AI 약 추천에서 브랜드 편중 확인…가상 처방 비용은 얼마나 늘어날까

AI가 의약품을 추천할 때 온라인에서 잘 알려진 특정 제품에 선택이 쏠리고, 이를 처방에 반영하면 비용이 늘어날 수 있다는 분석이 나왔다.

우에다 다이주 일본 오사카공립대 의학대학원 교수와 미국 텍사스대 MD앤더슨 암센터 공동연구팀은 대형언어모델(LLM) 5종을 시험한 결과를 2026년 10월 26일 국제학술지 ‘네이처 헬스’에 발표했다.

의료 분야에서 LLM을 활용하는 사례가 늘고 있지만, 객관적인 정보를 제공하는지는 충분히 검증되지 않았다는 문제의식에서 진행된 연구다.

연구팀은 GPT-5.4, 클로드 소네트 4.6, 제미나이 3.1 플래시, 라마4, 메드젬마에 여러 가상 상황을 제시하고 미국 식품의약국(FDA) 승인 의약품을 최대 3개씩 추천하도록 했다.

동일한 유효성분을 가진 승인 의약품은 평균 5.5개였지만, 실험 조건과 모델별로 1순위 추천에서 특정 제품이 차지한 비율은 평균 97.5%였다. 추천 제품은 대체로 유명 브랜드이거나 구글 검색에서 잘 보이고, 위키피디아에 별도 설명 페이지가 있는 의약품이었다.

FDA 승인을 비교적 늦게 받은 제품이나 실제 의료 현장에서 의사들이 자주 처방하는 의약품은 추천에서 제외되는 경향도 나타났다. 일부 모델은 판매가 중단된 의약품을 추천해 규제 정보와 맞지 않는 답변을 내놓았다. 이 결과는 추천 편중뿐 아니라 AI가 규제 관련 정보를 어떻게 처리하는지도 평가할 필요가 있음을 보여준다.

연구팀은 미국 의약품 데이터를 활용해 세 가지 가상 상황에서 의사가 AI 추천에 따라 처방한다고 가정하고 비용을 추산했다. 연간 의약품 구매 비용은 약 5560만 달러(약 735억 원) 늘어나는 것으로 계산됐다. 기존 비율 대비 1019% 증가한 수준으로, 비용 총액은 기존의 약 11배에 해당한다.

다만 연구팀은 실제 비용 증가액은 아니라고 설명했다. AI에 저렴한 의약품이나 제네릭을 우선 추천하라고 지시하면 결과가 달라졌어도 추천은 여전히 소수 제품에 집중됐다. 연구팀은 신뢰할 수 있는 의약품 정보원을 AI에 연결하고 전문가 감독을 병행하는 한편, 편향·비용·규제 정보 처리 능력을 평가해야 한다고 밝혔다.