Microsoft Research가 2026년 11월 17일 AI로 의료가 어떻게 달라질지 묻는 팟캐스트 새 에피소드를 공개했다. 출연자들은 연구가 병원보다 빠르게 나아가고 있다는 점에 의견을 같이한다. 에피소드 제목은 “Can AI help build a healthier future?“이며, Doug Burger가 진행하는 시리즈 The Shape of Things to Come의 한 편이다.
게스트는 세 명이다. Microsoft 최고과학책임자 Eric Horvitz, Microsoft Research 수석 연구 매니저이자 Broad Institute와의 공동 연구 Project Ex Vivo 공동 책임자인 Ava Amini, 그리고 Scripps Research 부사장인 Eric Topol 박사다. 진단, 의료 영상, 전신 환자 모델, 가상 세포, 신약 개발이 다뤄졌다.
Microsoft 팀은 AI 진단에 대해 무엇을 보고했나
Horvitz는 진단 AI를 시험하는 방식이 바뀌었다고 설명했다. 완성된 사례 자료를 모델에 주는 대신 임상의의 입장에 놓는다. 주 호소 증상과 약간의 병력에서 출발해 어떤 질문을 할지, 비용을 고려해 어떤 검사를 낼지, 불확실한 상황에서 언제 진단을 내릴지를 모델이 정한다. 그는 이를 순차적 진단 과제라고 부른다.
Microsoft Research의 논문 페이지에 주요 수치가 나와 있다.
- 의사 패널을 모사하는 AI 시스템은 New England Journal of Medicine 임상병리 사례에서 정확도 83.2%
- MIMIC-IV-ED 응급실 입원 사례에서는 80.3%
- 일반의의 정확도는 같은 두 데이터 집합에서 각각 36.1%와 46.8%
초록은 이 결과가 통제된 벤치마크 환경에서 나왔다고 밝힌다. Horvitz도 방송에서 일반의와의 비교는 한계를 감안해야 한다고 말했다. Topol은 의사와 다른 최첨단 모델보다 정확도가 높은 첫 에이전트형 시스템이며, 정확도가 “거의 두 배”이면서 비용은 낮다고 평가했다.
Topol은 검증된 AI가 왜 환자에게 닿지 않는다고 말하나
Topol은 업계가 생성형 AI를 쫓느라 더 많이 검증된 분야를 놓쳤다고 지적했다. 망막, 흉부 엑스레이, 심전도 같은 의료 영상 딥러닝이다. 그는 10만 명이 넘는 여성이 참여한 유방촬영 무작위 시험과 대장내시경 무작위 시험 44건을 예로 들며, 성과가 학술지에 머물러 있다고 말했다.
이유는 과학이 아니라 도입에 있다고 했다. 의료기관은 이익률이 낮고, 업계는 변화가 느리며, 의사도 환자도 이런 기술을 요구하지 않는다. 그는 이 연구가 진료에 반영되기를 여전히 기다리고 있다며, 의사나 환자의 압력이 변화를 이끌 수 있다고 시사했다.
전신 환자 모델과 가상 세포란 무엇인가
Topol은 다음 단계로 전신 환자 모델을 꼽았다. 전자 건강 기록에 원본 영상, 유전체, 단백질체, 엑스포좀 등을 결합하는 것이다. 목표는 질병과 발병 시기를 예측하고, 조건을 바꾼 시나리오를 시험하며, “위험하다”는 말에서 예방을 가능하게 하는 단계로 나아가는 것이다. 가상 세포는 아직 멀었고 성숙한 전신 환자 모델이 먼저 나올 것으로 본다.
Amini는 생물학이 분자에서 세포, 장기 계통까지 여러 규모에 걸쳐 있고, 이를 잇는 것이 어려운 기계학습 과제라고 말했다. 가장 큰 우려는 실제 적용이다. 모델이 무엇을 해결할지, 실험 과학자들이 어떻게 받아들일지가 문제라는 것이다. Broad Institute와의 협력은 이 연결을 바닥부터 쌓으려는 시도다.
생물학 AI의 발목을 잡는 것은 무엇인가
Topol과 Amini는 모두 데이터를 꼽았다. Topol은 AlphaFold가 성공한 것은 Protein Data Bank가 이미 있었기 때문이며, 생명과학과 의학에는 그에 견줄 데이터 집합이 없다고 말했다. Amini는 단백질 서열과 기능을 대규모로 연결하는 활동 중심 데이터 집합을 원한다.
Amini와 Horvitz는 모델로 실험을 안내해 실험실 시간을 가장 유망한 선택지에 쓰고 비용과 기간을 줄이는 방안도 설명했다. Amini는 현실 세계가 언제나 병목이라고 분명히 말했다.
가격
에피소드 페이지에는 가격이 적혀 있지 않다. 영상 재생, 전체 대본, Apple Podcasts, Spotify, 이메일, Android, RSS 구독 링크가 제공된다.
누구에게 맞나
의료 AI 소식을 따라가는 독자. Microsoft 연구자와 외부 의사 과학자가 동의하고, 이견을 내고, 자기 주장에 단서를 다는 모습을 들을 수 있다.
병원과 의료 시스템 관리자. Topol의 논점은 비용, 이익률, 유인 같은 도입 장벽에 맞춰져 있다.
생물학과 기계학습을 공부하는 학생과 연구자. 데이터와 검증 논의에서 다음 진전이 어디서 와야 하는지 알 수 있다.
건강 조언을 찾는 사람. 연구에 관한 논의이며 의학적 조언이 아니다. 본인의 건강 문제는 자격을 갖춘 의료진과 상담해야 한다.
아직 알려지지 않은 것
에피소드는 이런 시스템이 언제 진료 현장에서 쓰일지 밝히지 않았고, 논문의 결과는 벤치마크 결과다. 출연자들 스스로도 실제 적용, 더 나은 생물학 데이터, 실제 환경에서의 검증이 아직 부족하다고 말한다.
더 알고 싶다면 Microsoft Research 사이트에서 에피소드 페이지를 열어 대본을 읽고, 논문 페이지에서 초록 전문을 확인하면 된다.






