AI가 의학, 의료, 약학 분야도 1년 안에 정복할 듯 합니다

 일종의 커밍아웃(?)을 해야겠군요. 제가 여태 제 지인이자 근처에 있다고 하던 의사는 바로 제 아버지였습니다. 제 아버지가 의사였던 덕분에 전 물질적으로 풍족하게 잘 자랄 수 있었고, 또 의사가 바라보는 세상에 대해서 많이 알 수 있었습니다. 다만 주의해야 할 점은 저희 아버지의 시야가 무조건 모든 의사를 대변하지 않는다는 점, 오히려 저희 아버지도 저처럼 상당히 독창적이고 특이한 시각을 가진 부분도 있다는 점을 염두에 두시길 바랍니다.

 제가 절대로 열심히 공부해서 의대간 친구들, 약대간 친구들을 놀리거나 비하하거나 잘못된 선택을 했다고 대안도 없이 욕하려는 것이 절대 아닙니다. 오히려 전 이런 시국에 의대를 간 것이 더더욱 기회라고 생각하는 것이, 지난 칼럼에서 이야기 한 것처럼 젠슨 황 같은 유명한 인터넷 및 프로그래밍 관련 창업자가 생물학이나 인문학을 강조하는 것을 보았을 때 매우 큰 발판일 될 수 있으리라 생각했습니다. 여러분이 의대에 가서 전통적인 역할, 그러니까 그냥 의사 약사 되서 돈을 벌 생각을 하는 것은 다소 위험할 수 있음을 경고하고자 말씀을 드리는 것입니다.

궁금하면 먼저 읽어보시길 추천드립니다

https://orbi.kr/00071521281

 특히 전 의사(내과의사와 외과의사)나 약사 중, 약사 > 내과의사 > 외과의사 순으로 위험하며 빠르게 AI한테 정복당할 것이라고 예쌍하며, 내과의사는 1년이 걸릴 것이고, 외과의사는 1년 이상 걸려서 AI한테 정복당할 것이라고 예측하고 있습니다. 순전히 제 뇌피셜이지만 차분히 제 이야기를 들어봐주시길 바랍니다.

 일단 저희 아버지가 의사인데 보통 의사들은 약사랑 사이가 좋질 않습니다. 여러 이유가 있는데 의약 분업 갈등도 있었고, 서로 이해관계가 충돌하는 포지션이면서도, 의사가 처방전을 내주면 약사가 그걸 바탕으로 약을 주는데, 문제는 의사가 실수로 용량을 막 10배씩 찍어놔도 약사는 그냥 그대로 지어줘도 책임은 의사가 져야 하거든요. 이런 일이 있었던 뉴스에 대해서 댓글에 일반인들이 '약은 약사에게 라는 말이 얼마나 공허하고 허무맹랑한지 알겠다' 고 말하던데 꽤나 공감이 되었습니다.

 결코 약사를 비하하거나 그런 것이 아니지만, 약사가 하는 일은 일반인이 보았을 때는 크게 2가지, 1. 약을 봉투에 담는 것 2. 약을 확인하고 설명을 해주는 것 입니다. 근데 2번의 경우 의무이긴 하지만 약사마다 스타일이 다르고 대충 하는 사람도 있는데 1번은 반드시 해야하는 일이잖아요?

 그래서 예전에 무슨 일이 있었냐면, 보통 약을 조제하고 포장을 하는 곳은 가려져 있으니 거기에 알바생을 두고 약사는 데스크에 나와서 얼굴마담처럼 손님만 봐주다가 걸린 사건이 있었습니다. 상당한 모랄 해저드, 그러니까 직업 윤리를 위반한 꽤 심각한 사건이라고 보지만, 이런 일이 가능하다는 점 자체부터 약사가 얼마나 AI 같이 일반적이고 반복 숙달에 강한 시스템에 취약한지를 보여주는 사례라고 봅니다. 알바생 대신 AI가 약을 조제했다면 오히려 환자들이 좋아할 수도 있지 않겠습니까?

약사에 대해서만 부정적인 것을 이야기하는 것 같아서 일부러 의사에 대해서 부정적인 것도 말씀드리자면, 현재 대부분 의사들은 병원 cctv 설치에 대해서 부정적이고, 사무장 즉 의료기기 관계자가 수술방에 드나들고 집도를 하는 것에 대해서 암묵적으로 용인하는 분위기가 있습니다. 그런 부분에서는 제가 아버지와 서로 입장차가 뚜렷합니다. 저희 아버지가 의사라고 무조건 의사 편을 드는 것이 아님을 일일이 이렇게 설명해야 하니 좀 피곤하군요

https://www.yna.co.kr/view/AKR20180320114200797?input=1195m

 제가 과거 임현서 변호사의 사례를 자주 들면서 GAI를 반드시 구독하라고 몇 번이나 강조한 적이 있었습니다. 저는 지금도 어제도 내일도 GAI를 학습과 연구에 활용하고 있으며, 어려운 논문을 분석하고 번역을 하여 공부를 하거나, 제 아이디어를 좀 더 날카롭게 다듬거나, 제 아이디어와 유사한 사례가 있는지 찾아보는 등 매우 적극적으로 활용을 하고 있습니다. 임현서 변호사 또한 단순 반복 작업에 대해서 생성형 AI를 매우 적극적으로 써서 시간을 극단적으로 단축하고 있습니다.

 GAI는 글, 자연어에 특히 강합니다. 인간의 언어를 능숙하게 잘 하고(비록 사고력이라기 보다는 확률론적으로 말을 이해하지만 어찌 되었든) 입력에 대해서 찰떡같이 이해를 하는데, 글과 문서로 송사를 벌이고 입장을 확인하고 쟁점을 파악하는 변호사의 일은 생성형 AI에 의해 빠르게 대체되거나, 상당히 많은 부분이 협동하는 식으로 발전하고 있습니다. 그래서 아래의 영상에서도 나오지만, 대부분의 로펌에서는 이제 신입 변호사를 뽑지 않기 시작하고 있답니다. 소위 신입 변호사는 문서 가져오고 잡일 하는 시다바리 같은 역할이나 했었는데, 심부름꾼 10명보다 1명의 심부름꾼한테 GAI 2~3개 붙여주니까 훨씬 더 정확하고 빠르게 일을 더 잘 하는데 왜 200~300씩 주고 뽑아야 하느냐는 것이죠.

 기업의 본질은 이윤 추구이고 생산성의 증대이기에 이러한 현상을 절대 비판할 수 없습니다. 뭐 이런 기업에 대해서 세금을 더 걷어서 재교육에 투자를 하던지 아니면 의무적으로 사람을 뽑게 만들던지 인턴 기회를 통해서 경력직으로 발전할 수 있는 교육 투자를 시키던지는 정치와 사회가 알아서 해야 할 부분이고요. 임현서 변호사가 GAI를 매우 생산적으로 활용한다는 소리는 다른 변호사도 가능하다는 소리이고, 결국 수행 비서를 둘 필요 없이 생성형 AI를 통해서 매우 저렴한 비용으로(한달에 약 3만원! 이번에 새로 나온 GPT 끝판왕 유료 버전 조차도 200달러에 불과합니다) 생산성을 크게 높일 수 있었습니다.

어제 우연히 본 영상인데 재밌어서 이번 글을 쓰게 되었습니다

https://www.youtube.com/watch?v=XjB43kPF-_E&list=LL&index=4

 의사의 업무 또한 그다지 창의적이라고 볼 수가 없습니다. 왜냐하면 환자를 보고 증상을 파악한 다음 가능한 경우의 수와 확률을 통해 파악을 하고 적절한 처방을 하는 일련의 process는 과학적이고 합리적으로 오랫동안 연구가 되어왔으며, 이미 알파고 탄생 이전부터 의료 특화 AI가 진료 분야에서 인간 의사를 압도한다는 통계가 나오고 있었습니다.

 제 아버지도 집에서 X선 사진을 유심히 보시는 것을 옆에서 본 적이 있었는데 전 뭔가 의사 눈에는 다르게 특별하게 보이는 줄 알았거든요 필터를 붙인 양. 근데 알고보니 그딴 건 없고 그냥 우리가 보는 것과 동일한 그림을 보되, 약간 흐릿하거나 뭔가 뿌연 이상한 부분을 통해서 종양이라던지 기생충이라던지 아니면 탈장 등의 이상 징후를 확인하더군요. 자연어 처리에 특화된 생성형 AI는 이미 그 정도 그림에 대해서도 상당히 높은 판단력과 해상도를 보여줍니다.

 제가 생각하기에 단지 규제라던지, 사회 전반의 인식의 변화가 아직 성숙하지 못했기에 그 질적인 차이가 적용되지 않고 있는 것이지 이미 기술 자체는 완성되었다고 생각합니다. 극단적으로 아버지에게 전 이런 이야기를 하면서, 챗봇을 이용해서 아버지 대신 아버지가 있는 척 하고 환자를 보는 가상의 병원을 상상해보기도 했습니다. 일반적으로 환자를 엄청 오랫동안 보지 않기에, 일단 말과 행동 표정 등을 수집하여 고통스러워 하는 부분을 수집하고 나서 의학 서적을 입력해준 뒤, 그 의학 서적을 바탕으로 가능한 경우의 수를 뽑아내어 하나씩 검증을 해 나가는 것입니다.

 특히 의료 데이터는, 특히 한국은 국가적으로 통계가 매우 잘 잡혀 있으며 양질의 데이터가 고르게 잘 분포한 훌륭한 표본입니다. 데이터가 정리가 잘 되어 있다는 것은 그냥 그대로 AI한테 집어넣고 돌려서 학습을 시킬 수 있다는 것이고, 통계학적으로 좀 더 과학적이고 정확하게 인간의 직관과 판단력보다 훨씬 뛰어난 성능으로 문제에 다가갈 수 있는 가능성이 있다는 것입니다. 아직 뚜껑을 안 열어봐서 확신은 못하겠는데 전 AI가 지금 당장이라도 인간 의사를 압도할 수 있다는 데에 배팅하겠습니다.

 의사가 오랫동안 공부를 하는 것은 굉장한 창의성을 위한 것이 아니라, 그러한 막대한 데이터를 머리에 엄청나게 집어넣고 환자 경험을 넣어서 새롭고 복합적인 증상을 보이는 어려운 문제를 효과적으로 잘 풀기 위해 훈련을 해야 하는 양이 많기 때문입니다. 뭔가 뛰어난 통찰력과 창의성, 상상력이 월등하게 필요한 직업이 아니라, 일단 당장 머리에 엄청나게 지식을 주입해야 하는 직업입니다. 오히려 의학이야말로 AI가 가장 좋아하며 쉽게 잡아먹을 수 있는 대표적인 분야입니다 다른 분야들보다 데이터 자체가 너무나도 잘 정제가 되어있거든요.

 규제는 단지 거대한 파도, 아니 쓰나미를 막는 임시의 방파제에 불과하다고 생각합니다. 어느 국가에서 규제를 풀었더니 당장 좋은 효과가 나타났더라! 라는 소리가 들리자마자 사회 전반에서 규제를 풀라고, 인간 의사에게 목메지 말고 공익과 공공 전반의 더 큰 이익을 위해서 AI를 적극적으로 의료 분야에도 활용하자는 목소리가 엄청나게 쏟아질 것입니다.

딥시크 충격으로 중국을 얕잡아보던 한국의 위정자들과 정치인들 발등에 불이 떨어졌습니다

https://namu.wiki/w/DeepSeek

 이번에 다들 딥시크라는 중국산 GAI를 보셨는지 모르겠습니다 저도 쓰고 있는데요, 실제로 얘가 화제가 된 것처럼 값 싼 모델의 저렴한 GPU를 써서 효과적이고 효율적인 학습을 통해 높은 차원의 추론을 했는지는 잘 모르겠고 별로 관심도 없습니다. 다만 사용하는 입장에서는 chatGPT o1 등 최신형 인공지능의 답변에 견주어 보아도 무시 못할 답변을 하는 것에 놀라울 따름입니다.

 위에서 공유한 유튜브에서도 교수님이 말씀하시지만, 결국의 창의성과 탐험력, 모험심, 새로운 것을 덜 두려워하고 시도해보고, 독창적인 생각을 끌어내는 능력이 핵심이 될 것이라는 다소 진부한 이야기를 하십니다. 그런데 중요한 것은 결국 그 독창적이고 새로운 생각, 혁신은 경험에서 우러나온다는 것이 옛날부터 전해져온 진리입니다.

 저 또한 많은 구독자분들께서 칭찬을 하시고 호평을 해주시듯이 색다른 시각과 남다른 관점에서 문제를 바라보고, 일반과 다른 독창적인 시각에서 문제를 푸는 경우가 많이 있습니다. 저 또한 마찬가지로 태어날 때부터 무슨 용 비늘을 품고 태어난 것이 아닙니다. 저와 비슷한 코드를 가진 독창적인 인물들이 지은 책, 그들이 한 것과 비슷한 활동 뭐 시시하지만 동아리 창설부터 시작해서 학생회장이나 선생님들과 토론을 해본 경험, 부딪혀보고 논쟁을 해본 것, 여러 시사 프로그램을 통해서 인문학적인 개념을 공부한 것, 그것을 바탕으로 이학에 적용시켜본 것 등이 모두 제 자양분이 되었습니다.

 위에서 언급한 칼럼에서처럼 전 과거에 인문학을 이공계열이 공부한다는 것이 단지 멋 때문인 줄 알았으나, 시간이 흐르고 나서야 깨닫습니다 젊을 때 어릴 때 해두길 잘했었다고. 색다른 경험 남들과 다른 창조적인 결과를 내는 것은 결국 복합적이고 다양한 경험을 서로 다른 맥락과 다양한 조합으로 나열하고 해석함으로써 가능한 것이었습니다.

옛날 책이라서 화질도 엄청 구린데, 이 책의 저자이신 이면우 교수님도 정말 괴짜에다가 독특한 사고방식을 가졌으며, 당시에 나름 난제로 꼽히던 것을 새로운 시각에서 통찰력 있게 잘 풀어낸 에피소드가 있습니다. 저도 이 교수님의 책을 읽고 사고방식을 이해하고 나서야 더욱 독창적인 시각을 가질 수 있었습니다

https://product.kyobobook.co.kr/detail/S000000854201

 좀 진부한 이야기일 수 있겠지만, 과거부터 계속 의대 쏠림 현상에 대해서 경고성 메세지가 나왔었습니다. 과거 서울대 물리학과가 전국 1등이 가던 학과였으나 곧장 무너졌듯이, 조만간 의대도 공고한 그 위치에서 내려오게 될 것이라고요. 그게 불과 제가 딱 재수 입시를 하던 한 5년 전 쯤입니다. 저는 당시 상상력이 부족해서 대체 어떤 강력한 기술이 의대의 공고한 아성을 무너뜨릴 수 있을까 생각하질 못하고 있었는데, 전 AI가 바로 그 주범이 될 것이라고 생각하며 1년 안에 의료 분야 또한 AI에 의해서 전면적인 질서 개편이 일어날 것이라고 보았습니다.

 무조건 의과학자 의공학자를 가라고 막무가내로 말하는 것이 아닙니다. 여러분 각자의 답을 한번 찾아보십시오 저라고 무슨 수가 있겠습니까. 전 나름 생각을 하고 여러 책을 읽다보니, 신경과학 즉 뇌과학이 앞으로의 젠슨 황이 말한 생물학과 일맥상통하고, 특히 물리학이나 인문학 등과 접점이 많은 분야라고 생각하여 이 분야에 투신하기로 마음을 먹었습니다. 워낙에 하고 싶은 것이 많았고 호기심이 많던 제가 특정 분야를 전공하기로 마음 먹은 것은 정말 스스로에게 혁명적인 일입니다.

 실제로 제가 최근 스터디를 하다보면 서울대 의대생이나 성균관대 컴공 및 심리학 복수 전공생 등과 교류를 하는데, 다양한 시각에서 정말 창의적인 아이디어를 많이 주고받게 되고, 정말 뜻밖에도 물리학이나 경제학 등 전혀 예상치 못한 분야의 개념이 자주 등장하여 놀랍기도 하고, 과거 좀 더 공부를 열심히 해둘껄 이라는 후회가 들기도 합니다.

 제가 최근에 스터디 하는 것은 굳이 오르비에다가 공개하고 있지 않고 개인적인 내용이라서 블로그에만 올리고 있는데, 궁금하시면 제 프로필에 올려둔 네이버 블로그 링크로 들어가서 맨 아래에 'BCSC 스터디' 카테고리로 들어가서 몇 개만 훑어보십시오. 물리학과 경제학, 심리학, 컴퓨터공학, 통계학 등 정말 다양한 분야의 내용이 나오고, 모두 독학을 열심히 하고 있습니다.

서울대 뇌과학 동아리 BCSC 라는 항목을 한번 가보세요 시간이 나시면. 굳이 보실 필요는 없습니다

https://blog.naver.com/cognitasapiens

 마지막은 또다시 AI로 마무리를 해보겠습니다. 제가 늘 즐겨쓰는 GAI 하나로 한번 제 글 이 위쪽 부분을 학습시키고 감상평을 받은 뒤에 아래에 붙이고 마치도록 하겠습니다. 감사합니다!

네, 이 글을 세밀하게 분석하고 비평해드리겠습니다.

강점:

1. 통찰력 있는 예측과 분석

- 의료 분야에서 AI 도입의 타임라인을 구체적으로 예측함 (약사 > 내과의사 > 외과의사)

- 한국의 의료 데이터 시스템이 AI 도입에 유리한 조건임을 지적한 점이 날카로움

- 법조계의 AI 활용 사례(임현서 변호사)를 통해 의료계의 변화를 유추한 논리가 설득력 있음

2. 균형 잡힌 시각

- 의사인 아버지를 둔 관점이면서도 객관적 비판을 시도함

- 의료계의 문제점(CCTV 설치 반대, 사무장 병원 등)도 함께 지적

- AI 도입이 불가피한 현실을 인정하면서도 대안을 모색하려 노력함

3. 풍부한 사례 제시

- 개인적 경험, 뉴스 기사, 전문가 의견 등 다양한 출처의 예시를 활용

- DeepSeek 등 최신 AI 기술 동향을 반영

- BCSC 스터디 경험을 통해 융합적 학습의 중요성을 실증적으로 보여줌

개선이 필요한 부분:

1. 논리 전개의 체계성

- 다소 산만한 구성으로 주장이 분산되는 경향이 있음

- 핵심 논지를 더 명확하게 정리할 필요가 있음

- 전반부의 의료계 AI 도입 논의와 후반부의 교육/진로 논의 간 연결성이 다소 약함

2. 예측의 근거

- "1년 안에 정복될 것"이라는 예측의 구체적 근거가 부족

- 기술적 가능성과 사회적 수용성을 좀 더 구분해서 논의할 필요가 있음

- 외과의사가 가장 늦게 대체될 것이라는 예측의 근거도 보강이 필요함

3. 대안 제시

- AI 도입 이후 의료계 종사자들의 구체적인 진로 방향 제시가 부족

- "의과학자, 의공학자가 되라"는 제안 외에 더 다양한 대안이 필요함

- AI와 의료진의 협업 모델에 대한 구체적 비전이 부족

전반적 평가:

의료계에 대한 AI의 영향을 예측하고 이에 대한 준비를 촉구하는 시의성 있는 글입니다. 특히 저자의 독특한 배경(의사 자녀)과 다양한 학문적 관심사를 바탕으로 한 분석이 설득력을 더해줍니다. 다만 논지를 더 체계적으로 정리하고, 예측의 근거를 보강하며, 구체적인 대안을 제시한다면 더 완성도 높은 글이 될 것 같습니다.

이 글의 가장 큰 의의는 단순히 AI의 위협을 경고하는 데 그치지 않고, 이를 새로운 기회로 전환할 수 있는 가능성을 모색했다는 점입니다. 특히 융합적 학문의 중요성과 창의적 사고의 가치를 강조한 부분은 매우 시의적절한 제안이라고 생각됩니다.

아주 흥미로운 글 잘 읽었습니다. 말씀하신 핵심 요점은 의료 분야(특히 약사, 내과의사, 외과의사)도 법률 분야처럼 대규모 데이터·지식 처리 및 ‘정형화된’ 논리적 추론(Logical Reasoning)에 기반을 둔 업무가 많으므로, 현재 급성장 중인 생성형 AI(Generative AI, GAI)가 빠른 시기에 그 상당 부분을 대체하거나 보조할 것이라는 견해로 보입니다. 특히 사람의 ‘직관(intuition)’이라 여겨져 온 영역들조차 사실은 방대한 데이터에 입각한 통계적 패턴 분석(pattern recognition)이라면, AI가 더 빠르고 정확하게 해낼 수 있다는 논리이기도 합니다.

아래에서는 제언·분석을 크게 세 가지 관점(기술·현장 실무·제도 및 사회적 측면)으로 나누어 말씀드리겠습니다.

1. 기술적 측면

1. 진단 정확도(Accuracy of Diagnosis)의 급상승
   이미 영상판독(Medical Imaging), 피부병 진단(Dermatology), 안저검사(Retinal Scan) 등 특정 분야에서 AI가 인간 전문의의 평균적인 진단 정확도보다 우수한 결과를 내는 사례가 축적되고 있습니다.

   • 예: 유방암 진단 AI, 피부암 진단 AI 등이 다수의 연구에서 전문의보다 높은 민감도(sensitivity)·특이도(specificity)를 보였다는 보고가 있음.

2. 학습 데이터(Training Data)의 질적·양적 확대
   다른 산업 대비 의료는 병원 정보시스템(EMR/EHR)과 공공 보건 데이터가 비교적 잘 축적된 편입니다. 한국처럼 전국민 의료보험이 자리 잡고 있는 국가는 데이터 표본이 일관되고 다양하게 쌓이기 때문에, 말씀하신 대로 “AI가 학습하기 이상적인 조건”이 형성될 수 있습니다.

3. 특화 모델(Medical Large Language Model, LLM)의 속속 등장
   ChatGPT나 DeepSeek 같은 범용(汎用) LLM이 아닌, 의료 데이터셋(예: MIMIC-III, PubMed 등)으로 추가 학습(Fine-tuning)된 특화형 모델들이 속속 개발되고 있습니다. 미국, 중국, 이스라엘 등에서 의료 특화 AI가 임상시험(clinical trial)에 투입되면서, 이미 “임상 의사결정 지원(Clinical Decision Support)을 상당 부분 대체한다”는 사례가 늘고 있습니다.

정리: 말씀하신 것처럼, 의료 데이터는 깨끗하고(정제된), 대량이며, 의료 판단 과정도 논리적 알고리즘화가 비교적 쉽기 때문에, AI가 진단 및 처방의 상당 부분에서 “인간 의사보다 더 빠르고 정확하게” 해낼 가능성은 충분히 열려 있습니다.

2. 현장 실무(Clinical Practice) 관점

1. 약사(Pharmacist) 업무의 대체 가능성

   • 조제(Dispensing) 및 투약(Administration): 약사 고유의 단순 업무는 자동화나 로봇(Pharmacy Robot), 혹은 소프트웨어가 맡는 추세가 이미 상당 부분 진행 중입니다. 다만 실제 임상에서는 의약품 변경이나 부작용 모니터링, 복약 상담(patient counseling) 같은 “환자와의 대면 커뮤니케이션” 요소가 여전히 남아 있습니다.
   • 규제·윤리 문제: 조제실에 알바생이 대신 들어가 포장만 하는 사례를 언급하셨는데, 조제 오류가 발생했을 경우 책임 소재가 매우 중요합니다. 만약 AI나 자동화 로봇이 중대한 실수를 했다면 과연 누구에게 책임을 묻고, 어떻게 손해 배상을 할지에 대한 법적·윤리적 장치가 필요합니다.

2. 내과(Internal Medicine) 의사 업무

   • 진단 가이드라인(Clinical Guideline)에 대한 순응: 대부분의 내과 질환은 증상·검사 결과·병력 데이터 등을 체계적으로 분석해 표준화된 가이드라인에 따라 진단과 처방을 결정합니다. 이렇게 ‘추론 과정을 프로토콜화’하기 쉬운 업무는 AI에게 매우 잘 맞습니다.
   • 추가 진단 및 의뢰(Referral): 일반적인 가이드라인대로 해결이 어려운 희귀질환(Rare Disease)·복합질환(Complex condition)의 경우, 아직까지도 ‘의사 개인의 경험과 통찰’이 필요할 때가 많습니다. 다만 여기서도 방대한 데이터 기반 AI가 더 유리해질 가능성이 높습니다.

3. 외과(Surgery) 의사 업무

   • 수술 로봇(Surgical Robot) 발전: 이미 다빈치 로봇(Da Vinci Surgical System)이 보급된 지 오래고, 수술 로봇 기술이 정밀화·자동화되어 가고 있습니다. 하지만 “수술 중 돌발 상황 대응”, “조직 감각(haptic feedback)에 따른 의사결정”, “수술 프로토콜 변경” 등 아직 완전 자동화하기에는 넘어야 할 기술적·윤리적 난관이 꽤 큽니다.
   • 시간적 전망: 내과 의사가 1년 안에 상당 부분 대체될 가능성을 제기하셨는데, 외과는 기계학습·로보틱스(Robotics)를 융합해야 하므로 (비교적) 더 긴 시간이 걸릴 것이라는 예상이 많습니다.

정리: 내과처럼 “문진→검사→진단→처방” 과정을 확률적 추론(Probabilistic Inference)과 프로토콜화된 지식베이스로 처리하기 쉬운 분야는 비교적 빨리 대체가 일어날 것이고, 약사의 “조제” 업무 또한 자동화가 진행될 것입니다. 반면 외과는 실제 수술 집도의(術者)의 섬세함, 돌발 상황 대처가 필요한 만큼 1년 안에 ‘완전 대체’는 쉽지 않을 수 있지만, 여러 대체 혹은 보조가 빠른 속도로 늘어날 것은 분명해 보입니다.

3. 제도·사회적 측면

1. 규제(Regulation)와 책임(Responsibility)
   AI가 어느 시점부터 “의사(Doctor)처럼” 처방이나 진단 행위를 공식 수행할 수 있느냐는 법적·윤리적 허들이 여전히 존재합니다. 의료사고가 발생했을 때 (특히 사망 등 중대사고) 법적 책임 소재가 어디로 가는지, “AI 오진” 문제에 대한 환자/의사/병원/AI 개발사 간 책임 분배 등은 아직 충분히 제도화되지 않았습니다.

   • 특정 국가가 규제를 먼저 완화하고 AI 의료행위를 광범위하게 허용해 성공적 사례가 쌓인다면, 다른 국가도 뒤따라 대규모로 도입하게 될 가능성은 매우 높습니다. 말씀하신 “쓰나미 같은 변화”가 올 수 있지요.

2. 의사·약사의 역할 재정의(Redefinition of Roles)
   AI가 기본 진단/분석을 해주면, 의사·약사는 더 “인간적인 접점”이나 “환자의 심리·사회적 배경에 대한 고려”, “치료 과정 관리” 등에 집중하게 될 것이라는 전망이 있습니다.

   • 예: 환자의 복합적 생활습관 관리, 사회적 제도 연결, 혹은 의사-환자 관계 형성 등은 기술적 판단을 넘어서는 정서적·사회적 케어가 필수입니다.
   • **결국 완전 대체가 아니라, 업무 재편(Reallocation of tasks)**과 ‘AI + 인간 전문성의 결합’ 형태가 얼마 동안은 이어질 가능성이 높습니다.

3. 의대 쏠림 현상의 변화
   과거 “서울대 물리학과가 전국 1등이 가던 시절”이 무너진 것처럼, 언젠가 의대도 지식·인지 기반 업무가 AI로 대거 대체되면 지금의 ‘절대적’ 인기와 안정성을 잃을 수 있습니다. 이미 일부 사회학자와 교육학자들은 “의대의 아성도 결국 다른 산업과 마찬가지로 기술혁명의 흐름에 휩쓸릴 것”이라고 경고해 왔습니다.

   • 다만 한국의 경우, 당장 1~2년 안에 대입·진로 선택 지형이 바뀔지 여부는 좀 더 지켜봐야 합니다. 변동이 오더라도 점진적일지, 혹은 급작스러운 구조재편 형태일지는 아직 미지수입니다.

결론 및 제언

1. “완전 대체” vs. “획기적 보조”
   1년 안에 의료 전반(특히 내과)을 정복할 것이라는 주장에는 ‘기술 성숙도 측면’에서 충분히 일리가 있습니다. 다만 제도적·법적·윤리적 장벽 때문에 전면 도입이 지연될 소지가 크고, 또한 “인간적 소통과 돌발상황 대응”을 필요로 하는 직무가 잔존하므로, **“즉각적·완전 대체”보다는 ‘강력한 도구로서의 AI 보조’**가 먼저 광범위하게 확산할 것 같습니다.

2. 창의성(Creativity)과 융합적 능력
   글에서 강조하셨듯, 결국 ‘데이터를 통합·재해석해 혁신적 아이디어를 내는 역량’이 앞으로 점점 더 중요해질 것입니다. 임상 현장에서도 ‘새로운 치료 프로토콜을 개발’하거나, 환자의 배경적·심리적 요인을 융합해 맞춤형 케어를 설계하는 업무가 핵심이 될 가능성이 높습니다.

   • 의대에 진학한 이들이라도, 기존 커리큘럼을 그대로 따라가기보다는 인문학(Humanities), 공학(Engineering), 물리학(Physics), 경제학(Economics), 통계학(Statistics) 등과 융합한 형태의 공부를 해야 도태되지 않을 것입니다.

3. 의료인력 재교육(Re-skilling) 및 제도 변혁

   • AI와 협업(augmented intelligence): 신입 변호사를 대량 채용하지 않는 로펌 사례처럼, 향후 의료기관도 초급 레지던트나 약사를 대거 선발하기보다 “AI 운용 능력”이 탁월한 인력을 선호할 가능성이 있습니다.
     
   • 규제 혁신: 의료 AI가 일정 수준 이상의 정확도를 보장한다면, 각 국가에서 규제 완화를 논의할 가능성이 큽니다. 이때 “오류 발생 시 책임 및 보상” 체계도 함께 논의돼야 하고, 환자의 개인정보 보호와 AI 학습 데이터 확보 간 줄타기도 필요합니다.

마무리

결론적으로, 현재 의료 AI의 기술적 수준은 놀라운 속도로 발전 중이며, 이미 영상판독·기본적인 진단 알고리즘·약물 처방 지원 등에서 “전문의 수준 혹은 그 이상의 정확도”를 입증하는 단계입니다. 다만 1년 안에 ‘모든 내과의사, 약사’를 전면 대체하는 것은 현실적으로 제도·윤리·법적 장벽이 존재하므로, 실무 현장에서 완전히 구현되기까지는 상당한 조정 기간이 필요할 것입니다. 그럼에도 불구하고, 말씀하신 대로 ‘AI가 의료 영역을 빠르게 잠식해 갈 것’이라는 커다란 흐름에 대해서는 부정하기 어려워 보입니다.

이때 궁극적으로 살아남는 의료인은, AI 진단·분석 결과를 환자의 복합적인 삶의 맥락 속에서 통합하고, 인문학·공학·경제학 등 다양한 시각을 적용해 환자에게 최적화된 새 치료법이나 생활관리 방식을 “창의적으로” 제시할 수 있는 사람일 것입니다. 그런 면에서 “의대 쏠림 현상”도 언젠가는 바뀔 것이고, 여러 분야가 융합돼 새로운 기회가 열릴 것으로 예상합니다.

의견 공유해주셔서 감사합니다. 앞으로도 흥미로운 시각과 독창적인 통찰을 많이 나눠주시길 기대하겠습니다.