CAUSIFOLD
한국어English日本語简体中文Español
글자 크기

Health

같은 의료 AI가 정반대 성적표를 받은 이유

같은 결핵 선별 AI라도 비교 기준에 따라 비용과 건강 손실의 평가가 달라진다. 가나·필리핀·케냐 연구를 통해 검진부터 진단, 치료 연결까지 살펴본다.

흉부 엑스선 영상과 AI 점수 54를 중심으로, 검사 기준 51에서는 추가 검사를 권하고 기준 56에서는 추가 검사 대상에서 제외하는 두 판정 결과를 대비한 그림.
흉부 엑스선 판독 AI의 점수가 54점인 사례에서 추가 결핵균 검사 기준을 51점으로 설정하면 검사 대상에 포함되고, 56점으로 높이면 대상에서 제외되는 차이를 보여주는 도식입니다.

가나에서 결핵을 찾는 AI의 검사 기준을 51점에서 56점으로 높여 계산하자, 검사비는 줄었지만 일부 환자를 놓칠 위험은 커졌다.

그런데 같은 AI를 기존 진단법과 비교하자 검사비도 줄고 결핵을 놓쳐 생길 건강 피해도 줄어들 것으로 계산됐다.

어떻게 같은 AI에서 두 결과가 나왔을까?

무엇과 비교하느냐가 답을 바꿨다

가나의 아두시포쿠 공동연구진은 2022년부터 2023년까지 모은 결핵 의심 환자 701명의 자료로 AI 검사의 비용과 효과를 계산했다. 연구에 사용된 CAD4TB는 흉부 엑스선에서 결핵이 의심되는 이상을 찾아 점수를 매기는 프로그램이다. 당시 51점 이상이면 결핵균을 확인하는 추가 검사를 권하는 기준으로 삼았다.1

기준을 56점으로 높이면 추가 검사 인원과 비용이 줄어든다. 대신 실제 결핵 환자를 추가 검사 대상으로 골라내는 비율도 91.5%에서 90.4%로 낮아졌다. 검사비를 아끼는 만큼 일부 환자의 진단이 늦어질 위험이 커진 것이다.

그런데 의료인이 증상과 엑스선 사진으로 검사 대상을 정하는 기존 방식과 AI 56점 방식을 비교하자 결과가 달랐다. 연구진이 계산한 전체 검사비는 약 29% 줄었다. 결핵을 제때 발견하지 못해 환자가 겪을 피해도 더 적을 것으로 추정됐다.1

앞에서는 AI의 검사 기준 두 개를 비교했다. 뒤에서는 기존의 진단 방식과 AI를 활용한 방식을 비교했다. 이 차이가 상반된 결과의 이유다.

가나의 다른 연구에서는 AI와 전문의가 같은 엑스선 사진을 다르게 읽었다. 보노이스트 지역의 아마르테이 공동연구진은 객담을 제출하기 어려웠던 결핵 의심자 250명의 엑스선을 두 방식으로 판독했다. AI가 51점 미만으로 분류한 네 명의 사진에서 전문의는 결핵 의심 소견을 발견했다.2

AI 점수만으로 판정했다면 네 명의 엑스선은 정상 쪽에 들어간다. 이 연구에서는 전문의가 사진을 다시 읽어 다른 판단을 내렸다. 네 명이 이후 어떤 검사와 진료를 받았는지는 기록되지 않았다.

논문보다 먼저 가격표가 바뀌었다

가나의 경제성 논문이 발표되기 한 달 전인 2026년 7월, 저소득·중간소득 국가가 의료기술을 저렴하게 사용하도록 돕는 유니테이드와 **클린턴보건접근구상(CHAI)**이 결핵 판독 AI의 새 가격 계약을 발표했다. 참여 기업 델프트 이미징은 가나 연구에서 사용한 CAD4TB의 공급사다.3

이 계약은 대상 국가의 공공·비영리 기관에 엑스선 장비 한 대당 AI 프로그램의 연간 사용료를 최대 65% 낮춘 조건을 제공한다. 판독 횟수도 제한하지 않는다.

환자의 결핵 검사에는 엑스선 촬영과 결핵균 검사, 의료인력 비용이 함께 든다. 새 계약이 바꾼 것은 그 가운데 AI 판독 프로그램의 사용료다. 가격이 바뀌면 같은 예산으로 얼마나 많은 사람을 검사할 수 있는지도 다시 계산할 수 있다.

AI에게 어떤 지시를 하느냐도 비용을 바꾼다. 미국의 아란 공동연구진은 환자 진료기록을 읽고 검사를 추천하는 생성형 AI를 시험했다. 의사 기록과 AI의 추천 목록에 적힌 검사마다 미국 공공의료보험의 지급 기준액을 적용하자, 예상 검사비는 의사 기록에서 환자당 평균 71달러, AI의 추천에서 97달러에서 289달러였다.4

연구진이 AI에게 비용을 고려하고 검사를 절제하도록 지시하자 추천 검사비가 크게 줄었다. AI를 어떻게 운영하느냐에 따라 비용이 바뀐다. 필요한 검사를 빠뜨리지 않으면서 비용을 줄일 방법을 찾는 것이 다음 문제다.

이동식 흉부 엑스선과 AI 선별검사에서 결핵균 확인 검사로 이어지는 흐름이, 확진 이후 치료 시작과 치료 미연결이라는 두 경로로 나뉘는 그림.
필리핀 톤도의 결핵 검진 사업에서 이동식 흉부 엑스선과 AI를 통한 선별, 결핵균 확인 검사를 거쳐 환자를 발견한 뒤에도 실제 치료 시작까지 연결하는 과정이 중요하다는 점을 나타낸 도식입니다.

찾아낸 환자는 치료를 시작했을까

필리핀 마닐라의 톤도에서는 국경없는의사회가 이동식 엑스선, AI 판독, 결핵균 검사와 지역 보건인력을 결합해 주민을 검사했다. 수행단체의 발표에 따르면 2022년 이후 5만 1천 명 넘게 검사하고 새 결핵 사례 2,493건을 발견했다.5

진단받은 사람 가운데 치료를 시작한 비율은 62%였다. 치료제와 검사 물품의 부족이 환자들을 치료에 연결하는 데 걸림돌이 됐다. AI와 이동식 장비로 더 많은 사람을 찾아도 치료약과 의료인력까지 갖춰져야 환자에게 도움이 이어진다.

케냐의 아그웨유 공동연구진은 진료기록 작성과 치료계획 수립을 돕는 또 다른 종류의 AI를 시험했다. 의료인을 AI 지원군과 일반 진료군으로 나눠 환자 9,691명의 진료 결과를 비교했다.6

연구진은 진료 뒤 14일 안에 증상이 낫지 않아 다시 병원을 찾거나 예정에 없던 상급·응급진료가 필요해지는 일 등을 조사했다. 이런 일이 발생한 비율은 AI 지원군 2.2%, 일반 진료군 2.0%로, 통계적으로 뚜렷한 차이는 없었다. 대신 AI를 이용한 의료진의 진단 기록과 치료계획은 일부 평가 항목에서 더 좋은 점수를 받았다.

더 좋은 AI를 누가 선택할 수 있나

**세계보건기구(WHO)**는 결핵 판독 AI의 검사 기준을 지역의 환자 특성과 의료 여건에 맞게 정하라고 권고한다. 아프리카연합의 공중보건기관인 아프리카 질병통제예방센터도 회원국이 자국 보건정보를 관리하면서 안전하게 공유하는 공동 원칙을 추진하고 있다.7

새 AI가 나오면 현지 의료인과 보건당국이 성능을 확인하고 검사 기준을 조정할 수 있어야 한다. 사용료가 달라지면 다시 협상하고, 더 적합한 제품이 나오면 교체할 수도 있어야 한다. 그런 역량이 있어야 기술 발전의 혜택을 계속 누릴 수 있다.

한국 정부는 2026년 국제기구와 공공문제에 AI를 활용하는 글로벌 AI 허브 구상을 발표했다. 아프리카 개발사업에 자금을 지원하는 아프리카개발은행과 별도의 AI 협력 의향서를 체결했고, 보건복지부는 WHO와 AI 헬스케어 서울선언문을 발표했다.8

새로 검사를 받게 된 사람은 얼마나 되는가. 결핵 환자를 얼마나 발견해 치료에 연결했는가. 현지 의료체계가 더 나은 기술을 스스로 선택하고 운영할 수 있게 됐는가.

의료 AI의 성과는 검사 한 건의 가격보다, 한정된 예산과 인력으로 더 많은 사람을 진단과 치료에 연결하고 그 능력을 현지에서 계속 키울 수 있느냐에 달려 있다.


다음 이야기도 만나보세요

CAUSIFOLD의 새 기사와 소식을 Substack에서 이어서 보실 수 있습니다.

Substack에서 구독하기 ↗

각주

1. 가나 701명 진단비·효과 비교

Yaw Adusi-Poku, Jacob Solomon Idan 외, “Cost-effectiveness analysis of computer aided detection for tuberculosis in Ghana: A decision-analytic modeling study,” PLOS ONE 21(8), e0356244 (2026). 원논문.

가나 23개 의료시설에서 2022년 7월부터 2023년 6월까지 조사한 결핵 의심 환자 701명의 자료를 분석했다. 결핵균 검사 양성 342명과 음성 359명을 포함하므로 이 표본의 양성률을 가나 일반 인구의 결핵 비율로 해석해서는 안 된다. CAD4TB 기준 56점 대 기존 진단 경로의 비용은 23,449.01달러 대 33,239.09달러이며, 환자가 결핵 진단을 놓쳐 겪을 건강 손실은 모형상 10.08 QALY 줄었다. CAD 기준 56점 대 51점 비교에서는 추가 검사비를 1,185.30달러 줄이면서 환자를 찾아내는 비율은 91.5%에서 90.4%로 내려갔고, 건강 손실은 모형상 1.08 QALY 늘었다. QALY(질보정수명, quality-adjusted life year)는 건강 상태와 생존 기간을 함께 고려한 지표다. 이 연구는 실제 검사 자료와 예상되는 의료비·건강 영향을 결합해 두 진단 방식의 결과를 계산했다.

2. 가나 보노이스트 지역의 별도 현장 연구

Kenneth Nii Amartey, Paulina Clara Appiah 외, “The use of computer-aided detection for tuberculosis (TB) diagnosis in the Bono East, Ghana,” Journal of Global Health Science 8(S1), e3 (2026). 원논문.

250명 가운데 AI·전문의 모두 결핵을 의심한 사람은 17명, 모두 정상으로 본 사람은 223명이었다. AI가 기준 미달로 분류했으나 전문의가 결핵을 의심한 사람 4명의 평균 AI 점수는 42.5점이었다. 반대 사례는 6명이었다. 연구 대상은 앞서 의료기관을 방문했으나 객담을 제출하지 못해 분자검사를 받기 어려웠던 결핵 의심자였다. 네 명의 결핵균 검사·확진·치료 경과는 논문에 제시되지 않았다. 판정표에는 전문의가 결핵을 의심한 21명 중 AI도 의심한 사람이 17명으로 나오지만, 논문 본문에는 양쪽에서 함께 발견한 21명이 치료를 시작했다고 적혀 있다. 해당 치료 인원과 판정 일치 여부는 연구진의 해명이 필요하다. [1]과는 환자 집단이 다른 연구다.

3. 결핵 판독 AI 사용료

유니테이드·클린턴보건접근구상, “Unitaid and CHAI cut cost of AI screening software” (2026년 7월 17일). 델프트 이미징과 딥테크(DeepTek)의 AI 판독 소프트웨어에 대해 138개 대상 국가의 공공·비영리 구매자가 이용할 수 있는 계약이다. 엑스선 장비 한 대당 연간 이용료는 2,500달러에서 2,850달러로 제시됐고, 판독 횟수 제한이 없으며 설치·교육·업데이트·유지관리를 포함한다. 발표 기관의 최대 65% 인하율은 소프트웨어 연간 이용료에 적용된다. 가나 경제성 연구의 환자별 전체 진단 비용과 구분해 해석한다.

4. 미국 AI의 권고 검사비

Dvir Aran 외, “Comparative Cost of Care Recommended by Clinicians vs. Large Language Models,” NEJM AI (2026). DOI, 연구진 공개 분석자료, 19개 모델 지시조건 비교.

200개의 비식별 진료기록에 대해 AI 시스템 24종이 권고한 검사 항목을 미국 2026년 메디케어 의료수가로 환산했다. 의사 기록의 평균 권고 검사비는 71.35달러, AI 모델별 97달러에서 289달러였다. 별도 19개 모델 지시조건 비교에서는 의사 기록 대비 비용비율이 일반 지시 3.23배, 비용 고려 지시 2.48배, 검사 절제 지시 1.37배였다. 이 숫자의 측정 대상은 기록과 AI의 제안에 적힌 검사 목록의 예상 가격이다.

5. 필리핀 톤도 결핵 발견·치료 사업

국경없는의사회(Médecins Sans Frontières), “Philippines: From tuberculosis response to broader community health action in Tondo” (2026년 7월 31일). 수행기관이 2022년 이후 5만 1천 명 이상을 선별 검사하고 신규 결핵 2,493건을 발견했으며, 진단자 가운데 62%의 치료를 시작했다고 보고했다. 이동식 엑스선, AI 판독, 결핵균 확인 검사, 지역 의료인력과 추적 관리가 결합된 사업 전체의 집계다.

6. 케냐 진료지원 AI의 임상시험

Ambrose Agweyu, Paul Mwaniki 외, “Generative AI-enabled clinical decision support system in primary care: a pragmatic, cluster-randomized trial,” Nature Medicine 32, 3032–3039 (2026). 원논문.

16개 의료기관의 임상의 103명을 AI 지원군과 일반 진료군에 무작위 배정했다. 환자 9,691명을 등록했고 주요 분석에는 AI 지원군 4,693명과 일반 진료군 4,654명을 포함했다. 14일 내 증상 미해결로 인한 재방문, 계획에 없던 상급·응급진료, 의뢰 지연·누락, 부적절한 처방, 진단 누락 등으로 정의한 사건이 AI군 102건(2.2%), 일반군 94건(2.0%) 발생했다. 환자·의료진 차이를 반영한 보정 분석에서도 통계적으로 유의한 차이가 나타나지 않았다(보정 오즈비 0.77, 95% 신뢰구간 0.55에서 1.08, P=0.13).

7. WHO 결핵 판독 권고와 아프리카의 보건정보 원칙

WHO, “Use of computer-aided detection software for tuberculosis screening” (2025). 15세 이상을 대상으로 한 선별검사 권고이며 지역의 결핵 유병 양상과 검사 여건에 맞춘 점수 기준 설정이 중요하다. 아프리카 질병통제예방센터(Africa CDC), “AU Member States Validate African Continental Health Data Governance Framework” (2026년 10월 22일). 회원국들이 공동 원칙을 검증했으며 최종 아프리카연합 채택·국가별 시행은 후속 단계다.

8. 한국의 AI 국제협력 계획

한국 외교부, “글로벌 AI 허브 비전 선포” (2026년 5월 21일). 아프리카개발은행, “한–아프리카 AI 허브 의향서” (2026년 9월). 보건복지부·WHO, “AI 헬스케어 서울선언문” (2026년 10월 21일). 세 자료는 각각 사업 구상, 협력 의향, 정책 원칙을 보여준다. 실제 투자·조달과 진료 결과는 개별 사업의 평가자료로 판단해야 한다.

선택 사항이며 비공개입니다. 개인정보는 입력하지 마세요. 개인정보처리방침

이 기사에서 무엇을 얻으셨나요?
사실·출처·번역 오류 신고

보안 확인 후 보내기를 눌러주세요. 버튼을 누를 때 한 번만 전송합니다.

© 2026 CAUSIFOLD. CAUSIFOLD 고유 저작물의 권리를 보호합니다.외부 연구·이미지 등의 권리는 각 권리자에게 있습니다.저작권 및 이용 안내