[의료 AX의 미래]⑦수가 공백·데이터 파편화 넘어야…지속가능한 AX의 조건
혁신AI 500개 쏟아져도
건강보험 적용 '전무'
병원마다 데이터 파편화
'AI 편향' 발생 우려
빅테크 종속 막아야
'K-파운데이션 모델' 절실
국내 한 의료 인공지능(AI) 기업은 수년간 막대한 연구개발비와 임상시험을 거쳐 식품의약품안전처 허가를 획득했으나, 막상 병원 현장에 진입하는 과정에서 높은 벽에 부딪혔다. 의료진이 해당 AI를 활용해 환자를 진료하더라도 이를 건강보험 진료비로 청구할 수 있는 별도의 수가 코드가 존재하지 않기 때문이다. 기술적 완성도는 검증됐지만 병원이 적극적으로 도입할 경제적 유인이 없는 이른바 '수가 공백'이 의료AI 확산의 걸림돌로 작용하고 있다.
AI 기반의 의료 혁신이 가속화되면서 의료 현장의 디지털 대전환(AX·AI Transformation)이 눈앞에 다가왔지만, 이를 뒷받침할 보상체계와 데이터 인프라는 여전히 과거 의료시스템의 틀에 머물러 있다는 지적이 나온다. 전문가들은 의료AI 활용에 따른 책임 범위나 법적 보호장치에 대한 논의는 물론 현행 진료행위 중심의 보상 구조를 환자 중심의 성과 보상으로 재설계하고, 의료 주권 확보를 위한 한국형 파운데이션 모델 구축에 국가적 역량을 집중해야 한다고 입을 모은다.
현장의 의료진과 산업계 전문가들이 지속 가능한 의료AX를 위해 가장 우선적인 과제로 꼽는 것은 예측할 수 있고 안정적인 보상체계 마련이다. 현재의 건강보험 행위별 수가제는 의료진이 행하는 물리적 진료행위 자체에 보상하도록 설계돼 있어 AI 도입에 따른 추가 비용과 AI가 창출하는 의료 접근성 향상, 업무 효율화, 환자 안전 개선 등 사회·경제적 가치를 충분히 반영하지 못한다는 한계를 안고 있다.
실제 많은 의료기관이 AI 소프트웨어를 구독형 서비스(SaaS) 형태로 도입하길 원하지만, 매달 발생하는 사용료를 환자 진료비나 병원 청구액에 반영할 제도적 통로가 없다. 최근 5년 사이 식품의약품안전처 허가를 받은 의료 AI 제품은 해마다 급증해 이미 500개를 넘어섰고, 이 중 올해 상반기에만 120여건이 새로 인증을 받았지만 독립적인 건강보험 수가를 적용받는 사례는 손에 꼽힌다. 대부분 임시방편인 혁신의료기술, 선별급여, 연구사업비 지원 또는 병원 자체 부담 형태로 연명하는 실정이다.
정성문 경북대학교병원 AI기반의료혁신센터 교수는 지난 3월 보건복지부가 주최한 '공공의료 AX 확산을 위한 정책 간담회'에서 "AI 소프트웨어 구독료와 유지보수 비용, 알고리즘 고도화 비용에 대한 안정적인 수가 보전 제도가 확립돼야만 병원과 개발기업 모두 미래를 내다보고 장기적인 투자를 이어갈 수 있다"며 AI 활용에 대한 보상체계 마련을 요구했다.
의료AI 도입에 따라 수가 체계의 패러다임을 근본적으로 재설계해야 한다는 목소리도 힘을 얻고 있다. 국가인공지능전략위원회 기본의료 TF장을 맡고 있는 서준범 서울아산병원 영상의학과 교수는 "현행 행위별 수가 체계의 틀 안에서는 AI 기반의 의료 혁신 가치를 온전히 담아내기 어렵다"며 "궁극적으로는 '가치 기반 보상' 체계로의 전환이 필요하다"고 제언했다. 이는 단순히 AI를 사용했다는 사실에 비용을 지불하는 것이 아니라, AI 활용을 통해 환자의 재입원율이 감소하거나 의료 접근성이 향상되는 등 실제 치료 성과와 건강 개선이 확인됐을 때 보상하는 방식이다.
신현웅 한국보건사회연구원 보건의료정책연구실장 역시 "AI 도입 자체보다 중요한 것은 정책적 개입"이라며 "단순한 기술 도입이 아니라 의료체계 전환 차원의 접근이 필요하다"고 강조했다. 그는 "기존 행위별 수가에서 가치 기반 보상 체계로 일시에 이동하는 것은 현실적으로 어렵다"면서 "사용량 기반 보상, 성과 기반 보상, 기관 단위 인센티브 등 다양한 중간 단계를 설계해 점진적으로 전환해야 충격을 줄일 수 있다"고 설명했다.
국민 건강권 직결된 '한국형 파운데이션 모델' 시급
의료 AX의 또 다른 쟁점은 데이터 표준화다. 현재 국내 의료기관들은 병원마다 서로 다른 데이터 구조와 코드 체계를 사용하고 있고, 이 때문에 한 병원에서 탁월한 성능을 보인 AI라 할지라도 다른 병원에 적용하려면 몇 달씩 데이터를 새로 정제해야 하는 불편이 따른다. 이 과정에서 연구실 환경과 달리 실제 현장 적용 시 AI의 정확도가 급격히 떨어지는 'AI 드리프트(AI Drift·인공지능 편향 현상)'가 발생할 수 있다.
개인의 민감한 의료 정보를 안전하게 다루면서도 국내 환경에 최적화된 '한국형 의료 AI 파운데이션 모델' 구축의 필요성도 커지고 있다. 현재 글로벌 시장을 주도하는 범용 거대언어모델(LLM)은 한국어 의료 데이터의 특수성이나 국내 임상 환경, 세계적으로 독특한 단일 건강보험 체계를 정밀하게 반영하지 못하기 때문이다.
서준범 교수는 "한국의 의료 환경과 문화에 최적화된 AI 에이전트를 구글, 제미나이 등 글로벌 모델에만 의존해 개발할 수는 없다"며 "외산 AI 기술에 종속되지 않고 우리 환자들의 데이터를 안전하게 보호하면서 한국형 의료 시스템을 발전시키기 위해서는 공공 목적의 독자적인 의료 AI 파운데이션 모델이 필수적이고, 이는 산업경쟁력 차원을 넘어 국민 건강권과 직결되는 '의료 주권'의 문제"라고 강조했다.
꼭 봐야 할 주요 뉴스
"화장실 두 번 다녀오더니 답을 술술"…스마트 안경 숨긴 수험생 결국
[의료 AX의 미래]
①진단에서 처방까지 3분…AI가 바꾸는 '골든타임'
②"AI는 의료진이 환자 곁에 더 오래 머물게 하는 기술"
③의사보다 더 빠른 눈…지역병원 의료공백 메꾸는 AI
④"지치지 않는 AI, 의사에겐 최고의 내비게이션"
⑤"시골 살아도 서울 수준의 진료를"…정부가 의료AI에 팔 걷은 이유
⑥"슈퍼카 만들었는데 도로가 없다"…지방 공공의료의 현실
⑦수가 공백·데이터 파편화 넘어야…지속가능한 AX의 조건
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>