AI 변환 정확도·의료진 확인·환자 동의 등 안전한 정보교류 체계가 관건
공공의료 AI 고속도로와 맞닿은 과제…지역 중소병원 도입 여건도 살펴야
고령 환자가 여러 병원을 이용할 때마다 이전 검사 결과와 복용약, 치료 이력을 다시 설명해야 하는 불편을 줄일 수 있을까.
병원마다 다른 방식으로 기록된 의료정보를 인공지능(AI)으로 표준화해 의료기관 사이에서 활용할 수 있도록 돕는 기술이 개발되고 있다.
보건복지부는 13일 한국보건의료정보원과 함께 경기 성남시 분당서울대학교병원 헬스케어혁신파크에서 '2026 보건의료데이터 상호운용성 지원 기술개발 성과교류회'를 개최하고 의료정보 표준화를 지원하는 AI 소프트웨어와 통합운영체계 시제품을 공개했다.
이번 연구는 병원마다 다른 의료용어와 데이터 구조를 공통된 기준으로 정리하고, 진료기록을 다른 의료기관에서도 활용하기 쉽게 만드는 데 초점을 맞췄다.
환자가 병원을 옮길 때 검사 결과와 처방 이력이 정확하게 전달된다면 불필요한 검사 반복이나 진료정보 누락을 줄이는 데 도움이 될 수 있다.
그러나 이번에 공개된 기술은 연구개발 단계의 시제품으로, 실제 환자 진료에서 이러한 효과가 입증된 것은 아니다.
기술이 의료현장에 정착하려면 자동 변환의 정확도와 개인정보 보호, 의료진의 확인 절차를 검증해야 한다. 대형병원뿐 아니라 지역 중소병원과 공공병원에서도 사용할 수 있는지도 중요한 과제다.
병원마다 다른 진료기록, 왜 연결하기 어려운가
병원은 환자의 진단명과 검사 결과, 처방 내용 등을 전자의무기록(EMR)에 저장한다.
그러나 의료기관마다 사용하는 전산시스템과 의료용어, 기록 방식이 달라 정보를 주고받는 데 어려움이 있다.
같은 검사라도 병원에 따라 명칭이나 코드가 다를 수 있고, 일부 진료기록은 정해진 항목이 아닌 문장으로 작성된다. 이런 정보를 다른 병원에서 정확하게 활용하려면 단순히 파일을 전송하는 것만으로는 부족하다.
정부는 이러한 문제를 해결하기 위해 한국 핵심교류데이터(KR CDI)와 한국 핵심교류데이터 전송 표준(KR Core)을 마련해 운영하고 있다.
KR CDI는 환자정보와 진단, 검사 등 의료정보 교류에 필요한 내용을 14개 분류와 80개 항목으로 정한 국가표준이다.
KR Core는 이를 국제표준인 HL7 FHIR에 기반해 의료기관 사이에서 교환할 수 있도록 데이터 구조와 전송 규격을 정한 것이다.
쉽게 말해 KR CDI가 병원끼리 공유할 정보의 종류를 정한다면, KR Core는 그 정보를 일정한 형식으로 주고받도록 하는 규칙에 해당한다.
문제는 기존 병원 시스템에 이러한 표준을 적용하는 과정에서 전문인력과 비용이 필요하다는 점이다.
이번 연구는 AI를 활용해 데이터 변환 작업을 자동화하고 의료기관의 부담을 줄이기 위해 추진되고 있다.
AI로 의료용어 연결하고 진료기록 정리…시제품 공개
보건복지부가 2025년부터 2029년까지 추진하는 '보건의료데이터 상호운용성 지원 기술개발' 사업은 올해 2차년도 연구를 진행하고 있다.
이번 성과교류회에서는 서울아산병원 연구진이 개발한 표준데이터모델(SDM)과 표준통합운영체계가 소개됐다.
표준데이터모델은 병원마다 다른 형태로 관리하는 의료정보를 공통된 구조로 정리하기 위한 것이다.
표준통합운영체계는 이를 기반으로 의료데이터와 표준을 통합 관리하고 의료기관 정보시스템 간 연계를 지원한다.
분당서울대학교병원과 가천대길병원, 강동경희대학교병원 연구진은 각각 AI 기반 소프트웨어 시제품을 공개했다.
이들 소프트웨어는 의료기관에서 사용하는 용어를 표준용어와 연결하는 작업, 문장으로 작성된 진료기록을 정해진 데이터 항목으로 정리하는 작업, 개인정보의 가명처리 등을 지원하도록 개발되고 있다.
의료기관이 기존 데이터를 국가표준에 맞게 변환하는 작업을 자동화하면 반복적인 수작업과 전문인력의 부담을 줄일 가능성이 있다.
그러나 시제품 공개가 곧 실제 병원 간 진료정보 교환 서비스의 상용화를 의미하지는 않는다.
보건복지부와 한국보건의료정보원은 앞으로 표준통합운영체계와 AI 소프트웨어의 연계·통합시험을 진행하고 의료기관 환경에서 검증을 단계적으로 확대할 계획이다.
고령 환자의 검사 중복과 진료정보 누락, 줄일 수 있을까
여러 의료기관을 이용하는 고령 환자에게 진료정보의 연속성은 중요한 문제다.
고혈압이나 당뇨병 등 만성질환으로 동네의원을 이용하다가 정밀검사나 입원치료를 위해 종합병원으로 옮기는 경우가 있다.
치료를 마친 뒤 다시 지역 의료기관에서 관리를 이어가는 과정에서도 이전 진료정보가 필요하다.
새로 진료하는 의료진이 환자의 검사 결과와 처방 이력, 약물 알레르기, 퇴원 후 관리계획 등을 정확하게 확인할 수 있다면 환자 상태를 파악하는 데 도움이 된다.
이미 시행한 검사를 확인하지 못해 반복하거나 이전 처방 내용을 놓치는 상황을 줄이는 데에도 활용할 수 있다.
그러나 모든 반복검사가 불필요한 것은 아니다. 환자의 상태가 달라졌거나 검사 시점에 따라 재검사가 필요한 경우도 있다.
따라서 의료정보 연계의 성과를 평가할 때는 단순히 검사 횟수가 줄었는지만 볼 것이 아니라, 불필요한 반복검사가 감소했는지와 필요한 검사가 적절하게 시행됐는지를 함께 살펴야 한다.
이번 공식 발표에는 AI 표준화 기술을 적용한 뒤 중복검사나 진료정보 누락이 얼마나 감소했는지에 관한 실증 결과가 제시되지 않았다.
환자에게 실질적인 도움이 되는지 판단하려면 향후 의료기관 간 정보 전달의 정확도와 소요시간, 환자 안전에 미치는 영향을 확인할 필요가 있다.
AI가 진료기록을 잘못 변환하면…정확도 검증이 관건
의료정보 표준화에서 가장 중요한 조건 중 하나는 원래 기록의 의미를 정확하게 유지하는 것이다.
AI가 검사명이나 진단명을 잘못 연결하거나 검사 수치의 단위, 약물 용량, 투여 횟수를 잘못 해석하면 환자의 진료정보가 실제와 다르게 전달될 수 있다.
예를 들어 과거에 복용을 중단한 약을 현재 복용 중인 것으로 표시하거나, 알레르기가 없다는 기록을 잘못 해석한다면 진료 판단에 영향을 줄 수 있다.
이는 AI 기반 의료정보 변환에서 검증해야 할 잠재적 오류 사례다. 이번에 공개된 시제품에서 이러한 오류가 실제로 발생했다는 뜻은 아니다.
중요한 것은 자동 변환 기술의 정확도를 어떻게 측정하고 검증하느냐다.
단순히 전체 데이터의 변환 성공률을 확인하는 것만으로는 충분하지 않다. 진단명과 검사 결과, 약물정보, 알레르기 등 환자 안전과 직접 관련된 항목별 정확도를 평가해야 한다.
오류가 발견됐을 때 원본 기록과 비교해 수정할 수 있는지, 수정 내역이 남는지, 실제 진료에 사용하기 전에 의료진이 검토할 수 있는지도 확인해야 한다.
이번 발표에는 시제품의 자동 변환 정확도나 항목별 오류율, 의료진의 최종 검증 절차에 관한 구체적인 수치와 운영 방식이 공개되지 않았다.
따라서 현재 단계에서 AI가 의료진의 검토 없이 진료기록을 정확하게 변환할 수 있다고 판단하기는 어렵다.
개인정보 가명처리와 환자 동의, 어떻게 관리할까
의료정보를 기관 사이에서 교환하려면 환자의 개인정보와 민감한 건강정보를 안전하게 보호해야 한다.
이번에 공개된 AI 소프트웨어에는 가명처리 작업을 지원하는 기능이 포함돼 있다.
가명처리는 추가 정보 없이는 특정 개인을 알아보기 어렵도록 개인정보를 처리하는 방식이다.
그러나 가명처리를 지원한다는 사실만으로 모든 의료정보 교류의 개인정보 보호 문제가 해결되는 것은 아니다.
환자를 직접 진료하기 위한 정보교류에서는 어느 환자의 기록인지 정확하게 확인하는 절차가 필요하다.
연구나 통계 목적으로 데이터를 활용할 때는 처리 목적과 법적 요건에 따라 가명정보를 활용할 수 있다.
두 경우는 정보의 사용 목적과 적용되는 법적 요건이 다르므로 구분해야 한다.
환자 동의 여부도 중요한 확인 사항이다. 어떤 의료정보를 어느 기관에 제공하는지, 환자가 동의하거나 거부할 수 있는 범위는 무엇인지, 제공된 정보에 누가 접근할 수 있는지 명확해야 한다.
또한 의료진과 행정직원, 시스템 관리자 등의 접근권한을 업무에 필요한 범위로 제한하고, 정보 조회와 수정 내역을 기록·점검하는 체계가 요구된다.
이번 발표에서는 가명처리 지원 기능이 소개됐지만, 실제 환자 동의 관리 방식과 접근권한 설정, 접속기록 관리, 보안성 검증 결과는 구체적으로 제시되지 않았다.
의료기관 간 정보교류를 확대하려면 기술적 표준화와 함께 이러한 보호체계가 실제로 작동하는지 확인해야 한다.
공공의료 AI 고속도로와 연결되는 과제
이번 연구는 정부가 추진하는 '공공의료 AI 고속도로' 사업과도 맞닿아 있다.
보건복지부는 지난 11일 강원대학교병원과 영월의료원을 연결하는 공공의료 AI 고속도로를 시범 개통했다.
이 사업은 지역 공공병원과 상급병원 사이에서 환자를 의뢰하거나 치료 후 지역 의료기관으로 돌려보내는 과정에 AI를 활용하는 사업이다.
시범 개통 당시에는 병원 전자의무기록과 연동한 AI가 검사 결과와 투약 이력 등을 정리해 전원 의뢰서와 퇴원 요약지의 초안을 작성하는 기능이 소개됐다.
정부는 전원 의뢰서 초안 작성에 기존 10분 이상 걸리던 작업을 AI가 1분 이내에 수행할 수 있다고 설명했다.
그러나 이는 시연에서 제시된 초안 작성시간으로, 의료진의 검토와 최종 승인까지 포함한 전체 업무시간이 같은 수준으로 줄었다는 의미는 아니다. 시연 역시 가상 시나리오를 바탕으로 이뤄졌다.
두 사업은 목적이 연결되지만 개발 내용은 다르다.
공공의료 AI 고속도로가 환자 의뢰·회송 과정에서 AI를 활용해 의료기관을 연결하는 사업이라면, 이번 의료데이터 상호운용성 연구는 서로 다른 의료정보를 공통된 기준으로 정리하고 교환할 수 있도록 지원하는 기반 기술개발 사업이다.
현재 공개된 자료만으로 두 사업의 시스템이 이미 통합됐거나 동일한 기술을 사용하고 있다고 판단할 수는 없다.
그러나 병원 간 정보가 정확하게 전달돼야 한다는 공통 과제를 안고 있다는 점에서 향후 기술 연계 여부를 살펴볼 필요가 있다.
지역 중소병원과 공공병원에서도 사용할 수 있을까
의료정보 표준화 기술이 환자의 진료 연속성을 높이려면 대형병원뿐 아니라 지역 중소병원과 공공병원에서도 활용할 수 있어야 한다.
이번 연구에 참여한 주요 의료기관은 서울아산병원과 분당서울대학교병원, 가천대길병원, 강동경희대학교병원이다.
지역 의료기관은 병원 규모와 기존 전산환경에 따라 정보시스템 개선에 필요한 인력과 예산이 다를 수 있다.
의료정보 표준화를 적용하려면 기존 전자의무기록 시스템과의 연동, 데이터 변환, 보안체계 구축, 담당자 교육, 유지보수 등의 조건을 갖춰야 한다.
AI가 일부 변환 작업을 자동화하더라도 이러한 비용과 기술적 부담이 모두 사라지는 것은 아니다.
보건복지부는 이번 연구의 목표 가운데 하나로 의료기관의 표준 적용에 필요한 인력과 비용 부담을 줄이는 것을 제시했다.
그러나 공개된 자료에는 병원 규모별 도입비용과 유지관리비, 기존 전자의무기록 시스템별 호환성, 지역 중소병원이나 공공병원에서의 적용 성과가 제시되지 않았다.
따라서 실제 비용 절감 효과와 지역 의료기관의 도입 가능성은 추가 검증이 필요한 단계다.
공공의료 AI 고속도로 사업은 2029년까지 전국 72개 공공병원으로 연결망을 확대한다는 목표를 제시하고 있다.
하지만 이는 별도 사업의 구축 계획으로, 이번 의료데이터 표준화 시제품이 같은 일정으로 보급된다는 뜻은 아니다.
향후 의료데이터 표준화 기술의 활용 범위를 넓히려면 병원 규모에 따른 도입비용과 기술 지원 방안도 함께 검토해야 한다.
의료정보 연계의 성과, 환자의 진료 연속성으로 확인해야
의료데이터 표준화는 병원 전산업무의 효율성을 높이는 데 그쳐서는 안 된다.
고령 환자가 동네의원에서 종합병원으로 옮기거나, 입원치료를 마친 뒤 지역 의료기관에서 관리를 이어갈 때 필요한 정보가 정확하게 전달되는지가 중요하다.
의료진이 이전 검사 결과와 처방 이력을 확인할 수 있는지, 환자가 같은 설명과 서류 제출을 반복하는 불편이 줄어드는지, 불필요한 검사 중복을 줄이는 데 도움이 되는지도 살펴야 한다.
이번에 공개된 AI 기반 의료정보 표준화 기술은 이러한 문제를 해결하기 위한 기반을 마련하고 있다는 점에서 의미가 있다.
그러나 현재까지 확인된 성과는 표준데이터모델과 통합운영체계, AI 소프트웨어 시제품의 개발·공개 단계다.
실제 의료기관 간 정보교류의 정확도와 환자 진료에 미치는 효과, 개인정보 보호 수준, 지역 의료기관의 도입 가능성은 앞으로 검증해야 한다.
보건복지부와 한국보건의료정보원은 향후 기술 간 연계·통합시험을 추진하고 의료기관 환경에서의 검증을 단계적으로 확대할 계획이다.
의료정보 연계의 성과는 AI가 얼마나 많은 기록을 자동으로 변환했는지보다 환자가 병원을 옮겨도 필요한 진료정보가 누락되지 않고, 의료진이 이를 안전하게 활용할 수 있는지를 기준으로 평가할 필요가 있다.
대형병원과 지역 의료기관 사이의 정보격차를 줄이는 일도 이러한 기술개발이 해결해야 할 과제다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}