환자가 AI로 스스로 응급도를 판단하고 올 때 — 증상 체커·챗GPT의 정확도와 한계

병원에 오기 전, 환자가 먼저 스마트폰을 여는 일이 흔해졌습니다. “이 증상이 응급일까, 내일 외래로 가도 될까”를 증상 체커 앱이나 챗GPT 같은 AI에게 물어본 뒤 내원 여부를 정하는 것입니다. 이렇게 환자 스스로 진료의 급함을 가늠하는 것을 ‘자가 응급도 판단(self-triage)‘이라고 합니다.

이 변화는 병원 행정·간호에도 두 가지 질문을 던집니다. 하나는 “환자가 AI 판단을 믿고 오거나 오지 않는 상황을 우리가 어떻게 봐야 하는가”이고, 다른 하나는 “우리 병원이 환자용 증상 체커나 상담 챗봇을 직접 들일 때 무엇을 확인해야 하는가”입니다. 두 편의 체계적 문헌고찰(여러 연구를 모아 종합한 논문)로 짚어 봅니다.

정확도는 낮고, 도구마다 들쭉날쭉합니다

온라인 증상 체커의 정확도를 정리한 2023년 문헌고찰이 있습니다. 2만여 편의 자료를 추려 14편의 연구를 종합했습니다(Riboli-Sasco 외, JMIR 2023).

결과를 보면, 병명을 맞히는 진단 정확도는 전반적으로 낮았습니다. 응급도 판단의 정확도는 연구와 도구에 따라 대략 27%에서 92%까지 폭이 컸습니다. 같은 ‘증상 체커’라는 이름을 달고 있어도 도구마다 성능 차이가 크다는 뜻입니다. 연구진의 결론은 분명했습니다. 온라인 증상 체커는 기존의 진료·응급도 판단을 대체할 수단이 아니며, 널리 쓰기 전에 정확도를 더 검증할 필요가 있다는 것입니다.

‘과잉 안내’와 ‘과소 안내’는 둘 다 문제입니다

증상 체커는 대체로 안전한 쪽으로 기웁니다. 애매하면 “병원에 가 보라”고 권하는 경향입니다. 이를 과잉 안내(위험 회피적 판단)라고 하는데, 실제로 위 문헌고찰에서도 여러 연구가 이런 경향을 확인했습니다. 언뜻 안전해 보이지만, 굳이 오지 않아도 될 사람까지 병원으로 보내 외래·응급실의 부담을 키운다는 부작용이 있습니다.

문제는 반대 방향의 오류도 함께 나타났다는 점입니다. 응급한 상황인데도 “괜찮다”고 안내하는 과소 안내가 이 고찰에서 다룬 상당수 연구에서 관찰됐습니다. 연구진은 이 과소 안내가 특히 우려된다고 지적했습니다. 도구를 믿은 환자가 필요한 진료를 미루게 만들 수 있기 때문입니다. 즉 증상 체커의 위험은 ‘너무 자주 병원에 가라고 하는 것’만이 아니라, 드물게 ‘가야 할 때 가지 말라고 하는 것’에도 있습니다.

챗GPT 같은 AI는 해결책일까요

“요즘 앱 말고 챗GPT에 물어보면 낫지 않냐”고 물을 수 있습니다. 이 점을 확인한 2025년 문헌고찰이 있습니다. 증상 체커 앱, 대규모 언어모델(챗GPT처럼 방대한 문장을 학습해 대화하는 AI), 그리고 일반인이 스스로 판단한 경우의 응급도 판단 정확도를 비교해 19편의 연구를 종합했습니다(Kopka 외, npj Digital Medicine 2025).

정확도는 증상 체커 앱이 11.5%에서 90.0%로 편차가 매우 컸고, 언어모델은 57.8%에서 76.0%, 일반인은 47.3%에서 62.4%였습니다. 언어모델이 일반인보다 조금 나은 편이었지만 압도적이지 않았고, 앱은 어떤 것을 쓰느냐에 따라 성능이 극과 극이었습니다. 연구진의 결론도 신중합니다. AI 도구를 무조건 권할 것도, 무조건 말릴 것도 아니며, 어떤 용도로 누가 쓰는지에 따라 유용성을 따로 판단해야 한다는 것입니다.

그래서 병원이 확인할 점

두 고찰이 함께 가리키는 방향은 같습니다. 이 도구들은 참고용 보조일 뿐, 전문가의 응급도 판단을 대신하지 못한다는 것입니다.

• 환자가 AI 판단을 들고 오면, 하나의 참고 정보로만 봅니다. “챗GPT가 괜찮다고 했다”거나 “앱이 응급이라고 했다”는 말은 그 자체가 근거가 되지 않습니다. 현장에서 정해진 절차대로 다시 평가하는 것이 원칙입니다.
• 도입을 검토하는 행정은 ‘응급을 놓치지 않는가’를 먼저 봅니다. 과소 안내가 가장 위험하므로, 급한 상황을 놓치지 않도록 설계됐는지, 어떤 환자군·증상에서 검증됐는지, 판단이 애매할 때 사람에게 연결하는 안전장치가 있는지를 제안서에서 확인할 수 있습니다. 이는 도입 체크리스트와도 이어집니다.
• 도구의 한계를 환자에게 분명히 알립니다. 증상 체커나 챗봇을 병원이 제공한다면, 진단이 아니라 참고용이며 증상이 심하면 바로 진료를 받으라는 안내를 함께 두어야 합니다.

AI의 판단을 지나치게 믿어 사람이 스스로 확인하는 과정을 건너뛰는 문제는 앞서 자동화 편향 글에서, 도입 전 검증이 실제 환경과 다를 수 있다는 점은 성능은 시간이 지나며 달라진다 글에서 다뤘습니다. 환자가 AI로 스스로 판단하는 흐름에도 같은 원칙이 그대로 적용됩니다.

핵심 요약

• 병원에 오기 전 증상 체커 앱·챗GPT로 스스로 응급도를 판단하는 환자가 늘고 있습니다. 병원은 이 판단을 얼마나 믿을지, 이런 도구를 직접 들일지 두 가지를 마주합니다.
• 2023년 문헌고찰에서 온라인 증상 체커의 진단 정확도는 낮았고 응급도 판단은 도구마다 편차가 컸으며(약 27~92%), 기존 진료를 대체할 수단이 아니라고 결론지었습니다.
• 증상 체커는 안전한 쪽으로 기울어 불필요한 내원을 늘리기도 하지만, 드물게 응급을 ‘괜찮다’고 안내하는 과소 안내가 더 위험합니다.
• 2025년 문헌고찰에서 챗GPT 같은 언어모델(57.876.0%)은 일반인(47.362.4%)보다 조금 나은 정도였고 앱(11.5~90.0%)은 편차가 매우 컸습니다. AI 도구는 용도와 사용자에 따라 유용성을 따로 판단해야 합니다.
• 이 도구들은 참고용 보조일 뿐 전문가의 판단을 대신하지 못합니다. 환자가 들고 온 AI 판단은 하나의 참고로만 두고 현장 절차대로 다시 평가합니다.