“이 AI 성능이 90%입니다”라는 말을 들으면 어떤가요? 좋은 것 같지만, 뭘 기준으로 90%인지 모르면 의미가 없습니다. 검사 민감도와 특이도가 다른 것처럼, AI 평가지표도 종류가 다릅니다.

AI 평가 핵심 용어 7개

용어	공식 (간략)	의료 AI 해석
Accuracy (정확도)	전체 중 맞게 분류한 비율	암/정상 전체 중 맞게 분류한 비율
Precision (정밀도)	양성 예측 중 실제 양성 비율	AI가 “암”이라 한 것 중 진짜 암 비율
Recall (재현율, 민감도)	실제 양성 중 양성 예측 비율	진짜 암 환자 중 AI가 찾아낸 비율
F1-score	Precision과 Recall의 조화평균	두 지표를 동시에 고려한 종합 점수
AUC	ROC 곡선 아래 면적 (0.5~1.0)	전체적인 분류 능력의 요약값
BLEU	생성 텍스트와 정답 텍스트의 유사도	AI 퇴원 요약의 품질 평가에 사용
Perplexity	언어 모델이 텍스트를 얼마나 잘 예측하는가	낮을수록 의료 언어를 잘 이해하는 것

의료 AI에서 Recall이 중요한 이유

암 진단 AI에서 Recall이 낮으면 진짜 암 환자를 놓칩니다. 이것은 치명적입니다. 반면 Precision이 낮으면 불필요한 추가 검사가 늘어납니다. 불편하지만 목숨에 지장은 없습니다.

✅ 선별 검사(Screening) AI → Recall 최우선. 암을 하나라도 더 찾아야 합니다.

✅ 확진 검사(Confirmation) AI → Precision 최우선. 불필요한 치료를 막아야 합니다.

❌ Accuracy만 보는 것 → 100명 중 99명이 정상인 질병이라면, 항상 “정상”이라 해도 Accuracy 99%입니다.

Accuracy의 함정 — 예시

상황	결과
희귀 질환 유병률 1%	항상 “정상”이라 해도 Accuracy 99%
이 경우 Recall	0% (환자를 한 명도 못 찾음)
올바른 평가	AUC, F1-score, Recall 함께 봐야 함

⚠️ 불균형 데이터(희귀질환)에서는 Accuracy를 믿으면 안 됩니다.

---

더 알고 싶다면

• 의료 AI 논문에서 자주 보이는 용어 완전 정복
• 머신러닝 vs 딥러닝 — 용어 차이 완전 정복
• AI 필수 용어 10개 — 이것만 알면 대화가 된다