인공지능이 의사와 함께 '진단'을 내립니다.

"말씀 안 해주셨다면 제가 예전에 암 환자였다는 걸 아무도 몰랐을 거예요. 지금도 예전처럼 일하고, 살고, 운동도 하고 있어요."라고 NXH 씨(61세, 호치민시 거주)는 말했다.

로봇 보조 전립선암 수술을 받기 전, NXH 씨는 정상적인 생활로 돌아갈 수 없을 거라고 생각했습니다. 하지만 경과 관찰을 위해 빈단 병원(호치민시)에 방문했을 때, 그는 건강하고 활기찬 모습으로 돌아왔습니다. 검사 결과와 영상 진단 모두 정상 범위였고, 재발도 발견되지 않았습니다.

H씨는 빈단 병원에서 로봇 수술로 치료받은 1,167명의 전립선암 환자 중 한 명입니다. 현재 빈단 병원에서는 모든 전립선암 수술의 75% 이상이 로봇 수술을 이용해 시행되고 있으며, 이는 전립선암 치료의 핵심적인 부분이 되었습니다.

빈단 병원 비뇨기종양학과 과장인 응우옌 테 카 박사가 수술용 로봇을 조작하고 있다. 사진: HN

인공지능은 의사를 대체할 수 없습니다.

2025년 11월, 호치민시의 쩌라이 병원은 남부 지역 최초로 최첨단 테슬라 시그나 프리미어 3.0 MRI 시스템을 도입하여 운영을 시작했습니다. 쩌라이 병원 영상진단과 과장인 응우옌 후인 낫 뚜안 박사에 따르면, 이 시스템은 뛰어난 하드웨어 성능뿐만 아니라 인공지능(AI) 기능을 통합하여 의료진이 복잡한 사례를 정확하게 진단하고 응급 상황을 신속하게 파악할 수 있도록 지원합니다.

구체적으로, AI는 이미지 처리를 지원하여 배경 노이즈와 아티팩트를 줄이고 해상도를 최대 60%까지 높이며 촬영 시간을 50% 단축합니다. 이 가속 플랫폼을 통해 심장 박동 한 번 만에 심장 영상을 촬영할 수 있으며, 이는 기존 기술보다 12배 빠른 속도입니다.

사이공 메디컬 그룹 의료 전문가 부문 수석 이사인 호앙 트룽 키엔 박사는 "최근 몇 년 동안 인공지능(AI)은 임상 현장에서 점점 더 널리 사용되고 있습니다. 특히 안과를 비롯한 여러 전문 분야에서 AI는 당뇨병성 망막증, 녹내장, 황반변성과 같은 복잡한 질환의 조기 검진을 지원하고, 탁월한 속도로 이미지를 분석하며, 방대한 학습 데이터베이스를 기반으로 진단을 제시하고, 검사 간 자동 비교를 통해 질병 진행 상황을 모니터링합니다."라고 밝혔습니다.

키엔 박사는 "가장 중요한 것은 AI가 의사를 대체하는 것이 아니라, 의사들이 환자들에게 조언하고, 대화를 나누고, 돌보는 데 더 많은 시간을 할애할 수 있도록 도와주는 강력한 조력자 역할을 한다는 점입니다."라고 강조했습니다.

전자 의료 기록

인공지능과 데이터 시대에 전자 의료 기록은 의료 디지털화 전략의 핵심 기반으로 자리 잡았습니다. 호치민시에서는 모든 공립 병원이 전자 의료 기록 시스템을 도입했습니다.

호치민시 대학병원 기획부 부부장 겸 간담췌외과 과장인 레 콴 안 뚜안 박사는 전자 의료 기록이 단순히 손으로 쓴 메모 대신 타이핑된 메모를 보여주는 공간이 아니라고 설명했습니다. 전자 의료 기록은 상세하고 암호화된 의료 정보를 저장하는 저장소이며, 이러한 데이터는 지능적으로 검토, 분석 및 처리될 수 있다는 것입니다.

종이 의료 기록과 전자 의료 기록의 가장 확연한 차이점은 업데이트, 비교 및 ​​상호 작용이 가능하다는 점입니다. 종이 기록의 경우, 정보가 입원 기간별로 단편적으로 기록되어 전체적인 경과를 파악하고 추적하기가 어렵습니다. 반면 전자 의료 기록을 사용하면 의사는 몇 번의 클릭만으로 여러 날에 걸친 환자 상태와 치료 과정을 손쉽게 업데이트할 수 있습니다. 모든 정보가 끊김 없이 지속적으로 공유되므로 환자 모니터링이 훨씬 편리해집니다.

"전자 의료 기록은 의료 산업이 새로운 발전 단계로 진입하는 토대가 될 것입니다. 데이터가 귀중한 자산이 되고, 기술은 더 나은 치료, 더 스마트한 관리, 더 빠른 학습을 가능하게 합니다. 저는 이 모델이 확산되어 모든 의료 시설이 환자에게 도움이 되는 방식으로 효율적으로 운영되기를 바랍니다."라고 투안 박사는 말했습니다.

의료 분야에서 인공지능이 현재 가진 한계점.

호앙 트룽 키엔 박사는 현재의 AI 모델이 당뇨병성 망막증, OCT 기반 위험 가중 녹내장, 황반변성 또는 백내장 중증도 분류와 같이 특징적인 영상과 풍부한 학습 데이터를 가진 질환에 특히 효과적이라고 지적했습니다. 그러나 AI는 복잡한 전신 질환, 여러 요인의 종합이 필요한 임상 상황 또는 표준화되지 않은 입력 데이터가 있는 경우에는 여전히 한계가 있다고 언급했습니다.

"따라서 인공지능은 적절한 맥락에서 사용되고 엄격한 과정을 통해 의사의 경험과 결합될 때에만 진정으로 정확합니다."라고 키엔 박사는 말했습니다.

레콴안투안 박사에 따르면, 기술은 의사를 대체하는 것이 아니라, 훌륭한 기술은 시스템 전반에 걸쳐 효과적인 지원을 제공하고 오류를 예방하는 데 도움이 될 것입니다. 모든 혁신은 초기에는 저항에 부딪히기 마련입니다. 하지만 해결책이 충분히 훌륭하고 실용적이며, 우리가 목표에 확고한 의지를 갖고 있다면, 반드시 실행될 것입니다.

사이공 안과 병원 시스템을 포함한 여러 베트남 병원에서의 실제 구현 사례는 AI를 의료에 통합하는 과정이 여전히 네 가지 주요 장애물에 직면해 있음을 보여줍니다. 첫째, 전문가 책임부터 데이터 보안 표준에 이르기까지 법적 프레임워크가 아직 완성 단계에 이르지 못했습니다. 둘째, AI 인프라 투자 비용이 상당히 높습니다. 셋째, 의료 데이터가 분산되어 있고 표준화되어 있지 않아 모델의 최적 정확도 달성이 어렵습니다. 넷째, 의료진이 새로운 절차에 적응하고 지원 도구를 신뢰하는 데 필요한 습관을 형성해야 합니다.

출처: https://thanhnien.vn/tri-tue-nhan-tao-bat-benh-cung-bac-si-185260302210706308.htm