내 MRI를 Claude Code에게 보여줬더니: AI 의료 판독, 어디까지 믿을까

'의사 소견 기다리는 동안' 한 개발자가 벌인 실험

MRI나 CT를 찍어본 분은 알 거예요. 촬영은 금방 끝나는데 결과 판독은 며칠씩 기다려야 하잖아요. 그 답답한 기다림 속에서 한 개발자가 좀 색다른 시도를 했어요. 자기 MRI 원본 데이터를 Claude Code(클로드 옵스)에게 통째로 넘겨주고 '이거 한번 봐줄래?' 하고 분석을 맡긴 거예요.

여기서 중요한 전제부터 짚고 갈게요. 이건 어디까지나 개인적인 실험이고, 본인도 '의사를 대체하려는 게 아니다'라고 분명히 못 박았어요. 그 점을 기억하면서 기술적으로 뭐가 흥미로웠는지 살펴봐요.

DICOM, 그리고 에이전트가 파일을 읽는다는 것

병원에서 MRI를 찍으면 결과가 DICOM이라는 형식으로 저장돼요. 이게 뭐냐면, 의료 영상의 국제 표준 파일 포맷인데요. 단순한 이미지가 아니라 한 장 한 장이 인체를 얇게 썬 단면(슬라이스)이고, 거기에 촬영 장비·환자 정보·촬영 각도 같은 메타데이터가 잔뜩 붙어 있어요. 수십에서 수백 장의 단면이 모여야 하나의 검사가 되는 거죠.

Claude Code의 특별한 점은 단순히 질문에 답만 하는 챗봇이 아니라, 컴퓨터 안에서 직접 파일을 열고 코드를 실행하는 '에이전트'라는 거예요. 그래서 이 개발자는 DICOM 파일들을 폴더째 던져주고, Claude가 알아서 파이썬 라이브러리로 DICOM을 읽어 이미지로 변환하고, 슬라이스를 순서대로 살펴보면서 이상해 보이는 부분을 짚어내게 했어요. 멀티모달(텍스트와 이미지를 함께 이해하는 능력) 모델이라 영상 자체를 '보고' 해석할 수 있었던 거죠.

흥미로운 건, AI가 짚어낸 부분이 나중에 받은 의사 소견과 어느 정도 겹쳤다는 점이에요. 물론 이게 'AI가 의사만큼 정확하다'는 증거는 절대 아니에요.

왜 그대로 믿으면 안 되나

LLM에는 환각(hallucination) 문제가 있어요. 이게 뭐냐면, 모델이 사실이 아닌 걸 자신감 넘치는 말투로 지어내는 현상이에요. 의료 영상처럼 한 픽셀 차이가 생사를 가르는 영역에서 이건 치명적이에요. 또 일반 LLM은 의료 영상만 보고 특화 학습된 모델이 아니라서, 미묘한 병변을 놓치거나 멀쩡한 걸 문제라고 오인할 수 있어요. 게다가 MRI 같은 데이터는 극도로 민감한 개인정보라, 외부 서비스에 올리는 것 자체가 프라이버시 측면에서 신중해야 할 일이고요.

업계 맥락

사실 의료 영상 판독 AI는 이미 따로 존재해요. 영상의학(radiology) 특화 모델들은 수백만 장의 라벨링된 영상으로 학습돼서 특정 질환 탐지에선 상당한 정확도를 보여요. 일반 LLM과의 차이는, 전자는 '좁고 깊게' 특정 작업만 잘하고, Claude 같은 범용 모델은 '넓고 얕게' 여러 일을 두루 하되 의료 정밀도는 보장되지 않는다는 점이에요. 이번 사례가 의미 있는 건, 범용 에이전트가 전문 파이프라인 없이도 의료 데이터를 다룰 수 있을 만큼 똑똑해졌다는 신호라는 거예요.

한국 개발자에게

멀티모달 LLM에 파일 처리 능력이 결합되면, 비정형 데이터(이미지·PDF·로그 등)를 다루는 자동화 도구를 정말 빠르게 만들 수 있어요. 이게 핵심 교훈이에요. 다만 의료·법률·금융처럼 책임이 무거운 영역에선 'AI는 1차 참고용, 최종 판단은 전문가' 원칙을 코드와 UX에 명시적으로 박아 넣어야 해요. 국내에서도 의료 데이터는 규제가 엄격하니까 실험은 반드시 익명화·비식별 처리된 데이터로 하시고요.

한 줄로 정리하면, 범용 AI 에이전트가 전문 영역의 문턱까지 왔지만, 그 문을 여는 열쇠는 여전히 사람이 쥐고 있어야 한다는 거예요. 여러분은 AI의 1차 판독을 어디까지 신뢰할 수 있다고 보세요?