AI 기반 수술 로봇: 정밀도, 자율성, 그리고 수술실의 실제 모습에 대한 실용적인 가이드

인공지능 기반 수술 로봇은 단일한 "로봇 외과의"라기보다는 여러 기술이 결합된 기술 스택으로 이해하는 것이 가장 적절합니다. 오늘날 수술실에서 가장 발전된 시스템들은 여전히 ​​외과의가 수술을 직접 제어하는 ​​동안 소프트웨어가 계획, 시각화, 기구 안내, 동작 제어, 워크플로 분석 또는 특정 자동화 작업을 개선하는 방식을 채택하고 있습니다. 실질적인 질문은 플랫폼이 "인공지능을 사용하는지" 여부가 아니라 소프트웨어가 어떤 결정과 행동을 수행하는지, 외과의가 여전히 제어하는 ​​부분은 무엇인지, 그리고 그러한 기능들이 의도된 수술 절차에 대해 승인되고 검증되었는지 여부입니다.

이러한 구분이 중요한 이유는 "정밀도"가 여러 가지 의미를 내포하기 때문입니다. 계획된 뼈 절단면을 더욱 정확하게 재현하는 것, 기구를 안정화하는 것, 가상 경계 내에서 움직임을 제한하는 것, 조직에 가해지는 힘을 측정하는 것, 수술 영상에서 수술 단계를 인식하는 것, 또는 환자 맞춤형 계획을 제안하는 것 등이 그 예입니다. 이러한 기능들은 유용할 수 있지만, 모든 환자나 모든 시술에서 더 나은 임상 결과를 자동으로 보장하는 것은 아닙니다.

빠른 참조: 수술 로봇 분야에서 AI와 자동화는 실제로 무엇을 하는가

가장 중요한 차이점부터 살펴보겠습니다. 로봇공학은 인공지능과 다릅니다.

미국 식품의약국(FDA)은 로봇 보조 수술 시스템을 훈련된 의사가 수술 중 기구를 제어할 수 있도록 하는 컴퓨터 보조 장치로 정의합니다. 많은 연조직 수술 시스템의 경우, 로봇이 독립적으로 수술을 수행하지는 않으며, 외과의사가 여전히 능동적인 제어자 역할을 합니다. FDA의 컴퓨터 보조 수술 시스템 지침은 자율 로봇에 대한 일반적인 이미지와 현재 많은 시스템의 실제 역할을 구분하는 데 유용한 기준점을 제공합니다.

인공지능은 로봇 기술의 기반 위에 여러 곳에 추가될 수 있습니다. 머신러닝 모델은 이미지에서 해부학적 구조를 분할하거나, 시술 단계를 인식하거나, 비디오에서 패턴을 표시하거나, 환자 맞춤형 치료 계획을 수립하는 데 도움을 줄 수 있습니다. 하지만 첨단 로봇 기술은 머신러닝 없이도 정밀도를 향상시킬 수 있습니다. 힘 피드백, 떨림 필터링, 로봇 운동학, 동작 제약, 결정론적 계획 알고리즘 등은 규제상 "인공지능"으로 간주되지 않더라도 정교한 기술을 구현할 수 있습니다.

FDA의 AI 지원 의료기기 목록은 승인된 기기가 AI 지원 기기로 식별되었는지 여부를 확인하는 데 도움이 될 수 있지만, FDA는 해당 목록이 포괄적인 것은 아니라고 명시적으로 밝히고 있습니다.

수술 로봇 기술이 정밀도를 향상시킬 수 있는 분야

1. 움직임이 더욱 안정적이고 제한적일 수 있습니다.

로봇 메커니즘은 동작의 크기를 조절하고, 떨림을 걸러내고, 기구를 고정된 자세로 유지하거나, 절삭 공구가 가상의 경계를 넘어가지 않도록 할 수 있습니다. 예를 들어 정형외과 분야에서 스트라이커(Stryker)는 자사의 마코(Mako) 시스템이 환자 맞춤형 계획과 햅틱 경계를 사용하여 계획된 해부학적 구조에 맞춰 기구의 위치를 ​​제한한다고 설명합니다. 여기서 중요한 것은 브랜드 자체의 주장이 아니라 엔지니어링 방식입니다. 소프트웨어가 기하학적 계획을 정의하면 로봇이 물리적으로 기구가 그 계획 내에 있도록 도와주는 것입니다.

구체적인 예를 들자면, 스트라이커의 마코 스파인(Mako Spine) 관련 문서 에는 자동 환자 등록, 스마트 분할, 알고리즘 기반 나사 추천, 햅틱 안내 기능이 설명되어 있습니다. 이러한 기능 중 일부는 머신 러닝보다는 알고리즘에 기반한 것이므로, 구매자는 특정 시스템에서 "AI"가 무엇을 의미하는지 반드시 확인해야 합니다.

2. 힘 감지는 시각 정보만으로는 제공할 수 없는 추가 정보를 제공할 수 있습니다.

Intuitive사의 da Vinci 5는 2024년 3월 FDA 510(k) 승인을 받았습니다. 이 시스템의 주목할 만한 특징 중 하나는 수술 기구에 가해지는 힘을 측정하고 이를 수술자에게 전달하는 힘 감지 기술입니다. Intuitive사는 da Vinci 5 승인 발표 에서 이 기능을 자세히 설명했습니다 .

힘 피드백은 "AI 기반"이라는 표현이 정확하지 않을 수 있는 이유를 잘 보여주는 사례입니다. 이 기능은 외과의에게 제공되는 정보를 향상시킬 수 있지만, 근본적으로 자율적인 의사 결정 기능이라기보다는 감지 및 제어 기능에 가깝습니다.

3. 컴퓨터 비전은 수술 영상을 구조화된 데이터로 변환할 수 있습니다.

비디오는 현대 수술실에서 가장 풍부한 데이터 스트림 중 하나입니다. AI는 수술 과정을 단계별로 나누고, 사용된 기구를 감지하고, 해부학적 구조가 화면에 보이는 시간을 예측하며, 수술 후 검토를 지원할 수 있습니다. 메드트로닉의 Touch Surgery Performance Insights는 특정 수술 절차에 대한 AI 기반 분석을 제공하는 상용 제품의 한 예입니다.

한계점은 가능성만큼이나 중요합니다. 메드트로닉은 현재 플랫폼이 실시간 의사 결정 지원이나 실시간 중요 구조물 식별 기능을 제공하지 않는다고 밝혔습니다. 이는 유용한 현실 점검입니다. 수술 후 AI 분석은 이미 실용화되었지만, "AI가 실시간으로 외과의를 안내하는" 더욱 획기적인 시나리오 중 일부는 여전히 제한적이거나, 특정 시술에 국한되거나, 연구 단계에 있거나, 아직 공개되지 않았습니다.

4. 환자 맞춤형 계획은 반복적인 작업의 변동성을 줄일 수 있습니다.

계획 시스템은 CT, MRI, 수술 중 영상, 정합 및 해부학적 모델을 사용하여 임플란트, 나사, 절개 부위 또는 궤적의 위치를 ​​제안할 수 있습니다. 그런 다음 로봇이 외과의사가 해당 계획을 실행하는 데 도움을 줄 수 있습니다. 이는 특히 목표물을 기하학적으로 표현할 수 있는 정형외과, 척추 수술 및 정위 수술에서 중요합니다.

절충점은 데이터 품질과 등록 정확도에 대한 의존성입니다. 아무리 완벽한 로봇이라도 부정확한 모델을 따르는 것은 결국 잘못된 모델을 따르는 것입니다. 따라서 팀은 이미지 품질, 등록 오류, 계획 승인, 그리고 로봇 워크플로를 중단하거나 수정해야 하는 조건에 대한 명확한 점검 절차를 마련해야 합니다.

오늘날 수술 로봇은 어느 정도 자율성을 갖추고 있을까요?

2024년 npj Digital Medicine 에 발표된 체계적 문헌 검토에서는 6단계 자율성 프레임워크를 사용하여 2015년부터 2023년까지 FDA 승인을 받은 수술용 로봇을 분석했습니다. 분석 대상 49개 시스템 중 86%는 1단계 로봇 보조, 8%는 2단계 작업 자율성, 6%는 3단계 조건부 자율성으로 분류되었습니다. 해당 데이터 세트에서는 4단계 또는 5단계 시스템은 발견되지 않았습니다. 또한 FDA 제출 서류에 머신러닝 기반 기능이 명시적으로 언급된 시스템은 단 두 개뿐이었으며, 일부 제품은 마케팅 자료에서 AI 관련 주장을 활용했다고 보고했습니다.

해당 수치는 2023년까지만 검토되었기 때문에 2026년 시장 전체를 보여주는 것으로 간주해서는 안 됩니다. 하지만 기준점으로는 여전히 유용합니다. 임상적으로 활용되는 수술 로봇은 역사적으로 외과의사의 보조 기능이 주를 이루었으며, 자율성이 높아질수록 외과의사를 완전히 대체하는 것이 아니라 특정 작업에 한정되어 작동해 왔습니다.

시장은 지속적으로 진화해 왔습니다. 2026년 7월, 존슨앤존슨은 여러 상복부 일반 외과 수술에 사용할 수 있는 오타바(OTTAVA) 로봇 수술 시스템 에 대해 FDA의 신규 승인(De Novo authorization)을 받았다고 발표했습니다 . 이는 연조직 로봇 수술 분야에서 의미 있는 경쟁의 시작이지만, 로봇 플랫폼 승인이 자율 수술이나 기업이 개발 중인 모든 인공지능(AI) 기능에 대한 승인으로 해석되어서는 안 됩니다.

완전 자율 수술은 어떻습니까?

연구 결과는 특히 통제된 전임상 환경에서 자율적인 수술 작업이 점점 더 가능해지고 있음을 보여주고 있습니다. 널리 알려진 사례로는 존스 홉킨스 대학교 에서 2022년에 발표한 연구에서 돼지 모델을 대상으로 복강경 장문합술을 수행한 스마트 조직 자율 로봇(STAR)이 있습니다 . 이 프로젝트는 로봇이 조직의 움직임에 적응하면서 복잡한 연조직 봉합 작업을 계획하고 실행할 수 있음을 보여주었습니다.

이는 과학적으로 중요한 사실이지만, 자율 연조직 수술이 일상적인 인체 치료에 적용될 준비가 되었다는 증거는 아닙니다. 전임상 단계에서 광범위하게 적용 가능한 임상 시스템으로 나아가기 위해서는 다양한 해부학적 구조, 출혈, 예상치 못한 소견, 기기 오류, 의료진 간의 상호 작용, 응급 상황 등 여러 상황에서 안정적인 성능을 보여야 합니다. 수술에서의 신뢰성 요구 사항은 단순히 실험실 벤치마크에서 높은 평균 정확도를 달성하는 것보다 훨씬 더 높습니다.

정확성이 곧 더 나은 결과를 의미하는 것은 아닙니다.

병원에서는 기술적 정확성과 환자에게 미치는 이점을 구분해야 합니다. 시스템이 기구를 계획된 궤적에 더 가깝게 배치하거나 기하학적 목표를 더욱 일관되게 재현할 수 있지만, 임상 결과는 여전히 시술 선택, 외과의사의 경험, 합병증, 마취, 감염 관리, 조직 생물학 및 수술 후 관리에 따라 달라질 수 있습니다.

미국 식품의약국(FDA)은 로봇 보조 수술을 고려하는 환자에게 위험, 이점, 대안, 그리고 집도의의 교육 및 경험에 대해 충분히 상담할 것을 권고합니다. 인공지능(AI) 기능이 더욱 발전하더라도 이러한 권고는 여전히 유효합니다. 첨단 기술을 활용한 수술 과정은 플랫폼의 새로움 때문이 아니라 임상적 문제 해결 필요성에 의해 정당화되어야 합니다.

병원 및 수술팀을 위한 실용적인 평가 체크리스트

규제 및 사용 목적 확인

• 해당 로봇 시스템이 고려 중인 시술, 해부학적 구조 및 환자 집단에 대해 승인된 시스템인가요?
• 어떤 소프트웨어 기능이 승인된 장치에 포함되고, 어떤 기능이 연구용, 선택용 또는 향후 기능입니까?
• 벤더가 "AI"라는 용어를 사용하는 경우, 규제 문서에서 머신러닝 구성 요소를 식별할 수 있습니까?
• 해당 시스템은 권장 사항을 제공하고, 제약 조건을 적용하고, 제한된 작업을 실행하거나, 독립적으로 조치를 선택합니까?

임상 검증 검사

• 검증된 최종 결과 지표는 무엇이었습니까? 기하학적 정확도, 시술 시간, 합병증, 전환율, 입원 기간, 기능적 결과 또는 다른 측정 지표였습니까?
• 임상적으로 현실적인 조건과 대표적인 환자 집단을 대상으로 성능 테스트가 진행되었습니까?
• 해부학적 구조가 어렵거나, 비만이거나, 이전에 수술을 받았거나, 또는 지역 환자 집단과 관련된 기타 요인에 대한 하위 그룹 분석 결과가 있습니까?
• 알려진 오류 모드, 신뢰 한계, 그리고 AI 또는 로봇 기능을 사용해서는 안 되는 상황은 무엇입니까?

인적 요인 및 교육 점검

• 계획 승인 및 자동화 작업 모니터링은 누가 담당합니까?
• 외과의사가 로봇의 제어를 즉시 해제하거나 중단할 수 있습니까?
• 외과의사, 임상 보조원, 간호사 및 기술자를 위한 자격 인증 경로는 무엇입니까?
• 카메라 손실, 등록 실패, 장비 충돌, 전원 공급 중단 또는 네트워크 장애 발생 시 시스템은 어떻게 작동합니까?
• 워크플로가 팀에 새로운 사각지대, 경고 또는 인지 부하를 발생시키나요?

데이터, AI 및 라이프사이클 점검

• 모델 학습에 사용된 데이터는 무엇이며, 해당 데이터는 병원의 환자 구성 및 업무 흐름과 얼마나 유사한가요?
• 임상 적용 전에 현지 수용성 테스트가 필요한가요?
• 배포 후 성능은 어떻게 모니터링되나요?
• 모델은 시간이 지남에 따라 변경될 수 있습니까? 그렇다면 업데이트는 어떻게 검증되고 전달됩니까?
• 병원에서 유출되는 데이터는 무엇이며, 어디에 저장되고, 수술 영상과 환자 식별 정보는 어떻게 보호됩니까?

이러한 질문들은 FDA가 강조하는 전체 수명주기 관리와 일맥상통합니다. FDA의 우수 머신러닝 실무 원칙은 대표성 있는 데이터, 임상적으로 관련된 테스트, 인간-AI ​​팀의 성과, 명확한 사용자 정보 제공, 그리고 배포된 모델 모니터링을 강조합니다.

승인 후 변경될 것으로 예상되는 AI 기능과 관련하여 FDA의 2025년 8월 최종 사전 변경 관리 계획 지침은 제조업체가 계획된 수정 사항, 검증 방법 및 영향 평가를 사전에 정의하는 방법을 설명합니다.

의사결정자를 위한 간단한 성숙도 프레임워크

시스템이 오른쪽 열에 가까워질수록 공식적인 거버넌스가 더욱 중요해집니다. 여기에는 다학제적 검토, 시뮬레이션, 사고 보고, 버전 관리, 시판 후 감시, 그리고 성능이 불확실할 때 기능을 일시 중단하는 문서화된 프로세스가 포함됩니다.

환자들이 기술적인 지식 없이도 물어볼 수 있는 질문들

• 제 시술에 로봇 수술이 권장되는 이유는 무엇인가요?
• 기존의 복강경 수술이나 개복 수술을 포함하여 어떤 대안들이 있습니까?
• 해당 외과의사와 수술실 팀은 이 시스템과 시술에 대해 얼마나 많은 경험을 가지고 있습니까?
• 수술 과정 중 어떤 부분이 외과의사가 직접 제어하고, 어떤 부분이 자동화되어 있습니까?
• 나와 같은 환자들에게 도움이 된다는 증거는 무엇인가요?
• 로봇을 사용할 수 없거나 시술 도중에 작동을 멈춰야 하는 경우에는 어떻게 되나요?
• 수술 영상이나 기타 데이터가 저장되거나 인공지능 분석에 사용될 예정인가요?

앞으로 어떤 변화가 일어날 가능성이 높을까요?

단기적인 방향은 자율 수술로의 급격한 도약보다는 점진적인 증강에 가까울 것으로 예상됩니다. 향상된 컴퓨터 비전, 더욱 정교한 자동 분할 및 정합, 풍부한 힘 및 동작 감지, 상황 인식 경고, 더욱 스마트한 수술 비디오 색인화, 그리고 엄격하게 제한된 자동화 하위 작업들이 기대됩니다. 궁극적으로는 다중 모달 모델이 비디오, 기기 원격 측정 데이터, 영상, 병리학적 정보, 환자 데이터를 결합하여 상황 인식을 개선할 수 있을 것입니다.

인공지능 제안을 생성하는 것 자체가 어려운 부분은 아닙니다. 어려운 부분은 그 제안이 수술 방침을 변경할 만큼 충분히 신뢰할 수 있음을 입증하고, 신뢰도가 낮을 ​​때 안전한 행동 방침을 정의하며, 병원, 외과의사, 의료기기 및 환자 집단 전반에 걸쳐 성능을 검증하는 것입니다.

결론

인공지능 기반 수술 로봇은 이미 수술실 환경을 변화시키고 있지만, 오늘날 가장 큰 가치는 전문가 팀을 대체하기보다는 보완하는 데 있습니다. 기술이 명확하게 정의된 역할을 수행하는 경우, 즉 환자별 해부학적 구조를 고려한 수술 계획 수립, 동작 안정화 또는 제한, 수술 영상에서 구조화된 정보 추출, 시각화 개선, 또는 감독 하에 특정 작업을 자동화하는 경우 등이 가장 효과적인 활용 사례입니다.

병원, 외과의사, 그리고 환자에게 있어 진정한 질문은 “이 로봇이 인공지능 기반인가?”가 아니라 “이 시스템이 정확히 무엇을 하는지, 그 기능은 어떻게 검증되었는지, 누가 결정에 대한 책임을 지는지, 그리고 기술에 오류가 발생했을 때는 어떻게 되는지”입니다. 이러한 틀을 통해 광범위한 기술 트렌드를 실질적인 안전성 및 가치 평가로 전환할 수 있습니다.