DeepMind AI 공동 임상의: 98개 일차 진료 쿼리 블라인드 평가에서 의사들이 도구보다 선호, 97/98 사례에서 심각한 오류 제로

Google DeepMind는 2026년 4월 30일 AI 공동 임상의 연구 이니셔티브를 공식 발표했습니다. 저자들은 이를 “삼자 케어” — AI 에이전트가 환자의 의사의 임상적 권한 아래 케어 과정에서 환자를 지원하는 패러다임 — 로 설명합니다. 아이디어는 의료팀의 도달 범위를 확장하면서 동시에 의사가 결정에 대한 판단과 통제를 유지하도록 보장하는 것입니다. 이 이니셔티브는 MedPaLM(의학 지식 테스트) 및 AMIE(실현 가능성 연구에서 환자와의 시뮬레이션된 의료 상담)에 관한 DeepMind의 이전 연구를 기반으로 합니다.

삼자 케어는 실제로 무엇을 의미합니까?

삼자 케어는 환자-의사-AI 에이전트 삼자 구조로, AI가 의사의 대체자가 아닌 “필드의 새로운 팀원”으로 참여합니다. 의학은 항상 팀 스포츠였다고 저자 Alan Karthikesalingam, Vivek Natarajan, Pushmeet Kohli는 주장합니다 — AI 에이전트는 임상의가 의료 책임을 유지하면서도 팀에 더 많은 구성원을 데려올 수 있습니다. 시스템은 의사 지원(clinician-facing)과 환자와의 소통(patient-facing) 두 가지 독립적인 방향으로 설계되고 테스트되었습니다.

저자들은 답변 품질을 어떻게 측정했습니까?

DeepMind는 학술 의사들과 함께 NOHARM 프레임워크를 적응시켰습니다. 이는 “commission error”(잘못된 정보)와 “omission error”(중요한 정보 누락)를 별도로 측정하는 접근법입니다. 블라인드 일대일 평가에서 의사들은 AI 공동 임상의의 답변을 주요 증거 합성 도구보다 일관되게 선호했습니다. 98개의 현실적인 일차 진료 쿼리에 대한 객관적 분석에서 시스템은 97건에서 심각한 오류를 기록하지 않았으며, 이는 의사들이 실무에서 광범위하게 사용하는 두 가지 AI 시스템 대비 개선을 나타냅니다.

쿼리 품질과 방법론은 어떻습니까?

연구는 다양한 출처에서 수집되고 의사 패널이 후에 정제한 98개의 현실적인 일차 진료 쿼리를 사용한 블라인드 비교를 활용했습니다. 다단계 반복 과정에는 배경 연구와 각 쿼리에 특정한 지표 개발이 포함되었으며, 이를 통해 합의된 omission 및 commission 오류의 정밀 측정이 가능했습니다. 목표는 평가가 단순화된 사례에서 시스템을 테스트하는 것이 아니라 실제 임상적 의사 결정의 복잡성을 반영하도록 하는 것이었습니다.

이것이 왜 전환점입니까?

지금까지 대부분의 의학 AI 결과는 시험 문제나 시뮬레이션된 상담 모드에서 이루어졌습니다. 공동 임상의는 처음으로 의사가 권한을 유지하고 AI 에이전트가 그 옆에서 기능하는 클리닉의 구성 요소로 자리 잡습니다 — DeepMind는 이것을 임상 채택의 전제 조건으로 간주합니다. 세계보건기구가 2030년까지 1,000만 명 이상으로 추정하는 세계적인 의료 인력 부족은 이런 종류의 확장을 경제적으로 필요하게 만들고, 평가 결과는 AI가 더 이상 의학 지식 테스트를 보완하는 단순한 보조자가 아님을 시사합니다.