산부인과에서 artificial intelligence (AI) 활용 및 연구는 어디까지 진행되고 있는지 정리를 해보았습니다.
(잡지에 제가 기고한 글을 일부 편집한 글입니다)
📌 산부인과에서 AI 적용, 어디까지 왔을까?
정밀의료로 가는 길, 인공지능이 열고 있다
요즘 의료계에서 가장 많이 주목받고 있는 기술이 있다면 단연 인공지능 (artificial intelligence, AI) 입니다. 특히 산부인과 영역에서는 병리, 영상, 임상 데이터를 통합한 멀티모달 데이터 기반 AI 연구가 활발히 진행 중인데요. 이 기술은 단순한 진단 보조를 넘어, 치료 계획과 추적 관찰까지 보다 정밀하고 개인 맞춤화된 의료 서비스를 가능하게 만들고 있습니다.
🔍 산부인과에 AI가 적용되는 이유는?
산부인과는 **비정형 데이터(예: 초음파, MRI 등 영상 데이터)**가 많고, 복잡한 임상 판단이 필요한 경우가 잦아 AI의 도움을 받을 여지가 큽니다. 실제로 지난 몇 년 사이 관련 연구가 폭발적으로 증가하며 실용성을 인정받고 있습니다.
🧬 부인종양의학에서의 AI: 진단부터 수술까지
부인종양의학에서는 AI가 자궁경부암 선별검사, 난소종양 진단 등 다양한 진단 분야에서 높은 정확도와 재현성을 보여주고 있습니다.
- 자궁경부 세포 슬라이드 분석 AI는 민감도, 특이도 모두 향상
- 초음파 영상 분석 AI는 악성 난소종양을 전문의 수준으로 구분
- MRI/CT 기반 악성도 평가 모델도 전임상 단계에서 유망성 확인
또한 수술 분야에서도 AI가 복강경 자궁절제술의 단계 인식을 자동화하거나, 집도의에게 실시간 피드백과 경고 시스템을 제공하는 등 스마트 로보틱 수술로 확장 중입니다.
👶 모체태아의학: AI로 태아 상태를 실시간 감시
임산부의 산전 관리와 태아 감시에도 AI가 적극 도입되고 있습니다.
- 딥러닝을 활용한 태아 심장 초음파 영상 분석으로 검사자 간 편차 감소
- AI 기반 원격 초음파 시스템은 의료 인프라가 부족한 지역에서 진단 정확도 향상
- 태아심음/자궁수축 신호 분석으로 고위험 임신 예측 및 조기 개입 가능
🧪 생식내분비의학: IVF 성공률 향상을 위한 AI
체외수정(IVF)에서는 AI가 배아 등급 판별, 맞춤형 과배란 유도 등에 활용됩니다.
- 환자 데이터를 기반으로 개인 맞춤 치료 설계
- 배아 이미지 분석으로 임신 성공 가능성이 높은 배아 선별
- 경험이 적은 연구원의 정확도를 숙련자 수준으로 끌어올리는 교육 도구로도 주목
⚠️ AI 의료 도입 전 해결해야 할 과제들
AI가 아무리 뛰어나도, 실제 병원에서 사용되려면 몇 가지 중요한 문제를 해결해야 합니다.
- 블랙박스 문제: AI의 판단 근거가 불투명할 수 있음
- 데이터 편향: 특정 인종·성별에 대한 편향 가능성
- 법적 책임: 오진에 대한 책임 소재 불분명
- 윤리 문제: 환자 동의 및 정보 활용에 대한 가이드 필요
따라서 외부 검증, 편향성 해결, 의사 개입형 시스템, 윤리적·법적 가이드라인 구축이 반드시 선행되어야 합니다.
✅ 결론: AI는 산부인과의 미래를 바꾼다
산부인과에서 AI는 이미 실험실 단계를 넘어, 실제 진료에 다가가고 있습니다. 향후에는 의사의 임상 결정을 돕는 조력자로서 정밀의료를 실현하고, 환자에게는 더 안전하고 효과적인 의료 서비스를 제공하게 될 것입니다. 다만, 안전성과 윤리성을 확보하는 준비도 함께 이루어져야 하겠죠.
📚 참고문헌
1. Lin H, Deng X, Song D: Research trends of global artificial intelligence application in obstetrics and gynecology from 1999 to 2025: a bibliometric analysis based on web of science. J Robot Surg 2025, 19:606.
2. Wang J, Yu Y, Tan Y, Wan H, Zheng N, He Z, Mao L, Ren W, Chen K, Lin Z, et al: Artificial intelligence enables precision diagnosis of cervical cytology grades and cervical cancer. Nature Communications 2024, 15:4369.
3. Gao Y, Zeng S, Xu X, Li H, Yao S, Song K, Li X, Chen L, Tang J, Xing H, et al: Deep learning-enabled pelvic ultrasound images for accurate diagnosis of ovarian cancer in China: a retrospective, multicentre, diagnostic study. The Lancet Digital Health 2022, 4:e179–e187.
4. Sadeghi MH, Sina S, Omidi H, Farshchitabrizi AH, Alavi M: Deep learning in ovarian cancer diagnosis: a comprehensive review of various imaging modalities. Pol J Radiol 2024, 89:e30–e48.
5. Moro F, Giudice MT, Ciancia M, Zace D, Baldassari G, Vagni M, Tran HE, Scambia G, Testa AC: Application of artificial intelligence to ultrasound imaging for benign gynecological disorders: systematic review. Ultrasound Obstet Gynecol 2025, 65:295–302.
6. Garg P, Krishna M, Kulkarni P, Horne D, Salgia R, Singhal SS: Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions. Cancers (Basel) 2025, 17.
7. Levin I, Rapoport Ferman J, Bar O, Ben Ayoun D, Cohen A, Wolf T: Introducing surgical intelligence in gynecology: Automated identification of key steps in hysterectomy. International Journal of Gynecology & Obstetrics 2024, 166:1273–1278.
8. Kim JW, Chen J-T, Hansen P, Shi LX, Goldenberg A, Schmidgall S, Scheikl PM, Deguet A, White BM, Tsai DR, et al: SRT-H: A hierarchical framework for autonomous surgery via language-conditioned imitation learning. Science Robotics 2025, 10:eadt5254.
9. Rahimi M, Kashani K, Hosseinpour V, Gozali E: Artificial Intelligence in Gynecologic Cancer: A Review of Applications and Advancements. Iranian Journal of Blood and Cancer 2025, 17:46–57.
10. Taksoee-Vester CA, Mikolaj K, Bashir Z, Christensen AN, Petersen OB, Sundberg K, Feragen A, Svendsen MBS, Nielsen M, Tolsgaard MG: AI supported fetal echocardiography with quality assessment. Scientific Reports 2024, 14:5809.
11. Yaseen I, Rather RA: A Theoretical Exploration of Artificial Intelligence’s Impact on Feto-Maternal Health from Conception to Delivery. Int J Womens Health 2024, 16:903–915.
12. Olawade DB, Teke J, Adeleye KK, Weerasinghe K, Maidoki M, Clement David-Olawade A: Artificial intelligence in in-vitro fertilization (IVF): A new era of precision and personalization in fertility treatments. Journal of Gynecology Obstetrics and Human Reproduction 2025, 54:102903.
13. Borna MR, Sepehri MM, Maleki B: An artificial intelligence algorithm to select most viable embryos considering current process in IVF labs. Front Artif Intell 2024, 7:1375474.
14. Illingworth PJ, Venetis C, Gardner DK, Nelson SM, Berntsen J, Larman MG, Agresta F, Ahitan S, Ahlström A, Cattrall F, et al: Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial. Nature Medicine 2024, 30:3114–3120.
15. Kim HM, Kang H, Lee C, Park JH, Chung MK, Kim M, Kim NY, Lee HJ: Evaluation of the Clinical Efficacy and Trust in AI-Assisted Embryo Ranking: Survey-Based Prospective Study. J Med Internet Res 2024, 26:e52637.