MS, 의사보다 진단 정확도 2배 높은 의료 AI 'MAI-DxO' 공개…비용도 절반

병원 진료실을 찾는 환자가 마주하는 현실은 객관식 의사 면허 시험과 완전히 다릅니다. 모든 검사 결과가 처음부터 주어지는 일은 없으며, 의사는 제한된 증상만 듣고 어떤 검사가 비용 대비 효과적인지 계산하며 한 단계씩 퍼즐을 맞춰 나가야 합니다.

마이크로소프트가 이 복잡한 임상 추론 과정을 AI로 구현했습니다. 마이크로소프트 AI 연구팀은 10월 22일 국제학술지 사이언스(Science)에 진단 오케스트레이션 시스템인 MAI-DxO를 공개했습니다. 가상의 의사들이 위원회를 꾸려 토론하는 방식을 채택해, 인간 의사보다 훨씬 높은 정확도를 기록하면서도 검사 비용을 대폭 줄였다고 밝혔습니다.

무스타파 술레이만 마이크로소프트 AI 최고경영자는 이번 성과를 두고 의료 초지능으로 향하는 중요한 도약이라고 평가했습니다.

가상 전문의들이 펼치는 다자간 진단 토론

기존 의료 AI 평가는 USMLE 같은 의사 시험에 치우쳐 있었습니다. 모든 단서가 한눈에 보이는 시험지 위 지식 평가는 실제 진료 현실을 반영하지 못합니다.

마이크로소프트는 이를 극복하기 위해 단계별 진단 추론과 검사 비용을 함께 측정하는 벤치마크 SDBench를 개발했습니다.

세계적인 의학 학술지 뉴잉글랜드 저널 오브 메디신(NEJM)에 실린 최고 난도 증례 304건을 대상으로 시험한 결과, MAI-DxO는 83%의 진단 정확도를 달성했습니다. 의학 참고 자료를 자유롭게 검색하며 문제를 푼 일반 내과 의사의 정확도가 36%, 자료 없이 푼 의사가 22%에 그친 것과 비교하면 2배에서 3.7배가량 높은 수치입니다.

응급실 일반 환자 데이터를 모은 MIMIC-IV-ED 케이스에서도 MAI-DxO는 80%를 기록해 인간 의사(47%)를 크게 앞질렀습니다. 특히 비용 최적화 모드를 켰을 때는 검사 비용을 절반 이하로 줄이면서도 81% 수준의 정확도를 지켜냈습니다.

이 시스템은 단일 모델이 바로 정답을 찍어내는 대신, 여러 AI 에이전트가 패널로 참여해 가상의 회진을 돕니다. 한 에이전트가 의심 질환을 제시하면 다른 에이전트가 반론을 제기하고, 꼭 필요한 검사만 선별해 주문하며 점진적으로 진단을 좁혀갑니다.

모델 자체의 체급인가, 시스템의 묘수인가

다만 테크크런치가 보도한 세부 실험 데이터를 뜯어보면 해석의 여지가 더 넓어집니다.

MAI-DxO는 오픈AI, 구글, 앤스로픽 등의 다양한 모델을 붙여 쓸 수 있는데, 최고 기록은 오픈AI의 GPT-5와 GPT-5.5에서 나왔습니다. 기본 프롬프트만 적용한 단독 GPT-5도 NEJM 난치 케이스에서 이미 78.9%의 정확도를 보였습니다. 이때 케이스당 추정 비용은 약 8400달러에 달했는데, DxO 오케스트레이터를 거치자 비용은 약 3000달러 절감됐지만 정확도는 4%포인트 상승하는 데 그쳤습니다.

더 최신 모델인 GPT-5.5의 경우 난치성 케이스 정확도가 72%에서 약 87%로 뛰었지만, 일반 응급실 케이스에서는 DxO 적용 전후 모두 85% 안팎에 머물며 비용 차이도 거의 없었습니다. 반면 제미나이 2.5 플래시 같은 경량 모델은 단독 46.4%에서 DxO 적용 시 약 69%로 뛰어올라, 기본 체급이 낮은 모델일수록 오케스트레이션 효과를 톡톡히 보는 것으로 나타났습니다.

또한 대조군으로 참여한 인간 의사들이 일차 진료의와 일반 내과 의사였다는 점도 짚고 넘어갈 부분입니다. NEJM 수준의 희귀 난치 케이스는 실제 병원에서도 다학제 전문의 협진팀이 맡기 때문입니다.

마이크로소프트는 SDBench 일부를 오픈소스로 공개하는 한편, 보스턴의 베스 이스라엘 디커니스 메디컬 센터와 손잡고 실제 환자가 시스템과 상호작용하는 전향적 임상 평가에 나설 계획입니다.

왜 중요한가

만성적인 과로와 인력 부족에 시달리는 의료진에게, 과도한 불필요 검사를 걸러내고 진단 사각지대를 짚어주는 인공지능 보좌관의 등장은 분명 매력적인 소식입니다. 다만 일반 이용자가 당장 자가 진단용으로 쓸 수 있는 단계는 아니며, 우선은 진료 지원 도구로서 안전성을 검증받아야 합니다.

업계 관점에서 보면, 마이크로소프트는 의료 AI의 승부처를 지식 시험 암기에서 실제 병원 운영과 직결되는 임상 추론 및 비용 효율화로 영리하게 틀었습니다. 비싼 검사를 무작정 권하지 않고 가성비 높은 검사 경로를 설계한다는 점은 병원 경영진에게 매우 강력하게 먹힐 카드입니다.

그러나 기술적 불안 요소도 남아 있습니다. 기초 파운데이션 모델의 지능이 높아질수록 복잡한 에이전트 조율이 주는 실질적 이득이 줄어드는 경향이 관찰되었고, 전문의 팀이 아닌 일반 의사와 비교해 수치를 극대화한 측면도 존재합니다. 불확실성이 난무하는 금요일 밤 도심 응급실이라는 거친 현실 속에서 이 가상 의료진이 진짜 실력을 증명할 수 있을지가 성패를 가를 것입니다.