[의대 면접/의대 생기부] "AI가 의사를 대체할 수 있다고 생각하나요?"

안녕하세요, 저는 현재 경북대학교 의과대학에 재학중인 본과 4학년 의대생입니다.

입시에 도움이 될만한 글을 작성해 가져와봤습니다.

AI 관련 질문은 최근 의료 현안 질문의 범주에서 충분히 출제 가능한 주제입니다.

AI가 의사를 대체할 수 있다고 생각하나요?

이러한 질문에 대부분 학생들은 

"대체될 수 없습니다, 왜냐하면 의사는 공감 능력이 있기 때문입니다" 

수준에서 답하게 됩니다. 

틀린 말은 아닌데, 면접관 입장에서는 수백 번 들은 답입니다. 차별화가 전혀 안 됩니다. 

저는 경북대 의대 본과 4학년으로 현재는 군 복무 중인데, 요즘 AI에 의한 사회의 변화상을 보면서 이 질문이 계속 머릿속에 남아 6편의 시리즈로 구조적으로 분석해봤습니다.

브런치에 연재했고, 메디스태프(의사 전용 커뮤니티)에서 현직 의사들의 반응과 토론이 이어졌고, 구독자 20만 유튜브 채널에서 출연도 했습니다.

이 글은 그 6편의 핵심을 고등학생도 이해할 수 있도록 정리한 버전입니다.

의대 면접 준비, 생기부 세특 주제, 탐구보고서 소재로 활용할 수 있습니다. 

혹은 단순히 "의대 가면 앞으로 어떻게 되는 거지?"가 궁금한 분들에게도 도움이 될 것입니다.

부족한 분석이니 틀린 부분 있으면 댓글로 알려주시면 감사하겠습니다.

 1. "대체된다 vs 안 된다"는 잘못된 질문입니다.

먼저 질문 자체를 바꿔야 합니다.

"AI가 의사를 대체할 수 있는가?"라고 물으면 답이 "예" 아니면 "아니오"밖에 안 나옵니다. 이건 너무 단순합니다.

실제로는 훨씬 복잡한 일이 벌어지고 있습니다.

더 정확한 질문은 이것입니다:

"어떤 영역에서, 얼마나 빠르게, 어떤 순서로 변화가 일어나는가?"

비유를 들어보겠습니다. "자동차가 마차를 대체할 수 있는가?"라고 1900년에 물었다고 해봅시다. 답은 당연히 "예"입니다. 하지만 실제로 마차가 사라지기까지는 수십 년이 걸렸고, 도시에서 먼저 사라졌고, 시골에서는 한참 뒤에 사라졌습니다. "대체되느냐"보다 "어디서 먼저, 얼마나 빠르게"가 훨씬 중요한 질문이었던 것입니다.

AI와 의사의 관계도 마찬가지입니다.

2. 세 개의 벽: 기술, 시스템, 심리

AI가 의사의 역할을 바꾸려면 세 개의 벽을 넘어야 합니다.

이 벽들은 동시에 무너지는 게 아니라 순서대로 무너집니다. 이게 핵심입니다.

(1) 첫 번째 벽: 기술

AI가 실제로 의사만큼, 혹은 의사보다 잘할 수 있는가의 문제입니다.

피부과 사진을 보고 피부암을 진단하는 AI는 이미 전문의 수준을 넘었습니다. 흉부 X-ray를 판독하는 AI도 비슷합니다.

이 벽은 빠르게 낮아지고 있습니다. 많은 사람들이 여기만 보고 "곧 의사가 대체된다"고 말하는데, 문제는 이 벽이 전부가 아니라는 것입니다.

(2) 두 번째 벽: 시스템

기술이 준비되어도 실제로 병원에서 쓰려면 넘어야 할 것들이 산더미입니다. 의료 수가(의료 행위에 대해 보험이 매기는 가격)를 누가 정하는가, AI가 오진하면 법적 책임은 누가 지는가, 식약처 인허가는 어떻게 받는가. 이런 것들입니다. 쉽게 말하면, AI가 아무리 잘해도 건강보험에서 돈을 안 쳐주면 병원은 도입할 이유가 없습니다. 기술은 5년 안에 준비될 수 있지만, 시스템이 따라오려면 10~20년이 걸릴 수 있습니다.

(3) 세 번째 벽: 심리

가장 깊고 가장 오래 남는 벽입니다. 환자가 AI 의사를 받아들일 수 있는가. "내 몸을 기계에 맡길 수 있는가." 여러분이 심각한 병에 걸렸다고 생각해봅시다. AI가 "95% 확률로 이 치료가 맞습니다"라고 말하는 것과, 의사가 여러분의 눈을 보면서 "제가 보기에 이 치료가 가장 좋겠습니다"라고 말하는 것. 둘 다 같은 정보를 전달하지만, 느낌이 완전히 다릅니다. 이건 기술로 해결되는 문제가 아닙니다. 인간이 인간에게 느끼는 신뢰의 문제입니다.

핵심 포인트: 이 세 벽이 "순서대로" 금이 가기 시작합니다. 그리고 잠복기에는 아무 일도 안 일어나는 것처럼 보이다가, 어느 순간 한꺼번에 무너집니다. 비유하면 댐이 터지는 것과 같습니다. 댐에 금이 가고 있는데 물이 안 새니까 괜찮다고 생각하다가, 어느 날 갑자기 터지는 것입니다.

면접에서 이 "세 개의 벽"과 "순서대로 무너진다"는 구조를 말하면, "대체 안 됩니다 왜냐하면 공감~" 수준과는 확실히 다른 답변이 됩니다.

3. 의사를 대체하는 건 구글이 아닐 수 있습니다

"구글이 의사를 대체할 것이다", "애플이 건강 데이터로 의료를 바꿀 것이다" — 이런 이야기를 많이 들어보셨을 것입니다.

그런데 실제 역사를 보면, 빅테크가 의료에 진입한 사례는 대부분 실패했습니다. IBM은 Watson Health라는 AI 의료 프로젝트에 수십억 달러를 쏟아부었다가 결국 매각했습니다. 구글 헬스도 여러 번 재편을 반복했습니다. 의료는 다른 산업과 근본적으로 다르기 때문입니다. 규제가 엄청나게 강하고, 실수하면 사람이 죽고, 데이터가 병원마다 다르게 저장되어 있어서 통합이 어렵습니다.

그러면 누가 주도하는가? 제 분석에서는 보험사-기술 복합체가 가장 강력한 후보입니다.

쉽게 설명하겠습니다. 미국에 UnitedHealth Group(UNH)이라는 회사가 있습니다. 이 회사는 보험사입니다. 동시에 Optum이라는 기술 회사를 자회사로 가지고 있습니다.

보험사는 뭘 원할까요? 의료비를 줄이고 싶습니다. 보험사는 환자의 의료비를 대신 내주는 곳이니까, 의료비가 줄면 이익이 늘어납니다.

기술 회사는 뭘 할 수 있을까요? AI로 의료비를 줄일 수 있습니다. 불필요한 검사를 줄이고, 조기 진단으로 치료비를 낮추는 것입니다.

이 둘이 같은 회사 안에 있으면 어떻게 될까요? AI 도입의 동기(비용 절감)와 실행 능력(기술)이 한 곳에 집중됩니다. 외부에서 설득할 필요 없이, 내부 결정만으로 AI를 도입할 수 있습니다.

한국에서는 구조가 다릅니다. 건강보험이 국가 단일 체계이고, 심사평가원이 수가를 관리합니다. 하지만 "비용 압력이 AI 도입을 가속한다"는 원리는 같습니다. 고령화로 의료비가 계속 늘어나면, 정부도 결국 AI 도입을 가속할 수밖에 없습니다.

4. 외과 수술 로봇은 왜 아직 자동으로 수술을 못 하는가

"손으로 하는 수술은 AI가 못 하지 않나?"라고 생각하시는 분들이 많습니다.

반은 맞고 반은 틀립니다.

다빈치(da Vinci)라는 수술 로봇을 들어보신 적 있으신가요? 이 로봇은 이미 전 세계에서 연간 315만 건의 수술에 사용되고 있습니다. 그런데 이 로봇은 "자동으로" 수술하는 게 아니라, 의사가 "원격으로 조종"하는 것입니다. 의사의 손 움직임을 로봇 팔이 따라하는 구조입니다.

그러면 왜 아직 자동 수술은 못 하는 걸까요? 로봇 팔이 부정확해서? 아닙니다. 진짜 이유는 데이터가 분리되어 있기 때문입니다. 

수술 자동화를 위해서는 두 종류의 데이터가 필요합니다.

(1) 행동 데이터: 수술 중 의사의 손이 어떻게 움직였는가, 기구가 어떤 경로로 이동했는가, 수술 영상은 어떤 모습이었는가. 이건 수술 로봇을 만드는 회사(Intuitive Surgical)가 가지고 있습니다.

(2) 결과 데이터: 그 수술을 받은 환자가 이후에 어떻게 됐는가. 합병증이 있었는가, 재입원했는가, 완치됐는가. 이건 병원과 보험사가 가지고 있습니다.

자동 수술을 학습시키려면 "이렇게 움직였더니 → 이런 결과가 나왔다"를 연결해야 합니다. 그런데 행동 데이터는 A 회사에 있고, 결과 데이터는 B 기관에 있습니다. 이 둘이 연결되지 않습니다. 이것이 데이터 분절입니다.

이 분석을 시리즈에 썼더니, 실제로 수술 로봇 관련 연구를 하시는 현직 전문가분이 댓글로 "맞다, Intuitive Surgical이 키네마틱스(기구 움직임) 데이터를 외부에 공개하지 않는다"는 현장 정보를 보태주셨습니다.

글의 분석이 현장에서 검증된 셈입니다.

면접에서 "외과 수술은 AI가 못하지 않나요?"라는 질문이 나오면, "병목은 로봇의 정밀도가 아니라 데이터의 분절입니다"라고 답하면 면접관이 놀랄 것입니다.

5. AI가 새로운 치료법도 만들 수 있는가

여기서부터 조금 더 깊은 이야기입니다.

AI가 기존에 알려진 치료법을 잘 수행하는 것(이미 있는 가이드라인에 따라 진단하고 처방하는 것)은 비교적 쉽습니다. 

그런데 아예 새로운 치료법을 만드는 것도 가능할까요?

이걸 두 단계로 나눠서 보면 명확해집니다.

(1) 가설 생성: "이 약이 이 병에 효과가 있을 것이다"라는 아이디어를 만드는 것입니다. 이건 AI가 이미 인간보다 빠르고 잘합니다. AlphaFold(구글 딥마인드)가 단백질의 3차원 구조를 예측한 것이 대표적 사례입니다. 수십 년 걸리던 일을 몇 시간에 해냈습니다.

(2) 물리적 검증: 그 아이디어를 실제로 사람의 몸에서 확인하는 것입니다. 임상시험이라고 합니다. 이건 AI가 대신할 수 없습니다. 사람의 몸에 약을 넣고 결과를 관찰하는 데는 물리적 시간이 필요하고, 환자의 동의가 필요하고, 윤리위원회의 승인이 필요하기 때문입니다.

쉽게 비유하면, AI는 "이 다리 설계도가 최적입니다"라고 그려줄 수 있지만, 실제로 다리를 짓고, 차를 올려보고, 무너지지 않는지 확인하는 건 사람이 해야 합니다.

여기서 면접에 활용할 수 있는 강력한 포인트가 하나 있습니다. 사후 책임과 사전 책임의 구분입니다.

(1) 사후 책임: AI가 진료하다가 오진했습니다. 누가 배상하나요? → 이건 보험이나 법으로 처리할 수 있습니다. 자동차 사고 보험과 비슷합니다.

(2) 사전 책임: AI가 "이 임상시험을 해봐야 합니다"라고 제안했습니다. 이 실험을 환자에게 해도 되는 걸까요? → 이건 보험으로 해결되지 않습니다. "이 선택을 해도 되는가"라는 판단 자체에 대한 책임입니다.

이 구분을 면접에서 언급하는 수험생은 거의 없습니다. 활용하시면 확실히 차별화가 됩니다.

그리고 이 "가설 생성(AI)"과 "물리적 검증(사람)" 사이를 연결하는 사람이 바로 MD-PhD(의과학자)입니다. 의학도 알고 연구도 할 수 있는 사람입니다. 이 포지션이 AI 시대에 가장 오래 살아남을 수 있다는 것이 제 분석입니다.

6. 어떤 과가 가장 먼저 바뀌는가 

"그래서 나는 어떤 과를 선택해야 하는가?"

솔직히 특정 과를 지목해서 "이 과는 안전하다, 이 과는 위험하다"라고 말하는 건 제가 할 수 있는 일이 아닙니다. 각 과의 현실은 그 안에 계신 분들이 가장 잘 아십니다.

대신, 변화의 속도를 결정하는 축을 제시할 수 있습니다. 이 축 위에 자기가 관심 있는 과를 놓아보시면 됩니다.

축 1: 데이터가 얼마나 정형화되어 있는가

정형화된 데이터(이미지, 수치, 파형)를 주로 다루는 과일수록 AI가 빠르게 침투합니다.

반대로, 환자의 이야기를 듣고, 맥락을 파악하고, 비언어적 신호를 읽는 것이 핵심인 과는 AI가 침투하기 어렵습니다.

축 2: 물리적으로 환자의 몸에 손을 대는가

수술처럼 물리적 개입이 핵심인 과는 로봇 자동화의 장벽이 있으니 변화가 느립니다. 하지만 위에서 설명드린 것처럼, 데이터 분절이 해소되면 이것도 바뀔 수 있으니 영구적 안전지대는 아닙니다.

축 3: 정답이 있는가, 없는가

가이드라인이 명확하고 프로토콜대로 하면 되는 영역은 AI가 대체하기 쉽습니다. AI는 가이드라인을 빠짐없이 완벽하게 따르는 데 인간보다 뛰어납니다.

반면, "정답이 없는" 상황에서는 의사의 판단이 오래 유지됩니다. 여러 질병이 복잡하게 얽혀 있거나, 환자의 가치관에 따라 최적의 치료가 달라지는 상황이 그렇습니다. "치료를 계속할 것인가 중단할 것인가", "어떤 부작용을 감수하고 어떤 삶의 질을 우선할 것인가" 같은 판단은 의학적 지식과 환자의 가치관이 교차하는 지점에서 이루어집니다.

축 4: 의사-환자 관계 자체가 치료인가

어떤 과에서는 의사와 환자가 오랜 시간 함께하면서 쌓는 신뢰 자체가 치료의 일부입니다. 정신건강의학과의 치료적 동맹, 호스피스에서의 임종 동행 같은 것들입니다. 이것은 AI 기술이 아무리 발전해도 가장 오래 남는 영역입니다. "이 사람이 나를 이해하고 있다"는 감각은 기술의 문제가 아니라 인간의 조건이기 때문입니다.

생기부 세특에서 "AI 시대에 의사의 역할 변화를 탐구"한다면, 이 네 개의 축으로 특정 과를 분석하는 형태가 좋은 주제가 됩니다. 예를 들어 "AI 시대에 영상의학과 의사의 역할은 어떻게 변화하는가"를 위의 축으로 분석하면, 깊이 있는 탐구보고서가 나올 수 있습니다.

7. 의대 교육 자체가 바뀌어야 합니다

여기까지가 개인이 할 수 있는 전략의 영역입니다. 그런데 한 걸음 더 들어가면, 개인이 아무리 좋은 전략을 세워도 그 개인을 양성하는 교육 시스템이 안 바뀌면 한계가 있습니다.

현재 의대 교육은 기본적으로 "지식을 최대한 많이 외워라"라는 구조입니다. 해부학, 생리학, 병리학, 약리학... 엄청난 양의 지식을 머릿속에 집어넣는 것이 의대 교육의 핵심입니다.

그런데 AI 시대에 필요한 역량은 다릅니다. 지식은 AI가 즉시 검색해줄 수 있습니다. 중요한 건 "AI가 제시한 답을 임상 맥락에서 판단할 수 있는 능력"입니다. AI가 "이 환자는 A 질환일 확률이 87%입니다"라고 말했을 때, 그 87%가 이 환자에게 무엇을 의미하는지, 나머지 13%는 무엇인지, 이 환자의 상황에서 어떤 판단을 내려야 하는지를 결정하는 것은 여전히 의사의 몫입니다.

바둑에서 좋은 사례가 있습니다. 알파고가 이세돌을 이긴 후, 프로 바둑 기사들의 훈련 방식이 완전히 바뀌었습니다. 요즘 프로 기사들은 이렇게 훈련합니다.

① 자기 판단을 먼저 세운다 (AI 없이 대국을 복기한다)

② AI와 비교한다 (AI는 어디에 뒀을까?)

③ 불일치 지점에서 배운다 (왜 AI와 내 판단이 달랐는가?)

이 방식으로 훈련한 결과, 젊은 기사들의 기력이 전반적으로 올라갔습니다. 그런데 동시에, AI 수를 무비판적으로 따라하기만 하면서 자기만의 기풍을 잃어버린 기사도 나타났습니다. AI를 "어떻게" 통합하느냐에 따라 결과가 완전히 달라진 것입니다.

의학 수련도 마찬가지입니다. AI를 의도적으로 설계해서 통합하면 의사의 역량이 올라갑니다. 하지만 의도 없이 그냥 도입하면 오히려 의사의 판단 능력이 퇴화합니다. 이것을 "탈숙련화"라고 합니다. 교육 시스템 차원에서 이걸 설계해야 한다는 것이 마지막 편의 주장입니다.

8. 결론: 사람에게 대체될 수 없는 사람

여기까지 읽어주셨다면 감사합니다. 마지막으로 하나만 더 말씀드리겠습니다.

어쩌면 AI에게 대체될 수 없는 의사가 되는 것은 불가능할지도 모릅니다.

문제는 다른 곳에 있습니다. 사람에게 대체될 수 없는 사람이 되는 것입니다.

환자의 불확실성과 두려움을 받아내고, 기계가 제시한 확률과 예측을 한 사람의 삶의 맥락 안에서 해석해 주는 일.

AI의 출력은 점점 더 정교해지겠지만, 그 출력 앞에서 환자의 눈을 보고, 맥락을 읽고, 그 사람이 이해할 수 있는 언어로 번역하는 책임은 여전히 사람이 져야 할, 그리고 질 가치가 있는 일입니다.

전체 시리즈(6편)는 여기에서 읽으실 수 있습니다:

brunch.co.kr/magazine/aidoctorsubs

1편 — 세 개의 병목과 비선형 붕괴

2편 — 보험사-기술 복합체라는 예상 밖의 주도력

3편 — 외과 수술 자동화의 병목은 데이터 분절

4편 — 가설은 AI가, 검증은 사람이, 그 사이에 MD-PhD

5편 — 과별 변화 속도를 결정하는 네 개의 축

6편 — 개인 전략의 한계, 교육 시스템이라는 더 깊은 층

경북대 의대 본과 4학년 / 현재 군 복무 중 

놓친 관점이나 틀린 부분 있으시면 댓글로 알려주시면 감사하겠습니다.

다들 좋은 입시 결과 있으시기를 진심으로 기원하겠습니다. :)