← 전체 모델 소식

미래의사 MedGPT, 250명 삼갑 의사에 88대 12 우세 보도…제거 실험은 차이가 프로세스에 있다고 말해

신지위엔 2026년 11월 12일 보도에 따르면, 40건의 난해한 폐암 사례를 대상으로 한 다기관 연구에서 미래의사 MedGPT가 250명의 삼갑 의사를 사례별 점수 88대 12로 앞섰다. 보조 없이 답한 의사 평균은 53.26점, MedGPT는 85.29점이었고, 보도에 포함된 제거 실험에서는 프로세스를 떼어내면 약 24점 떨어진다고 했다. 가중치나 API가 개방됐는지는 보도에서 언급되지 않았다.

게시 수정

주요 변화

신지위엔의 2026년 11월 12일 보도에 따르면, 미래의사는 국내 삼갑 병원 흉부외과와 함께 다기관 연구를 진행했다. 복잡한 폐암 사례 100건 중 가이드라인 권고가 불명확한 난해 사례 40건을 시험지로 골랐다. 전문가 20명은 답안을 보기 전에 각 사례마다 6개씩, 모두 240개의 평가 규칙을 작성했고 그중 40개는 안전 레드라인이었다. 비교에 참여한 사람은 98개 의료기관 소속 250명의 삼갑 의사였고, 60% 이상이 주임 또는 부주임 의사였다. 보도는 보조 없는 조건에서 의사 집단 평균이 53.26점, 미래의사 MedGPT가 85.29점이었다고 전했다. 보조 없이 작성된 의사 답안 750건과 사례별 일대일 비교에서 MedGPT가 660번 더 높은 점수를 받았고, 보도가 제시한 전적은 88대 12였으며 답안은 평균적으로 의사보다 40% 이상 짧았다. 보도는 또 다른 평가 기준의 모델 비교도 제시했다. MedGPT는 종합 96.22점, 보도에 나온 GPT-5.4, Claude Opus 4.7, Gemini 3.1 Pro는 각각 71.38점, 61.81점, 54.62점이었다. 같은 보도에 따르면 제거 실험에서 전체 프로세스를 없애고 하위 모델만 직접 답하게 하면 약 24점 떨어지고, 다학제 협진 모듈만 제거하면 16점 떨어졌다. 인간-기계 협업 차원에서는 보조 없는 의사가 53.40점, 검색 참고만 제공했을 때 61.05점, 전체 전략 보고서를 검토한 뒤 66.27점이었다.

개발자에게 미치는 영향

이 시스템에서 개발자가 참고할 부분은 특정 모델이 아니라 프로세스다. 보도가 설명한 프로세스는 세 단계다. 입고할 때 문헌을 하나의 결론만 기록하는 증거 단위로 쪼개고, 프로그램이 원문에서 추출하며, 모델은 인용만 할 수 있고 스스로 만들 수 없다. 환자 정보를 검사 결과에 따라 갱신되는 상태표로 정리하고, 갱신에는 의사 서명이 필요하다. 그다음 최대 여섯 개 전문과 에이전트가 각자 의견을 내고 이견을 그대로 보존한 채 표준 경로, 첨단 경로, 검증 과제를 생성한다. 가상 환자 시뮬레이션과 안전, 꼬리 위험, 증거와 용량, 시계열 실행, 한계 가치 다섯 차원의 대립적 검토를 거치고, 결과는 보존, 수정, 폐기만 허용되며 보통 두세 차례를 통과해야 승인된다. 수직 분야 에이전트를 만드는 팀에게 이는 이식 가능한 설계 제약이지, 바로 호출할 수 있는 모델 능력이 아니다. 분명히 할 점은 보도가 다룬 것이 미래의사 MedGPT라는 폐쇄형 시스템이고, 보도는 가중치 개방도 개발자용 API나 라이선스 정보도 제시하지 않았다는 것이다. 따라서 API 사용자에게 이 뉴스가 바꾸는 것은 평가 방법과 아키텍처 선택이며, 곧바로 대체할 수 있는 접속 옵션은 아니다. 또 놓치기 쉬운 점은 같은 보도가 검색과 다중 에이전트 검토를 포함한 시스템 점수인 96.22 대 71.38을 제시하면서도 프로세스를 떼면 약 24점 떨어진다고 인정했다는 것이다. 이 두 숫자를 함께 보면 조건부 판단이 가능하다. 그 비교는 완전한 프로세스 대 벗은 모델의 비교에 가깝고, 같은 스캐폴드 아래 모델 능력 순위로 보기는 어렵다.

연동 및 평가 제안

다음 제안은 조건부 분석이며 보도에 실린 사실이 아니다. 첫째, 하위 모델을 바꾸기 전에 프로세스를 먼저 수치화한다. 보도에서 드러난 변화는 제거 실험 숫자다. 전체 프로세스를 없애고 하위 모델만 직접 답하게 하면 약 24점 떨어지고, 다학제 협진 모듈만 제거하면 16점 떨어진다. 선택할 것은 증거 검색층, 다학제 협진, 대립적 검토를 하나씩 끌 수 있는 스위치로 만든 뒤 모델 교체를 논하는 일이다. 이 제안은 안정적이고 미리 정해 둔 평가 규칙이 있을 때만 성립한다. 기준이 아직 바뀌고 있다면 측정된 점수 차이가 모듈 때문인지 평가 기준 때문인지 구분할 수 없다. 측정 가능한 기준은 같은 규칙 아래 모듈별 스위치 점수 차이이고, 답변 길이도 함께 기록해야 한다. 보도는 시스템 답안이 의사보다 40% 이상 짧았다고 했는데, 길이가 갑자기 달라지면 점수를 분량을 채우기 위해 바꾼 것임을 시사하는 경우가 많다. 둘째, 구조화된 증거 저장소와 일반 검색 증강 생성 사이의 선택이다. 보도에 따르면 증거는 입고 시 하나의 결론만 기록하는 단위로 쪼개지고, 프로그램이 원문에서 추출해야 하며 모델은 인용만 할 수 있다. 폐암 한 질환만으로도 문헌 1만 3천여 편을 분해해 20만 개 넘는 구조화 증거 단위를 만들었다. 결정할 것은 인력을 투입해 이런 증거층을 먼저 만들지, 일반 검색 증강 생성으로 우선 버틸지다. 전제는 환각의 대가가 크고, 분야 안에 가이드라인과 의약품 설명서 같은 검증 가능한 텍스트가 있으며, 추출 품질을 검증할 사람이 있다는 것이다. 자료가 어수선하고 질문 범위가 넓다면 검색을 먼저 하는 편이 현실적이다. 측정 가능한 기준은 인용 정확률, 즉 추출한 인용이 해당 결론을 실제로 뒷받침하는지와 출력에서 출처를 추적할 수 없는 숫자의 비율이다. 셋째, 시스템 대 시스템과 모델 대 모델 평가를 분리한다. 보도의 변화는 두 세트 숫자를 함께 제시한 것이다. 모델 비교에서는 MedGPT 96.22점, 보도에 나온 GPT-5.4 71.38점, Claude Opus 4.7 61.81점, Gemini 3.1 Pro 54.62점이었다. 인간-기계 협업 차원에서는 53.40점, 61.05점, 66.27점이었다. 할 선택은 자기 사용 사례 세트에서 최소 두 기준선, 즉 완전한 시스템과 스캐폴드를 뗀 하위 모델을 실행하는 것이다. 다른 사람의 검색과 검토를 포함한 시스템을 자기 벗은 모델과 바로 비교해서는 안 된다. 전제는 상대방 프로세스를 재현할 수 있다는 것이다. 재현할 수 없다면 자기 시스템의 스위치 버전으로 대조한다. 측정 가능한 기준은 평가 기준을 바꿨을 때 순위가 안정적인지다. 한 번 뒤집히면 결론이 스캐폴드에 민감하다는 뜻이므로 바로 모델 선정에 쓰면 안 된다. 넷째, 휴먼 인 더 루프의 형태를 분명히 고른다. 보도에 따르면 검색 참고만 주면 의사는 61.05점, 전체 전략 보고서를 검토하면 66.27점이었고, 환자 상태표 갱신은 의사 서명이 있어야 효력이 있다. 선택은 제품이 검색 일부만 노출할지, 검토 대상인 전체 전략 보고서를 출력하고 서명 확인 단계를 남길지다. 이는 프로세스에 책임을 물을 수 있는 확인 단계가 이미 있는지, 보고서 길이가 검토자의 시간 예산을 넘는지에 달려 있다. 측정 가능한 기준은 같은 사례군에서 검색만 주는 쪽과 전체 보고서 쪽 두 팔의 점수 차이, 그리고 의사가 실제로 수정한 비율이다.

제한과 확인할 사항

보도의 평가 규칙은 연구팀이 전문가를 통해 미리 작성한 것이고, 사례는 40건뿐이며 폐암 한 질환에 집중됐다. 보도는 제3자 독립 재현을 언급하지 않았으므로 이 숫자는 연구 측 기준의 자체 보고 결과로 봐야 한다. 보도가 인용한 현장 전문가 평가도 보도 자체에서 나온 지지 의견이다. 보도에 나온 모델 버전명과 점수는 해당 출처 이외에서는 확인할 수 없다. 인간-기계 비교, 모델 비교, 인간-기계 협업의 세 숫자 세트는 기준이 다르고, 보도도 이를 구분했으므로 서로 환산하거나 바로 순위를 매길 수 없다. 가장 분명히 할 점은 미래의사 MedGPT가 현재 KimiSeek에 대응 항목이 없으므로 이미 그 플랫폼에 등록된 모델로 보면 안 된다는 것이다. 보도는 가중치 개방 여부, 개발자 API 제공 여부, 어떤 라이선스인지도 설명하지 않았고, 접속과 이용 가능성에 관한 정보는 제조사 기준을 따라야 한다.

3분이면 첫 호출까지

가입 후 API 키를 만드세요. 호출 비용은 계정 잔액에서 차감됩니다. 첫 충전 30% 할인. ¥500 충전, 결제 ¥350, 잔액 ¥500 적립. ¥1000 충전, 결제 ¥850, 잔액 ¥1000 적립 최소 충전 금액은 그대로 ¥10이며, 시험용으로 사용할 수 있습니다.

출처와 편집 과정

250名三甲医生输给中国AI!引发中美医疗权威热议

인용한 출처를 바탕으로 AI가 분석과 번역을 돕고 자동 품질 검사를 수행합니다. 제안은 실측 결과가 아닙니다. 제공 여부와 가격은 현재 카탈로그를 확인하세요.