“위험한 질문은 인간에게, 일상 상담은 AI에게”… 저개발 국가의 AI 의료 혁신 사례

Generative AI for Health

2-4일 대기에서 15분 응답으로: 케냐에서 매월 10,000건의 의료 질문을 처리하는 AI

생성형 AI(GenAI)는 저소득 및 중산층 국가(LMICs)에서 의료 접근성과 건강 행동 변화에 혁명을 일으키고 있다. 스탠포드 대학교 디지털 헬스 센터의 보고서에 따르면, 2024년 현재 이러한 국가들에서 수십만 명의 환자들이 AI 기반 의료 서비스를 통해 건강 정보를 얻고 있으며, 다양한 건강 행동 변화 프로그램이 빠르게 확산되고 있다.

특히 아프리카와 아시아 지역에서는 생성형 AI가 의료 서비스가 부족한 지역의 환자들에게 신속하고 정확한 정보를 제공하는 역할을 하고 있다. 케냐의 자카란다 헬스(Jacaranda Health)는 매월 약 10,000건의 임산부 질문에 대해 10-15분 이내에 AI 기반 응답을 제공하고 있으며, 이는 이전의 2-4일 대기 시간에 비해 획기적인 개선이다.

또한 생성형 AI는 일반 휴대전화를 통해 인터넷 접속이 불가능한 사용자들에게도 의료 정보를 제공하는 방식으로 디지털 격차를 해소하고 있다. Viamo의 ‘Ask Viamo Anything'(AVA) 서비스는 기본 음성 통화를 통해 HIV, 모성 건강, 정신 건강 등에 관한 정보를 제공하며, 사용자의 94%가 전체 응답을 청취하는 높은 참여율을 보이고 있다.

휴대폰으로 HIV 상담을 받는 아프리카: 59%가 여성인 Viamo의 음성 AI 서비스

생성형 AI를 활용한 의료 서비스는 크게 세 가지 범주로 구분된다. 소비자 직접 서비스(Direct-to-Consumer), 의료 제공자 지원(Direct-to-Provider), 시스템 수준 개입(System-Level) 등이다. 각 영역에서 다양한 혁신 사례가 나타나고 있다.

소비자 직접 서비스의 경우, 대화형 AI 에이전트를 통해 HIV 검사나 성생식 건강과 같은 민감한 주제에 대한 개인화된 상담을 제공한다. 특히 문맹률이 높은 지역에서는 AI의 개선된 음성 기능을 활용해 더 효과적으로 사용자와 소통하고 있다. Audere의 ‘Self-Care from Anywhere’ 프로그램은 WhatsApp을 통해 접근 가능한 AI 기반 동반자를 제공하여 청소년 소녀와 여성들이 성 건강, HIV 예방, 자가 검사 가이드 등에 접근할 수 있도록 돕고 있다.

의료 제공자 지원 측면에서는, 전통적인 헬프데스크 워크플로우에서 의료 종사자와 소비자 간 소통을 개선하는 데 기여하고 있다. Noora Health의 사례에서는 일일 약 10,000개의 메시지를 처리하는 과정에서 생성형 AI를 통해 간호사가 검토해야 하는 쿼리의 수를 80% 감소시켰다.

시스템 수준에서는 건강 기록, 뉴스 기사, 소셜 미디어, 기후 데이터 등 다양한 출처의 비구조화된 데이터를 분석하여 잠재적 전염병 발생에 대한 조기 경보 알림을 생성하는 등의 역할을 하고 있다.

아프리카 인구 36%만 인터넷 접속 가능: AI 의료 혁신의 가장 큰 장벽

생성형 AI가 의료 분야에서 큰 잠재력을 보이고 있지만, 여전히 중요한 도전 과제들이 존재한다. 특히 언어 문제는 가장 큰 장벽으로 작용한다. 대형 언어 모델들이 현지 언어에 충분히 훈련되지 않았다는 점이 저소득 및 중산층 국가에서 생성형 AI 활용의 가장 큰 장애물로 지적되고 있다.

또한 디지털 인프라 부족도 심각한 문제다. 2022년 세계은행 보고서에 따르면 아프리카 인구의 오직 36%만이 광대역 인터넷에 접속할 수 있었다. 이러한 디지털 격차는 아무리 고급 AI 모델이 개발되더라도 그 혜택을 가장 필요로 하는 사람들에게 전달하기 어렵게 만든다.

신뢰도 문제도 중요한 과제다. AI 시스템이 제공하는 의료 정보의 정확성을 보장하기 위해 대부분의 프로젝트에서는 ‘인간 개입(human-in-the-loop)’ 방식을 채택하고 있다. 자카란다 헬스의 경우, 위험도가 높은 질문은 자동으로 인간 전문가에게 전달되고, 일반적인 질문에 대한 AI 응답도 두 번째 AI를 통해 문법, 명확성, 의학적 정확성을 점검한 후 85% 이상의 점수를 받은 경우에만 사용자에게 전송된다.

1천만 달러의 투자: 아프리카 언어를 배우는 AI가 의료 혁신의 열쇠

생성형 AI의 의료 분야 잠재력을 최대한 실현하기 위해서는 국제적 협력과 지속적인 투자가 필요하다. 2025년 2월, AI for Development Funders Collaborative(FCDO, IDRC, BMZ, 게이츠 재단 포함)가 아프리카 언어를 포함하는 AI 모델 개발을 위해 1천만 달러를 투자하기로 발표한 것은 이러한 노력의 일환이다.

또한 스탠포드 대학교의 RAISE Health(Responsible AI for Safe and Equitable Health) 이니셔티브는 학계, 정부, 산업계 이해관계자들을 모아 AI 혁신에 대한 지식 공유를 촉진하고 있다. “생체의학 분야의 AI 미래를 단독으로 설계할 수 있는 조직은 없습니다. 책임감 있는 AI 솔루션을 구축하려면 모든 목소리와 이해관계가 프로세스에 참여하는 것이 필수적입니다”라고 스탠포드 의과대학 학장 로이드 마이너(Lloyd Minor) 박사는 강조했다.

AI 간호사의 업무량 80% 감소: 생성형 AI 의료 서비스 확대를 위한 5가지 전략

전문가들은 저소득 및 중산층 국가에서 AI 의료 서비스의 영향력을 극대화하기 위한 다섯 가지 핵심 전략을 제시하고 있다.

첫째, 지속적인 학습과 협력을 촉진해야 한다. 빠르게 진화하는 기술에 대응하기 위해 부문 간 지식 교환 플랫폼을 구축하고, 성공 및 실패 사례를 투명하게 공유할 필요가 있다.

둘째, 실행 가능한 측정 전략을 수립해야 한다. 표준화된 측정 프레임워크를 통해 건강 성과와 비용 효율성 데이터를 모두 포착하고, 여러 이해관계자 간의 협력을 통해 방법론과 인사이트를 공유해야 한다.

셋째, 언어 및 현지화를 강화해야 한다. 모델 품질 격차를 해소하기 위해 데이터셋 구축에 투자하고, 현지 니즈에 맞는 성능 벤치마크를 개발해야 한다.

넷째, 기술 역량과 공유 인프라를 강화해야 한다. 기술 자원과 전문 지식을 중앙화하여 중복 노력을 줄이고, 다양한 의료 시스템에 적용 가능한 확장 가능한 솔루션을 만들어야 한다.

다섯째, 디지털 격차를 해소해야 한다. 기본적인 의료 및 디지털 인프라에 투자하여 AI 도구가 가장 필요한 곳에 공평하게 배포될 수 있도록 해야 한다.

FAQ

Q: 생성형 AI란 무엇이며 의료 분야에서 어떻게 활용되고 있나요?

A: 생성형 AI(GenAI)는 학습 데이터를 기반으로 텍스트, 이미지, 오디오와 같은 새로운 의미 있는 콘텐츠를 생성할 수 있는 컴퓨팅 기술입니다. 의료 분야에서는 환자와의 대화형 상담, 의료 정보 요약, 진단 지원, 치료 안내 등 다양한 용도로 활용되고 있습니다.

Q: 저소득 및 중산층 국가에서 AI 의료 서비스가 직면한 가장 큰 장애물은 무엇인가요?

A: 가장 큰 장애물은 현지 언어 지원 부족, 디지털 인프라 부족(인터넷 접속, 디지털 기기 접근성 등), AI 출력의 부정확성에 대한 우려 등입니다. 특히 아프리카와 같은 지역에서는 인구의 36%만이 광대역 인터넷에 접속할 수 있어 디지털 격차가 심각한 문제로 남아있습니다.

Q: AI 의료 서비스의 정확성과 안전성은 어떻게 보장되나요?

A: 대부분의 AI 의료 서비스는 ‘인간 개입(human-in-the-loop)’ 방식을 채택하고 있습니다. 위험도가 높은 사용자 질문은 인간 전문가에게 자동으로 전달되며, AI가 생성한 응답도 의학적 정확성, 명확성, 적절성 등을 평가하는 추가 검증 과정을 거치는 경우가 많습니다. 또한 프롬프트 엔지니어링과 검색 증강 생성(RAG) 기술 등을 통해 정확도를 높이고 있습니다.

해당 기사에서 인용한 리포트 원문은 링크에서 확인할 수 있다.

이미지 출처: Girl Effect, 스탠포드 대학교 디지털 헬스 센터

기사는 클로드와 챗GPT를 활용해 작성되었습니다.