한국 연구진, 동네 의원과 대형 병원 잇는 AI 체계 제안

과밀한 의료 시스템에 제안된 중간 단계

한국인은 2023년 1인당 외래 진료를 18회 받았다. OECD 평균인 6.5회와 비교되는 수치다. 전자의무기록 도입률이 95%를 넘는 한국은 광범위한 디지털 인프라와 높은 진료 수요를 함께 갖추고 있다. 연구팀은 의료기관을 하나 더 늘리는 대신 인공지능을 활용해 동네 의원과 대형 병원의 연계를 강화하는 방안을 제안했다.

1.5단계 의료 시스템으로 불리는 이 제안은 2026년 9월 2일 네이처 포트폴리오 학술지인 npj Health Systems에 온라인 게재됐다. 분당서울대병원 가정의학과 정세영 교수가 이끈 연구팀은 의원의 환자 선별, 의료 정보 교환, 간과된 질병 위험 탐지, 진료 사이 만성질환 모니터링을 지원하는 AI 계층을 제시했다.

게재된 관점 논문은 각각 별도로 수행된 임상 연구의 근거를 종합한다. 전체 의료 모델을 대상으로 한 임상시험 결과를 보고하거나 전국 도입을 발표한 논문은 아니다. 논문의 핵심 주장은 개별 AI 도구를 서로 단절된 기술 제품처럼 도입하기보다 일차의료가 수행해야 할 업무를 중심으로 구성해야 한다는 것이다.

서울대 의대 박상민 교수와 차지호 국회의원도 연구에 참여했다. 저자 명단에는 한성호, 이어진, 서우인, 강연수도 포함됐다. 연구팀은 2026년 9월 17일 논문 게재 소식을 알렸다.

제안과 실제 운영 중인 시스템의 차이는 중요하다. 저자들은 한국을 이 체계를 시험하기에 유망한 곳으로 꼽으면서도, 이를 뒷받침할 인센티브와 기관 거버넌스, 모니터링 체계가 아직 대규모로 마련되지 않았다고 인정했다.

1.5단계가 실제로 하는 일

제안된 중간 계층은 일차의료와 전문 진료를 잇는 기술적 가교다. 환자는 계속 동네 의료기관을 찾고 필요하면 병원 진료를 받는다. AI는 두 환경을 연결하는 의사 결정과 정보 전달을 지원한다.

이 체계는 일차의료의 확립된 네 가지 기능인 최초 접촉, 조정, 포괄성, 지속성을 중심으로 지원을 구성한다. 이는 새 건강 문제를 평가하고, 의료기관 간 진료를 조율하며, 폭넓은 건강 요구를 다루고, 시간의 흐름에 따라 진료를 이어가는 것을 뜻한다.

예를 들어 의원은 AI로 검진 영상을 판독하고 의뢰서를 작성하며, 환자의 퇴원 요약과 가정용 모니터링 기기에서 수집한 측정값을 통합할 수 있다. 매번 진료 때마다 의료진이 정보를 수작업으로 재구성하지 않아도 환자 상태를 더 온전히 파악하게 하는 것이 목표다.

저자들은 이 방안을 통해 컨시어지 의료의 세심하고 개인화된 진료를 더 많은 사람이 이용할 수 있게 하겠다는 목표를 밝혔다. 논문 초록에서 연구팀은 이 모델을 다음과 같은 방식의 확장 가능한 대안으로 설명한다.

모두를 위한 컨시어지 의료.

이는 내세운 목표이지 입증된 결과는 아니다. 특정 업무를 도구가 개선한다는 근거만으로 전체 시스템이 인력이나 비용을 추가하지 않고 더 개인화된 진료를 제공할 수 있다고 단정할 수는 없다.

검진은 질병을 찾을 수 있지만 놓칠 수도 있다

한 사례는 일차의료에서 자동 망막 촬영과 AI 녹내장 선별검사를 결합한 호주 전향적 연구다. 전문의 평가가 필요한 녹내장은 기존에 진단받지 않은 참여자 161명 중 18명, 즉 11.2%에서 확인됐다.

논문은 이 검출률을 해석하는 데 필요한 성능 지표도 제시한다. 민감도는 65.0%, 특이도는 94.6%, 수신자 조작 특성 곡선 아래 면적(AUROC)은 0.80이었다.

민감도는 질환이 있는 사람을 검사에서 얼마나 잘 찾아내는지를 뜻한다. 특이도는 질환이 없는 사람을 얼마나 잘 구분하는지를 나타낸다. 보고된 민감도는 이 선별검사가 모든 사례를 찾아내지는 못했음을 보여준다. 비교적 높은 특이도도 이 한계를 없애지는 못한다.

AUROC는 여러 판정 기준에서 검사 결과가 환자와 비환자를 얼마나 잘 구분하는지 측정한다. 0.80은 유용한 판별력을 뜻하지만, 환자 80%가 정확한 진단을 받았다는 의미는 아니다.

이 결과는 AI를 활용해 검진 범위를 넓히고 환자를 적절한 진료로 연결할 수 있다는 점을 뒷받침한다. 음성 결과를 질병이 없다는 보증으로 취급해도 된다는 뜻은 아니다. 이 구분은 제안된 모델의 핵심이다. 검진 지원은 임상 평가와 의뢰 절차에 연결돼야 한다.

더 나은 의뢰에는 유창한 문장 이상의 것이 필요하다

진료 조정과 관련해 연구진은 전자의무기록으로 의뢰서와 퇴원 요약을 작성하는 대규모 언어 모델을 제시한다. 논문은 제로샷 요약에서 최대 99.25%의 정확도와 의료진이 작성한 요약과의 높은 일치도를 보인 근거를 인용한다.

제로샷은 해당 평가에서 모델이 작업별 예시를 받지 않고 과제를 수행했다는 뜻이다. 모델이 학습된 적이 없다는 의미는 아니다. 대규모 언어 모델은 의료 문서를 작성하도록 요청받기 전에 광범위한 학습을 거친다.

잠재적 이점은 실용적이다. 동네 의원에서 병원으로 옮기는 환자에게는 증상, 검사, 치료 내용이 명확하게 정리된 기록이 필요하다. 지역 의료로 돌아온 뒤에는 약물 변경과 전문의 권고가 환자와 함께 전달돼야 한다. 초안을 자동 작성하면 정보를 취합하는 데 드는 시간을 줄일 수 있다.

그러나 인용된 정확도는 특정 평가에서 나온 수치다. 다른 의원에서 작성되는 모든 의뢰서가 완전하거나 안전하다는 보장은 아니다. 문장이 매끄러워도 중요한 사실이 빠질 수 있다. 이에 따라 이 체계는 진료 결정에 대한 의료 전문가의 책임을 유지한다.

진료 조정은 병원에만 국한되지 않는다. 논문은 디지털 진료 연계 플랫폼으로 충족되지 않은 사회적 필요를 파악하고, 환자를 지역사회 자원과 연결하며, 지역사회 보건요원을 통해 추적 관리를 지원하는 네브래스카의 사업을 소개한다. 이 사례는 제안의 범위를 문서 작성 너머로 넓힌다. 정보는 글을 더 많이 만드는 데 그치지 않고 환자를 서비스와 연결하는 데 쓰여야 한다.

기존 영상에서 간과된 위험을 찾을 수 있다

포괄성 요소는 이미 수집된 정보를 활용해 일반의가 환자의 더 많은 건강 문제를 다루도록 AI가 도울 수 있는지 묻는다. 한 사례는 우연적 선별검사다. 다른 이유로 촬영한 영상에서 또 다른 질환의 징후를 살피는 방식이다.

미국의 NOTIFY-1 프로젝트에서는 기존 흉부 컴퓨터단층촬영(CT) 영상에서 관상동맥 석회화를 AI로 찾아냈다. 석회화는 동맥에 플라크가 쌓이는 죽상동맥경화증의 징후일 수 있다. 연구진은 발견 결과를 의료진과 환자에게 알렸다.

논문에 따르면 6개월 시점의 스타틴 처방률은 51.2% 대 6.9%였다. 차이는 44.3%포인트이고, 약 7.4배에 해당한다. 스타틴은 콜레스테롤을 낮추며, 적격 환자의 심혈관 위험을 줄이는 데 사용된다.

보도 자료들은 이 수치를 검진 전 6.9%에서 검진 후 51.2%로 상승한 것으로 설명한다. 그러나 학술 논문은 이를 6개월 시점의 비교로 제시하며, 기준 시점에 스타틴을 복용하던 환자는 없었다고 밝힌다. 따라서 6.9%를 기준 시점의 처방률로 봐서는 안 된다.

이 결과는 처방의 변화를 측정한 것이지 심장마비가 줄었다는 점을 입증한 것은 아니다. 또 AI 탐지 뒤 의사와 환자에게 알리는 복합 개입의 결과다. 효과 전체를 탐지 기능만의 성과로 볼 수는 없다.

폭넓은 진단 지원은 근거의 종류가 다르다

논문은 폐활량 검사에 AI 지원을 활용한 무작위 시험도 인용한다. 폐활량 검사는 사람이 얼마나 많은 공기를 얼마나 빠르게 내쉴 수 있는지 측정하며, 호흡기 질환 평가에 흔히 쓰인다.

AI 의사결정 지원으로 임상의가 선호하는 진단을 예측하는 정확도가 사례 전반에서 9.0%포인트 높아졌다. 만성폐쇄성폐질환(COPD)에서는 개선 폭이 15.9%포인트였다. 보고된 95% 신뢰구간은 각각 4.5~13.3%포인트와 9.0~22.7%포인트였다.

이 수치는 진단 과제의 개선이지 AI가 호흡기 질환을 독자적으로 관리할 수 있다는 증거는 아니다. 저자들은 이런 도구를 의료진의 확인이 필요하고, 사례가 일차의료 범위를 벗어나면 의뢰해야 하는 진료 과정 안에 둔다.

피크하트와 동료 연구진의 별도 연구는 기존 CT 영상으로 심혈관질환과 골다공증, 근육량과 기능이 감소하는 근감소증을 선별하는 AI의 효과를 모델링했다. 55세 인구 집단을 대상으로 한 모델에서는 10년간 모든 사람을 치료하거나 아무도 치료하지 않는 전략보다 비용을 절감하고 임상 결과를 개선할 것으로 추정됐다.

이 근거는 임상시험과 다르다. 모델은 질병, 치료, 비용에 관한 가정을 바탕으로 결과를 추정한다. 어떤 접근법을 시험할 가치가 있는지 평가하는 데 도움은 되지만, 예상 절감액을 한국에 제안된 체계가 이미 절감한 비용처럼 제시해서는 안 된다.

당뇨병 진료를 진료실 밖에서도 이어갈 수 있다

지속성 측면에서 연구진은 진료실 밖에서도 이어지는 정보와 진료에 초점을 맞췄다. 연속혈당측정기는 혈당을 자주 측정해 간헐적인 병원 측정으로는 놓칠 수 있는 패턴을 의료진이 파악하게 해준다.

트윈 프리시전 트리트먼트 시스템을 평가한 무작위 시험은 혈당 모니터링과 AI 기반 생활습관 조언, 디지털 피드백을 결합했다. 제2형 당뇨병 참여자의 71.0%가 관해에 도달하거나 약물 복용량을 줄였다고 보고했다.

이는 두 결과를 합친 수치다. 71.0%가 모두 관해에 도달했다는 뜻도, 해당 집단의 모든 환자가 약물을 중단했다는 뜻도 아니다. 비슷한 프로그램에서 환자가 무엇을 기대할 수 있는지 설명할 때 이 구분은 중요하다.

아랍에미리트의 GluCare.Health 모델은 원격 모니터링과 AI 임상 의사결정 지원을 결합했다. 논문에 따르면 당화혈색소(HbA1c)는 표준 진료군의 0.10%포인트 하락에 비해 2.19%포인트 낮아졌다. 차이는 2.09%포인트다. HbA1c는 대략 지난 2~3개월간의 평균 혈당을 반영한다.

두 사례 모두 소프트웨어 단독이 아닌 복합 진료 프로그램을 다룬다. AI 요소와 함께 모니터링 기기, 생활습관 지원, 임상 관리가 제공됐다. 더 지속적인 진료를 시험할 근거는 되지만, 보고된 개선을 AI 자체의 효과로 단정할 수는 없다.

의사는 책임을 유지하고, 세 가지 안전 고리를 둔다

제안은 진단과 치료에 대한 책임을 면허를 보유한 임상의와 의료기관에 둔다. AI는 환자에 대한 책임을 독립적으로 지는 대신 접수, 문서화, 우선순위 설정, 위험 평가, 모니터링을 지원한다.

도구의 자율성과 결과가 초래할 영향이 클수록 감독 강도도 높아진다. 행정 요약과 예약 일정은 사후 검토할 수 있다. 분류 우선순위와 임상 알림은 조치 전에 의료진의 검토가 필요하다. 진단, 처방 등 중대한 치료 결정에는 전문가의 확인이 요구된다.

저자들은 임상, 거버넌스, 학습이라는 세 가지 안전 고리도 제시한다. 이는 각각 진료 감독, 기관의 책무성 유지, 도입 후 경험을 바탕으로 시스템을 모니터링하고 개선할 필요성을 나타낸다.

성공적인 실험실 또는 임상 평가만으로 도구가 일상 진료에 들어간 뒤 어떻게 작동할지 알 수 없다는 점에서 이 구분은 유용하다. 여러 도구를 연결하는 체계에는 개별 적용 사례에 대한 점검뿐 아니라 통합 서비스 전체를 감독하는 체계도 필요하다.

같은 원칙은 의료기록에도 적용된다. 연구진은 기관의 의료기록을 웨어러블 기기, 개인 건강기록, 디지털 치료에서 나온 환자 생성 정보와 결합하는 방안을 제안한다. 서로 다른 시스템이 동일한 정보를 일관되게 해석하도록 SNOMED CT 등 표준화된 임상 용어도 논의한다. 디지털 기록의 보급은 출발점이지, 기관 간 기록이 이미 원활하게 이동한다는 증거는 아니다.

한국은 도입 확정지가 아니라 시험 후보지

2023년 한국의 1인당 외래 진료 횟수 18회는 인용된 OECD 평균 6.5회의 약 2.8배였다. 광범위한 전자의무기록과 전 국민 건강보험에 더해 높은 진료량은, 일차의료 지원을 개선하면 분절된 진료와 대형 병원의 부담을 줄일 수 있는지 연구진이 시험해 볼 근거가 된다.

그러나 저자들은 실행에 필요한 조건 가운데 아직 해결되지 않은 점도 지적한다. 인센티브 조정, 거버넌스 위원회, 도입 후 모니터링 인프라가 아직 대규모로 마련되지 않았다. 제안에는 확정된 시범사업 시작일이나 시행 기한, 국가 차원의 재정 지원 약속이 담기지 않았다.

다음 연혁은 의료 체계의 기초 통계와 논문 게재 및 발표 시점을 구분한다.

• 2023년: 한국의 1인당 외래 진료 횟수는 18회로, 인용된 OECD 평균 6.5회를 웃돌았다.
• 2026년 9월 2일: 관점 논문이 npj Health Systems 제3권 논문 80으로 온라인 게재됐다.
• 2026년 9월 17일: 연구팀이 논문 게재를 발표했다.

저자들은 경쟁 관계를 선언하지 않았다. 이 논문은 한국이 이미 이 모델을 중심으로 진료 체계를 개편했다는 증거가 아니라, 서비스 모델을 시험하기 위한 의제를 제시한다.

이 체계는 다른 환경에서의 활용 방안도 제안한다. 부유한 도시 지역에서는 전문 진료 수요와 행정 부담에 직면한 의원을 AI 분류와 자동 문서 작성으로 지원할 수 있다. 의사가 부족한 농촌에서는 간호사와 지역사회 보건요원이 휴대형 선별 도구를 사용하고 환자를 의뢰할 수 있다. 분쟁이나 재난 지역에서는 인터넷 없이 작동하는 경량 도구가 필수 서비스를 유지하는 데 도움이 될 수 있다.

이는 완성된 시스템이 실제로 도입됐다는 보고가 아니라, 적용 방안에 대한 제안이다. 공통 목표는 기존 임상 역량의 활용도를 높이면서 선별검사와 의뢰, 모니터링을 책임 있는 의료에 연결하는 것이다.

핵심 내용

• 한국 연구진은 새로운 의료기관 유형을 만들기보다 일차의료 의원과 전문 병원을 잇는 AI 계층을 제안했다.
• 2026년 9월 논문은 별도로 수행된 연구를 종합한 관점 논문이며, 전체 체계에 대한 임상시험 결과가 아니다.
• 적용 분야에는 검진, 의료 문서 작성, 폭넓은 질병 탐지, 진료 사이의 관리가 포함된다.
• 임상 결과는 과제마다 다르며, 복합 진료 프로그램의 효과를 AI만의 성과로 돌릴 수 없다.
• 진단과 처방, 치료 결정에 대한 책임은 의료진에게 있다.
• 한국은 시험 후보지로 제안됐지만 거버넌스와 인센티브, 모니터링 체계는 아직 대규모로 마련되지 않았다.
• 전국 도입이나 시범사업 일정은 확정 발표되지 않았다.