AI는 유방암 검진을 어디까지 변화시킬 것인가 - "놓친 후"를 줄이는 새로운 시대의 시작

유방암은 여전히 전 세계에서 가장 많이 진단되는 여성 암 중 하나이다. WHO에 따르면, 2022년에는 전 세계에서 약 230만 명이 유방암 진단을 받았고, 약 67만 명이 사망했다. 게다가 환자의 약 절반은 성별과 연령 이외에 명확한 위험 요인이 없다고 한다. 즉, 가족력이 없고 생활 습관에 큰 문제가 없는 사람도 걸릴 수 있는 병이라는 것이다. 그렇기 때문에 조기 발견의 정확성을 어떻게 높일 것인가는 여전히 각국의 의료 현장에서 큰 과제가 되고 있다.

그 과제에 대해 AI가 "이상을 찾는 도구"에서 "미래의 위험을 읽는 도구"로 진화하고 있다. 이번에 주목받고 있는 것은 호주에서 개발된 유방암 검진 AI "BRAIx"이다. 공개 보도와 연구 기관의 발표에 따르면, 이 AI는 맘모그래피 이미지를 기반으로 0~99.9의 위험 점수를 산출하여 여성이 향후 4년 이내에 유방암에 걸릴 가능성을 예측한다. 연구에서는 고위험 상위 2%에 속한 여성 중 약 10%가 검진 당시 "이상 없음"으로 판정되었음에도 불구하고, 그 후 4년 이내에 유방암 진단을 받았다. 게다가 이 예측은 연령, 가족력, 유방 밀도와 같은 기존 지표보다 높은 성능을 보였다고 한다.

여기서 중요한 점은 AI가 단순히 "종양 같은 그림자"를 찾는 것만이 아니라는 점이다. 기존의 판독은 현재 찍힌 이미지에 명확한 이상이 있는지를 판단하는 작업이었다. 그러나 BRAIx는 이미지 속에서 인간의 눈으로는 포착할 수 없는 미세한 패턴을 찾아내고, "장래에 암이 나타날 가능성"까지 포함하여 평가하려 하고 있다. 연구팀은 AI가 픽셀 수준에서 정보를 다룸으로써, 특히 고밀도 유방처럼 구별하기 어려운 경우에도 유효성을 발휘할 수 있다고 설명하고 있다. 유방이 고밀도일 경우, 유방 조직도 종양도 희미하게 나타나기 때문에 기존의 맘모그래피에서는 놓치기 쉬운 환경이 되기 쉽다. 거기에 AI가 새로운 보조선을 그리려 하고 있는 것이다.

이 흐름은 단독의 화제가 아니다. 독일의 대규모 구현 연구에서는 AI 지원에 의한 이중 판독이 기존의 이중 판독과 비교하여 유방암 검출률을 17.6% 높이고, 재검사의 호출 비율을 악화시키지 않았다고 보고되었다. 다른 보도에서는 AI 활용으로 인해 나중에 발견되는 "간격 암"의 비율이 감소했다고 하는 연구도 전해지고 있다. 즉, AI는 이론상의 미래 기술이 아니라, 이미 "검진 정확도를 개선할 수 있는 가능성이 있는 실무 도구"로서 평가 단계에 들어가고 있다.

한편, AI가 주목받는 배경에는 검진 체제 자체의 한계도 있다. 호주에서는 BreastScreen Australia가 오랜 기간 유방암 사망률 감소에 기여해 왔지만, 여전히 참여율이 충분히 높다고는 할 수 없다. 게다가 제도로서는 일정 연령층을 대상으로 한 "획일적인 간격"으로의 검진이 기본이며, 개개인의 장래 위험에 따라 유연하게 검진 빈도를 바꾸는 시스템은 확산되지 않고 있다. 연구팀과 관련 전문가들이 강조하는 것은 AI를 사용하면 "고위험자는 더 자주", "저위험자는 더 적은 부담으로"라는 개별화 검진에 가까워질 가능성이 있다는 점이다.

이 "개별화"는 환자에게 단순히 편리한 것만이 아니다. 고위험자의 누락을 줄일 수 있다면, 치료 시작을 앞당길 수 있다. 반대로 저위험자에게 불필요한 추가 검사를 반복하지 않으면, 심리적 부담과 의료 비용도 줄일 수 있다. AI 연구의 진정한 가치는 의사를 대체하는 것이 아니라, 제한된 의료 자원을 어디에 우선 배분해야 할지를 가시화하는 데 있다. 고령화로 인해 영상 진단의 수요가 증가하는 한편, 방사선과 의사의 부담은 각국에서 높아지고 있으며, AI는 "인력 부족을 메우는 마법"이 아니라 "전문가의 판단을 더 중요한 곳에 집중시키는 보조 장치"로 기대되고 있다.

실제로 공개 SNS에서도 환영 분위기가 강하다. LinkedIn에서는 암 연구와 의료 혁신에 관련된 조직 및 연구자의 게시물에 대해 "중요한 작업이다", "큰 진전이다", "의료 현장에 구현되었으면 좋겠다"는 긍정적인 댓글이 이어지고 있다. VCCC Alliance의 게시물에는 연구를 칭찬하는 댓글이 여러 개 달렸고, 관련 연구자와 의료 관계자들도 "영향력이 큰 성과"라고 반응했다. AIML 관련 게시물에서도 "AI는 의사를 대체하는 것이 아니라, 두 번째 눈으로 기능한다"는 표현이 두드러진다. SNS 상의 열기를 보면, 이 주제가 단순한 기술 뉴스가 아니라, 의료 현장의 절실한 과제와 연결된 화제로 받아들여지고 있음을 알 수 있다.

그러나 반응은 전면적인 찬사만 있는 것은 아니다. 전문가 의견이나 관련 보도에서는 "유망하지만, 일상 진료에 통합하려면 추가 검증이 필요하다"는 신중한 자세도 일관되고 있다. 스페인의 Science Media Centre에서 소개된 전문가 견해에서는 이 연구가 대규모이고 방법론적으로 강한 반면, BRCA 변이 보유자와의 비교는 "4년이라는 기간에 한정된 위험"으로 읽어야 하며, 평생 위험과 동일시해서는 안 된다고 지적했다. 다른 보도에서도 단일 시설이나 특정 집단에서의 성과를 그대로 일반화하는 것에는 주의가 필요하다고 한다. AI가 고정밀도라도, 그것이 즉시 모든 지역, 모든 인종, 모든 제도에서 동일하게 기능한다고는 할 수 없다.

더욱이 잊어서는 안 되는 것은 AI는 "진단의 최종 책임"을 맡는 존재가 아니라는 점이다. ABC의 보도에서도 연구 측은 인간 방사선과 의사의 최종 감독이 필요하다고 명확히 하고 있다. 실제로 환자의 상태, 과거 병력, 촉진 소견, 본인의 불안, 추가 검사 판단, 치료 연결과 같은 문맥은 이미지로만 완결되지 않는다. 최근에는 AI에 의료 상담을 지나치게 맡기는 것에 대한 경고도 나오고 있으며, 유방암처럼 대응 지연이 치명적일 수 있는 병에서는 자기 판단을 보강하기 위한 AI 이용에는 특히 신중함이 요구된다. AI는 똑똑하지만, 환자를 보는 것은 아직 인간이다. 이 당연한 원칙은 기술이 발전해도 변하지 않는다.

그럼에도 불구하고, 이번 연구가 보여준 의미는 크다. 유방암 검진은 오랫동안 "일정 연령이 되면, 일정 간격으로 받는 것"이라는 설계로 운영되어 왔다. 하지만 앞으로는 "같은 50대라도, 같은 빈도로 정말 괜찮은가", "40대라도 고위험이면, 더 빨리 개입해야 하지 않는가"라는 발상이 주류가 될지도 모른다. 연구팀은 장래에 연령 기준뿐만 아니라 개인 위험에 따른 검진 체제를 구상하고 있다. 만약 구현이 진행된다면, 유방암 검진은 "연령으로 선을 긋는 체계"에서 "이미지와 데이터로 한 사람 한 사람에 맞추는 체계"로 전환될 가능성이 있다.

유방암 의료에서 정말로 무서운 것은 보이는 이상 그 자체만이 아니다. 검진에서 "괜찮다"고 들은 후에 진행되는 그 공백의 시간이다. AI가 바꾸려는 것은 바로 그 공백이다. 놓침을 제로로 만드는 것은 어렵더라도, 놓침에 가까워지는 위험을 빨리 알고, 더 빨리 다음 수를 둘 수 있도록 하는 것이다. 그 의미에서 AI는 암을 "찾는 기계"라기보다는 "늦어짐을 줄이기 위한 예측 장치"로서 드디어 본령을 드러내기 시작한 것일지도 모른다.

출처 URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・동일 내용을 다루는 관련 보도（BRAIx의 개요, 4년 이내 위험 예측, 상위 2%의 결과, 연구자 코멘트）
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・학술지의 온라인 선행 게재 정보（논문 제목, 게재일, 연구의 정식 위치）
https://www.thelancet.com/journals/landig/onlinefirst

・연구 기관에 의한 발표（BRAIx의 개발 배경, 약 40만 명 학습・약 9.6만 명 검증・스웨덴 외부 확인, 개별화 검진의 구상）
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・미디어를 위한 과학 정보 요약（연구의 요점, 9.7%라는 상위 2%의 4년 위험, routine care 전에 추가 연구가 필요하다는 정리）
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・WHO의 유방암 팩트 시트（세계의 환자 수・사망 수, 위험 요인, 조기 발견의 중요성）
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・독일의 대규모 구현 연구（AI 지원 판독으로 검출률이 올라가고, 호출 비율을 악화시키지 않았던 사례）
https://www.nature.com/articles/s41591-024-03408-6

・AI 도입에 대한 신중론을 보완하는 보도（AI 지원으로 후발견이 줄어들 가능성이 있는 반면, 추가 검증이 필요하다는 논점）
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・호주의 검진 제도의 기초 정보（BreastScreen Australia의 설명, 대상 연령대의 생각）
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・공개 SNS 반응의 확인 원천1（VCCC Alliance의 LinkedIn 게시물과 댓글）
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・공개 SNS 반응의 확인 원천2（AIML/관련 게시물. AI를 "두 번째 눈"으로 보는 문맥）
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・공개 SNS 반응의 확인 원천3（연구 소개의 LinkedIn 게시물）
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK