“‘AI-ready 데이터’ 구축 필수”…한의학 AI 전환 전략 제시

[한의신문] 경기도한의사회(회장 이용호·이하 경기지부)가 8일 경기지부 회관과 온라인으로 동시 진행한 ‘2025 경기도 한의약 리더십 최고위과정’ 네 번째 강의에서 한의학의 AI 전환의 핵심 과제로 ‘AI-ready 데이터’가 제시됐다.

이날 ‘한의사가 알아야 할 인공지능 필수 트렌드’를 주제로 강연에 나선 이상훈 한국한의학연구원 책임연구원은 인공지능의 원리부터 의료영상·병리 AI의 성공과 실패, 변증·설진 AI까지 최신 흐름을 짚으며 “한의학이 AI 시대에 경쟁력을 갖추기 위해선 주관적 문장 중심의 차트에서 벗어나 원본 데이터 기반의 표준화된 디지털 환경을 구축해야 한다”고 강조했다.

이 연구원은 ‘차트 기반 AI’ 모델의 실효성 문제부터 지적했다. 중국 중의계의 경우 10여 년 전부터 진료기록 텍스트 마이닝으로 AI 진단·처방 시스템을 개발했지만, 실제 임상에서는 큰 성과를 거두지 못했다는 것.

이 연구원은 “여러 한의사의 차트 취합 시 개인 고유의 변증 패턴은 사라지고, 교과서적 공통분모만 남는다”면서 “실제 임상에서 필요한 미묘한 변별력은 현재 AI가 학습할 수 없다”고 밝혔다.

또한 한의사가 처방을 먼저 결정한 뒤 필요한 소견만 선택적으로 기록하는 차트 구조의 문제점을 지적한 이 연구원은 △처방을 정당화하는 정보만 기록되는 현상 △불리하거나 애매한 정보의 누락 △치료 후 반응·부작용 등 결과 데이터의 부족 등을 예로 들면서, “이런 데이터로 학습할 경우 AI는 환자 상태의 변화를 이해하지 못한 채 ‘의사의 의식 흐름’만 모방하게 된다”고 설명했다.

■ 영상의학은 성공하고, 병리학 AI는 왜 막히나?

이 연구원은 의료 분야에서 AI의 성공과 실패를 가르는 핵심 요인으로 ‘정답셋(gold standard)’과 ‘데이터 표준화’를 꼽았다.

그는 영상의학 분야를 예로 들며 △획득 장비·포맷(DICOM)의 표준화 △높은 판독 합의도 △원본 신호가 손상 없이 그대로 입력되는 구조 덕분에 X-ray·CT·MRI 판독에서 이미 여러 국가가 ‘AI 판독+의사 검수’ 체계에 별도 수가를 책정하고 있다고 밝혔다.

반면 병리학 AI의 경우 조직 채취·염색·판독 과정에서 병원 간 편차가 크고, 병리 전문의 간 합의율도 낮다는 점을 지적하며 “이같은 구조적 한계는 한의학의 변증 체계에서 나타나는 문제와 본질적으로 동일하다”고 말했다.

■ AI-ready 데이터 4대 조건…“한의학이 먼저 디지털 기반을 바꿔야”

이 연구원은 최근 의생명·산업계에서 주목하고 있는 ‘AI-ready 데이터’ 개념을 한의학에 직접 적용한 사례를 소개하며, “이처럼 주관적 문진과 요약 문장 중심의 차트로는 AI가 제대로 학습할 수 없는 만큼 진료실에서 발생하는 원소스 데이터가 자동으로 저장되는 시스템이 필요하다”고 강조했다.

그는 ‘AI-ready 데이터’의 조건으로 △원본 신호(raw data) 보존 △기기·포맷의 표준화 △측정·해석 SOP의 일관성 확보 △메타데이터(출처·조건)의 완전 보존 등을 제시했다.

이어 그는 국제표준화기구(ISO) TC249 사례를 언급하며 “표준을 먼저 만드는 쪽이 시장을 지배한다”며 “한의학도 지금부터 데이터 표준화에 적극 나서야 한다”고 강조했다.

이와 함께 생성형 AI와 대규모언어모델(LLM)의 임베딩 원리에 대해 소개한 이 연구원은 변증과 양방 진단을 연결하는 새로운 접근 방식으로 △파킨슨병의 생물학적 기전 도출 △각 기전에 대응하는 변증 유형 매핑 △변증 기반의 맞춤 처방 도출 사례 등을 제시했다.

그는 “한 번에 관련 처방 5개를 묻는 것보다는, ‘기전→변증→처방’처럼 단계별로 질문할 경우 훨씬 정교한 결과가 나온다”며 “LLM은 어디까지나 확률적 통계를 생성하는 모델인 만큼, 최종 임상 판단은 반드시 한의사가 내려야 한다”고 조언했다.

■ 1만3000명 코호트 구축…“한의학도 Reference 만들어야”

이 연구원은 한국한의학연구원이 전국 5개 한방병원에서 약 1만3000명을 대상으로 72개 생체지표를 수집해 구축한 대규모 코호트를 기반으로 성·연령별 ‘설진’ AI 모델을 개발한 사례를 소개한 데 이어 최근 의학과 컴퓨터과학 분야에서 주목받는 ‘증상 네트워크’ 연구가 한의학의 진단 체계와도 맞닿아 있다고 설명했다.

이 연구원은 △코모비디티(동반질환) 환자군에서 공통적으로 나타나는 손상 유전자 도출 △해당 패스웨이가 형성하는 증상 클러스터 분석을 기반으로 한 ‘변증 AI’ 개념을 제시하며 “결국 한의학의 변증은 유전자–대사경로–증상 네트워크가 만들어내는 현상의 전통적 표현이며, 이는 현대 과학이 한의학을 수학적으로 설명하기 시작한 것”이라고 설명했다.

아울러 “AI 시대, 의료 생태계에서 한의사의 위치를 어떻게 확보할 것인지가 본질적인 질문으로, AI로 대체할 수 없는 분야 즉, 환자가 말하지 않은 고통을 읽어내는 능력, 삶의 맥락을 이해하는 진료역량을 강화하는 것이 한의사의 미래 경쟁력”이라면서 한의계 차원의 데이터 표준화와 AI 인프라 구축의 중요성을 거듭 강조했다.