얼굴 사진 한 장으로 암 환자의 생존 위험을 예측하는 인공지능(AI) 도구가 개발됐다. 연구진은 의료 정보와 전문 인력이 부족한 환경에서 환자의 상태를 평가하는 데 활용될 가능성이 있다고 기대했다. 다만 실제 의료 현장에 적용하려면 다양한 환자 집단을 대상으로 추가 검증을 거쳐야 한다는 지적도 나온다.매스제너럴브리검 암연구소 연구진은 20일(현지시간) 의학 학술지 ‘랜싯 디지털 헬스’에 관련 연구 결과를 발표했다. 블룸버그통신은 해당 논문을 인용해 얼굴 이미지로 암 환자의 생존 위험을 추정하는 AI 모델이 개발됐다고 보도했다.연구진은 4000만 장이 넘는 얼굴 이미지로 기반 모델을 학습시킨 뒤, 암 환자의 얼굴 사진 3만4000장을 활용해 두 가지 도구를 추가로 훈련했다. 첫 번째 도구인 ‘FAHR-FaceAge’는 얼굴 사진을 바탕으로 생물학적 나이를 추정한다. 두 번째인 ‘FAHR-FaceSurvival’은 환자별 사망 위험 점수를 산출하도록 설계됐다. 연구 결과, 사망 위험 점수가 높은 환자 집단에서 실제 사망 위험도 더 높게 나타났다. 점수에 따라 구분된 집단 사이에서 사망 위험의 차이가 확인됐으며, 연령과 인종, 성별, 암 종류가 다양한 환자들에게도 모델이 일정한 예측 능력을 보였다.연구진은 얼굴에 나타나는 특징이 환자의 전반적인 건강 상태와 생리적 여력을 반영할 수 있다는 점에 주목했다. 레이먼드 맥 매스제너럴브리검 암연구소 방사선종양학 전문의는 의사들이 진료 과정에서 환자의 외모를 관찰해 건강 상태를 가늠하도록 훈련받는다고 설명했다. 얼굴 사진에서도 환자의 생리적 예비력과 사망 위험에 관한 정보를 얻을 수 있다는 것이다.맥 전문의는 AI 모델의 예측 성능에 놀랐다고 밝혔다. 특히 얼굴을 통해 추정한 생물학적 나이 점수와 생존 위험 점수를 기존 임상 예후 모델에 함께 적용하면, 두 점수 중 하나만 활용했을 때보다 생존 예측 성능이 향상됐다고 설명했다. 얼굴 이미지에서 얻은 정보가 기존 의료 데이터를 보완할 가능성을 보여준 셈이다.같은 연구팀은 앞서 2025년 5월에도 얼굴 사진을 활용한 생물학적 나이 추정 연구를 발표했다. 당시 연구진은 약 5만9000장의 얼굴 사진으로 모델을 훈련한 뒤 암 환자 약 6200명에게 적용했다. 그 결과 암 환자들의 생물학적 나이가 실제 나이보다 평균 약 5세 높게 추정됐다. 이번 연구는 얼굴에서 추정한 나이뿐 아니라 환자의 생존 위험까지 예측하는 방향으로 분석 범위를 확장했다는 점에서 주목된다.다만 연구 결과를 실제 진료에 활용하기까지는 해결해야 할 과제가 남아 있다. 연구에 참여하지 않은 외부 전문가들은 이번 결과가 흥미롭다고 평가하면서도, 예측이 가능하다는 사실만으로 그 판단 근거까지 설명할 수 있는 것은 아니라고 지적했다. AI가 사망 위험이 높은 환자를 구별하더라도 얼굴의 어떤 특징이 예측에 영향을 미쳤는지, 그 정보가 의료진의 종합적인 판단에 실질적으로 어떤 도움을 주는지는 별도로 확인해야 한다는 취지다.다른 병원과 다양한 환자 집단에서도 모델의 성능이 재현되는지 검증해야 한다는 의견도 제기됐다. 과학 전문 매체는 모델 개발에 활용된 환자 집단이 보스턴 지역의 백인 환자 다수로 구성됐다는 점을 한계로 지적했다. 특정 지역과 인구 집단에서 확인된 결과가 다른 인종이나 의료 환경에서도 동일하게 나타난다고 단정하기 어렵기 때문이다. 이번 연구는 얼굴 이미지가 암 환자의 상태와 생존 위험을 평가하는 데 새로운 단서를 제공할 수 있음을 보여준다. 그러나 AI의 예측 결과가 의료진의 진단과 판단을 대체할 수 있다는 의미는 아니다. 실제 임상에서 활용하려면 다양한 환경에서 정확성과 신뢰성을 확인하고, 기존 예후 평가 방식에 더해 어떤 추가적인 가치를 제공하는지 입증하는 과정이 필요하다.