[메디칼타임즈=김승직 기자] 의료 인공지능(AI) 기술이 개별 진단 보조 솔루션을 넘어, 병원 전체의 업무 흐름과 운영 체계를 재설계하는 핵심 인프라로 자리 잡고 있다.

기술의 파일럿 테스트 시대를 지나, 실제 임상 현장에서 수익성과 효율성을 극대화하기 위한 'AI 네이티브 병원'으로의 전환이 시급하다는 제언이 나온다.

20일 KHF 2026에서 열린 K-디지털헬스케어 서밋 세미나에서 단일 AI 모델의 성능을 넘어선, 병원 전체의 통합된 디지털 전환(AX) 및 거버넌스 구축의 중요성이 조명됐다.

■파일럿 시대 끝난 의료 AI "업무 흐름 재설계한 병원이 생존"

GE헬스케어 코리아 이대욱 최고 전략 마케팅 운영 책임자는 병원 AI 도입에 있어 어떤 모델을 쓰는가보다, 어떻게 운영하는가가 성패를 가르는 핵심이라고 짚었다. 동일한 AI 솔루션을 도입해도 병원 내 인프라와 인력 재배치 수준에 따라 결과가 천차만별이라는 설명이다.

실제 미국의 에픽 시스템을 사용하는 대학병원의 62.6%가 이미 앰비언트 AI를 활용해 음성을 텍스트로 변환하는 자동 의무기록 기능을 임상 현장에 적용하고 있다. 이처럼 AI 파일럿 시대가 저물고 실질적인 운영 단계에 진입했다는 분석이다.

그는 현 상황을 AI를 단순 추가한 'AI 붙인 병원'과 AI를 전제로 업무를 재배치한 'AI로 설계된 병원'으로 구분했다. 기존 시스템 위에 AI를 얹는 방식은 로그인과 화면 창출 등 업무 부담만 가중한다는 지적이다. 반면 AI 기반으로 워크플로우를 재정의해야만 실질적인 인력 효율화와 지속 가능성을 담보할 수 있다는 것.

이 책임자는 병원 AI가 데이터 인프라, 모델, 에이전트, 워크플로우, 거버넌스 등 5개 층으로 이뤄져 있다고 분석했다. 이제는 단순 모델 구매를 넘어 에이전트가 병원의 워크플로우를 어떻게 바꾸고 운영 효율성을 높이는지 전체 맥락을 파악해야 한다는 제언이다. 거버넌스 역시 사후 고려 대상이 아닌 도입 초기부터 전체 축을 관통해야 하는 필수 요소로 꼽혔다.

이대욱 책임자는 "기존 업무에 AI를 단순히 추가하는 방식을 경계하며, 워크플로우 전반을 재설계하고 비용 대비 효과를 명확히 입증하는 운영 체계 마련이 필수적"이라며 "AI 모델 도입 시 단기적인 정확도 향상보다 병원 전체 리소스의 효율적 재배치와 수익성 개선으로 이어지는지 평가해야 한다"고 전했다.

이어 "명확한 경계 설정과 거버넌스 체계를 바탕으로 절감된 리소스를 어떻게 재분배할지 고민하는 것이 AI 네이티브 병원 성공의 핵심"이라고 강조했다.

■물리적 제약 넘는 피지컬 AI…제도화 및 책임 소재 규명 과제

소프트웨어를 넘어, 물리적 공간에서 행동을 수행하는 피지컬 AI 영역의 통합 필요성도 대두됐다. 이 책임자는 물류 자율주행, 낙상 감지 센서, 웨어러블 모니터링, 재활 및 수술 보조 로봇 등 다양한 피지컬 AI 장비들이 파편화돼 운영되는 현상을 지적했다.

개별 솔루션으로 작동하는 로봇들은 동일 환자를 인식하고 상호 보완하는 데 한계가 있다는 것. 이에 환자의 생체 신호, 동선, 행동 양식 등의 데이터를 통합해 하나의 연결된 플랫폼 안에서 기기들이 상호작용하도록 발전해야 한다는 제언이다.

커맨드 센터 등 관제 시스템을 통해 영상 판독 수요를 예측하고, 예약 부도 현상 등을 관리해 병원의 수익성 개선과 환자 동선 효율화를 끌어내야 한다는 설명이다.

혁신 기술의 임상 적용을 위한 제도적 장벽 대응과 거버넌스 확립의 중요성도 짚었다. 디지털 치료 기기 등 혁신 기술 트랙을 통해 임시 등재돼도, 실질적인 급여 적용 시점이 불투명해 기업과 병원의 부담으로 작용하고 있다는 지적이다.

특히 AI 오류 시 의료진과 개발사 간의 책임 소재 분배 및 설명 가능성 확보가 중요하므로, 선제적인 법적 방어선 구축이 필수적이라는 진단이다. 제도가 확립되기를 기다리기보다 병원이 먼저 선도적인 기준을 세우고 레퍼런스를 쌓아가야 한다는 제언이다.

■의료 AI 한계 극복하려면 "부서 넘어선 병원 전체 AX 전환"

이어진 발제에서 정보통신산업진흥원(NIPA) 윤명숙 AI헬스팀장은 지난 10년 간의 의료 AI 성과를 짚었다. 이제 개별 AI 솔루션의 고도화가 아닌 병원 전체의 디지털 전환(AX)으로 나아가야 할 시점이라는 진단이다.

NIPA는 그동안 닥터앤서 등 다수의 국책 사업을 통해 49건의 인허가를 획득하고 약 637개 의료기관에 솔루션을 보급하는 성과를 냈다. 중증 암 중심에서 만성 질환 관리로 영역을 넓히고, 군 의료와 응급 현장의 진료 시간을 대폭 단축하는 성과도 입증했다.

다만 윤 팀장은 정확도 높은 우수 제품이 개발됐음에도 실제 임상 현장의 정착에는 한계가 있었다고 진단했다. 기존 전자의무기록이나 의료영상저장전송시스템(PACS)과의 연계가 부족해 의료진이 별도 화면을 띄워야 하는 불편이 컸다는 것. 예산과 유지보수 등 운영 책임 체계도 불분명해 지속 가능성이 떨어졌다는 분석이다.

이에 그는 단일 부서별 모델 도입을 지양하고 환자 여정과 업무 흐름을 중심으로 병원 운영 자체를 다시 설계하는 '인공지능 특화 병원' 모델을 제시했다. 환자 방문 전 사전 문진부터 ▲진료실 내 의무기록 요약 ▲입원 시 이상 징후 감지 ▲병상 및 물류 배치의 최적화 ▲퇴원 후 지역 의료기관 연계에 이르기까지 전 과정이 AI로 통합 관리돼야 한다는 취지다.

■국가 차원 통합 정책 추진…시스템 아우르는 '풀스택' 강조

정부 역시 이 같은 현장 요구에 발맞춰, 국가 단위의 AI 특화 병원 확산 정책을 전개하고 있다. 단순히 기술을 개발하는 연구 중심에서 벗어나, 환자의 생명과 일상을 지키고 체감도를 높이는 방향으로 기본 의료 전략이 수립되고 있다는 설명이다.

전국 공공의료 고속도로와 지능형 병원 정보 시스템을 구축해 지역 간 의료 격차를 해소하고, 수가 보상 체계와 전문 인력 양성을 포함한 지속 가능한 생태계를 조성하는 것이 골자다. 이를 위해 평가 기준을 알고리즘 성능에서 실제 비용 효과성으로, 확산 방식을 일회성 실증에서 지속 가능한 예산 편성으로 전환하는 정책적 변화가 이뤄지고 있다.

다만 그는 성공적인 도입을 위해 기존 병원 시스템을 허물지 않으면서, AI가 안정적으로 안착할 수 있도록 하는 '풀스택 아키텍처' 구현이 요구된다고 짚었다. 인프라와 보안 환경을 다지고 현업에 맞는 생성형 AI와 에이전트를 결합, 지속적인 현장 피드백과 윤리 거버넌스가 맞물려 돌아가는 통합 구조를 세워야 한다는 제언이다.

윤명숙 팀장은 "개별 기술의 파편적 도입을 넘어 환자의 진료부터 예후 관리까지 전체 여정을 아우르는 시스템 연계가 핵심"이라며 "우수한 AI 솔루션을 추가하는 데 그치지 않고 기존 병원 정보 시스템과 끊기지 않는 연계 및 유지보수 체계를 확립해야 한다"고 말했다.

이어 "정확도 중심의 평가를 탈피해 실제 업무 부담 경감과 비용 효율성을 증명하는 방향으로 국가 의료 AI 정책의 패러다임을 전환해 나갈 것"이라고 강조했다.