의료 AI 어디까지 왔나? 진료과별 활용부터 병원경영까지, 한국의 현재 수준

치과 CT 한 번으로 치아와 뼈만 보는 시대가 끝나고 있습니다.

최근 덴티움이 소개한 3D Viewer를 보면 변화의 방향을 쉽게 이해할 수 있습니다. CT 영상에서 치아, 신경, 뼈, 상악동, 기도 등을 AI가 자동으로 분리하고, 임플란트 식립 위치와 교합평면까지 제안합니다. CT 데이터를 이용해 가상 파노라마 영상을 만들고 안면 정보까지 함께 확보합니다.

몇 년 전까지 의료 AI를 이야기하면 대부분 엑스레이에서 폐암을 찾는다거나 AI가 CT를 판독한다는 정도였습니다.

올해의 의료 AI는 그 단계를 이미 넘어섰습니다.

진단을 보조하고, 치료 위치를 정하고, 환자의 위험도를 예측하고, 진료기록을 대신 작성하며, 예약, 청구, 환자관리까지 연결되는 방향으로 발전하고 있습니다.

이제 의료 AI는 하나의 의료기기가 아니라 병원의 진료방식 자체를 바꾸는 기술에 가까워지고 있습니다.

1. 가장 먼저 AI화된 분야는 역시 의료영상

현재 의료 AI가 가장 많이 상용화된 분야는 영상의학입니다.

미국 FDA의 AI, 머신러닝 기반 의료기기를 분석한 최근 연구에서는 2025년 말까지 승인, 허가된 AI 의료기기가 1,430건에 달했고, 이 가운데 영상의학 분야가 76.5%를 차지했습니다. 심혈관과 신경 분야까지 합치면 약 90%에 이릅니다.

이유는 간단합니다.

CT, MRI, X-ray, 초음파, 망막사진처럼 의료영상은 데이터 형식이 상대적으로 표준화되어 있고, 정답 데이터를 축적하기도 쉽습니다.

AI가 할 수 있는 일도 단순 발견을 넘어섰습니다.

병변 발견

장기 및 종양 자동 분할

응급환자 우선순위 분류

영상 노이즈 제거

MRI 촬영시간 단축

CT 재구성

질환 진행 정도 측정

과거 영상과 자동 비교

판독문 초안 작성

등으로 확대되고 있습니다.

OECD 역시 의료 AI가 이미 여러 영역에서 활용되고 있지만 국가 전체 의료시스템 단위의 확산은 아직 제한적이라고 평가합니다. 2026년 OECD 보고서에서 의료영상 AI를 국가 차원에서 광범위하게 확대한 회원국은 약 10% 수준이었습니다.

즉 기술은 병원 안으로 들어왔지만, 의료시스템 전체가 AI 중심으로 바뀐 국가는 아직 많지 않다는 뜻이겠죠.

2. 치과는 의료 AI가 가장 빠르게 치료계획까지 들어가는 분야

덴티움 사례에서 눈여겨볼 부분도 여기에 있습니다.

치과 AI의 역할이 충치나 치주질환을 발견하는 수준에서 끝나지 않습니다.

CBCT를 기반으로 치아와 하악신경관을 분리하고, 상악동과 골량을 분석하고, 임플란트 식립 위치와 보철 방향을 제안합니다.

여기에 구강스캐너, 안면스캐너, CAD/CAM, 3D 프린팅까지 연결되면 데이터의 흐름이

촬영

→ 진단

→ 치료계획

→ 보철 설계

→ 환자 설명

→ 실제 치료

까지 이어집니다.

치과가 의료 AI의 미래를 미리 보여주는 분야라고 볼 수 있는 이유입니다.

AI가 단순히 의사의 눈을 보조하는 것이 아니라 치료 과정 자체에 들어오기 시작했습니다.

3. 뇌·심장·응급의학에서는 시간을 줄이는 AI가 중요

뇌졸중이나 심근경색은 몇 분의 차이가 예후를 바꿀 수 있습니다.

따라서 이 분야의 AI는 진단 정확도뿐 아니라 검사 후 치료까지 걸리는 시간을 줄이는 데 가치가 있습니다.

뇌 CT나 CT 혈관조영술에서 뇌출혈이나 대혈관폐색 가능성이 높은 환자를 AI가 먼저 찾아 의료진에게 알려주는 시스템이 대표적입니다.

국내 기업 JLK의 뇌영상 AI 솔루션도 미국 FDA AI 의료기기 목록에 포함되어 있고, HoneyNaps의 수면, 뇌파 관련 AI 제품, 삼성메디슨의 AI 초음파 기술 등 한국 기업들의 제품도 미국 인허가 시장에 진입하고 있습니다.

국내에서도 흉부 X-ray 이상소견 검출, CT 기반 대혈관폐색 선별, 유방 초음파 AI, 요로결석 AI 등이 혁신의료기술 또는 임시등재 경로를 통해 의료현장으로 들어오고 있습니다.

이 지점은 의료 AI 산업에서 매우 중요합니다.

좋은 알고리즘을 만드는 것과 실제 병원에서 돈을 받고 사용할 수 있는 것은 전혀 다른 문제이기 때문입니다.

4. 내시경, 안과, 병리, 암 치료도 빠르게 AI화

소화기내과에서는 AI가 대장내시경 영상을 실시간으로 분석해 용종이나 의심병변을 표시하는 기술이 이미 임상현장에 들어왔습니다.

안과는 당뇨망막병증처럼 비교적 정형화된 망막 영상을 분석하는 분야에서 AI 자동 선별검사가 발전하고 있습니다.

병리학에서는 조직 슬라이드 전체를 디지털화한 Whole Slide Image를 AI가 분석해 암세포를 찾거나 등급 분류를 지원합니다.

방사선종양학에서는 AI가 CT나 MRI에서 종양과 정상 장기를 자동으로 구획하고 방사선 치료계획을 만드는 작업을 지원합니다. 종양학에서는 영상, 병리, 유전체, 혈액검사, 전자의무기록을 함께 분석하는 멀티모달 AI가 연구되고 있습니다.

결국 의료 AI는 하나의 영상만 보는 방식에서 여러 종류의 의료데이터를 동시에 이해하는 방향으로 이동하고 있습니다.

5. 피부과와 미용의료도 AI의 영향에서 벗어나기 어려워

피부과는 AI와 궁합이 좋은 진료과입니다.

피부사진이라는 시각 데이터가 많기 때문입니다.

최근 연구에서는 피부암과 피부질환 분류를 넘어 임상사진, 피부경, 병리영상 등을 통합한 피부과 전용 파운데이션 모델까지 등장하고 있습니다.

2025년 Nature Medicine에 발표된 PanDerm은 11개 기관에서 수집한 200만 장 이상의 피부 관련 영상을 이용해 개발됐고, 연구 환경에서 의료진의 피부암 진단 정확도를 높이는 결과를 제시했습니다. 다만 이러한 연구 결과가 그대로 모든 병원에서의 임상 성능을 의미하는 것은 아닙니다.

미용의료에서는 조금 다른 방향으로 AI가 발전할 가능성이 큽니다.

안면 비대칭 분석

피부 색소, 홍반 분석

주름과 피부결 측정

3차원 얼굴 분석

시술 전후 변화 예측

필러, 보툴리눔톡신, 리프팅 치료계획 지원

시술 시뮬레이션

환자 상담자료 자동 생성

같은 영역입니다.

최근 연구에서도 AI 기반 얼굴 계측을 활용하면 미용시술 계획에서 의료진 간 판단의 일관성이 높아질 가능성이 제시되고 있습니다. 그러나 현재 단계에서는 AI가 시술량이나 치료 위치를 독립적으로 결정하기보다 의료진의 의사결정을 돕는 도구로 보는 것이 적절합니다.

제가 피부미용 의료시장에서 특히 주목하는 부분은 AI 진단장비보다 AI 상담시스템입니다.

환자의 얼굴과 피부 데이터를 시각화하고 시술 이유를 설명할 수 있다면 AI는 진료뿐 아니라 상담의 질과 환자의 이해도를 높이는 도구가 될 수 있기 때문입니다.

6. 실제 병원에서는 진료 AI보다 ‘행정 AI’가 더 빨리 퍼질 수 있다

의료 AI를 이야기할 때 사람들이 가장 많이 놓치는 부분입니다.

AI가 가장 큰 경제적 효과를 낼 가능성이 있는 곳이 반드시 진단실일 필요는 없습니다.

진료기록 작성

음성 차트 작성

진료내용 요약

의뢰서 작성

보험청구 코드 추천

예약관리

노쇼 예측

콜센터

CRM

퇴원환자 관리

직원교육

경영분석

같은 영역에서도 AI 활용이 빠르게 늘고 있습니다.

미국에서 진행된 연구에서는 진료실 대화를 듣고 자동으로 차트를 작성하는 Ambient AI Scribe를 사용했을 때 의사의 환자당 기록 작성시간이 약 20.4% 감소했고, 근무시간 이후의 기록 업무도 약 30% 감소한 것으로 보고되었다고 합니다.

의료 AI의 ROI가 가장 먼저 보이는 곳이 이런 영역일 수도 있습니다.

의사 1명이 하루에 환자 한두 명을 더 진료할 수 있고, 직원의 전화업무를 줄이며, 상담 누락과 청구 누락을 줄일 수 있다면 병원 경영에서는 상당한 가치가 생깁니다.

7. 한국 의사 절반 가까이가 이미 의료 AI를 사용해 본 경험이 있다?

한국보건산업진흥원이 2025년 의사 2,125명을 조사해 2026년 2월 발표한 의료 AI 활용 실태조사는 국내 상황을 상당히 잘 보여줍니다.

응답 의사의 47.7%가 의료 AI를 사용해 본 경험이 있다고 답했습니다.

AI 경험자의 83.3%는 영상 판독 분야에서 AI를 사용했고, 활용 목적은 진단 68.0%, 질병 선별 51.2%였습니다.

AI를 사용한 의사들이 가장 많이 체감한 효과는 업무 효율 개선으로 82.3%였습니다.

반면 의료 AI를 사용하지 않는 이유로는

솔루션에 대한 정보 부족

접근성 부족

AI 결과에 대한 신뢰 부족

등이 지적됐습니다.

더 중요한 숫자도 있습니다.

AI와 관련된 의료사고 발생 시 법적 책임이 불명확하다는 점을 가장 큰 우려로 꼽은 비율이 AI 사용 경험자 69.1%, 미경험자 76.0%였습니다.

의료기관 자체 AI 가이드라인이 있다고 답한 의사는 5.1%에 불과했고 AI 교육을 받은 경험도 24.1%였습니다.

한국 의료 AI의 현주소를 이 숫자들이 보여줍니다.

기술과 사용자는 이미 병원 안으로 들어왔는데 병원의 내부 규정과 교육, 책임체계가 뒤따라오지 못하고 있습니다.

8. 그렇다면 한국 의료 AI 수준은 미국, 유럽, 일본과 비교해 어느 정도일까

먼저 OECD 의료 AI 순위라는 공식 순위는 존재하지 않습니다.

따라서 특정 국가가 몇 위라고 단정하는 것은 적절하지 않습니다.

대신 데이터 인프라, 기업 경쟁력, 인허가, 의료현장 활용, 보험제도, 상호운용성을 나눠 볼 필요가 있습니다.

한국의 가장 큰 장점은 의료데이터입니다.

OECD는 한국의 건강보험 청구 데이터에 대해 적시성, 포괄성, 데이터 규모와 세부 수준이 세계적으로 매우 우수하다고 평가해 왔습니다. 전국민 건강보험이라는 구조가 의료 AI와 보건의료 연구에서는 엄청난 자산입니다.

반면 병원별 EMR 데이터의 표준화와 의료기관 간 데이터 교환은 상대적으로 약점으로 지적돼 왔습니다.

미국은 의료 AI 제품화와 상용화가 가장 활발한 시장 중 하나입니다.

FDA의 AI 의료기기 목록이 지속적으로 확대되고 있으며, 의료 AI 기업이 거대한 의료시장과 자본시장을 기반으로 빠르게 성장할 수 있는 환경을 갖추고 있습니다.

유럽은 접근 방식이 조금 다릅니다.

EU는 European Health Data Space, 즉 EHDS를 통해 국가 간 의료데이터 활용과 상호운용성을 강화하는 데 상당한 투자를 하고 있습니다. EHDS는 2025년 3월 발효됐고 단계적으로 전자건강기록, 의료영상, 검사결과 등의 교환과 연구·AI 개발을 위한 2차 활용 체계를 구축합니다.

영국은 NHS라는 단일 의료시스템의 장점을 이용합니다.

예를 들어 NHS는 AI를 이용해 전립선 MRI를 분석하고 고위험 환자를 빠르게 판독·생검으로 연결하는 진단경로 자체를 재설계하는 실증사업을 추진하고 있습니다.

일본은 SaMD, 즉 소프트웨어 의료기기에 대해 인허가와 실제임상데이터, 보험등재를 연결하는 제도를 꾸준히 정비하고 있습니다. PMDA 역시 2026년 생성형 AI, Real World Data, 단계적 승인 등에 대한 논의를 확대하고 있습니다.

한국을 한 문장으로 정리하면 기술력이 부족해서 의료 AI 확산이 늦은 나라라기보다, 상당한 의료데이터와 제품 개발 역량을 가지고 있으면서 이를 전국 의료기관의 표준적인 진료과정으로 확장하는 제도와 보상체계를 만들어가는 단계에 있다고 보는 편이 정확합니다.

9. 한국에서도 이제 AI에 수가를 어떻게 줄 것인가가 핵심

의료 AI 산업에서는 정확도보다 훨씬 현실적인 문제가 하나 있습니다.

누가 비용을 지불할 것인가입니다.

AI 기업이 아무리 좋은 제품을 만들어도 병원이 매월 사용료를 지불해야 하고 별도의 수익이나 비용 절감 효과가 없다면 확산에는 한계가 생깁니다. 현재 국내에서도 혁신의료기술 등을 통해 일부 AI 의료기술이 임시등재되고 비급여로 사용될 수 있는 길이 만들어지고 있습니다.

일부 AI 의료기술은 고시된 범위 안에서 의료기관이 비급여 가격을 정하고 환자가 비용을 부담하는 구조가 적용되고 있습니다. 의료 AI 산업의 진짜 승부는 여기에서 시작됩니다.

AI 정확도 95%와 96%의 싸움보다

판독시간을 얼마나 줄였는가

불필요한 검사를 얼마나 줄였는가

응급환자의 치료시간을 얼마나 단축했는가

의사의 진료시간을 얼마나 확보했는가

재입원과 합병증을 얼마나 줄였는가

를 증명해야 건강보험과 병원이 비용을 지불할 근거가 만들어집니다.

10. 병원경영에서는 AI를 장비가 아니라 생산성 투자로 봐야...

병원장이 의료 AI를 도입할 때 AI가 좋은가?라고 질문해서는 부족하죠.

다음과 같이 질문해야 합니다.

이 시스템을 쓰면 의사의 시간이 얼마나 줄어드는가

직원 한 명이 처리하는 업무량이 얼마나 늘어나는가

환자의 대기시간은 얼마나 줄어드는가

상담전환율이나 치료동의율이 달라지는가

판독 오류나 누락 위험을 줄이는가

추가 수가 또는 비급여 수익을 만들 수 있는가

월 사용료보다 더 큰 경제적 가치를 만드는가

앞으로 병원경영에서 AI 도입 판단은 장비 구입과 비슷해질 가능성이 높습니다.

기술이 신기하다는 이유로 사는 것이 아니라 투자수익률과 진료성과를 계산해야 합니다.

AI 활용 설정

사진 설명을 입력하세요.

11. 의료 AI의 다음 단계는 멀티모달 AI와 의료 에이전트입니다

여기부터는 향후 전망입니다.

지금까지 의료 AI는 대체로 하나의 문제를 해결했습니다.

폐 X-ray를 분석하는 AI

대장내시경에서 용종을 찾는 AI

심전도를 분석하는 AI

그러나 다음 단계에서는 한 환자의

CT

혈액검사

유전체

과거 진료기록

투약 기록

웨어러블 데이터

음성

사진

을 하나의 AI가 함께 분석하게 될 가능성이 높습니다.

그 다음은 의료 AI 에이전트입니다.

환자의 검사결과를 확인하고, 이전 기록을 찾아 비교하고, 추가 검사를 제안하고, 진료기록을 작성하고, 환자에게 설명할 내용을 만들고, 일정까지 관리하는 형태입니다.

의사는 결과를 검토하고 중요한 판단을 담당합니다.

AI가 하나의 프로그램이 아니라 의료진 옆에서 지속적으로 일하는 디지털 의료인력과 비슷해지는 것입니다.

12. 그렇다고 AI 의사가 곧 등장하는 것은 아니다

현재 의료 AI를 평가할 때 가장 경계해야 할 것은 지나친 기대입니다.

AI는 틀릴 수 있습니다.

학습 데이터에 따른 편향이 있을 수 있고 특정 병원이나 인종, 장비에서는 성능이 떨어질 수 있습니다.

생성형 AI는 사실이 아닌 내용을 만들어내는 hallucination 문제가 있고, 의료진이 AI의 결과를 과도하게 신뢰하는 automation bias도 발생할 수 있습니다.

개인정보와 의료정보 보안도 해결해야 합니다.

WHO 역시 AI가 의료인력 부족과 의료자원 문제를 해결할 가능성이 크다고 평가하면서도 안전성, 윤리, 형평성, 개인정보 보호와 규제체계가 기술 발전과 함께 구축돼야 한다고 지속적으로 강조하고 있습니다.

한국에서도 의료 분야는 AI 기본법상 고영향 AI와 밀접한 영역으로 관리되고 있으며, 식품의약품안전처도 생성형 AI와 대규모언어모델 기반 디지털의료기기의 허가·심사 가이드라인을 계속 구체화하고 있습니다.

13. 의료 AI 경쟁은 이제부터가 진짜

치과 CT가 치아와 뼈를 촬영하는 장비에서 얼굴, 신경, 기도, 임플란트 위치까지 분석하는 플랫폼으로 바뀌는 모습은 의료 AI 변화의 축소판입니다.

앞으로 CT와 MRI, 초음파, 내시경, 피부진단기, 치과장비는 단순한 촬영장비가 아니라 데이터를 생산하고 분석하고 치료를 설계하는 플랫폼으로 변할 가능성이 높습니다.

병원도 마찬가지입니다.

의료 AI 시대의 경쟁력은 AI 장비를 몇 대 보유했는지가 아니라

어떤 데이터를 모으고

어떻게 진료에 연결하며

의료진의 시간을 얼마나 줄이고

환자의 이해도를 얼마나 높이며

치료성과와 병원 생산성을 얼마나 개선하느냐

에서 갈릴 것입니다.

한국에는 전국민 건강보험 데이터와 높은 수준의 병원 디지털화, 의료기기와 소프트웨어 기업, 그리고 AI 기술을 빠르게 받아들이는 의료진이라는 자산이 있습니다.

문제는 기술 자체가 아니라 이를 의료현장에 안전하게 연결하는 제도입니다.

수가가 만들어져야 하고, 책임의 범위가 정리돼야 하며, 병원 간 데이터가 연결돼야 하고, 의료진에 대한 AI 교육도 필요합니다.

의료 AI의 다음 경쟁은 알고리즘의 정확도 경쟁만으로 결정되지 않을 것입니다.

진단과 치료, 의료진, 환자, 보험, 병원경영을 하나의 시스템으로 연결하는 국가와 기업이 의료 AI 산업의 주도권을 갖게 될 가능성이 높습니다.

그리고 그 경쟁은 이미 시작됐습니다.