구하고 있다.

이 구상의 핵심은 ‘삼각 돌봄(triadic care)’이라는 협업 모델에 있다. 이는 AI 에이전트가 인간 의사의 직접적인 감독 하에 환자의 치료 과정을 지원하는 형태를 의미한다. AI는 의사에게 필요한 고품질의 증거 기반 데이터를 실시간으로 제공하는 세련된 파트너 역할을 수행한다. 또한 연구진은 NOHARM 프레임워크를 도입하여 부적절한 정보를 생성하는 ‘작위적 오류’와 핵심 정보를 누락하는 ‘부작위 오류’를 엄격히 검증했다. 그 결과, 해당 시스템이 임상 증거 제공 능력 면에서 업계 도구들을 크게 앞서고 있음을 입증했다.

의료 분야에서 기술적 난제로 꼽혔던 점은 텍스트 중심의 한계를 넘어선 것이다. 의료는 본질적으로 신체적인 활동이기에 환자의 호흡 패턴, 걸음걸이, 피부 변화 등 시각적이고 청각적인 단서를 섬세하게 해석해야 한다. 연구팀은 AI에게 ‘눈과 귀, 목소리’를 부여하는 수준의 멀티모달 기능을 통합했다. 이를 통해 AI는 환자의 움직임을 관찰하거나, 실시간으로 흡입기 사용법을 교정하는 등 복잡한 임상 과제를 수행할 수 있게 되었다.

연구는 또한 실제 진료 현장의 복잡하고 정형화되지 않은 특성을 반영했다. 기존 모델들이 표준화된 객관식 문제에는 강하지만 실제 진료의 맥락을 파악하는 데는 어려움을 겪었던 것과 달리, 이번 AI는 다르다. 연구팀은 OpenFDA RxQA 벤치마크를 통해 약물 지식 및 복잡한 치료적 추론 능력을 평가했으며, 그 결과 인간 의사의 숙련도와 유사한 수준의 전문성을 확보했음을 확인했다.

배포 과정에서 가장 우선시되는 가치는 단연 안전이다. 연구팀은 임상 환경의 위험을 관리하기 위해 ‘이중 에이전트 아키텍처’를 설계했다. 이는 ‘기획자(Planner)’ 모듈이 ‘대화자(Talker)’ 에이전트를 감독하는 구조로, 모든 상호작용이 안전한 임상 가이드라인 안에서 이루어지도록 강제한다. 향후 이 기술이 글로벌 의료 현장으로 도입됨에 따라, 의사의 역할을 침범하지 않으면서 환자에게 신뢰할 수 있고 검증 가능한 프레임워크를 제공하는 데 집중할 예정이다.