애린이 코너 Mar 31, 2026

지도학습 vs 비지도학습 — 뭐가 다른가요?

…

한줄 요약

지도학습은 정답을 알려주며 가르치는 것, 비지도학습은 정답 없이 스스로 패턴을 찾는 것입니다. 의료 AI에서 어떤 문제를 풀고 싶은지에 따라 어떤 학습 방식을 쓸지 달라집니다.

🎯 Pain Point “지도학습으로 만든 AI”라는 말을 자주 듣는데, 비지도학습이랑 무슨 차이인지 모르겠습니다. 의료 AI 논문을 읽을 때 이 개념이 계속 나옵니다.

✅ 두 방식을 알면

지도학습(Supervised Learning)은 정답(라벨)이 붙은 데이터로 AI를 학습시키는 방법입니다. AI는 입력과 정답의 관계를 학습합니다.

비지도학습(Unsupervised Learning)은 정답 없이 데이터만 주고 AI가 스스로 패턴을 찾게 하는 방법입니다.

비유 1 — 공부 방법의 차이 지도학습 = 병례집 공부: “이 X-ray는 폐렴, 이 X-ray는 정상”이라고 라벨이 붙은 케이스를 보면서 공부합니다. 정답이 있는 학습입니다.

비지도학습 = 환자 직접 보며 패턴 발견: 처음 진료한 100명의 환자를 관찰하다 보니, 비슷한 증상 패턴을 가진 그룹들이 자연스럽게 눈에 들어옵니다. 정답을 미리 알지 못했지만 스스로 분류하게 됩니다.

비유 2 — 선생님 유무 지도학습 = 선생님 있는 수업: 교수님이 “이건 맞아”, “이건 틀려”를 피드백해주며 가르칩니다.

비지도학습 = 혼자 하는 연구: 데이터를 스스로 탐색하고 새로운 패턴을 발견합니다. 기존에 없던 인사이트가 나올 수 있습니다.

💡 한줄 정리 “정답을 알려주고 가르치면 지도학습, 혼자 찾게 하면 비지도학습”

예시 1 — 지도학습: X-ray 폐렴 판독 AI 방사선과 전문의가 “폐렴” 또는 “정상”이라고 라벨을 붙인 X-ray 10만 장으로 학습합니다. AI는 폐렴 X-ray의 특징을 학습해서 새 X-ray를 분류합니다. 라벨 작업(어노테이션)이 핵심입니다.

예시 2 — 비지도학습: 환자 군집 분석 당뇨 환자 1만 명의 검사 결과, 생활 습관, 합병증 데이터를 라벨 없이 AI에게 줍니다. AI가 스스로 비슷한 패턴의 환자들을 군집화합니다. 의사들이 몰랐던 새로운 당뇨 아형(subtype)이 발견될 수 있습니다.

예시 3 — 준지도학습(Semi-supervised) 라벨이 붙은 X-ray 1000장과 라벨 없는 X-ray 10만 장을 같이 씁니다. 라벨 작업 비용을 줄이면서 많은 데이터를 활용하는 현실적인 타협안입니다.

진단 AI — 지도학습 ❌ 비지도학습으로 암 진단: 정답(암/정상)을 모르고는 정확한 진단 AI를 만들 수 없음 ✅ 지도학습으로 암 진단: 병리 전문의가 라벨링한 슬라이드 데이터 → 정확한 악성도 분류 AI
이상 징후 탐지 — 비지도학습 “정상 패턴”만 학습시키면, 정상과 다른 패턴이 나올 때 AI가 이상 신호를 줍니다. 드문 합병증이나 새로운 질병 패턴 탐지에 유용합니다.
환자 군집화 — 비지도학습 비슷한 임상 특성을 가진 환자 그룹을 AI가 자동으로 분류합니다. 맞춤형 치료 전략 개발이나 임상 연구 디자인에 활용됩니다.

지도학습에서 라벨링 비용이 가장 큰 장벽입니다 전문의가 일일이 라벨을 붙여야 합니다. 수천 장의 X-ray에 라벨을 붙이려면 상당한 시간과 비용이 듭니다. 라벨 품질도 AI 성능에 직결됩니다.
비지도학습 결과는 해석이 어렵습니다 AI가 군집을 발견했더라도, 그 군집이 임상적으로 의미 있는지는 전문가가 판단해야 합니다. AI 결과가 항상 임상적 인사이트로 연결되는 것은 아닙니다.
강화학습도 있습니다 보상과 벌을 통해 학습하는 세 번째 방법도 있습니다. 게임 AI나 치료 최적화 AI에 사용됩니다.

🔗 관련 글

#지도학습#비지도학습#머신러닝#의료 AI