10년 못 찾은 희귀질환, AI가 진단 실마리 찾았다

병원도 여러 곳을 다녔고 검사도 했는데, 정작 “병명이 뭔지” 모른 채 시간이 흘러간다면 얼마나 답답할까요. 이번 이야기는 그런 긴 진단 공백 속에서 AI가 희귀질환 진단의 실마리를 찾아낸 사례라 더 눈길이 갔어요. 그냥 기술 뉴스가 아니라, 한 사람의 삶에 실제로 닿은 이야기라서요.

10년 못 찾은 희귀질환, AI가 진단 실마리 찾았다

저는 이런 의료 AI 이야기를 볼 때마다 살짝 조심스러워져요. 너무 쉽게 “AI가 다 해결한다”처럼 말하면 안 되니까요. 그런데 이번 사례는 조금 달랐습니다. 9세 무렵부터 걷는 모습이 달라졌고, 10년 넘게 원인을 찾지 못했던 키라 벤튼이 스무 살 생일을 앞두고 마침내 병명을 알게 됐다는 이야기였거든요. 오늘은 AI가 희귀질환 진단에서 어떤 역할을 했는지, 어디까지 기대해도 되는지, 너무 붕 뜨지 않게 차분히 정리해볼게요.

희귀질환 진단 공백이 길어지는 이유

희귀질환 이야기를 들으면 가장 먼저 떠오르는 건 “치료가 어렵다”는 이미지일 수 있어요. 그런데 환자와 가족 입장에서는 치료 이전에 정확한 병명을 아는 것부터가 너무 큰 산입니다. 증상은 분명히 있는데 검사 결과는 애매하고, 병원을 옮겨도 “원인을 더 봐야 한다”는 말만 반복되면 진짜 사람 마음이 무너질 것 같아요. 키라 벤튼처럼 어릴 때부터 걷는 모습이 달라지고 건강 문제가 쌓였는데도 오랫동안 병명을 모르는 경우가 바로 그런 진단 공백의 현실입니다.

특히 희귀 유전질환은 유전체 분석 기술이 발전했어도 여전히 쉽지 않습니다. 유전 정보가 너무 방대하기 때문이에요. 수많은 변이 중에서 실제 증상과 연결되는 변이를 찾아야 하는데, 이게 말처럼 간단하지 않거든요. 게다가 어떤 유전자와 질환의 관계는 시간이 지나 새 논문이 나오면서 뒤늦게 밝혀지기도 합니다. 그러니 몇 년 전엔 “원인 불명”이었던 사례가, 오늘 다시 보면 설명 가능한 사례가 될 수도 있는 거죠.

AI는 유전체 재분석에서 무엇을 했을까

이번 연구에서 AI가 한 일은 “환자에게 병명을 직접 선언한 것”이 아니에요. 더 정확히 말하면, 원인을 찾지 못했던 환자들의 유전체와 임상 정보를 다시 살펴보며 질환 원인 후보를 추려내는 보조 역할을 했습니다. 환자의 증상 정보, 의료진의 기록, 인간표현형온톨로지 용어, 질환과 관련 있을 가능성이 있는 유전자 변이 목록이 AI에 제공됐고, AI는 그 정보를 바탕으로 가능한 연결고리를 제시했어요. 이후 최종 판단은 연구진과 전문가 검토를 거쳐 이뤄졌습니다.

저는 이 부분이 꽤 현실적으로 느껴졌어요. AI가 마법처럼 “정답!” 하고 말한 게 아니라, 사람이 놓칠 수 있는 수많은 가능성을 빠르게 훑고 정리해준 거잖아요. 유전학자와 분석 인력이 부족한 상황에서 이런 보조 도구가 있다면, 오래 쌓여 있던 미해결 사례를 다시 들여다보는 속도가 확실히 달라질 수 있겠다는 생각이 들었습니다.

키라 벤튼 사례가 보여준 변화

키라 벤튼의 이야기는 숫자보다 먼저 마음에 남습니다. 9세 무렵부터 발끝으로 걷고, 정상적으로 뛰기 어려워졌고, 여러 전문의를 만났지만 원인을 찾지 못했어요. 건강은 점점 나빠졌고 심장 합병증도 겪었으며, 13세에는 기관절개술까지 받았습니다. 그런데도 병명은 알 수 없었다니, 이건 환자 본인뿐 아니라 가족에게도 정말 긴 터널이었을 거예요.

• 9세 무렵 — 걷는 모습이 또래와 달라지고 발끝으로 걷기 시작함
• 이후 여러 해 — 여러 전문의를 찾았지만 원인을 확인하지 못함
• 13세 무렵 — 기관절개술까지 받았지만 여전히 병명은 불명확함
• 20세 생일 전 — 의료진에게서 원인을 찾았다는 연락을 받음
• 최종 진단 — 근원섬유 근육병으로 진단됨

물론 진단을 받았다고 해서 모든 문제가 바로 해결되는 건 아닙니다. 희귀질환은 아직 치료법이 제한적인 경우도 많고, 병명을 알았다고 갑자기 상태가 좋아지는 것도 아니니까요. 그래도 “내 몸에 무슨 일이 일어나고 있는지”를 아는 건 정말 큰 의미가 있어요. 치료 가능성, 관리 방향, 임상시험 참여, 가족 유전 상담 같은 다음 단계를 생각할 수 있게 되니까요. 무엇보다 오래된 질문에 이름이 붙는 순간, 환자는 더 이상 완전히 깜깜한 곳에 서 있지 않게 됩니다.

376명 중 18명 진단, 이 숫자의 의미

보스턴아동병원 연구진은 원인을 찾지 못했던 환자 376명의 유전체 데이터를 AI 도움을 받아 다시 분석했습니다. 그 결과 약 5%에 해당하는 18명에게서 진단에 도달할 수 있었어요. 숫자만 보면 “생각보다 적은데?”라고 느낄 수도 있습니다. 그런데 이 사례들은 이미 기존 검사와 분석을 여러 차례 거쳤던 환자들이라는 점을 생각하면 이야기가 달라져요. 말 그대로 여러 번 걸러졌는데도 답을 찾지 못했던 어려운 사례들이었거든요.

진단된 사례에는 희귀 신경발달질환, 신경근육질환, 소아 돌연사 사례, 조기 정신병 관련 사례가 포함됐습니다. 또 다른 의료기관에서 이미 진단이 내려졌지만 연구진 데이터에는 공유되지 않았던 ‘재발견’ 사례도 확인됐다고 해요. 저는 이 대목에서 의료 데이터 공유와 재분석의 중요성이 확 와닿았습니다. 정답이 어딘가에 있었는데 서로 연결되지 않아 환자는 계속 기다려야 했다면, 그 시간은 너무 아깝고도 아픈 시간이잖아요.

AI가 의사를 대신할 수 없는 이유

이번 연구에서 가장 조심해서 봐야 할 부분은 바로 이거예요. AI가 희귀질환 진단에 도움을 줬다고 해서, AI가 의사를 대신해 독자적으로 진단하는 단계에 왔다고 보긴 어렵습니다. AI는 방대한 문헌과 데이터를 빠르게 살피고, 가능한 후보를 제안하는 데 강점을 보였어요. 하지만 그 후보가 실제 환자의 증상과 맞는지, 병원성 변이로 볼 수 있는지, 추가 검사가 필요한지는 결국 전문가가 따져봐야 합니다.

의료에서 가장 중요한 건 결국 신뢰성입니다. 그럴듯한 답이 아니라, 검증 가능한 답이어야 해요. 특히 유전질환 진단은 환자 본인뿐 아니라 가족에게도 영향을 줄 수 있어서 더 조심해야 합니다. 그래서 AI 결과는 출발점으로는 유용하지만, 도착점이 되면 안 됩니다. 전문가 검토, 추가 검증, 환자 상태와의 대조가 꼭 따라붙어야 해요.

의료 AI를 바라볼 때 필요한 균형감

의료 AI 이야기는 항상 양쪽으로 흔들리기 쉬워요. 한쪽에서는 “이제 의사는 필요 없다”처럼 너무 앞서가고, 다른 한쪽에서는 “AI는 믿을 수 없다”면서 가능성까지 닫아버립니다. 그런데 이번 연구를 보면 둘 다 조금 과해 보여요. AI는 사람을 대체하는 존재라기보다, 사람이 감당하기 어려운 정보량을 정리하고 오래된 미해결 사례를 다시 들여다보게 해주는 도구에 더 가깝습니다.

1. AI는 진단 후보를 넓혀주는 도구 — 놓쳤던 유전자·질환 연결고리를 다시 보게 만들 수 있어요.
2. 최종 판단은 의료진의 검증이 필요 — AI가 제시한 내용은 반드시 전문가가 확인해야 합니다.
3. 진단은 치료의 끝이 아니라 시작 — 병명을 알아도 바로 치료제가 생기는 건 아니에요.
4. 희귀질환 환자에게는 답을 찾는 과정 자체가 중요 — 진단은 관리 방향과 임상시험 가능성을 여는 첫 문이 될 수 있습니다.
5. 과장보다 검증이 먼저 — 의료 AI는 기대만큼이나 안전성과 신뢰성이 중요합니다.

키라 벤튼이 평소 AI에 회의적이었다고 말하면서도, 이번처럼 사람의 삶을 바꾸는 돌파구에는 도움이 될 수 있다고 이야기한 대목이 기억에 남아요. 저도 딱 그 정도의 균형이 좋다고 봅니다. AI를 무조건 찬양할 필요도 없고, 무조건 밀어낼 필요도 없어요. 다만 오래 답을 기다려온 환자에게 새로운 가능성을 열어줄 수 있다면, 그 가능성은 아주 신중하게, 하지만 진지하게 바라볼 만합니다.