AI 헬스케어 규제, 허가 건수보다 병원 안에서 성능이 유지되는지가 갈림길이다

한국보건산업진흥원이 4월 낸 브리프에 따르면 글로벌 AI 헬스케어 시장은 2016년 11억 달러에서 2023년 224억 달러로 커졌고, 2030년 약 1,880억 달러까지 연평균 36.55% 성장이 전망된다. UAE는 2025년 10월 'Responsible AI Standard V1.0'을, 한국은 2024년 1월 디지털의료제품법을 내놓으며 규제 틀을 먼저 세웠다는 점을 브리프는 강조한다. 보도는 성장률과 '세계 최초' 타이틀을 비춘다. 병원과 개발사가 보는 장면은 다르다. AI 헬스케어 규제가 실제로 비용을 만드는 지점은 허가 서류가 아니라, 허가받은 모델이 각 병원의 데이터 위에서 성능을 유지하는지 확인하는 과정이다.

배경: 왜 중요한가

먼저 숫자의 범위를 짚을 필요가 있다. 36.55%나 아시아태평양 42.5% 같은 성장률은 시장조사기관 추정치이고, 'AI 헬스케어'에 영상판독 소프트웨어부터 병원 운영 자동화, 신약 후보물질 탐색까지 무엇을 넣었는지에 따라 값이 크게 달라진다. 브리프가 인용한 추정치의 집계 범위는 공개된 자료로는 확인되지 않는다. 확실한 것은 방향이고, 절대값은 참고치로 보는 편이 맞다.

규제가 다시 짜이는 이유는 기존 의료기기 규제가 하드웨어와 고정된 소프트웨어를 전제로 만들어졌기 때문이다. 의료기기 소프트웨어 개발 표준인 IEC 62304와 품질경영 표준 ISO 13485는 설계가 확정된 제품을 검증하는 틀이다. 반면 AI 모델은 학습 데이터가 바뀌면 출력이 바뀌고, 성능을 개선하려면 재학습이 필요하다. 업데이트마다 변경허가를 받는 구조로는 모델이 허가 시점에 멈춰 있게 된다. 미국 FDA가 2024년 12월 사전변경관리계획(PCCP, 미리 정한 범위 안의 모델 변경은 재허가 없이 허용하는 제도) 최종 지침을 낸 것도, 한국 디지털의료제품법이 2025년 1월 시행되며 디지털의료기기를 별도 트랙으로 두고 변경관리와 우수관리체계 인증을 넣은 것도 같은 문제를 겨냥한다.

UAE는 출발점이 다르다. 2017년 국가 AI 전략 2031에서 헬스케어를 핵심 분야로 지정했고, 아부다비 Malaffi와 두바이 NABIDH처럼 공공·민간 병원의 진료 기록을 한데 묶는 통합 의료정보 플랫폼을 이미 운영 중이라는 점은 공개적으로 알려져 있다. 규제 표준보다 데이터 접근 구조가 먼저 갖춰진 셈이다. 양국이 2024년 10월과 2025년 11월 체결한 양해각서와 350억 달러 규모 경제협력 목표에서 바이오헬스 몫이 얼마인지는 공개되지 않았다.

핵심: 일반 기사가 놓치는 지점

허가는 시작이다. 병원 입장에서 AI 헬스케어 규제가 정리됐다는 말은 '도입해도 되는 제품 목록이 생겼다'는 뜻이지, '도입하면 효과가 난다'는 뜻이 아니다. 현장에서 비용이 발생하는 지점은 두 곳이다. 허가 성능이 현장에서 재현되는지, 그리고 재현된다 해도 누가 돈을 내는지다.

세부 포인트 1: 허가 성능과 현장 성능은 다른 숫자다

AI 진단 모델의 허가 성능은 학습·검증에 쓴 데이터 분포에 묶여 있다. 특정 병원, 특정 촬영장비 제조사, 특정 촬영 프로토콜에서 나온 영상으로 검증한 민감도와 특이도는 장비 벤더의 영상 후처리 방식이나 환자 구성이 다른 병원에서 그대로 나오지 않는다. 외부 검증에서 성능이 떨어지는 현상은 학술 문헌에서 반복 보고되며, 하락 폭은 연구마다 다르다.

더 근본적인 것은 유병률이다. 민감도 90%, 특이도 95%인 모델도 유병률 1%인 선별검사 환경에 넣으면 양성예측도는 약 15%에 그친다. 규제 기준이 아니라 산수다. 양성 100건 중 85건이 가짜 양성이면 판독의는 AI 결과를 전부 다시 봐야 하고, 업무 절감 효과는 사라진다. 여기에 시간이 지나며 환자군과 장비가 바뀌는 데이터 드리프트가 겹친다. PCCP나 변경관리 제도가 있어도 사전에 정한 범위 밖의 재학습은 다시 허가 절차를 밟아야 하고, 병원별 재검증에는 데이터 정제 인력과 IRB 승인이 든다. 규제가 길을 열어도 검증 비용은 병원과 개발사가 나눠 진다.

세부 포인트 2: 허가가 나도 돈이 돌지 않으면 쓰이지 않는다

한국은 식약처 허가를 받은 AI 의료 소프트웨어가 수백 건에 이르지만, 공개된 범위에서 별도 보험수가가 인정된 사례는 극소수다. 대부분 기존 판독료에 포함된 것으로 취급돼 병원이 구독료를 자체 부담해야 한다. 혁신의료기술 평가나 선진입 후평가 트랙이 있지만 평가 기간 동안은 비급여나 한시적 적용이라 매출 예측이 서지 않는다. 허가 규제와 수가 규제가 별개 부처에서 별개 속도로 움직이는 구조가 개발사 입장에서 가장 큰 제약이다.

UAE는 두바이와 아부다비에서 민간 의료보험이 의무이고 정부 병원 비중이 높아 지불 구조가 한국과 다르다. 다만 Responsible AI Standard가 병원 조달 기준이나 보험 급여와 어떻게 연결되는지는 공개된 자료로는 확인되지 않는다. 표준이 있는 것과 그 표준이 구매 조건으로 작동하는 것은 다른 문제다.

책임 소재도 남는다. 오판독이 났을 때 최종 판단은 의사가 한다는 원칙은 양국 모두 유지되지만, 모델 업데이트 이후의 오류를 개발사가 얼마나 지는지는 계약마다 다르다. 유럽으로 수출하려면 EU AI Act가 의료기기 AI를 고위험으로 분류해 2027년 8월부터 추가 의무를 부과하므로, 한국 디지털의료제품법·FDA·EU 세 체계의 문서화 요구를 동시에 맞춰야 한다. 규제가 명확해질수록 문서 비용은 늘어난다.

그래서 뭘 봐야 하나

• 허가 건수보다 급여 등재 건수와 병원 조달 계약 건수를 본다. 허가는 늘고 있고, 매출로 이어지는 병목은 그다음 단계에 있다.
• 변경관리 승인을 받은 기업인지 본다. 사전 정한 범위 안에서 모델을 갱신할 수 있는 기업과, 업데이트마다 재허가를 받는 기업은 운영 비용 구조가 다르다.
• UAE 협력은 통합 의료데이터 플랫폼 접근권이 핵심이다. 다양한 인구 구성의 데이터로 외부 검증을 할 수 있다면 한국 기업에는 검증 비용을 줄이는 경로가 된다. 다만 데이터 반출 조건은 아직 공개되지 않았다.
• 리스크는 세 가지다. 시장 추정치 하향, 세 규제 체계의 이중 문서화 비용, 병원 전자의무기록·영상저장시스템과의 연동 비용이다. 마지막 항목은 기사에 거의 나오지 않지만 도입 프로젝트에서 가장 자주 지연을 만든다.

성장률과 규제 선점 소식은 방향을 알려 준다. 실제 도입 여부는 병원 데이터에서 성능이 유지되는지, 그 비용을 누가 내는지에서 결정된다. AI 헬스케어 규제를 볼 때 허가 목록이 아니라 급여와 변경관리 항목을 먼저 확인하는 이유다.