[메디칼타임즈=김승직 기자] 글로벌 의료 시장이 AI를 활용한 자율 진단·수술 및 운영 자동화 단계로 진입하고 있지만 국내 의료 현장 도입률은 제자리 걸음을 하고 있다.

이에 정부가 의료 현장의 낮은 AI 도입률과 직역·지역 간 역량 격차를 해소하기 위해 보건의료인 대상 맞춤형 교육 체계를 구축하고 전국 확산에 나섰다는 점에서 성과를 거둘 수 있을지 주목된다.

20일 의료계에 따르면 보건복지부와 한국보건복지인재원은 올해부터 맞춤형 AI 교육 모델을 전국으로 확산할 예정이다.

그동안 수도권에 집중됐던 의료 AI 경험을 전국으로 전파하기 위함이다. 지난해부터 복지부와 보건복지인재원이 공동으로 진행 중인 의료 AI 보건의료인 직무교육사업에서 참여 의료기관이 거둔 성과를 벤치마킹해 전국으로 확산하겠다는 것.

구체적으로 복지부·보건복지인재원이 이달 발간한 '의료 AI 보건의료인 직무교육사업 성과사례집'을 보면, 글로벌 의료 AI 시장은 2030년 1800억 달러 규모로의 급성장을 예고하고 있다. 연평균 성장률이 50%에 달하는 수치로, 해외에선 이미 연조직 자율 수술 로봇이나 의사 판독 없는 자율 진단 AI가 허가되는 등 파격적인 기술 적용이 이뤄지고 있다.

반면 국내 의료 현장의 AI 도입 현황은 기술 발전 속도를 따라가지 못하는 모양새다. 조사 결과 의료진 개별적으로 AI 도구를 사용한 경험은 90%에 육박할 정도로 높았으나, 실제 병원 시스템에 AI를 도입해 사용하는 비율은 19.3%에 그쳤다.

개인 단위의 사용은 확대되고 있지만 병원 차원의 표준 프로세스와 거버넌스, 보안 체계가 뒷받침되지 않아 실제 업무 흐름 내장으로 연결되지 못하는 실정이다. AI의 기술적 성취보다 이를 운용할 인력의 리터러시와 조직 수용성 확보가 성패의 핵심으로 떠오른 것.

■기술 발전에도 현장 도입 미진…시스템 내재화 과제

보고서는 국내 의료 현장의 AI 전환을 가로막는 주요 원인으로 인력 및 직군 간 업무 범위 차이를 지목했다. 병원은 다양한 직군이 협업하는 복잡한 조직이어서 각 직군에게 요구되는 AI 역량 수준과 데이터 활용 범위가 제각각이기 때문이다.

실제 역량 진단 결과 의사와 간호사는 AI를 해석하는 능력이 뛰어났던 반면, 행정직·의료기사는 지침에 의존하는 단계에 머물러 있는 것으로 나타났다.

이런 리터러시 격차는 결국 의료 서비스 불균형으로 이어진다는 것. 특히 AI 역량 축적이 수도권 상급종합병원에 집중되면서, 중소병원 및 지역 의료기관은 인프라와 전문 인력 부족으로 도입 초기 단계에서 고립되는 양상을 보인다는 설명이다. 이는 진료 효율성과 의료 접근성 차이를 심화시켜 지역 간 의료 질 격차를 고착화할 위험이 크다는 분석이다.

조직 차원의 보수적인 태도와 책임 소재 불분명 역시 확산 지연의 요인이다. 의료 현장은 안전 이슈에 민감해 AI 도입에 신중할 수밖에 없기 때문이다.

더욱이 수가 체계 미연계와 데이터 활용 기준의 모호함 등 제도적 한계가 기술적 완성도를 뒷받침하지 못하는 실정이다. 결국 모든 직군이 자신의 업무 맥락에서 AI를 파트너로 수용할 수 있는 조직 문화 형성이 시급하다는 지적이다.

■맞춤형 5단계 로드맵 구축…실무 데이터 기반 교육 전환

정부는 이런 문제를 해결하기 위해 소아와 응급의학 등 필수의료 분야를 중심으로 AI 도입을 가속하고 있다. 단순히 기술을 지원하는 수준을 넘어, 보건의료인에 대한 실질적인 활용 교육을 병행해 자생적인 문제 해결 능력을 갖추도록 하는 데 방점이 찍혔다.

이를 위해 의사, 간호사, 의료기사, 행정직 등 각 직군이 실제 업무에서 AI를 어떻게 활용해야 하는지 정의한 역량 모델 기반 5단계 교육 체계를 수립했다.

교육 과정은 입문부터 기초, 심화, 실습을 거쳐 최종 프로젝트 단계로 구성됐다. AI를 전혀 모르는 입문자부터 현장 전문가까지 단계별 학습 경로를 제공해 학습 효과를 극대화하는 방식이다. 특히 올해부턴 실제 병원 데이터를 활용해 현장 병목 구간을 해결하는 프로젝트 기반 학습(PBL) 중심으로 전환, 교육 품질의 상향 평준화를 꾀할 방침이다.

직군별 특성을 반영한 시나리오도 구체화했다. 의사 직군은 진단 정확도를 높이고 치료 결정을 돕는 조력자 역할에 집중하며 임상 의사결정 지원 시스템(CDSS) 강화에 주력한다.

간호 직군은 환자 안전과 소통을 돕는 역할로 낙상 예측이나 챗봇 활용 업무 가이드 구축에 집중한다. 의료기사는 영상 분석 품질 개선에, 행정직은 병원 운영 효율을 높이는 역할을 분담해 교육을 진행한다.

■행정 효율화부터 정밀 진단까지…주요 병원서 성과 확인

이번 사업의 가장 큰 성과는 ▲서울대학교병원 ▲삼성서울병원 ▲서울아산병원 ▲중앙대학교광명병원 등 주요 의료기관과의 협업을 통해 실제 의료 데이터를 기반으로 작동하는 AI 산출물을 구현했다는 점이다. 각 병원은 현장의 고질적인 병목 구간을 해결하기 위한 실무 중심 프로젝트를 수행, 유의미한 결과를 도출했다.

우선 삼성서울병원은 논문 실적 검증 자동화 시스템을 구축해 기존 수일이 소요되던 수작업 검증 과정을 단 2시간으로 단축했다. 이와 함께 병원 내부 서버에서 문서를 읽고 비교하는 AI를 통해 행정 업무 부담을 줄이고 정확도를 높였다.

서울대학교병원은 '멀티에이전트 시스템 기반 의사 차트 리뷰 자동화' 프로젝트를 통해 에이전틱 AI의 가능성을 입증했다. 여러 개의 AI 에이전트가 협력해 환자의 복잡한 차트를 검토하고, 진단 결과와 경과를 핵심 위주로 요약해 의료진에게 전달하는 방식이다.

서울아산병원은 방대한 의료 지식을 답변으로 전환하는 지능형 쿼리 엔진을 구축해 정보 검색 정확도를 기존 25%에서 95% 수준으로 향상시켰다. 중앙대학교광명병원은 건강보험 심사평가원 고시를 실시간 분석해 보험 삭감을 예측하는 시스템을 도입, 청구 정확도를 높이고 재정 손실을 예방하는 성과를 거뒀다.

■내년부터 전국 단위 확산…거점 중심의 AI 생태계 방점

복지부와 인재원은 이번 성과를 기반으로 수도권에 집중된 의료 AI 경험을 전국으로 전파하기 위한 5극 3특 기반 확산 전략을 추진한다. 2026년까지 5대 권역을 중심으로 현장 정착 시스템을 구축하고, 2027년부터는 전국적인 의료 AI 거점 지원 범위를 넓혀 지역 간 기술 수용도 격차를 해소한다는 구상이다.

이를 위해 기관별 역할 분담도 명확히 했다. 복지부와 인재원은 정책 수립과 표준 콘텐츠 개발을 담당하며, 선도병원은 축적된 노하우를 이전하는 촉진자 역할을 수행한다. 권역 거점기관은 지역 의료기관을 대상으로 교육을 운영하고 실질적인 프로젝트를 주도하는 실행 주체로 기능, 전 국가적 의료 AI 생태계를 강화한다는 방침이다.

이와 함께 직무·조직 역량 강화를 위한 컨설팅을 진행, 병원이 AI를 안전하고 효율적으로 운영할 수 있는 기반을 마련하도록 한다. 단순 연구개발 차원을 벗어나 현장에 검증된 AI 모델이 정착되도록, 임상 데이터 전문가 멘토링과 파일럿 적용 지원을 확대해 나갈 계획이다.
보건복지인재원 배남영 원장직무대행은 "의료 AI 전환은 현장을 이해하는 보건의료인의 역량에서 시작된다. 현장에 AI를 적용할 수 있는 인력과 조직 역량이 함께 갖춰질 때 의미 있는 혁신이 가능하다"며 "단순한 지식 전달을 넘어 의료기관 내부에 AI 활용 문화를 형성해 조직적 변화를 이끌어낼 수 있도록 교육 체계를 지속적으로 고도화해 나갈 방침"이라고 밝혔다.

복지부 최정상 행정사무관은 "문제는 기술 부족이 아니라 기술을 다루는 역량이 현장에 충분히 도달하지 못했다는 점에 있다"며 "기술 변화의 속도에 비해 이를 이해하고 활용할 실무자 교육이 부족해 구조적 공백이 생겼다"고 분석했다.

이어 "현장 문제를 가장 가까이에서 경험하는 보건의료인력을 중심으로 AI 수용성을 높이고 실제적인 문제 해결 역량을 키워야 한다"며 "새로운 기술을 윤리적으로 적용하고 협업의 방식으로 작동시킬 수 있도록 보건의료인에 대한 지원을 신기술 투자만큼 비중 있게 다뤄야 한다"고 강조했다.