Claude Code MRI 판독, 의료 AI의 경계선

MRI를 읽은 것은 모델이 아니라 작업 환경이었다

Antoine Finkelstein의 실험은 단순한 "AI가 MRI를 봤다"는 이야기가 아니다. 그는 오른쪽 어깨 통증으로 MRI를 찍었고, 병원 보고서에는 견갑하근 힘줄의 50% 초과 부분 파열이라는 판정이 적혔다. 이후 약 266MB 규모의 DICOM 파일 묶음을 Claude Code와 Opus 4.8에 맡겨 분석하게 했다.

중요한 차이는 채팅창이 아니라 실행 환경이다. Claude Code는 파일을 정리하고, 필요한 패키지를 설치하고, DICOM 이미지를 읽고, 보고서를 구성할 수 있다. 그래서 이 사례는 모델의 의학 지식 경쟁보다 "의료 데이터를 다루는 개인용 에이전트 워크플로"에 가깝다. 사용자는 진단명을 확정받은 것이 아니라, 기존 보고서와 다른 관찰을 얻고 추가 질문을 만들었다.

비슷한 흐름은 Codex 업무 연구, 에이전트의 시간 단위가 바뀐다에서도 보였다. 에이전트는 한 번 답하는 도구가 아니라 파일, 도구, 반복 검토를 묶는 작업자다. 의료 영역에서는 이 장점이 곧 위험이 된다.

두 번째 의견과 자동 진단은 다르다

이 사례에서 Opus 4.8은 병원 판독과 다른 결론을 냈다. 이후 작성자는 더 많은 문맥을 제공하고 재검토를 시켰고, 여러 하위 분석을 통해 기존 보고서와 AI 분석을 비교했다. 그러나 이것이 곧 AI 판독이 옳다는 뜻은 아니다. FDA의 AI 지원 의료기기 페이지는 의료 AI가 안전성과 효과성 검토의 대상이라는 점을 분명히 한다.

또 하나의 맥락은 치료 권고다. 작성자는 쇼크웨이브 치료와 주사 처방에 의문을 가졌고, 회전근개 건병증 임상진료지침에는 비석회화 회전근개 건병증에서 체외충격파 치료를 권하지 않는 권고가 포함되어 있다. AI가 한 일은 "의료 결론"이라기보다 사용자가 의사에게 물어볼 질문의 품질을 높인 것이다.

한국 의료 서비스가 배울 점

한국 병원과 헬스케어 스타트업이 이 사례를 볼 때 "환자가 AI로 의사를 우회한다"는 식으로만 읽으면 놓치는 것이 있다. 환자는 이미 검사 결과 PDF, 영상 CD, 보험 청구 문서, 약 처방 내역을 들고 여러 병원을 오간다. AI는 이 분절된 자료를 정리하는 레이어로 먼저 들어올 가능성이 크다.

문제는 개인정보와 책임이다. DICOM에는 영상뿐 아니라 환자 식별 정보가 포함될 수 있다. 클라우드 모델로 올리는 순간 의료정보 국외 이전, 동의, 보관 기간, 접근 로그가 쟁점이 된다. ACR의 imaging AI practice parameter 발표가 강조한 것도 배포 이후 성능 모니터링과 거버넌스다.

따라서 한국 기업이 만들 제품은 "AI가 판독해 드립니다"보다 "진료 전 질문 목록, 검사 기록 요약, 가이드라인 기반 확인 항목"에 가까워야 한다. Trellis AI 채용, 의료 에이전트의 실전 신호에서처럼 의료 에이전트는 문서와 워크플로를 먼저 장악하고, 진단 책임은 천천히 움직인다.

개발자에게 남는 기술 과제

개발자 관점에서 이 사례는 멀티모달 모델 성능보다 데이터 파이프라인 문제다. DICOM 로딩, 시리즈 정렬, 윈도잉, 슬라이스 선택, 보고서 생성, 출처 추적이 모두 필요하다. 모델이 한 장의 이미지를 보는 것과 수백 개 의료 영상을 임상적으로 일관되게 다루는 것은 다른 작업이다.

Claude Code 사고 로그, 감사 추적의 착시에서 다뤘듯, 에이전트의 작업 기록은 감사 로그처럼 보이지만 실제 책임 증거로 쓰기에는 부족할 수 있다. 의료에서는 어떤 파일을 읽었는지, 어떤 이미지 전처리를 했는지, 어떤 논문과 지침을 참조했는지, 어떤 불확실성을 표시했는지가 제품 기능이 된다.

자주 묻는 질문

Q1: Claude Code로 MRI를 판독해도 되나요?

A: 개인 학습과 질문 정리에는 도움이 될 수 있지만, 진단과 치료 결정은 전문의 판단을 거쳐야 한다.

Q2: 이 사례가 의료 AI 승인 제품과 같은가요?

A: 아니다. 개인이 범용 에이전트를 쓴 사례이며, FDA 승인 의료기기나 병원 배포 AI와는 책임 구조가 다르다.

Q3: DICOM 파일을 AI에 올릴 때 가장 큰 위험은 무엇인가요?

A: 영상 안팎의 식별 정보와 진료 정보가 외부 서비스로 전송될 수 있다는 점이다.

Q4: 한국 스타트업에는 어떤 기회가 있나요?

A: 진단 대체보다 검사 기록 요약, 진료 질문 생성, 가이드라인 체크리스트 같은 보조 워크플로가 현실적이다.

Q5: 의사에게 적대적인 기술인가요?

A: 꼭 그렇지 않다. 좋은 제품은 환자와 의사 사이의 정보 비대칭을 줄이고 진료 시간을 더 생산적으로 쓰게 만든다.