의료 AI에 대한 학계와 대중의 시각차를 분석하다
스마트폰과 SNS가 일상이 된 지금, 의료 인공지능(AI)에 대한 논의도 더 이상 전문가들만의 주제가 아닙니다.
병원 현장에서의 활용부터 건강관리 앱, 신약 개발까지, 의료 AI는 이미 우리 생활 전반을 빠르게 바꾸고 있습니다.
그렇다면 학계는 의료 AI를 어떻게 바라보고 있을까? 그리고 일반 대중은 어떤 감정을 느끼고 있을까?
오늘 소개할 연구는 이 두 가지 질문에 정면으로 답합니다.
학술 논문과 SNS 댓글이라는 두 개의 다른 데이터 세계를 BERTopic과 SnowNLP로 분석하여 동일한 의료 AI라는 주제가 그룹마다 어떻게 다르게 인식되고 감정적으로 반응되는지를 비교한 흥미로운 연구입니다.
배경
학계와 대중이 생각하는 의료 AI
지난 10년 동안 의료 AI는 폭발적인 성장을 이뤘습니다. 진단 정확도를 높이는 알고리즘, 개인 맞춤형 치료 전략, 신약 개발 가속화 등 다양한 분야로 확장되며 사회적 영향력이 커졌습니다. 동시에 의료 분야의 특성상 데이터 프라이버시, 윤리, 오진 가능성, 책임 소재 문제 같은 복잡한 이슈도 함께 따라옵니다.
이런 상황에서 학계는 구조적 고민과 장기적 전망에 초점을 맞추는 반면, 대중은 실생활에서 느끼는 편익과 우려를 중심으로 반응하기 마련입니다.
따라서 의료 AI의 향후 발전 방향을 논의하려면 두 집단의 시각을 함께 살펴볼 필요가 있습니다. 이 연구는 바로 그 공백을 메웁니다.
주요 아이디어
의료 AI에 대한 집단별 주요 의제와 감정 차이 분석
학계와 대중이라는 두 집단은 각각 의료 AI를 대하는 방식이 다를 수 밖에 없습니다.
학계는 기술·정책·임상 적용에 초점을 두고 있고, 대중은 삶의 편익·불안·프라이버시에 더 강하게 반응합니다.
그래서, 이 연구에서는 각 집단의 생각을 대표할 수 있는 데이터로 학술 논문과 소셜미디어를 선택했습니다.
솔루션
1. BERTopic으로 두 데이터의 ‘주제 지형’을 비교
연구팀은 학술 문헌(8110건)과 SNS 의견(5만 7537건)에 각각 BERTopic을 적용해 8개 대표 주제를 도출했습니다.
BERTopic은 구글의 언어모델인 BERT를 사용하여 문서를 임베딩 → UMAP 차원 축소 → HDBSCAN 클러스터링 → c-TF-IDF 키워드 추출 단계를 통해 관심사 구조를 명확하게 도출할 수 있습니다.
2. 텍스트 마이닝 분석을 통해 ‘감정 구조’를 수치화
각 주제별 텍스트에 대해 SnowNLP로 감정 분석을 수행해 긍정/부정/중립 비율을 산출했습니다.
3. 시간 흐름에 따른 ‘주제·감정의 변화’도 함께 분석
학술 문헌은 태동기(P1), 성장기(P2), 급성장기(P3)로 나눠 각 시기별로 어떤 주제가 떠올랐고 감정 변화가 어떻게 이어졌는지 추적했습니다.
결과
학계와 대중의 관심과 온도차를 확인
학술 문헌에서는 의료 교육, 임상 진단, 의료 윤리, 병원 정보화, 의료 영상, 질병 예측, 의료 보조 로봇, 학제 간 연구 등 주로 제도·기술·연구 중심의 주제가 나타난 반면, 대중 의견에서는 인문적 돌봄, 건강 관리, 신약 개발, 의료 교육, 임상 진단, 의료 보조 로봇, 제약 시장, 데이터 프라이버시처럼 일상적 경험과 감정, 소비자 관점이 더 강하게 반영된 주제가 도출되었습니다. 두 데이터셋이 공유한 주제는 의료 교육, 의료 보조 로봇, 임상 진단의 세 가지뿐이었으며, 이를 통해 학계와 대중이 의료 AI를 바라보는 관점이 구조적으로 다르다는 점이 확인되었습니다.
또한 두 집단이 공통으로 관심을 보이는 주제에 대해서도 느끼는 감정이 달랐습니다. 예를 들어 의료 로봇에 대해 학계는 “기술 발전의 가능성”을 먼저 떠올리며 긍정적으로 평가하는 반면, 대중은 “기계가 사람을 대신해도 괜찮을까?”라는 걱정을 더 크게 느끼는 것으로 나타났습니다.
감정의 흐름에서도 이런 차이가 뚜렷하게 나타납니다. 학술 문헌에서는 의료 윤리나 병원 정보화 같은 주제에서 비교적 긍정적이거나 중립적인 시각이 많습니다. 반면 대중은 인문적 돌봄, 개인정보 보호, 임상 진단처럼 일상과 직접 연결되는 영역에서 부정적인 감정을 강하게 드러냅니다. 특히 의료 데이터가 안전하게 관리될지에 대한 불안은 대중에게 가장 큰 우려로 나타났습니다.
신기술을 받아들이는 태도에서도 두 집단의 시각 차이는 계속 이어집니다. 학계는 새로운 기술이 등장하면 기대감을 크게 보이며 연구적 가능성에 주목하지만, 대중은 그 기술이 가져올 위험이나 불확실성을 먼저 떠올립니다. 같은 ‘질병 예측 AI’를 두고도 학계는 “정확도 향상”을 기대하는 반면, 대중은 “오진 가능성”을 우려하는 점이 대표적입니다.
결국 의료 AI를 이해하려면 기술 자체만 볼 것이 아니라, 이를 바라보는 학계의 기대와 대중의 불안이 어디에서 갈리는지 함께 살피는 것이 중요하다는 사실을 이 연구는 잘 보여줍니다.
이 연구는 의료 AI 분야에서 학계와 대중이 어떻게 다르게 생각하는지를 숫자와 주제로 견고하게 보여줍니다.
학계는 기술적 진전과 제도적 개선 가능성에 집중하는 반면, 대중은 감정적·생활적 관점에서 의료 AI를 바라봅니다.
결국 의료 AI가 지속가능하게 발전하려면 기술 혁신만큼 중요한 것이 '신뢰'와 '설명 가능성', 그리고 '윤리적 안전장치'의 구축임을 다시 한 번 확인하게 됩니다.
(주) 사이람
1660-4230 | netminer@cyram.com
References
[1] Li, C., & Hu, X. (2025). Medical artificial intelligence in scholarly and public perspective: BERTopic-based analysis of topic-sentiment collaborative mining. Data Science and Informetrics, 5, 33–42. https://doi.org/10.1016/j.dsim.2025.05.001