본문으로 건너뛰기
피드

국내 허가 인공지능 의료기기 91%가 보험 밖, 기술보다 제도가 병목이다

ai-ml 약 5분

국내 인공지능 의료기기와 의료 로봇 기술은 빠르게 발전하고 있지만, 허가된 인공지능 의료기기 549건 중 91%가 건강보험 적용을 받지 못하고 있다. 현장에서는 데이터 공유, 허가 심사 단축, 수가 인정 같은 제도적 뒷받침이 없으면 글로벌 경쟁에서 밀릴 수 있다는 우려가 나온다.

  • 1

    국내 허가 인공지능 의료기기 549건 중 91%가 건강보험 미적용

  • 2

    세계 의료 로봇 시장은 지난해 약 19조 원 규모로 추산되며 매년 약 13% 성장 전망

  • 3

    정부는 올해 1월부터 시장 즉시진입 의료기술제를 시행하며 허가 기간 단축과 보험 적용 완화를 추진

  • 의료 로봇과 인공지능 의료기기는 빠르게 발전 중인데, 실제 보급은 제도에서 막히는 그림임

    • 수술실에서는 로봇 손이 사람 손이 닿기 어려운 부위에 들어가 암 조직을 제거하는 수준까지 와 있음
    • 개방형 모니터로 3차원 화면을 함께 보면서 집도의와 보조의 간 의사소통도 좋아졌다는 현장 평가가 나옴
  • 세계 의료 로봇 시장은 이미 꽤 큰 판으로 커졌음

    • 지난해 약 19조 원 규모로 추산됨
    • 앞으로 매년 약 13%씩 고속 성장할 전망
    • 현재 한국에서 쓰이는 수술 로봇은 대부분 미국계 제품이라는 점도 눈여겨볼 부분
  • 다음 승부처는 의료 로봇에 인공지능이 얼마나 잘 들어가느냐임

    • 국내에서 개발된 인공지능 시스템은 환자 엑스레이 사진을 받으면 3초 만에 판독 결과를 내놓음
    • 육안으로 놓칠 수 있는 부분을 인공지능이 찾아 보여주고, 의사와 환자의 의사소통을 돕는 역할을 함
    • 판독 결과가 수술실로 이어지면, 인공지능 로봇이 뼈 두께처럼 환자마다 다른 미세한 수술 위치를 짚어 시술할 수 있음

중요

> 국내 허가 인공지능 의료기기 549건 중 91%가 건강보험 적용을 받지 못하고 있음. 기술이 병원 문턱을 넘었더라도, 수가가 없으면 현장 확산은 확 느려질 수밖에 없음.

  • 현장의 불만은 ‘기술은 뛰는데 심사와 규제가 느리다’는 쪽임

    • 인공지능 제품을 만들어도 수가로 인정받지 못하면 병원이 적극적으로 도입하기 어려움
    • 제도적으로 밀어주는 나라에서는 관련 산업이 더 빨리 커질 수 있다는 지적이 나옴
    • 의료기기는 단순 앱 배포처럼 빠르게 실험하고 확산하기 어려운 시장이라, 허가와 보상 체계가 곧 제품 전략이 됨
  • 한국은 데이터 잠재력이 큰데, 활용 구조가 문제로 지적됨

    • 전국민 의료보장에서 나오는 양질의 데이터를 기관 간 공유할 수 있다면 인공지능 의료기기 개발에 큰 자산이 될 수 있음
    • 반대로 규제 때문에 우수한 데이터가 활용되지 못하면, 글로벌 경쟁에서 한국 데이터가 배제되는 상황도 생길 수 있음
  • 정부도 병목을 의식하고 제도 개선에 들어간 상태임

    • 올해 1월부터 ‘시장 즉시진입 의료기술제’를 시행함
    • 허가 기간 단축과 건강보험 적용 완화를 추진하고 있음
    • 관건은 이 제도가 실제 현장의 도입 속도를 얼마나 빠르게 바꾸느냐임
  • 개발자에게도 남 얘기가 아님. 의료 인공지능은 모델만 잘 만들면 끝나는 시장이 아님

    • 정확도, 설명 가능성, 병원 시스템 연동, 규제 문서, 수가 인정, 데이터 접근 권한이 한꺼번에 제품 요구사항이 됨
    • 특히 한국처럼 건강보험 체계가 강한 시장에서는 ‘누가 돈을 내는가’가 기술 채택 속도를 좌우함

기술 맥락

  • 의료 인공지능은 일반 소비자 앱처럼 배포 버튼 누르면 끝나는 제품이 아니에요. 환자 안전과 진료 책임이 걸려 있어서 허가, 검증, 보험 적용까지 통과해야 실제 병원에서 의미 있게 쓰일 수 있거든요.

  • 기사에서 91% 보험 미적용 수치가 중요한 이유가 여기에 있어요. 허가를 받았다는 건 기술적으로 쓸 수 있다는 뜻에 가깝지만, 보험 수가가 없으면 병원과 환자 입장에선 비용 부담이 커져서 도입이 느려질 수밖에 없어요.

  • 인공지능 판독 시스템이 3초 만에 결과를 내는 건 기술적으로 인상적이지만, 의료 현장에서는 그 결과가 수술실 워크플로우에 어떻게 들어가느냐가 더 중요해요. 판독, 의사 확인, 로봇 시술 위치 결정까지 이어져야 실제 효율이 생겨요.

  • 한국은 전국민 의료보장 덕분에 데이터 품질과 규모 측면에서 잠재력이 커요. 다만 기관 간 공유와 규제 설계가 풀리지 않으면, 좋은 데이터가 있어도 모델 개발과 검증에 충분히 쓰이지 못하는 문제가 생겨요.

  • 그래서 이 분야의 제품 개발은 모델 성능, 병원 시스템 연동, 규제 대응, 수가 전략을 같이 봐야 해요. 개발팀이 기술만 보고 들어가면 출시 이후 채택 단계에서 가장 큰 병목을 만날 가능성이 높아요.

의료 인공지능은 모델 정확도만으로 시장에 들어갈 수 없는 대표 영역이다. 개발자 입장에서도 규제, 수가, 데이터 접근, 병원 워크플로우까지 제품 요구사항에 들어온다는 점을 봐야 함.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.