AI 의료 진단, 인종·성별 편견 여전하다는 연구 결과

최근 호주의 한 대학 연구진이 발표한 연구 결과가 의료계와 보건 정책 분야에서 주목받고 있습니다. 인공지능(AI) 기술이 의료 현장에 빠르게 도입되고 있는 가운데, 최신 AI 모델들조차 인종과 성별에 따른 고정관념을 여전히 재생산하고 있다는 내용입니다. 이는 단순한 기술적 오류를 넘어, 실제 환자의 진단과 치료 방향에 영향을 줄 수 있다는 점에서 중요한 문제로 다뤄지고 있습니다.

AI 의료 도구, 왜 빠르게 확산되고 있나

병원과 의료기관에서는 진단 보조, 영상 판독, 문진 정리, 임상 기록 요약 등 다양한 영역에서 AI 도구를 활용하는 사례가 늘고 있습니다. 의료진의 업무 부담을 줄이고 진단 속도를 높일 수 있다는 장점 덕분에 국내외를 막론하고 도입 속도가 빨라지는 추세입니다. 특히 대형 언어모델 기반 AI는 환자 상담 내용을 요약하거나, 의학 지식을 검색해 의료진에게 참고 정보를 제공하는 방식으로 활용되고 있습니다.

기대와 우려가 공존하는 이유

그러나 이러한 AI 도구가 실제로 얼마나 공정하고 정확한 판단을 내리는지에 대해서는 여전히 검증이 필요하다는 지적이 이어지고 있습니다. AI는 방대한 데이터를 학습해 결과를 도출하는데, 그 학습 데이터 자체에 이미 특정 집단에 대한 편향이 포함되어 있다면 AI 역시 그 편향을 그대로 답습하게 됩니다.

연구가 밝힌 문제점

이번에 발표된 연구는 여러 최신 AI 모델을 대상으로 의학적 판단 과정을 분석한 결과, 인종이나 성별에 따라 서로 다른 방식으로 증상을 해석하거나 진단 우선순위를 다르게 부여하는 경향이 나타났다고 밝혔습니다. 예를 들어 동일한 증상을 호소하더라도 환자의 배경 정보에 따라 AI가 제시하는 설명이나 권고 내용이 달라지는 사례가 확인된 것입니다.

• 특정 인종군에 대해 통증 호소를 과소평가하는 경향
• 성별에 따라 심혈관 질환 등 특정 질환의 가능성을 다르게 판단하는 경향
• 사회경제적 배경을 근거로 치료 접근성에 대한 편향된 가정을 반영하는 경향

이러한 경향은 의도적으로 설계된 것이 아니라, 학습 데이터에 내재된 기존 의료 통계와 문헌의 불균형이 그대로 AI 모델에 반영된 결과로 해석되고 있습니다. 즉 AI 자체의 문제라기보다는, 오랜 기간 축적된 의학 데이터와 임상 관행 속에 존재해 온 구조적 편향이 새로운 기술을 통해 다시 드러난 셈입니다.

한국 의료 환경에서 생각해볼 점

국내에서도 AI 기반 진단 보조 시스템이나 문진 도구의 도입이 점차 확대되고 있는 만큼, 이번 연구 결과는 남의 이야기로만 볼 수 없습니다. 다만 한국의 경우 인종적 다양성보다는 성별, 연령, 지역, 소득 수준에 따른 데이터 편향이 더 중요한 변수로 작용할 가능성이 있습니다. 예를 들어 특정 연령대나 성별에서 더 많이 보고된 증상 패턴이 AI 판단의 기준이 될 경우, 상대적으로 데이터가 적은 집단의 환자는 진단 과정에서 불리하게 작용할 수 있습니다.

환자 입장에서 유의할 점

AI 도구가 진단 과정을 보조하더라도, 최종 판단과 책임은 여전히 의료진에게 있습니다. 따라서 환자 스스로도 다음과 같은 태도를 갖는 것이 도움이 됩니다.

• AI가 제시한 소견을 절대적인 결론으로 받아들이지 않기
• 증상이 명확히 나아지지 않거나 설명이 부족하다고 느껴질 경우 추가 검사나 다른 의견을 요청하기
• 본인의 병력, 가족력, 생활 습관 등을 진료 시 충분히 설명하여 AI가 놓칠 수 있는 정보를 보완하기

보험 가입자가 함께 고려할 부분

AI 진단 보조 기술이 확산되면서, 실손의료보험이나 건강보험 관련 진단서, 소견서 작성에도 AI가 간접적으로 관여하는 사례가 늘어날 가능성이 있습니다. 이 과정에서 진단 내용이나 질병 코드 산정이 환자 개인의 특성에 따라 미묘하게 달라질 수 있다는 점도 염두에 둘 필요가 있습니다. 보험금 청구 시에는 AI가 보조한 소견서라 하더라도 담당 의료진의 최종 판단과 서명이 반영된 서류인지 확인하고, 진단 내용에 의문이 있다면 주치의와 충분히 상담하는 것이 바람직합니다.

또한 건강검진이나 정기 진료에서 AI 기반 도구를 활용한 결과를 받았을 때, 그 결과만으로 보험 가입이나 갱신 여부를 판단하기보다는 반드시 의료진의 종합적인 소견을 함께 확인하는 절차가 필요합니다.

앞으로의 과제

AI 기술은 의료 현장의 효율성을 높이는 데 분명한 강점을 가지고 있지만, 이번 연구 결과는 기술 도입 속도만큼이나 데이터의 공정성과 검증 체계를 갖추는 것이 중요하다는 점을 다시금 보여줍니다. 의료기관과 개발사 차원에서는 다양한 배경의 데이터를 균형 있게 반영하고, 정기적인 편향성 검증 절차를 마련하는 노력이 필요합니다. 환자 입장에서는 AI 기술을 맹신하기보다, 이를 보조 수단으로 이해하고 의료진과의 충분한 소통을 병행하는 태도가 여전히 중요합니다.

본 글은 정보 제공 목적이며, 구체적인 보장 내용은 가입하신 보험 약관을 반드시 확인하시기 바랍니다.

참고 뉴스 출처: Flinders University