오늘 디지털 헬스케어에 대해 이야기 해보겠습니다. 교육 현장에서 일하다 보면 AI가 가져온 변화를 가장 먼저, 가장 가까이에서 목격하게 됩니다. 학생들이 숙제를 ChatGPT로 해결하고, 저도 시험 문제를 AI로 만들기 시작한 지 꽤 됐습니다. 그 변화가 이제 의료 현장까지 이어지고 있다는 사실이 솔직히 놀랍기도 하고, 한편으로는 당연한 흐름이라는 생각도 듭니다.
AI 진단, 실제로 얼마나 달라졌나
디지털 헬스케어는 WHO에서 정의하길 빅데이터, 유전체 데이터, 인공지능 등을 활용해 의료 혁신을 가져오는 개념이라고 설명합니다. 여기서 유전체 데이터란 사람의 DNA 정보를 디지털화한 것으로, 특정 질병에 걸릴 위험성이나 약물 반응성을 예측하는 데 활용됩니다. 그런데 일반적으로 AI 진단이 최근 들어 갑자기 등장한 기술처럼 이야기하는 분들도 있는데, 실제로는 1950년대부터 의료 분야에 AI를 적용하려는 연구가 시작되었을 정도로 오래된 분야입니다.
저도 처음에는 AI 의료가 그저 첨단 기기 이야기인 줄만 알았습니다. 그런데 알고 보면 과거 종이로 작성하던 문진표를 스마트폰 앱으로 입력해 데이터화하는 것도 디지털 헬스케어의 한 형태입니다. 교육 현장에서 제가 예전에는 교과서와 교재를 하나하나 뒤지며 시험 문제를 만들었는데, 지금은 AI에 핵심 내용과 문제 유형만 입력하면 몇 분 안에 완성됩니다. 의사가 환자 상태를 파악하는 과정도 비슷합니다. AI가 방대한 데이터를 분석해 진단의 실마리를 제공하고, 의사는 그 결과를 토대로 판단을 내립니다.
현재 AI 진단이 실질적으로 활용되는 영역을 정리하면 다음과 같습니다.
- 의료 영상 분석: X-ray, CT, MRI 이미지에서 이상 소견을 자동 감지
- 수술 예후 예측: 환자의 과거 데이터를 분석해 수술 후 회복 가능성을 예측
- 임상 의사결정 지원: 전자의무기록(EMR) 데이터를 바탕으로 처방 오류 방지
- 유전체 분석: 개인 맞춤형 치료 경로를 설계하는 정밀 의료에 활용
비대면 진료, 코로나가 바꿔놓은 풍경
비대면 진료가 본격적으로 확산된 건 코로나19 팬데믹이 결정적인 계기였습니다. 감염병 예방법에 따라 한시적으로 비대면 진료가 허용되었고, 병원 방문이 어려워진 상황에서 원격 의료에 대한 수요가 폭발적으로 늘어났습니다. 여기서 원격 의료란 의사와 환자가 직접 만나지 않고 화상 통화나 앱을 통해 진료, 처방, 상담을 진행하는 방식을 의미합니다.
제 경험상 이 흐름은 단순히 편의 문제가 아닙니다. 교육계에서도 온라인 수업이 처음에는 임시방편으로 시작됐다가 이제는 하나의 독립된 교육 방식으로 자리 잡은 것처럼, 비대면 진료 역시 코로나 이후에도 완전히 사라지지 않을 가능성이 높습니다. 갤럭시 워치 같은 웨어러블 기기를 통해 심전도와 산소포화도를 일상적으로 측정하는 사람들이 늘고 있고, 이 데이터들이 비대면 진료와 연결되면 훨씬 정밀한 원격 진단이 가능해집니다.
다만 우려되는 부분도 있습니다. 비대면 진료에서 수집되는 PHR(개인건강기록)은 환자 개인이 직접 관리하는 건강 데이터를 의미하는데, 이 정보의 보안과 활용 범위에 대한 명확한 기준이 아직 부족합니다. 국내 디지털 헬스케어 기업의 67%가 매출 10억 원 미만의 초기 단계에 머물러 있다는 점에서, 시장 자체의 성숙도도 아직 갈 길이 남아 있다고 봅니다(출처: 딜로이트 인사이트).
의료 혁신의 본질, 디지털이 아닌 헬스
일반적으로 디지털 헬스케어를 이야기할 때 기술의 화려함에 집중하는 경향이 있는데, 제가 자료를 찾아보면서 인상 깊었던 건 오히려 반대 관점이었습니다. 디지털 헬스케어에서 핵심은 '디지털'이 아니라 '헬스', 즉 의료 행위 자체라는 점입니다. 기술은 도구일 뿐이고, 목적은 환자의 건강을 더 빠르고 정확하게 지키는 것입니다.
이 시각은 교육 현장에서도 그대로 적용됩니다. AI로 시험 문제를 만드는 것이 목적이 아니라, 학생들이 더 잘 배울 수 있도록 돕는 것이 목적인 것처럼 말입니다. 의료 AI도 마찬가지입니다. 머신러닝(Machine Learning) 기반의 진단 보조 시스템이 아무리 정교해도, 환자와 의사 사이의 신뢰와 판단을 대체할 수는 없습니다. 여기서 머신러닝이란 대량의 데이터를 반복 학습하여 패턴을 스스로 찾아내는 AI 기술로, 영상 판독이나 질병 위험도 예측에 주로 사용됩니다.
한국은 상급종합병원 대부분이 전산화되어 있고, 병원 정보화 수준이 세계적으로도 높은 편에 속합니다. 컴퓨터공학이나 산업공학을 전공한 인력들이 의료 현장에 대한 이해를 높여가면서 협업이 이전보다 훨씬 원활해지고 있다는 점도 긍정적인 신호입니다. 실제로 최근에는 정보 올림피아드 수상 경력이 있는 학생들이 의대에 진학하는 사례가 늘고 있어, 향후 이들이 임상 경험과 기술 역량을 동시에 갖춘 의사로 성장할 경우 디지털 헬스케어 발전에 상당한 기여를 할 것으로 보입니다.
우리가 준비해야 할 것들
AI가 의료 현장에 깊이 들어올수록 윤리적 문제도 함께 커집니다. 솔직히 이건 예상보다 더 복잡한 문제였습니다. AI가 내린 진단이 틀렸을 때 책임은 누가 지는가, 알고리즘 편향으로 인해 특정 집단에 불이익이 생기지는 않는가 같은 질문들이 아직 명확히 해결되지 않았습니다.
FDA(미국 식품의약국)는 AI 기반 의료기기를 소프트웨어 의료기기(SaMD)로 분류하여 별도의 안전성 기준을 적용하고 있습니다. 여기서 SaMD란 하드웨어에 종속되지 않고 독립적으로 실행되는 소프트웨어로, 진단이나 치료 목적으로 사용되는 앱이나 알고리즘이 해당됩니다. 국내에서도 식품의약품안전처가 AI 의료기기 허가 기준을 정비하고 있지만, 기술 발전 속도에 비해 제도가 따라가지 못하는 경우가 여전히 많습니다(출처: 식품의약품안전처).
미국 시장이 디지털 헬스케어의 중심이 되는 것도 이와 관련이 깊습니다. 의료 영리화가 이루어진 미국에서는 의료기기 가격이 시장 원리에 따라 결정되기 때문에, 대부분의 의료기기 및 소프트웨어 회사들이 미국 출시를 최우선으로 고려합니다. 국내 기업들이 글로벌 경쟁에서 살아남으려면 기술력과 함께 규제 대응 역량도 갖춰야 한다는 현실적인 과제가 있습니다.
AI는 이미 교육, 의료, 금융 등 삶의 거의 모든 영역에 들어와 있습니다. 저는 개인적으로 AI를 적극 활용하는 쪽이 낫다고 생각하는 편입니다. 윤리적 쟁점이나 오류 가능성을 무시하자는 것이 아니라, 도구를 잘 이해하고 쓰는 사람이 결국 더 좋은 결과를 낸다는 경험에서 나온 생각입니다. 디지털 헬스케어도 마찬가지입니다. 기술을 맹신하지도, 외면하지도 않으면서 어떻게 하면 환자에게 실질적으로 도움이 되는 방향으로 활용할 수 있을지 고민하는 것이 지금 우리에게 필요한 태도가 아닐까 싶습니다.
이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 의료 조언이 아닙니다. 건강 관련 의사결정은 반드시 전문 의료인과 상담하시기 바랍니다.