2026년 《국제 보건과학 리뷰》에 실린 서술형 검토는 생성형 AI가 임상 판단과 환자 안전에 미치는 영향을 평가했습니다. 의학적으로 정렬된 모델의 답변은 과학적 합의와 92.6% 일치해 임상의의 92.9%와 비슷했습니다. 진단 추론에서는 진단에 최적화된 모델이 어려운 사례에서 보조 없이 일하는 임상의보다 나은 결과를 냈고, 모델을 사용한 임상의의 감별 진단도 개선했습니다. 그러나 범용 챗봇을 대상으로 한 무작위 시험에서는 의사의 진단 추론이 유의미하게 향상되지 않았으며, 모델 단독 성능은 두 의사 집단보다 높았습니다.

환자 관리 추론에서는 GPT-4의 도움을 받은 의사들이 기존 자료를 이용한 의사들보다 6.5%포인트 높은 점수를 받았습니다. 하지만 실제 환자 데이터를 활용한 모의 임상 업무 흐름에서 대규모 언어 모델은 의사보다 진단 정확도가 낮았고, 지침을 따르지 못했으며, 제공된 정보의 순서와 양에 민감했습니다.

검토는 반복되는 안전 위험 네 가지를 꼽았습니다. 거짓 임상 정보가 포함된 질문에서는 환각률이 50~82%였고, 작성된 환자 메시지는 평가의 7.1%에서 심각한 위해 위험이 있다고 판정됐습니다. 그 밖에 임상의가 모델의 판단을 자신의 판단 대신 따르는 자동화 편향, 인종 및 성별 고정관념의 재현도 위험으로 지목됐습니다. 발표된 평가 가운데 실제 환자 진료 데이터를 사용한 것은 약 5%에 불과했습니다.

저자들은 생성형 AI가 자율적으로 결정을 내리는 대신 감독 아래 임상 추론을 지원해야 한다고 결론 내렸습니다. 안전성은 모델의 정확도뿐 아니라 사람과 AI의 상호작용을 어떻게 설계하는지에도 달려 있으며, 검토는 임상 사용을 위한 실무적 안전 조치도 살펴봤습니다.

2026년 《국제 보건과학 리뷰》에 실린 서술형 검토는 생성형 AI가 임상 판단과 환자 안전에 미치는 영향을 평가했습니다. 의학적으로 정렬된 모델의 답변은 과학적 합의와 92.6% 일치해 임상의의 92.9%와 비슷했습니다. 진단 추론에서는 진단에 최적화된 모델이 어려운 사례에서 보조 없이 일하는 임상의보다 나은 결과를 냈고, 모델을 사용한 임상의의 감별 진단도 개선했습니다. 그러나 범용 챗봇을 대상으로 한 무작위 시험에서는 의사의 진단 추론이 유의미하게 향상되지 않았으며, 모델 단독 성능은 두 의사 집단보다 높았습니다.

환자 관리 추론에서는 GPT-4의 도움을 받은 의사들이 기존 자료를 이용한 의사들보다 6.5%포인트 높은 점수를 받았습니다. 하지만 실제 환자 데이터를 활용한 모의 임상 업무 흐름에서 대규모 언어 모델은 의사보다 진단 정확도가 낮았고, 지침을 따르지 못했으며, 제공된 정보의 순서와 양에 민감했습니다.

검토는 반복되는 안전 위험 네 가지를 꼽았습니다. 거짓 임상 정보가 포함된 질문에서는 환각률이 50~82%였고, 작성된 환자 메시지는 평가의 7.1%에서 심각한 위해 위험이 있다고 판정됐습니다. 그 밖에 임상의가 모델의 판단을 자신의 판단 대신 따르는 자동화 편향, 인종 및 성별 고정관념의 재현도 위험으로 지목됐습니다. 발표된 평가 가운데 실제 환자 진료 데이터를 사용한 것은 약 5%에 불과했습니다.

저자들은 생성형 AI가 자율적으로 결정을 내리는 대신 감독 아래 임상 추론을 지원해야 한다고 결론 내렸습니다. 안전성은 모델의 정확도뿐 아니라 사람과 AI의 상호작용을 어떻게 설계하는지에도 달려 있으며, 검토는 임상 사용을 위한 실무적 안전 조치도 살펴봤습니다.