AI 판독 보조 기술은 이미 상당한 수준으로 성숙해 있습니다.
PART 1에서 살펴본 것처럼, 전문가들은 AI의 임상적 가치를 인정하고 있습니다.
그런데 실제 병원 현장에서의 도입은 왜 더디게 느껴질까요? 유럽 전문가들은 기술 자체보다 행정, 경제, 신뢰 등과 같은 그 바깥의 문제가 더 큰 장벽이라고 지적합니다. 본 글에서는 AI 도입의 현실적 과제와 그 해법을 정리합니다.
장벽 1: 행정적·규제적 복잡성
새로운 소프트웨어를 병원 시스템에 도입하려면 IT 부서 설득, 개인정보 보호 규정 확인, 규제 절차 이행 등 다양한 행정적 과정을 거쳐야 합니다. Marie-Pierre Revel 교수는 이 과정 자체가 도입의 큰 장벽이라고 지적합니다.
“IT 관리자를 설득하고, GDPR 문제가 없다는 것을 설명하는 과정 자체가 도전입니다. 행정적·규제적 절차는 실제 도입 과정에서 큰 도전 과제로 작용합니다.”
— Marie-Pierre Revel, 파리 대학교 코생 병원 영상의학과 교수
장벽 2: 경제적 모델의 부재
AI 도구를 임상에 활용하는 것은 무료가 아닙니다. 소프트웨어 라이선스, 인프라 구축, 운영 비용에 대한 명확한 경제적 모델이 필요합니다.
“우리가 종종 과소평가하는 부분이 있습니다. 결국에는 AI 도입에 대한 명확한 경제적 모델을 마련해야 한다는 점입니다. AI 활용이 무료일 수는 없습니다.”
— Marie-Pierre Revel, 파리 대학교 코생 병원 영상의학과 교수
이러한 경제적 과제는 독일에서 돌파구를 찾고 있습니다. Jens Vogel-Claussen 교수는 독일의 사례를 통해 수가 체계의 변화가 도입 장벽을 해소할 수 있다고 설명합니다.
“2026년 4월부터 AI를 활용한 폐암 검진이 공공 보험으로 보장됩니다. 폐암 검진에서 AI 활용이 처음으로 공식적으로 보상 체계에 포함된다는 의미입니다.”
— Jens Vogel-Claussen, 독일 샤리테 대학병원 영상의학과장
| 한국의 상황: 평가유예 신의료기술 제도
한국에서도 AI 판독 보조 수가화가 진행되고 있습니다.
평가유예 신의료기술 제도를 통해 정식 평가 전 한시적 비급여 선진입이 가능해졌으며, 흘부 CT AI 분석 기술이 이미 선정된 바 있습니다. 독일의 공공 보험 적용과 한국의 비급여 선진입은, 글로벌적으로 AI 수가화가 가속화되고 있다는 공통된 흐름을 보여줍니다.
장벽 3: AI에 대한 신뢰와 품질 보증
AI 시스템을 이미 신뢰할 수 있는지에 대한 확신 없이 사용하기란 쉬운 일이 아닙니다.
“우리는 이러한 도구를 사용하는 데 있어 선입견적 주저함을 가질 수 있습니다. 무엇보다 그 시스템을 신뢰할 수 있는지에 대한 확신이 필요합니다.”
— Martine Remy-Jardin, 프랑스 흉부 영상의학 전문의, 플라이슈너 협회(Fleischner Society) 2027년 차기 회장
“현재 다양한 AI 시스템이 존재하며, 각 시스템마다 성능과 품질 수준에 차이가 있습니다. 하지만 아직 유럽에는 공식적인 품질 보증 체계가 마련되어 있지 않습니다.”
— Jens Vogel-Claussen, 독일 샤리테 대학병원 영상의학과장
반면, 조직적 지원이 있는 환경에서는 도입 장벽이 크게 체감되지 않는다는 사례도 있습니다.
“저희 부서에는 7명의 의공학 및 데이터 엔지니어가 함께하고 있으며, AI 도구를 임상 워크플로우에 효과적으로 도입하는 데 큰 도움을 주고 있습니다.”
— Luis Gorospe, 마드리드 라몬 이 카할 대학병원 전문의
[인터뷰 영상으로 살펴보기]
| PART 2 요약
AI 도입의 진짜 장벽은 기술이 아닌 행정적 복잡성, 경제적 모델의 부재, 그리고 시스템 신뢰의 문제입니다. 독일의 공공 보험 적용과 한국의 평가유예 제도는 수가 장벽이 해소되고 있는 글로벌 흐름을 보여줍니다.
➤ PART 3에서는 폐암 검진 현장에서 AI가 실제로 어떻게 생명을 구하고 있는지를 임상 근거와 함께 살펴봅니다.
⚠ 인용 부분 안내: 본 문서에 수록된 전문가 발언은 각 인터뷰이의 학술적·임상적 견해이며, 특정 제품에 대한 보증 또는 추천을 의미하지 않습니다.
AI 기반 소프트웨어는 진단을 대체하지 않으며, 최종 판단은 전문의가 수행합니다.
목록으로
