인공지능 왓슨 문제점?

인공지능 왓슨 문제점: 폐암 진단 일치율 18% 불일치

의료 분야에서 인공지능 왓슨 문제점이 드러나며 현장 도입에 대한 우려가 커졌습니다. 국내 의료 환경과 일치하지 않는 판단으로 환자 신뢰를 잃고 막대한 도입 비용만 낭비하는 리스크가 존재합니다. 의료 기술의 실제 한계점을 정확히 파악해야 부적절한 투자 피해를 방지합니다.

인공지능 왓슨의 한계: 왜 'AI 의사'는 한국에서 고전했을까?

IBM의 인공지능 왓슨(Watson), 특히 왓슨 포 온콜로지 한국 도입 문제는 한때 의료 현장을 혁신할 게임 체인저로 기대를 모았습니다. 하지만 실제 도입 과정에서 한국의 의료 환경 및 데이터와의 불일치, 낮은 진단 일치율, 그리고 실무적 효율성 저하와 같은 여러 문제점이 드러났습니다. 이러한 현상은 단순한 기술적 오류라기보다는 의료 시스템의 구조적 차이에서 기인한 결과로 이해해야 합니다.

솔직히 말씀드리면, 왓슨이 처음 국내 대형 병원들에 도입되었을 때 저 역시 AI가 암 정복의 시대를 열어줄 것이라 믿었습니다. 하지만 현장에서 들려오는 목소리는 달랐습니다. 똑똑한 비서인 줄 알았는데, 한국 실정은 하나도 모르는 미국인 인턴과 일하는 느낌이었다는 평이 많았죠. 왜 그런 괴리가 발생했는지 핵심적인 이유들을 짚어보겠습니다.

미국 데이터와 한국 의료 환경의 치명적 불협화음

왓슨이 한국에서 겪은 가장 큰 장애물은 바로 데이터의 국적 문제였습니다. 왓슨은 미국 메모리얼 슬론 케터링 암센터(MSKCC)의 방대한 데이터를 기반으로 학습되었습니다. 문제는 미국의 의료 가이드라인과 한국의 임상 현장, 그리고 무엇보다 건강보험 급여 기준이 판이하게 다르다는 점이었습니다.

한국 의료진이 겪은 가장 황당한 상황은 왓슨이 추천한 치료법이 정작 한국에서는 건강보험 혜택을 받을 수 없는 고가의 약제인 경우가 많았다는 점입니다. 왓슨 사용자들은 권고안 중 상당수가 국내 보험 급여 기준(HIRA 가이드라인)과 맞지 않아 실제로 환자에게 처방하기 어려운 그림의 떡인 경우가 많다고 지적했습니다. 인공지능은 기술적으로 완벽할지 몰라도, 그 기술을 뒷받침하는 제도적 인프라에 대한 이해가 부족했던 셈입니다.

실제로 국내 한 대학병원에서 실시한 분석에 따르면, 특정 암 종에서 왓슨의 권고안과 한국 의료진의 판단이 일치하는 비율은 약 40-50% 수준에 머물렀습니다. ^[1] 특히 왓슨 폐암 진단 정확도의 경우 초기 일치율이 18%까지 떨어지는 사례도 보고되었습니다. 이는 AI가 제시하는 정답이 한국 환자에게는 오답이 될 수 있다는 불신을 낳았습니다.

기술적 한계와 실무에서의 효율성 저하

왓슨은 텍스트 데이터를 처리하는 능력은 뛰어났지만, 의사들이 진료 기록에 사용하는 복잡한 약어나 문맥을 파악하는 의료용 AI 한계점이 분명했습니다. 전자의무기록(EMR) 시스템과의 연동 문제도 심각했습니다. 의사들은 환자 데이터를 왓슨에 입력하기 위해 다시 한번 수작업을 거쳐야 했고, 이는 진료 시간을 단축시키기는커녕 오히려 업무 부하를 늘리는 결과를 초래했습니다.

제가 현직 개발자들과 대화하며 느낀 점은, 왓슨이 당시로서는 시대를 앞서간 마케팅의 산물이었다는 것입니다. IBM은 왓슨이 마치 인간의 직관을 가진 것처럼 묘사했지만, 실상은 정해진 가이드라인 내에서 데이터를 매칭하는 수준에 가까웠습니다. 기대치가 너무 높았던 탓에 실망도 컸던 것이죠. 하지만 이 실패는 헛되지 않았습니다. 현재 루닛이나 뷰노 같은 한국 기업들이 영상 진단 분야에서 90% 이상의 정확도를 기록하며 성공하는 토대가 되었기 때문입니다. ^[3]

전통적 진단 방식 vs AI 기반 진단 (왓슨 사례)

과거 인공지능 의사 문제점을 노출했던 왓슨의 사례와 숙련된 의료진의 진단 프로세스를 비교해보면, AI 도입 시 고려해야 할 요소들이 명확해집니다.

의료진 판단과 왓슨 AI 권고의 차이

암 치료 결정 과정에서 인간 의사와 초기 왓슨 AI가 보여준 접근 방식의 차이점을 분석합니다.

숙련된 전문의(다학제 진료)

• 환자의 경제적 상황, 정서적 상태, 유전적 특수성을 종합적으로 고려

• 한국 건강보험 급여 기준 및 국내 약제 가용성을 즉각 반영함

• 국내 임상 가이드라인과 100% 부합하는 처방 가능

IBM 왓슨 (초기 모델)

• 의학 문헌 및 미국 가이드라인 기반의 객관적 수치 매칭

• 미국 메모리얼 슬론 케터링 암센터(MSKCC)의 데이터 중심 학습

• 한국 내 특정 암 종(폐암 등)에서 18-50% 수준의 낮은 일치율 기록

국내 A 병원의 왓슨 도입 잔혹사

지방의 한 대형 병원 암센터는 스마트 병원 이미지를 위해 수십억 원을 들여 왓슨을 전격 도입했습니다. 의료진은 처음엔 기대에 부풀어 복잡한 전이암 환자의 데이터를 왓슨에 넣고 결과를 기다렸습니다.

첫 번째 난관은 데이터 입력이었습니다. 국내 병원의 기록 체계와 왓슨의 양식이 달라 의사가 퇴근도 못 하고 밤새 데이터를 재입력해야 했습니다. 결과가 나왔지만, 절반 이상이 국내 보험 적용이 안 되는 치료법이었습니다.

의료진은 왓슨의 권고를 무시하고 한국 기준에 맞는 처방을 내리기 시작했습니다. '비싼 기계가 왜 필요한가'라는 내부 회의론이 쏟아졌고, 결국 병원 측은 왓슨 도입 효과가 미비하다는 점을 인정해야 했습니다.

결국 계약 기간이 끝나자마자 왓슨 사용을 중단했습니다. 이 실패를 통해 병원은 '검증된 AI'보다 '한국 의료 환경에 최적화된 도구'가 필요하다는 뼈아픈 교훈을 얻었고, 이후 국내 스타트업의 영상 분석 솔루션으로 방향을 틀었습니다.

본 기사는 인공지능 기술의 역사와 사례를 분석한 교육용 콘텐츠로, 특정 의료 기기나 치료법을 권장하거나 의학적 조언을 제공하지 않습니다. AI 진단 도구의 활용 여부는 반드시 해당 분야의 전문 의료진과 상의하여 결정하시기 바랍니다.