어느 AI가 가장 정확한가? ChatGPT? Claude? Gemini?
…
한줄 요약
“가장 정확한 의료 AI”는 분야에 따라 다르다. 영상 분석은 의료 특화 AI(Lunit, Aidoc)가, 임상 추론은 GPT-4o·Claude 3.5 Sonnet이 강점을 보이며, 용도에 맞는 도구를 선택해야 한다.
Q: 지금 가장 정확한 의료 AI는 뭔가?
A: 간단 답변
의료 분야의 “정확도”는 단일 수치가 아니라 분야·과업·지표에 따라 모두 다르다. ChatGPT·Claude·Gemini는 임상 추론·문헌 요약에 강하고, Lunit·Aidoc·Qure.ai는 특정 영상 판독에 특화되어 있다.
상세 설명
”정확도”의 의미부터 정리해야 한다
단순히 “정확도 몇 %“라는 숫자는 맥락 없이 의미가 없다. 의료 AI 성능 평가에서 중요한 지표는 다음과 같다.
| 지표 | 의미 | 어떤 경우에 중요한가 |
|---|---|---|
| 민감도 (Sensitivity) | 실제 환자 중 AI가 잡아낸 비율 | 암 스크리닝 — 놓치면 안 됨 |
| 특이도 (Specificity) | 정상인 중 AI가 정상으로 판정한 비율 | 불필요한 추가 검사 최소화 |
| AUC (ROC 곡선 아래 면적) | 민감도·특이도 종합 성능 | 전반적 분류 능력 |
| PPV (양성 예측도) | AI가 양성 판정 시 실제 환자일 확률 | 낮은 유병률 집단에서 중요 |
영상의학 특화 AI 비교
| AI 도구 | 주요 적응증 | 민감도 | 특이도 | 특징 |
|---|---|---|---|---|
| Lunit INSIGHT CXR (한국) | 흉부 X-ray 10개 소견 | 97% | 92% | 식약처 허가, 국내 병원 도입 多 |
| Lunit INSIGHT MMG | 유방촬영술 | 88% | 89% | 선별검사 보조 |
| Aidoc (미국) | 뇌출혈, 폐색전증 등 응급 | 94% | 91% | 워크리스트 우선순위화 |
| Qure.ai (인도) | 흉부 X-ray, 두부 CT | 91% | 88% | 개도국 보급 초점 |
| 뷰노 MedBone | 골밀도 평가 | 미공개 | 미공개 | 식약처 허가 |
LLM 의료 벤치마크 비교
USMLE(미국 의사 면허 시험) 통과 점수가 60%임을 기준으로:
| 모델 | USMLE Step 1 추정 점수 | MedQA | 특징 |
|---|---|---|---|
| GPT-4o | ~87% | 90.2% | 임상 추론 강점, 가장 광범위하게 연구됨 |
| Claude 3.5 Sonnet | ~85% | 미공개 | 긴 문맥 처리, 문헌 요약 강점 |
| Gemini 1.5 Pro | ~82% | 85.4% | 멀티모달(이미지+텍스트) 강점 |
| Med-PaLM 2 (Google) | ~85% | 86.5% | 의료 특화 파인튜닝 |
| 일반 전문의 평균 | ~87% | — | 비교 기준 |
용도별 도구 선택 기준
| 목적 | 추천 도구 | 이유 |
|---|---|---|
| 흉부 X-ray 스크리닝 보조 | Lunit INSIGHT CXR | 식약처 허가, 국내 EMR 연동 |
| 임상 의사결정 지원 (감별 진단) | GPT-4o (ChatGPT) | 최다 연구, 비교적 신뢰성 검증 |
| 의학 문헌 요약 | Claude 3.5 Sonnet | 긴 논문 처리 능력 |
| 의무기록 작성 보조 | GPT-4o / Claude | 구조화된 텍스트 생성 |
| 응급 영상 트리아지 | Aidoc | 응급 상황 최적화 |
주의사항
- LLM 점수는 지식 테스트이지 실제 임상 성능이 아님
- 국내에서 의료기기로 사용 시 반드시 식약처 허가 여부 확인
- ChatGPT·Claude 등 범용 LLM은 현재 의료기기 허가를 받지 않았음
핵심 정리
- 영상 판독: 의료 특화 AI(Lunit, Aidoc)가 우세
- 임상 추론·문헌 요약: GPT-4o·Claude가 실용적
- 범용 LLM은 의료기기 아님 — 법적 책임 구조 다름
- “정확도”는 민감도·특이도·AUC를 종합해서 판단해야 함