약물도 치료 계획도, AI가 "준비 작업"하는 시대에 — 암 의료 현장에서 일어나고 있는 일

약물도 치료 계획도, AI가 "준비 작업"하는 시대에 — 암 의료 현장에서 일어나고 있는 일

AI라는 말을 들으면, 당신은 무엇을 떠올릴까요? 편리함, 효율성, 미래감——동시에, 정체를 알 수 없는 두려움이나 사회를 흔드는 위험도 스쳐 지나갈 것입니다. 실제로 생성 AI가 급속히 보급된 이후, 여론에는 "기대보다 불안"이 뿌리 깊습니다. 무기 전용, 허위 정보, 프라이버시 침해, 고용 대체. 이러한 우려는 결코 과장이 아니며, 현실의 사건으로도 쌓이고 있습니다.


그러나 같은 AI가, 전혀 다른 장소에서 "사람을 돕기 위한 가속 장치"로서 작동하고 있습니다. 무대는 암 의료입니다. 화려한 데모나 화려한 선전보다도, 의료의 진흙투성이 현장에서, 의사·연구자의 "시간이 부족하다" "인력이 부족하다" "수작업이 너무 많다"는 비명을, AI가 조금씩 흡수하기 시작하고 있습니다.


1) 신약 개발의 입구에서, AI가 "발견"

암 치료의 신약, 특히 항체 약은 "당첨을 뽑을 때까지"의 여정이 깁니다. 표적(타겟)을 찾고, 후보 분자를 만들고, 효과가 있는지를 확인하고, 임상 시험까지 진행합니다. 그 사이에 막대한 시행착오가 필요합니다.


기사에서는 GV20 Therapeutics가 AI를 사용하여, 면역 체크포인트 IGSF8을 표적으로 한 항체 약 후보 GV20-0251을 발견하고, 표준 치료가 다한 진행성 고형암 환자를 대상으로 한 제I상 시험에서 투여한 사례를 소개하고 있습니다. 종양 축소나 병세 안정이 보인 환자가 있었다는 "초기의 손응"이 나타납니다.


여기서 중요한 것은, "AI가 제로에서 마법의 약을 설계했다"는 이야기가 아니라는 점입니다. 기사 내의 설명은 오히려 반대로, AI는 환자의 종양 데이터를 분석하고, 체내에서 실제로 발생했던 "저항하는 면역 세포"가 가진 항체를 찾아내는 역할을 맡습니다. 즉 AI는, 자연적으로 일어났던 "싸움의 흔적"을 발견하고, 재사용하기 쉬운 형태로 정리하는, 우수한 스카우트와 같은 존재로 그려집니다.


신약 개발의 세계에서는, 이러한 "AI로 탐색→임상으로"의 흐름은 상징적입니다. 표적 IGSF8 자체의 연구나, GV20-0251의 시험 정보도 외부에서 보고되고 있으며, 기사가 소개하는 "AI가 임상을 추진한다"는 견해는, 단순한 기대론만은 아닙니다.


2) 방사선 치료에서, AI가 "준비 작업"

암 치료의 또 다른 기둥, 방사선 치료. 여기서도 AI는, 눈에 띄지 않지만 매우 효과적인 형태로 들어갑니다.


방사선 치료는, 종양에 최대한의 선량을 맞추면서, 주변의 정상 장기에 대한 피폭을 피하는 "정밀 작업"입니다. 그 정밀함을 지탱하는 첫 번째 과정이, CT 이미지를 바탕으로 종양과 장기를 윤곽으로 구분하여, 3D 해부 지도를 만드는 작업(오토 세그멘테이션/자동 윤곽 추출)입니다. 기존에는 의료진이 수백 장의 이미지 슬라이스에 대해, 장기별로 손으로 선을 그어 왔습니다. 시간이 걸릴 뿐만 아니라, 의사마다 차이도 쉽게 발생합니다. 여기서 AI가 윤곽 작성을 보조·자동화하여, 부담 경감과 표준화를 목표로 합니다.


"AI로 시간이 절약된다"고 들으면 가볍게 느껴질지도 모릅니다. 그러나 의료에서는, 그 "절약된 시간"이 환자 설명이나 의사 결정 지원, 안전 확인으로 돌아갑니다. 치료의 질과 안전성에 직결되는 시간입니다.


3) 회신 지옥을, AI가 "초안"으로 구하다

암 진료는, 치료 그 자체로 끝나지 않습니다. 환자로부터의 문의, 증상 상담, 약 복용 방법, 검사 결과의 불안…… 메시지 대응만으로도 의료진이 소진될 수 있습니다.


기사에서는, 어느 대규모 시설에서 방사선 종양과에 매일 대량의 환자 메시지가 도착하고, 회신에 24~48시간이 걸리는 상황이 소개됩니다. 여기서 AI에 회신의 초안을 작성하게 하고, 의사가 확인하여 보내는 운영을 도입. 1건당 몇 분의 단축이라도, 건수가 방대하다면 비용과 부담이 크게 줄어듭니다.


이러한 시스템은 "의사가 AI로 대체된다"는 이야기가 아니라, "의사가 쓰기 전의 백지를, AI가 채워준다"는 이야기와 가깝습니다. 백지에서 문장을 만드는 것보다, 초안을 안전하게 수정하는 것이 빠릅니다. 그리고 빨라질수록, 환자는 빨리 안심할 수 있습니다.


4) "발견하는" 의료로: 합병증을 찾아내는 AI

의료 기록은 두껍습니다. 한 사람의 환자에게 방대한 임상 기록이 연결되어 있으며, 복잡한 합병증이나 부작용은, 체크란 하나로는 정리할 수 없습니다. 과거에는, 특정 합병증 환자를 추출하는 것만으로, 의사가 수천 페이지의 기록을 읽고, 1년 걸려 "정답 데이터"를 만드는 경우도 있었다고 합니다. 기사는, 유사한 작업을 특화 AI가 단시간에 처리하고, 경우에 따라서는 기존의 인력 데이터보다 정확했을 가능성에 대해 언급하고 있습니다.


여기서 보이는 것은, AI의 역할이 "진단을 내리는 존재"가 아니라, "놓침을 줄이고, 발견을 늘리는 존재"로 기울고 있다는 것입니다. 인간이 "판단"하기 전 단계에서, 정보를 발굴합니다. 의료 현장에 있어, 이는 강력합니다.


5) 그래도 남는 벽: "블랙박스"와 신뢰

물론, AI가 의료에 들어가면 모든 것이 해결——은 아닙니다. 기사가 반복해서 강조하는 것은, 의료는 규제가 엄격하고, FDA의 승인 등 절차의 벽이 높다는 것, 그리고 무엇보다 "왜 그 결론에 이르렀는가"가 설명할 수 없는 블랙박스성이 신뢰를 잃을 수 있는 점입니다.


AI는 보상 설계에 따라 학습하고, 때로는 "잘 보이게" 최적화하는 위험도 있습니다. 의료에서는, 그 "잘 보이게"가 치명상이 될 수 있습니다. 그렇기 때문에, AI의 출력을 그대로 받아들이지 않고, 의료진이 확인하고, 책임을 지는 형태로의 협력이 현실적인 타협점이 됩니다.


SNS의 반응 (실제 게시물에서 보이는 경향을 요약)

이 기사의 테마에 가까운 주제 (RadOnc-GPT, 방사선 치료의 AI, GV20-0251/IGSF8 등)에 대해, SNS에서는 크게 나누어 다음과 같은 반응이 두드러집니다.

 


A. "이것이야말로 원하던 AI"파 (의료진의 부담 경감에 기대)

방사선 치료 영역의 LLM이나 자동화에 대한 게시물에서는, "정확도와 속도가 양립한다면, 현장은 구원받을 것이다"라는 톤이 많습니다. 특히, 환자 메시지의 초안 작성이나, 기록에서의 결과 추출과 같은 "시간을 빼앗는 잡무"에 AI를 적용하는 발상은 호의적으로 받아들여지기 쉽습니다.


B. "대단하지만 무섭다"파 (설명 가능성·책임·의료 안전)

한편으로, "정확할 때는 대단하지만, 틀렸을 때의 책임은 누가 질 것인가" "의료 데이터의 처리는 정말 괜찮은가" "결론의 근거를 추적할 수 없는 것은 곤란하다"는 신중론도 뿌리 깊습니다. 이는 의료에 국한되지 않고 AI 전반에 대한 불신과 연결되어 있습니다.


C. 신약 개발계는 "임상 데이터 대기"파 (냉정하게 평가)

GV20-0251과 같은 AI 활용 신약 개발의 주제에서는, 기업이나 연구자의 발신 (ASCO에서의 발표 공지, 시험 진행 상황 등)에 대해, "재미있다" "신규 표적이 뜨겁다"며 흥미를 보이는 한편, 투자·연구 커뮤니티에서는 "제I상은 안전성 중심. 진가는 이제부터"라는 냉정한 시각도 많습니다.


D. 현장 중심 커뮤니티는 "실행이 어렵다"파 (운영·데이터·책임 분계)

Reddit 등의 기술·의료계 커뮤니티에서는, 오토 세그멘테이션은 "이미 큰 영역"이면서도, 실운영에는 데이터 정비, 시설별 차이, 품질 보증(QA), 벤더 선정 등 과제가 산적하다는 "현실의 목소리"가 많습니다.


요약: AI는 "주역"이 아니라, 의료의 공동 작업자로

이 기사가 흥미로운 점은, AI를 만능의 영웅으로 그리지 않고, 오히려 "번거롭고 시간이 걸리는 전 단계"를 조용히 대신하는 존재로 그린다는 점입니다. 신약 탐색, 윤곽 작성, 회신 초안, 기록 발굴. 모두 "인간의 판단" 전에 있는, 방대한 작업입니다.


의료의 미래는, 아마도 "AI가 의사를 대체한다"보다, "AI가 의사의 시간을 되찾는다"는 방향으로 나아갈 것입니다. 이를 위해 필요한 것은, 설명 가능성, 규제 대응, 그리고 "사람이 책임질 수 있는 설계"——즉 협력의 형태를 만드는 것입니다.


출처 URL

관련 기사