ISPOR 2026, AI와 실제임상근거가 가치 기반 의료의 중심으로 들어옴

AI가 HEOR 실무 안으로 들어오기 시작함

• ISPOR 2026의 큰 메시지는 의료 경제성 평가(HEOR)가 더 이상 백오피스 분석 업무가 아니라는 거였음

  • 올해 주제는 정책, 접근성, 가치의 최전선에 선 HEOR였음
  • 약가정책, 실제임상근거(RWE), 생성형 AI, 환자 중심 가치평가가 핵심 축으로 다뤄짐
  • 행사 기간은 5월 17일부터 20일까지, 장소는 미국 필라델피아였음

• 생성형 AI와 대규모 언어 모델(LLM)은 이제 “미래 기술”이 아니라 실무 도구로 들어오는 중임

  • 경제성 평가 모델링 자동화
  • 문헌 검토 자동화
  • 실제 임상 데이터 분석 자동화
  • 이런 작업에 AI를 붙이려는 흐름이 빠르게 확산됐다고 함

• 다만 분위기가 마냥 낙관은 아니었음
  • HTA와 경제성 평가 과정에서 생성형 AI 활용 사례가 소개됐지만, 재현성 부족과 설명 가능성 부족이 계속 지적됨
  • 규제기관과 보험자가 결과를 믿으려면 “왜 이런 결론이 나왔는지”를 추적할 수 있어야 함
  • 그래서 AI Governance와 Responsible AI가 새 연구 의제로 떠오르고 있음

RWE와 약가정책도 같이 흔들림

• 실제임상근거(RWE)는 이번 학회의 또 다른 중심축이었음

  • 실제 진료 환경에서 생성되는 데이터가 규제기관, 보험자, 산업계 의사결정에 더 많이 쓰이고 있음
  • 단순히 데이터가 많다는 것보다 “fit-for-purpose evidence”, 즉 목적에 맞는 근거를 만드는 게 중요하다는 논의가 이어짐
  • 여러 데이터 소스를 통합할 때 품질 관리와 표준화를 어떻게 할지가 큰 과제로 제시됨

• 미국 약가정책 변화는 글로벌 제약 생태계 전체를 흔들 수 있는 이슈로 다뤄짐

  • 약가 협상 확대, 최혜국 가격(MFN) 정책, 국제참조가격제(IRP)가 주요 논점이었음
  • 연사들은 비용 통제보다 중요한 건 혁신을 유지하면서 지속 가능한 가격 구조를 설계하는 것이라고 봄
  • 미국 정책 변화가 다른 국가의 가격 결정, 신약 출시 전략, 연구개발 투자 방향까지 바꿀 수 있다는 우려도 나옴

• 항암치료 비용 증가도 빠지지 않았음

  • 항암제 비용은 계속 오르는데 의료 재원은 제한적임
  • 단순 약가 인하만으로는 접근성과 지속 가능성을 동시에 잡기 어렵다는 의견이 많았음
  • 환자 가치, 사회경제적 편익, 장기 의료비 절감 효과까지 포함하는 확장된 가치평가가 필요하다는 쪽으로 논의가 모임

환자 중심 가치평가로 방향이 바뀌는 중

• 경제성 평가의 기준도 비용과 효과만 보던 시대에서 조금씩 벗어나는 중임

  • 환자가 실제로 중요하게 여기는 결과를 측정해야 한다는 요구가 커지고 있음
  • 건강 형평성, 사회적 건강결정요인(SDoH), 접근성 격차도 가치평가에 포함해야 한다는 흐름임

• ISPOR가 제시한 2026-2027 HEOR 트렌드도 이 변화를 뒷받침함

  • AI
  • RWE
  • 가치 기반 의료
  • 약가정책
  • 이 네 가지가 최우선 과제로 제시됨

• 결국 결론은 세 가지 목표를 동시에 맞추는 새 프레임워크가 필요하다는 것임

  • 혁신 유인 유지
  • 환자 접근성 확대
  • 지속 가능한 의료 시스템 구축
  • 말은 쉬운데, 약가·데이터·AI·규제가 한꺼번에 얽혀서 꽤 빡센 문제임

---

기술 맥락

• 이 기사에서 AI는 챗봇처럼 답변을 잘하는 도구가 아니라, 의료 의사결정에 들어가는 증거 생산 도구로 다뤄져요. 경제성 평가 모델링이나 문헌 검토를 자동화하면 속도는 빨라지지만, 결과가 왜 그렇게 나왔는지 설명하지 못하면 실제 정책에는 쓰기 어려워요.

• RWE가 중요한 이유는 임상시험만으로는 현실의 환자군과 진료 환경을 다 담기 어렵기 때문이에요. 보험자나 규제기관은 실제 진료 데이터에서 나온 근거를 보고 싶어 하지만, 데이터 품질과 표준화가 안 되면 오히려 신뢰를 잃거든요.

• 그래서 생성형 AI를 의료 HEOR에 붙일 때는 모델 성능보다 거버넌스가 먼저 문제가 돼요. 입력 데이터 출처, 분석 재현성, 설명 가능성, 검토 절차가 갖춰져야 decision-grade evidence라고 부를 수 있어요.

• 개발자 입장에서는 의료 AI 프로젝트가 일반 업무 자동화와 다르게 보이면 돼요. 결과가 그럴듯한지보다, 누가 검증했고 어떤 데이터로 만들었고 같은 조건에서 다시 재현되는지가 더 큰 요구사항이에요.