루위(鹭羽), 아페이쓰(凹非寺)에서 발송
챈저웨이(QbitAI) | 위챗 공식계정 QbitAI
혹시…… 나만 이렇게 하는 건 아니겠지?
요즘 병원에 진료를 가기 전마다 나는AI에게 한 바퀴 돌게 해준다。
어디가 불편한지, 얼마나 지속됐는지, 과거 병력까지, 이런 자잘한 정보들을 모두 예진(预问诊) 단계에서 준비해둔다.
의사와 마주 앉았을 때 보니, 의사 역시Vibe Working：
을 하고 있었다. Agent가 의사의 판단을 돕고, 진료실 밖의 추적 관찰과 건강 정보 관리도 AI가 이어서 처리한다.
얼핏 들으면 좀 사이버펑크 같지만, 실제로 현실에서 일어나는 장면이다.
장야친(张亚勤) 원사가 설립한 칭화 AIR에서 최근 또 한 명성 있는 AI 의료 기업이 나왔다 —
쯔징즈캉(紫荆智康)。
이 회사가 개발한'쯔징 AI 병원'시스템은 이미 전국 각지의 병원에서 순차적으로 테스트 운영에 들어갔다.
들어가 보면 더 공상과학적이고 미래적인 것은, 이곳의 모든 의사가 자신의 업무를 보조하는 전용 AI 분신을 가질 수 있다는 점이지만, 이것만으로는 턱없이 부족하다.
우리가 진료를 받을 때 하나의 병이 여러 진료과에 동시에 걸칠 수 있다는 점만 봐도 그렇다.
의학은 전문 역량을 가장 중시하는 분야라, 정형외과 의사에게 폐 문제를 진찰받을 수는 없는 노릇이다……
그렇다면 서로 다른 전문 분야의 의사들이 각자의 분신을 가지고 있을 때, 이 분신들끼리 한층 더 협업할 수는 없을까?
이 문제를 두고 쯔징즈캉은 이번에 의학 분야의다분신 지능체 협업 기술(Multidisciplinary Human-Agent Collaboration)을 선보이며 '쯔징 AI 병원'(Agent Hospital)을 한층 더 업그레이드했다.
AI 병원에서는 AI 의사와 인간 의사가 힘을 합쳐 협력한다……실제 진료와 연결되어 지속적으로 진화할 수 있는 가상 의료 세계가 점차 모습을 드러내고 있다.
여러 진료과의 전문적 판단을 한 진료실로 데려오다
먼저 오래된 문제부터 말하자.
의료 업계에는 피할 수 없는 현실이 하나 있다:좋은 의사는 언제나 부족하다。
의사마다 저마다의 전문 분야가 있고, 병원마다도 각자 감당할 수 있는 자원의 상한선이 있다.
의료 서비스를 받기 어려운 것은 하늘에 오르는 것만큼이나 어렵다.
일반적으로 환자의 증상이 여러 진료과에 걸쳐 있을 때 현실의 경로는 이렇다:
먼저 내과에 진료 예약을 하고, 원인을 찾지 못하면 외과로 넘어가고, 외과 진료가 끝나면 영상의학과를 예약한다. 여러 진료과의 진료 예약을 모두 거쳐야 비로소 정식으로다학제 진료(MDT)를 진행할 수 있다.
결국 최적의 치료 시기는 이미 놓쳤을 수도 있다.
게다가 MDT 한 번 자체도 값이 싸지 않다. 각 과 전문가들의 시간을 맞추는 것만으로도 적지 않은 회진 비용을 지불해야 한다.
쯔징즈캉(紫荆智康)의 발상은 비교적 직접적이다. 환자가 전문가를 찾아가는 것이 현실적이지 않다면, 차라리먼저 전문가의 분신을 집단으로 자리에 배치하는 것이다.。
같은 진료과에서 해결할 수 있는 증상을 만났을 때는단일 AI 분신만으로도 충분하며。
수준 높은 전문가의 AI 분신을 일반 외래에 초빙해 현재 진료 중인 의사에게 지침과 조언을 제공하는 셈이다.
반대로 학제 간의 복잡한 문제라면, 쯔징즈캉(紫荆智康)은 아예 이러한 분신들에게 별도의 플랫폼을 만들어 주었다다학제 협진 회의。
서로 다른 전문 능력을 갖춘 Agent 분신이 차례로 분석에 참여하면, 한 명의 의사가 얻을 수 있는 전문적 시야가 직접적으로 크게 넓어진다.
이렇게 동일한 운영체제의 스케줄링 하에서AI 분신은 같은 과목 지원도 가능하고, 과목 간 참여도 가능하다。
예를 들어, 현재 갑상선기능항진증으로 내분비과에 입원한 환자가 있는데, 문진 과정에서 시스템이 해당 환자가 천식 병력도 함께 가지고 있다는 정보를 수집했다고 합시다.
현재 진료실 입장에서는 이후 처치 시 호흡기 계통의 상황도 함께 고려해야 한다.
이에 호흡기내과 분신이 개입하여 의사에게 이후 약물 사용과 관련된 위험에 주의할 것을 알렸다.
이것이 바로 다중 분신 에이전트 협업의 기본 논리이며, 이것은 할 수 있습니다전문과 간 지원을 앞당겨 배치하다첫 진료, 사전 문진 등 더 이른 단계에 이르렀다.
즉, 환자가 이 진료실에 들어서는 순간 한 팀 전체의 의사들이 보조를 하고 있는 셈이며, 난치·중증 질환 전용의 다학제 지원이 일상 진료의 표준이 될 가능성이 있는 것입니다.
구체적으로 어떻게 협업하는가? 紫荆智康(즈징지캉)은 두 가지 형태를 제공했다.
한 가지는필요할 때 알림。
의사는 여전히 평소대로 외래 진료를 진행하며, 환자가 새로운 정보를 계속 제공하면 시스템이 다른 진료과가 참여할 필요성을 파악한 후 관련 분신의 의견을 알림 형태로 의사에게 제시한다.
그 기간 동안에도 기존의 진료 절차가 중단되지는 않습니다.
또 다른 하나는회진 모델。
이미 여러 전문과가 함께 분석해야 하는 것이 명확한 증례의 경우, 여러 에이전트가 직접 참여하며 인터페이스에서 진단, 투약 등의 단계에 대해 해당하는 권고를 제시한다.
의사가 해야 할 일은 자신의 전문 지식을 바탕으로 이러한 서로 다른 관점들을 비교하고 저울질하는 것입니다.
물론 의견이 많아지면 또 다른 문제가 생긴다:분신들끼리 서로 다르게 말한다면 어떻게 할까?
솔직히 말하면, 자형지캉(紫荆智康)의 처리 방식은 꽤 반직관적이다.
이는 의견 차이를 능동적으로 좁히는 대신, 그 차이를 명확하게 드러내 놓았다.
시스템은 각 분신의 제안을 각각 표시합니다.불일치 부분을 하이라이트로 알림의사는 어떤 페르소나에서 의견이 나왔는지 확인할 수 있으며, 이를 환자의 상태, 관련 근거 및 자신의 경험과 결합하여 최종 판단을 내립니다.
차이 그 자체에도 가치가 있기 때문이다.
한 내과 개업 의사는 AI가 현재 단계에서 주는 중요한 도움은 여전히 의사가 생각하지 못했던 방향을 보완하는 것이라고 밝혔다.
AI의 제안이 내 판단과 완전히 일치하지 않을 때, 나는 입력한 정보를 다시 살펴보며 그 원인이 무엇인지 확인한다.
기존 자료를 바탕으로 제시하는 생각이 내가 선호하는 방향과 다르다면,저는 매우 의미가 있다고 느낄 것입니다。
다음으로 어떤 것이 실제 상황에 더 부합하는지 매우 신중하게 판별해야 합니다.
따라서 다중 분신 협업의 가치는 결국 다음에 귀결됩니다.후속 분석과정상.
다른 의료 에이전트와 비교할 때, 이것이 자형지캉(紫荊智康)의 시스템이 전문적 시각을 더 잘 보완하고 출처를 추적할 수 있는 근거를 제공할 수 있는 핵심이다.
사실 이는 자형스마트건강(紫荆智康) 혼자의 주장도 아니다.
여러 AI 캐릭터를 조직화하는 것 자체가 이미 의료 AI의 중요한 탐색 방향 중 하나가 되고 있습니다.
예를 들어 마이크로소프트는 MAI-DxO 연구에서 의료진 팀을 시뮬레이션하여 사례를 중심으로 단계적으로 정보를 수집하고 진단 가설을 제시하며 검사를 선택함으로써 진단 정확도와 비용 간의 관계를 연구했다.
쯔징즈캉(Zijing Zhikang)이 더욱 강조하는 것은분신(디지털 아바타)과 실제 의사 간의 연결。
여기서 의사 분신은 기본 능력을 바탕으로 실제 의사로부터 지속적으로 학습하여 자가 진화 성장을 이루고, 최종적으로 의사결정권을 실제 의사에게 다시 넘겨줍니다.
이러한 관점에서 보면, 다중 분신 협업은 “AI로 의사를 대체한다”는 기존 서사를 오히려 넘어선 것으로, 실은 모든 의사의 뒤에 서 있는 것은즉시 호출에 응하는 전문가 팀 그 자체。
기반을 구축하여 AI 분신이 지속적으로 성장하도록 하다
다만 수백 수천 개의 분신이 항시 온라인 상태에서 각자의 역할을 수행하려면, 그 뒤에는 완전한 시스템이 필요하다.
의사 분신(디지털 트윈)은 어디서 능력을 얻고, 끊임없이 늘어나는 환자 정보를 어떻게 이해하며, 의사의 업무 습관에 어떻게 적응하고, 또 병원의 기존 업무 흐름에 어떻게 연결될 것인가…… 서로 맞물려 있어, 모두가 최종 사용 효과에 영향을 미친다.
이것 또한 쯔징즈캉(紫荆智康)이 구축하는자형(紫荆) AI 병원 생태계의 원인이다.
유사한 의료 에이전트 플랫폼도 있는데, 예를 들어 마이크로소프트의 Healthcare Agent Orchestrator는 서로 다른 에이전트들을 조직해 정보를 처리하고, 종양 협진과 같은 복잡한 작업을 중심으로 워크플로를 구축한다.
자형(紫荆) AI 병원의 다른 점은 그 분신이 실제 외래 진료 과정에서 끊임없이 성장한다는 데 있다.
이 핵심 기술 노선은 Agent Hospital이 처음 구축될 당시 AIR 류양(刘洋) 교수 연구팀이 제안한 것에서 비롯되었습니다.SEAL, 즉 시뮬라크르(拟像)에 기반한 진화 가능 지능체 학습이다.
이것은 한 세트의「가상 세계 훈련 + 현실 세계 검증 및 미세 조정」의 이중 진화 아키텍처.
가상 환경에서는 환자, 의사, 간호사 등의 역할이 모두에이전트연기하다.
AI 의사가 그 안에서 매일 고강도로 진료를 시뮬레이션하고, 수백만 명의 초실사 AI 환자가 진료와 약 처방을 구하며, 폐쇄 루프형 의료 가상 세계를 이룹니다.
성공 사례사례 라이브러리에 들어가 후속 작업 참고 자료로 활용할 수 있다;문제가 발생했을 때, 실패로부터 반성하고 경험을 추출하며, 이를 정리하는 과정을 거쳐 점차 재사용 가능한 규칙으로 발전시킵니다.
단 며칠 만에 AI 의사 에이전트는 수십만, 심지어 수백만 건의 사례를 처리하여 희귀질환, 복잡한 질환, 다중 병태 조합을 모두 훑어볼 수 있습니다.
AlphaGo의 자기 대국(self-play)에 비유하자면, AI 의사는 가상 병원에서 스스로 진화한다. 능력이 꾸준히 향상되는 동시에,연산 자원 소모량 또한 전통적인 대형 모델 학습보다 훨씬 낮다。
하지만 가상 세계에서 훈련된 초기 AI에도 뚜렷한 문제가 있었는데, 그것은 다양한 가능성을 고려하려는 경향이 있었다는 점이다과도하게 충분。
자형(紫荆) AI 병원의 최고제품책임자(CHO) 자오위천(乔宇宸)은 이런 흥미로운 소소한 일화를 공개했습니다.
AI는 의사에게 효과가 가장 좋은 약을 추천했지만, 의사는 환자의 경제적 사정을 고려해 결국 상대적으로 저렴하고 의료보험에 등재된 약으로 바꿨다.
그리하여실제 진료등장.
현실 세계의 검증과 동반 성장을 도입함으로써, 시스템은 AI 분신이 실제 의사와 함께 일하도록 하고, 의사의 조작을 내부 파인튜닝에 다시 반영한다.
에이전트는 행동이 의사처럼 움직일 뿐만 아니라 사고방식도 의사와 동일해야 한다.
실제 응용으로 넘어가 보면, 자싱(紫荆) AI 병원은 의사, 환자, 병원이라는 세 영역을 겨냥한다.
환자 영역예진(사전 문진), 건강 자료 및 후속 관리를 담당한다.의사 영역AI 분신, 전자병력 및 의사결정 보조를 담당한다.병원 영역근무 일정 관리, 권한 및 데이터 관리를 지원한다.
세 영역의 제품은 기반 역량을 서로 다른 이용자 앞에 가져다 주었다. 전문과 도구와 협력 파트너를 계속 연결하는 것은 이를 바탕으로 추진되는 다음 단계이다.
현재 이 시스템은 실제 병원에서 성과표를 내놓았다.
2026년 7월 기준, 이 시스템은 54명의 AI 의사와 수백만 명의 초실사실형 AI 환자를 구축했으며, 수천 가지 질병을 커버한다.
베이징 칭화창겅(清华长庚)병원에서는 이미 18개 임상 과에서 외래 테스트를 진행하고 있으며, 40여 명의 의사가 상시적으로 사용하고 있고, 의사의 전반적인 진료 효율을 높일 수 있다30%。
벤치마크 테스트 측면에서, AI 의사는 MedQA 데이터셋에서 정확도96%이상을 기록했으며, 여러 국제 의학 평가 데이터셋에서 모두 최고 성적을 거두었다.
다음으로 답해야 할 것은, 이러한 전문적 지원을 더 많은 병원에 보급하여 더 많은 환자에게 혜택을 주는 방법이다.
AI 병원의 다음 단계, 더 많은 사람을 향해
이 몇 년간 의료 AI는 단독 작전에 치우쳐 왔다.
벤더든 병원이든 모두구체적인 하나의 과제에서 시작하는방식에 익숙했다. 예컨대 영상 인식, 병력 생성 또는 보조 문진 같은 것이다.
하지만 실제 진료라고 하면 분명 연속된 과정이다.
업계에는 오랫동안 서로 다른 역할을 연결하고 진료 전 과정을 관통하는프로덕션급 AI 네이티브 시스템。
아무도 하고 싶어 하지 않는 걸까? 그렇다고 할 수도 없다. 어려운 점은 소수의 사람만이 최신 기술, 임상, 엔지니어링을 하나로 묶을 수 있다는 데 있다.
이것은 학계와 산업계가 함께 직면한 곤란한 상황이다:
하버드, MIT, 스탠퍼드 같은최상위 대학들은 확실히 가장 완전한 의료 AI 혁신 생태계를 갖추고 있다. 그러나 실험에서 임상으로 나아가는 데는 아직 시스템 엔지니어링 검증이 부족하다.
최상위 의료기관(메이요 클리닉, 토론토 제너럴 병원, 클리블랜드 클리닉 등)은 깊은 임상 자원과 풍부한 환자 수요를 보유하고 있다.
그러나 이들은 최상위 AI 인재와 기술이 부족하여 AI 네이티브 시스템을 독자적으로 개발할 수 없다.
실리콘밸리의 AI 테크 거대 기업들은 조금 더 나아가 있긴 하지만, 의료는 이들이 펼친 수많은 분야 중 하나일 뿐이어서 체계 수준의 혁신이 부족하며, 실제 진료 현장에서 의료 프로세스를 한 걸음씩 이해하고 적응해야 하는 과제도 안고 있다.
생산 수준의 AI 네이티브 의료 시스템의 실현은 이러한 역량들이 하나로 힘을 합치도록 해야 하기에, 지금 이 시점에서쯔징즈캉(Zijing Zhikang)은 T0급이다。
쯔징즈캉은 꽤 새로운 플레이어로, 2년 전에야칭화대학교 지능산업연구원(AIR)이 인큐베이팅하여 설립되었다.
단일 연구에만 십여 년이 걸리기 일쑤인 의학 분야에서 보면, 확실히 풋내기로 보인다.
그러나 팀의 연구 축적은 이보다 훨씬 이전부터 시작되었으며, 구성원들은 오랫동안 스마트 헬스케어 분야에 뿌리내려 왔다:
여러 편의 논문이 잇달아 《Nature Medicine》《NEJM AI》 등 의료 AI 최상위 저널에 게재되었다.
그중 2024년 국내외에서 화제를 모은 Agent Hospital 논문은 단번에 유명해졌으며,"세계 최초의 AI 병원"。
이라 불렸다. 관련 실천 활동은《Nature》의 중점적인 주목을 받았고, 동 저널은 이를 AI 가상 분신이 의료 분야에 상용화된 핵심 참고 사례로 선정했다.
쯔징즈캉은 매우 전형적인학술 성과의 실용화성공 사례라고 할 수 있다.
칭화 AIR에서 출발해 최상위 저널에 오르고, 다시 실제 진료실로 들어가기까지, 이 팀은 학술적 축적을 의사와 환자 모두가 사용할 수 있는 제품으로 한 걸음씩 전환해 가고 있다.
One More Thing
오늘의 발표회에서 쯔징즈캉의 한 가지 중요한 특성이 나를 크게 감동시켰다.
군자는 후덕으로써 만물을 실어야 한다,칭화 AIR에서 이어받은 보편적 혜택의 특성에 따라, 쯔징즈캉은 기술을 추진하는 과정에서도 한 번도 의학의 인문적 배려를 놓지 않았다.
쯔징즈캉(紫荆智康)은가치 정렬을 통해 의료 인문 이념을 알고리즘이 이해하고 실행할 수 있는 제약과 선호로 전환한다고 주장한다.
즉, 시스템은 설계 초기부터 AI와 인간의 협업 경계를 확고히 고정하고,사람 중심의 방향을 따르며 AI의 보조적 위치를 명확히 한다.
에이전트 구축에 있어서도전능하고 통일된 슈퍼 AI를 추구하지 않고각 에이전트의 차별성과 다양성을 유지하며 여러 방식의 장점을 두루 채택한다.
이를 구체적으로 실현하면 전문가급 능력의 하방 확산이며, 더 많은 기층 의사, 촌부 의사, 심지어 향진 기관까지 일선 자원을 누릴 수 있게 하여 광범위한 환자에게 실질적인 혜택을 가져다준다.
물론 이 길은 결코 쉽지 않다. 모든 규제 관문, 모든 의사의 습관 전환은 구체적인 실천 속에서 다듬어져야 한다.
쯔징즈캉이 선택한 이가상 세계에서 실제 진료실로이어지는 길은 더 느리지만 더 안정적이다.
다만 예견할 수 있는 희망은, 의사가 유효한 지원을 하나 더 얻을 때마다 환자는 우회로를 조금 덜 걷게 된다는 것이다.
생명이 이어질 때, 비로소 과학기술의 가치가 진정으로 드러난다.
공식 웹사이트 링크: https://www.tairex.cn/