"고효율의 역설"에 갇힌 한국 의료... AI 전환, 기술보다 '적합성'이 관건

한국 의료 현장에서 인공지능(AI) 도입이 지연되는 근본 원인이 기술력 부족이나 의료진의 보수성이 아닌, 역설적으로 세계 최고 수준을 자랑하는 국내 의료 시스템의 고효율 구조에 있다는 분석이 나왔다. 연세대학교 의과대학 의생명시스템정보학교실 유승찬 교수는 보건산업진흥원 보고서를 통해 한국 의료의 AI 전환이 직면한 구조적 한계를 지적하며 정책 패러다임의 전환을 촉구했다. 유 교수의 분석에 따르면 한국 의료는 저수가와 빠른 진료 속도, 높은 병상 회전율을 특징으로 하는 최소 인력 및 비용 구조를 유지해 왔다. 이러한 극한의 효율화 환경에서는 AI가 제공하는 추가적인 효율 개선 효과가 미미하게 느껴질 뿐만 아니라, 오히려 데이터 입력 지연이나 확인 절차의 복잡성이 기존 업무 흐름을 저해하는 요소로 인식된다. 결과적으로 의료 현장에서 AI는 반드시 도입해야 할 필수 기술이 아닌, 업무 부담을 가중시키는 부가적인 도구에 머물고 있다는 진단이다. 그럼에도 불구하고 고령화로 인한 만성질환 급증과 필수 의료 인력의 불균형 문제는 기존 고효율 모델의 지속 가능성을 위협하고 있다. 유 교수는 의료 AI가 단순한 기술적 보조를 넘어 의료 시스템의 붕괴를 막기 위한 필수 인프라로 재정의되어야 한다고 강조했다. 특히 현재의 AI 정책이 고성능 및 대규모 모델 개발에 치중되어 있다는 점을 우려했다. 막대한 연산 자원과 운영 비용이 발생하는 대형 모델은 저수가 기반의 병원 환경에서 경제적 타당성을 확보하기 어렵기 때문이다. 대안으로 제시된 방향은 현장 수용성과 지속 가능성에 초점을 맞춘 표준 구조의 확산이다. 유 교수는 EHR 기종에 구애받지 않는 FHIR 기반 아키텍처의 의무화와 더불어, 공공 및 민간 병원에서 상시 운영이 가능한 소형 언어모델(sLLM) 중심의 정책 전환이 필요하다고 제언했다. 또한 국가 차원의 의료 전용 클라우드와 GPU 인프라 지원을 통해 개별 병원의 비용 부담을 완화해야 한다는 점도 덧붙였다. 결국 의료 AI의 성공적인 안착은 기술의 우수성 증명이 아니라, 이미 최적화된 의료 환경에서 추가적인 부담 없이 작동할 수 있는 적합성을 확보하는 데 달려 있다. 유 교수는 기술 설계 단계부터 의료 및 행정 인력이 참여하는 거버넌스 구축의 중요성을 역설하며 "Why Not"이라는 질문을 통해 고효율 체계의 한계를 직시하고 혁신의 조건을 구체화해야 한다고 밝혔다.