AI 에이전트가 의료를 바꾸는 방법 — 2026년 현재
한줄 요약
의료 AI 에이전트는 이미 스크리닝·모니터링·행정 영역에서 실전 투입됐지만, 임상 판단의 최종 책임은 여전히 의사에게 있다.
본문
이전 글에서 이어지며
AI 에이전트란 무엇인가 편에서 우리는 에이전트의 구조 — LLM 두뇌, 기억, 도구, ReAct 루프 — 를 살펴봤다. 그 글의 마지막 문장이 이랬다.
“에이전트는 ‘제안’하고, 의사가 ‘승인’한다.”
그렇다면 2026년 현재, 실제 병원과 클리닉에서는 어떤 에이전트가 어느 수준까지 작동하고 있을까? 개념이 아니라 현장의 이야기를 해보자.
사례 1 — 환자 사전 스크리닝 에이전트
어디서 쓰이나
환자가 예약 후 진료실에 들어오기 전, 챗봇이 먼저 말을 건다. “오늘 주된 불편 증상이 무엇인가요?”, “언제부터 시작됐나요?”, “관련해서 복용 중인 약이 있나요?” — 일련의 구조화된 질문을 대화체로 진행한다. 미국의 Suki, 영국 NHS가 파일럿 운영 중인 Limbic 같은 서비스가 대표적이고, 국내에서도 일부 종합병원이 자체 시스템을 도입 중이다.
어느 수준까지 자율적인가
스크리닝 에이전트는 정보 수집과 구조화에 특화돼 있다. 증상을 SOAP 노트 형식으로 정리하고, 응급 징후(가슴 통증 + 호흡 곤란 동반 등)가 감지되면 즉시 알림을 올린다. 진단을 내리지는 않는다 — 혹은 내려서는 안 된다.
어디서 사람이 개입해야 하나
의사가 진료실에 들어오는 순간이 첫 번째 관문이다. 에이전트가 정리한 요약을 검토하고, 빠진 맥락(환자의 표정, 말투, 진료실 밖에서 한 말 등)을 보충한다. 요약이 틀렸을 경우 즉시 수정할 수 있어야 한다. 에이전트 요약을 그대로 차트에 붙여넣는 건 위험하다.
사례 2 — 후속 모니터링 에이전트
어디서 쓰이나
퇴원 후 7일이 가장 위험하다. 재입원율을 낮추기 위해 병원들은 퇴원 환자에게 자동화된 후속 접촉을 시도한다. 미국 Mayo Clinic과 파트너십을 맺은 Twistle(현 Commure), 국내 일부 상급종합병원이 자체 개발한 앱이 이 역할을 맡는다. 수술 후 통증 수치를 매일 물어보고, 상처 사진을 전송받아 1차 분류를 하고, 약 복용 여부를 확인한다.
어느 수준까지 자율적인가
응답 패턴이 정상 범위를 벗어나면 에이전트가 자동으로 간호사 또는 담당의 대시보드에 플래그를 세운다. “3일째 통증 수치 7 이상, 발열 문자 수신, 즉시 확인 요망”처럼 요약과 함께 우선순위를 부여한다. 여기까지는 상당히 성숙한 수준이다.
어디서 사람이 개입해야 하나
플래그가 세워진 환자에 대한 전화 연결 또는 외래 호출 결정은 반드시 의료진이 한다. 에이전트가 “위험 없음”으로 분류한 환자도 의료진이 주기적으로 샘플 리뷰를 해야 한다 — false negative가 누적되면 환자 안전 사고로 이어진다.
사례 3 — 임상 연구 에이전트
어디서 쓰이나
의사가 희귀 케이스를 마주했을 때, 또는 진료 지침이 바뀌었는지 확인하고 싶을 때, 에이전트가 PubMed·Cochrane·UpToDate를 동시에 검색하고 관련 논문 상위 10건을 요약해서 돌려준다. Perplexity의 의료 특화 버전, Elicit, Consensus 같은 도구가 이 영역에서 빠르게 성장하고 있다.
어느 수준까지 자율적인가
검색 쿼리를 스스로 설계하고, 논문의 방법론 섹션을 읽어 연구 설계(RCT인지 코호트인지)를 자동 분류하며, 인용 횟수와 발행 연도를 감안해 신뢰도 순으로 정렬한다. 참고문헌 목록을 Vancouver 형식으로 자동 완성하는 것도 이미 실용 수준에 도달했다.
어디서 사람이 개입해야 하나
요약된 논문의 결론이 실제 원문과 일치하는지 반드시 확인해야 한다. AI 환각은 의학 문헌에서도 예외가 없다 — 존재하지 않는 논문이 생성되거나, 결론이 반전되어 요약되는 사례가 여전히 보고된다(AI 환각 글 참조). 중요한 임상 결정에 인용할 원문은 직접 열어봐야 한다.
사례 4 — 행정 에이전트
어디서 쓰이나
의사 시간의 상당 부분을 잡아먹는 세 가지 — 예약 관리, 보험 청구 코드 작성, 선행 승인(prior authorization) 요청 — 가 에이전트의 주요 타깃이다. 미국에서는 Olive AI(현 Waystar), Cohere Health가 이 공간을 공략하고 있고, 국내에서도 EMR 벤더들이 자동 청구 코드 제안 기능을 빠르게 탑재 중이다.
어느 수준까지 자율적인가
진료 기록을 읽고 ICD-10·KCD 코드를 자동 제안하며, 선행 승인 서류를 초안 형태로 작성해 제출 직전 상태까지 준비한다. 예약 취소 발생 시 대기 환자에게 자동 문자를 발송하고 일정을 채운다.
어디서 사람이 개입해야 하나
청구 코드의 최종 확인은 의사 또는 의무기록사가 해야 한다. 잘못된 코드 청구는 보험사기로 처리될 수 있다. 선행 승인 서류도 의사의 서명 전에 내용을 검토해야 한다. 이 영역은 다른 사례들보다 자동화 비율이 높지만, 법적 책임의 귀착점은 명확하다 — 서명자.
에이전트가 의료에서 특히 어려운 이유
다른 산업에서 잘 작동하는 에이전트도 의료에 적용할 때 추가적인 장벽에 부딪힌다.
1. 오류가 생명에 직결된다
전자상거래 추천 에이전트가 실수하면 고객이 마음에 안 드는 물건을 받는다. 의료 에이전트가 실수하면 환자가 해를 입는다. 허용 오차의 차원이 다르다.
2. 법적 책임 소재가 불명확하다
에이전트가 제안한 치료를 의사가 승인해서 부작용이 발생했을 때, 책임은 누구에게 있는가? 현행 의료법은 이 질문에 명확히 답하지 못한다. 미국·유럽 규제 당국이 AI 의료기기 가이드라인을 갱신하는 속도보다 기술이 더 빠르게 진보하고 있다.
3. 의료 데이터 접근이 제한된다
에이전트가 강력해지려면 데이터가 풍부해야 한다. 그런데 의료 데이터는 개인정보보호법(국내), HIPAA(미국), GDPR(EU)의 강력한 규제 하에 있다. 병원 간 데이터 공유가 어렵고, 에이전트가 접근할 수 있는 데이터 범위가 좁을수록 성능도 제한된다.
4. 환자 신뢰 문제
“선생님, 방금 그 진단 AI가 한 건가요 의사 선생님이 한 건가요?” — 이 질문이 불편한 이유는 아직 사회적 합의가 없기 때문이다. 투명성(AI가 개입했음을 알리는 것)과 불안 유발(환자가 AI 판단을 신뢰하지 못하는 것) 사이의 균형을 어떻게 맞출지는 여전히 진행 중인 대화다.
Human-in-the-loop — 의사가 반드시 있어야 하는 지점
에이전트 자율성을 단계로 나누면 다음과 같다.
Level 0 — 의사가 모든 것을 직접 한다
Level 1 — AI가 정보를 정리해 제시, 의사가 행동 결정
Level 2 — AI가 행동을 제안, 의사가 승인 후 실행
Level 3 — AI가 행동을 실행, 의사가 사후 검토
Level 4 — AI가 자율 실행, 예외 상황만 의사에게 전달
Level 5 — 완전 자율 (의료에서 현재 불가)2026년 기준, 의료 현장에서 안전하게 운용되는 에이전트의 대부분은 Level 1~2 수준이다. 행정·연구 보조 영역 일부가 Level 3에 진입해 있다.
의사가 반드시 Loop 안에 있어야 하는 지점:
- 진단 및 치료 계획의 최종 확정
- 처방전 서명
- 환자에게 진단을 직접 전달하는 순간
- 에이전트가 플래그를 세운 위험 환자 판정
- 비정형 케이스 — 에이전트는 학습 데이터 안의 패턴에 강하고, 패턴 밖 케이스에 취약하다
향후 5년 전망
| 영역 | 2026~2028 (실용화 가능) | 2028~2031 (더 시간 필요) |
|---|---|---|
| 사전 스크리닝 | 광범위 보급 | — |
| 퇴원 후 모니터링 | 주요 병원 표준화 | 1차 의원 확산 |
| 임상 연구 보조 | 일상 도구화 | — |
| 행정·청구 자동화 | 대형 기관 도입 완료 | 중소 의원 보급 |
| 영상 판독 보조 | 방사선·병리과 보조 표준화 | 1차 진단 자율화 |
| 약물 용량 자동 조절 | 중환자실 파일럿 | 광범위 허용 |
| 수술 계획 최적화 | 연구 단계 | 임상 파일럿 |
| 완전 자율 외래 진료 | 불가 | 규제·신뢰 문제 지속 |
실용화 속도가 빠른 영역은 공통적으로 오류의 결과가 즉각적 위해로 이어지지 않거나, 의사의 사후 검토가 구조적으로 내장된 경우다.
마무리 — 에이전트 시대에도 변하지 않는 것
에이전트가 스크리닝하고, 모니터링하고, 논문을 요약하고, 청구서를 작성하는 세상이 오고 있다. 이미 일부는 왔다.
그래도 변하지 않는 것이 있다.
환자가 “선생님, 저 이 병으로 죽을 수도 있나요?”라고 물을 때, 그 질문에 답하는 사람은 의사여야 한다. 에이전트는 생존율 데이터를 10초 안에 정리해 줄 수 있지만, 그 숫자가 이 환자에게 어떤 의미인지를 맥락 속에서 전달하는 것은 데이터가 아니라 관계다.
임상 판단은 불확실성 속에서 결정을 내리는 행위다. 공감은 고통을 인식하고 그에 응답하는 능력이다. 윤리적 책임은 결과에 대해 자신의 이름으로 서명하는 것이다.
에이전트는 이 세 가지를 대신할 수 없다. 그리고 바로 그렇기 때문에 에이전트를 잘 쓰는 의사가 더 좋은 의사가 된다 — 반복적인 작업을 에이전트에 위임하고, 사람만 할 수 있는 일에 더 집중할 수 있게 된다.
에이전트 시대의 의사의 역할이 궁금하다면 Doctor AI 과정 — AI 시대 의사의 역할을 참고하라.
핵심 정리
- 스크리닝·모니터링·연구 보조·행정 — 4개 영역에서 에이전트가 실전 투입됐다
- 현재 의료 에이전트의 대부분은 자율성 Level 1~2 수준이다
- 오류의 생명 직결성, 법적 책임 불명확, 데이터 접근 제한, 환자 신뢰가 핵심 장벽이다
- 진단 확정·처방·환자 직접 고지·위험 판정은 반드시 의사가 Loop 안에 있어야 한다
- 에이전트를 잘 다루는 의사가 임상 판단·공감·윤리적 책임에 더 집중할 수 있다
임상 적용
| 활용 시나리오 | 현재 도입 가능 여부 | 주의사항 |
|---|---|---|
| 예약 전 증상 수집 챗봇 | 가능 | 요약 검토 필수, 응급 징후 알림 설정 |
| 퇴원 환자 자동 문자 모니터링 | 가능 | False negative 샘플 리뷰 필수 |
| 논문 검색·요약 자동화 | 가능 | 원문 직접 확인 후 인용 |
| ICD/KCD 코드 자동 제안 | 가능 | 의사·의무기록사 최종 확인 |
| 처방 자동 생성 | 제한적 파일럿 | 의사 서명 전 반드시 검토 |
| 영상 판독 1차 분류 | 방사선과 보조 수준 | 최종 판독은 전문의가 |
관련 글
© S-Reborn clinic | s-reborn-blog.pages.dev