2026.11.10 (화)

  • 맑음동두천 3.0℃
  • 맑음강릉 6.5℃
  • 맑음서울 3.7℃
  • 박무대전 5.5℃
  • 구름많음대구 8.8℃
  • 흐림울산 9.5℃
  • 맑음광주 6.5℃
  • 흐림부산 10.1℃
  • 맑음고창 5.9℃
  • 구름많음제주 12.8℃
  • 맑음강화 5.1℃
  • 맑음보은 2.8℃
  • 맑음금산 4.5℃
  • 맑음강진군 8.5℃
  • 흐림경주시 9.6℃
  • 흐림거제 10.2℃
기상청 제공

의료기기/IT

[기획] 의료 AI 논문, 성능·현장 적용·임상 효과 구분해 읽기

TRIPOD+AI·DECIDE-AI·CONSORT-AI 비교…연구 목적에 맞는 근거 확인

 

의료 인공지능(AI) 논문에서 높은 예측 성능, 실제 진료에서의 사용 가능성, 환자 결과의 개선은 서로 다른 근거로 확인해야 한다. 같은 ‘임상 검증’이라는 표현을 사용해도 어떤 환자와 환경에서 무엇을 평가했는지에 따라 결과의 의미가 달라진다.

 

예측모형 보고지침 TRIPOD+AI, 초기 실제 임상평가 보고지침 DECIDE-AI, AI 중재 임상시험 보고지침 CONSORT-AI를 비교하면 논문을 읽을 때 확인할 질문이 구체화된다. 세 지침은 모든 연구가 순서대로 통과해야 하는 인증 단계가 아니라, 연구 목적과 설계에 맞춰 적용하는 보고 기준이다.

 

◆ 예측 성능…누구의 자료로 평가했나

 

2024년 BMJ에 발표된 TRIPOD+AI는 회귀분석이나 머신러닝으로 만든 진단·예후 예측모형의 개발·평가 연구를 다룬다. 연구 대상과 자료 출처, 개발·평가 자료의 구분, 결측치 처리, 성능평가 방법 등을 투명하게 보고하도록 한다.

 

독자가 먼저 확인할 부분은 평가 대상이 실제 사용할 환자군과 맞는지, 모형을 학습·조정할 때 쓴 환자가 성능평가 자료에 겹치지 않는지다. 결과 사건이 발생한 사람과 발생하지 않은 사람을 구별하는 능력인 ‘판별력’과 예측한 위험도가 실제 관찰 결과에 부합하는지 보는 ‘보정’도 구분해야 한다. 특정 자료에서의 높은 판별력만으로 다른 병원이나 환자군에서도 같은 결과를 낸다고 확대 해석할 수는 없다.

 

◆ 현장 적용…AI 결과를 누가 어떻게 사용했나

 

2022년 발표된 DECIDE-AI는 의사결정 지원 AI를 실제 진료에 소규모로 적용하는 초기 평가에 초점을 둔다. 특정 연구 설계 하나에 국한하지 않고 임상적 유용성, 안전성, 사용자와 시스템의 상호작용 등을 보고하도록 한다.

 

이 단계에서는 알고리즘의 출력뿐 아니라 의료진이 결과를 언제 보고 어떻게 판단에 반영했는지가 중요하다. 사용자의 교육과 경험, AI 권고를 따르지 않은 상황, 사용 중 발생한 오류나 진료 흐름의 변화는 성능 수치만으로 파악하기 어려운 정보다. 실제 진료에서 사용했다는 설명도 비교군을 둔 효과 평가와는 구분해 읽어야 한다.

 

◆ 임상 효과…무엇과 비교해 어떤 결과가 달라졌나

 

2020년 발표된 CONSORT-AI는 AI가 포함된 중재의 무작위 임상시험 보고를 위한 확장 지침이다. AI의 사용 목적과 버전, 입력·출력 자료의 취급, 사람과 AI의 상호작용, 오류 사례 분석 등 AI 특성을 추가로 설명하도록 한다. 기본 보고지침은 지난해 개정된 CONSORT 2025를 확인하고, AI 관련 확장 항목을 함께 살펴야 한다.

 

임상시험을 읽을 때는 비교군이 무엇인지, 평가한 결과가 진단 성능인지 업무 과정인지 환자에게 나타난 결과인지를 함께 살펴야 한다. AI를 포함한 진료 방식의 효과를 주장하려면 연구가 실제로 비교한 대상과 측정한 결과가 그 주장에 대응해야 한다. 무작위시험이라는 명칭이나 지침 준수 여부만으로 효과가 입증됐다고 판단하는 것도 피해야 한다.

 

◆ 보고의 충실성과 연구의 신뢰성은 따로 확인

 

보고지침은 연구의 핵심 정보를 충실하고 투명하게 보고하도록 돕는 기준이다. 2025년 BMJ에 발표된 PROBAST+AI는 이와 역할이 다른 평가 도구로, 예측모형 개발의 질과 성능평가의 비뚤림 위험, 적용 가능성을 검토한다. 참여자·자료 출처, 예측변수, 결과, 분석 영역을 살펴 결과가 체계적으로 왜곡될 가능성을 판단한다.

 

의료현장에서 AI 논문을 검토할 때는 사용 대상과 목적, 평가 자료의 독립성, 의료진의 실제 사용 방식, 비교군과 평가 결과를 나란히 확인하는 접근이 유용하다. 예측모형을 다루는 TRIPOD+AI를 생성형 AI의 모든 용도에 그대로 적용하는 것도 주의해야 한다. 대규모 언어모델 연구에는 지난해 발표된 별도 확장지침 TRIPOD-LLM도 확인할 수 있다. 연구가 답한 질문의 범위를 확인해야 성능 개선을 진료 효과로 과장하거나, 초기 평가의 의미를 지나치게 축소하는 해석을 줄일 수 있다.
 


추천 비추천
추천
0명
0%
비추천
0명
0%

총 0명 참여



배너


최신연구진전

더보기