[메디칼타임즈=김승직 기자] 정부가 의료AI와 제약, 바이오헬스 강국 실현을 국정과제로 삼고 속도를 내고 있지만 그 기반이 되는 공공 의료 데이터 활용도는 여전히 제자리걸음이라는 지적이 나오고 있다.

특히 데이터 표준화 부재가 그 원인으로 지목되면서 에이전트 인공지능(AI)이 해법이 될 수 있다는 의학계의 의견이 나오고 있다.

25일 감사원 감사 결과에 따르면 국민건강보험공단·건강보험심사평가원·국립암센터가 2021부터 2025년 3월까지 AI 기업에 제공한 공공데이터가 17건에 그친 것으로 나타났다. 관련 데이터를 표준화 없이 단순 보유만 하고 있어 자료 추출이 어려웠던 탓이다.

실제 심평원의 경우 표준화된 데이터는 0.5%에 불과했으며, 그마저도 산업계 수요를 조사하지 않고 표준화해 기업의 이용 실적이 저조했다. 데이터 이용 자체도 방문을 통해서만 가능한 데다가 평일 근무 시간에만 접근할 수 있는 등 불편이 컸다.

정부는 '의료AI·제약·바이오헬스 강국 실현'을 국정과제로 삼고 있지만, 그 기반이 되는 공공의료데이터 활용 여건은 여전히 미흡한 것.

실제 이들 산업 발전에 필수적인 공공의료데이터가 정작 현장에서 활용되기 어렵다는 지적은 예전부터 계속돼왔다. 지난해 한국과학기술기획평가원는 보고서를 통해 우리나라 기업들의 AI 활용 방식은 신약 개발보단 의료데이터 분석, 건강관리 서비스 개발 등에 치중돼 있다고 지적했다.

의료나 제약·바이오 분야 데이터가 제대로 공유·구조화되지 않는 등 AI 활용도를 저해하는 요인을 갖고 있다는 이유에서다. 기업은 물론 정부·병원 등이 관련 데이터를 활발히 공유·표준화해 AI 활용성을 높여야 한다는 분석이다.

같은 해 개혁신당 이주영 의원실이 개최한 국회토론회에서도 동일한 지적이 나왔다. 현 상태로는 AI, 신약 개발, 디지털헬스 등의 분야에서 공공의료데이터가 실질적으로 활용되기 어렵다는 비판이다. 유인책, 규제 완화, 데이터 표준화 플랫폼 등으로 데이터를 수집하는 의료기관과 이를 활용할 기업, 정부 간 협업 체계가 마련돼야 한다는 제언이다.

이에 학계에선 에이전틱 AI가 그 대안이 될 수 있다는 목소리가 나온다. 기존의 의료데이터 표준화는 전문가가 일일이 서로 다른 용어와 코드를 국제 표준인 HL7 FHIR 등으로 변환하는 과정을 거쳤다. 하지만 기술의 발전으로 에이전틱 AI의 의료데이터 문맥 이해도가 높아지면서, 자율적으로 최적의 표준 코드를 찾아 연결하는 역량을 갖추게 된 것.

이를 통해 그동안 데이터 표준화 작업으로 소요된 의료진 업무 부담 및 비용·시간 문제를 해결할 수 있다는 기대다.

다만 신중론도 만만치 않다. 표준화 과정에서 보안 사고가 발생할 수 있고, AI 모델의 환각 현상으로 잘못된 데이터 매핑이 이뤄질 수 있기 때문이다. 환자 정보는 대단히 민감한 데이터인 데다가, 생명과 직결되는 의료 영역의 특성상 그 위험성은 더욱 크다. 이 기술을 어디까지 허용할지에 대한 윤리적, 기술적 가이드라인 마련이 필요한 것.

의료 AI 에어진트 플랫폼 'SNUH.AI'를 개발한 서울대병원 헬스케어AI연구원 이형철 부원장 역시 보건의료 데이터 표준화 지연 문제를 해결할 대안으로 에이전틱 AI 기술을 제시했다.

그동안 국내 의료 현장에선 데이터 상호운용성 확보를 위해 FHIR 도입 등을 추진해 왔으나, 미국 등 주요국과 비교해 구현 속도가 더딘 실정이었다는 설명이다. 하지만 작금에 이르러선 에이전틱 AI가 데이터의 형태와 관계없이 내용을 이해하고 업무를 처리할 수 있게 됐다는 것.

이에 기술적 표준화 여부보다 에이전틱 AI의 데이터 접근 권한과 결정 범위를 어떻게 설정하느냐가 더 중요한 화두가 됐다는 진단이다. 의료기관이 그 범위를 적절히 설정할 수 있어야 환자 안전을 지키며 의료의 질을 향상하는 역할을 할 수 있다는 설명이다.

이 부원장은 "우리나라 의료계는 지난 10년간 데이터 표준화를 위해 노력해 왔으나 상호운용성 구현은 여전히 어려운 과제로 남아 있다"며 "하지만 에이전틱 AI의 등장으로 데이터 형식을 불문하고 업무 처리가 가능해졌다. 이에 표준 자체의 중요성보단 병원이 어느 정도의 데이터 접근권을 부여할 것인지에 대한 결정이 더욱 핵심적인 요소로 부상했다"고 분석했다.

이어 "이제 AI의 데이터 및 도구 사용 범위를 어떻게 관리하고 운영하느냐가 병원의 주요 역할이 됐다"며 "실제 임상 현장에서의 경험을 바탕으로 환자 안전에 기여할 수 있는 운영 체계를 구축하는 것이 앞으로의 주된 과제"라고 강조했다.