의료 AI의 정확도는 몇 퍼센트?
…
한줄 요약
“정확도 몇 %“라는 단일 수치는 의료 맥락에서 거의 의미가 없다. 민감도·특이도의 트레이드오프, 질환의 유병률, 임상 목적(스크리닝 vs 확진)에 따라 요구되는 성능 기준이 완전히 다르다.
Q: 의료 AI 정확도 몇 %면 충분한가?
A: 간단 답변
암 스크리닝 AI는 민감도 90% 이상이 필요하지만 특이도 80%도 허용된다. 반면 확진 목적의 AI는 특이도 99% 이상을 요구할 수 있다. “정확도”가 아니라 목적에 맞는 민감도·특이도 조합을 물어야 한다.
상세 설명
”정확도”만으로는 부족한 이유
예시: 1,000명 중 10명이 암인 집단(유병률 1%)에서 “모든 사람을 정상”으로 판정하는 AI의 정확도는 99%다. 그러나 이 AI는 암 환자 10명을 전부 놓친다.
| 지표 | 계산식 | 의미 |
|---|---|---|
| 정확도 (Accuracy) | (TP+TN) / 전체 | 전체 중 올바른 판정 비율 — 유병률 낮으면 왜곡 |
| 민감도 (Sensitivity) | TP / (TP+FN) | 실제 환자 중 잡아낸 비율 — 놓치면 안 되는 질환에 중요 |
| 특이도 (Specificity) | TN / (TN+FP) | 정상인 중 정상 판정 비율 — 불필요 검사 최소화 |
| PPV (양성예측도) | TP / (TP+FP) | 양성 판정 중 진짜 환자 비율 — 유병률에 따라 크게 변동 |
유방암 스크리닝 AI 예시 (실제 데이터 기반)
Google DeepMind의 유방암 스크리닝 AI (2020 Nature Medicine 발표):
| 지표 | AI 성능 | 방사선과 전문의 | 비고 |
|---|---|---|---|
| 민감도 | 94.5% | 88.0% | AI가 더 많은 환자 탐지 |
| 특이도 | 79.1% | 87.5% | AI의 위양성이 더 많음 |
| AUC | 0.895 | 0.814 | 종합 성능은 AI 우세 |
해석: AI는 암 환자를 더 잘 잡지만, 정상인 중 약 21%에게 불필요한 추가 검사를 유발한다. 어떤 트레이드오프를 선택할지는 임상 판단 영역이다.
임상 맥락별 요구 성능 기준
| 적용 상황 | 민감도 요구 | 특이도 요구 | 이유 |
|---|---|---|---|
| 암 1차 스크리닝 | 매우 높음 (>90%) | 중간 (>75%) | 놓치는 게 더 위험 |
| 패혈증 조기 경보 | 높음 (>85%) | 중간 | 빠른 개입이 생존율 결정 |
| 약물 부작용 예측 | 중간 | 높음 (>90%) | 위양성이 불필요한 약물 중단 유발 |
| 희귀 질환 확진 보조 | 중간 | 매우 높음 (>95%) | 오진 시 치료 방향 전환 비용 큼 |
| 일반 건강검진 스크리닝 | 높음 | 높음 | 균형 필요 |
FDA 성능 기준 (의료기기 허가 기준 예시)
미국 FDA는 AI 의료기기 허가 시 질환별로 최소 성능 기준을 요구한다.
| 제품 유형 | FDA 요구 기준 예시 |
|---|---|
| 당뇨망막병증 스크리닝 | 민감도 ≥ 87.2%, 특이도 ≥ 90.7% (IDx-DR 기준) |
| 뇌졸중 CT 분석 | 민감도 ≥ 91%, 특이도 ≥ 93% |
| 피부암 분류 | AUC ≥ 0.80 |
한국 식약처도 유사한 방식으로 적응증별 최소 성능 기준을 지정한다.
현재 AI 성능의 현실적 한계
- 학습 데이터와 다른 인구 집단(다른 인종·연령대)에서 성능 저하 흔함
- 희귀 질환에 대한 AI 성능 데이터 자체가 부족
- 실험실 성능(연구 논문)과 실제 임상 환경 성능 간 격차 존재
핵심 정리
- “정확도 몇 %“는 유병률이 낮은 의료 맥락에서 의미 없는 지표
- 암 스크리닝: 민감도 우선 / 확진 보조: 특이도 우선
- Google 유방암 AI: 민감도 94.5% (전문의 대비 +6.5%), 특이도 79.1% (-8.4%)
- 임상 목적에 맞는 민감도·특이도 조합을 요구해야 함