연구논문 2026-05-01 중급

Google DeepMind, 'AI 코-임상의' 연구 공개 — Gemini·Astra로 의사 보조 영상·음성 에이전트 시험

Google DeepMind, ‘AI 코-임상의’ 연구 공개 — Gemini·Astra로 의사 보조 영상·음성 에이전트 시험

이 글에 포함된 정보 중 일부 임상 평가 수치는 Google DeepMind 1차 출처(공식 블로그)에 의존한다. 동료 평가 논문이 아직 일반 공개되지 않았으므로, 후속 보도와 논문 공개에 따라 세부 수치가 달라질 수 있다.

Google DeepMind가 4월 30일 ‘AI 코-임상의(co-clinician)’ 연구 이니셔티브를 공개했다. 의사 한 명을 다른 AI가 단순 보조하는 그림이 아니라, 환자-AI-의사 3자가 한 케어 팀처럼 움직이는 ‘triadic care’를 가설로 잡았다는 게 핵심이다. AI는 의사의 임상 권한 아래에서 환자와 직접 상호작용하고, 의사는 그 위에서 결정 책임을 진다.

기술 기반은 Gemini와 Project Astra다. 텍스트 모델만으로는 다루기 어려운 실시간 음성·영상 인터랙션을 같은 시스템에서 처리한다는 점에서, 멀티모달 모델 구조와 에이전트형 AI 패턴을 결합했다. DeepMind 본문은 시연 사례로 “환자가 신체 검사(예: 림프절 자가 촉진)를 따라 하는 동안 AI가 카메라로 자세를 보고 단계별로 안내하는 흐름”을 든다.

어디서 누구와 시험하는가

DeepMind는 단계별 접근을 잡고 있다고 밝혔고, 협력 기관을 글로벌 분산으로 구성했다.

flowchart LR
  A[Patient]
  B[AI Co-Clinician<br/>Gemini + Astra]
  C[Physician]
  A -- 음성·영상 인터랙션 --> B
  B -- 정리·근거 합성 --> C
  C -- 임상 판단·승인 --> A
  C -. 권한·감독 .-> B

연구 대상 지역은 미국, 인도, 호주, 뉴질랜드, 싱가포르, UAE다. 단일 의료체계가 아닌 다양한 1차 진료 환경에서 검증하겠다는 의도가 읽힌다.

긍정적 관점 — ‘근거 합성’ 도구 대비 더 나은 응답을 의사들이 선호

긍정적으로 평가하는 입장은 같은 발표 본문에서 인용한 평가 결과에 근거한다. DeepMind는 맹검 평가(blind head-to-head)에서 의사들이 AI 코-임상의의 응답을 “현재 의사들이 널리 쓰는 두 개의 AI 시스템”보다 일관되게 선호했다고 밝혔다. 또 98건의 1차 진료 쿼리에 대한 객관적 분석에서 97건은 임계 오류가 0건이었다고 적었다. 이 수치가 후속 논문으로 재현되면, 단순 챗봇 형태가 아니라 멀티모달·임상 통합 환경에서 어떤 차이가 나는지를 보여주는 첫 정량 결과가 된다.

또 다른 긍정 논점은 “지역 격차” 측면이다. DeepMind는 협력 기관을 미국 외 지역까지 균형 있게 배치하면서, 1차 진료 접근성이 낮은 환경에서 AI가 보조 역할을 할 수 있을지 조기에 검증하려는 의도를 밝혔다. 이는 같은 시기 Anthropic의 Claude for Healthcare 같은 발표가 주로 북미 의료 환경 중심이었던 점과 대비된다.

부정적 관점·우려 — 단일 출처, 임상 권한, 책임 소재

우려는 세 갈래다. 첫째, 평가 결과의 단일 출처 의존이다. 이번 발표 본문 외에는 동료 평가 논문이나 외부 임상 데이터로 교차 확인된 자료가 아직 없다. 의료 분야는 임계 오류가 한 건만 일어나도 환자 안전과 직결되므로, “97/98 건 임계 오류 0”이라는 결과는 별도 외부 검증을 거쳐야 의미를 가진다.

둘째, ‘임상 권한 아래(under expert clinical supervision)‘라는 표현의 운영적 의미다. 실제 진료 흐름에서 의사가 AI의 응답·요약·진단 보조를 어디까지 검토할 시간이 있는지, AI가 잘못된 지침을 줬을 때 책임 소재가 어떻게 정리되는지는 의료법·의료기기 인증 차원에서 별도 정리가 필요하다. DeepMind는 이번 발표에서 임상 권한 모델을 가설 단계로 제시했을 뿐, 규제 승인·인증 경로에 대해서는 별도 언급을 하지 않았다.

셋째, 환자 데이터 처리다. 영상·음성 기반 인터랙션은 텍스트보다 식별 가능성이 훨씬 높은 데이터 형태다. 협력 기관별로 각 국가의 의료 데이터 규제(미국 HIPAA, EU GDPR/AI Act, 한국 개인정보보호법·의료법)를 어떻게 만족시킬지가 본격 임상 시험 단계의 첫 관문이 된다.

전망 — 다음 6~12개월 체크포인트

단기적으로는 ① 동료 평가 논문 공개 시점, ② 협력 6개국 중 어느 환경에서 첫 임상 시험이 시작되는지, ③ 미국 FDA·인도 CDSCO 등 규제기관과의 협의 진척이 핵심 체크포인트다. 중장기로는 한국 식약처가 ‘AI 의료기기’ 트랙에서 멀티모달·실시간 인터랙션 형태를 어떻게 다룰지가 한국 도입의 결정적 변수가 된다. 같은 시기(4월 30일) 한국 보건복지부가 ‘AI 기본의료 정책 간담회’를 열었던 점과 함께 보면, 글로벌·국내가 동시에 같은 질문(AI를 1차 진료에 어떻게 안전하게 들여올 것인가)을 다른 방식으로 정리하기 시작했음을 알 수 있다.

출처 및 참고 자료

AI co-clinician: researching the path toward AI-augmented care — Google DeepMind, 2026-04-30