인공지능 기술의 발달과 방사선사 업무환경

글 김상진(서울대학교병원)

인공지능(AI, Artificial Intelligence) 기술의 발전과 다양한 적용 분야는 우리 일상생활에서 널리
활용되고 있다. 특히 의료 영상 분야에 인공지능 시스템이 도입되면서 방사선학 기술에 대한 관심이 증가하고,
그 유용성에 대한 많은 논의가 이루어지고 있다. 최근 인공지능 기술의 급속한 발전으로
영상처리 분야는 빠르게 성장 중이며, 그 중요성도 점차 확대되고 있다.
인공지능 기술을 활용한 판독 보조 시스템이나 영상 보정 시스템 등이 도입되면서
영상의학과 의사의 업무를 비롯한 방사선사의 업무 효율성에도 긍정적으로 기여하고 있다.
하지만 인공지능 기술이 의료 현장에서 근무하는 방사선사의 역할에
어떤 영향을 미치고 있는지에 대해서는 아직 충분히 논의되지 못한 상태이다.
인공지능 시스템의 발전은 방사선사의 업무환경과 관련하여 진단 정확성 향상, 업무 효율성 증대,
방사선사의 새로운 역할 창출 등 다양한 측면에서 두드러지게 변화 양상을 보여줄 것으로 예측된다.

서론
전 세계적으로 영상의학 분야에서 진행되는 다양하고 정확한 진단을 위한 촬영검사 관련하여 방사선사들은 최적의 영상을 얻기 위해 영상의학과 의사와 협력하여 최신화된 영상 획득 프로세스와 프로토콜을 지속적으로 최적화하고 있다. 시간이 지남에 따라 타과에서 의뢰되는 검사 유형의 다양성과 특별한 영상 요구가 증가하면서 촬영법이 점점 다양해지고, 이에 따른 검사 수요도 꾸준히 늘어나고 있다. 이러한 변화는 영상의학 기술 발전과 직결되어 있다고 볼 수 있다.

새로운 영상 기법의 발달은 진단 영상의 질을 높이고, 임상에서 의료진의 치료 효과에도 크게 기여하고 있지만, 동시에 방사선사의 업무와 역할에도 직간접적인 영향을 미치고 있다. 인공지능은 시각적 인식, 음성 인식, 의사결정, 예측 등 과거 인간 지능이 필요했던 작업을 수행할 수 있는 컴퓨터 시스템을 개발하고 적용하는 광범위한 개념으로 정의된다.

최근 몇 년간 진단 영상화를 위한 인공지능 애플리케이션이 학술적, 산업적으로 급격히 증가했으며, 대부분 영상의학과 의사의 판독 역량 강화와 지원에 초점이 맞춰져 있다. 그러나 최근 몇 년 전부터 방사선 촬영 업무에 직접 활용될 수 있는 애플리케이션의 중요성도 점차 부각되며 시장이 확대되는 추세다. 방사선사들은 오랜 기간에 걸쳐 업무 절차에 자동화 기술을 점진적으로 도입하고 수용해 왔으며, 일부는 이러한 기술 도입이 방사선사의 핵심 기술 능력, 책임감, 자율적 의사결정 기회를 감소시키는 요인으로 작용했다고 평가하기도 하였다. 그러나 디지털화와 자동화의 증가는 영상의학과 부서 내 업무 효율성과 처리량을 향상하는 긍정적인 결과를 가져왔다.

방사선 촬영 기법에 미치는 인공지능의 영향
인공지능 기술은 고급 수준으로 발전하면서 여러 형태로 영상 기술의 핵심적인 요소로 자리 잡은 지 수십 년이 되었다고 볼 수 있다. 초기에는 단순한 알고리즘과 기계 학습 모델을 통해 영상 처리와 분석에 기초적인 지원을 제공했다면, 오늘날에는 심화 학습과 같은 첨단 기술의 도입으로 인해 훨씬 더 정교하고 정확하며 다양한 응용이 가능해졌다. 이러한 발전은 영상 인식, 객체 추적, 얼굴 인식, 콘텐츠 생성 등에 걸쳐 다양한 분야에서 인공지능 기술이 필수 불가결한 도구로 자리 잡게 된 배경이기도 하다. 초기 사례 중 하나로는 1980년대에 개발된 자동 노출 제어 장치(AEC: Automatic Exposure Control)를 들 수 있다.

이 기술은 방사선사가 환자의 근골격계, 복부, 두경부 등 특정 해부학적 검사부위에 따라 적절한 방사선 노출 조건을 설정하도록 지원하며, 최적의 영상 품질을 위해 관전압과 관전류의 양을 조정하는 결정을 내릴 때 사용되었다. 과거에는 방사선사가 직접 이러한 관전압과 관전류의 양에 대한 변수를 수동으로 설정하여 촬영 검사를 시행하는 주도적인 역할을 수행하였다. 비록 자동 노출 제어 장치가 이미지를 직접 진단하거나 해석하지는 않았으나, 방사선사의 총 노출선량 조정 업무를 자동 노출 제어 장치 기능으로 이전함으로써 방사선 촬영 검사 업무의 일부 과정이 간소화되었다. 이에 따라 자동 노출 제어 장치 기능은 방사선사보다 더 정확한 결정을 내릴 수 있을 것으로 기대되었고, 이는 방사선 노출 조건의 최적화를 통해 환자 및 방사선사 모두에게 긍정적인 영향을 미친다는 믿음으로 이어졌다.

구체적으로는 방사선사가 수동으로 방사선 노출 조건을 직접 입력하여 나온 최종 영상 필름의 화질이 과노출(Over exposure) 혹은 저노출(Under exposure)로 인한 재촬영의 필요성을 줄이고 검사 선량을 최적화할 수 있다는 점에서 가장 긍정적인 효과가 두드러졌다. 방사선사들은 특히 극심한 비만 상태 또는 지나치게 저체중인 신체 등 환자의 신체 특성이 영상 품질에 영향을 미칠 가능성이 클 때, 이 자동 노출 제어 장치 기능이 제공하는 혜택을 실무에서 쉽게 받아들였다. 자동화된 접근방식은 최적의 영상 획득과 불필요한 방사선량 노출 조건으로부터 환자 검사 업무의 품질을 개선하는 데 기여했기 때문이다. 그러나 이러한 기술적 진보에도 불구하고, 오류 발생 가능성과 기술의 한계로 인해 여전히 방사선사의 영상 품질에 대한 감독과 개입이 필수적이었다.

인공지능 기술이 방사선 촬영 작업에서 의사 결정을 자동화하는 데 점점 더 중요한 역할을 하고 있다. 이 과정에서 임상적 증거와 방사선사의 승인 및 감독이 여전히 핵심 요소인 만큼, 기존 장치와 비슷한 면을 공유하고 있다. 하지만 새로 등장하는 인공지능 기술 기반 시스템은 더 복잡하고 폭넓은 인지 작업까지 자동화할 가능성을 내포하고 있어, 이를 도입하기 전 심층적인 검토와 더 탄탄한 증거 기반 확보가 필수적이라 할 수 있다. 특히 주목할 부분은 현재까지의 연구가 유방촬영술에서 활용되는 인공지능 기반 진단 보조시스템(AI-CAD)이나 생성형 인공지능 기술을 활용한 실시간 음향 시뮬레이션 기술을 적용한 초음파 집속 장치 등 전문 영상 분야에 초점이 맞춰져 있다는 부분이다. 반면, 투시 조영 방사선 검사나 일반 촬영 검사처럼 더 일반적인 방사선 촬영 분야에 미치는 직접적인 영향은 상대적으로 덜 다뤄지고 있다. 이는 앞으로 깊이 있는 연구와 논의가 필요한 영역으로 평가되고 있다. 나아가 단면 영상과 같은 전문 분야에서는 이미지 획득 과정에서 인공지능 기술의 발전이 점차 주목받고 있지만, 가까운 미래에 인공지능 기술이 가장 큰 영향을 미칠 것으로 보이는 분야는 일반 촬영 검사와 투시 조영 검사가 될 가능성이 높다고 할 수 있다. 이는 특히 이러한 촬영 방식의 수요가 꾸준히 증가하고 있다는 점에서 더욱 두드러질 전망이다.

결과적으로, 의료 기관들이 영상의학과의 업무 처리량을 효과적으로 늘리고 전반적인 효율성을 극대화하기 위해 인공지능 기술을 적극적으로 도입하려는 움직임은 충분히 합리적이라고 할 수 있다. 하지만 이러한 신기술 도입과 관련된 위험성 및 잠재적 법적 책임을 철저히 이해하고 이를 관리하는 것이 무엇보다 중요하다. 기술 혁신은 의료 현장의 큰 도약을 이끌 수 있지만, 안전성과 윤리적 책임을 담보로 해야만 지속 가능한 성장이 가능하다는 것을 잊지 말아야 할 것이다. 방사선 촬영 분야에서는 인공지능 기술 기반 반자동 프로세스와의 협업 뿐만 아니라, 이를 효과적으로 감독할 수 있는 역량을 갖추는 것이 새로운 과제로 떠오르고 있다.

흥미로운 부분은 인공지능 기술이 점차 보편화되고 이미지 획득 프로세스의 자동화가 증가하는 가운데, 방사선사들의 의견이 전문 학술지나 업계 논의에서 거의 반영되지 않았다는 것은 현실적으로 사실이다. 이는 단순히 변화에 체념한 결과일 수도 있고, 인공지능 기술이 초래할 잠재적 영향을 이해하려는 노력의 부재일 수도 있다. 아니면 변화 자체에 대한 두려움에서 비롯된 직업적 태만일 가능성도 있다. 그러나 이러한 침묵은 동일한 주제를 다룬 다른 사례들과 비교할 때 더욱 흥미로운 대조를 이루고 있다.

진단 인공지능 기술이 방사선 보고 백로그 문제를 해결할 자동화 해결책으로 제시되었을 때, 영상의학과 전문의들은 즉각적으로 이에 대한 논의와 문제 제기에 적극적으로 나섰다. 이를 방증하듯, 2015년 이후 전 세계적으로 영상의학 관련 저널에서 많은 영상의학과 전문의는 인공지능 기술을 주제로 한 논문의 수가 기하급수적으로 증가했다. 초기에는 많은 영상의학과 전문의가 인공지능 기술 시스템이 자신들의 직업적 역할을 다양한 방면에서 잠식할 것을 우려했지만, 시간이 지나면서 점점 이를 실존적 위협이 아닌 업무를 돕고 능력을 확장하는 기술로 재해석하게 되었다고 보고하고 있다. 이런 인식의 변화는 많은 전문가들이 인공지능 기술의 혜택을 적극 옹호하는 글을 작성하게 했고, 이는 초기의 불안감과 직업적 잠식 우려를 상당 부분 해소하는 데 중요한 역할을 했다는 것은 사실이다.

결국, 영상의학과 전문의들의 이런 태도 변화는 인공지능 기술 시스템이 영상의학과 전문의나 방사선사들과 협력하며 의료 분야에 기여할 수 있는 가능성을 보여주는 중요한 사례로 작용하고 있다. 방사선사들 또한 이러한 변화 속에서 더 나은 방향으로 나아가기 위해 적극적인 목소리를 내야 할 시점이다. 인공지능 기술은 지속적으로 발전할 것이며, 이를 활용하는 방식은 영상의학과 전문의와 더불어 방사선들의 관심있는 참여와 노력에 따라 달라질 것이다.

방사선 촬영기법에 대한 인공지능의 적용
검사 시행전 평가사항과 인공지능 기술
방사선사의 주요 역할은 영상 검사 과정에서 환자와의 직접적인 상호 교류를 포함하고 있다. 이 과정은 검사 전, 검사 중, 그리고 검사 후에 이루어지며, 환자와의 소통은 검사 시행 전 정확한 환자 확인 절차와 검사 절차를 안내하고 요청된 검사에 대한 정확한 구분 및 병변 위치표시를 확인하는 것이 핵심이다.

환자와 방사선사 간의 이러한 직접적인 대면 교류는 인공지능 기술로 완전히 대체되기 어렵지만, 인공지능 시스템은 임상적 지표의 자동 심사와 관련된 적합한 영상 기술 및 양식을 추천하는 데 도움을 줄 가능성이 있다고 할 수 있다. 또한, 전자 의무기록 시스템과의 연계를 통해 환자의 신원 및 기록을 검증하고 관리하는 데 인공지능 기술이 기여할 수 있다.

인공지능 기술은 다양한 환자 데이터 포털에서 정보를 수집, 통합, 분석하는 능력을 갖추고 있으며, 이는 방사선사의 작업 효율성을 높이는 데 기여할 것이다. 하지만 이러한 자동화가 제대로 기능하려면 환자의 전자 의무기록 데이터가 안전하게 보호되고, 인공지능 기술의 결정이 일관성을 유지하도록 방사선사의 세심한 감독과 관리가 필요한 상황이다.

검사 과정
방사선사는 모든 영상 검사 과정에서 핵심적인 역할을 담당하며, 검사 시행 전 환자의 정확한 위치를 설정하고, 필요에 따라 조영제 주입을 위한 정맥 접근을 준비하는 책임이 있다. 특히 CT와 MRI 검사에서 환자의 자세는 초기 스카우트 이미지를 통해 파악되며, 이를 기반으로 단면(슬라이스 또는 볼륨) 영상 검사나 검사 순서 계획이 진행된다.
환자 위치가 부정확할 경우 영상의질 저하 뿐만 아니라, CT 검사에서는 불필요한 방사선 노출이 증가할 위험도 높아질 수 있다. 따라서 환자 위치 설정과 정확한 영상 분석은 방사선사의 필수적인 역량으로 여겨지는 사항이다.

연구에 따르면, CT의 등심 위치 설정 및 MRI의 평면과 체적 계산 등은 인공지능 시스템을 통해 자동화가 가능한 분야로 평가되고 있다. 이러한 지능형 시스템은 환자의 개별적 요인에 맞춰 조영제의 용량과 주입 속도의 최적화를 구현할 가능성을 제공하고 있다. 이러한 기술적 발전은 의료의 개별화 원칙을 더욱 강화하며, 환자 중심의 검사 과정에 부합하는 혁신이라고 할 수 있다. 그뿐만 아니라 딥러닝 기반 시스템은 방사선 치료 분야에서도 활용되고 있다.

예를 들어, 종양 자동 분할 프로세스를 지원하여 치료 영역을 효율적으로 설계할 수 있으며, 환자별 방사선 치료 선량을 최적화하는 데 도움이 되고 있다. 이에 따라 불필요하거나 의도치 않은 치료 효과를 줄이고, 보다 정밀한 치료 과정을 구현할 수 있다. 이러한 자동화 도구들은 궁극적으로 의료 서비스의 질을 높이고, 환자가 중심이 되는 맞춤형 치료를 제공하는 데 기여할 것으로 기대된다.

방사선사의 향후 전망
차세대 인공지능 기술 기반 시스템은 의료진의 역할과 책임, 더 나아가 방사선 촬영 실무 전반에 걸쳐 중대한 변화를 불러올 것으로 예상되고 있다. 하지만 방사선사들은 그동안 새로운 기술에 빠르게 적응하며 변화에 유연하게 대응해 온 전문가들로 잘 알려져 있다. 특히 이러한 기술적 변화가 환자 치료 결과를 실질적으로 향상하고, 방사선사들이 추구하는 윤리적 가치와 고품질 의료업무 제공이라는 목표와 일치한다면, 방사선사들은 변화 수용에 더욱더 적극적인 태도를 보일 가능성이 크다고 할 수 있다.

현재로서는 대규모 임상적 효과를 입증한 질적 연구 자료가 다소 부족하지만, 인공지능 기술의 급격한 발전 속도를 감안할 때 이러한 솔루션이 널리 활용되는 날이 머지않았음을 예상할 수 있다. 방사선사들은 환자 응대의 핵심 가치를 유지하면서도 이러한 변화를 준비하고 적극적으로 수용해 나가야 할 것이다.

영상의학 검사 프로세스의 효율성 증대
인공지능 기술 시스템 도입에 따른 방사선사 업무 프로세스의 변화에는 자동화된 영상 획득 및 분석과 워크플로우의 자동화에 변화가 있다. 자동화된 영상 획득 및 분석 관련해서는 인공지능 기술이 X-ray, CT, MRI 등 영상의 노이즈 제거, 해상도 향상, 영상 검사 파라미터 자동 조정을 통해 방사선의 기술적 부담을 줄여줄 것이다. 예를 들어 저선량 CT에서 인공지능 기반 영상 재구성으로 방사선량 감소가 가능하게 하여 영상 품질 최적화를 실현할 수가 있다. 또한 영상 검사 중 환자 움직임이나 장비 오작동을 인공지능 시스템이 즉시 식별하여 재촬영 필요성을 최소화할 수 있다. 워크플로우의 자동화 관련해서는 인공지능시스템이 응급 환자 또는 이상 소견이 있는 영상을 먼저 표시해 검사 우선순위를 자동 분류해 줌으로써 방사선사의 업무 효율성을 높여주고 있으며, 환자 정보 입력 등 반복적인 업무를 인공지능 시스템이 대체하여 문서 작업 간소화가 가능하게 해주고 있다.

인공지능 기술의 발전과 방사선학과 교육과정의 변화
인공지능 기술의 발전은 방사선학과 교육과정에 근본적인 변화를 요구하고 있으며, 이는 기술 통합, 역량 재정의 윤리적 고려 사항 등을 중심으로 진행되고 있다. 방사선사를 양성하는 대학의 교육과정은 인공지능 시대에 맞춰 진화하고 있다. 인공지능 기초 이론(머신러닝, 딥러닝 등) 교육을 전공 필수화하여 의료영상 데이터 특성(CT, MRI, X-ray modality 별 차이)과 인공지능 적용 사례 학습 과정 등이 필요하며, 인공지능 활용 실무 기술 교육으로는 PACS와 통합된 인공지능 소프트웨어 학습, 저선량 영상의 화질 개선, 가상 조영 증강(Virtual Contrast Enhancement) 기술실습 등의 교과과정이 필요할 것이다.

글로벌 교육 트렌드는 인공지능 과목 선택 필수화와 인공지능 영상처리 실습실 증설 등이 해외 방사선학과에서는 일부 개설하고 있다. 또한 세부 교과목 개편의 예시로는 ‘방사선 영상 해부학’이 ‘인공지능 기반 영상 해부학 분석’, ‘방사선 안전 관리’는 ‘인공지능과 방사선량 최적화 전략’, ‘방사선 장비운영’은 ‘스마트 영상 장비와 인공지능 인터페이스’, ‘진단 방사선학’은 ‘인공지능 보조 판독 및 임상적 검증’ 등의 과목으로 세부 교과목이 개편되는 현실이다.
미래의 방사선사는 인공지능을 활용하는 전문직이자 데이터와 환자를 연결하는 커뮤니케이터로서의 역량을 갖추어야 할 것이다. 대한방사선사협회의 다양한 인공지능 워크숍 개최를 통한 교육의 많은 기회도 필요하며, 국내외 인공지능 의료 콘퍼런스에 참석하여 최신 지견을 습득하는 것도 중요한 기회가 될 것이다.

결론
인공지능 기술의 발전은 처음에는 방사선사의 역할을 위협하는 요소로 보일 수 있었으나 이러한 기술이 널리 채택되고 다양한 임상 분야에서 적용됨에 따라, 방사선사들이 변화하는 환경에 적응하고 이를 성공적으로 준비한다면 준비된 방사선사로서 중요한 기회를 제공할 수 있다.

변화에 능동적으로 대응하고 새로운 기술과 협력하며 이를 중심으로 한 프로세스를 주도할 수 있는 역량을 키운다면, 방사선사의 역할은 환자와의 직접적인 상호작용을 넘어 영상 서비스 개선을 선도하는 방향으로 확대될 가능성이 있다. 인공지능 기술 지원 시스템의 관리, 감독, 품질 보증을 보강하기 위한 방사선사를 대상으로 한 인공지능 기술 관련 교육의 활성화는 확대되어야 할 것이다. 이러한 변화는 방사선사들에게 더 큰 자율성과 의사결정 권한, 그리고 전문성에 기반한 영향력을 발휘할 수 있는 여지를 제공하고 있다. 그러나 이는 방사선사들이 인공지능 기술 지원 환경에서의 역할을 스스로 정의하고 이를 실현하기 위한 첫걸음을 내디딜 때만 가능할 것이다.

방사선사는 의료영상 및 방사선치료 분야의 전문가로서, 진단 영상 촬영이나 치료 절차 전후에 환자의 신체적·심리적 안녕을 책임지는 중요한 역할을 맡고 있다. 이들은 의료영상 및 치료 절차의 정당성과 최적화를 적극적으로 주도하며, ‘합리적으로 실행할 수 있는 피폭선량을 낮게 유지해야 한다(ALARA:As Low As Reasonably Achievable)’는 원칙과 관련한 법률을 준수하며 환자, 방사선사 모두의 방사선 안전을 보장하는 책임이 있다.

최근 의료 분야의 발전으로 인해 복잡한 머신러닝 알고리즘과 인공지능 시스템이 의료기기 작동, 영상 검토, 치료 계획 프로세스 등 다양한 분야에 점점 더 많이 통합되고 있다. 이러한 기술의 도입에 따라 방사선사는 치료 및 영상 작업 방식을 조정하고, 최신 기술이 환자의 이익을 극대화하는 데 기여해야 한다. 이러한 실무 환경의 변화는 기존 방사선사와 더불어 학사 및 석사 과정 학생들과 같은 미래 인력을 위해 적절한 교육과 훈련이 포함된 대학의 교육과정 개발로 뒷받침되어야 한다.

의학 분야, 특히 방사선학 기술의 발전과 연관된 인공지능 기술의 도입은 영상의학 분야에서 의료진과 방사선사의 역할 및 의료 환경에 미치는 영향을 고려할 때 점점 더 많은 관심을 받고 있다. 이러한 변화는 피할 수 없는 현실이며, 이에 대응하기 위해 전 세계 방사선사들은 자신의 직업적 역할에 발생할 필연적인 변화를 이해하고 이를 준비하기 위해 시간과 자원을 투자하고 있다. 특히 미래의 방사선사를 양성하는 대학의 방사선학과 교육과정에는 방사선학 인공지능 관련 과목이 필수적으로 포함되어야 할 필요성이 제기되고 있다. 학생들이 대학 재학 중 기본 개념을 습득하고 졸업 이후 실제 업무에도 원활히 적응할 수 있도록 장기적인 관점의 교육 목표가 수립되어야 한다. 이는 단순히 기술적 숙련에 그치는 것이 아니라, 새로운 시대의 요구에 부합하는 전문성을 배양하는 차원에서 중요한 의미를 가진다.

인공지능 기술의 발전은 방사선사의 업무에 다양한 영향을 미치고 있다. 이에 따라 방사선사는 반복적이고 단순한 작업에서 벗어나 더욱 복잡하고 전문적인 역할에 집중할 수 있는 환경이 조성되고 있다. 또한, 인공지능의 도입은 학습 및 기술 습득의 중요성을 강조하며 방사선사의 역량 강화를 요구하고 있다. 끊임없이 변화하는 인공지능 기술에 발맞추기 위해 방사선사들은 새로운 툴과 소프트웨어 활용 능력을 익히고 관련 데이터를 이해할 수 있는 장기적인 역량을 갖춰야 한다. 하지만 이러한 변화가 모든 긍정적인 영향만을 의미하는 것은 아니다. 인공지능 기술의 발전으로 인해 방사선사의 전통적인 업무 역할 중 일부가 자동화되면서 직업 안정성에 대한 우려가 제기되기도 한다. 이는 방사선사들이 자기 전문성을 지속적으로 개발하고, 인간 중심의 판단력과 환자와의 소통 능력을 더욱 강화해야 할 필요성을 부각하고 있다.

결론적으로, 인공지능 기술의 발전은 방사선사 업무에 혁신적인 기회를 제공함과 동시에 새로운 도전을 제시하고 있다. 이를 통해 방사선사는 기술과 조화를 이루며 자신의 가치를 더욱 높일 수 있는 방향으로 나아가야 할 것이다.