AI가 쥐 뇌 수술 실험에서 바늘을 멈추고 시술을 거부하다

영상은 AI가 실험실 바깥으로 나와 실제 실험대 앞에 서는 상황을 문제로 던지며 시작된다. 발전한 AI와 로봇이 사람의 개입 없이 24시간 쉬지 않고 주고받으며 다음 실험을 이어 갈 수 있다면, 실험의 병목으로 여겨지던 사람의 개입이 줄어든다는 설명이다. 영상은 이 변화가 실험실을 넘어 수술실로 이어질 수 있는지를 질문으로 남긴다.

마취된 쥐 한 마리가 수술대 위에 누워 있고, 사람이 두개골을 이미 열어 둔 상태에서 바늘을 단 전동 장치가 움직일 차례였다. 그런데 장치가 멈추었고, AI는 보고를 통해 바늘을 움직이지 않으며 다시 시도하지 않겠다고 밝혔다. 영상은 이 장면이 연구자가 공개한 설명을 바탕으로 재구성한 것이라고 밝힌다.

연구자에 따르면 이 AI는 준비된 유전자 치료제 후보 가운데 무엇을 쥐의 뇌 어디에 넣을지 골랐고, 주입 장치까지 직접 제어했다. 장비에 문제가 생기자 연구자가 진행시키려 해도 AI는 끝내 움직이지 않았다. 이 실험은 2026년 10월 28일 X에 공개되며 화제가 되었다. 영상은 데이터를 다루던 AI가 살아 있는 동물 앞에 선 셈이라고 정리한다.

AI는 먼저 발작의 원인부터 따졌다. 뇌전증 발작은 신경세포들이 비정상적으로 과하게, 또는 한꺼번에 전기 신호를 쏟아내면서 일어난다. 이에 AI는 뇌의 브레이크 역할을 하는 억제성 신경전달물질 가바(GABA)의 신호를 강화하는 치료제를 골랐다. 그 치료제는 억제성 신경세포에서 선택적으로 작동하도록 설계된 것이었다.

영상은 이 구조를 택배에 비유해 설명한다. 벡터는 유전자를 실어 나르는 배달 트럭이고, 프로모터는 어느 세포에서 유전자를 켤지 정하는 스위치다. 넣을 곳으로는 동물 모델에서 발작이 시작되는 부위로 알려진 외측 내후각 피질을 골랐다. 흔히 쓰이는 표적인 흑질은 하위 부위와 동물 모델에 따라 효과가 달라진다는 이유로 제외되었다. 좌표는 논문 세 편의 값을 평균 내어 정했다.

사람이 두개골을 연 뒤에는 AI가 직접 바늘을 움직여 250nl를 주입했다. 그동안 카메라로 수술 부위를 32번 관찰하며 출혈이나 역류가 없는지 보고했다. 되돌릴 수 없는 단계마다 연구자가 승인했고, 연구자는 모든 모터를 끌 수 있는 비상 정지 장치를 쥐고 있었다.

수술은 문제 없이 흘러가는 듯 보였다. 그러나 시술 도중 장비 연결이 끊겼고, AI가 다시 계산한 Y축 목표값이 장치의 이동 범위를 넘어섰다. 미리 설정된 검증 장치가 이 명령을 막자 AI는 Y축 보정 문제를 의심하며 시도를 거부했다. 연구팀이 기준점을 다시 잡았으나 같은 값이 나오자 AI는 또 거부했다. 실제 원인은 앞서 사람이 장비를 손으로 움직이면서 생긴 위치 어긋남이었고, 코드를 고친 뒤에야 시술을 이어 갈 수 있었다.

연구팀은 다른 클로드 모델도 시험했다. 오퍼스 5.5는 살아 있는 생물을 대상으로 한 실험임을 감지하자 곧바로 거부했다. 오퍼스 5는 물과 모는종이로 예행연습까지는 마쳤지만, 실제 시술 직전에 멈췄다. 출력이 중간에 끊기면 바늘이 뇌에 들어간 채 작업이 멈출 수 있으니 시작하지 않는 편이 낫다는 이유였다.

이틀 뒤인 10월 30일 연구자는 오픈AI의 GPT 6.1과 xAI의 그록 4.7에도 같은 실험을 맡긴 결과를 공개했다. 결과는 제각각이었다. 클로드는 내측 후각 피질을, GPT는 해마를, 그록은 체감각 피질을 골랐고 작용 방식과 투여 용량도 달랐다. 각 모델은 최신 문헌을 근거로 선택을 설명했지만, 답이 다르다는 사실만으로는 어느 쪽이 나은지 알 수 없었다. 모델마다 한 마리씩 시술받은 쥐들은 현재 회복 중이며, 연구팀은 앞으로 몇 주 동안 행동과 뇌파를 관찰할 예정이다.

영상은 AI가 고른 전략 자체는 그리 놀랍지 않다고 평가한다. 뇌전증에서 가바 신호를 강화하는 것은 교과서에 나오는 흔한 방법이다. 경련을 멈출 때 쓰는 벤조디아제핀 계열 약도 가바A 수용체에 작용해 가바의 효과를 키운다. 특정 세포나 뇌 부위만 겨냥하는 방식도 이미 사람 대상 임상에서 연구되는 방향이다.

드라베 증후군 치료제로 개발 중인 ETX101은 억제성 신경세포를, 내측 측두엽 뇌전증 치료제로 개발 중인 AMT260은 해마를 겨냥한다. 영상은 따라서 이번 실험에서 눈여겨볼 것이 처방 내용이 아니라고 말한다.

연구자의 설명대로라면 이번 실험에서 중요한 것은 준비된 후보 가운데 치료 전략을 고르는 판단과 주입 장치를 움직이는 실행을 AI가 하나로 연결했다는 점이다. 기존 수술 로봇은 사람이 정해 준 수술을 수행했지만, 이번에는 무엇을 어디에 넣을지까지 AI가 정했다. 연구자도 자신이 아는 한 이런 사례는 처음이라고 말했다.

영상은 동물 실험이 많은 후보 가운데 사람에게 시험해 볼 만한 것을 걸러내는 관문이라는 점을 짚는다. 지금은 연구자가 후보를 고르고 수술하고 결과를 기다리는 과정을 하나씩 직접 해야 한다. 이 과정을 AI가 이어서 할 수 있다면 같은 시간에 더 많은 후보를 시험할 수 있다. 다만 그만큼 멈춰야 할 때 멈추는 장치도 함께 필요하다는 점을 이번 실험의 장면이 보여 주었다.

과학자의 일은 논문을 읽는 데서 끝나지 않는다. 문헌을 찾고 가설을 세우고 실험을 설계해 직접 수행한 뒤 결과를 확인하고, 그에 따라 다음 실험을 정한다. 그동안 AI가 가장 잘해 온 일은 발표된 논문 데이터를 바탕으로 가설을 만들거나, 연구자가 얻은 실험 결과를 통계적으로 해석하는 것이었다.

즉 과거든 현재든 AI는 사람이 실험을 통해 만든 데이터를 바탕으로 통계 해석을 하는 데 익숙했다. 중간에 실험하는 과정에는 사람의 개입이 많이 필요했던 것이 사실이다. 그러나 피지컬 AI 시대가 오면서 AI가 실험까지 직접 할 수 있게 되었고, 전 과정을 AI가 컨트롤할 수 있는 상황이 되었다. 영상은 이것이 처음 시도된 것은 아니라고 덧붙인다.

2009년 영국 에버리스트 위스대 연구팀의 로봇 과학자 아담은 효모 유전자의 기능에 대한 가설을 세우고, 로봇 장비로 실험한 뒤 결과를 분석해 다시 가설을 세우는 과정을 스스로 반복했다. 아담은 기계가 독립적으로 새로운 과학 지식을 발견한 첫 사례로 소개되었다.

2023년에는 GPT-4 기반 시스템 코사이언티스트가 화학 실험을 스스로 설계하고, 액체를 다루는 실험 로봇에 명령을 내려 반응을 실제로 수행했다. 이번 실험은 그 무대를 살아 있는 동물로 옮겼다는 점에서 한 걸음 더 나아갔다. 연구자는 AI를 실험 장비에 연결하면 논문에 잘 남지 않는 실패와 현장의 판단까지 데이터로 모을 수 있다고 본다. 지금까지는 전 과정에서 사람이 개입해야 다음 단계로 넘어갈 수 있었다.

인간의 개입이 필요 없어지면 병목이 사라지고, 로봇과 AI가 24시간 쉬지 않고 주고받으며 다음 실험을 이어 갈 수 있다. 이런 연결을 위한 기반도 만들어지는 중이다. 엔트로픽은 2026년 8월 AI 에이전트가 현미경, 액체 처리 장비, 로봇 같은 실험 장비를 다룰 수 있도록 연결하는 규격 MCP(모델 컨텍스트 프로토콜) 하드웨어 스탠더드를 연구 프리뷰로 공개했다. 이번 실험을 공개한 액신 연구팀도 이 프리뷰를 기다리고 있다고 밝혔다.

이 연결 규격이 여기저기 설정되어 여러 피지컬 AI가 실험을 수행할 수 있게 되면, AI가 가설을 세우고 실험하고 결과를 다음 실험에 반영하는 사이클이 굉장히 빨라질 것으로 영상은 전망한다. 이는 실험 과학의 속도 자체를 바꿀 수 있는 혁신이 될 수 있다는 뜻이다.

이번 발표의 의미는 실험 과학에만 그치지 않고 의료 현장에도 영향을 미칠 수 있다. 세계보건기구(WHO)는 2030년까지 전 세계 보건 의료 인력이 약 1천만 명 부족할 것으로 내다봤고, 그 부족분은 주로 저소득·중소득 국가에 몰려 있다. 2015년 국제 외과 위원회는 전 세계 약 50억 명이 안전하고 감당 가능한 수술과 마취를 받지 못한다고 추산했다.

2025년 돼지 장기로 담낭 제거 단계를 스스로 해낸 자율 수술 로봇 SRTH의 개발진도 이런 로봇이 외과 의료진 부족 문제나 의료 취약 지역의 진료에 도움이 될 수 있다고 보았다. 다만 시작은 보조 역할일 것이다. 의사 옆에서 수술 부위를 지켜보고 위험 신호를 먼저 알려 주는 식이다.

연구자 본인은 사람의 뇌에 AI 에이전트를 투입하기에는 아직 한참 이르다고 선을 그었다. 그럼에도 AI가 환자마다 다른 상태를 보고 맞춤형 시술을 고르고 직접 수행하는 단계까지 간다면 인력이 없어 수술을 받지 못하던 사람들에게 새로운 선택지가 될 수도 있다는 것이 영상의 설명이다.

쥐 한 마리에게 유전자 치료제를 넣은 작은 실험이었지만, 그 안에는 AI가 문헌을 읽고 판단하고 실험하고 멈추는 과정이 모두 들어 있었다. AI는 과학자가 하는 역할을 수행하고 있었던 셈이다. 영상은 AI가 훨씬 방대한 데이터를 빠르게 읽고 종합적으로 판단한다는 점을 짚으며, 수술을 돕고 직접 제어하는 날도 생각보다 가까울 수 있다고 덧붙인다.