의료 인공지능, 병원 현장에서 어디까지 작동하고 있는가
의료 인공지능(AI)은 영상 판독과 진단 보조를 중심으로 의료 현장에 빠르게 유입되어 왔다. 최근에는 생성형 AI와 다중모달 분석 기술의 발전으로 적용 범위가 진료 지원, 행정 자동화, 환자 모니터링 등으로 확대되고 있다. OECD가 18개국 의사회·의사단체를 대상으로 실시한 조사에서 응답자의 72%는 의료 AI의 이익이 위험보다 크다고 답했으나, 동시에 94%는 책임과 윤리 문제를 주요 우려 사항으로 꼽았다. 데이터 품질과 인프라 부족, 규제 불확실성 역시 장애 요인으로 지적된다. 국내에서도 메디게이트 설문조사에 따르면 의료기관 시스템에 AI를 실제 도입해 사용 중이라는 응답은 19.3%에 불과했으며, 활용 분야는 영상 판독 중심의 진단 영역에 집중돼 있었다.
스마트병원의 DX에서 AX로
이러한 간극을 메우기 위한 접근으로 병원 현장에서는 DX에서 AX로의 전환이 논의되고 있다. DX가 데이터의 디지털화와 시스템 연결에 초점을 맞췄다면, AX는 AI가 데이터를 해석해 실제 업무와 판단에 개입하는 단계다. 이 전환은 병원 전체가 아니라 병실과 병동 단위에서부터 시작되고 있다.
스마트병원은 병원 운영 전략과 IT 전략이 결합된 결과다. DX 단계에서는 전자의무기록, 의료영상 시스템, 병원정보시스템을 통해 데이터 축적과 조회가 가능해졌지만, 의료진의 업무 부담이나 운영 효율을 구조적으로 바꾸는 데에는 한계가 있었다. 데이터가 예측과 의사결정으로 충분히 연결되지 않았기 때문이다.
AX는 이 지점에서 작동한다. AI가 병원 운영의 일부 기능을 직접 수행하거나 판단을 보조하며, 적용 단위는 병실과 병동이다. 생체신호, 간호 기록, 투약 정보, 의료기기 데이터가 동시에 생성되는 이 공간에서 AI 효과가 가장 먼저 나타난다.
삼성서울병원의 스마트 물류 시스템은 이러한 AX 전환을 보여준다. AI 기반 수요 예측과 자율주행 로봇을 활용해 병동 간 물류를 자동화한 결과, 병원 내 물류 업무의 약 75%가 로봇 기반으로 처리되고 있다. 이는 반복적 비진료 업무를 구조적으로 분리한 사례로, 의료진의 업무 시간 배분과 병동 운영 동선에 변화를 가져왔다. 동시에 물류 운영의 예측 가능성도 높아졌다. 다만 데이터 흐름 통합, 기존 HIS·EMR과의 연동, 초기 구축 비용과 실증 부담은 여전히 과제로 남아 있다.
AI 시대의 생체신호 모니터링
이러한 운영 변화는 임상 현장으로 이어진다. 병실과 병동에서 생성되는 데이터를 실제 환자 관리로 연결하기 위해서는 생체신호 모니터링이 핵심이 된다.
AI 시대의 생체신호 모니터링은 실시간 관찰을 넘어 연속 데이터 기반 예측 관리로 확장되고 있다. 이 영역은 데이터 확보, 알고리즘 개발, 임상 전달의 세 단계로 구분된다. 생체신호 AI 연구의 핵심 과제는 알고리즘 성능보다 대규모 고해상도 데이터 확보다. 이를 위해 구축된 VitalDB에는 수술 환자 6,388명의 생체신호 데이터가 포함되어 있으며, 국내 30여 개 병원과 전 세계 2,500명 이상의 연구자가 참여하고 있다. VitalDB는 미국의 MIMIC, 영국의 UK Biobank와 함께 세계 최대 규모의 생체신호 데이터셋 중 하나로 평가된다.
이 데이터를 기반으로 총 46건의 생체신호 기반 AI-CDSS 모델이 개발되었고, 다수가 식약처 2등급 의료기기 허가를 획득했다. 혈압 파형 분석, 저혈압 및 패혈증 예측, 중환자실 심정지 예측, 인공호흡기 자율주행 알고리즘 등이 실제 임상 환경을 전제로 검증되고 있다. 중환자실 사망 예측 모델은 다기관 외부 검증에서도 AUROC 0.870~0.964의 성능을 기록하며 기존 정적 점수 체계 대비 개선을 보였다.
다만 생체신호 AI 역시 병원 정보 시스템과의 연동 없이는 실제 적용이 어렵다. 상호운용성이 확보되지 않은 환경에서는 실시간 분석과 대응이 제한될 수밖에 없으며, 병렬적 실증 시스템과 공공 차원의 재정 지원 없이는 병원 단위 확산도 쉽지 않다.
의료 AI는 이미 들어왔지만
의료 AI는 아직 중심에는 서 있지 않다. 진단 보조와 일부 운영 영역에서는 작동하고 있으나 병원 전반의 의사결정 구조를 재편할 수준에는 이르지 못했다. 의료 AI가 병원 운영의 일부가 되기 위해서는 성능 경쟁보다 AI 판단이 허용되는 범위를 어디까지로 설정할 것인지에 대한 합의가 필요하다. 의료 AI가 실제로 작동한다고 말할 수 있는 시점은 새로운 모델이 등장할 때가 아니라, 병원이 AI를 전제로 설계되기 시작할 때다.
#HealthcareAI #DigitalHealth #SmartHospital #의료AI #스마트병원#병원AX hashtag#의료데이터 #헬스케어IT #ClinicalAI