인공지능(AI)이 의료계의 화두로 떠오르면서 뇌졸중 분야에서도 실제적인 활용성 점검이 본격화되고 있다.

AI가 신속한 진단 및 대응을 가능케해 지역 환자의 생명을 살린 사례가 보고되며 긍정론이 고개를 든 반면, 정작 병원 현장에서는 기대만큼 구현 및 활용되지 않고 있다는 신중론도 제기된 것.

28일 대한뇌졸중학회는 파라다이스부산호텔에서 국제학술대회 ICSU&ICAS 2025를 개최하고 AI의 임상 적용 사례를 통해 뇌졸중 및 신경학 분야에서의 활용 가능성을 점검했다.

AI를 활용한 진단·치료·예후 예측 솔루션이 등장하며 변화에 가속도가 붙었지만 실제 임상 적용 비율은 낮고, 데이터 품질·모델 편향·현장 적합성 등 해결해야 할 문제가 적지 않다는 지적도 함께 제기된다.

먼저 한림대 춘천성심병원 전진평 교수는 AI가 실제 생명을 살리는 데 기여하고 있다는 점에서 AI 긍정론에 힘을 실어줬다.

전 교수는 지역 의료격차의 현실을 생생하게 제시하며 "서울과 강원도의 뇌졸중 사망률이 크게 다르다는 사실은 인프라의 차이가 실제 생명 손실로 이어진다는 증거"라고 말했다.

강원도의 치료 관련 사망률은 인구 10만명당 49.6명으로 서울(38.6명)을 크게 웃돌고, 뇌졸중 관련 사망률(33.6)은 전국 평균(29.6)이나 서울(25.7)보다 높다.

이 같은 격차의 핵심 원인으로는 지역 응급의료기관의 전문인력 부족, CT 판독 지연, 즉시 가능한 의료적 처치의 부재, 그리고 적절한 전원 체계 미비가 꼽힌다.

CT를 찍어도 즉시 판독할 전문의가 없고, 응급처치가 지연되거나 재전원이 반복되는 지역 현실에선 "AI 기반 원격 진료 플랫폼이 단순한 기술이 아니라 필수 인프라"라는 것이 전 교수의 판단. 그 해결책으로 클라우드 기반의 출혈 전용 플랫폼과 사용자 특성에 맞춘 AI 기반 원격 컨설팅 시스템이 제시됐다.

전 교수는 "상용화된 출혈 판독 AI가 2024년 기준으로 전 세계적으로 15종, 국내 4종이 존재한다"며 "AI 모델 성능 간 차이는 있지만, 현실에서는 어느 모델을 쓰느냐보다 어떻게 현장에 잘 녹여내느냐가 더 중요하다"고 강조했다.

그는 "2022년부터 지역 병원과 대학병원을 연결하는 플랫폼을 구축해 왔다"며 "해당 시스템은 지역 병원이 촬영한 영상을 클라우드에 업로드하면 AI가 즉시 출혈 여부를 판독하고, 필요 시 대학병원 전문의를 자동으로 호출해 실시간 원격상담을 연결하는 구조"라고 설명했다.

구체적 성과도 제시됐다. AI 기반 원격 컨설팅을 통해 한 환자는 증상 발생부터 수술 종료까지 전원 시간을 포함해 5시간 만에 치료가 완료됐고, 이 사례는 지역 방송에도 소개됐다는 것.

전 교수는 "AI가 출혈 여부를 1차로 잡아줘 바로 대학병원 전문의가 들어오면서 수술하기 때문에 대응 시간이 단축된다"며 "신속 대응을 위해 비전문가가 쉽게 이해하도록 출혈 부위를 색상으로 표시하는 AI 시각화 기능과 혈압·호흡·의약품 관리 등 비수술적 처치에 대한 원격지시 기능 등을 통해 지역간 격차를 좁히고 있다"고 강조했다.

반면 미국 펜실베이니아주립대 라민 잔드 교수는 "AI의 잠재력은 과대평가되고, 실제 구현은 과소평가된다"며 신중론을 제시했다.

세계 AI 시장은 폭발적으로 성장했지만 미국에서 AI를 실제 도입한 병원은 22%에 불과하다. 논문과 개념은 넘쳐나지만 실제 임상 적용은 매우 제한적이라는 게 그의 판단.

잔드 교수는 "AI를 연구에 적용할 때 가장 흔한 오류로 라벨 오류, 선택 편향, 데이터 누수, 모델 보정 실패 등이 있다"며 "도시·농촌, 고소득·저소득 등 다양한 집단의 데이터가 제대로 대표되지 못하면 AI가 특정 집단에 대해 불공정한 결과를 내놓을 수 있다"고 지적했다.

미국 NIH와 수행 중인 연구의 경우 뇌졸중 환자를 자동 정의하는 EHR 기반 기준조차 확립돼 있지 않고 ICD 코드만으로 환자를 추출할 경우 노이즈가 너무 많아 장기 예측으로 갈수록 성능이 떨어지고, 사회경제적 요인·성별 같은 비의학적 요소가 실제로는 강력한 변수로도 작용한다.

잔드 교수는 "기계학습 기반의 재발 위험 예측 모델을 수백개나 만들었지만 다양한 변수에 따라 정확도가 바뀌었다"며 "연령이 가장 강력한 변수이고 과거 병력보다 연속적인 검사 결과도 변수로 작용, 예측 기간이 1년일 때 AUC는 0.9 수준이었지만 5년으로 늘어나면 성능이 크게 떨어졌다"고 했다.

그는 "뇌졸중은 빈곤과 밀접한 질환으로 사회적 취약성이 예측 모델에서 큰 비중을 차지한다"며 "AI를 성공적으로 적용하고 싶다면 기술 자체보다 조직의 수용성, 투명성, 책임성, 환자 중심성 등을 설계 단계부터 담아내야 한다"고 덧붙였다.