AI가 방사선 의사를 대체한다는 예측은 왜 빗나갔나
2013년 AI 연구의 선구자 제프리 힌튼은 “5년 안에 AI가 방사선 의사를 대체할 것”이라고 선언했다. 그로부터 13년이 지난 2026년, 미국 방사선 레지던트 자리는 사상 최대인 1,208개로 늘어났다. 공석률도 역대 최고 수준이다. 예측은 왜 빗나갔을까. 아니면 아직 충분한 시간이 지나지 않은 것일까. 2026년 현재 데이터는 흥미로운 이야기를 전한다.
MASAI 임상시험 — AI 보조 검진의 실제 효과
2026년 2월, 란셋 온콜로지(Lancet Oncology)에 발표된 MASAI(Mammography Screening with Artificial Intelligence) 무작위 대조시험은 방사선 의학 AI 역사상 가장 주목받은 임상 연구다. 스웨덴에서 수만 명의 여성을 대상으로 진행한 이 연구는 세 가지 핵심 결과를 보여주었다.
AI 보조 유방암 검진은 표준 이중 판독 대비 29% 더 많은 암을 발견했다. 민감도는 80.5%로 대조군의 73.8%를 뚜렷하게 앞질렀다. 위양성률(잘못된 양성 판정)에는 변화가 없었다. 더 많이 찾으면서 오진을 늘리지 않은 것이다. 그리고 방사선 의사의 업무량이 44% 감소했다. AI가 1차 판독을 담당하고 의사가 최종 확인에 집중하는 구조가 효율을 극적으로 높인 결과였다.
FDA 승인 700개 — 그러나 실제 사용률은 48%
2026년 현재 FDA가 승인한 방사선 AI 모델은 700개를 넘어섰다. 전체 의료 AI 기기의 약 75%가 방사선 분야에 집중되어 있다. 그런데 2024년 조사에서 실제로 AI를 사용하고 있는 방사선 의사는 48%에 불과했다. 절반 이상이 수백 개의 승인된 도구를 쓰지 않고 있었다.
더 놀라운 수치는 2025년 조사에서 나왔다. AI를 도입한 기관 중 높은 성공도를 평가한 곳이 19%에 그쳤다. 도구가 있다는 것과 그 도구가 실제로 작동한다는 것 사이에는 큰 간극이 존재했다. 주요 원인은 두 가지였다. 기존 병원 워크플로와의 통합 실패, 그리고 방사선 의사들의 AI 결과에 대한 신뢰 부족이었다.
방사선 의사가 사라지지 않은 이유
CNN은 방사선 의학을 “AI가 인간 직업을 대체하지 않는다는 사례 연구”라고 표현했다. 방사선 의사의 업무는 영상을 보는 것만이 아니다. 임상 의사와 소통하고, 복잡한 증례를 종합 판단하고, 환자 상태 전체를 맥락으로 고려한다. 영상에서 이상 소견을 찾아내는 것은 전체 업무의 일부에 불과하다.
AI가 강점을 발휘하는 영역은 인지적 피로와 행정 업무 부담을 줄이는 부분이었다. 1차 스크리닝을 AI가 맡아 의사가 진짜 중요한 판단에 집중할 수 있게 되었을 때 성과가 나타났다. 영상을 빠르게 처리할수록 처리할 수 있는 검사 건수가 늘어나는 구조가 오히려 전체 방사선 의사 수요를 늘린 역설이다.
레지던트 1,208개 — 오히려 사상 최대로 늘어난 이유
2025년 미국 방사선 레지던트 자리는 1,208개로, 2024년 대비 4% 증가했다. AI 대체 공포와 정반대의 현상이 펼쳐진 이유는 두 가지였다. 첫째, AI 도구를 이해하고 올바르게 운용할 수 있는 방사선 의사에 대한 새로운 수요가 생겼다. 둘째, AI가 검사 처리 속도를 높이면서 의료 영상 촬영 건수 자체가 늘어났고, 판독 수요도 함께 증가했다.
자동화가 일자리를 줄이는 것이 아니라 일의 총량을 늘리는 역설이 방사선 의학에서도 나타난 것이다. AI를 도입한 병원이 더 많은 환자를 볼 수 있게 되면서 의사 수요도 함께 늘어났다.
AI가 실제로 바꾸는 방사선 의학의 세 영역
방사선 AI가 실질적인 변화를 만드는 영역은 세 가지다. 첫째, 1차 스크리닝이다. 대량의 흉부 X선과 CT 영상을 AI가 먼저 분류하면 의사는 실제로 판단이 필요한 케이스에 집중할 수 있다. 둘째, 희귀 질환 패턴 감지다. 수백만 장의 영상으로 훈련된 AI는 방사선 의사가 평생 한 번도 보지 못할 희귀 패턴을 기억하고 있다. 셋째, 양적 측정의 정밀도다. 종양 크기 변화를 밀리미터 단위로 추적하거나, 골밀도 변화를 수치로 기록하는 작업에서 AI의 일관성은 인간을 뛰어넘는다.
80%에서 성과 없는 이유 — 워크플로 통합의 벽
2025년 연구에서 방사선 AI를 도입한 임상의 80%에서 방사선 의사의 실제 성과에 변화가 없었다는 결과가 나왔다. 전문가들이 꼽은 원인은 통합 실패였다. 대부분의 AI 도구는 기존 병원 워크플로에 매끄럽게 연결되지 않았다. 방사선 의사가 이미 사용하는 영상 판독 소프트웨어와 별도로 AI 시스템을 따로 열고 닫아야 했다. 도구를 쓰는 것 자체가 추가 업무가 되어버린 것이다.
신뢰 문제도 컸다. AI가 이상 없음이라고 판정해도 방사선 의사가 직접 다시 확인하는 경우가 많았다. 도구를 신뢰하지 않으면 효율 향상은 없다. 2026년 말 FDA는 임상 통합 기준을 강화하는 방향으로 가이드라인을 개정했다. 워크플로에 원활히 통합되지 않는 AI 도구는 승인 심사에서 불이익을 받게 된 것이다.
2027년 전망 — 대체가 아닌 증강의 시대
방사선 의학 AI의 다음 단계는 대체가 아닌 증강이다. MASAI 연구가 보여준 것처럼, AI가 가장 큰 가치를 발휘하는 순간은 의사의 역할을 없애는 것이 아니라 의사가 더 잘 할 수 있도록 돕는 것이었다. 업무량 44% 감소는 방사선 의사들이 더 복잡하고 판단이 중요한 케이스에 더 많은 시간을 쏟을 수 있다는 의미다.
2027년을 향한 경쟁의 핵심은 AI 도구의 숫자가 아니라 워크플로 통합 품질이 될 것이다. 기존 병원 시스템과 끊김 없이 연결되어 방사선 의사가 추가 클릭 없이 AI 결과를 자연스럽게 활용할 수 있는 환경, 그리고 AI 결과에 대한 임상적 신뢰를 쌓아가는 것이 다음 과제다.
마치며 — AI를 쓰는 의사가 쓰지 않는 의사를 앞서간다
방사선 의사가 AI에게 대체된다는 두려움은 잘못된 질문에서 비롯되었다. 더 정확한 질문은 이것이다. AI를 활용하는 방사선 의사가 그렇지 않은 방사선 의사를 대체할 것인가. 이 질문에는 이미 답이 있다. 기술이 바뀔 때 사라지는 것은 직업이 아니라 기술을 거부하는 방식이었다. 방사선 의학은 AI와 함께 더 많은 환자를 더 정확하게 진단하는 방향으로 나아가고 있다.
AI 방사선 의학의 실제 성공 사례들
임상 현장에서 AI가 실질적 도움을 주는 사례들이 축적되고 있었다. 스탠퍼드 병원에서는 AI 흉부 X선 분석 시스템이 폐렴 패턴 감지 속도를 40% 단축했다고 발표했다. 예일 의대 방사선과는 2025년 조사에서 소속 방사선 의사들이 AI가 업무를 더 정확하고 효율적으로 만든다고 응답했다고 밝혔다(Yale Daily News, 2025-11-19). 동시에 실패 사례도 있었다. 일부 AI 도구가 특정 인종 집단에서 진단 정확도가 낮아지는 편향 문제가 보고되었다. 학습 데이터가 특정 인구 집단에 편중되어 있기 때문이었다. 의료 AI의 공정성 문제는 2026년 현재 중요한 연구 과제가 되었다.
방사선 AI의 규제 환경
FDA는 2024년 말 방사선 AI 모델 승인 심사에서 임상 통합 기준을 강화하는 방향으로 가이드라인을 개정했다. 기존 병원 워크플로와 원활하게 통합되지 않는 AI 도구는 불이익을 받게 되었다. 이는 AI 도구의 숫자보다 실제 임상 효용성을 우선시하는 방향 전환이었다. FDA 승인 700개가 모두 임상에서 사용되는 것이 아니라, 실제로 의사들이 쓰는 몇 개의 핵심 도구로 수렴하는 선택과 집중이 일어나기 시작했다.
