일반의의 종말
AI는 일반의의 80%보다 피부암을 더 잘 진단한다. 대부분의 영상의학과 의사보다 X선을 더 잘 읽는다. GP 의뢰 시스템은 곧 전화기로 대체된다.

일반의의 종말
팔에 발진이 난 채로 일어난다.
GP 예약을 잡는다. 대기는 2주다. 진료를 받으러 간다. GP는 30초 동안 발진을 본다. 아마 별일 아닐 거라고 하지만, 만약을 위해 피부과 전문의에게 의뢰하겠다고 한다. 피부과 대기는 6주다. 결국 습진으로 밝혀진 발진 때문에 두 달 동안 가볍게 걱정한다.
이제 2026년에 같은 상황을 돌려 보자. 앱을 연다. 사진을 찍는다. AI가 꽤 확신하는 말투로 습진이라고 말한다. 언제 걱정해야 하는지 알려 준다. 약국에서 무엇을 사야 하는지 알려 준다. 전체 과정이 90초 걸리고 비용은 들지 않는다.
Today the referral path
mildly worried for 0 days
2026 the phone
answered before the clock moved DONE
이것이 우리가 알던 일반의(GP)의 종말이다. 그리고 이미 일어나고 있다.
이건 추측이 아니다. 연구 결과가 나와 있다.
BMC Primary Care에 실린 2025년 메타 분석은 피부 질환에 대한 AI의 진단 정확도를 일반의 및 피부과 전문의와 비교했다. GP는 피부 병변을 20~40% 범위에서 맞게 진단한다. 피부과 전문의는 **약 85%**를 맞힌다. Medicina에 실린 별도의 2025년 메타 분석은 7만 장이 넘는 테스트 이미지를 모았는데, 여기서 AI 시스템은 흑색종 검출에서 91% 민감도와 88% AUROC에 도달했다.
| 진단자 | 피부 병변 정확도 |
|---|---|
| 일반의 | 20–40% |
| 피부과 전문의 | ~85% |
| AI (풀링된 메타 분석) | 91% 민감도 / 88% AUROC |
출처: BMC Primary Care 2025 및 Medicina 2025 메타 분석; Cureus 2025 연구. 전화기로 전문의 수준의 성능을 내는 것이다.
Cyan: read correctly. Striped: inside the GP’s 20–40% range. The three numbers come from different studies and measures, so read them as a rough comparison, not a single trial.
Cureus에 실린 별도의 2025년 연구는 임상 사례 30건에서 ChatGPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro를 보드 인증을 받은 피부과 전문의와 비교했다. 결론은 이렇다. AI 모델은 전문의와 비슷하고, 때로는 그보다 나은 진단 정확도를 보였는데, 특히 드물고 복잡한 사례에서 그랬다.
영상의학은 더 앞서 있다. Medicine 저널의 2025년 리뷰는 연구 조건에서 AI가 영상의학과 병리학의 정확도를 높이고 진단 시간을 약 90% 줄인다고 보고한다. 이 기술은 폐결절, 두개내 출혈, 골절, 초기 암을 찾기 위해 이미 유럽 전역에서 임상 현장에 쓰이고 있다. FDA는 800개가 넘는 AI 기반 의료기기를 승인했는데, 대부분은 영상의학 분야다.
그리고 격차는 벌어지고 있다. 해마다 AI는 좋아진다. 일반의는 그렇지 않다.
일반의가 하루 동안 무슨 일을 하는지 정확히 짚어 보겠다.
활력 징후를 잰다. 증상을 듣는다. 귀, 코, 목을 들여다본다. 혹이 있는지 만져 본다. 머릿속으로 결정 트리를 따라간다. 이 증상과 저 증상이 있으면 이 다섯 가지 가능성 중 하나다. 그리고 처방하거나(사례의 90%) 의뢰한다(사례의 10%). 대부분의 선진국에서 진료 한 번은 평균 7~15분이 걸린다.
이것은 패턴 매칭이다. GP는 의대에서 외워서 20년 동안 다듬어 온 결정 트리를 사람 모양으로 구현한 인터페이스다.
Prescribe · 90% · 0Refer · 10% · 0
Same tree, same outcomes. One simulated hour every 12 seconds: a GP at 7 to 15 minutes a visit routes 4 to 8 people an hour; software at 90 seconds routes 40.
결정 트리는 이제 소프트웨어에 들어가 있다. 패턴 매칭도 이미 소프트웨어에 있다. 처방도 점점 소프트웨어가 맡고 있다(전자 처방 플랫폼은 이미 표준이다). 의뢰도 점점 소프트웨어가 맡고 있다(환자를 알맞은 전문의에게 바로 보내는 AI 분류 시스템이 영국, 이스라엘, 싱가포르 등에 도입되고 있다).
소프트웨어가 할 수 없는데 GP에게 남은 일은 무엇인가?
세 가지다. 신체 검사, 즉 손으로 몸을 만지고, 귀 안을 보고, 가슴 소리를 듣는 일. 시간이 지나면서 환자와 신뢰를 쌓는 일. 그리고 법 체계가 여전히 사람의 서명을 요구하는 처방에 서명하는 일. 이것들은 실제로 중요하지만, 2주를 기다린 뒤 받는 15분짜리 진료를 정당화하지는 못하고, 1차 진료 시스템 전체의 비용 구조를 정당화하지도 못한다.
그 직감은 이해한다. 하지만 지금의 시스템이 실제로 무엇을 주는지 보라.
이 글을 읽으면 본능적으로 움찔하게 된다. 로봇이 의사를 대신하는 것을 원하지 않는다. 우리 건강을 알고리즘의 손에 맡기고 싶지 않다. 눈을 보고 무엇이 잘못됐는지 말해 주는 사람을 원한다.
| 국가 | 전문의 진료까지 평균 대기 |
|---|---|
| 캐나다 | 27.7주 (2023) |
| 영국 (NHS 일반 진료) | 18주 이상 |
| 프랑스 | 지역마다 다르고, 종종 몇 달 (의료 사막) |
| 호주 | 4–12주 |
| 미국 (보험 가입자) | 2–4주 |
출처: Fraser Institute (캐나다), NHS, 각국 통계. 가족 주치의에 대한 낭만적인 그림은 이미 사라졌다. 지금 남은 것은 대부분의 사람이 거의 이용할 수 없는 시스템이다.
캐나다에서 GP 의뢰부터 실제 치료까지 걸리는 중앙값 대기 시간은 2023년 기준 27.7주로, 30년 만에 가장 길다. 영국에서는 NHS 일반 치료 대기 명단이 2023년에 기록적인 760만 명에 이르렀다. 프랑스에서는 이용할 수 있는 GP가 없는 "의료 사막"이 인구 기준으로 나라의 3분의 1을 덮고 있다. 선진국 전역의 농촌 지역에서는 GP가 채워지는 속도보다 빠르게 은퇴하고 있다. 인구는 고령화되고, 수요는 늘고, 의사 공급은 교육 능력에 묶여 있는데 그 능력을 늘리는 데는 10년이 걸린다.
지금의 시스템은 세심하고 개인에게 맞춘 인간 진료를 제공하지 못한다. 서두르고, 과로하고, 종종 접근조차 어려운 인간 진료를 제공한다. 30년 동안 당신과 가족을 알고 왕진까지 하던 가족 주치의라는 GP의 낭만적인 모습은 오래전에 사라졌다. 지금 남은 것은 15분 동안 당신을 보고, 다른 사람에게 의뢰하고, 보험사에 청구하는 흰 가운을 입은 사람이다.
그 현실과 비교하면, 90초 안에 정확한 진단을 내리고, 24시간 이용 가능하며, 거의 공짜인 AI는 격하가 아니다. 엄청난 업그레이드다.
논점은 AI 대 이상적인 의사가 아니다. AI 대 지금 실제로 예약할 수 있는 의사다.
변호사와 마찬가지로 일반의도 사라지지는 않는다. 역할이 크게 줄어들 뿐이다.
전문의는 살아남는다. 흉부외과 의사. 중재적 영상의학과 의사. 소아 종양 전문의. 깊고 좁은 전문성과 직접적인 신체 시술을 요구하는 일을 하는 모든 사람. AI는 이들을 돕지만 대체하지는 않는다. 현재의 모델이 감당하기에는 업무 범위가 너무 좁고, 걸린 것이 너무 크다.
지속 진료 의사는 살아남는다. 당신의 병력, 가족, 상황을 알고, AI가 만들어 낸 모든 것을 엮어 판단을 내려 주는 장기 담당 의사다. 이것은 오늘날 대부분의 GP가 실제로 하는 일보다 예전의 "가족 주치의" 모델에 더 가깝다. 화면만 읽는 진료가 아니다. 진짜 지속적인 진료다.
중재적 일반의는 살아남는다. 신체 검사를 하고, 시술을 하고, 작은 수술을 하고, 조직 검사를 하고, 뼈를 맞추는 의사다. 로봇 없이는 AI가 말 그대로 할 수 없는 손으로 하는 일이며, 좁은 수술 맥락 밖에서 이 일을 할 수 있는 로봇은 아직 한참 멀었다.
사라지는 것은 의뢰 기계 역할의 GP다. 증상을 듣고, 결정 트리에 패턴을 맞춰 보고, 적절한 전문의에게 넘기는 것이 일인 사람. 이 역할은 카메라가 달린 전화기와 AI 앱으로 대체되고 있다. 일어날지 말지의 문제가 아니다. 규제 기관과 의료 협회가 그 일이 어차피 일어나기 전에 얼마나 늦출 수 있는지의 문제다.
환자라면 이것은 대체로 좋은 소식이다. 몇 년 안에 여러분은 주머니 속에서 24시간, 무료 또는 거의 무료로 전문의 수준의 진단 능력을 갖게 된다. 기다리는 시간이 줄어든다. 문제를 더 일찍 발견한다. GP의 안 좋은 날이나 병원 인력 부족에 휘둘리지 않는다.
여전히 시술, 수술, 입원, 여러 기관에 걸친 복잡한 질환에는 진짜 의사가 필요할 것이다. 하지만 병목인 GP 문지기는 무너질 것이다. 잘된 일이다.
의사라면, 살아남는 세 가지 범주 중 어디에 속할지 깊이 생각해야 한다. 일반의라는 1차 진료 역할이 가장 크게 노출되어 있다. 전공을 고르는 젊은 의사라면 이 점이 중요하다. 경력 중반의 GP라면, AI가 없애지 못하는 무언가를 향해 준비하기 시작해야 한다.
규제 기관이나 의료 협회 회장이라면, 이 흐름을 늦추고 싶은 유혹이 생길 것이다. AI 도구가 자기 관할 아래 들어오도록 "의료 행위"를 아주 넓게 정의하고, 모든 것에 사람의 승인을 요구하고, 면허 있는 의사가 반드시 참여하도록 요구하는 것이다. 이 중 일부는 합리적이다. 하지만 대부분은 기존 기득권의 이익을 지키기 위한 방해일 뿐이며, 택시 면허 제도가 우버 앞에서 무너진 것과 같은 방식으로 실패할 것이다. 경제적 차이가 너무 크게 기울어 있다. 사람들은 우회로를 찾을 것이다.
이 전환에는 짚고 넘어갈 가치가 있는 실제 위험이 있다.
1차 진료가 AI를 거치게 되면, 의료에서 사람과 사람이 맺는 관계는 더 쉬워지는 게 아니라 더 어려워진다. 오늘날에도 의사들은 이미 지쳐 있고, 업무가 쪼개져 있고, 번아웃 상태다. GP를 앱으로 바꾸면 진단은 더 정확해지겠지만, 감정적으로는 더 메마른 의료 시스템이 될 수 있다. 진단만큼이나 누군가 자신의 말을 들어 주기를 바랐던 만성 질환자는 사람과의 접점을 완전히 잃게 된다.
좋은 방향의 전환은 이 문제를 분명히 다룬다. AI가 진단과 일상적인 업무를 맡는다. 사람은 사람만이 특별히 잘할 수 있는 일, 즉 함께 있어 주기, 듣기, 신뢰 쌓기, 복잡한 감정적이고 신체적인 돌봄을 헤쳐 나가는 일로 재배치된다. 의사는 교환원보다는 코치에 가까워진다.
나쁜 방향의 전환은 돈을 아끼려고 사람을 완전히 빼 버리는 것이다. 그러면 기술적으로는 훌륭하지만 감정적으로는 죽어 있는 의료를 갖게 된다. 어느 쪽이 될지는 우리가 어떻게 구조를 짜느냐에 달려 있다. 기술은 중립적이다. 어떻게 배치하느냐는 정책의 선택이다.
의학은 성직 다음으로 오래된 길드이며, 역사상 어느 직업보다도 규제, 명성, 정보 비대칭이라는 가장 강력한 조합으로 보호받아 왔다.
이제 그 보호막이 명성을 신경 쓰지 않고, 관할 규제도 존중하지 않는 도구와 맞닥뜨렸다. 발진이 난 환자는 의료 협회가 승인하든 말든 앱을 쓸 것이다. 불안을 겪는 젊은이는 정신의학계가 인정하든 말든 AI 치료사를 쓸 것이다. 새벽 2시에 아픈 아이를 둔 부모는 과로한 원격 진료 레지던트보다 전화기에서 더 나은 답을 얻을 것이다.
의사의 역할은 좁아질 것이다. 전문의의 역할은 넓어질 것이다. GP 의뢰 기계의 역할은 끝날 것이다.
환자는 더 나은 거래를 얻는다. 의료 시스템은 더 싸지고 더 빨라진다. 패자는 더 이상 병목이 필요 없는 시스템에서 인간 병목으로 경력을 쌓아 온 사람들이다.
저항이 있을 것이다. 언제나 있었다. 하지만 발진이 난 환자는 전화기가 지금 당장 91% 정확한 답을 줄 수 있는데, 15분짜리 진료를 받으려고 2주를 기다리지는 않을 것이다.
일반의의 종말은 비극이 아니다. 업그레이드다.
출처09
- Equity and Generalizability of Artificial Intelligence for Skin-Lesion Diagnosis Using Clinical, Dermoscopic, and Smartphone Images: A Systematic Review and Meta-Analysis
- Diagnostic accuracy of artificial intelligence compared to family physicians and dermatologists for skin conditions: a systematic review and meta-analysis
- Skin Cancer Diagnosis by Lesion, Physician, and Examination Type: A Systematic Review and Meta-Analysis
- Comparative Analysis of Large Language Models in Dermatological Diagnosis: An Evaluation of Diagnostic Accuracy
- Reducing the workload of medical diagnosis through artificial intelligence: A narrative review
- AI-Enabled Medical Devices Granted FDA Marketing Authorization
- Waiting Your Turn: Wait Times for Health Care in Canada, 2024 Report
- NHS waiting lists climb to record high of 7.6 million
- MAP: Where in France has the best access to healthcare?







