스페인 의사 국가고시가 검증한 AI: 의료 AI의 미래를 조망하다

스페인 의사 국가고시(MIR)를 활용한 22개 LLM의 성능 비교 연구 결과, 특수 목적 모델의 우수성과 의료 AI의 미래, 그리고 윤리적 고려 사항을 분석했습니다.

최근 스페인 의사 국가고시(MIR) 2024/2025 시험을 활용한 흥미로운 연구 결과가 발표되었습니다. 카를로스 루엔고 베라(Carlos Luengo Vera) 등 7명의 연구진은 22개의 대규모 언어 모델(LLM)을 가지고 MIR 시험의 210개 다지선다형 문제를 풀게 하는 실험을 진행했습니다. 이 시험은 단순 암기 능력뿐만 아니라, 복잡한 임상 문제 해결 능력과 이미지 해석 능력까지 평가하는 까다로운 시험으로 유명합니다.

GPT-4부터 특수 의료 AI까지, 치열한 경쟁

연구에는 GPT-4, Claude, LLaMA, Gemini와 같은 일반 목적 LLM과, 스페인 의료 데이터로 미세 조정된 Miri Pro와 같은 특수 목적 LLM, 그리고 최근 등장한 Deepseek 및 Grok 등이 포함되었습니다. 특히 Deepseek과 Grok은 고급 시각 및 의미 분석 능력이 요구되는 문제에서 주목할 만한 성능을 보여주었습니다.

놀라운 결과: 특수 목적 모델의 압도적 승리

결과는 예상을 뛰어넘었습니다. 일반 목적 LLM도 상당한 성능을 보였지만, 특수 목적 모델, 특히 의료 데이터로 미세 조정된 모델이 훨씬 높은 정확도를 기록했습니다. 이는 의료 분야와 같은 특정 도메인에서는 전문적인 지식과 데이터로 미세 조정된 모델이 필수적임을 보여주는 강력한 증거입니다. 흥미로운 점은 2024년 시험과 2025년 시험 간의 성능 차이입니다. 2025년 시험은 암기 위주의 문제를 줄이고 사고력을 중시하는 방향으로 개편되었는데, 이에 따라 LLM의 성능이 다소 감소했습니다. 이는 단순 암기 기반의 AI 모델의 한계를 보여주는 동시에, 진정한 '의학적 추론' 능력을 갖춘 AI 모델 개발의 필요성을 시사합니다.

미래를 향한 시선: 의료 AI의 윤리적 통합

이 연구는 의료 AI의 잠재력과 동시에 그 한계를 명확히 보여줍니다. 특수 목적 모델의 우수한 성능은 의료 분야에서 AI의 적용 가능성을 높여줍니다. 하지만 동시에, AI가 의료 교육, 훈련, 그리고 임상 의사 결정 과정에 통합될 때, 윤리적인 고려와 맥락에 맞는 판단이 필수적임을 강조합니다. 인간 의사의 역할을 대체하는 것이 아니라, 의사의 판단을 보조하고 의료 서비스의 질을 높이는 데 AI를 활용하는 전략이 필요합니다. 이 연구는 의료 AI의 발전 방향을 제시하는 중요한 이정표가 될 것입니다. 앞으로 더욱 발전된 의료 AI 모델의 등장과 그에 따른 윤리적 논의가 활발하게 이루어질 것으로 예상됩니다.