--- title: "국산 의료 AI, 기술보다 수가 장벽에 먼저 막혔다" published: 2026-05-25T20:30:01.825Z canonical: https://jeff.news/article/3214 --- # 국산 의료 AI, 기술보다 수가 장벽에 먼저 막혔다 국내 의료 AI 기업들이 글로벌 진출을 노리지만, 정작 국내 병원에서 실사용 레퍼런스를 만들기 어려워 발목이 잡히고 있다. 행위별 수가제와 기존 의료기기 평가 틀이 빠르게 바뀌는 AI 서비스를 제대로 보상하지 못한다는 문제 제기가 커지고 있다. ## 국내 의료 AI가 막힌 지점 - 국산 의료 AI 기업들이 글로벌 시장으로 나가려는데, 아이러니하게도 제일 큰 약점은 ‘국내 병원에서 실제로 써본 기록’이 부족하다는 점임 - 해외 바이어 입장에선 “너희 나라 병원에서도 쓰냐?”가 신뢰의 출발점인데, 국내 실증 기회가 부족하면 이 질문에 답하기 어려움 - 정부 과제로 제품 개발까지는 가도, 의사가 실제 임상에서 써보고 고도화하는 단계가 끊기는 경우가 많다는 지적이 나옴 - 의료 AI는 출시했다고 끝나는 제품이 아니라, 실사용 데이터로 계속 다듬어야 하는 제품임 - 정확성·안정성은 실제 환자 데이터와 진료 흐름 안에서 검증돼야 함 - 당장 완성도가 부족한 솔루션도 병원에서 써보며 문제를 좁혀야 나아질 수 있는데, 그 기회 자체가 적다는 게 업계 불만임 > [!IMPORTANT] > 의료 AI의 병목은 모델 개발보다 ‘병원에서 써볼 수 있는 제도’에 가까움. 국내 레퍼런스가 없으면 해외 진출에서도 신뢰 확보가 어려워짐. ## 미국도 같은 문제를 겪는 중 - 미국도 행위별 수가제 때문에 임상 AI 도입이 생각보다 잘 안 풀리고 있음 - 미국 초당적 정책 센터(BPC)는 진료량에 보상하는 기존 방식이 AI 도구와 잘 맞지 않는다고 봄 - AI 기반 서비스형 소프트웨어(SaaS)는 진단 검사 혜택 범주로 보상되지만, 기존 청구 구조에 딱 맞지 않아 도입이 제한적임 - 숫자로 보면 제도 공백이 꽤 선명함 - 미국 내 임상 AI 솔루션 관련 현행 절차 용어(CPT) 코드는 26개뿐임 - 그중 대부분은 가격 정보가 없는 임시 코드인 범주 III로 분류돼 있음 - 입원 환자 보상 경로인 신기술 추가 지불(NTAP)도 있지만, 구독형 SaaS의 무형적 특성과 잘 안 맞는다는 문제가 있음 - 그래서 미국은 ‘AI를 얼마나 썼냐’보다 ‘환자 결과가 좋아졌냐’를 보는 가치 기반 지불 모델로 방향을 틀고 있음 - CMS는 AI 솔루션으로 환자의 임상적 개선을 입증하면 정기 지불금을 주는 결과 중심 지불 모델인 ACCESS를 시험 중임 - BPC도 AI에 따로 돈을 주는 방식이 과용과 의료비 증가로 이어질 수 있다며, 성과 기반 보상을 강조함 ## 국내에 필요한 건 별도 보상 트랙 - 국내 학계는 의료 AI 생태계가 아직 생애주기를 완성하지 못했다고 봄 - 연구개발, 성능 검증 이후에 현장 활용, 경제적 보상, 지속 모니터링이 자연스럽게 이어지지 않음 - 혁신의료기술이나 신의료기술평가 유예 제도로 40여 개 기술이 한시 트랙에 들어왔지만, 실제 병원 사용 빈도는 낮다는 평가임 - 현재 제도는 빠르게 바뀌는 AI를 기존 의료기기 잣대로만 보려는 한계가 있음 - 정식 수가를 받으려면 의학적 유용성과 비용 효과성을 모두 입증해야 함 - 문제는 진단 보조 AI 상당수가 ‘기존 기술’ 범주로 묶이면서 별도 보상을 받기 어렵다는 점임 - 대한의료인공지능학회는 과거 영상저장전송시스템(PACS) 도입 사례를 참고하자고 제안함 - 2000년대 초 정부가 PACS 도입 의료기관에 별도 가산료를 지급하면서 병원의 디지털 전환이 빨라졌다는 논리임 - 일본도 행위별 수가가 아니라 방사선 관리료 같은 우회적 방식으로 의료 AI를 보상하고 있음 - 다만 재원은 국민건강보험 재정이 아니라 별도 기금으로 마련해야 한다는 의견도 나옴 --- ## 기술 맥락 - 의료 AI는 일반 앱처럼 배포 후 사용량만 늘리면 되는 구조가 아니에요. 병원 워크플로 안에서 의사가 실제로 쓰고, 그 결과를 다시 성능 개선과 안전성 검증에 반영해야 제품 가치가 생기거든요. - 그래서 수가 문제가 단순한 돈 문제가 아니에요. 보상이 없으면 병원이 도입할 이유가 약해지고, 도입이 안 되면 실사용 데이터가 쌓이지 않고, 데이터가 없으면 해외에 보여줄 근거도 부족해져요. - 미국이 가치 기반 지불을 실험하는 이유도 여기에 있어요. AI 소프트웨어에 사용량 기준으로 돈을 주면 과잉 사용을 부를 수 있으니, 환자 결과 개선이라는 성과를 기준으로 보상하려는 거예요. - 국내에서 PACS 사례가 언급되는 건 기술 도입 초기에 제도가 시장을 열어준 선례가 있기 때문이에요. 의료 AI도 정식 수가로 바로 넣기 어렵다면, 별도 트랙으로 실증과 근거 수집을 먼저 굴려야 한다는 얘기예요. ## 핵심 포인트 - 국내 의료 AI 기업은 해외 신뢰 확보를 위해 국내 병원 실증 레퍼런스가 필요함 - 미국도 임상 AI 보상 체계가 부족해 가치 기반 지불 모델을 실험 중임 - 국내 학계는 PACS 도입 때처럼 별도 보상 트랙이 필요하다고 봄 ## 인사이트 의료 AI는 모델 성능만으로 팔리는 시장이 아니라 병원 실사용, 보상 체계, 사후 모니터링이 같이 굴러가야 살아남는 시장임. 국내에서 레퍼런스를 못 만들면 해외 진출도 결국 ‘써본 병원이 어디냐’에서 막힐 가능성이 큼.