의사 사회에서 AI 채택률이 폭발적으로 늘었다
2026년 미국의사협회(AMA)가 발표한 조사 결과는 단순한 통계가 아니다. 미국 의사 3명 중 2명(약 66%)이 현재 의료 AI를 실제 진료에 활용하고 있으며, 이는 2023년 대비 78% 증가한 수치다. 불과 3년 만에 진료 현장의 AI 침투율이 이 정도로 오른 사례는 의료사에서 거의 전례가 없다. 영상 판독 보조, 임상 노트 자동화(Ambient AI), 임상결정지원(CDS), 진단 보조 도구까지 — 의사들이 접하는 AI의 형태는 이미 다양하고 구체적이다.
그런데 이 숫자 뒤에는 좀 더 냉정한 질문이 따라온다. ‘사용하고 있다’는 것과 ‘검증되어 있다’는 것은 완전히 다른 이야기다. 채택률 급증이 임상 근거의 성숙과 반드시 비례하지 않는다는 점이 바로 지금 가장 중요한 논점이다.
무엇을 쓰고 있는가 — 실제 적용 수준
AMA 조사에 따르면 현재 의사들이 사용하는 AI 도구는 크게 세 영역으로 집중된다. 첫째는 행정·문서화 자동화다. 진료 후 의무기록을 자동 생성하는 Ambient AI가 번아웃 감소 수단으로 가장 빠르게 확산되고 있다. 둘째는 영상 AI다. 흉부 X-ray, CT, 안저 영상 등 방사선·영상의학 분야에서는 FDA 승인 AI 의료기기가 이미 900건을 넘었으며, 이 중 상당수가 실제 판독 보조에 배치되어 있다. 셋째가 임상결정지원(CDS)이다. 약물 상호작용 경고, 패혈증 조기 경보, 재입원 위험 예측 모델이 이에 해당한다.
이처럼 사용 영역이 다양해졌지만, 동시에 2026년 1월 FDA는 CDS 소프트웨어 최종 가이드라인을 개정하며 중요한 변화를 단행했다. FDA는 의사가 AI 권고의 근거를 직접 검토하고 독립적으로 판단할 수 있다면 해당 CDS를 의료기기 규제 범위 밖으로 분류하는 기준을 확대했다. 즉, 기존보다 더 많은 AI 도구가 규제 심사 없이 시장에 배포될 수 있게 된 것이다.
규제 공백이 만드는 ‘책임의 이전’
이 변화가 갖는 임상적 함의는 명확하다. FDA가 규제하지 않는 AI 도구의 임상 검증 부담이 이제 개별 병원·의사·구매 조직으로 넘어갔다는 것이다. 실제로 의료 AI 분석 전문 기업 Curely AI는 2026년 5월 보고서에서 이 상황을 ‘규제 부담의 구매자 이전(Diligence Burden Shifted to the Buyer)’으로 명확히 표현했다. 제품이 FDA 심사를 통과하지 않았다는 사실이 곧 임상 안전성을 보장하지 않는다는 뜻이다.
이런 맥락에서 AMA가 2026년 발표한 임상 AI 표준 권고는 주목할 만하다. AMA는 ▲AI 사용 시 환자 공개(Transparency) ▲생성형 AI 사용 정책 및 거버넌스 수립 ▲의사의 AI 사용에 따른 책임 범위 명확화를 핵심 과제로 제시했다. 특히 “의사가 AI 권고를 최종 검토했다면 임상 결정 책임은 의사에게 있다”는 원칙은, AI가 오류를 냈을 때 법적·윤리적 부담이 어디로 귀결되는지를 사실상 선언한 것이다.
임상 근거 없이 쓰이는 도구의 위험 — 구현 격차
의료 AI 도구의 무결성 문제는 단순히 부정확한 진단에 그치지 않는다. 2024년 NEJM Evidence에 게재된 연구(Wong et al., 2024, “External Validation of a Widely Implemented Proprietary Sepsis Prediction Model”)는 대표적인 경고 사례다. 한 대형 의료 시스템 전체에 배포된 패혈증 예측 AI가 외부 검증에서 AUC 0.63에 불과한 수준으로 나타났고, 임상 현장의 경보 피로(Alert Fatigue)와 실제 처치 지연을 동시에 야기했다는 내용이다. ‘배포’와 ‘검증’의 간극, 즉 구현 격차(Implementation Gap)는 채택률이 높을수록 더 큰 위험으로 증폭된다.
이는 단순히 “AI가 틀릴 수 있다”는 수준의 이야기가 아니다. AI 도구가 사용되기 시작하면, 임상의가 해당 경보나 권고에 무의식적으로 의존하게 되는 자동화 편향(Automation Bias)이 발생한다. 응급실처럼 빠른 결정이 요구되는 환경에서 이 편향은 특히 위험하다. 검증되지 않은 AI 경보를 실제 처치 결정에 반영하면, 그 오류는 단순한 소프트웨어 버그가 아니라 환자 안전 사건이 된다.
현실적 한계 — 채택률 78% 증가가 말하지 않는 것
현재 의료 AI 확산의 구조적 한계는 몇 가지로 정리된다.
- 임상 검증 부재: FDA 승인을 받지 않은 상당수 CDS 도구가 병원 내 자체 평가 없이 배포되고 있다.
- 인구 편향: 대부분의 AI 모델은 특정 인종·기관 데이터 기반으로 학습되어, 다른 환자군에서 성능이 저하된다.
- 거버넌스 부재: AMA 조사에서 응답 의사 중 ‘자신의 병원에 AI 거버넌스 위원회가 있다’고 답한 비율은 절반에 미치지 못했다.
- 책임 불명확성: 규제 완화로 AI 오류 책임이 의사 개인에게 이전되는 구조가 강화되고 있다.
한국 역시 예외가 아니다. 2026년 6월 디지털헬스케어법 공청회에서 제기된 핵심 논점 중 하나는 “규제 가이드라인이 LLM 시대를 따라가지 못한다”는 것이었다. 의료 AI의 확산 속도와 규제 프레임워크 성숙 사이의 간격은 한국도 미국과 동일한 문제를 안고 있음을 보여준다.
응급의학과 전문의의 한 마디
응급실에서 AI 도구를 가장 먼저 접하는 전문의 중 하나로서 솔직하게 말하겠다. 나는 채택률 78% 증가 소식을 반갑게만 읽지 않는다. 오히려 질문이 생긴다. 그 도구들 중 응급실 환경에서 외부 검증된 것은 몇 개인가? 야간 당직 전공의가 AI 경보를 받았을 때, 그 경보의 근거를 실제로 열어볼 수 있는 환경인가?
AI 도구를 사용한다는 것이 곧 더 나은 진료를 의미하지 않는다. 검증되지 않은 AI를 쓰면서 “AI가 그렇게 말했다”는 이유로 임상 판단을 위임하는 순간, 의사는 환자를 지키는 마지막 방어선이 아닌 알고리즘의 실행자로 전락한다. 지금 필요한 것은 더 많은 AI 도입이 아니라, 이미 배포된 AI를 얼마나 비판적으로 사용하고 있는지에 대한 정직한 자기 점검이다. 채택률 통계보다 중요한 것은, 그 도구가 내 환자에게 실제로 검증되었는가 하는 단 하나의 질문이다.
References
- American Medical Association (AMA). 2 in 3 physicians are using health AI — up 78% from 2023. AMA Digital Health Survey, 2026. https://www.ama-assn.org/practice-management/digital-health/2-3-physicians-are-using-health-ai-78-2023
- U.S. Food and Drug Administration. Clinical Decision Support Software — Final Guidance. January 6, 2026 (re-issued January 29, 2026). https://www.fda.gov/
- Curely AI. The FDA Is Regulating Less Clinical AI, and the Diligence Burden Just Moved to the Buyer. May 2026. https://curelyai.com/blog/fda-2026-cds-guidance-buyers
- Wong A, et al. “External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients.” NEJM Evidence, 2024. DOI: 10.1056/EVIDoa2300021
- American Medical Association. AMA AI Standards in Clinical Practice: Transparency, Governance, and Physician Liability. 2026 Policy Statement.