Skip Navigation
Skip to contents

E-NEWSLETTER No.187 November

기획특집

◎ AI 시대, 좋은 전문의는 어떻게 길러지는가: 의료인류학자가 본 전공의 수련교육

이 현 정서울대학교 인류학과

AI는 이미 수련 안에 들어와 있다.
지난 10월, 대한의학회 창립 60주년 심포지엄에서 흥미로운 장면이 시연되었다. 지도전문의가 음성으로 남긴 피드백을 AI가 강점, 개선점, 향후 계획으로 정리해 전공의에게 돌려주는 장면이었다. AI는 더 이상 수련 바깥에서 다가오는 위협이 아니라, 이미 우리 수련 평가 안에 들어와 있다.

그렇다면 이제 물어야 할 것은 ‘AI를 쓸 것인가’가 아니다. AI 곁에서 우리는 누구를 ‘전문의’라 부를 것인가. 이 글은 의료인류학자의 시선으로 이 질문에 답해 보려는 시도다.

돌아보면 우리는 전문의를 주로 ‘기간과 지식’으로 인증해 왔다. 정해진 수련 기간을 채우고 지식 시험을 통과하면 전문의가 되었다. 그런데 수련 시간은 줄어들고 있고, 지식은 AI가 더 잘하는 영역이 되었다. 의학회가 전공의수련교육원을 출범시키고 역량 중심 수련(CBME)으로의 전환을 시작한 지금, 새로 쓰는 역량 목록에 AI시대의 역량이 들어 있는지를 물어야 할 때다.

세 가지 충격
첫 번째 충격은 예상된 것이었다. 생성형 AI와 의사의 진단 정확도를 비교한 83편의 연구를 종합한 메타분석에서, 둘 사이에 통계적으로 유의한 차이는 확인되지 않았다. 전문의는 여전히 AI보다 정확했지만, AI는 이미 비전문의 수준에 도달했다.

두 번째 충격은 예상하지 못한 것이었다. 환자 질문에 대한 답변을 비교한 연구에서 평가자들은 AI의 답변을 의사의 답변보다 더 공감적이라고 평가했다. ‘공감하는 의사가 되면 된다’는 해결 방안마저 흔들리게 되었다.

세 번째 충격은 이제 막 보이기 시작하고 있다. 연구에 따르면, 대장내시경 AI를 쓰던 의사들이 다시 AI 없이 검사하자, 선종 발견율이 28.4%에서 22.4%로 떨어졌다. AI를 떼어낸 순간 실력이 줄어들었다. 대한영상의학회가 병변을 자동으로 찾아주는 AI 기능을 수련 중에는 제한하는 가이드라인을 준비하는 것도 같은 우려에서다.

지식도 공감도 기계가 더 잘하고, 기계에 기댈수록 기본기마저 줄어든다면, 우리가 전문의라 인증해 온 것은 무엇이었는가. 질문은 ‘AI가 무엇을 대체하는가’에서 ‘인간 의사의 핵심은 무엇이며, 그것은 어떻게 길러지는가’로 옮겨져야 한다.

무엇이 남는가
의료인류학은 의료를 세 층위로 본다. 검사 수치로 드러나는 ‘질병(disease)’, 그 병이 한 사람의 삶에서 갖는 의미인 ‘아픔(illness)’, 그리고 이 사람에게 지금 무엇이 정말 중요한가를 묻는 ‘도덕적 경험(moral experience)’이다. AI는 첫 번째 층위에 탁월하고, 맥락 데이터를 넣으면 두 번째 층위도 일부 다룰 수 있다. 그러나 세 번째 층위는 데이터가 아니라 가치의 영역이다.

같은 나이, 같은 소득, 같은 유방암 2기 진단을 받은 두 환자를 떠올려 보자. 홀로 가게를 꾸리는 환자는 생계를 유지해야 하기에 공격적인 항암을 주저할 수 있고, 입시를 앞둔 자녀를 둔 외벌이 가장은 무슨 수를 써서라도 강력한 치료를 택할 수 있다. 같은 차트에서 정반대의 선택이 나올 수 있다. 맥락은 변수의 합이 아니라, 관계 속에서 함께 해석되는 의미다.

여기서 AI가 대신할 수 없는 의사의 세 가지 역할이 드러난다. 첫째는 가치가 충돌할 때 무엇이 이 사람에게 좋은지를 판단하는 실천적 지혜, 곧 프로네시스(phronesis)다. 둘째는 환자의 물음에 응답하고 그 결과를 떠안는 응답 능력(response-ability)이다. 셋째는 AI의 답, 진료지침, 환자의 선호가 엇갈리는 상황에서 불확실성을 견디며 결정하는 능력이다.

이 중 응답 능력은 이제 덕목을 넘어 제도의 문제가 되었다. 올해 1월 시행된 AI 기본법은 사람이 최종 결정을 내리는 진단 보조 AI를 고영향 AI 규제 대상에서 제외했다. 규제 부담은 덜었지만, 최종 판단과 설명과 책임은 그만큼 분명하게 의사에게 맡겨졌다. 그렇다면 그 책임을 질 수 있는 사람을 길러내는 것은 누구의 일인가.

판단은 실천 속에서만 자란다
프로네시스는 책으로 배울 수 없다. 직접 해 보고, 피드백을 받고, 그 경험이 쌓이면서 자란다. 그런데 AI가 판단을 대신하고 전공의는 확인만 한다면, 환자에 따른 가치에 기반한 판단 능력을 학습할 기회를 잃게 된다. AI가 못 하는 일을, 오히려 AI 때문에, 배울 기회를 잃게 된다.

현재 의학회는 좋은 틀을 만들어가고 있다. 26개 전문과목학회와 함께 전문 역량과 공통 역량을 정의하고, 과목별로 감독 없이 맡길 수 있는 일(EPA)을 설정하며, Mini-CEX와 DOPS 같은 현장 기반 평가(WBA)를 도입하고 있다. 이 틀은 AI 시대의 역량을 담을 좋은 그릇이 될 수 있다.

다만 한 가지 맹점을 경계해야 한다. 역량 중심 교육은 측정하기 쉬운 것부터 담기 마련인데, 측정하기 쉬운 지식과 진단 정확도는 AI가 가장 먼저 가져가는 영역이다. 반대로 실천적 판단, 응답 책임, 불확실성 속의 결정은 측정하기 어렵다는 이유로 빠지기 쉽다. 측정하기 쉬운 것만 담으면, AI가 대신할 목록만 남는다.

구체적으로는 다음과 같은 방향을 제안한다.

  • • AI 노출 단계화: 기본기 형성기에는 판단을 대신하는 AI 기능을 제한하고, 숙련기에는 AI 협업을, 전문의 단계에서는 AI 감사와 지도를 맡긴다.
  • • AI 시대의 EPA: ‘AI가 제시한 진단·치료 제안을 검토하고, 환자의 가치와 대조해 최종 결정을 내린 뒤, 그 근거를 기록하고 환자에게 설명한다’를 하나의 위임 단위로 설정한다.
  • • WBA 항목 보완: Mini-CEX에 ‘AI 출력을 수용·수정·기각한 근거를 말할 수 있는가’와 ‘이 환자에게 무엇이 중요한지 물었는가’를 더하고, 연차별로 AI 없이 수행하는 평가를 둔다.

의학회가 세울 세 가지 기준
60주년 심포지엄에서 의학회의 지난 60년이 결론이 아니라 기준을 세워 온 길이었다는 말이 나왔다. AI 시대에도 학회의 역할은 동일하다. 법이 책임을 의사에게 맡긴 지금, 그 책임의 기준을 세우는 일이 학회의 몫이다. 세 가지를 제안한다.

첫째, 공통역량에 ‘AI시대 역량’ 영역을 신설하는 것이다. 26개 전문과목학회가 함께 쓸 수 있도록 검증, 설명, 책임의 세 축으로 구성할 수 있다. AI 출력을 수용하거나 기각할 근거를 말하는 검증은 불확실성을 견디는 능력과, AI가 관여한 결정을 환자의 언어로 풀어내는 설명은 응답 능력과 최종 결정과 근거를 기록하고 결과를 떠안는 책임은 실천적 판단과 맞닿아 있다.

둘째, 전문학회들이 공통으로 쓸 ‘AI 수련 가이드라인’의 틀을 마련하는 것이다. 영상의학회가 시도하듯 판단을 대신하는 기능과 판단을 돕는 기능을 구분하고, 연차별 노출 원칙을 정한다면 각 학회가 같은 언어로 수련을 설계할 수 있다.

셋째, 진료지침에 ‘AI와 충돌할 때’의 원칙을 담는 것이다. AI의 출력, 지침, 환자의 선호가 서로 어긋날 때 어떤 순서로 판단하고 어떻게 기록할지를 정해 두는 일은, 의학회가 쌓아 온 진료지침이라는 인프라 위에서 잘할 수 있는 일이다.

맺으며
AI는 좋은 ‘진단자’가 될지 모른다. 그러나 좋은 ‘전문의’를 길러내지는 못한다. AI시대의 위기는 의사가 사라지는 것이 아니라, 우리가 전문의를 기간과 지식으로만 인증해 왔다는 사실이 드러난 것이다.

AI 시대의 좋은 전문의는 가장 많이 아는 의사도, 가장 따뜻한 말을 건네는 의사도 아니다. 가치의 충돌 속에서 무엇이 이 사람에게 좋은가를 판단하고, 책임감을 가지고 응답하며, 불확실성을 견디며 결정하는 사람이다. 그리고 그런 사람은 저절로 생기지 않는다. 수련이 길러낸다.

지난 60년, 의학회는 의학의 기준을 세워 왔다. 다음 60년의 기준은 ‘AI가 무엇을 할 수 있는가’가 아니라, ‘AI 곁에서 누구를 전문의라 부를 것인가’에 대한 답이 되어야 한다.

참고문헌
1. 신형주. “의학회, 미래 역할 '교육·연구·정책'으로 제시”. <메디칼업저버>. 2026년 10월 7일.
2. 조운. “대한의학회, 전공의수련교육원 11일 출범…‘수련을 노동 아닌 교육으로’”. <메디게이트뉴스>. 2026년 5월 6일.
3. Takita H, Kabata D, Walston SL, et al. A systematic review and meta-analysis of diagnostic performance comparison between generative AI and physicians. npj Digit Med. 2025;8:175. doi:10.1038/s41746-025-01543-z.
4. Ayers JW, Poliak A, Dredze M, et al. Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern Med. 2023;183(6):589-596. doi:10.1001/jamainternmed.2023.1838.
5. Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896-903. PMID:40816301.
6. 하경대. “‘딸깍’ 의료AI 자동판독 전공의 수련에 금지…영상의학회, 전공의 수련 ‘AI 가이드라인’ 마련 중”. <메디게이트뉴스>. 2026년 9월 10일.
7. Kleinman A. The Illness Narratives: Suffering, Healing, and the Human Condition. New York: Basic Books; 1988. (아서 클라인먼. 이애리 옮김. 《우리의 아픔엔 서사가 있다》. 사이. 2022.)
8. Kleinman A. What Really Matters: Living a Moral Life amidst Uncertainty and Danger. New York: Oxford University Press; 2006. (아서 클라인먼. 이정민 옮김. 《당신의 삶을 결정하는 것들》. 북로그컴퍼니. 2016.)
9. 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법. 법률 제20676호. 2025년 1월 21일 제정, 2026년 1월 22일 시행.
10. 최연재. “‘AI 기본법’ 내일부터 시행…‘자율주행 등 극소수만 고영향 AI’”. <아주경제>. 2026년 1월 21일.


대한의학회(https://www.kams.or.kr)
(06653) 서울특별시 서초구 반포대로 14길 42, 6층/7층 (서초동, 하이앤드타워)