94 vs 67: 블라인드 처방 OSCE에서 AMIE vs 일반의

구글의 의료 AI가 진단을 넘어 더 높은 기준을 통과했습니다. 이번 주 발표된 맹검 임상시험에서 AMIE의 다회 방문 치료 계획이 1차 진료의사에 비해 비열등한 것으로 평가됐으며, 처방 정밀도에서는 앞섰습니다.

Nature 2026에 실린 AMIE: 종단 임상시험이 보여준 것

AMIE(Articulate Medical Intelligence Explorer)는 임상 대화를 위한 구글의 연구 시스템으로, 두 번째 Nature 논문에서는 단회 진단에서 종단적 질환 관리, 즉 다회 방문에 걸친 치료 계획·처방·용량 조정으로 범위를 확장했습니다. 2026년 6월 17일 Google Research와 Google DeepMind가 발표한 이 연구에 따르면, 전문의 평가자들은 15개 채점 항목에서 AMIE의 관리 계획이 1차 진료의사와 비열등하다고 판단했으며, 첫 방문 시 전반적 계획 적절성(88% 대 74%, p=0.019), 치료 권고 정밀도(94% 대 67%) 등 여러 항목에서는 유의미하게 더 우수했습니다 .

핵심 요약: 100개 다회 방문 시나리오를 대상으로 한 무작위 맹검 가상 OSCE에서 구글의 AMIE는 1차 진료의사에 비해 비열등한 치료 계획을 내놓았으며, 처방 정밀도에서는 더 높은 점수를 기록했습니다. 첫 방문 기준 치료 권고 정밀도는 94% 대 67%였습니다 . 이는 연구 결과이며, 실제 배포된 제품이 아닙니다.

헤드라인 앞에 실험 형식을 먼저 확인해야 합니다. 이 연구는 무작위 맹검 가상 객관적 구조화 임상 시험(OSCE)으로, 100개 시나리오에 각 3회 방문이 주어졌고, 계획이 AMIE의 것인지 사람의 것인지 알지 못하는 전문의 평가자들이 채점했습니다 . 실제 환자도, 전자 건강 기록도 없었으며, 모든 상호작용은 텍스트 기반으로만 이루어져 실제 진료실보다는 통제된 시험에 가까웠습니다.

이번 논문은 AMIE의 두 번째 논문이며, 아키텍처도 변경되었습니다. 2025년 Nature 연구는 PaLM 2 기반 시스템의 진단 대화를 다뤘고 , 2026년 연구는 다회 방문에 걸친 치료 계획 및 용량 조정을 위해 AMIE를 Gemini 1.5 Flash 기반으로 재구축했습니다 . 논문과 함께 팀은 OpenFDA와 영국 국가 처방집(BNF)에서 도출한 600개 문항 규모의 약물 추론 벤치마크 RxQA도 재사용 가능한 외부 평가 도구로 공개했습니다 .

진단은 출발점: AMIE의 종단 진료로의 전환

2025년 AMIE에서 2026년 AMIE로의 전환은 역할 자체가 달라진 것입니다. 진단 AMIE는 단일 진료(임상 병력 청취 및 감별 진단 대화)에 최적화되어 주로 진단 정확도와 대화 품질로 평가됐습니다 . 2026년 관리 AMIE는 진단이 이미 확정된 상태를 전제로 더 어려운 후속 질문, 즉 무엇을 처방할지, 용량을 어떻게 조정할지, 여러 방문에 걸쳐 무엇을 모니터링할지를 다룹니다 . 논문의 핵심 주장은 진단은 필요하지만 진료에는 충분하지 않다는 것입니다.

"진단은 필요하지만 진료에는 충분하지 않다"는 것이 Towards conversational AI for disease management의 핵심 주장으로, 이 논문은 AMIE를 진단이 아닌 관리 추론 중심으로 재정립합니다 (source: Nature, 2026-06).

실제로 "관리 추론"은 진단 버전이 다루지 않았던 여러 과제로 AMIE의 범위를 확장합니다 :

• 감별 진단에 그치지 않고, 검사의 선택과 시기를 결정합니다.
• 치료를 처방·조정하고, 치료 반응과 질환 진행 상황을 추론합니다.
• 약물 안전성을 확보하고, 공신력 있는 가이드라인에 근거해 선택합니다.
• 진화하는 다회 방문 상황에서 추적 관찰을 계획합니다.

질문의 초점이 "환자에게 무엇이 문제인가"에서 "여러 방문에 걸쳐 무엇을 해야 하며, 그것이 가이드라인에 부합하고 안전한가"로 이동합니다 .

저자들은 이 지점에서 AI의 활용 가치가 가장 크다고 주장합니다. 분절된 진료(종단적 계획을 책임지는 단일 주체 없이 환자가 여러 의사를 오가는 상황)가 다회 방문 연속성으로 해결하려는 실패 패턴이며, 심부전·당뇨병 등 만성 질환을 주요 수혜 대상으로 구체적으로 언급합니다 . 이는 입증된 결과가 아닌 연구 동기입니다. 이 연구는 AMIE를 Gemini 1.5 Flash 기반으로 재구축해 다회 방문에 걸친 치료 계획·용량 조정을 구현했지만 , 전향적 시험에서 만성 질환 결과가 실제로 개선됐음을 증명하지는 않습니다.

방법론에 내재된 주의사항도 있습니다. 관리 품질을 채점하기 위해 팀은 이 논문을 위해 직접 고안한 평가 기준인 Management Reasoning Empirical Key Features(MXEKF) 루브릭을 사용했습니다 . 저자들 스스로 명시적 한계로 언급하듯, MXEKF는 외부 검증을 아직 받지 못했습니다. 즉 AMIE의 성과를 측정하는 도구 자체가 새것이고 검증되지 않은 상태입니다. 벤치마크 주장을 검토하는 개발자라면 이 부분을 밑줄 그어야 합니다. 측정 지표와 결과가 동시에 출시됐다는 점입니다 .

AMIE가 침상 예절과 처방 계획을 분리하는 방식

관리 버전의 AMIE는 역할을 두 가지 별개 프로세스로 나눕니다. 실시간으로 공감적 환자 대화를 수행하는 대화 에이전트(Dialogue Agent)와, 느리지만 가이드라인에 기반한 계획을 담당하는 관리 추론 에이전트(Management Reasoning Agent, "Mx Agent")입니다 . 이는 의도적인 분리입니다. 프론트엔드는 어조, 병력 청취, 연속성에 최적화되어 있고, 백엔드는 임상 가이드라인 및 의약품 처방집 대비 정확성에 최적화되어 있습니다. 초기 진단용 AMIE는 모든 것을 하나의 PaLM 2 모델과 단일 추론 루프에 통합했기 때문에, 이 두 에이전트 설계는 장기적 계획 수립을 실현 가능하게 만든 구조적 변화입니다 .

Mx Agent는 계획을 한 번에 만들어내지 않습니다. 독립적으로 네 개의 관리 계획 후보를 초안으로 작성한 뒤, 이를 병합·정제해 인용이 포함된 단일 구조화 출력물로 만듭니다 . 이는 단일 패스 생성이 아닌 계획 루프입니다. 모델에게 하나의 답을 묻는 방식보다는, 여러 추론 경로를 샘플링하고 조율하는 방식에 가깝습니다. 초안 작성 전에 에이전트는 Gecko 1B 텍스트 임베딩을 사용해 가이드라인 문서를 검색하고, 최대 다섯 개의 자연어 검색 쿼리를 생성하며, 사례당 평균 약 여섯 개의 가이드라인 문서로 구성된 256,000토큰 분량의 지식 컨텍스트를 조립합니다 . 검색 → 초안 작성 → 병합 순서가 바로 가이드라인 기반 계획이 실제로 이루어지는 지점입니다.

상태 관리도 분리되어 있습니다. 대화 에이전트는 방문 전반에 걸쳐 환자 상태를 유지하고, Mx Agent는 계획을 업데이트하기 전에 매 방문마다 전체 종단적 이력을 다시 읽습니다 . 시나리오당 세 번의 방문, 방문 간 최소 24시간 간격을 두면서, 계획 에이전트는 압축된 요약을 이어받는 것이 아니라 변화하는 증상·검사 결과·치료 반응을 반복적으로 재기반으로 삼습니다 . 긴 컨텍스트 자체가 메모리입니다.

개발자 관점에서 이 패턴은 의료 현장을 넘어 일반화됩니다. 저지연 대화형 프론트엔드를 비용이 큰 장문 컨텍스트 추론 백엔드 앞에 배치하는 것은 조합 가능한 설계입니다. 사용자 대면 에이전트는 응답성을 유지하면서, 계획 에이전트는 크리티컬 패스 밖에서 느린 검색과 다중 후보 생성을 수행합니다. 모델의 사전 지식에서 즉흥적으로 답변하는 대신, 대규모 권위 있는 코퍼스(법률·컴플라이언스·금융 자문 등)에 기반한 답변이 필요한 어떤 도메인에도 동일한 구조가 적용됩니다. AMIE의 기여는 의학 그 자체보다, "어떻게 말할 것인가"와 "무엇을 결정할 것인가"를 분리함으로써 각각을 독립적으로 최적화·평가·근거 기반화할 수 있음을 보여준 데 있습니다.

AMIE의 가이드라인 코퍼스: NICE·BMJ 627건을 한꺼번에

관리 추론 에이전트는 627개의 가이드라인 문서로 구성된 고정 코퍼스를 기반으로 계획을 수립합니다. 영국 NICE Guidance 527건과 BMJ Best Practice 100건으로, 합계 약 1,050만 토큰(약 4,600만 자)에 달합니다 . 이 코퍼스는 모든 처방 및 용량 조정 결정의 기반입니다. Mx Agent는 모델의 사전 지식에서 즉흥적으로 답변하는 대신 관련 섹션을 검색해 인용하며, 이것이 계획을 감사 가능하게 만드는 핵심입니다.

검색은 Gecko 1B 텍스트 임베딩으로 수행됩니다. 각 계획 사이클에서 Mx Agent는 가장 관련성 높은 가이드라인 섹션을 찾기 위해 최대 다섯 개의 자연어 검색 쿼리를 생성한 뒤 작업 컨텍스트를 조립합니다 . 이 컨텍스트는 계획 세션당 256,000토큰으로 제한되며, 실제로는 평균 약 여섯 개의 가이드라인 항목을 한 번에 불러옵니다 . 즉, 1,050만 토큰 전체를 하나의 프롬프트에 넣는 것이 아니라, 627개 문서 중 현재 환자에게 실제로 관련된 소수만 추려내는 방식입니다. 덕분에 컨텍스트 예산이 단일 장문 컨텍스트 윈도우 안에 유지됩니다.

수치를 제대로 이해하게 해주는 세부 사항이 있습니다. 평가 과정에서 AMIE와 일차진료의(PCP) 모두 동일한 코퍼스에 접근할 수 있었습니다 . 임상의들이 참고 자료를 가진 모델을 상대로 기억에만 의존해 작업한 것이 아니라, 모두가 NICE와 BMJ를 동등하게 활용할 수 있었습니다. 이 설계 선택은 중요합니다. 측정 대상을 명확히 격리하기 때문입니다. 이 시험은 지식 암기(누가 더 많은 가이드라인을 읽었는가)를 테스트하는 것이 아니라, 계획 수립과 인용 정밀도를 테스트합니다. 동일한 권위 있는 자료를 주었을 때, 누가 올바른 중재를 선택하고 정확하게 근거를 제시하는가. 이후 AMIE가 더 높은 가이드라인 일치율과 인용률을 기록하더라도, 그 성과는 지식 격차 덕분이 아닙니다. 지식은 공유되었기 때문입니다.

개발자 관점에서 재사용 가능한 부분은 패턴입니다. 큐레이션된 코퍼스에 대한 임베딩 검색으로 채운 256k 토큰 예산, 명시적 쿼리 생성, 문서 수 상한 설정은 대규모 권위 있는 자료에 안전 중요 결정을 근거 지우기 위한 구체적인 레시피입니다 . 코퍼스가 마침 임상 가이드라인일 뿐이며, 출처 인용이 답에 도달하는 것만큼 중요한 검색 기반 계획 작업이라면 어디에나 이 아키텍처를 적용할 수 있습니다.

OSCE 구성 방식: 전문 과목·방문 횟수·블라인딩

이 평가는 무작위 배정·블라인드 방식의 가상 객관적 구조화 임상시험(OSCE)으로, 100개의 다회 방문 시나리오를 기반으로 구성됐습니다. 각 시나리오는 3회의 방문으로 이루어지며, 방문 사이에는 최소 24시간(약 이틀)의 간격이 있습니다 . 3회 방문 구조가 핵심입니다. 단일 처방 결정을 채점하는 데 그치지 않고, 새로운 정보가 들어올 때마다 AMIE와 의사 모두 계획을 수정하도록 설계됐습니다. 시나리오 팩은 방문 전반에 걸쳐 변화하는 증상, 새로운 검사 결과, 치료 반응, 영상 소견을 포함했으며, 루브릭은 첫 번째 결정만이 아니라 종단적 계획 수정을 측정했습니다 .

시나리오는 캐나다와 인도의 의료 제공자들이 작성했으며, 시험 중 양측 모두 조회할 수 있었던 동일한 자료인 영국 NICE 가이던스와 BMJ Best Practice를 반영하도록 설계됐습니다 . 중요한 점은, 이 평가가 일차 진료에만 국한되지 않았다는 것입니다. 시나리오 세트는 다섯 개 전문 과목에 걸쳐 각 20개씩 균형 있게 배분됐습니다: 심장내과, 호흡기내과, 산부인과/비뇨기과, 소화기내과, 신경과 . 이 분포는 핵심 수치를 해석할 때 중요합니다. AMIE는 일반의의 일상적 진료 범위 경계선에 있거나 그를 넘어서는 관리 문제에서 비교됐습니다.

시험에는 세 개의 인간 코호트가 참여했습니다. 비교군은 레지던트 수료 후 중앙값 9년의 경력을 가진 21명의 보드 인증 일차진료의(PCP)였고, 21명의 검증된 환자 배우가 대화를 이끌었으며, 10명의 전문의 평가자(중앙값 5년 경력)가 결과 계획을 채점했습니다 . 블라인딩은 이 설계의 핵심 요소입니다. 평가자들은 계획이 AMIE에서 나온 것인지 인간에게서 나온 것인지 알 수 없었으며, 이는 평가자가 기계를 채점하고 있다는 사실을 알 때 발생하는 명백한 편향 원인을 제거합니다.

"시나리오 팩에는 변화하는 증상, 검사 결과, 치료 반응, 영상 소견이 포함됐으며, 평가는 초기 진단뿐 아니라 종단적 계획 수정을 대상으로 했습니다," Google Research 및 Google DeepMind, Towards conversational AI for disease management (source: Nature, 2026-06).

설계 자체에 두 가지 주의사항이 내재되어 있습니다. 시나리오가 캐나다와 인도 저자들에 의해 작성됐음에도 불구하고 가이드라인은 주로 영국에서 유래했으며 현지화 작업이 없었고, 시험 전체가 실제 환자가 아닌 훈련된 배우와의 텍스트 전용 채팅으로 진행됐습니다 . 결과를 읽는 개발자에게 이것이 주장의 경계입니다. 양측 모두 동일한 문서에서 자료를 가져온 통제된 출처 대칭 벤치마크이지, 실제 클리닉의 복잡하고 다모달적인 현실을 대상으로 한 테스트가 아닙니다.

AMIE가 일차진료의를 앞선 영역: 처방 정밀도와 가이드라인 인용

동일한 출처 환경의 벤치마크에서 AMIE가 가장 두드러진 우위를 보인 것은 처방 정밀도였으며, 첫 번째 방문 이후 희미해지지 않고 매 방문에서 일관되게 유지됐다. 전문의 평가자들은 AMIE의 치료 권고안이 방문 1회차 94%, 2회차 90%, 3회차 91%에서 정밀하다고 평가한 반면, 일차진료의는 각각 67%, 70%, 70%에 그쳤다 . 약 20~24퍼센트포인트의 격차는 초기 진료의 신선함에 의존하지 않았다. 세 번의 방문에 걸쳐 새로운 검사 결과, 치료 반응, 영상 소견이 추가되는 시나리오에서도 이 격차는 지속됐다.

핵심 요약: Google의 블라인드 OSCE에서 전문의 평가자들은 AMIE의 치료 권고안이 1회차 방문 계획의 94%에서 정밀하다고 판정했으며, 일차진료의의 67%와 대비됐다. 이 격차는 이후 방문(90~91% 대 70%)에서도 유지됐다. 또한 AMIE는 98~100%의 계획에서 가이드라인을 인용한 반면, 일차진료의는 86~88%에 머물렀다 .

검사 정밀도는 조금 더 복잡한 양상을 보였다. 1회차 방문에서는 두 집단이 비슷한 수준이었지만, 진료가 누적될수록 AMIE가 앞서 나갔다. 2회차에서는 99% 대 84%, 3회차에서는 100% 대 88%였다 . 이 격차가 점점 벌어지는 양상은, 명시적인 환자 상태를 유지하고 25만 6천 토큰의 가이드라인 컨텍스트 위에서 재계획하는 시스템에 기대할 법한 결과와 일치한다. 첫 방문의 검사 계획에 고착되지 않고, 새로운 소견이 도착할수록 계획이 더 정밀하게 적응하는 것이다.

출처 인용 격차는 개발자들이 곱씹어볼 부분이다. AMIE는 세 번의 방문 전반에 걸쳐 98~100%의 계획에서 가이드라인을 명시적으로 참조한 반면, 일차진료의는 86~88%에 그쳤으며 3회차로 갈수록 격차가 소폭 벌어졌다 . 이는 Management Reasoning Agent의 설계가 낳은 구조적 결과다. 627개 문서로 구성된 NICE 및 BMJ 공유 코퍼스에서 검색한 뒤, 인용을 구조적으로 포함하는 계획을 생성하기 때문이다. 권고안이 가이드라인과 일치하는 것(AMIE 89~93% 대 일차진료의 75~81%)과 가이드라인을 명시적으로 언급하는 것은 별개의 문제인데, 이 아키텍처는 후자를 거의 자동으로 최적화한다.

다만 헤드라인 수치에는 단서가 필요하다. "94 대 67"이 평가 기준의 전부는 아니기 때문이다. 평가에는 Management Reasoning Empirical Key Features(MXEKF) 키가 사용됐으며, 51개의 평가 축/방문/평가자 조합 중 절반 가량은 동점이거나 해당 없음이었다. 선호가 존재하는 경우, AMIE의 중앙값 승률은 42%였고 일차진료의는 8%였다 .

"전문의 평가자들은 AMIE의 관리 계획이 평가된 모든 축에서 일차진료의의 계획에 비해 열등하지 않으며, 치료 정밀도와 가이드라인 준수 처방을 포함한 여러 항목에서는 우수하다고 판단했다. 한편 많은 비교 항목은 동점이었다"고 연구 저자들은 Nature에 보고한다 (source: Towards conversational AI for disease management, 2026-06).

정확히 읽으면, 이 결과는 "전반적으로 비열등하고, 정밀도와 출처 인용에서는 결정적으로 우수하며, 나머지 상당 부분은 동점"이다. 인간 임상의를 전면적으로 압도한 것은 아니다. 가이드라인 기반 에이전트를 구축하는 이들에게 이 구분은 유용한 신호다. 승리가 집중된 영역이 정확히 검색과 구조적 인용이 작동하는 지점이기 때문이다 .

RxQA: 적응증·금기·용량을 다루는 600개 약물 문항

RxQA는 팀이 구축한 독립형 600문항 객관식 벤치마크로, OSCE 대화와 분리하여 약물 추론 능력만을 집중 테스트하도록 설계되었습니다 . 각 문항은 적응증·금기·용량·부작용·약물 상호작용 등 다섯 가지 역량 중 하나를 검증하며, 미국 OpenFDA와 영국 국가처방집(BNF)이라는 두 권위 있는 약물 참조 데이터베이스에서 도출되었습니다 . 종단 시험에서 분리해 낸 이유는 이식성 때문입니다. RxQA는 환자 배우, 다회 방문 패키지, 전문 평가자 없이도 처방의 안전-핵심 역량을 측정합니다.

데이터 출처는 모델 출력물로 자동 생성된 벤치마크를 같은 계열 모델 평가에 재사용하는 사례를 본 적 있는 사람이라면 특히 주목할 부분입니다. RxQA는 크라우드소싱이나 기계 생성 방식이 아닙니다. 미국과 영국 각 관할권에서 보드 인증을 받은 약사 4명이 모든 문항을 검토·평가하여 정답 기준을 모델 예측이 아닌 임상 전문가의 판단에 고정했습니다 . 이 검토 단계 덕분에 벤치마크가 순환론적 기준이 아닌 독립적 잣대로 기능합니다.

난이도 높은 문항 하위집합에서 AMIE와 일차진료의(PCP) 간 격차는 두 테스트 조건 모두에서 통계적으로 유의미했습니다:

• 폐쇄형 (처방집 미사용): AMIE 50.6% vs PCP 41.5%, p=0.013 .
• 개방형 (처방집 사용 허용): AMIE 57.9% vs PCP 47.8%, p<0.001 .

쉬운 문항은 다소 다른, 그리고 더 솔직한 결과를 보여줍니다. 이 구간에서도 AMIE가 더 높은 점수를 기록했지만(폐쇄형 52.8% vs 46.5%, 개방형 73.8% vs 67.4%), 어느 차이도 통계적 유의미성에 도달하지 못했습니다 . 즉, 측정 가능한 격차는 정확히 추론이 가장 어려운 지점에서 나타나며, 이는 OSCE 패턴과 일치합니다. 모델의 우위는 전방위적이 아니라 정보 검색 부담이 크고 가이드라인이 밀집된 의사결정에 집중됩니다.

개발자 입장에서 더 지속적인 기여는 산출물 자체일 수 있습니다. RxQA는 재사용 가능한 독립형 약물 추론 평가 도구로 공개되므로, 어떤 임상 AI 시스템이든 전체 다회 방문 OSCE 인프라를 재구축하지 않고 직접 실행할 수 있습니다 . 이는 오류 용납도가 가장 낮은 역량에 대해 비교 가능한 일관된 보고의 문턱을 낮추고, 각자 맞춤형 내부 점수 대신 약사가 검증한 공유 기준을 필드에 제공합니다.

OSCE ≠ 실제 진료: 이번 연구가 이정표인 이유, 제품이 아닌 이유

맹검 OSCE 결과는 연구 이정표이지 배포 가능한 제품이 아닙니다. AMIE는 실제 환자 결과에 대해 단 한 번도 테스트된 적이 없습니다. 시나리오는 훈련된 환자 배우 21명, 설계된 증상 진행 경과, 3회 방문에 걸친 텍스트 전용 채팅으로 구성되었습니다 . 실제 처방이 조제·투약·모니터링된 사례는 없으며, 저자들도 AMIE가 임상 진료에 준비되지 않았다고 명시합니다 . 통제된 조건에서의 역량 증거로 읽어야 하며, 임상적 효과의 증명으로 보면 안 됩니다.

OSCE와 실제 진료의 간극은 표면적인 것이 아니라 구조적입니다. 실제 진료는 멀티모달이며 전자의무기록(EHR) 검토, 처방 입력 제약, 약국 감독, 로컬 처방집, 불규칙하고 복잡한 종단적 병력 등을 포함하는데, 이 중 어느 것도 시뮬레이션이 반영하지 못했습니다 . 가이드라인 코퍼스도 영국 기준(NICE 문서 527건, BMJ Best Practice 항목 100건)으로, 로컬 적응 없이 대부분 사용되어 평가 기준이 단일 관할권 표준에 고정됩니다 . 점수 자체도 이번 연구를 위해 도입된 Management Reasoning Empirical Key Features(MXEKF) 루브릭에 기반하며, 저자들은 이 척도가 표준으로 기능하려면 외부 검증이 더 필요하다고 밝힙니다 .

AMIE의 모델 코드와 가중치는 오픈소스로 공개되지 않으므로, 이 논문으로부터 배포하거나 자체 호스팅할 수 있는 것은 없습니다 . 다음으로 주목할 신호는 전향적 연구입니다. Google은 실제 가상 진료 환경에서 AI를 평가하는 전국 규모 연구를 시작했다고 밝혔으며, 이 단계에서야 설계된 시나리오가 실제 환자로 대체되고 심부전·당뇨 등 만성질환 관리 개선 주장을 비로소 검증할 수 있게 됩니다 . 그 데이터가 나오기 전까지 '종단적 진료'라는 프레이밍은 그럴듯하지만 아직 증명되지 않은 상태입니다.

엔지니어에게 지속적 가치는 의료 프레이밍 아래에 있습니다. 두 가지 아키텍처 패턴은 다른 도메인에도 잘 이식됩니다. 공감 중심 대화 에이전트와 느리지만 가이드라인 기반 관리 추론 에이전트를 분리하는 것, 그리고 안전-핵심 의사결정에서 출력을 제어하기 위해 권위 있는 코퍼스 위의 장문 컨텍스트 검색에 의존하는 것입니다 . 두 패턴 모두 의료를 넘어 조합 가능합니다. 대화형이면서 검증 가능한 정확성을 동시에 요구하는 시스템이라면 같은 분리 구조가 필요합니다. 구체적 시사점: 94% vs 67% 처방 정밀도 헤드라인은 통제 환경 결과로 받아들이고, 첫 실환자 근거를 위해 전국 가상 진료 시험을 주시하며, 지금 당장 실행 가능한 이식 가능한 부분인 RxQA를 직접 활용하십시오.

최종 업데이트: 2026-06-20. 2026-06-17 게재된 Nature 연구(s41586-026-10764-5) 기준으로 검토됨.

자주 묻는 질문

AMIE란 무엇이며, 일반 의료 챗봇과 어떻게 다른가요?

AMIE(Articulate Medical Intelligence Explorer)는 Google Research와 Google DeepMind가 개발한 연구용 임상 AI로, 2026년 6월 17일 Nature에 평가 결과가 발표되었습니다 . 단일 턴 챗봇과의 핵심 구조적 차이는 두 에이전트 분리 방식에 있습니다. 공감 능력을 갖춘 대화 에이전트(Dialogue Agent)가 환자 대화를 수행하고 방문 간 환자 상태를 유지하며, 별도의 '심층 사고' 관리 추론 에이전트(Mx Agent)가 검색된 가이드라인 문서를 기반으로 느리고 긴 맥락의 계획을 수립합니다 . 일반 챗봇은 매개변수 메모리에서 한 번에 답변하는 반면, AMIE는 Gecko 임베딩을 통해 가이드라인을 검색하고 네 가지 후보 계획을 초안한 뒤 이를 출처가 명시된 관리 계획으로 통합합니다 .

AMIE는 임상에서 사용할 수 있나요?

아닙니다. AMIE는 연구용 시스템에 불과합니다. 텍스트 전용이고 오픈소스가 아니며(코드도 가중치도 공개되지 않음), 시뮬레이션된 OSCE 환경에서만 테스트되었을 뿐 실제 환자를 대상으로 한 적이 없습니다 . 저자들은 AMIE가 임상 진료에 사용될 준비가 되지 않았다고 명시합니다. Google은 다음 단계로 실제 가상 진료 환경에서 AI를 평가하는 전국 규모 연구를 발표했으며, 이는 실제 환자를 대상으로 한 첫 평가가 될 것입니다. 하지만 그 결과가 나오기 전까지 AMIE는 배포 가능한 도구가 아닌 벤치마크 이정표에 불과합니다 .

RxQA는 다른 의약품 평가와 달리 무엇을 측정하나요?

RxQA는 적응증, 금기증, 용량, 부작용, 약물 상호작용을 다루는 600문항 객관식 벤치마크입니다 . RxQA의 차별적 특징은 관할권별 출처 선정과 검토 방식에 있습니다. 문항은 OpenFDA(미국)와 영국 국가의약품집(BNF)에서 도출되며, 각 관할권의 보드 인증 약사 4인이 이를 수정하고 평가합니다 . 대화에 내장된 루브릭이 아닌 독립적으로 활용 가능한 객관식 문제 세트이기 때문에, 개발자가 모델의 의약품 추론 능력을 직접 테스트하는 데 재사용할 수 있는 연구의 유일한 구성 요소입니다.

이 논문은 Google의 2025년 진단 AMIE 논문과 어떻게 다른가요?

2025년 논문(「Towards conversational diagnostic AI」, Nature s41586-025-08866-7)은 PaLM 2를 기반으로 구축되었으며, 단일 진료 내에서의 병력 청취와 감별 진단에 초점을 맞췄습니다 . 2026년 논문은 Gemini 1.5 Flash 기반으로 AMIE를 재구축하고, '무엇이 잘못되었는가'에서 '어떻게 해야 하는가'로 과제를 전환합니다. 방문 간 약 이틀의 간격을 둔 세 차례 방문의 종단 시나리오에서 치료 선택, 용량 조정, 계획 조정을 다룹니다 . 한마디로, 단일 턴 진단과 시간 경과에 따른 관리 추론의 차이입니다.

OSCE에서 AMIE와 일차진료의는 왜 동일한 가이드라인에 동등하게 접근할 수 있었나요?

평가 중 AMIE와 21명의 일차진료의 모두 동일한 627개 문서 코퍼스(NICE 가이던스 527개, BMJ Best Practice 100개)를 조회할 수 있었습니다 . 접근을 동등하게 함으로써 순수한 지식 암기력 변수를 제거하고, 누가 더 많은 의약품 항목을 암기했는지보다 계획 수립의 질(인용 정밀도, 계획 일관성, 방문 간 적응력)을 비교할 수 있습니다. 이러한 설계 덕분에 1차 방문에서 AMIE의 치료 권고 정밀도 94% 대 67%와 같은 결과가 더 넓은 지식 기반이 아닌, 공유된 정보 하에서의 추론 능력에 관한 진술이 될 수 있습니다 .