AI 임상시험 참여자 매칭: 나에게 맞는 연구를 찾는 새로운 방법

 

새로운 치료법이 개발돼도 정작 그 임상시험에 누가 참여할 수 있는지 알기는 쉽지 않습니다. 담당 의료진이 추천해주지 않으면 환자 입장에서 먼저 찾아보기 어려운 영역이기도 합니다.

 

그런데 임상시험에서 '적합한 환자 찾기' 과정 자체가 전체 비용의 상당 부분을 차지할 만큼 오래 걸리는 작업이라고 합니다. 최근에는 이 과정을 AI가 빠르게 도와주는 연구 결과가 나와 정리해 봤습니다.

 

이번 글에서는 실제 연구에서 AI가 임상시험 참여 후보를 어떻게 선별했는지, 어느 정도 차이가 나타났는지, 그리고 환자가 이 기술을 어떻게 바라보면 좋을지 살펴보겠습니다.

1. 임상시험 참여자를 찾는 일이 왜 이렇게 오래 걸리나

임상시험에 참여하려면 나이, 기존 질환, 복용 중인 약, 검사 수치 등 여러 조건을 동시에 충족해야 합니다.

 

문제는 이런 조건들이 전자의무기록 안에 항상 정리된 표 형태로 들어 있는 것은 아니라는 점입니다. 의사가 작성한 메모나 진료 기록처럼 구조화되지 않은 텍스트 형태로 정보가 흩어져 있는 경우도 있습니다.

 

그래서 연구 코디네이터나 의료진이 환자 기록을 한 명씩 직접 읽고 임상시험 조건에 맞는지 확인해야 합니다.

 

이 수작업 선별 과정만으로도 임상시험 전체 비용의 최대 3분의 1이 들어간다고 알려져 있습니다.

 

환자 입장에서는 단순히 "참여할 수 있는 사람이 있는가"를 확인하는 것처럼 보일 수 있지만, 실제 연구 현장에서는 수많은 기록을 기준별로 대조해야 하는 작업인 셈입니다.

 

2. AI는 어떤 방식으로 적합한 참여자를 찾아내나

1) 전자의무기록의 비정형 텍스트까지 분석해 조건을 확인한다

미국 매스제너럴브리검(Mass General Brigham) 연구팀은 RECTIFIER라는 생성형 AI 도구를 개발했습니다.

 

이 도구는 검색증강생성(RAG) 방식을 활용해 의료진이 작성한 진료 기록 같은 비정형 텍스트까지 분석하고, 환자가 특정 임상시험의 조건을 충족하는지 판단하는 데 활용됩니다.

 

즉, 정리된 데이터만 찾아보는 것이 아니라 의료진이 작성한 기록 안에 있는 정보까지 활용해 임상시험 조건에 맞는 후보를 찾는 방식입니다.

 

다만 여기서 중요한 점이 있습니다. AI가 후보를 찾아냈다고 해서 그 사람이 곧바로 임상시험 참여자가 되는 것은 아닙니다. 연구팀의 추가 확인을 거쳐야 하고, 최종적으로 참여할지는 별도의 절차를 거쳐 결정됩니다.

 

AI가 그 시간을 줄여줍니다

 

2) 무작위 비교 연구로 실제 효과를 검증했다

연구팀은 심부전 임상시험(COPILOT-HF) 참여자 모집 과정에서 환자 4,476명을 AI 선별군과 수작업 선별군으로 무작위 배정해 비교했습니다.

 

그 결과 AI 선별군에서는 458명, 수작업 선별군에서는 284명의 적격 환자를 찾아냈고, 최종적으로 AI를 통해 35명, 수작업을 통해 19명이 실제 임상시험에 등록됐습니다.

 

적격 판정까지 걸린 시간에도 차이가 있었습니다.

AI로 선별된 환자의 99% 이상이 15일 이내에 처리된 반면, 수작업 선별은 50일이 걸렸습니다.

이 연구 결과는 2026년 2월 미국의사협회지(JAMA)에 게재됐습니다.

 

숫자만 놓고 보면 AI 선별군에서 찾아낸 적격 환자와 실제 등록 환자 모두 수작업 선별군보다 많았습니다. 특히 적격 여부를 확인하는 데 걸리는 시간에서 큰 차이가 나타났다는 점이 이 연구에서 눈여겨볼 부분입니다.

 

3) 특정 질환에 국한되지 않고 다른 분야로도 확장 가능하다는 점이 확인됐다

연구팀은 이 도구가 심부전 연구에만 특화된 것이 아니라, 적격 기준 질문을 조정하면 암 치료, 당뇨병 중재 연구 등 다른 분야의 임상시험에도 적용할 수 있다고 설명했습니다.

 

다만 여기에서도 AI의 역할을 지나치게 크게 해석할 필요는 없습니다.

이 연구에서도 AI가 찾아낸 적격 환자는 최종적으로 사람이 다시 확인하는 절차, 즉 사전 선별 도구를 거쳤습니다.

 

따라서 현재의 AI 임상시험 매칭은 "AI가 환자의 참여 여부를 최종 결정한다"기보다 많은 환자 기록에서 연구 조건에 맞을 가능성이 있는 후보를 빠르게 찾아 연구팀의 확인 작업을 돕는다고 이해하는 편이 적절합니다.

3. 핵심 연구 결과 요약

항목	AI 선별군	수작업 선별군
적격 환자 발견 수	458명	284명
실제 임상시험 등록 수	35명	19명
적격 판정까지 걸린 시간	99% 이상이 15일 이내	50일

이 연구는 미국의 한 의료 시스템에서 심부전 임상시험을 대상으로 진행된 결과입니다.

 

따라서 이 결과를 모든 임상시험이나 모든 의료기관에 그대로 적용할 수 있다고 보기는 어렵습니다. 분야나 질환, 병원 시스템에 따라 실제 적용 범위와 효과는 다를 수 있습니다.

 

국내에서는 아직 이와 같은 방식의 AI 매칭 서비스가 널리 상용화됐다는 자료를 확인하지 못했습니다.

 

4. 임상시험 참여를 고려한다면 참고할 점

AI를 활용한 임상시험 매칭 기술이 발전하더라도, 참여 여부는 결국 본인의 판단과 선택입니다.

관심 있는 임상시험이 있다면 다음과 같은 방법으로 확인해 볼 수 있습니다.

Tip

- 담당 의료진에게 관련 임상시험이 있는지 먼저 물어보기
- 국가 임상시험 포털 등 공식 등록 사이트에서 직접 검색해 보기
- 참여를 고려할 때 연구 목적, 예상 부작용, 중도 포기 가능 여부 등을 충분히 안내받기
- AI를 통해 적격 후보로 선별됐더라도 최종 참여 결정 전 의료진과 직접 상담하기

 

특히 AI가 어떤 연구의 참여 조건에 맞을 가능성이 있다고 찾아냈다는 것과, 실제로 임상시험에 참여할 수 있다는 것은 같은 의미가 아닙니다.

 

최종적으로는 연구팀의 추가 확인과 본인의 동의 절차가 필요합니다.

 

5. 자주 묻는 질문

Q1. AI가 적합하다고 판단하면 바로 임상시험에 참여할 수 있나요?

아닙니다.

AI는 조건에 맞는 후보를 빠르게 찾아주는 역할을 하고, 최종 참여 여부는 연구팀의 추가 확인과 본인의 동의 절차를 거쳐 결정됩니다.

Q2. 국내에서도 이런 AI 매칭 서비스를 쓸 수 있나요?

현재로서는 국내 상용화 사례를 명확히 확인하지 못했습니다.

관심이 있다면 담당 병원이나 국가 임상시험 관련 기관에 직접 문의하는 것이 정확합니다.

Q3. AI가 찾아낸 적격 환자가 항상 정확한가요?

완전히 그렇다고 보기는 어렵습니다.

해당 연구에서도 AI 선별 결과를 사람이 한 번 더 검토하는 절차를 거쳤습니다. 따라서 AI는 현재 단계에서는 선별 속도를 높이는 보조 도구로 이해하는 것이 적절합니다.

AI가 빠르게 찾아도 최종 선택은 사람의 몫

적합한 임상시험을 찾는 일은 환자에게도, 연구를 진행하는 병원에게도 시간과의 싸움입니다.

 

이번 연구에서 AI가 임상시험 참여 후보를 찾는 데 걸리는 시간을 줄이고, 수작업 선별보다 더 많은 적격 환자를 찾아낸 결과는 주목할 만합니다.

 

다만 이 결과는 미국의 한 의료 시스템에서 심부전 임상시험을 대상으로 진행된 연구입니다. 따라서 모든 질환이나 병원, 임상시험에 똑같은 결과가 나타난다고 단정하기보다는 AI 기반 환자 매칭이 가진 가능성을 보여주는 하나의 연구 결과로 보는 것이 적절합니다.

 

무엇보다 AI가 후보를 찾아주는 것과 환자가 실제로 임상시험에 참여하는 것은 별개의 과정입니다. AI가 빠르게 찾아낸 후보를 연구팀이 다시 확인하고, 환자가 연구 내용을 충분히 안내받은 뒤 스스로 참여 여부를 결정하는 과정이 필요합니다.

앞으로 이런 기술이 다양한 임상시험에서 어떻게 활용될지는 지켜볼 만한 부분입니다.

---

함께 보면 좋은 글

• AI 신약 개발 혁명: 10년 걸리던 신약이 1년으로 줄어드는 이유 (2026-07-05)
• AI 개인건강기록 통합: 흩어진 검사·운동·수면 데이터를 한곳에 모으는 법 (2026-09-09)

참고 자료

• JAMA Network, Manual vs AI-Assisted Clinical Trial Screening Using Large-Language Models (MAPS-LLM)
• Mass General Brigham 뉴스룸, AI 임상시험 스크리닝 도구 RECTIFIER 연구 결과 

면책 조항
본 포스팅은 정보 제공을 목적으로 작성되었습니다. 개인 상황에 따라 결과가 다를 수 있으므로 참고 자료로만 활용하시기 바랍니다.