을지의료원 심포지엄이 드러낸 임상 도입의 병목
보상 체계와 데이터 접근성이 의료 AI 시장의 성패를 가르는 핵심 변수로 부상했다. 알고리즘 성능이 아무리 뛰어나도 병원이 비용을 회수할 수 없고 기업이 임상 데이터에 접근하지 못한다면 기술은 연구실 밖으로 나오지 못한다. 2026년 10월 30일 서울 중구 더그랜드롯데 서울에서 열린 을지대학교의료원 창립 70주년 의학심포지엄은 이 구조적 문제를 선명하게 드러냈다.
주제는 'AI와 함께하는 미래의료'였지만, 현장에서 반복된 핵심 단어는 보상 체계와 의료 데이터 접근성이었다. 병원이 AI를 쓰고, 기업이 제품을 팔며, 환자가 실제 진료 혜택을 얻으려면 기술 도입보다 먼저 시장 작동 규칙을 정비해야 한다는 메시지였다. 이번 심포지엄의 산업적 의미는 의료 AI가 연구실과 시범사업 단계를 넘어 병원 운영비, 수가, 데이터 거버넌스, 로봇 수술 장비 투자와 연결되는 사업 의제로 이동했다는 데 있다.
기조강연자로 나선 서준범 서울아산병원 교수는 의료 AI가 진료 현장에 안착하려면 적절한 보상 체계와 의료 데이터 접근성 문제를 반드시 풀어야 한다고 강조했다. 그는 나아가 의료 서비스의 디지털 전환이 단순히 기술을 도입하는 것을 넘어 의료 접근성을 향상시키고 환자의 참여 및 자기 결정권을 확대하는 방향으로 추진돼야 한다는 점도 역설했다.
박정환 보건복지부 의료인공지능데이터정책과장은 'AI 기본의료 전략'의 3대 전략과 12대 정책 과제를 소개했다. 정부가 제시한 방향은 공공병원의 AI 전환, 지역 의료 격차 완화, AI 의료 서비스의 적정 보상 체계 마련으로 요약된다.
의료 AI 산업에서 보상 체계는 단순 행정 절차가 아니다. 병원이 AI 판독, 중증 위험 예측, 진료 보조 솔루션을 도입하려면 구매비와 유지비, 의료진 교육비, 보안 비용을 부담해야 한다.
그런데 해당 행위가 진료 수익이나 비용 절감으로 연결되는 구조가 불명확하면 병원은 투자를 뒤로 미룬다.
광고
기업 역시 판매 전략을 세우기 어렵다. 의료기기 인허가를 통과해도 병원 예산에 반영되지 못하면 매출은 제한된다. 보상 체계가 의료 AI 시장의 수요 곡선을 사실상 결정하는 셈이다.
데이터 접근성은 공급 측 병목이다. 의료 AI는 환자 기록, 검사 영상, 생체 신호, 치료 결과 같은 임상 데이터를 학습하고 검증해야 성능을 입증한다. 그러나 의료 데이터는 개인정보 보호 규정, 병원별 전자의무기록(EMR) 형식 차이, 데이터 표준 부재가 복합적으로 작용해 외부 기업이 쉽게 활용하기 어렵다.
서 교수가 데이터 접근성을 정착 조건으로 제시한 배경이 바로 여기에 있다. 병원과 기업이 공동으로 검증 가능한 데이터 환경을 구축하지 못하면 국내 의료 AI 기업은 제품 고도화와 해외 진출 양쪽에서 동시에 제약을 받는다.
정부의 'AI 기본의료 전략'은 이 병목을 제도 차원에서 풀겠다는 신호로 해석된다. 박정환 과장이 소개한 3대 전략과 12대 정책 과제에는 일상에서 체감하는 AI 의료 변화, 전국 단위 디지털 기반 구축, 지속 가능한 AI 의료 생태계 조성이 포함됐다.
특히 지역에서도 대학병원급 AI 진료를 받을 수 있도록 공공병원의 AI 전환을 추진한다는 내용은 산업 생태계에 직접적인 수요 기반을 제공한다. 본지 분석에 따르면, 공공병원이 초기 레퍼런스 사이트 역할을 맡으면 중소 병원과 지방 의료기관으로의 확산 경로가 열린다.
기업 입장에서는 단발성 납품보다 유지·보수, 데이터 업데이트, 임상 성과 관리까지 포함한 장기 계약 모델을 설계할 공간이 생긴다.
데이터 접근성과 수가가 헬스케어 투자 지형 좌우
임상 사례 발표는 의료 AI가 병원 내부 운영 효율과 환자 안전 시장을 동시에 겨냥한다는 점을 보여줬다. 선현우 의정부을지대학교병원 교수는 AI 기반 신속대응시스템을 통해 중증 환자 위험 신호를 조기에 찾는 방안을 설명했다.
광고
이 사례는 의료 AI의 사업 가치가 영상 판독 자동화에만 머물지 않는다는 사실을 드러낸다. 병동 환자의 생체 신호를 분석해 악화 가능성을 경고하는 시스템은 응급 전환 비용, 중환자실 자원 배분, 의료진 업무 부담과 직결된다.
다만 선 교수는 AI가 이상 징후를 감지하더라도 실제 환자 안전과 치료 성과로 이어지려면 의료진의 판단과 신속대응팀의 역할이 중요하다고 강조했다. 기술만으로 병원 운영 리스크를 줄일 수 없다는 현장의 조건을 분명히 한 발언이다. 나군호 네이버 헬스케어 연구소장이 소개한 디지털 트윈(Digital Twin) 기반 시뮬레이션과 부분 자율 기능을 갖춘 로봇 수술 기술은 플랫폼 기업이 의료 산업에 접근하는 방식을 보여준다.
디지털 트윈은 실제 환자나 장기, 수술 환경을 가상 공간에 구현해 예측과 훈련, 의사결정 보조에 활용하는 개념이다. 로봇 수술 기술이 부분 자율 기능으로 발전하면 장비 제조사, 소프트웨어 기업, 병원 수술센터 사이의 협력 구조가 재편될 가능성이 있다.
의료기관은 장비 구매자에 그치지 않고 임상 데이터와 수술 프로토콜을 제공하는 공동 개발 파트너로 올라선다. 빅테크와 병원이 같은 시장에서 만나는 접점도 바로 이 지점이다. 정재승 KAIST 교수의 '휴머노이드 AI 시대' 강연은 산업 논의에 다른 층위를 더했다.
그는 의료 및 돌봄 분야에서 AI와 인간 전문가의 협업이 필요하다는 문제의식을 제기하며, AI와 로봇이 진단·수술 등 의료 영역을 확장할수록 의사는 환자를 단순한 질병 코드가 아닌 고통과 두려움을 가진 인간으로 대하고 그 감정에 공감하는 역할에 더욱 집중해야 한다고 강조했다. 이 관점은 기업 전략에도 영향을 미친다.
의료진의 업무 흐름을 방해하는 제품은 현장에서 외면받고, 환자 경험을 실질적으로 개선하지 못하는 AI 서비스는 병원 도입 단계에서 채택률을 끌어올리기 어렵다.
광고
박준영 을지재단 회장이 AI를 진단, 치료, 예방, 돌봄에 접목하는 방안을 주요 과제로 제시하며 미래 의료 경쟁력 확보를 위한 지원과 투자 의지를 표명한 대목도 의료기관의 투자 방향을 가늠하게 한다. 병원 그룹이 AI를 연구 과제가 아니라 진료·연구·교육 전반의 경쟁력 요소로 위치 짓기 시작했다는 뜻이다.
을지대학교의료원은 이번 논의를 바탕으로 임상 경험에 AI·디지털 기술을 접목해 진료, 연구, 교육 분야의 혁신을 추진할 계획이라고 밝혔다. 병원 입장에서 AI는 의료진을 대체하는 도구가 아니라 의료 서비스 포트폴리오를 넓히는 인프라에 가깝다.
본지 분석에 따르면, 이 변화는 병원 정보시스템, 클라우드, 보안, 의료기기, 로봇, 교육 콘텐츠 업체까지 연쇄 수요를 만드는 계기가 될 수 있다. 반론도 있다. 의료 AI 도입을 서두르면 개인정보 침해, 알고리즘 편향, 책임 소재 불명확성, 의료진 업무 증가가 커질 수 있다는 우려다.
이 우려는 타당하다. 특히 AI가 예측한 위험 신호를 누가 최종 판단하고, 오작동 때 병원과 개발사가 어떤 책임을 나눌지는 아직 세밀한 제도 설계가 필요하다.
그러나 이런 위험을 이유로 투자를 늦추는 전략은 의료 AI 산업의 현실과 맞지 않는다. 병원 현장은 이미 인력 부족, 지역 의료 격차, 고령화에 따른 만성질환 관리 부담을 안고 있다.
필요한 것은 무조건적 도입이 아니라 보상, 데이터, 책임, 검증 절차를 묶은 시장 규칙의 조기 확정이다.
병원·빅테크·정부가 재편하는 의료 AI 생태계
투자 관점에서 보면 의료 AI 기업의 가치는 앞으로 모델 성능보다 임상 검증력과 병원 적용 능력에서 갈릴 가능성이 크다. 병원 전자의무기록과 연동할 수 있는지, 의료진 경보 피로를 줄일 수 있는지, 수가 체계에 편입될 근거를 만들 수 있는지가 매출 전환의 핵심 변수가 된다.
광고
정책 당국이 공공병원 AI 전환과 적정 보상 체계를 추진한다면 초기 시장은 공공·대형병원 중심으로 열릴 것이다. 반대로 제도 설계가 지연되면 기술 기업은 파일럿 프로젝트를 반복하면서도 안정적 매출을 확보하지 못하는 상태에 머물 수 있다. 의료 AI는 연구개발(R&D) 테마가 아니라 병원 운영과 보험 재정, 데이터 산업이 맞물린 장기 투자 영역으로 봐야 한다.
한국 IT 산업에도 함의가 적지 않다. 본지 분석에 따르면, 의료 AI는 반도체, 클라우드, 보안, 로봇, 소프트웨어 역량을 한꺼번에 요구한다. 단일 앱 서비스처럼 빠르게 확산하기 어렵지만, 한 번 병원 시스템에 들어가면 장기간 운용되는 특성을 갖는다.
국내 기업은 병원과의 공동 연구 성과를 제품 인증, 임상 근거, 유지관리 서비스로 연결하는 사업 설계를 서둘러야 한다. 병원은 데이터 제공자에 머물지 말고 자체 임상 노하우를 바탕으로 기업과 협상할 수 있는 기술 조직을 갖춰야 한다. 정부는 공공병원 AI 전환을 단순 장비 구매 사업으로 만들지 말고 데이터 표준과 성과 평가 기준을 함께 제시해야 한다.
이번 을지대학교의료원 창립 70주년 의학심포지엄은 의료 AI 논의를 기술 홍보에서 산업 설계 문제로 옮겨 놓았다. 보상 체계가 없으면 병원은 움직이지 않고, 데이터 접근성이 막히면 기업은 성장하지 못한다.
인간 전문가의 역할을 재정의하지 못하면 환자는 기술 도입을 체감하지 못한다. 의료 AI 시장의 다음 경쟁은 누가 더 큰 모델을 만들었는지가 아니라, 누가 임상 현장의 비용 구조와 책임 구조를 먼저 해석하고 제도 안으로 들어가느냐에서 판가름 난다.
한국 의료 AI 산업은 지금 기술 과시보다 시장 규칙을 만드는 쪽에 더 많은 자원을 배치해야 한다. ※ 이 기사는 타임뉴스의 2026년 10월 30일 보도 '을지대학교의료원, 의료 AI 임상 도입 및 제도 개선 과제 논의 심포지엄 개최'를 참조하여 작성하였습니다.
광고
(기자명은 원천 자료에서 확인되지 않았습니다.)
FAQ
Q. 환자는 의료 AI 도입을 어떻게 체감하나
A. 현재 임상 현장에서 확인된 사례를 보면, AI 기반 신속대응시스템이 중증 환자의 위험 신호를 조기에 감지해 의료진에게 경보를 전달하는 방식으로 활용된다. 환자 입장에서는 진단 속도 단축, 위험 예측 정확도 향상, 지역 의료 접근성 개선 형태로 변화를 체감할 수 있다. 다만 AI가 모든 진료를 자동화하는 것은 아니다. 의료진의 최종 판단과 신속대응팀의 협업이 함께 작동해야 실제 치료 성과로 이어진다는 점에서, AI는 진료 보조 도구로 위치한다.
Q. 의료 AI 기업에는 어떤 사업 기회가 열리나
A. 보상 체계가 마련되면 병원은 AI 솔루션을 단순 비용 항목이 아니라 진료 서비스의 일부로 검토할 수 있다. 이 경우 기업은 소프트웨어 단순 판매를 넘어 임상 검증, 시스템 연동, 유지관리, 데이터 업데이트를 묶은 장기 계약 모델을 구성할 수 있다. 공공병원 AI 전환이 확대되면 초기 레퍼런스를 확보한 기업이 후속 시장에서 협상력 우위를 갖는다. 단, 개인정보 보호 기준과 오작동 책임 소재를 충족하지 못하는 제품은 병원 도입 단계에서 걸러질 가능성이 높다.
Q. 병원은 의료 AI 투자에서 무엇을 먼저 봐야 하나
A. 알고리즘 성능 수치만 아니라 실제 진료 흐름에 통합될 수 있는지를 우선 점검해야 한다. 전자의무기록(EMR) 연동 여부, 의료진 경보 피로 감소 효과, 환자 안전 성과, 보안 체계가 모두 검토 대상이다. 수가나 보상 근거가 불명확한 영역에서는 시범 적용 결과를 축적해 제도 편입 가능성을 높이는 전략이 필요하다. 의료 AI 투자는 장비 구매 사업이 아니라 병원 운영 구조 전체를 바꾸는 프로젝트로 관리해야 한다.
▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기
){kind=small}
){kind=small}
){kind=small}
){kind=small}