[메디칼타임즈=임수민 기자] 중동전쟁 여파로 불거진 의료제품 수급 불안정이 점차 안정세를 찾아가는 모양새다. 정부는 불안정이 완전히 해소될 때까지 의료제품 생산에 원료 공급을 최우선으로 지원하는 조치를 7월까지 이어간다는 방침이다.보건복지부는 2일 서울 중구 콘퍼런스 하우스 달개비에서 12개 보건의약단체, 산업통상자원부, 식품의약품안전처와 함께 '중동전쟁 대응 제10차 보건의약단체 회의'를 개최하고 주사기 등 의료제품 공급에 차질이 없는지 병의원 등 현장 상황을 점검했다.정부가 의료제품 생산에 원료 공급을 최우선으로 지원하는 조치를 7월까지 이어간다고 밝혔다.건강보험심사평가원이 지난 5월 26일부터 29일까지 실시한 '의료제품 재고량 4차 조사' 결과에 따르면, 현재 병원급 의료제품 재고는 전년 대비 품목별로 100~126% 수준을 기록하며 안정세를 유지하고 있는 것으로 나타났다.지난 1차 조사 당시 일부 품목이 84%까지 떨어졌던 것과 비교하면 정부와 업계의 대응으로 비축량이 크게 회복된 수치다.개원가의 의료제품 구매 환경도 전쟁 이전 수준으로 전격 완화된다. 의원 및 한의원급 의료기관이 주로 이용하는 직역단체 운영 온라인 몰의 판매 방식이 정상화되면서 일선 의료현장의 숨통이 트일 전망이다.대한의사협회가 운영하는 '의사장터'는 주사기 공급 대상을 전체 의원급으로 확대하고, 대한한의사협회의 'AKOM몰'은 그간 제한 조치가 적용됐던 부항컵의 구매 횟수 제한 조건을 삭제하기로 했다.정부와 보건의약단체는 이번 수급 안정화의 핵심 요인으로 보건의료 분야에 대한 최우선적 원료 공급 조치를 꼽았다.그간 정부는 중동전쟁 발발 이후 수액제 포장재, 주사기·주사침, 약포지 및 투약병 등의 원료를 우선 공급하도록 조치했으며, 주사기 매점매석 고시 및 치료재료 환율 기준등급 개선 등을 연이어 시행한 바 있다.복지부 이형훈 제2차관은 "의료제품 원료를 공급하는 석유화학 회사의 설비 가동률이 중동전쟁 전 수준으로 회복하고 있다"며 "6~7월에도 의료제품 생산에 대한 원료 공급 최우선 조치는 계속될 예정"이라고 강조했다.이어 "정부는 앞으로도 의료제품 수급 상황을 면밀히 주시하면서, 이 상황이 완전히 종료될 때까지 빈틈없는 대비 태세를 이어가겠다"고 밝혔다.

[메디칼타임즈=임수민 기자] 정부가 광주·전남 지역에서 효과를 입증한 '응급환자 이송체계 혁신 시범사업'을 오는 9월부터 전국으로 조기 확대한다.이와 함께 응급의료체계 내에서 사각지대로 지적받아온 임산부 및 신생아를 위해 전국적인 '모자의료 협력 네트워크' 구축을 의무화하고, 참여 의료기관에는 분만 및 신생아 중환자실(NICU) 수가를 '대폭' 가산하는 파격적인 보상책을 꺼내 들었다.보건복지부 이중규 공공보건정책관은 최근 복지부 전문기자협의회를 통해 이 같은 내용의 '모자의료 및 응급이송체계 개편 방향'을 밝혔다.이중규 공공보건정책관이  '모자의료 및 응급이송체계 개편 방향'을 설명하고 있다.■ "응급실 거치지 않는 임산부"…전국 모자의료 네트워크 의무화·페널티 부과정부는 고위험 산모와 신생아가 응급 상황에서 병원을 찾지 못해 헤매는 이른바 '응급실 뺑뺑이'를 막기 위해 전국적인 모자의료 협력 네트워크를 강제화하기로 했다.임산부의 경우 통상 응급실을 거치지 않고 분만 병원으로 직행하며, 조산 시에는 신생아 중환자실이 필수적이다. 이 때문에 기존 응급의료체계 내에서 별도 관리가 필요하다는 지적이 꾸준히 제기돼 왔다.이중규 정책관은 "광주·전라 시범사업 당시 환자 분류체계인 Pre-KTAS 3단계에 임산부를 포함했으나, 현장에서는 응급체계에 완전히 넣기엔 애매하지만 응급이 아닌 것도 아니라 사고 위험이 크다는 의견이 많았다"며 "새로운 체계를 만들기보다 기존 시스템을 활용한 협력 네트워크를 구축하기로 결정했다"고 설명했다.네트워크의 핵심은 '환자 정보의 사전 공유'와 '주치의 책임제'다. 다니던 산부인과에서 고위험 산모(고령, 임신중독증, 당뇨 등)의 정보를 지역·권역센터에 미리 공유해 두면, 비상 상황 발생 시 주치의가 네트워크를 통해 센터에 환자 상태를 설명하고 전원을 요청하는 방식이다.권역에서 해결이 불가능할 경우 중앙모자의료센터가 컨트롤타워가 되어 전국 단위로 병원을 수배하게 된다.현재 9개 권역 중 충청권, 전북권, 제주권은 센터만 지정됐을 뿐 협력 네트워크가 전무한 상태다. 이에 정부는 강력한 페널티 카드를 꺼내 들었다.이 정책관은 "협력 네트워크 구성을 의무화할 계획"이라며 "네트워크를 구축하지 않는 권역센터는 지역센터로 강등하는 등의 강력한 패널티를 부여해서라도 강제하겠다"고 강조했다.의료전달체계 역시 산모의 중증도(임신 주수)에 따라 명확히 정립된다.역할을 완수한 기관에는 파격적인 사후보상이 따른다. 정부는 분만 수가를 '대폭' 가산하고, 이와 함께 신생아 중환자실(NICU) 입원 수가도 대폭 상향할 방침이다.이 정책관은 "정확한 수치는 미정이지만 '대폭 확대'는 확실하다"며 "특히 NICU 입원 수가는 '일' 단위로 계산되기 때문에 의료기관이 체감하는 보상 폭은 더욱 클 것"이라고 전했다.보건복지부가 응급환자 이송체계 혁신 시범시업을 전국으로 확대한다.■ "일평균 중증 사망 1명 감소"…이송체계 혁신 모델, 9월 전국 확대한편, 호남권에서 시행됐던 '응급환자 이송체계 혁신 시범사업'은 기대 이상의 성과를 거두며 당초 예정보다 빠르게 전국으로 확대 적용된다.복지부는 당초 3~5월 시범사업 후 6월 한 달간 평가를 거쳐 확대 여부를 검토할 예정이었으나, 수치로 증명된 거시적 효과에 조기 확대를 전격 결정했다.시범사업 전후 주요 지표 변화를 살펴보면 중증환자(Pre-KTAS 1,2) 사망자 수는 전년 대비 일평균 1명 감소한 것으로 나타났다.권역 응급·외상센터 수용률 또한 전남·광주·전북 지역 6개 센터에서 일평균 10명이 증가했다.이 정책관은 "시작한 지 얼마 되지 않았음에도 중증 환자를 살리고 소생 수용률이 높아지는 확실한 결과가 나왔다"며 "올해 안에 전국 확대를 목표로 6월부터 즉각 준비에 돌입한다"고 밝혔다.이어 "정부는 6~7월 중 지자체별로 지역 맞춤형 지침 마련을 요청하고, 8월 중 준비 상황을 점검한 뒤 오는 9월부터 준비가 완료된 지역을 중심으로 동시 시행할 계획이다.

[메디칼타임즈=임수민 기자] 정부가 K-바이오 분야의 신산업 성장을 가속화하고 글로벌 시장 주도권을 선점하기 위해 대대적인 규제 패러다임 전환에 나섰다.보건복지부는 지난 1년간 K-바이오산업 성장을 가로막는 규제를 개선하고, 규제 정책 기조를 지원·육성 중심으로 개편했다고 1일 밝혔다. 특히 이번 규제 혁신의 핵심은 첨단재생의료 및 의료데이터 활용의 활성화, 그리고 바이오 메가특구 내 혁신적인 규제특례 부여 등이 핵심 내용이다.보건복지부가 K바이오 산업 촉진을 위해 기존의 규제 중심 정책을 개편하고 있다.■ 중대·난치질환 넘어 범위 확대…첨단재생의료 치료 문턱 낮춘다그동안 첨단재생의료는 줄기세포 치료가 가능함에도, 치료 범위가 중대·희귀·난치 질환으로 엄격히 제한돼 왔다. 게다가 중·저위험 임상연구임에도 고위험 수준의 과도한 비임상 자료를 요구하는 등 현장의 규제 장벽이 높다는 지적이 적지 않았다.이에 복지부는 연구현장에서 난치질환 여부를 보다 유연하게 판단할 수 있도록 82개 질환의 예시를 제공하는 한편, 중·저위험 연구에 대해서는 고위험 수준의 비임상자료를 원칙적으로 요구하지 않도록 지침을 완화했다.이번 조치로 만성통증이나 근골격계 등 그간 해외 원정치료가 빈번했던 질환에 자가 줄기세포 등을 활용하는 임상연구가 가능해지면서 실질적인 국내 치료의 길이 열렸다. 국내 연구결과가 없더라도 이미 검증된 해외 임상시험 및 연구 결과를 활용해 치료할 수 있도록 허용한 점도 주목할 만하다.아울러 지난 4월 23일 국회 본회의를 통과한 '첨단재생바이오법' 개정안을 통해 인체세포 등의 정의에 유전물질을 추가하며 생체 내 유전자치료를 첨단재생의료 범위에 포함시켰다. 이와 함께 세포처리시설의 업무 범위에 해외 인체세포 등 원료물질의 '수입'까지 허용하면서, 환자들이 치료를 위해 굳이 해외로 나가지 않고도 국내에서 폭넓은 임상연구와 치료를 받을 수 있는 환경이 조성됐다.■ 사망자 데이터 활용 명확화 및 건강보험 빅데이터 원격분석 추진의료데이터 활용을 가로막던 불명확한 기준도 정비했다. 신약 효과 검증의 중요 지표인 사망자 의료데이터는 유족 관련 내용이 포함되지 않는 한 원칙적으로 개인정보 보호법 적용 대상이 아님을 명확히 하고, 식별 방지 조치를 강화한 '저위험 가명데이터셋'을 개발해 현장 혼란을 해소했다.정부는 국가균형성장 전략과 연계해 바이오 메디특구를 조성하고 규제특례를 부여했다.또한, 산업계 연구자가 건강보험 빅데이터를 분석하기 위해 직접 분석센터를 방문해야 했던 불편을 개선하기 위해 온라인 원격접속이 가능한 '원격분석 안전성 평가 시범사업'을 추진한다.올해 1월부터 6월까지 1차 시범사업을 진행한 후, 평가를 거쳐 7월부터 2차 시범사업을 이어갈 예정이다.또한 정부는 '5극 3특' 국가균형성장 전략과 연계해 바이오 메가특구를 조성하고, 기업과 지방정부가 필요한 규제완화 항목을 선택해 빠르게 적용할 수 있는 '메뉴판식 규제특례'를 부여한다.우선, 법적 근거가 없어 도입이 어려웠던 분산형 임상시험을 특구 내에서 허용한다. 안전성이 확보된 허가 의약품을 대상으로 참여자가 자택에서 착용형(웨어러블) 기기로 데이터를 전송하거나 직접 투약을 기록하는 행위를 임상 절차로 인정해 임상시험의 신속성을 높인다.동시에 첨단의료복합단지 내 의약품·의료기기 생산시설 설치 제한을 기존 5000㎡ 이하에서 1만5000㎡ 이하로 3배 완화한다. 그동안 금지됐던 건강기능식품과 기능성화장품의 단지 내 생산시설 설치도 허용해 대규모 투자를 유도한다.지역 자체 심의위 운영 및 요건 완화: 중앙 심의위원회의 획일적 절차 대신 '지역 자체 첨단재생바이오 심의위원회'와 별도 안전관리기관 운영을 허용해 심의를 간소화한다. 치료계획 심의 시 기존 임상연구 성과뿐 아니라 국내외 임상시험 자료까지 확대 인정하기로 했다.보건복지부 정은경 장관은 "그간 활성화되지 못했던 첨단재생의료 치료의 문턱을 낮춰 환자들의 새로운 치료 기회를 넓히고 있다"며 "바이오 메가특구를 중심으로 과감한 메뉴판식 규제특례를 차질 없이 도입해 기업의 선제적 투자를 활성화하고, 대한민국이 글로벌 바이오헬스 시장을 선도하는 중심국가로 도약할 수 있도록 적극 뒷받침하겠다"고 강조했다.

의료 AI와 임상 역량의 퇴화(상-클릭)에 이어서 연재합니다. 마지막에는 설문조사가 있으니 한번씩 참여를 부탁드립니다.05  윤리·법·사회적 쟁점윤리. 기술만 퇴화하는 것이 아니다[메디칼타임즈=유소영 교수-아산병원]De-skilling의 문제는 기술적 숙련에만 머물지 않습니다. 의료에서 더 중요한 것은 판단의 습관, 책임의 감각, 환자를 직접 읽어내는 능력이 함께 약화될 수 있다는 점입니다. 철학자 Shannon Vallor는 '도덕적 de-skilling(moral deskilling)'이라는 개념을 통해, 자동화가 인간의 도덕적 판단 연습을 줄일 때 사라지는 것은 단순한 지식이나 기능이 아니라 도덕적 판단을 형성하는 습관 자체라고 지적했습니다[7]. 의료에서 이 문제는 특히 중요합니다. AI가 치료 방침을 제안할 때, 의사가 "이 환자에게 이것이 적절한가", "이 선택이 환자의 가치와 상황에 맞는가", "내가 이 판단의 책임을 질 수 있는가"를 스스로 묻는 빈도가 줄어든다면, 약화되는 것은 임상 지식만이 아닙니다. 의사로서 책임 있게 판단하는 방식 자체가 약해질 수 있습니다.Cabitza는 이와 관련해 '기호적 de-skilling(semiotic deskilling)'을 논의합니다[7]. 이는 환자의 표정, 호흡, 자세, 피부색, 말의 속도, 불안의 정도처럼 숫자와 영상으로 완전히 환원되지 않는 임상적 징후를 읽어내는 능력이 약화될 수 있다는 문제입니다. 의료 AI는 검사 결과와 데이터 패턴을 더 빠르게 분석할 수 있지만, 환자의 몸과 말, 침묵과 표정이 전하는 의미를 모두 대신 읽어 주지는 못합니다. 의사가 화면의 경고와 수치에 더 오래 머물수록, 환자를 직접 관찰하고 해석하는 시간은 줄어들 수 있습니다. 이것은 단순한 기술 변화가 아니라, 의사와 환자 사이의 관계가 어떻게 재구성되는가의 문제입니다.법. 책임은 여전히 인간에게 남아 있는가법적 쟁점은 더 복잡합니다. 의료 AI가 임상 현장에 들어올수록 의사는 두 방향의 압력을 동시에 받게 됩니다.한쪽에서는, 검증된 AI 도구가 널리 사용되고 표준적 진료 흐름의 일부가 될 경우, 이를 전혀 고려하지 않은 진료가 향후 합리적 의료의 기준에 미치지 못한다고 평가될 가능성이 있습니다. 미국 법학원(American Law Institute)은 2024년 의료과오법 Restatement를 승인하면서, 의료과오 판단에서 단순한 관행(customary practice)보다 합리적 의료(reasonable medical care)와 근거 기반 판단을 더 중시하는 방향을 제시했습니다[15]. 이는 AI가 충분히 검증되고 임상적으로 유용한 도구로 자리 잡는다면, 언젠가는 "합리적 의사라면 AI를 어떻게 고려했어야 하는가"가 법적 쟁점이 될 수 있음을 시사합니다.다른 한쪽에서는, 의사가 AI를 사용했다는 사실만으로 책임이 면제되지는 않습니다. 미국 의료면허위원회(FSMB)는 2024년 4월 채택한 보고서에서 "의사가 AI를 사용하기로 선택한 순간, AI 권고에 대한 적절한 응답의 책임을 진다"고 명시했습니다[16]. 즉 AI 권고를 따랐는지, 따르지 않았는지보다 더 중요한 것은 의사가 그 권고를 어떤 근거로 검토했고, 자신의 임상 판단에 어떻게 반영했는지를 설명할 수 있는가입니다. 단순히 "AI가 그렇게 제안했다"는 말만으로는 전문직 책임을 대체하기 어렵습니다. 단순히 AI의 권고를 따랐다는 것만으로는 표준 치료(standard of care)를 충족하지 못할 수 있다는 명시적 경고입니다[16]. 한편 미국의사협회(AMA)는 의사 단독 책임이 아니라 개발사·의료기관과의 '공동 책임' 입장으로 일부 이견을 표명하고 있어, 책임 분배 논의는 현재 진행형입니다.이 지점에서 의료 AI의 법적 긴장이 생깁니다. AI가 충분히 유용한 도구로 인정되면, 의사는 AI를 전혀 고려하지 않은 데 대해 설명을 요구받을 수 있습니다. 반대로 AI를 사용했다면, AI의 오류를 왜 발견하지 못했는지, 왜 그 권고를 수용했는지, 왜 거부했는지를 설명해야 할 수 있습니다. 문제는 장기적 AI 의존이 바로 그 설명과 검토의 능력, 즉 AI의 오류를 식별하고 독립적으로 판단하는 능력을 약화시킬 가능성이 있다는 점입니다.따라서 의료 AI의 책임 문제는 단순히 "최종 책임은 의사에게 있다"는 문장만으로 해결되지 않습니다. 의사, 의료기관, AI 개발사, 배치·운영 책임자, 인허가 및 사후관리 체계가 각각 어떤 의무를 부담해야 하는지 더 정교하게 나누어야 합니다. 특히 AI가 의료인의 판단 방식과 역량 형성에 영향을 미칠 수 있다면, 책임 법리도 개별 사건의 과실 판단을 넘어 교육, 배치, 모니터링, 사용자 훈련의 책임까지 함께 고려해야 합니다.사회. 의사-환자 관계의 변형의료 AI가 바꾸는 것은 의사의 기술과 법적 책임만이 아닙니다. 환자가 의사를 신뢰하는 방식도 달라질 수 있습니다.환자 신뢰의 중요한 기반 중 하나는 "내 의사가 나를 직접 보고, 내 상황을 이해하고, 나를 위해 판단한다"는 감각입니다. 물론 현대 의료는 이미 검사, 영상, 알고리즘, 전자의무기록에 깊이 의존하고 있습니다. 그러나 AI가 진단과 치료 선택지까지 제안하기 시작하면, 환자는 의사의 판단이 어디까지 의사의 것인지, 어디서부터 시스템의 제안인지 묻게 됩니다. 이 질문에 충분히 답하지 못하면 환자 신뢰는 약해질 수 있습니다.Dias Duran은 de-skilling이 환자 신뢰를 약화시키고, 환자를 개별적 존재가 아니라 데이터 패턴의 사례로 보게 만들 위험을 지적했습니다[7]. 이 우려는 의료 AI에서 특히 중요합니다. AI는 환자를 과거 데이터 속 유사한 사례와 비교해 분류합니다. 그 자체가 잘못은 아닙니다. 문제는 의사까지 환자를 "이 모델이 분류한 유형으로만 보기 시작할 때 발생합니다. 환자의 삶, 선호, 두려움, 돌봄 환경, 말로 표현되지 않는 맥락이 판단에서 밀려날 수 있기 때문입니다.NEJM AI에 발표된 역사적 관점의 논문은 이 논의를 더 넓은 맥락에 놓습니다[17]. De-skilling에 대한 불안은 의학사에서 처음 등장한 것이 아닙니다. 교과서, 포켓 가이드, 전자의무기록, 임상 의사결정 지원 도구가 도입될 때마다 의사의 기억, 판단, 숙련이 약해질 수 있다는 우려가 제기되었습니다. 그러나 의료 AI는 이전 도구들과 다른 지점을 갖습니다. 이전 도구들이 주로 정보를 저장하고 제공했다면, AI는 점점 더 판단의 후보를 생성하고, 선택지를 제안하며, 의사의 사고 흐름에 직접 개입합니다.따라서 의료 AI의 사회적 쟁점은 "AI를 쓰는가, 쓰지 않는가"가 아닙니다. 핵심은 AI가 개입한 진료에서도 환자가 여전히 의사의 책임 있는 판단을 경험할 수 있는가입니다. 환자는 AI가 배제된 진료를 요구하는 것이 아니라, AI가 사용되더라도 자신의 의사가 그 결과를 이해하고, 검토하고, 자신의 상황에 맞게 해석하며, 최종적으로 책임 있게 설명해 주기를 기대합니다.결국 윤리·법·사회적 쟁점은 하나의 질문으로 모입니다. 의료 AI가 의사의 판단을 보조할수록, 우리는 무엇을 보존해야 하는가. 보존해야 할 것은 단순히 AI 없이 일할 수 있는 기술만이 아닙니다. 환자를 직접 읽는 감각, 스스로 판단하는 습관, 판단의 이유를 설명하는 능력, 그리고 그 판단에 책임지는 전문직의 태도입니다.06  한국 맥락. 의료 AI 거버넌스의 빈칸: 역량, 수련, 책임한국은 의료 AI를 비교적 빠르게 임상 현장에 도입하고 있는 국가입니다. 영상의학, 내시경, 병리, 중환자 예측, 진료기록 작성 보조, 환자 분류와 같은 영역에서 AI 기반 도구가 이미 의료기관 안으로 들어오고 있습니다. 높은 의료 접근성, 상급종합병원 중심의 대규모 임상 데이터, 디지털 인프라, 빠른 기술 수용성은 한국 의료 AI의 강점입니다.그러나 의료 AI의 진짜 과제는 도입 속도만으로 설명되지 않습니다. AI가 진료 효율을 높이는 도구로 확산될수록, 의료인의 판단이 어떻게 바뀌는지, 독립적 역량은 어떻게 유지되는지, 수련 과정에서 무엇이 형성되고 무엇이 생략되는지, AI가 틀리거나 중단되었을 때 의료 시스템이 어떻게 버틸 수 있는지를 함께 물어야 합니다.즉 한국의 의료 AI 논의는 이제 "AI를 도입할 것인가"에서 "AI와 함께 일하는 의료인의 역량을 어떻게 지킬 것인가"로 이동해야 합니다. 한국 맥락에서 중요한 쟁점은 다섯 가지입니다.쟁점 ① 제품 성능을 넘어, 사용자 영향 평가가 필요하다지금까지 의료 AI 평가는 주로 제품의 성능에 집중해 왔습니다. 진단 정확도, 민감도, 특이도, 임상적 유용성, 알고리즘의 안정성은 당연히 중요합니다. 그러나 의료 AI가 실제 진료 흐름 안으로 들어오면 평가의 단위는 알고리즘만으로 충분하지 않습니다. AI를 사용하는 의사, 간호사, 약사, 의료기사의 판단이 어떻게 바뀌는지도 함께 보아야 합니다.이 문제는 이미 국제적으로 현장의 관심사가 되고 있습니다. 미국 의사협회(AMA)가 1,692명의 의사를 대상으로 수행한 2026년 조사에서, 의사의 81%가 AI를 전문적으로 사용 중이며(2023년의 약 2배), 88%가 AI로 인한 임상 역량 저하(skill loss)를 어느 정도 우려한다고 응답했습니다. 특히 70%는 현재 수련 중인 의대생과 전공의의 역량 저하를 우려했고, 본인의 역량 저하를 우려하는 비율은 전체 28%였으나 경력 10년 이하의 초기 경력 의사에서는 35%로 더 높았습니다[22]. 2026년 Wolters Kluwer 조사에서도 5년 미만 경력의 신규 의료진이 deskilling을 상위 우려로 선택한 비율이 전체 평균보다 높았습니다[10]. 디지털 네이티브 세대의 의료진이 AI를 자연스럽게 수용하면서도, 자신의 역량 형성에 대해 더 민감하게 반응하고 있다는 신호입니다. 한편 Doximity의 2026년 보고서는 15개 진료과에 걸쳐 AI 사용과 관심이 빠르게 확산되고 있음을 보여주는 자료로, AI 사용 확산의 근거로 참고할 수 있습니다. 이 신호들은 한국의 정책 결정자가 주목해야 할 대목입니다.국내 상황도 이 흐름과 무관하지 않습니다. 한국보건산업진흥원의 2025년 조사에서도 국내 의사들의 AI 사용 경험은 이미 상당한 수준으로 나타났고, 활용 영역은 영상 판독, 진단 보조, 질병 선별에 집중되어 있었습니다[24]. 동시에 법적 책임의 불명확성, 기관 내 가이드라인 부족, 교육 경험 부족이 주요 문제로 제기되었습니다[24]. 이는 한국의 의료 AI 논의가 단순한 기술 채택 단계를 넘어섰음을 보여줍니다.앞으로 필요한 질문은 더 구체적이어야 합니다. 이는 한국의 의료 AI 논의가 단순한 기술 도입 단계를 넘어, 책임·교육·역량 유지의 문제로 이동해야 함을 보여줍니다. AI를 사용한 뒤 의사의 진단 정확도는 높아지는가. AI가 부정확할 때 의사는 그 오류를 알아차리는가. AI 권고를 수용하거나 거부한 근거가 기록되는가. AI 사용이 반복될수록 AI 없이 수행하는 기본 역량은 유지되는가. 이것이 의료 AI의 사용자 영향 평가입니다.쟁점 ②  AI 기본법은 출발점이지만, 의료인의 역량 유지까지 직접 다루지는 않는다2026년 1월 22일 시행된 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」, 즉 AI 기본법은 한국 의료 AI 거버넌스에 중요한 제도적 출발점을 제공합니다. 이 법은 인공지능의 발전을 촉진하는 동시에 안전성과 신뢰성을 확보하기 위한 기본 틀을 마련합니다. 의료 AI와 관련해 특히 중요한 부분은 고영향 인공지능에 관한 규율입니다.AI 기본법은 사람의 생명·신체 안전 및 기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 인공지능을 고영향 인공지능으로 봅니다. 보건의료의 제공 및 이용체계, 의료기기와 디지털의료기기의 개발·이용 영역도 고영향 인공지능 판단과 관련된 영역에 포함됩니다. 다만 의료 분야에서 사용된다는 이유만으로 모든 의료 AI가 자동으로 고영향 인공지능이 되는 것은 아닙니다. 실제 사용 목적, 환자 안전에 미치는 영향, 기본권 침해 가능성, 의료인의 판단에 미치는 정도 등을 함께 고려해 판단해야 합니다.고영향 인공지능에 해당할 경우, 사업자는 안전성·신뢰성 확보, 위험관리, 이용자 고지, 이용자 보호와 관련된 조치를 갖추어야 합니다. 고영향 인공지능을 이용한 제품이나 서비스에 대해서는 기본권에 미치는 영향을 평가하기 위한 노력도 요구됩니다. 이는 의료 AI가 단순한 소프트웨어 제품이 아니라, 환자 안전과 의료인의 판단에 영향을 미칠 수 있는 사회기술 시스템으로 다루어져야 한다는 점을 보여줍니다.그러나 AI 기본법만으로 의료 AI의 de-skilling 문제가 해결되는 것은 아닙니다. AI 기본법은 고영향 AI 시스템을 어떻게 안전하고 신뢰할 수 있게 관리할 것인가에 초점을 둡니다. 반면 de-skilling 문제는 그 시스템을 사용하는 의료인의 판단 역량이 시간이 지나며 어떻게 변화하는가를 묻습니다. AI가 안전하게 설계되었더라도, 의료인이 장기간 AI에 의존하면서 AI의 오류를 식별하고, 필요할 때 거부하며, AI 없이도 핵심 판단을 수행할 능력을 유지하는지는 별도의 문제입니다.따라서 의료 AI 거버넌스는 AI 기본법의 안전성·신뢰성 관리 틀에서 한 걸음 더 나아가야 합니다. 제품 차원에서는 디지털의료제품법과 식약처 인허가 체계가 성능과 안전성을 평가해야 합니다. 기관 차원에서는 의료기관이 AI 사용 교육, 사용 로그, 오류 대응 절차, 사후 모니터링 체계를 갖추어야 합니다. 전문직 차원에서는 대한의학회와 각 전문학회가 AI 없는 기본 역량과 AI 활용 역량을 함께 평가하는 수련 기준을 마련해야 합니다.쟁점 ③ 인허가는 제품을 보지만, 임상 배치는 인간-AI 팀을 본다식품의약품안전처는 인공지능 기반 디지털의료기기 허가·심사 가이드라인을 발전시켜 왔고, 생성형 AI 의료기기의 특성을 다루는 허가·심사 가이드라인도 마련했습니다. 디지털의료제품법은 디지털의료기기, 디지털융합의약품, 디지털의료건강지원기기 등 새로운 제품군을 포괄하는 규제 체계를 마련했다는 점에서 의미가 큽니다.다만 인허가 단계의 질문과 임상 배치 단계의 질문은 다릅니다. 인허가 단계에서는 제품이 안전하고 유효한지, 성능이 적절한지, 임상적 유용성이 있는지를 봅니다. 그러나 실제 임상 배치 단계에서는 그 제품이 의료진의 판단 흐름 안에서 어떻게 작동하는지, 자동화 편향을 유발하지 않는지, 사용자의 독립적 판단을 약화시키지 않는지, 오류가 발생했을 때 누가 어떻게 대응하는지를 보아야 합니다.따라서 의료 AI 관리는 "제품 성능 평가"에서 "인간-AI 팀 성능 평가"로 확장되어야 합니다. AI가 단독으로 얼마나 정확한가만 볼 것이 아니라, AI와 함께 일하는 의료진의 판단이 실제로 더 좋아지는가, AI가 틀렸을 때 의료진이 그 오류를 발견할 수 있는가, AI 없이도 핵심 판단을 수행할 수 있는가를 함께 평가해야 합니다.이 관점은 시판 후 감시에도 반영되어야 합니다. 알고리즘 성능 저하나 데이터 드리프트만 추적할 것이 아니라, AI 권고 수용률, 오류 발견률, AI 비사용 상황의 대체 역량, 사용자 교육 이수와 실제 판단 변화까지 함께 모니터링하는 체계가 필요합니다.쟁점 ④ 한국 의료 AI의 빠른 임상 진입과 추적 연구의 필요성한국 의료 AI는 영상의학·내시경·병리 분야에서 빠른 속도로 임상에 진입하고 있습니다. 영상의학 분야에서는 루닛(Lunit INSIGHT CXR, MMG, DBT), 뷰노(뷰노메드 본에이지, 펀더스 AI, 딥브레인, 체스트 엑스레이, 딥카스 등), 코어라인소프트, 제이엘케이, 딥노이드, 메디컬에이아이 등 다수 기업이 식약처 인허가를 받은 제품을 상급종합병원과 검진센터에 공급하고 있습니다. 내시경 분야에서는 웨이센의 웨이메드 엔도(WAYMED Endo)가 국내 최초 AI 소화기 내시경 소프트웨어로 식약처 2·3등급 인허가와 제37호 혁신의료기기 지정을 획득하여 이대서울병원, 강남세브란스병원, 국민건강보험 일산병원, 강릉아산병원 등 다수 의료기관에서 사용되고 있습니다.보건복지부와 건강보험심사평가원은 「혁신적 의료기술의 요양급여 여부 평가 가이드라인」을 2022년 개정하여 AI 기반 의료기술(영상의학·병리학)의 신의료기술 평가 경로를 정비했고, 루닛 인사이트 MMG는 평가 유예 신의료기술로 선정되었으며 뷰노메드 펀더스 AI는 혁신의료기기 통합심사·평가 승인을 받았습니다. AI 의료기기의 임상 진입을 지원하는 제도적 기반은 점진적으로 정비되고 있습니다.다만 폴란드 ACCEPT 연구에서 확인된 내시경의 deskilling 현상[1]이 한국 임상 환경에서도 동일하게 나타나는지를 체계적으로 추적하는 국내 다기관 코호트 연구는 아직 보고되지 않았습니다. 한국이 의료 AI 임상 도입의 선도 국가 중 하나인 만큼, 이 추적 연구의 부재는 국제 학계에 기여할 수 있는 한국 데이터의 공백을 의미합니다. 보건복지부, 식약처, 의료 관련 학회, 그리고 의료기관이 협력하여 이러한 종단적 추적 체계를 구축할 필요가 있습니다.쟁점 ⑤ AI 기본법·의료법·디지털의료제품법의 책임 분배 정합성「의료법」 상 최종 진료기록 작성과 설명 책임은 의료인에게 귀속될 가능성이 큽니다. 그러나 AI 보조 환경에서 발생한 오류를 모두 의사 개인의 문제로만 설명하기는 어렵습니다. AI 개발사는 어떤 성능과 한계를 가진 제품을 만들었는가. 의료기관은 어떤 업무 흐름에 AI를 배치했는가. 사용자는 어떤 교육을 받았는가. 오류가 발생했을 때 로그와 근거는 남는가. 환자에게 AI 사용 사실과 한계는 어떻게 설명되었는가. 이 모든 요소가 책임 판단에 영향을 미칠 수 있습니다. 2024년 미국 의료면호위원회(FSMB)는 AI를 사용하는 의사가 AI 권고에 대해 적절히 대응하고, 그 판단 근거를 문서화해야 한다는 방향을 제시했습니다[16]. 반면 미국의사협회는 의사 개인에게만 책임을 집중시키기보다 개발사와 의료기관을 포함한 공동 책임의 필요성을 제기하고 있습니다. 이 논의는 한국에도 중요한 시사점을 줍니다.의료 AI의 책임 구조는 "의사가 최종 책임자"라는 문장만으로 충분하지 않습니다. 제품 개발, 인허가, 기관 배치, 사용자 교육, 사후 모니터링, 진료기록 문서화가 함께 연결되어야 합니다. 특히 AI 사용이 의료인의 판단 역량 자체에 영향을 미칠 수 있다면, 책임 논의는 개별 오진 사건을 넘어 수련, 배치, 교육, 감독 등 시스템과 거버넌스 책임까지 포함해야 합니다.종합. 의료 AI 거버넌스는 '제품'에서 '역량'으로 확장되어야 한다의료 AI의 거버넌스는 더 이상 제품의 성능과 안전성만으로 충분하지 않습니다. 알고리즘이 얼마나 정확한가, 허가 기준을 충족했는가, 임상적 유용성이 입증되었는가는 여전히 중요합니다. 그러나 de-skilling과 never-skilling의 문제는 그 다음 질문을 요구합니다. 그 AI를 사용하는 의료인의 판단은 실제로 더 좋아지는가. 그리고 AI 없이도 핵심 판단을 수행할 수 있는가.한국의 의료 AI 거버넌스는 이미 여러 제도적 축을 가지고 있습니다. AI 기본법은 안전성과 신뢰성의 큰 틀을 제시하고, 디지털의료제품법과 식약처 인허가 체계는 제품의 성능과 안전성을 평가합니다. 보건복지부와 건강보험심사평가원은 신의료기술 평가와 급여 판단을 담당하고, 의료기관은 실제 임상 배치를 결정합니다. 대한의학회와 각 전문학회는 수련과 전문직 역량의 기준을 마련합니다.문제는 이 제도들이 대부분 각자의 목적에 따라 움직인다는 점입니다. AI de-skilling은 어느 한 기관의 관할만으로 해결되기 어렵습니다. 제품 인허가, 임상 배치, 사용자 교육, 수련 기준, 진료기록 문서화, 시판 후 모니터링이 서로 연결되어야 합니다. 의료 AI 시대의 거버넌스는 알고리즘을 관리하는 체계에서, 알고리즘과 함께 일하는 인간의 역량을 관리하는 체계로 확장되어야 합니다.Wolters Kluwer가 2026년을 의료 AI 거버넌스의 해로 지목하면서 GenAI 확산과 임상 de-skilling 위험을 함께 언급한 것도 이 때문입니다[10]. 이제 필요한 것은 AI 도입 자체를 늦추는 것이 아니라, AI가 의료인의 판단을 어떻게 바꾸는지 추적하고, 필요한 역량이 사라지지 않도록 설계하는 것입니다.07  의료 AI의 세 가지 가드레일그렇다면 의료 AI의 de-skilling을 줄이기 위해 무엇을 해야 할까요. 현재의 연구와 규제 논의를 종합하면, 세 가지 가드레일이 필요합니다.가드레일 ① AI-free baseline 평가의 제도화의료기관과 수련 프로그램은 정기적으로 AI 없이 판독·감별진단·처방 검토를 수행하는 평가를 남겨야 합니다. 현재 의료 AI 평가는 '이 의사가 AI를 잘 활용하는가'에 집중되어 있습니다. 그러나 AI가 중단되거나 오류를 낼 때 의사가 독립적으로 판단할 수 있는가는 별개의 역량입니다. 따라서 의료기관과 수련 프로그램은 AI-free baseline 평가를 제도화할 필요가 있습니다. 이는 AI 사용을 금지하자는 뜻이 아닙니다. 오히려 AI를 안전하게 사용하기 위한 최소 조건입니다. AI가 중단되거나, 오류를 내거나, 적용 범위를 벗어난 상황에서도 환자 안전이 유지되려면, 의료인의 독립적 판단 기준점이 남아 있어야 합니다.유럽영상의학회는 EU AI Act 시행 권고에서 AI 리터러시, 인적 통제, 자동화 편향 대응을 강조했으며, 이는 AI 사용 환경에서도 의료진의 지속 교육과 역량 유지가 필요하다는 전문 학회 차원의 신호로 해석할 수 있습니다[23].가드레일 ② 인터페이스 설계의 전환두 번째 가드레일은 AI를 어떻게 보여줄 것인가의 문제입니다. 같은 AI라도 어떤 순서와 방식으로 제시되는지에 따라 의료인의 판단은 달라질 수 있습니다. 항상 켜져 있고 먼저 답을 제시하는 AI는 편리하지만, 사용자의 1차 판단을 약화시키거나 자동화 편향을 키울 수 있습니다. 이를 줄이기 위한 설계는 몇 가지 방향으로 생각할 수 있습니다.On-demand AI. AI 결과를 항상 자동으로 보여주는 것이 아니라, 의료인이 필요할 때 요청하도록 하는 방식입니다.Sequential reveal. 의사의 독립 판단을 먼저 기록하게 한 뒤 AI 출력을 확인하게 하는 방식입니다. 의사의 추론 흔적이 시스템에 남게 되어 사후 평가와 교육에 활용 가능합니다.Selective suppression 또는 calibrated alert. 오류 가능성이 높거나 신뢰도가 낮은 AI 출력은 그대로 제시하지 않고, 제한하거나 경고와 함께 보여주는 방식입니다. ACL MRI 연구에서 AI suppression 전략으로 자동화 편향이 41.7% 감소한 사례가 있습니다[4]. 이탈리아 영상의학 레지던트 연구에서 레지던트들이 AI 오류에 일정 수준 저항하는 모습을 보였다는 점[18]은, AI를 어떻게 배치하는가가 AI 자체보다 더 중요할 수 있다는 점을 시사합니다. 가드레일 ③ 시판 후 모니터링의 확장세 번째 가드레일은 시판 후 모니터링의 범위를 확장하는 것입니다. 현재 의료 AI의 사후관리는 주로 제품의 성능 변화, 오류, 안전성 사건, 알고리즘 변경관리 등에 초점을 둡니다. 그러나 de-skilling의 관점에서는 여기에 사용자 변화가 포함되어야 합니다.구체적 지표로는 ① AI 비사용 시 검출률·진단 정확도, ② AI 권고 수용률과 그 근거 문서화 비율, ③ AI 중단 시 대체 처리 능력, ④ 수련의의 독립 추론 점수의 시간적 변화 등이 가능합니다. 의료 AI 시판 후 감시의 단위는 더 이상 '알고리즘 단독'이 아닙니다. '알고리즘과 의료인이 이루는 팀'입니다.이 세 가지 가드레일은 아직 한국에서 체계적으로 제도화되어 있다고 보기는 어렵습니다. 그러나 필요한 정책 도구는 이미 존재합니다. AI 기본법은 거버넌스의 큰 틀을, 디지털의료제품법과 식약처 인허가는 제품 평가의 틀을, 의료법은 진료 책임의 틀을, 전문학회 수련 기준은 역량 형성의 틀을 제공합니다. 남은 과제는 이 제도들을 의료 AI de-skilling이라는 하나의 문제의식 아래 연결하는 것입니다.8  맺음말. AI를 반대하는 글이 아니다이 글은 의료 AI를 반대하는 글이 아닙니다. 오히려 의료 AI가 중요해졌기 때문에 쓰는 글입니다. 의료 AI는 진료의 질을 높이고, 반복 업무를 줄이며, 의료진이 더 복잡한 판단에 집중하도록 도울 수 있습니다. 그러나 AI가 정확해질수록 의료인은 더 쉽게 의존하고, 의존이 깊어질수록 AI가 틀렸을 때 오류를 발견할 인간의 여지는 줄어들 수 있습니다. 그 순간 '인간이 최종 책임자'라는 문장은 법적 선언일 뿐, 실제 안전장치가 아닐 수 있습니다.의료 AI 시대의 목표는 의사를 AI 이전으로 되돌리는 것이 아닙니다. 목표는 세 가지 능력을 동시에 갖춘 의료인을 기르는 것입니다.첫째, AI 없이 핵심 판단을 수행할 수 있는 능력. 시스템 장애·중단·오류 시에도 환자 안전이 유지되어야 합니다.둘째, AI와 함께 더 나은 판단을 할 수 있는 능력. AI 출력을 비판적으로 평가하고 자신의 임상 추론에 통합하는 인지적 기술입니다.셋째, AI가 틀리거나 꺼졌을 때 시스템 전체가 무너지지 않게 하는 능력. 개인 역량을 넘어, 팀과 기관 차원의 회복탄력성입니다.가장 좋은 의료 AI는 의사의 손을 대체하는 도구가 아닙니다. 의사가 무엇을 놓치고 있는지 알려주되, 동시에 의사가 무엇을 잊지 말아야 하는지 계속 확인하게 만드는 도구입니다. 의료 AI의 성공은 알고리즘이 얼마나 똑똑한가만으로 결정되지 않습니다. 그 알고리즘과 함께 일하는 의료인의 판단이 더 안전하고 더 책임 있게 유지되는가에 달려 있습니다. 9  사고실험(Thought Experiment): 여러분의 생각을 듣고 싶습니다.아래 링크 또는 QR 코드를 스캔하시면, 이번 호에서 함께 다룰 사고실험의 구체적인 상황과 질문을 바로 확인하실 수 있습니다. 이번 주제에 대해 독자 여러분은 어떤 선택을 하셨는지, 그리고 그 근거는 무엇인지 소중한 의견을 들려주세요. 약 5분이면 충분합니다.당신의 선택, 그리고 그 이유가 다음 호 〈제2회 · STEP B〉의 분석 재료가 됩니다. 설문조사 링크 클릭:https://forms.gle/T8Q54SWtBVoWD2nG6 ① 아래 링크를 클릭하거나, QR 코드를 스캔해 주십시오.② 소요 시간 약 5분 (7문항)③ 익명 응답이며, 개인정보는 수집하지 않습니다④ 설문 응답 마감은 6월 22일 (월) 까지  References[1] Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896-903. doi:10.1016/S2468-1253(25)00133-5. PMID:40816301.[2] Ahmad OF. Endoscopist deskilling: an unintended consequence of AI-assisted colonoscopy? Lancet Gastroenterol Hepatol. 2025;10(10):872-873.[3] Oettl FC, Pruneski J, Zsidai B, et al. From de-skilling to up-skilling: how artificial intelligence will augment the modern physician. J Exp Orthop. 2026;13(1). doi:10.1002/jeo2.70677. PMID:41783687.[4] Wang DY, Ding J, Sun AL, Liu SG, Jiang D, Li N, Yu JK. Artificial intelligence suppression as a strategy to mitigate artificial intelligence automation bias. J Am Med Inform Assoc. 2023;30(10):1684-1692. doi:10.1093/jamia/ocad118. PMID:37561535.[5] Abdulnour REE, Gin B, Boscardin CK. Educational strategies for clinical supervision of artificial intelligence use. N Engl J Med. 2025;393(8):786-797. doi:10.1056/NEJMra2503232. PMID:40834302.[6] El Tarhouny S, Farghaly A. Deskilling dilemma: brain over automation. Front Med. 2026;13:1765692. doi:10.3389/fmed.2026.1765692. PMID:41709906.[7] Natali C, Marconi L, Dias Duran LD, Cabitza F. AI-induced deskilling in medicine: a mixed-method review and research agenda for healthcare and beyond. Artif Intell Rev. 2025;58(11):356. doi:10.1007/s10462-025-11352-1.[8] HCI Innovation Group. How Are Medical School Execs Thinking About Incorporating AI? Published November 20, 2025.[9] Parasuraman R, Manzey DH. Complacency and bias in human use of automation: an attentional integration. Hum Factors. 2010;52(3):381-410.[10] Wolters Kluwer Health. 2026 Healthcare AI Trends: Insights from Experts. Published December 15, 2025.[11] Yu F, Moehring A, Banerjee O, Salz T, Agarwal N, Rajpurkar P. Heterogeneity and predictors of the effects of AI assistance on radiologists. Nat Med. 2024;30(3):837-849. doi:10.1038/s41591-024-02850-w. PMID:38504016.[12] Goh E, Gallo R, Hom J, et al. Large language model influence on diagnostic reasoning: a randomized clinical trial. JAMA Netw Open. 2024;7(10). doi:10.1001/jamanetworkopen.2024.40969.[13] Gaube S, Suresh H, Raue M, et al. Do as AI say: susceptibility in deployment of clinical decision-aids. npj Digit Med. 2021;4:31. doi:10.1038/s41746-021-00385-9.[14] Goh E, Gallo RJ, Strong E, et al. GPT-4 assistance for improvement of physician performance on patient care tasks: a randomized controlled trial. Nat Med. 2025;31(4):1233-1238. doi:10.1038/s41591-024-03456-y. PMID:39910272.[15] American Law Institute. Restatement of the Law Third, Torts: Medical Malpractice. Approved at the 2024 Annual Meeting. See also: Aaron DG, Robertson CT, King LP, Sage WM. A new legal standard for medical malpractice. JAMA. 2025;333(13):1161. doi:10.1001/jama.2025.0097.[16] Federation of State Medical Boards. Navigating the Responsible and Ethical Incorporation of Artificial Intelligence into Clinical Practice. Adopted by the FSMB House of Delegates; April 2024.[17] Lea AS. Cognitive aids, artificial intelligence, and deskilling in medicine: the history of an enduring anxiety. NEJM AI. 2026;3(1). doi:10.1056/AIp2500932.[18] Savardi M, Signoroni A, Benini S, et al. Upskilling or deskilling? Measurable role of an AI-supported training for radiology residents: a lesson from the pandemic. Insights Imaging. 2025;16:23. doi:10.1186/s13244-024-01893-4. PMID:39881013.[19] Qazi IA, Ali A, Khawaja AU, Akhtar MJ, Sheikh AZ, Alizai MH. Automation bias in large language model-assisted diagnostic reasoning among physicians trained in AI literacy: a randomized clinical trial. NEJM AI. 2026;3(5). doi:10.1056/AIoa2501001.[20] Teng D, Tan L, Cao Q, et al. Impact of AI misinformation on diagnostic accuracy and confidence calibration in novice medical students. npj Digit Med. 2026;9:356. doi:10.1038/s41746-026-02547-z. PMID:41844809.[21] Hwang G, Hejazian SS, Vafaei Sadr A, et al. Translating AI to the bedside with physician buy-in: recommendations from a meta-analysis and systematic review of the literature. Bioengineering (Basel). 2025;12(12):1363. doi:10.3390/bioengineering12121363. PMCID.[22] American Medical Association. 2026 Physician Survey on Augmented Intelligence. AMA Center for Digital Health and AI; 2026.[23] Kotter E, D'Antonoli TA, Cuocolo R, et al.; European Society of Radiology AI Working Group. Guiding AI in radiology: ESR's recommendations for effective implementation of the European AI Act. Insights Imaging. 2025;16:33. doi:10.1186/s13244-025-01905-x. PMCID.[24] 한국보건산업진흥원. 의료 인공지능 활용 실태조사. 2026.AI 도구 활용 고지투명성을 위해 본 칼럼의 AI 활용 범위를 밝힙니다. 생성형 AI(Claude, Anthropic)는 두 가지 한정된 용도로만 사용되었습니다. 첫째, 필자가 직접 작성한 프롬프트와 구성 의도에 따른 대표 이미지의 시각적 구현. 둘째, 본문에 인용된 참고문헌의 서지정보와 사실관계를 교차 확인하는 보조 작업입니다. 칼럼의 주제 선정, 논지와 구조의 설계, 본문 집필, 그리고 모든 인용과 근거에 대한 최종 검토는 필자가 수행했으며, 글의 내용과 해석에 대한 책임은 전적으로 필자에게 있습니다.

[메디칼타임즈=유소영 교수-울산의대]폴란드 4개 내시경 센터의 경험 많은 내시경 전문의 19명은 각각 누적 시술 건수 2,000건 이상의 숙련자들이었습니다. 2021년 말, 이 센터들에 AI 보조 용종 탐지 시스템이 도입되었습니다. EU OperA 프로젝트의 일환인 ACCEPT 시험(Artificial Intelligence in Colonoscopy for Cancer Prevention)의 일부로, 이후 대장내시경은 검사 날짜에 따라 AI 보조 여부가 무작위로 배정되었습니다.연구진은 AI 도입 전 3개월(795건)과 도입 후 3개월(648건)을 비교했습니다. 비교 대상은 양 기간 모두 AI 보조 없이 시행된 대장내시경 결과입니다. 같은 의료진이 같은 환경에서 AI 없이 시술했을 때, AI 도입 이전과 이후의 성과가 어떻게 변했는지를 본 것입니다. 결과는 예상하지 못한 것이었습니다. 연구진 자신의 표현을 빌리면, "우연히 발견했다"는 것입니다. AI 비사용 시술에서의 선종 탐지율이 AI 도입 이전 28.4%(226/795)에서 AI 도입 이후 22.4%(145/648)로 떨어졌습니다. 절대 하락 6.0%포인트(95% CI -10.5 ~ -1.6, p=0.0089), 상대 하락 20%. 같은 기간 AI 보조 시술에서의 탐지율은 25.3%(186/734)로 안정적이었습니다[1].방법론적 한계를 짚어야 합니다. 이것은 후향적 관찰 연구이며, 전향적 무작위 대조 시험(RCT)이 아닙니다. 도입 전후 3개월만 비교했으므로, 계절적 변동이나 환자 구성의 차이 같은 교란 변수를 완전히 배제할 수 없습니다. 인과를 증명한 것이 아니라 연관성을 보여준 것입니다. 그럼에도, Lancet의 논평은 이 결과를 "자동화가 유발한 de-skilling의 최초 실증 근거"[2]라고 평가했습니다. 완벽한 근거가 아니라 최초의 신호(signal)라는 점에서 주목해야 합니다.01  세 가지 퇴화의 경로2026년 발표된 정형외과 AI 리뷰 논문은 AI가 의료인의 역량에 미치는 부정적 영향을 세 가지로 구분합니다[3].세 가지 퇴화는 같은 메커니즘에서 출발합니다. 인지 과제를 외부 시스템에 반복적으로 위임하면, 독립적 탐색·가설 생성·오류 검증을 스스로 수행하는 빈도가 줄어듭니다. 경험 의존적 신경가소성(experience-dependent neuroplasticity)의 원리에 따르면, 반복적으로 사용하지 않는 인지 기능은 약화될 수 있습니다[6]. 다만 현재 의료 AI 연구가 의사의 전전두엽 기능 저하를 장기간 추적해 직접 입증한 것은 아닙니다. 따라서 더 정확한 표현은 이렇습니다. 인지 과제의 반복적 외주화는 임상적 추론의 사용 빈도를 낮추고, 그 결과 의사의 판단 습관과 임상 루틴을 바꿀 수 있습니다.02  어떤 직군이, 어떤 근거로 취약한가근거의 현황을 있는 그대로 봐야 합니다. AI 보조에 노출된 의료진이 AI 없이 진료할 때 역량 자체가 실질적으로 하락한다는 대규모 실증 근거는 현재까지 내시경 분야에서만 보고되었습니다[1]. 다른 분야에서는 동일 수준의 'AI 노출 후, AI 미사용 진료 시 역량 저하' 데이터가 아직 축적되지 않았습니다. 그러나 de-skilling의 전 단계로 해석되는 자동화 편향, 즉 'AI가 잘못된 출력을 제시할 때 의사가 그 오류를 수용해 함께 틀리는 현상'은 여러 분야에서 일관되게 확인되고 있으며, 그 근거는 상당합니다.영상의학. AI의 오류가 의사의 진단 정확도를 저하시킨다2024년 Nature Medicine에 발표된 연구는 영상의학과 전문의 140명을 대상으로, 흉부 X-ray 15건을 AI 보조 없이 판독하는 경우와 AI 보조를 받아 판독하는 경우를 비교했습니다[11]. 이 연구의 핵심은 단순히 AI가 의사를 돕는지를 본 것이 아니라, AI가 정확할 때와 부정확할 때 의사의 판단이 어떻게 달라지는지를 살핀 데 있습니다.결과는 양면적이었습니다. AI가 정확한 예측을 제시할 때에는 일부 판독 성과가 향상되었습니다. 그러나 AI가 부정확한 예측을 제시한 경우에는, 영상의학과 전문의의 판단이 그 잘못된 방향으로 영향을 받으면서 성과가 유의하게 낮아지는 상황이 관찰되었습니다[11]. 즉 문제는 "AI가 틀릴 수 있다"는 데서 끝나지 않습니다. 더 중요한 문제는 AI의 오류가 의사의 독립적 판단을 흔들 수 있다는 점입니다.이 연구는 또 하나의 중요한 통념을 흔들었습니다. 경험이 많은 의사는 AI의 영향을 덜 받을 것이라는 기대와 달리, 경력, 세부 전공, AI 도구에 대한 친숙도 등은 AI 보조의 효과를 충분히 예측하지 못했습니다[11]. 다시 말해 숙련된 영상의학과 전문의라고 해서 부정확한 AI 출력의 영향에서 자동으로 보호되는 것은 아닙니다.비슷한 현상은 다른 연구에서도 확인됩니다. 흉부 X-ray 진단을 다룬 연구에서, 잘못된 조언이 제시되면 그 조언의 출처가 "AI"로 표시되든 "인간 전문가"로 표시되든 의사의 진단 정확도는 낮아졌습니다[13]. 특히 자신의 전문 영역이 아닌 과제에서는 AI가 제시한 조언을 더 신뢰하는 경향도 관찰되었습니다.따라서 영상의학에서 중요한 질문은 "AI가 사람보다 정확한가"에만 있지 않습니다. 오히려 더 중요한 질문은 이것입니다. AI가 틀렸을 때, 의사가 그 오류를 알아차리고 자신의 판단을 회복할 수 있는가. 의료 AI의 안전성은 알고리즘의 평균 성능만이 아니라, 부정확한 AI 출력 앞에서 인간 전문가가 얼마나 독립적으로 판단을 유지할 수 있는지까지 포함해 평가되어야 합니다.정형외과 MRI. 자동화 편향은 경력을 가리지 않는다전방십자인대(ACL) 파열 MRI 진단 연구에서 임상의 40명을 대상으로 AI 보조 여부를 무작위 교차 배정한 결과, AI 보조 시 정확도는 87.2%에서 96.4%로 올라갔습니다. 그러나 AI 보조 하에서 발생한 오류의 45.5%가 자동화 편향, 즉 AI의 잘못된 출력을 그대로 수용한 결과였으며, 이는 경력에 무관하게 발생했습니다[4]. 연구진이 제안한 'AI suppression' 전략(오류 확률이 높은 출력을 선별적으로 차단)은 자동화 편향을 41.7% 줄였습니다[4].진단 추론. AI를 써도 의사의 추론은 나아지지 않는다2024년 JAMA Network Open에 발표된 무작위 임상시험은 흥미로운 세 가지 점수를 보여줍니다[12]. 같은 임상 사례를 세 가지 방식으로 풀게 했습니다.첫째, 의사가 GPT-4 없이 기존 자원만으로 진단했을 때 점수는 74%였습니다. 둘째, 의사가 GPT-4와 함께 진단했을 때는 76%였습니다. 셋째, GPT-4가 의사 없이 단독으로 진단했을 때는 92%였습니다.이 세 점수에서 두 가지를 비교할 수 있습니다. 먼저 의사 혼자 진단한 74%와 의사가 GPT-4와 함께 진단한 76%를 비교하면, 차이는 2%p에 불과하고 통계적으로 유의하지 않습니다(p=0.60). GPT-4를 옆에 두고 써도 의사의 추론 점수가 사실상 향상되지 않았다는 뜻입니다. 다음으로 의사 혼자 진단한 74%와 GPT-4 단독 92%를 비교하면, 차이는 18%p이고 통계적으로 유의합니다(p=0.03). GPT-4가 의사보다 더 정확한 답을 내놓을 능력을 갖추고 있다는 뜻입니다.이 두 비교를 합치면 한 가지 결정적 사실이 드러납니다. GPT-4는 의사보다 18%p 더 정확한 진단 추론을 할 수 있는 능력을 가지고 있었지만, 그 GPT-4를 의사가 직접 사용했을 때는 그 능력의 거의 전부가 의사의 점수에 반영되지 않았습니다. 의사가 GPT-4의 우수한 추론 결과를 자신의 임상 판단에 통합하지 못한 것입니다. AI가 정답을 알고 있고 의사가 그 AI에 접근할 수 있었음에도, 정답이 의사의 추론으로 흘러들어가지 않았습니다. 이것이 진단 추론 영역에서 AI 보조의 핵심 문제입니다.여기서 '진단 추론 점수'가 무엇을 측정한 것인지가 중요합니다. 단순히 진단명을 맞혔는지가 아닙니다. 연구진은 임상 추론 평가의 표준 도구인 구조화된 성찰(structured reflection) 루브릭으로 ① 감별진단의 적절성, ② 각 진단을 지지·반대하는 임상 근거의 정확성, ③ 다음 검사 선택의 합리성을 평가했습니다[12]. 즉 진단에 도달하는 사고 과정 자체의 질을 측정한 것입니다. 진단명 정답률이라는 단편적 지표를 넘어, 의사가 어떻게 생각하는가를 본 평가입니다.그런데 치료 결정에서는 결과가 달랐다같은 연구팀이 2025년 Nature Medicine에 발표한 후속 연구. 의사 92명에게 동일한 GPT-4를 치료 관리 추론(어떤 약을 쓸지, 어떤 검사를 할지, 경과 관찰을 할지)에 사용하게 한 결과, 이번에는 6.5%p 유의한 향상이 관찰되었습니다(95% CI 2.7~10.2, p<0.001)[14]. 같은 연구팀, 같은 의료기관, 같은 AI 도구. 달라진 것은 임상 과제의 성격뿐입니다. 그런데 결과가 정반대로 나왔습니다.왜 진단과 치료 결정에서 결과가 갈렸는가Goh 연구팀의 핵심 통찰은 두 추론이 인지적 성격이 본질적으로 다른 작업이라는 점입니다.진단 추론은 '분류 작업(classification task)'입니다. 환자의 증상·검사 소견을 종합해 가능한 질환들 중 하나를 식별하는 일입니다. 흉통 환자가 폐렴인지, 폐색전증인지, 심근경색인지, 심낭염인지를 구별하는 것입니다. 정답이 있고, 사후에 검증할 수 있는 작업입니다. 환자의 최종 진단이 무엇이었는지가 의무기록에 남기 때문입니다.치료 관리 추론은 '절충 작업(trade-off task)'입니다. 정답이 정해져 있지 않습니다. 같은 폐렴 환자에게 외래에서 경구 항생제로 치료할 것인가, 입원시켜 정맥 항생제를 쓸 것인가, 어떤 항생제 계열을 선택할 것인가, 추가 검사를 어디까지 할 것인가, 환자의 직업·가족 상황·기저질환을 고려해 어떤 결정이 환자에게 가장 적합한가. 여러 합리적 선택지가 공존합니다. Goh 연구팀의 표현을 빌리면, 경과 관찰(watchful waiting)을 통한 무행동조차 잠재적 위험과 이익을 가진 의도적 선택입니다[14].두 작업이 다르므로, AI가 의사에게 기여하는 방식도 다릅니다. 분류 작업에서는 정답이 있으므로, AI의 '정확한 답'을 의사가 받아들이거나 거부하는 이분법적 통합이 일어나야 합니다. 이때 의사는 AI 출력을 자신의 임상 직관과 비교하여 판단해야 하는데, 이 통합 과정이 잘 이루어지지 않으면 의사의 추론은 AI를 안 쓴 것과 같은 수준에 머무릅니다. 절충 작업에서는 정답이 여러 개이므로, AI가 의사가 미처 고려하지 못한 추가적 선택지를 제시할 수 있습니다. 의사는 자신의 선택지 풀에 이를 추가하여 더 풍부한 비교·판단이 가능해집니다. 점수가 올라가는 이유는 결정의 옵션이 확장되었기 때문입니다.이 비대칭이 의미하는 것진단 추론과 치료 결정에서 GPT-4 보조의 효과가 다르게 나타났다는 사실은 의료 AI 논의에서 매우 중요한 의미를 갖습니다. 이는 AI가 임상 전 영역에서 동일한 방식으로 작동하지 않는다는 뜻입니다. 따라서 의료 AI의 도입 효과를 평가할 때도 "AI가 도움이 되는가"라는 하나의 질문만으로는 부족합니다. 어떤 임상 과제에서, 어떤 형태의 판단을, 어떤 방식으로 보조하는가를 구분해야 합니다.첫째, 진단 추론에서 GPT-4 보조가 의사의 점수를 유의하게 향상시키지 못했다는 결과는 단순히 "AI의 성능이 아직 부족하다"는 의미로 해석하기 어렵습니다. 같은 연구에서 GPT-4 단독 수행은 의사군보다 높은 점수를 보였습니다. 즉 적어도 이 연구의 임상 비네트 과제에서는 GPT-4가 상당한 수준의 진단 추론 정보를 생성할 수 있었습니다. 그럼에도 의사가 GPT-4를 사용했을 때 그 성능이 의사의 최종 추론 점수로 충분히 전환되지는 않았습니다.이 지점이 핵심입니다. AI가 좋은 답을 생성할 수 있는 능력과, 의사가 그 답을 이해하고 검토하여 자신의 임상 판단에 통합하는 능력은 서로 다른 문제입니다. 의료 AI의 성능이 높더라도, 그 결과가 의사의 사고 과정 안으로 적절히 들어오지 못하면 실제 임상 성과는 기대만큼 향상되지 않을 수 있습니다. 따라서 진단 영역에서 중요한 것은 AI 단독 정확도만이 아닙니다. 의사가 AI 출력을 어떻게 해석하고, 자신의 감별진단과 비교하며, 어떤 근거로 수용하거나 배제하는지를 함께 평가해야 합니다.둘째, 치료 결정에서 AI 보조가 효과가 있었다는 것이 'AI 도입의 정당화 근거'로 사용되어서는 안 됩니다. 치료 관리는 하나의 정답을 맞히는 문제가 아닙니다. 환자의 상태, 동반질환, 검사 결과, 치료 위험, 환자 선호, 추적 가능성 등을 함께 고려하여 여러 가능한 선택지 중 합리적인 방안을 선택하는 과정입니다. 이런 과제에서는 AI가 의사가 미처 떠올리지 못한 선택지나 고려사항을 제시함으로써 판단의 폭을 넓힐 수 있습니다. 후속 연구에서 치료 관리 추론 과제의 점수가 향상된 것은 이러한 맥락에서 이해할 수 있습니다.그러나 이 결과가 곧바로 "AI를 더 많이 사용할수록 좋다"는 결론으로 이어져서는 안 됩니다. 단기적으로 AI가 선택지를 넓혀 줄 수 있다는 사실과, 장기적으로 의료인의 독립적 판단 역량이 유지되는지는 별개의 문제입니다. 의사가 반복적으로 AI가 제시한 선택지에 의존하게 될 때, 스스로 문제를 구조화하고 가능한 대안을 생성하는 능력이 어떻게 변화하는지는 아직 충분히 검증되지 않았습니다. 따라서 치료 결정 영역에서도 단기적 성과 향상뿐 아니라, 장기적 역량 변화에 대한 추적이 필요합니다.셋째, 진단 추론은 임상 의학의 출발점이라는 점에서 더욱 중요합니다. 진단이 흔들리면 이후의 검사, 치료, 경과 관찰도 모두 잘못된 방향으로 이어질 수 있습니다. 현재의 연구들이 "AI 사용으로 의사의 진단 능력이 장기적으로 퇴화한다"는 것을 직접 입증한 것은 아닙니다. 그러나 진단 추론에서 AI 보조가 항상 의사의 성과 향상으로 이어지지는 않는다는 결과, 그리고 여러 분야에서 확인되는 자동화 편향의 근거를 함께 고려하면, 이 문제는 수련과 역량 유지의 관점에서 선제적으로 관리할 필요가 있습니다. 직접 측정된 결과는 아니지만, JAMA Network Open 결과(통합 실패)와 자동화 편향 문헌[4][11]을 종합할 때 합리적으로 우려할 수 있는 시나리오입니다.정책적 함의는 분명합니다. 의료 AI는 임상 과제별로 다르게 평가되어야 합니다. 진단 영역에서는 AI의 단독 성능뿐 아니라, 의사가 AI 출력을 자신의 추론에 어떻게 통합하는지를 평가해야 합니다. ① 치료 결정 영역에서는 AI가 선택지를 확장하는 단기 효과와 함께, 의료인의 독립적 판단 역량에 미치는 장기적 영향을 추적해야 합니다. ② 수련 단계에서는 처음부터 AI에 의존하는 방식이 아니라, AI 없이 기본적인 진단 추론을 형성하는 과정과 AI를 비판적으로 활용하는 과정을 구분해 설계해야 합니다.한국의 의료 AI 거버넌스에서도 이 구분은 중요합니다. 식약처의 디지털의료기기 인허가는 제품의 안전성, 성능, 임상적 유용성을 평가하는 데 초점을 두어야 하지만, 실제 임상 배치 단계에서는 의료기관의 사용자 교육, 오류 대응 절차, AI 사용 로그와 성과 모니터링이 함께 설계되어야 합니다. 대한의학회와 각 전문학회는 수련 과정에서 AI 없는 기본 역량과 AI를 활용하는 역량을 모두 평가할 수 있는 기준을 마련해야 합니다.결국 의료 AI의 핵심 질문은 "AI가 얼마나 정확한가"에만 있지 않습니다. 더 중요한 질문은 이것입니다. AI와 함께 일할 때, 의사의 판단은 실제로 더 좋아지는가. 그리고 AI가 틀렸을 때, 의사는 여전히 스스로 판단할 수 있는가.LLM과 자동화 편향. AI 리터러시 교육만으로 충분한가LLM을 의료 현장에 도입할 때 흔히 제시되는 해법은 교육입니다. 의사에게 LLM의 한계, 프롬프트 작성법, 환각 가능성, 출력 검증 방법을 가르치면 자동화 편향을 줄일 수 있다는 기대입니다. 그러나 최근 연구들은 이 기대만으로는 충분하지 않을 수 있음을 보여줍니다.Pakistan LUMS Learning Institute에서 수행되어 2026년 NEJM AI에 게재된 단일 눈가림 무작위 임상시험은 이 문제를 직접 다뤘습니다[19]. 연구진은 20시간의 AI 리터러시 교육을 이수한 의사 44명을 대상으로 ChatGPT-4o 기반 진단 추천을 제공했습니다. 통제군 22명에게는 오류가 없는 추천을, 중재군 22명에게는 6개 임상 비네트 중 3개에 의도적 오류가 포함된 추천을 제시했습니다.결과는 분명했습니다. 오류가 없는 추천을 받은 통제군의 평균 진단 추론 정확도는 84.9%(SD 19.7)였고, 오류가 포함된 추천을 받은 중재군은 73.3%(SD 30.5)였습니다. 조정 평균 차이는 -14.0%포인트였으며, 통계적으로 유의했습니다(95% CI -18.9~-9.1, p<0.0001)[19]. 다시 말해, AI 리터러시 교육을 받은 의사라 하더라도 LLM이 그럴듯하지만 잘못된 추천을 제시할 때 진단 추론 성과가 낮아질 수 있었습니다.이 연구에서 특히 중요한 점은 AI 사용이 강제되지 않았다는 사실입니다. 참여 의사들은 ChatGPT-4o의 추천을 참고하지 않을 자유가 있었습니다. 그럼에도 두 군 모두 약 3분의 2 수준에서 자발적으로 AI 추천을 참조했습니다[19]. 이는 자동화 편향이 단순히 "AI를 강제로 쓰게 했기 때문에" 발생하는 문제가 아님을 시사합니다. 사용자가 AI를 선택적으로 사용할 수 있는 상황에서도, LLM의 권위 있고 설득력 있는 출력은 임상 판단에 영향을 미칠 수 있습니다다만 이 결과를 "AI 리터러시 교육은 효과가 없다"는 결론으로 해석해서는 안 됩니다. 이 연구가 보여주는 것은 더 정확히 말해, 현재와 같은 교육만으로는 자동화 편향을 충분히 차단하기 어려울 수 있다는 점입니다. LLM의 작동 원리와 한계를 아는 것과, 실제 임상 문제 앞에서 그럴듯한 오답을 식별하고 거부하는 것은 다른 역량입니다. 따라서 의료 AI 교육은 단순한 사용법 교육을 넘어, AI 출력의 근거를 검증하고, 대안 진단을 비교하며, 오류 가능성을 체계적으로 점검하는 훈련으로 확장되어야 합니다.이 문제는 의학교육에서도 더욱 중요해집니다. 2026년 npj Digital Medicine에 발표된 연구는 의대생 111명을 대상으로, 정확한 AI 설명과 오도하는 AI 설명이 진단 정확도에 미치는 영향을 비교했습니다[20]. 그 결과 오도하는 AI 설명은 진단 정확도를 유의하게 낮췄지만, 정확한 AI 설명은 설명이 없는 대조군에 비해 유의한 향상을 보이지 않았습니다. 즉 초보 학습자에게는 AI가 제공하는 올바른 설명의 이득보다, 그럴듯하지만 잘못된 설명의 위해가 더 크게 나타날 수 있었습니다.이 연구 역시 실제 임상현장이 아니라 의대생을 대상으로 한 교육 실험이라는 한계가 있습니다. 그러나 바로 그 점 때문에 의학교육에는 더 중요한 경고가 됩니다. 초보 학습자는 아직 자신의 판단 기준이 충분히 형성되지 않았기 때문에, AI가 제시하는 설명을 지식의 출처이자 추론의 틀로 받아들일 가능성이 큽니다. 이 시기에 잘못된 AI 설명이 반복적으로 노출되면, 단순한 오답을 넘어 잘못된 사고방식이 학습될 수 있습니다.결국 문제의 핵심은 AI 리터러시의 필요성을 부정하는 데 있지 않습니다. 오히려 반대입니다. 지금 필요한 것은 더 깊은 형태의 AI 리터러시입니다. 의료인은 AI를 사용할 줄 아는 것만으로는 충분하지 않습니다. AI가 제시한 답을 검증하고, 그 답이 자신의 임상 추론을 어떻게 바꾸고 있는지 인식하며, 필요할 때 AI의 결론을 거부할 수 있어야 합니다. 의료 AI 교육의 목표는 "AI를 잘 쓰는 의사"를 넘어, "AI가 틀렸을 때도 스스로 판단할 수 있는 의사"를 길러내는 데 있어야 합니다.간호·약제·방사선사. 연구는 부족하지만 구조는 동일하다AI 기반 예측 모니터링(패혈증 조기 경보, 낙상 위험 예측)이 간호 현장에 들어오면서, 간호사의 임상적 직관과 활력징후 해석 역량을 약화시킬 수 있다는 문제가 제기되고 있습니다. AI 보조 처방 검토 시스템은 약사의 약물 상호작용 판단 역량에도 같은 구조의 위험을 안고 있습니다. 이 직군에 대한 실증 연구는 아직 거의 없지만, 자동화 편향이 '자동화 시스템 전반'에 작동한다는 수십 년의 항공·원자력 분야 근거[9]를 고려하면, 의료의 다른 직군만 예외일 이유는 없습니다.수련의. Never-skilling의 직접 대상수련의는 의료 AI 시대에 특별히 취약할 수 있는 집단입니다. 이미 형성된 역량이 약화되는 de-skilling과 달리, never-skilling은 필요한 역량이 충분히 형성되기 전에 AI가 그 과정을 대신하거나 앞질러 버리는 문제입니다. 임상 추론을 처음 배우는 시기에 AI가 감별진단, 판독, 처방 검토, 기록 작성의 출발점을 제공하면, 수련의가 독립적으로 문제를 구조화하고 가설을 세우며 오류를 수정하는 경험은 줄어들 수 있습니다.이 우려는 아직 장기 종단 연구로 충분히 입증된 결론은 아닙니다. 그러나 의학교육 현장에서는 이미 중요한 질문으로 떠오르고 있습니다. Stanford 의과대학의 Holly Caretta-Weyer는 응급의학과 전공의 평가를 담당해 온 의학교육자로, 전공의가 독립 진료 역량을 갖추어 가는 과정을 평가하는 임상역량위원회(Clinical Competency Committee)와 관련된 논의에 참여해 왔습니다[8]. 임상역량위원회는 전공의의 지식, 술기, 임상 판단, 전문직업성, 독립 진료 준비도를 종합적으로 검토하는 핵심 교육 구조입니다.Caretta-Weyer는 AAMC 관련 논의에서 한 사례를 소개했습니다. 어떤 교수가 전공의에게 감별진단(differential diagnosis)을 AI로 만들라고 지시했다는 사례입니다[8]. 감별진단은 환자의 증상과 검사 소견에서 가능한 질환들을 떠올리고, 그 가능성을 비교하며, 다음 검사를 결정하는 임상 추론의 기본 과정입니다. 따라서 감별진단을 처음부터 AI에 맡긴다는 것은 단순히 편리한 도구를 쓰는 문제가 아닙니다. 수련의가 반드시 반복해서 연습해야 할 사고 과정을 언제, 어느 수준까지 AI가 대신해도 되는가의 문제입니다.이 장면의 함의는 분명합니다. 앞으로 수련 프로그램은 두 가지 역량을 구분해 평가해야 합니다. 하나는 AI 없이 감별진단을 세우고 판단할 수 있는 기본 역량입니다. 다른 하나는 AI가 제시한 감별진단을 비판적으로 검토하고, 누락된 가능성을 보완하며, 잘못된 제안을 거부할 수 있는 AI 활용 역량입니다. 두 역량은 서로 대체되지 않습니다. AI를 잘 사용하는 의사가 되기 위해서도, 먼저 AI 없이 사고할 수 있는 기준점이 필요합니다.따라서 never-skilling의 핵심 질문은 "수련의에게 AI를 허용할 것인가"가 아닙니다. 더 중요한 질문은 이것입니다. 수련의가 독립적 임상 추론을 충분히 형성하기 전에 AI가 그 출발점을 대신해도 되는가. 그리고 AI와 함께 일하는 능력을 평가할 때, AI 없이 판단할 수 있는 능력도 함께 확인하고 있는가. 이 질문에 대한 합의된 교육 표준은 아직 형성 중입니다. 그러나 의료 AI가 수련 현장에 빠르게 들어오고 있는 만큼, 그 기준을 미루기는 어렵습니다.연구 간 비교. 서로 다른 근거를 같은 무게로 읽지 않기지금까지 살펴본 연구들은 모두 의료 AI가 의료인의 판단과 역량에 어떤 영향을 미칠 수 있는지를 다룹니다. 그러나 이 연구들을 하나의 결론으로 단순히 묶어서는 안 됩니다. AI의 종류, 연구 대상, 연구 설계, 평가 지표가 서로 다르기 때문입니다. 정책이나 수련 기준을 만들기 위해서는 먼저 근거의 성격을 구분해야 합니다.연구AI  유형과 대상핵심 결과해석 시 주의점Budzyń 2025 [1]대장내시경 CADe, 폴란드 4개 기관의 숙련내시경의 19명AI 도입 후, AI 없이 시행한 대장내시경의 선종 발견율이 28.4%에서 22.4%로 감소후향적 관찰 연구이므로 인과를 단정할 수 없음. 다만 실제 임상 환경에서 관찰된 de-skilling 신호라는 점에서 중요함Yu 2024 [11]흉부 X-ray AI, 영상의학과 전문의140명AI가 부정확할 때 영상의학과 전문의의 성과가 전체 병리 및 일부 개별 병리에서 악화됨. 경력, 세부 전공, AI 친숙도는 효과를 충분히 예측하지 못함AI가 부정확할 때 영상의학과 전문의의 성과가 전체 병리 및 일부 개별 병리에서 악화됨. 경력, 세부 전공, AI 친숙도는 효과를 충분히 예측하지 못함Wang 2023 [4]ACL 파열 MRI AI, 임상의 40명AI 보조 시 평균 정확도는 상승했지만, AI 보조 상태에서 발생한 오류의 45.5%가 자동화 편향으로 분류됨. AI suppression 전략은 자동화 편향을줄임단일 질환 연구임. 그러나 AI 보조의 이익과 자동화 편향 위험이 동시에 존재할 수 있음을보여줌Goh 2024 [12]GPT-4, 가정의학·내과·응급의학 의사 50명GPT-4 보조군의 진단 추론 점수는 기존 자원군과 유의한 차이가없었음. GPT-4 단독은 기존 자원군보다 16%p 높았음비네트 기반 연구임. AI 단독 성능과인간-AI 협업 성과가다를 수 있음을 보여줌Goh 2025 [14]GPT-4, 의사 92명치료 관리 추론 과제에서 GPT-4 보조가 의사 점수를 6.5%p 향상시킴진단 추론과 치료 결정은 과제의 성격이 다름. 치료 결정에서의 단기 성과 향상이 장기적 역량 유지까지 의미하지는 않음Qazi 2026 [19]ChatGPT-4o, AI 리터러시 교육을 받은의사 44명오류가 포함된 LLM 추천을 받은 군에서진단 추론 정확도가낮아짐NEJM AI 게재 연구임. 단일 국가, 비네트 기반, 자발적 AI 사용 환경이라는 한계가 있음. 교육을 받았더라도 자동화 편향 위험이 남을 수 있음을 보여줌Teng 2026 [20]AI 의학 설명 시스템, 의대생 111명오도하는 AI 설명은진단 정확도를 낮췄고, 정확한 AI 설명은 유의한 향상을 보이지 않음초보 학습자 대상 연구이므로 전문의에게 그대로 일반화할 수 없음. 다만 의학교육에서 잘못된 AI 설명의 위험을 보여줌Savardi 2025 [18]흉부 X-ray 중증도점수 AI, 영상의학과 전공의 8명AI 보조는 오류를 줄이고 평가자 간 일치도를 높였으며, 전공의들이 일정 수준에서 AI 오류에 저항하는모습을 보임표본이 매우 작고 단일기관 연구임. 그러나 AI 설계와 사용 방식에 따라 교육적 이익도 가능하다는 반론 근거가 됨 이 비교에서 중요한 결론은 세 가지입니다.첫째, AI의 종류가 다르면 위험의 성격도 달라집니다. 대장내시경 CADe나 흉부 X-ray 판독 AI는 특정 영상이나 병변을 탐지·분류하는 도구입니다. 반면 GPT-4와 같은 LLM은 감별진단, 설명, 치료 선택지처럼 사고 과정 자체에 개입할 수 있습니다. 따라서 영상 AI에서 관찰된 결과를 LLM에 그대로 적용하거나, LLM 연구 결과를 모든 의료 AI에 일반화해서는 안 됩니다.둘째, 연구 대상이 다르면 해석의 범위도 달라집니다. 숙련 전문의에게서 관찰된 현상과 의대생에게서 관찰된 현상은 같은 의미가 아닙니다. 숙련 전문의의 문제는 이미 형성된 역량이 AI 의존으로 약화될 수 있는 de-skilling에 가깝습니다. 반면 의대생과 수련의의 문제는 기본 역량이 충분히 형성되기 전에 AI가 사고 과정을 대신할 수 있는 never-skilling에 가깝습니다.셋째, 현재 근거는 강도와 범위가 서로 다릅니다. 폴란드 내시경 연구는 실제 임상 환경에서 관찰된 중요한 신호이지만, 후향적 관찰 연구이므로 인과를 단정할 수 없습니다. Yu, Wang, Goh, Qazi, Teng 연구는 AI가 인간 판단에 미치는 영향을 실험적으로 살폈지만, 대부분 비네트나 시뮬레이션 기반 과제라는 한계가 있습니다. Savardi 연구는 AI가 교육적으로 도움이 될 가능성을 보여주지만, 표본 수가 작아 일반화에는 신중해야 합니다.따라서 현재의 결론은 조심스럽지만 분명해야 합니다. 아직 모든 의료 AI가 의료인의 역량을 약화시킨다고 말할 수는 없습니다. 그러나 여러 분야에서 반복적으로 관찰되는 공통 신호가 있습니다. AI 출력은 의료인의 판단을 바꿀 수 있고, 그 출력이 부정확할 때 의료인도 함께 잘못된 방향으로 움직일 수 있다는 점입니다.이 때문에 의료 AI의 안전성은 알고리즘의 성능만으로 평가할 수 없습니다. AI가 실제 진료에서 의료인의 판단을 어떻게 바꾸는지, 수련 과정에서 어떤 역량을 강화하거나 생략하게 만드는지, AI 없이도 독립적으로 판단할 수 있는 기준점이 유지되는지를 함께 보아야 합니다. De-skilling과 never-skilling은 기술에 대한 막연한 불안이 아니라, 의료 AI 시대의 환자 안전과 전문직 역량을 지키기 위한 거버넌스 의제입니다.03  이것은 AI만의 문제인가결론부터 말하면, 아닙니다. De-skilling은 AI에만 고유한 현상이 아닙니다. 인간이 반복적으로 수행하던 판단이나 기술을 자동화 시스템에 맡기면, 그 일을 스스로 수행하는 빈도와 능력이 줄어들 수 있습니다. 계산기를 쓰면서 암산을 덜 하게 되고, 내비게이션을 쓰면서 길을 기억하거나 공간을 파악하는 일이 줄어드는 것과 비슷합니다. 항공 분야에서는 오토파일럿 의존과 조종사 역량 저하 문제가 오래전부터 논의되어 왔습니다. Parasuraman과 Manzey의 자동화 편향 리뷰 역시 AI가 아니라 자동화 시스템 전반에서 나타나는 인간의 과신, 주의 저하, 오류 수용 문제를 다룹니다[9].그렇다면 의료 AI의 de-skilling은 다른 자동화와 같은 문제일까요. 같은 면도 있지만, 그대로 같다고 보기는 어렵습니다. 의료 AI에서 이 문제가 특별히 중요한 이유는 세 가지입니다.첫째, 의료 판단의 결과는 되돌리기 어렵습니다. 계산기를 많이 써서 암산이 약해지거나, 내비게이션에 익숙해져 길 찾기 감각이 둔해지는 것도 분명한 변화입니다. 그러나 의료에서는 판단의 오류가 진단 지연, 오진, 부적절한 치료로 이어질 수 있고, 그 결과는 환자의 생명과 신체에 직접적인 영향을 미칠 수 있습니다. 사후에 오류를 발견하더라도 이미 치료 시점이 지나 있거나, 환자에게 회복하기 어려운 손상이 발생한 뒤일 수 있습니다. 폴란드 대장내시경 연구도 이런 점에서 중요합니다. 이 연구에서 AI 도입 후, AI 없이 시행한 대장내시경의 선종 발견율은 도입 전 28.4%에서 22.4%로 낮아졌습니다[1]. 이것을 "사라진 6%포인트만큼의 선종이 그대로 발견되지 않았다"고 단순화해서 말할 수는 없습니다. 선종 발견율은 환자 단위의 질 지표이고, 연구 설계상 인과를 단정할 수도 없습니다. 그러나 같은 환경에서 AI 없이 시행한 시술의 핵심 성과 지표가 유의하게 낮아졌다는 점은, AI 노출 이후 독립적 수행 능력에 변화가 생겼을 가능성을 보여주는 중요한 신호입니다.둘째, 의료 AI의 영향은 개인을 넘어 시스템 차원으로 확산될 수 있습니다. 한 명의 의사가 특정 도구에 익숙해지는 것은 개인 수준의 문제로 보일 수 있습니다. 그러나 동일하거나 유사한 AI 시스템이 여러 병원, 여러 진료과, 여러 수련 프로그램에 동시에 도입되면 이야기가 달라집니다. 특정 방식의 판단 보조가 표준 업무 흐름이 되면, 의료인의 사고 방식과 수련 방식도 그 시스템에 맞추어 재편될 수 있습니다. 이 경우 AI의 오류나 중단은 단순한 기계 고장이 아니라, 그 시스템에 의존해 형성된 진료 과정 전체의 취약성으로 나타날 수 있습니다.셋째, 의료 AI는 never-skilling이라는 교육적 문제를 새롭게 부각시킵니다. De-skilling이 이미 형성된 역량의 약화를 뜻한다면, never-skilling은 필요한 역량이 충분히 형성되기 전에 AI가 그 과정을 대신해 버리는 문제입니다. 수련 기간 동안 AI가 감별진단, 영상 판독, 병리 판독, 처방 검토, 기록 작성의 출발점을 계속 제공한다면, 수련의는 AI 없이 처음부터 문제를 구조화하고 판단하는 경험을 충분히 쌓지 못할 수 있습니다. 이 경우 AI가 중단되었을 때 문제는 "예전 실력으로 돌아가지 못하는 것"이 아니라, 애초에 독립 판단의 기준점이 충분히 형성되지 않았을 가능성입니다. 따라서 의료 AI의 de-skilling 문제는 단순히 "도구를 쓰면 손기술이 줄어든다"는 이야기가 아닙니다. 의료에서는 자동화 의존이 환자 안전, 수련 체계, 전문직 책임, 시스템 회복탄력성의 문제로 이어집니다. 바로 이 점 때문에 의료 AI의 de-skilling은 일반 자동화의 한 사례이면서도, 의료 영역에서 별도의 거버넌스가 필요한 문제입니다.04  반론. 그래도 AI가 낫지 않은가여기까지 읽으면 "AI를 쓰지 말아야 한다"는 결론처럼 보일 수 있습니다. 그러나 이 글의 목적은 AI 반대가 아닙니다. 오히려 의료 AI가 실제로 도움이 될 수 있기 때문에, 그 이익과 위험을 함께 보자는 것입니다. De-skilling 우려에 대해서는 중요한 반론들이 있고, 이 반론들은 정직하게 다루어야 합니다.반론 ① 계산기 선례첫 번째 반론은 계산기 선례입니다. 계산기가 보급되면서 암산의 중요성은 줄었지만, 수학 교육은 사라지지 않았습니다. 오히려 교육의 초점은 더 복잡한 문제 해결, 모델링, 통계적 사고로 이동했습니다. 의료 AI도 비슷하게 볼 수 있습니다. 반복적 패턴 인식이나 단순한 정보 검색은 AI에 맡기고, 의사는 복잡한 의사결정, 환자와의 소통, 가치 판단, 윤리적 책임에 더 집중할 수 있다는 주장입니다. Oettl 등은 이러한 논리를 바탕으로 AI가 의사를 대체하기보다 의사의 역할을 더 높은 수준으로 재구성할 수 있다고 봅니다[3].반론 ② 설계를 잘 하면 된다두 번째 반론은 설계의 문제입니다. AI가 항상 켜져 있고 먼저 답을 제시하는 방식은 자동화 편향을 키울 수 있습니다. 그러나 AI를 언제, 어떻게 보여줄 것인지 설계하면 위험을 줄일 수 있습니다. 이탈리아 브레시아 병원에서 영상의학과 전공의 8명을 대상으로 수행된 연구는, AI 보조가 오류를 줄이고 평가자 간 일치도를 높일 수 있음을 보여주었습니다[18]. 또한 전공의들이 AI 오류에 일정 수준 저항하는 모습도 관찰되었습니다. ACL MRI 연구에서 제안된 AI suppression 전략, 즉 오류 가능성이 높은 AI 출력을 선별적으로 차단하는 방식도 자동화 편향을 줄이는 효과를 보였습니다[4]. 이는 AI 자체보다 AI를 배치하는 방식이 중요하다는 점을 보여줍니다.반론 ③ 현재로서는 de-skilling이 발생하지 않았다세 번째 반론은 현재 임상 현장에서 de-skilling이 뚜렷하게 확인되지 않았다는 주장입니다. 일부 질적 연구에서 의료진은 현재 사용하는 AI 도구 때문에 자신의 역량이 약화되었다고 느끼지는 않는다고 보고했습니다. 현재 많은 의료 AI가 제한된 업무에 적용되고 있고, 응답자 대부분이 AI 도입 이전에 이미 임상 역량을 형성한 세대라는 점도 고려해야 합니다. 따라서 지금 당장 모든 의료 AI가 의료인의 역량을 떨어뜨리고 있다고 말하는 것은 과도합니다.그럼에도 우려가 남는 이유첫째, 계산기 선례는 의료에 그대로 적용되지 않습니다. 계산기 사용으로 암산이 줄어드는 것과, 의사가 독립적으로 감별진단을 세우거나 영상·병리 소견을 판독하는 능력이 약화되는 것은 위험의 성격이 다릅니다. 의료 판단은 환자의 생명과 신체에 직접 연결됩니다. 따라서 의료 AI 논의에서 중요한 질문은 "어떤 역량은 AI에 맡겨도 되는가"와 동시에 "어떤 역량은 AI 시대에도 반드시 보존되어야 하는가"입니다.둘째, 좋은 설계가 가능하다는 것과 실제 임상에서 그런 설계가 널리 구현되어 있다는 것은 다릅니다. On-demand 방식, sequential reveal 방식, AI suppression 전략은 모두 의미 있는 대안입니다. 그러나 실제 의료기관의 AI 도입은 업무 효율, 판독 속도, 비용, 사용자 편의성에 의해 결정되는 경우가 많습니다. 자동화 편향을 줄이고 독립적 판단을 유지하도록 설계된 AI가 표준이 되려면, 제품 설계뿐 아니라 인허가, 구매, 배치, 교육, 시판 후 모니터링 기준이 함께 바뀌어야 합니다.셋째, 현재 문제가 뚜렷하지 않다는 사실이 미래의 안전을 보장하지는 않습니다. 지금 임상 현장의 많은 의사들은 AI 없이 훈련받은 뒤 AI를 도구로 사용하고 있습니다. 이들에게 AI는 기존 역량 위에 얹힌 보조 도구입니다. 그러나 앞으로의 수련의와 의대생은 처음부터 AI와 함께 배우고 진료하게 됩니다. Never-skilling의 핵심 대상은 현재의 숙련 세대가 아니라, 아직 독립적 판단 기준을 형성하는 중인 다음 세대입니다. 문제가 눈에 보일 때는 이미 한 세대의 수련 과정이 지나간 뒤일 수 있습니다.[하편]으로 이어집니다. 클릭

[메디칼타임즈=임수민 기자] 보건복지부가 입원실 내 남녀 구별 운영 의무를 삭제하는 내용의 의료법 시행규칙 개정을 추진하자 의료계와 일선 현장에서 반발이 거세지고 있다.이에 복지부는 "해당 규정 삭제는 법적 강제를 없애는 불필요한 규제 완화일 뿐, 병실 혼합 운영을 뜻하는 것이 아니다"라며 진화에 나섰다.보건복지부가 입원실 내 남녀 구별 운영 의무를 삭제하는 내용의 의료법 시행규칙 개정을 추진한다.현행 의료법 시행규칙 제35조의2에 따르면 의료기관은 입원실을 남녀별로 구별해 운영해야 한다. 이를 위반할 경우 1차 시정명령, 2차 영업정지 15일이라는 무거운 행정처분이 내려진다.복지부는 현행 조항이 병상 운영을 경직되게 만든다고 판단, 입원실 운영기준 삭제를 골자로 한 '의료법 시행규칙 일부개정령안'을 입법예고하고 오는 7월 6일까지 의견을 수렴한다고 밝혔다.보건복지부 의료기관정책과 신현두 과장은 이번 규제 개선이 지난해 4월 광주광역시의 건의에서 시작됐다고 배경을 설명했다.신 과장은 "현행 규정 때문에 부부나 직계 가족이 같은 병실을 사용하고 싶어도 쓰지 못해 불편을 겪거나 간병 부담이 증가한다는 민원이 지속적으로 제기돼 왔다"며 "실제 의료 현장에서는 부부가 2인실에 함께 입원하는 사례가 있고, 어린이병원 다인실의 경우 남녀 구분을 하지 않는 경우가 대부분이어서 현행법이 현실을 반영하지 못하고 있다"고 지적했다.특히 신 과장은 현행 규정을 엄격하게 적용할 경우 발생할 수 있는 법적 모순을 꼬집었다.그는 "현재 전국 모든 병원의 중환자실은 남녀 환자를 구분하지 않고 한 공간에서 치료하고 있다"며 "현행 시행규칙을 그대로 두면 지금의 중환자실 운영은 모두 위법이 되는 셈"이라고 강조했다.복지부는 이번 개정안이 통과되더라도 일반적인 병실 운영 기조가 무너지는 일은 없을 것이라고 단언했다.입원실 남녀 구분을 법령으로 강제하지 않을 뿐, 의료기관이 자율적으로 남녀 병실을 분리해 운영하는 것은 변함없을 것이라는 설명이다.신 과장은 "이번 개정의 핵심 취지는 법적 규제를 폐지하되 병원이 자율적으로 남녀를 구분해 운영하도록 하고, 부부·가족·어린이 병실 등 예외적이고 환자에게 꼭 필요한 경우에 한해 남녀가 같은 병실을 이용할 수 있도록 길을 열어두는 것"이라고 밝혔다.이어 "해외 선진국 어디를 보더라도 법령으로 입원실의 남녀 구분을 강제하고 처벌하는 규정은 없다"며 "시대에 뒤떨어진 불필요한 규제를 폐지하는 차원으로 이해해 달라"고 당부했다.

[메디칼타임즈=임수민 기자] 국내 바이오벤처 기업들이 글로벌 항암제 시장의 최대 화두인 항체-약물 접합체(ADC) 분야에서 세계적 수준의 기술력을 과시했다.한국보건산업진흥원(원장 차순도, 이하 진흥원)은 지난 5월 20일부터 22일까지 일본 마쿠하리 멧세에서 열린 '인터펙스 위크 도쿄 2026(Interphex Week Tokyo 2026)'에 최초로 공식 초청돼 참여했다고 밝혔다.K-바이오벤처들이 인터펙스 위크 도쿄 2026(Interphex Week Tokyo 2026)에 참여했다.진흥원은 행사 둘째 날인 21일, 글로벌 제약·바이오 관계자 100여 명이 참석한 가운데 '차세대 ADC 디자인: 페이로드, 링커, 항체의 글로벌 트렌드'를 주제로 전문 세션을 성황리에 개최했다.이번 행사에서 진흥원은 국내 우수 기술을 홍보하는 한편, 비즈니스 라운지 운영을 통해 한-일 기업 간 협력의 가교 역할을 수행했다.이날 세션에서는 글로벌 시장에서 가장 주목받는 바이오 모달리티인 ADC의 성능과 안전성을 극대화할 수 있는 차세대 핵심 기술이 대거 공개됐다.국내 대표 ADC 혁신 바이오텍 3사인 에임드바이오, 인투셀, 싸이런테라퓨틱스의 대표들이 연사로 나서 ADC를 구성하는 3대 핵심 요소인 페이로드(약물), 링커, 항체의 주요 성과를 발표했다.첫 발표를 맡은 에임드바이오 허남구 대표는 '페이로드 혁신과 고형암 확장'을 주제로 강연했다. 허 대표는 글로벌 빅파마와의 대형 기술이전 성과를 기반으로, 독자적인 환자 유래 세포 기반 플랫폼을 통해 발굴한 차세대 독성 약물(Payload)의 기술적 차별성을 소개하며 난치성 고형암 치료의 새로운 가능성을 제시했다.이어 인투셀 박태교 대표는 '절단형 링커(Cleavable Linker)'를 주제로 발표를 진행했다.약물의 안정적인 혈류 내 순환과 종양 세포 내 효율적인 방출을 제어하는 인투셀만의 고도화된 링커 기술(OHPASTM Linker 플랫폼 등)과 핵심 파이프라인, 임상 결과를 소개해 차세대 ADC 설계의 표준을 제안했다는 평을 받았다.마지막으로 셀트리온과 공동으로 다중항체 신약을 개발 중인 싸이런테라퓨틱스 윤상순 대표가 'ADC 개발을 위한 기능적 항체 스크리닝'을 주제로 발표했다.윤 대표는 실제 임상 사례를 중심으로 ADC 의약품 개발 시 항체 스크리닝의 중요성과 전략에 대한 경험을 공유해 참석자들의 높은 호응을 이끌어냈다.세션 종료 후에는 국내외 기업 간 개방형 혁신(오픈 이노베이션)을 위한 자리가 마련돼, 향후 글로벌 협업을 위한 심도 있는 논의가 이어졌다.진흥원 제약바이오산업단 김용우 단장은 "이번 세미나는 글로벌 바이오 업계가 주목하는 ADC 분야에서 한국 바이오텍 기업들의 세계적 기술력을 해외 시장에 확고히 각인시킨 계기"라고 평가했다.이어 "일본은 다케다, 아스텔라스, 다이이찌산쿄, 오츠카홀딩스, 에자이 등 글로벌 50대 제약사 중 5개 기업이 포진한 중요 시장이며, 최근 리가켐바이오와 오노약품공업의 사례처럼 양국 기업 간 ADC 분야 협력이 확대되는 추세"라며 "이번 세션이 국경을 넘는 기업 간 개방형 혁신의 마중물이 되었기를 바라며, 앞으로도 국내 제약바이오기업의 글로벌 파트너십 확장을 위해 국내외 협력을 지속해서 강화하겠다"고 강조했다.

[메디칼타임즈=임수민 기자] 정식 승인을 받지 않은 일반 시술을 마치 안전성이 검증된 첨단재생의료인 것처럼 속여 홍보한 의료기관들이 대거 덜미를 잡혔다.보건복지부는 지난해 7월부터 11월까지 블로그와 유튜브 등 온라인 매체를 모니터링한 결과, 의료법 위반 소지가 있는 거짓·과대광고 246건(63개 기관)을 적발해 관할 지자체에 조치를 요청했다고 27일 밝혔다.특히 이번에 적발된 불법 광고의 96%가 정부가 지정한 재생의료기관에서 발생한 것으로 드러나 소비자의 각별한 주의가 필요하다는 지적이 나온다.적발된 광고의 주요 유형은 재생의료기관 지정 사실을 내세워 첨단재생의료와 무관한 시술을 마치 안전성이 검증된 재생의료인 것처럼 홍보해 소비자로 하여금 오인을 유발하는 광고로 의료법상 거짓·과대 광고에 해당한다.예를 들어, 신의료기술인 무릎 골관절염 주사를 재생의료인 것처럼 홍보하는 경우 등이다.정식 승인을 받지 않은 일반시술을 첨단재생의료처럼 속여 홍보한 의료기관이 적발됐다.첨단재생의료는 재생의료기관으로 지정된 의료기관에서 첨단재생의료 및 첨단바이오의약품 심의위원회의 승인을 받은 임상연구 및 치료계획에 대해서만 실시 가능하고 승인받지 않은 시술을 하는 것은 불법이다.따라서, 재생의료기관으로 지정받지 않은 일반의료기관 또는 연구·치료계획에 대한 심의 승인을 받지 않은 재생의료기관이 첨단재생의료를 실시하는 것처럼 광고하는 경우 거짓·과대광고에 해당한다.이번 적발 건수 총 246건 중 96%에 해당하는 236건은 재생의료기관에서 발생했다. 기관 수로는 54개소로 상급종합병원 1개소 등이 포함됐다.일반의료기관은 10건으로 9개소에서 재생의료 관련 거짓·과대광고 의심 사례가 적발됐다.거짓·과대광고는 의료법상 처분 규정이 있으며, 이번 모니터링에서 광고 위반 소지가 확인된 의료기관에 대해서 보건소에서 행정지도를 중심으로 조치할 수 있도록 지자체에 요청했다.첨단재생의료 제도 시행 초기로, 재생의료기관의 재생의료에 대한 올바른 인식을 도모하고 자정 노력을 먼저 유도하는 것이 필요하다는 판단에 따른 것이다.거짓·과대광고를 진행 시 행정처분으로 시정명령 및 경고에서 업무정지 2개월을 받을 수 있으며, 행정벌로는 1년 이하 징역 또는 1000만원 이하 벌금형에 처해질 수 있다.김현숙 첨단의료지원관은 "첨단재생의료는 첨단 기술을 활용해 환자의 미충족 의료수요에 대응할 수 있는 수단으로, 정부는 작년 2월 도입된 치료 제도의 안착을 위해 노력하고 있다"며 "이러한 과정에서 재생의료 관련 거짓·과대광고로 인한 소비자 피해를 선제적으로 차단할 필요가 있다"고 강조했다.이어 "앞으로도 불법 광고에 대한 모니터링을 지속 추진하여 의료질서를 확립하고 국민 건강을 보호하겠다"고 전했다.

[메디칼타임즈=임수민 기자] 정부가 글로벌 헬스케어 시장에서 한국 의료의 접근성과 신뢰도를 높이기 위해 외국인 환자 대상 비대면 진료 제도화에 착수했다.보건복지부(장관 정은경)는 26일 한국을 찾는 외국인환자 대상 비대면 진료 제도화를 포함한 '의료 해외진출 및 외국인환자 유치 지원에 관한 법률' 개정안이 공포됐다고 밝혔다.의료해외진출법은 이재명 정부의 국정과제로 ▲외국인환자에 대한 비대면 진료 근거 마련 ▲의료 해외진출 신고 대상자 확대 ▲의료 해외 진출 및 외국인환자 유치 실태조사 근거 신설 등 규제 개선 법안으로 추진됐다.외국인환자 대상 비대면 진료 제도화를 포함한 '의료 해외진출 및 외국인환자 유치 지원에 관한 법률' 개정안이 공포됐다.의료해외진출법은 공포 후 1년이 경과한 날부터 시행된다.한국을 방문하는 외국인환자 200만 시대에 비대면 진료 제도화를 통해 국내 체류 기간이 짧은 외국인환자에게 사전상담 및 귀국 후 사후관리 서비스 제공의 필요성이 꾸준히 제기됐다.한편, 의료법 개정(2026년 12월 시행)으로 내국인 환자에게 비대면 진료가 허용됐지만, 비대면 진료 범위가 재진 환자와 의원급 의료기관 중심으로 외국인환자에게는 적용이 어려워 별도 규정이 필요했다.이번 개정으로 외국인환자 유치의료기관에 소속된 의사‧치과의사‧한의사는 의원급 또는 병원급 의료기관에서 초진 환자를 포함해 외국인환자 사전‧사후 관리를 위해 정보통신기술을 활용해 지속적 관찰, 상담‧교육, 진단 및 처방이 가능하다.또한, 외국인환자 비대면 진료를 위해 비대면 진료와 의약품 처방이 가능한 외국인환자 비대면진료지원시스템을 구축할 수 있으며, 전문기관에 위탁 운영도 가능하게 된다.아울러, 외국인환자 비대면 진료의 절차 및 방법 위반 시 유치기관 등록취소 등 관리 규정을 마련해 제도의 오남용을 방지하고 외국인환자 치료의 안전성 확보를 통해 한국 의료에 대한 신뢰도와 만족도를 높일 수 있게 된다.의료 해외진출 주체가 의료기관 개설자 외에도 비영리법인 및 병원경영지원회사(MSO) 등으로 확대되고 있어, 해외진출의 정확한 현황을 파악하고 체계적 관리를 위해 의료 해외진출 신고 대상을 기존 의료기관 개설자에서 비영리법인 및 상법상 회사까지 추가·확대한다. 이를 통해 의료 해외진출 기관을 대상으로 맞춤형 지원 정책을 수립할 수 있을 것으로 기대된다.2025년 외국인환자 유치 실적은 201만명으로 양적으로 크게 성장하고 있고, 2016년 법 제정 이후 10년 이상 의료 해외진출도 확대되고 있어 성과 및 운영 실태를 보다 종합적이고 체계적으로 분석하여 K-의료 산업생태계의 지속 가능한 성장 동력(모멘텀) 마련이 필요한 시점이다.매년 실태조사를 시행할 수 있는 법적 기반이 마련됨에 따라, 실태조사를 통해 종합․시행계획 수립의 기초자료로 활용하고, 체감도 있는 정책을 수립할 수 있게 된다.보건복지부는 하위법령 마련 등 제도 시행 준비를 차질 없이 추진해 나갈 계획이며, 의료기관, 전문가, 현장 의견 등을 수렴하여 외국인환자 비대면 진료 시행이 안정적으로 정착될 수 있도록 체계를 마련해 나갈 방침이다.보건복지부 정은경 장관은 "외국인환자 대상 비대면 진료 제도화는 외국인환자 200만 시대에 글로벌 헬스케어 시장에서 K-의료의 신뢰도를 향상시키고, 접근성을 획기적으로 개선 시킬 수 있는 새로운 시작점"이라며 "해외 진출의 신고대상 확대와 정확한 실태조사는 외국인환자 유치 사업의 질 관리와 해외 진출 사업의 내실화를 높이는 데 크게 도움이 될 것"이라고 밝혔다.

[메디칼타임즈=박상준 기자]법무법인 BHSN이 '법무법인 액시스(AXIS)'로 사명을 변경하고, 삼성역 인근으로 주사무소를 확장이전했다.이와 함께 액시스 보건의료팀은 제약사 자문에 특화된 변호사들을 영입하며 의료·제약 분야 법률자문 역량을 한층 강화했다.'AXIS'는 기준선과 중심점을 의미하는 단어로, 복잡한 법률문제 속에서 핵심 쟁점을 정리하고 판단 기준을 제시하겠다는 로펌의 지향점을 담고 있다.이번 확장이전은 단순한 사무공간 이전을 넘어, 의료·제약·헬스케어 분야 전문 로펌으로서의 업무 기반을 강화하기 위한 조치이기도 하다. 액시스는 의료기관 자문, 의료분쟁, 의료광고, 의료법·약사법·의료기기법 관련 규제 대응, 제약사 컴플라이언스, 리베이트 이슈, 보건복지부·식약처 관련 행정 대응 등 보건의료 분야에서 전문적인 법률서비스를 제공해 왔다.특히 이번에 액시스 보건의료팀에는 TY Partners에서 제약사 자문 업무를 수행해 온 윤정원 미국 뉴욕주 변호사와 신수연 변호사가 합류했다.두 변호사는 제약사 및 헬스케어 기업을 대상으로 한 계약 검토, 규제 자문, 컴플라이언스, 국내외 거래 구조 검토 등에 경험을 갖추고 있어, 액시스의 기존 의료법 중심 자문 역량에 제약·바이오 분야의 실무 경험을 더할 것으로 기대된다.최근 약사법 및 의료기기법 개정으로 제약사·의료기기 업체와 특수관계인 사이의 거래 제한이 강화되면서, 보건의료산업 내 지분 구조 정리, 계열사 간 거래구조 재편, 경영권 이전 및 투자회수 전략에 관한 법률 수요도 증가하고 있다. 이에 액시스는 단순 규제 자문을 넘어, 보건의료산업 특유의 규제 리스크를 반영한 M&A 및 경영권 거래 자문 체계도 함께 갖추고 있다. 특히 법무법인 율촌 출신의 박선동 변호사는 보건의료팀과 협업하여 지분 매각, 주주 간 분쟁, 경영권 이전, 투자계약 및 거래구조 설계 등 보건의료기업의 경영권 관련 리걸 이슈에 대응하고 있다.액시스 보건의료팀은 의료기관과 의료인을 대상으로 한 전통적인 의료법 자문뿐 아니라, 제약사·의료기기 회사·헬스케어 플랫폼·MSO·디지털헬스케어 기업 등으로 자문 영역을 확장하고 있다. 최근 보건의료산업에서는 의료광고 규제, 비대면진료, 환자유인·알선, 제약 리베이트, 개인정보 및 의료정보 처리, 의료기관 투자구조, 외국인환자 유치, 플랫폼 기반 의료서비스 등 복합적인 법률 쟁점이 빠르게 증가하고 있다. 액시스는 이러한 변화에 대응하기 위해 의료법, 약사법, 의료기기법, 개인정보보호법, 공정거래법, 형사·행정 대응 역량에 M&A 및 기업거래 자문 역량을 결합한 통합 자문 체계를 강화하고 있다. 오승준 액시스 대표변호사는 "보건의료 분야는 단순히 법 조항을 해석하는 수준을 넘어, 실제 의료기관과 제약·헬스케어 기업의 운영 구조를 이해한 상태에서 규제 리스크를 설계하고 관리해야 하는 영역"이라며 "이번 명칭 변경과 확장이전, 제약사 자문 경험을 갖춘 변호사들의 합류, 그리고 M&A 자문 역량 강화를 계기로 의료·제약·헬스케어 분야에서 보다 정교하고 실질적인 법률서비스를 제공하겠다"고 밝혔다.법무법인 액시스는 현재 의료, 형사, 건설·부동산, 일본 관련 업무 등 다양한 분야에서 전문 인력을 갖추고 있으며, 보건의료팀을 중심으로 의료기관과 헬스케어 기업을 위한 전문 법률서비스를 지속적으로 확대할 계획이다.

[메디칼타임즈=임수민 기자] 보건복지부가 필수의료 강화를 목적으로 추진 중인 검체검사 수가 개편과 청구 방식 개선안의 구체적인 윤곽이 드러났다.정부는 의료계 일각의 우려와 달리 '위수탁 검사료 분리지급' 방침을 관철하는 한편, 세부 보상 비율(몫)은 상대가치점수 개편과 연계해 최종 확정하겠다는 계획이다.보건복지부가 오는 6월 검체검사 수가 개편과 청부 방식 개선안을 발표할 예정이다.보건복지부 유정민 보험급여과장은 21일 복지부 전문기자협의회를 통해 "이르면 오는 6월 말 검체검사 수가 종합 개편안을 확정 발표할 계획"이라고 밝혔다.이번 개편은 복지부가 추진해 온 필수의료 보상 강화 및 건강보험 지불제도 혁신의 일환이다. 그동안 의료계 안팎에서는 검체검사에 보상이 과도하게 쏠려 있어 진찰·입원 등 기본진료와 수술·마취 같은 필수의료 영역이 상대적으로 저평가되었다는 지적이 지속해서 제기돼 왔다.이에 따라 정부는 과도하게 책정된 검체검사 비용을 적정 수준으로 조정(균형수가)하고, 이를 통해 확보한 재원을 필수진료 부문에 재투자하겠다는 방침이다.유정민 과장은 "수가 조정을 통해 보상수준의 균형을 맞춰 진찰, 입원 등 기본진료와 수술, 마취 등 필수진료를 강화할 것"이라며 "검체검사 역시 균형수가로 조정해 적정 검사가 이루어지도록 하고 수가 조정, 위수탁 구분지급, 질 관리체계 개편 등 제도개선을 종합적으로 추진하겠다"고 설명했다. 유 과장은 "남은 기간 현장 의견을 충분히 수렴해 빠르면 6월 말 확정할 계획"이라고 덧붙였다.의료계의 가장 큰 관심사 중 하나인 '분리청구' 도입 여부에 대해서도 정부는 추진 의지를 분명히 했다.복지부 관계자는 "현재는 위탁기관(병원 등)이 검사료까지 일괄 청구·수령해 수탁기관(검사센터 등)과 나누는 방식이지만, 앞으로는 심평원과 공단이 수가를 지급할 때 검사료를 수탁기관에 직접 주는 방식으로 바뀐다"며 "위수탁기관 분리청구가 아닌 '분리지급' 개념으로 명확히 간다"고 못을 박았다.이어 "지난해 12월 건강보험정책심의위원회(건정심) 보고 당시 청구지급방식 개선을 이미 예고한 바 있다"며 "올해 하반기 시행을 목표로 전산 시스템 개편을 추진 중이며 이 기조는 바뀌지 않을 것"이라고 강조했다.지속해서 미뤄지고 있는 위수탁기관 간 보상 비율 산정 문제는 현재 진행 중인 '전체 상대가치점수 개편' 작업과 맞물려 돌아가고 있는 것으로 확인됐다.이 관계자는 "단순히 위수탁 비율만 정하는 것이 아니라 전체 검체검사료의 상대가치 점수를 조정하는 작업을 함께 진행하고 있다"면서 "전체 검사료가 어떻게 조정되느냐에 따라 위수탁 보상 몫도 연동되어 바뀌기 때문"이라고 설명했다.이에 따라 구체적인 위수탁 비율은 상대가치 점수가 확정되는 시점에 맞춰 최종 결정될 전망이다.복지부 관계자는 "상반기 논의 완료를 목표로 하고 있으나, 상대가치 조정 논의 시점과 맞물려 있어 6월 말을 확정적이라고 단언하기는 어렵다"며 "설령 6월 말에 제도를 확정 발표하더라도 전산 시스템 등 현장 준비 기간이 필요해 실제 시행 시점은 다소 달라질 수 있다"고 전했다.

[메디칼타임즈=허성규 기자] 식품의약품안전처(처장 오유경)는 가정에서 복용하고 남은 마약류 의약품이 오·남용되거나 불법 유통되는 것을 예방하기 위해 대한약사회 및 한국병원약사회와 협력하여 '가정 내 의료용 마약류 수거·폐기 사업'을 실시한다고 밝혔다.해당 사업은 참여약국이 마약류 의약품을 처방받은 환자에게 수거·폐기 사업을 안내하고 사용 후 남은 마약류 의약품을 반납받아 전문폐기업체가 안전하게 폐기하는 사업으로 식약처에서 2022년부터 매년 실시하고 있다.2025년도 사업 실시결과 수거·폐기량은 전년도 수거폐기량 344㎏ 대비 176㎏(약 51%) 증가한 520kg이었고, 이는 마약류 의약품 처방이 많은 종합병원 인근 약국으로 참여약국을 집중 배치하고 적극적인 홍보 등의 노력으로 달성한 성과라고 분석된다.올해는 지난해 참여했던 6대 광역시와 부천·전주시, 수원특례시에 이어 서울특별시가 신규로 참여함에 따라 전국 10개 지역, 총 100개 약국으로 운영 범위를 확대한다. 국민의 적극적인 사업 참여와 수거량을 높이기 위해 마약류 의약품을 반납하는 국민에게 친환경 가방도 증정한다.이와 더불어 6개 종합병원 내 약국에서 마약류 의약품을 처방받는 환자에게 ▲처방받은 마약류의 안전하고 적절한 복용법 교육을 강화하고 ▲인근 지역의 수거·폐기 사업 참여약국을 안내하여, 복용하고 남은 마약류 의약품의 반납을 적극 유도할 계획이다.특히 식약처는 국민의 적극적인 참여를 이끌어내기 위해 '세계 마약 퇴치의 날' (6.26) 전후를 '안심 수거 주간'으로 지정하여 전국 사업 참여약국에서 집중적으로 반납을 독려할 계획이다.또한 관리의 사각지대가 발생할 수 있는 교정시설을 대상으로 전문가가 직접 방문하여 방치된 마약류를 회수하는 '찾아가는 수거' 시범 사업도 새롭게 추진한다.이번 사업에 3년째 참여하고 있는 권태협 약사(경북대병원 약제부장)는 "약사로서 가정내 마약류 수거·폐기 사업에 참여하게 되어 보람을 느끼며, 이 사업은 마약류로부터 사회의 안전을 지키기 위해 반드시 필요한 사업으로 앞으로도 참여약국 수, 지역·보상 확대 등이 필요하다"고 밝혔다.한편, 식약처는 가정 외에도 요양시설, 교정시설 등 사회 전반에서 복용한 후 남은 마약류 의약품이 오·남용되거나 불법유통 되는 것을 방지하고 안전하게 회수 및 폐기될 수 있도록 연구사업을 추진 중에 있으며, 그 연구 결과를 내년도 사업 효율화 및 확대에 활용할 계획이다.올해 수거·폐기 사업에 참여하는 약국 목록은 '식품의약품안전처 누리집(www.mfds.go.kr) → 정책정보 → 마약 정책정보 → 자료실'에서 확인할 수 있다.아울러 사업에 참여하지 않는 지역은 해당 지자체별로 운영 중인 폐의약품 사업을 통해 해당 지역의 지정된 수거 장소에 반납할 수 있다.

[메디칼타임즈=임수민 기자] 한국보건산업진흥원(원장 차순도)이 국내 의사과학자의 고질적인 문제로 지적되어 온 연구 공백과 이탈을 막기 위해 의료계 주요 단체들과 손을 잡고 전주기 지원체계 구축에 본격적으로 나선다.진흥원은 대한민국의학한림원, 대한의학회, 한국의과대학·의학전문대학원협회와 의사과학자 육성 정책 개발 지원을 위한 업무협약(MOU)을 각각 체결했다고 21일 밝혔다.한국보건산업진흥원과 의료계가 의사과학자 '전주기 연구 생태계' 구축을 위해 업무협약을 체결했다.단순한 인재 양성을 넘어 의대 교육 단계부터 수련, 임상현장 연구에 이르기까지 전 과정을 연결하는 정책 협력체계를 가동한다는 구상이다.그동안 바이오헬스 산업의 핵심 인재인 의사과학자는 환자 진료와 연구를 병행할 수 있는 제도적 기반과 연구환경이 미흡하다는 현장의 지적을 받아왔다. 이에 따라 이번 협약에 참여한 기관들은 각자의 전문성을 바탕으로 현장 맞춤형 지원책을 마련할 방침이다.우선 ▲대한민국의학한림원은 법·제도 기반 마련을 위한 현황 분석과 정책 수요 발굴, 공청회 등을 추진하며, ▲대한의학회는 전공의 연구환경 분석과 수련제도 내 연구 지원체계 마련, 연구문화 확산에 집중한다.▲한국의과대학·의학전문대학원협회는 의대 교육 현장의 연구 역량을 진단하고 의대생 연구문화 확산을 위한 공동 실행전략을 수립할 예정이다.특히 이들 기관은 2026년 보건복지부 '의사과학자 도약 프로그램' 지원사업을 통해 전공의·전임의·교수 단계별 연구 이탈 요인을 분석하고, 의과대학 연구교육 과정을 개발하는 등 실제 정책화가 가능한 협력 과제를 우선 추진하기로 했다.진흥원 차순도 원장은 "의사과학자의 연구 여정이 개인의 열정에만 의존하지 않도록 연구에 몰입할 수 있는 환경과 생태계를 만드는 데 최선을 다하겠다"고 전했다.

[메디칼타임즈=임수민 기자] 임산부와 소아 등 취약계층에게 필수적인 의약품의 만성적인 공급 부족 사태를 해결하기 위해 정부가 예산을 확충하며 진화에 나섰다. 의료 현장에서 단절 위기에 놓였던 응급 약물들의 생산 라인을 복구하겠다는 취지다.하지만 제약 업계에서는 원가 폭등과 정부의 약가 인하 기조가 맞물린 상황에서, 단순한 설비 비용 지원은 임시방편에 그칠 뿐이라 비판의 목소리를 높였다.보건복지부가 36억원을 투입해 필수약 증산을 유도할 계획이다.보건복지부와 한국보건산업진흥원은 21일, 국내 수급 현황이 불안정한 완제의약품의 증산과 공급 재개를 유도하는 '2026년 수급불안정의약품 생산 지원 사업'의 최종 수행기관으로 6개 제약사(7개 품목)를 선정했다.이를 위해 투입된 예산은 총 36억원으로 지난해 9억원보다 4배 인상됐다.올해 지원 대상에는 환자 생명과 직결되지만 낮은 채산성이나 노후 설비 문제로 공급 차질이 잦았던 필수의약품들이 대거 포함됐다.알레르기 치료제인 '히스토불린주'(GC녹십자), 결핵약 '튜비스정'(비씨월드제약), 임신성 당뇨 검사액 '글루오렌지100'(맥널티제약) 등 국내 단독 생산 품목들이 설비 고도화를 통해 향후 1.25배에서 2배까지 생산량을 늘릴 계획이다. 타사 생산 중단으로 수요가 몰렸던 광범위 항생제 '세파졸린주'(종근당) 역시 증산 체계를 갖춘다.특히 원료 수급난과 강화된 제조·품질관리기준(GMP) 시설 투자 부담으로 기존 제조사가 공급을 포기했던 응급약들도 기사회생하게 됐다.간질 등 응급상황에 쓰이는 '로라제팜 주사제'는 삼진제약이 설비를 신규 도입해 연내 공급을 시작하며, 영유아 응급 치료용 '히드로코르티손 주사제'는 한국팜비오가 새롭게 품목 허가를 취득해 공급 공백을 메우기로 했다.정부는 이번 재정 지원이 취약계층 필수약의 안정적 공급망을 구축하는 마중물이 될 것으로 기대하고 있다. 복지부는 이 같은 공급 안정화 기조를 유지하기 위해 향후 관련 지원 규모를 지속적으로 넓혀갈 방침이다.하지만 현장의 시선은 여전히 무겁다. 제약업계는 정부의 이번 조치로 당장 급한 불은 껐다면서도, 근본적인 약가 구조 개선 없이는 필수의약품 생산 기피 현상을 막을 수 없다고 지적한다.코로나19 이후 글로벌 원료 의약품 가격과 물류비 등 전반적인 생산 원가는 폭등했으나, 필수·퇴장방지의약품의 약가는 고정되어 있어 만들수록 적자가 쌓이는 구조이기 때문이다.여기에 정부가 건강보험 재정 절감을 위해 추진 중인 기등재 의약품 약가 인하 정책 등 공세적인 약가 규제도 제약사들의 발목을 잡는 요소로 꼽힌다.제약업계 관계자는 "정부의 시설 자금 보조가 초기 설비 투자 부담을 일부 완화해 주는 효과는 있다"면서도 "하지만 글로벌 원자재 가격 폭등과 무균 공정 강화 등으로 인한 고정비 상승분이 원가에 반영되지 않는 현행 약가 구조에서는 생산을 지속할수록 한계 적자만 누적되는 꼴"이라고 지적했다.이어 "당장 건보 재정 절감을 목표로 한 기등재 의약품 약가 인하 압박이 거센 상황에서 일회성 비용 지원은 임시방편에 불과하다"며 "필수·퇴장방지의약품의 원가 보전율을 현실화하거나 고정적인 약가 가산제 등 사후 채산성을 보장하는 제도적 장치가 동반되지 않는다면, 얼마 못 가 또다시 공급 중단 선언이 되풀이될 수밖에 없다"고 강조했다.

[메디칼타임즈=임수민 기자] 보건복지부(장관 정은경)와 한국보건산업진흥원(원장 차순도)은 '2026년 수급불안정의약품 생산 지원 사업' 수행기관으로 6개 기업(7종 의약품)을 선정했다고 20일 밝혔다.지원 대상은 공급중단 완제의약품, 공급부족 가능성이 있는 완제의약품, 심평원 수급불안정 신고채널로 접수된 의약품 중 하나에 해당되는 의약품이다.정부가 소아·임산부 필수약 등 7개 의약품의 생산을 확대를 지원한다.수급불안정의약품 생산 지원 사업은 의약품 수급 불안정을 해소하고, 국민 건강권을 보호하기 위하여 국내 수급이 원활하지 않은 의약품을 생산하는 기업에 생산 시설과 장비 구축비를 정부가 보조해 해당 의약품의 공급 재개 및 증산을 견인하는 사업으로 2025년부터 시행하고 있다.정부 예산은 2025년 9억원(1개소)에서 2026년 36억원으로 27억원 증가했다.올해는 ▲㈜GC녹십자의 히스토불린주 ▲㈜종근당의 세파졸린주 ▲㈜비씨월드제약의 튜비스정 및 튜비스투정 ▲맥널티제약(주) 글루오렌지100 ▲㈜한국팜비오 히드로코르티손 주사제 ▲삼진제약(주) 로라제팜 주사제 등 6개 기업의 7종 의약품을 지원 품목으로 선정했다.▲알레르기 질환 치료제인 히스토불린주 ▲결핵치료제 튜비스정·튜비스투정 ▲임신성 당뇨 검사액 글루오렌지100은 각각 ㈜GC녹십자, ㈜비씨월드제약, 맥널티제약(주)이 국내에서 유일하게 생산·공급하고 있으나, 노후화된 생산시설 등의 이유로 의료 현장에서 공급 지연과 일시 품절 사태가 반복 되어왔던 제품들로 이번 지원을 통해 안정적인 공급 체계를 갖출 예정이다.세파졸린주는 광범위한 영역에서 쓰이는 항생제로 최근 타 기업에서 생산 중단해 ㈜종근당에 수요가 몰렸으나 시설 한계로 생산을 늘리기 어려운 상황이었으나 이번 지원을 통해 증산 체계를 갖추게 된다.또한, 수술 전 진정과 간질 등 응급상황에 쓰이는 로라제팜 주사제와 급성 부신 부전증 환자 및 영유아의 응급 치료에 사용되는 히드로코르티손 주사제는 국내 단독 생산기업들이 공급 중단을 보고하여 대책 마련이 시급한 상황이었다.이번 사업을 통해 삼진제약(주)은 로라제팜 주사제 생산 장비를 신규 구축하고, 연내 품목 허가 취득 및 공급 개시 하여 로라제팜 주사제의 공급 공백을 최소화하기로 했다.㈜한국팜비오 역시 히드로코르티손 주사제 품목 허가를 신규 취득하여 생산함으로써 공급 상황을 안정화할 계획이다.정은영 보건산업정책국장은 "수급불안정의약품 생산 지원 사업은 의약품 공급 안정화를 위한 정부의 적극적인 의지를 담아 작년에 비해 사업 규모를 9억원에서 36억원으로 4배로 확대했다"며 "올해 지원하는 의약품들은 소아, 임산부의 건강 보호와 응급 치료에 핵심적인 의약품들로서 향후 안정적인 공급을 통해 국민의 건강과 생명을 지키는데 기여할 수 있을 것으로 기대된다"고 강조했다.이어 "복지부는 앞으로도 국내 제약바이오기업 및 유관 기관과의 협력을 통해 국민이 필요로 하는 의약품을 안정적으로 공급할 수 있도록 지원을 확대해 나가겠다"고 전했다.