AI는 이미 진료실에 들어와 있다 — 진단·판독·기록·병리, 그리고 '승인 폭증'의 함정

TL;DR — 의료 AI를 'AI 신약 발견'⁠(discovery)의 연장으로만 보면 핵심을 놓칩니다. 발견 축이 아직 임상에서 증명되는 동안, 진단·영상 판독·임상 기록·병리 축의 AI는 이미 현장에 들어와 있습니다. 미 FDA (Food and Drug Administration) 가 시판 승인⁠(clearance·authorization)한 AI/ML 의료기기는 2025년 9월 누적 1,356건, 그중 약 77%가 영상의학입니다.

그런데 이 글의 주장은 'AI 의료 혁명 만세'가 아닙니다. '승인 폭증'과 '실제 임상 채택·수가⁠(reimbursement)·책임'의 간극, 그리고 범용 LLM (large language model) 의 임상 신뢰성 논쟁이 변곡점과 과열을 가릅니다. 영상 트리아지⁠(triage)·앰비언트⁠(ambient) 스크라이브처럼 이미 워크플로에 박힌 영역과, USMLE는 통과하지만 책임·환각이 미해결인 범용 LLM 진단을 같은 잣대로 보면 오판합니다.

※ 본 글은 공개 정보·각사 공시·시장조사 보고서·동료심사 문헌에 근거한 분석이며 투자 조언이 아닙니다. 시장 규모·CAGR (compound annual growth rate) 추정치는 출처별 편차가 커 범위로 제시하고, 기업·기관 주장은 출처를 명시했습니다.

🔗 관련 글  ·  AI 신약개발, 거품인가 변곡점인가  ·  알파폴드2 (AlphaFold2)  ·  액체생검·다중암 조기검진⁠(MCED)

대표 이미지. 영상 판독 → 임상 기록 → 병리 — 신약을 넘어 진단·진료 현장으로 들어온 AI.

1. 핵심 요약 — '승인 1,000건'의 진짜 의미

의료 AI 이야기는 보통 'AI 신약개발'에서 시작합니다. 알파폴드2 (AlphaFold2) 가 단백질 구조를 풀고, 아이소모픽 랩스·리커전 같은 기업이 분자를 설계하는 그림이죠. 그런데 그 발견 축은 — 이 블로그가 AI 신약개발, 거품인가 변곡점인가에서 짚었듯 — 2026년 현재까지 '온전히 AI가 발굴·설계한 약'의 FDA 승인이 0건이라는 사실이 말해주듯, 아직 임상에서 증명되는 중입니다.

반면 이 글이 다루는 축은 다릅니다. 진단·영상 판독·임상 기록·병리. 여기서 AI는 'X년 뒤에 올 것'이 아니라 이미 와 있습니다. 가장 단단한 증거가 규제 데이터입니다. FDA가 시판을 허가한 AI/ML 기반 의료기기는 2025년 9월 30일 기준 누적 1,356건, 그중 1,039건⁠(약 77%)이 영상의학입니다 (FDA·The Imaging Wire). 2024년 한 해에만 ML 기반 기기 168건이 승인됐고, 최근 5년간 FDA 승인은 약 350% 늘었습니다 (IntuitionLabs). '승인 1,000건+'라는 헤드라인 자체는 과장이 아닙니다.

문제는 그다음입니다. 승인은 채택이 아닙니다. 승인 1,356건 중 절대다수는 510(k) 경로 — 기존 유사 기기와 '실질적 동등'을 입증하는 약식 통로 — 로 통과했고⁠(2024년 8월 기준 약 97%), 정작 병원이 실제로 돈을 내고 워크플로에 넣어 쓰는 기기는 그 일부입니다. 이 글의 핵심 주장은 여기 있습니다. 의료 AI의 변곡점과 과열을 가르는 선은 '승인 수'가 아니라 ⑴ 수가가 붙어 실사용에 들어갔는가, ⑵ 병원이 바뀌어도 성능이 유지되는가, ⑶ 오진의 책임을 누가 지는가, 이 세 질문입니다. 그리고 이 세 질문에 영역별로 전혀 다른 답이 나옵니다 — 영상 트리아지·앰비언트 스크라이브는 '예'에 가깝고, 범용 LLM 단독 진단은 '아니오'에 가깝습니다.

2. 배경 — '발견 축' 너머의 네 영역

의료 AI를 한 덩어리로 보면 분석이 흐려집니다. 적어도 다섯 축으로 갈라야 합니다 — 신약 발견⁠(discovery), 영상의학⁠(radiology), 임상 기록⁠(documentation), 병리⁠(pathology), 그리고 범용 LLM. 이 중 발견 축은 별도 주제이므로⁠(AI 신약개발 편에서 다뤘습니다), 이 글은 나머지 '진단·임상 현장' 네 영역에 집중합니다.

이 구분이 중요한 이유는, 네 영역의 성숙도와 채택 메커니즘이 제각각이기 때문입니다. 영상의학 AI는 판독을 '대체'하지 않고 보조·트리아지⁠(triage) — 위급 소견을 먼저 솎아 순서를 앞당기는 일 — 로 들어가 임상의 거부감이 낮습니다. 앰비언트 스크라이브는 진단이 아니라 진료 대화를 차트로 옮기는 행정 자동화라 오진 책임 부담이 작고 번아웃 해소라는 즉각적 효용이 있습니다. 병리 AI는 디지털 슬라이드라는 전제가 깔려야 작동합니다. 범용 LLM은 시험 점수는 높지만 임상 책임·환각이라는 벽에 막혀 있습니다.

같은 '의료 AI'라도 어디는 매출을 내고 어디는 논문에만 머뭅니다. 다음 절들에서 영역별 지형⁠(3절), 승인과 채택의 간극⁠(4절), 변곡점과 과열의 경계⁠(5절), 시장·한국⁠(6절)을 차례로 봅니다.

3. 의료 AI의 지형 — 네 영역의 성숙도

그림 1. 네 영역⁠(영상·앰비언트 스크라이브·병리·LLM)의 성숙도·채택도와 대표 기업.

[그림 1]에 네 영역의 성숙도와 채택도를 배치했습니다. 위에 있을수록 '이미 현장에 박힌' 영역, 아래일수록 '잠재력은 크되 미입증'인 영역입니다.

① 영상의학⁠(radiology) — 가장 성숙, 트리아지가 입구. FDA 승인의 약 77%가 몰린 영역답게 실사용이 가장 앞섰습니다. 대표 사례가 뇌졸중 대혈관폐색⁠(LVO·large vessel occlusion) 트리아지입니다. 비즈에이아이 (Viz.ai) 의 비즈 LVO (Viz LVO) 는 CT 혈관조영에서 LVO 의심 소견을 감지하면 신경중재팀에 병렬 알림을 보내 '문에서 바늘까지'의 시간을 줄입니다. 에이닥 (Aidoc) 은 뇌출혈·폐색전증 등 응급 소견을 우선순위로 끌어올리는 트리아지 플랫폼으로 다수 병원에 깔려 있습니다. 하트플로 (HeartFlow) 는 관상동맥 CT에서 혈류예비량분획⁠(FFR·fractional flow reserve)을 계산해 불필요한 침습 검사를 줄입니다. 공통점은 판독의⁠(radiologist)를 대체하지 않고, 일의 순서·효율을 바꾼다는 점입니다.

② 앰비언트 AI 스크라이브⁠(ambient scribe) — 가장 빠른 확산. 2024~2025년 의료 AI에서 가장 폭발적으로 퍼진 영역입니다. 진료 중 의사·환자의 대화를 듣고 자동으로 진료기록⁠(차트)을 생성합니다. 마이크로소프트 (Microsoft) 가 뉘앙스 (Nuance) 를 통해 내놓은 DAX 코파일럿 (DAX Copilot) — 2025년 3월 드래곤 코파일럿 (Dragon Copilot) 으로 개편 — 이 선두이고, 어브리지 (Abridge) ·수키 (Suki) 가 추격합니다. 동력은 명확합니다. 의사 번아웃⁠(burnout) — 진료 후 밤까지 차트를 쓰는 '파자마 타임' — 을 정면으로 겨냥하기 때문입니다.

③ 병리⁠(pathology) — 디지털화가 전제, 추격 중. 조직 슬라이드를 디지털 이미지로 바꾸고 AI가 암 의심 영역을 표시합니다. 페이지 (Paige) 의 페이지 프로스테이트 (Paige Prostate) 는 FDA가 승인한 최초의 AI 병리 소프트웨어 (2021년 De Novo)로, 전립선 생검에서 암 검출률을 평균 7.3%포인트 높이고 위음성을 70% 줄였다고 보고됐습니다 (FDA). 패스에이아이 (PathAI) 가 또 다른 축입니다. 다만 병리 AI는 슬라이드 디지털화 인프라가 깔려야 작동해 영상의학보다 채택이 더딥니다.

④ 범용 LLM (large language model) — 시험은 통과, 현장은 아직. GPT-4·구글 (Google) 의 메드제미니 (Med-Gemini) ·메드팜 (Med-PaLM) 같은 모델은 의사 면허시험 수준의 문제를 풉니다. 그러나 이 영역은 성숙도 축의 가장 아래에 둬야 합니다 — 환각·책임·규제 미비라는 벽이 그대로입니다⁠(5절에서 상술).

4. 승인 폭증 vs 채택 간극 — 숫자가 가리는 것

그림 2. FDA 승인 누적 곡선의 가파른 상승 vs 수가·일반화·책임이라는 채택의 세 간극.

[그림 2]에 'FDA 승인 누적 곡선'과 '실제 임상 채택·수가의 간극'을 나란히 놓았습니다. 의료 AI를 오해하는 가장 흔한 경로가 바로 이 곡선만 보는 것입니다.

승인 곡선은 가파릅니다. FDA의 AI/ML 기기 누적 승인은 2015년 무렵 수십 건에서 2025년 9월 1,356건으로 치솟았습니다 (FDA). 영상의학에서만 1,000건을 넘었습니다 (The Imaging Wire). 트래커에 따라 2025년 말 약 1,200~1,450건으로 집계가 갈리는데, 이는 '무엇을 AI 기기로 셀지'의 정의 차이이므로 '2024~2025년 누적 1,000건을 훌쩍 넘었고 절대다수가 영상의학'으로 읽는 편이 정확합니다.

그런데 그 곡선 밑에 세 개의 간극이 있습니다.

첫째, 수가⁠(reimbursement)의 간극. 승인은 '팔아도 된다'일 뿐, '보험이 비용을 따로 쳐준다'가 아닙니다. 미국에서 AI에 별도 수가가 붙은 사례는 손에 꼽습니다. 비즈 LVO가 CMS (Centers for Medicare & Medicaid Services) 의 신기술 추가지불⁠(NTAP·new technology add-on payment)을 받은 최초의 AI 소프트웨어로, 적격 환자당 최대 1,040달러 (USD) 가 인정됩니다 (Viz.ai·CMS). 하트플로 FFR-CT는 기술료로 약 1,450달러 (USD) 가 지급됩니다. 반대로 에이닥의 폐색전증 트리아지는 2021년 NTAP 신청이 반려됐습니다 (CMS). 수가가 붙은 소수만 빠르게 깔리고, 나머지는 '승인은 받았으나 돈은 못 받는' 상태로 남습니다. 실제로 한 분석은 수가가 stroke AI 채택을 끌어올린 결정적 변수였다고 짚습니다 (AuntMinnie).

둘째, 일반화⁠(generalization)의 간극. 한 병원 데이터로 학습·검증된 모델이 다른 병원에서 성능이 떨어지는 현상입니다. 장비·촬영 프로토콜·환자 구성⁠(case mix)이 다르면 논문 속 수치가 현장에서 재현되지 않습니다. FDA 승인의 약 97%가 통과한 510(k) 경로는 '기존 기기와 동등'만 보이면 되기에, 다기관 전향 임상검증을 강제하지 않습니다 — 승인 숫자가 임상적 가치를 보장하지 못하는 구조적 이유입니다.

셋째, 책임⁠(accountability)의 간극. AI가 소견을 놓치거나 잘못 표시했을 때 책임은 누구에게 있나. 현재 대부분의 영상 AI는 '보조 도구'로 승인돼, 최종 책임은 여전히 의사에게 있습니다. 이 구조가 트리아지·보조에는 잘 맞지만, AI가 '판단 주체'로 올라설수록 회색지대가 커집니다.

요컨대 승인 곡선의 기울기와 실제 채택의 기울기는 다릅니다. 의료 AI의 진짜 변곡점은 1,356이라는 숫자가 아니라, 그중 몇 개가 수가·일반화·책임의 세 관문을 통과해 워크플로에 박혔는가에 있습니다.

5. 변곡점 vs 과열 — 어디까지가 실사용인가

그림 3. 변곡점⁠(영상 트리아지·앰비언트 스크라이브) vs 과열⁠(범용 LLM 단독 진단·AI 워싱) + 시장·한국.

[그림 3]에 진짜 변곡점과 과열 구간을 갈라 정리했습니다. 핵심은 '의료 AI'를 뭉뚱그리지 않고 영역별로 판정하는 것입니다.

진짜 변곡점 ① 영상 트리아지 — 수가까지 붙은 실사용. 뇌졸중 LVO 트리아지는 의료 AI에서 가장 단단한 변곡점입니다. 비즈 LVO가 AI 최초로 NTAP 수가를 받았고, 시간이 곧 뇌세포인 뇌졸중에서 '알림을 앞당긴다'는 효용이 임상적으로 분명합니다. 판독을 대체하지 않고 순서를 바꾸므로 책임 부담도 작습니다. '승인 → 수가 → 채택'의 고리가 닫힌 드문 사례입니다.

진짜 변곡점 ② 앰비언트 스크라이브 — 번아웃을 푸는 즉효. 2024~2025년 가장 확실한 확산입니다. UCLA 헬스에서 14개 진료과 의사 238명을 대상으로 한 무작위 임상에서 DAX 사용군은 번아웃 척도⁠(Mini-Z)가 2.8점 개선되고 업무 부담 점수가 39.9점 떨어졌습니다 (NEJM AI, 2025). 매스 제너럴 브리검은 84일 사용 후 번아웃 유병률이 21.2% 줄었다고 보고했습니다. 시장도 따라 움직입니다 — 어브리지는 2025년 5월 연간반복매출⁠(ARR) 1억 달러 (USD) 를 돌파했고⁠(2024년 말 6,000만 달러에서 급증), 노스웰 헬스 (Northwell Health) 는 2025년 10월 어브리지를 28개 병원에 도입하기로 했습니다 (Sacra·AHA). 진단이 아니라 행정 자동화라 임상 책임 논란을 비켜간다는 점이 빠른 확산의 핵심입니다.

과열 경계 ① 범용 LLM 단독 진단 — 시험 점수와 임상 신뢰의 거리. 가장 과열된 지점입니다. 메드제미니는 USMLE 기반 MedQA 벤치마크에서 91.1%를 기록해 GPT-4의 약 86%를 앞섰습니다 (Google, 2024). 'AI가 의사 시험을 통과했다'는 헤드라인이 쏟아졌죠. 그러나 시험 점수는 임상 신뢰가 아닙니다. 결정적 사례가 바로 그 메드제미니입니다 — 2024년 5월 연구 논문에서 모델이 '바실라 갱글리아⁠(basilar ganglia)'라는 존재하지 않는 뇌 구조를 만들어냈고⁠(basilar artery와 basal ganglia를 뒤섞은 환각), 이 오류는 1년 넘게 발견되지 않다가 한 신경과 전문의가 지적한 뒤에야 조용히 수정됐습니다 (The Verge·OECD.AI). 뇌혈관과 신경핵은 치료가 전혀 다릅니다. 저자도 검토자도 놓친 이 사건은, 범용 LLM이 그럴듯하게 틀리고 그 오류를 인간이 잡지 못할 수 있다는 위험을 정확히 보여줍니다. 환각·편향·책임 소재가 미해결인 한, 범용 LLM 단독 진단은 변곡점이 아니라 과열입니다.

과열 경계 ② 'AI 워싱'과 승인=가치의 착시. 1,356건이라는 숫자는 'AI 워싱⁠(AI washing)' — 실제 효용보다 'AI'라는 라벨을 앞세우는 마케팅 — 의 온상이 되기도 합니다. 510(k)로 동등성만 입증한 기기가 다기관에서 검증되지 않은 채 '승인 AI'로 홍보되면, 채택 후 성능 저하·실망으로 이어집니다. 승인 숫자를 곧 임상 가치로 읽는 착시가 이 영역의 거품을 키웁니다.

정리하면, 영상 트리아지·앰비언트 스크라이브는 수가·번아웃 데이터로 뒷받침된 진짜 변곡점이고, 범용 LLM 단독 진단·승인=가치 착시는 과열입니다. 의료 AI는 한 덩어리가 아닙니다.

6. 시장·시나리오 — 규모와 투자, 그리고 한국

[그림 3]의 시장 패널과 함께 규모·투자·한국을 봅니다.

시장 규모 — 크지만 추정 폭이 넓다. 의료 AI 시장은 조사기관에 따라 2024년 약 149억 달러 (USD) 에서 2030년 약 1,100억 달러 (USD) 안팎으로, 연평균 약 38~49% 성장이 전망됩니다 (MarketsandMarkets 등). 그중에서도 진단·조기검진 세그먼트와 생성형 AI (GenAI) 의 성장률이 가장 높게 잡힙니다. 앰비언트 스크라이브가 속한 임상 문서 생성형 AI 시장만 따로 보면 2025년 약 8억 달러 (USD) 에서 2034년 약 105억 달러 (USD) 로 추정됩니다 (Fortune Business Insights). 숫자의 편차가 큰 것은 'AI를 어디까지 포함하느냐'의 정의 차이이므로, 단일 숫자보다 '30%대 후반~40%대 고성장, 절대 규모는 출처별 폭넓음'으로 읽는 편이 정확합니다.

투자 사이클 — 거품 → 조정 → AI 재반등. 디지털 헬스 투자는 한 차례 거품과 조정을 겪었습니다. 미국 디지털 헬스 벤처 투자는 2021년 292억 달러 (USD) 로 정점을 찍은 뒤 2022년 157억 달러, 2023년 약 108억 달러, 2024년 약 101억 달러로 내려앉았습니다 (Rock Health). 그런데 그 안에서 AI만 재반등했습니다 — 2024년 디지털 헬스 펀딩의 37%가 AI 기업으로 몰렸습니다 (Rock Health). 즉 디지털 헬스 전체는 2019년 수준으로 정상화됐지만, 자본은 'AI'라는 좁은 통로로 집중되고 있습니다. 거품의 교훈을 거친 뒤의 선별적 베팅입니다.

경쟁·인수 구도. 빅테크가 인프라를 쥐고 있습니다 — 마이크로소프트는 뉘앙스 인수로 앰비언트 스크라이브 선두를, 구글은 메드제미니·메드팜으로 LLM을, 엔비디아 (NVIDIA) 는 의료 AI 연산 기반을 잡았습니다. 동시에 전자의무기록⁠(EHR) 최강자 에픽 (Epic) 이 자체 AI 스크라이브로 진입을 선언하면서 — 미국 병원의 약 42%가 에픽을 씁니다 — 어브리지·수키 같은 스타트업과의 경쟁이 격화될 전망입니다 (Galen Growth). 플랫폼을 쥔 쪽과 전문 스타트업의 충돌이 이 시장의 다음 국면입니다.

한국의 자리. 한국은 영상의학 AI에서 세계적 경쟁력을 갖췄습니다. 루닛 (Lunit) 은 흉부 X선⁠(INSIGHT CXR)·유방촬영⁠(INSIGHT MMG) AI로 50개국 이상 병원에 진입했고, 4년 만에 매출을 12배로 키웠습니다 (Lunit). 뷰노 (VUNO) 는 한국 최초의 AI 의료기기를 허가받은 회사로, 병동 환자의 심정지를 24시간 내 예측하는 딥카스⁠(DeepCARS)를 앞세워 2025년 첫 분기 흑자를 냈습니다. 제이엘케이 (JLK) 는 뇌졸중 영상 AI로 최근 1년간 미국 FDA 승인 4건을 따냈습니다. 한국 식약처 허가 AI 의료기기도 2023년 62건에서 2024년 108건, 2025년 157건으로 가파르게 늘었습니다 (식약처·Seoul Economic Daily). 거대 임상·플랫폼 경쟁에서 규모로 미국과 정면 승부하기보다 특정 모달리티⁠(영상)·특정 질환에 깊이 파고드는 전략이 한국의 현실적 경로입니다.

RESEARCHER'S VIEW

7. 연구자의 시각 — '승인'과 '진료실' 사이

여기부터는 개인 의견입니다⁠(근거에 기반하되, 해석입니다).

한 줄 인사이트 — 의료 AI의 변곡점은 'FDA 승인 1,000건'이 아니라 '진료실 워크플로에 박혔는가'다. 영상 트리아지·앰비언트 스크라이브는 수가와 번아웃 데이터로 그 선을 넘었고, 범용 LLM 단독 진단은 시험 점수는 통과했지만 책임·환각의 선 앞에 멈춰 있다. 같은 '의료 AI'라도 이 둘을 같은 잣대로 보면 반드시 오판한다.

저는 의료 AI를 볼 때 '몇 건 승인됐나'보다 '그 기기가 의사의 하루를 실제로 바꿨나'를 먼저 봅니다. 이 기준으로 보면 1,356건이라는 숫자는 인상적이지만 오해를 부릅니다. 승인의 대부분은 510(k) 동등성으로 통과한 영상 보조 기기이고, 그중 수가가 붙어 병원이 돈을 내고 쓰는 것은 일부입니다. 승인 곡선과 채택 곡선의 간극 — 거기가 의료 AI 분석의 출발점이어야 합니다.

가장 확실한 변곡점은 두 군데라고 봅니다. 첫째는 영상 트리아지입니다. 비즈 LVO가 AI 최초로 NTAP 수가를 받았다는 사실이 상징적입니다 — 수가는 '이 기술이 의료 시스템에 실제 가치를 더한다'는 가장 냉정한 인증이기 때문입니다. 둘째는 앰비언트 스크라이브입니다. 한 가지 짚고 싶은 건 이게 진단 AI가 아니라 행정 AI라는 점입니다. 오진 책임을 지지 않으면서 의사 번아웃이라는 가장 절박한 문제를 직접 풉니다. 어브리지의 ARR가 1년 새 6,000만에서 1억 달러로 뛴 건 거품이 아니라 실수요의 반영이라고 봅니다. '가장 똑똑한 AI'가 아니라 '책임은 안 지면서 가장 아픈 곳을 긁는 AI'가 먼저 이긴다 — 이게 현장의 논리입니다.

반대로 가장 경계하는 건 범용 LLM 단독 진단입니다. 메드제미니가 MedQA 91%를 받았다는 뉴스와, 그 메드제미니가 '바실라 갱글리아'라는 없는 장기를 만들어내고 1년간 아무도 못 잡았다는 사실 — 이 둘을 나란히 놓아야 합니다. 시험은 정답이 정해진 닫힌 문제이고, 진료는 책임이 따르는 열린 문제입니다. 그럴듯하게 틀리는 능력은 시험에선 드러나지 않다가 진료실에서 환자에게 도달합니다. 저는 LLM이 의료에서 가치가 없다고 보지 않습니다 — 다만 그 자리는 '의사를 대체하는 진단가'가 아니라 '의사가 검증하는 초안 작성자·정보 검색기'입니다. 앰비언트 스크라이브가 성공한 이유가 바로 그 포지셔닝입니다.

수가와 책임의 구조도 냉정하게 봐야 합니다. 의료는 다른 어떤 산업보다 '누가 틀렸을 때 책임지나'가 채택을 좌우합니다. AI가 보조에 머무는 한 책임은 의사에게 있어 채택이 빠르지만, AI가 판단 주체로 올라설수록 — 자율 진단·자율 처방 — 규제·보험·법적 책임이 동시에 미해결로 남습니다. 이 산업의 다음 5년은 'AI가 얼마나 똑똑해지나'보다 '책임과 수가의 틀을 어떻게 다시 짜느냐'에 달려 있다고 봅니다.

한국에 대해선 낙관적입니다. 루닛·뷰노·제이엘케이가 영상이라는 한 모달리티에 깊이 파고든 전략은 옳다고 봅니다. 거대 LLM·플랫폼 싸움은 규모의 게임이지만, 특정 영상·특정 질환에서 임상 근거를 쌓고 각국 규제를 통과하는 일은 깊이의 게임이고, 한국은 후자에서 이미 세계적입니다. MCED (액체생검·다중암 조기검진) 의 'AI 진단' 접점처럼, 영상·병리·검진이 만나는 지점에서 한국형 기회가 더 열릴 것입니다.

8. 전략적 시사점 — 누구에게 어떤 의미인가

• 의료 AI 기업·바이오텍에게. 'FDA 승인'은 출발선이지 결승선이 아닙니다 — 진짜 관문은 수가·다기관 검증·책임 구조입니다. 비즈 LVO의 NTAP처럼 '승인 → 수가 → 채택'의 고리를 닫는 설계, 그리고 병원이 바뀌어도 성능이 유지된다는 다기관 전향 데이터가 채택을 가릅니다. 진단 AI라면 '대체'보다 '보조·트리아지'로 포지셔닝해 책임 부담을 낮추는 편이 빠릅니다.
• 투자 진영에게. '의료 AI'를 한 덩어리로 베팅하면 과열에 휘말립니다. 이미 수가·실사용 데이터가 있는 영역⁠(영상 트리아지·앰비언트 스크라이브)과 시험 점수만 있는 영역⁠(범용 LLM 진단)을 다른 잣대로 봐야 합니다. 디지털 헬스 전체는 2019년 수준으로 정상화됐고 자본은 AI로 좁게 집중되는 중이므로, 'AI 라벨'이 아니라 '닫힌 채택 고리'를 가진 자산을 골라야 합니다.
• 빅테크·플랫폼에게. 에픽의 AI 스크라이브 진입이 보여주듯, EHR·연산 인프라를 쥔 쪽이 유통을 장악할 수 있습니다. 전문 스타트업은 임상 근거의 깊이와 특정 워크플로 최적화로, 플랫폼은 통합·규모로 각자의 해자를 파는 국면입니다.
• 한국 기업·정책에게. 루닛·뷰노·제이엘케이의 영상 AI 경쟁력은 실재합니다. 규모로 미국 빅테크와 LLM·플랫폼 정면 경쟁을 벌이기보다, 특정 모달리티·질환의 깊은 임상 근거 + 글로벌 규제 통과 + 국가 검진 체계 연계가 현실적입니다. 식약처 허가가 3년 새 2.5배 늘어난 지금, '승인'을 '수가·실사용'으로 잇는 제도 설계가 다음 과제입니다.
• 의료진·의료체계에게. AI 보조 소견은 '판정'이 아니라 '참고'이고, 범용 LLM의 답은 '검증 전 초안'입니다. 영역별로 성숙도가 다르다는 점 — 트리아지·스크라이브는 신뢰하되, LLM 단독 진단은 검증한다 — 을 구분해 받아들이는 게 중요합니다.

AI는 이미 진료실에 들어와 있습니다 — 다만 '발견'의 약속과 달리, '진단·기록'의 현장에서 조용히 일을 바꾸는 방식으로요. 승인 1,000건이라는 숫자가 그 변화를 다 말해주지는 않습니다. 진짜 이야기는 그중 무엇이 수가·책임·일반화의 관문을 넘어 의사의 하루에 박혔는가에 있고, 그 경계를 영역별로 구분해 읽는 일이 의료 AI를 정확히 보는 유일한 방법입니다.

9. 다음 학습 추천

• 🤖 AI 신약개발, 거품인가 변곡점인가 — 의료 AI의 '발견 축', 이 글의 '진단 축'과 짝 (비교)
• 🧬 알파폴드2 — 단백질 구조 예측 혁명 — 발견 축을 떠받친 AI 모델의 토대 (배경)
• 🩸 액체생검·다중암 조기검진⁠(MCED) — 'AI 진단'과 분자검진이 만나는 접점 (연결)
• 🧪 ESM3 — 예측을 넘어 생성으로 — 생성형 AI가 생명과학을 바꾸는 또 다른 축 (확장)
• 💊 알츠하이머 항체 시장 — 진단·신약이 만나는 또 하나의 격전지 (대응)

References

1. FDA 승인 AI/ML 의료기기 누적 — 2025.9.30 기준 1,356건, 그중 1,039건⁠(약 77%)이 영상의학; 2024년 ML 기반 기기 168건 승인, 최근 5년 약 350% 증가; 약 97%가 510(k) 경로⁠(2024.8 기준). (FDA AI-enabled device list; The Imaging Wire 2025.12; IntuitionLabs FDA AI tracker.)
2. 영상 트리아지 수가 — 비즈 LVO, AI 최초 CMS NTAP 수가⁠(적격 환자당 최대 1,040달러); 하트플로 FFR-CT 기술료 약 1,450달러; 에이닥 폐색전증 NTAP 2021 반려; 수가가 stroke AI 채택을 견인. (Viz.ai NTAP; AuntMinnie "Reimbursement drives adoption".)
3. 앰비언트 스크라이브 — DAX Copilot (2025.3 Dragon Copilot 개편, MS·Nuance) ·Abridge·Suki; UCLA 헬스 RCT 238명, Mini-Z 번아웃 2.8점↑·업무부담 39.9점↓; 매스 제너럴 브리검 번아웃 21.2%↓; 시장점유 DAX 33%·Abridge 30%·Ambience 13%. (NEJM AI 2025 RCT (PMC); AHA 6 health systems.)
4. 앰비언트 시장·확산 — Abridge ARR 2025.5 1억 달러 돌파⁠(2024말 6,000만→), 노스웰 28개 병원 도입⁠(2025.10); 에픽 AI 스크라이브 진입⁠(미 병원 약 42% 에픽 사용). (Sacra Abridge; Galen Growth.)
5. 병리 AI — 페이지 프로스테이트, FDA 최초 AI 병리 SW (2021 De Novo), 암 검출률 평균 7.3%p↑·위음성 70%↓; PanCancer Detect 2025.4 FDA 혁신기기 지정; PathAI 경쟁. (Inside Precision Medicine; pharmaphorum.)
6. 범용 LLM — 메드제미니 MedQA 91.1% (GPT-4 약 86% 상회, 2024); 2024.5 논문에서 '바실라 갱글리아⁠(basilar ganglia)' 환각⁠(basilar artery+basal ganglia 혼동), 1년+ 미발견 후 조용히 수정. (arXiv Med-Gemini; OECD.AI incident.)
7. 시장 규모 — 의료 AI 2024 약 149억 달러 → 2030 약 1,100억 달러⁠(CAGR 약 38.6%, 일부 49.1% 전망); 임상 문서 생성형 AI 2025 약 8억 → 2034 약 105억 달러. (MarketsandMarkets; Fortune Business Insights.)
8. 투자 사이클 — 미 디지털 헬스 VC 2021 292억 → 2022 157억 → 2023 약 108억 → 2024 약 101억 달러; 2024 펀딩의 37%가 AI 기업. (Rock Health 2024 year-end; Fierce Healthcare.)
9. 한국 — 루닛 INSIGHT CXR·MMG (50+개국, 4년 매출 12배); 뷰노 한국 첫 AI 의료기기·딥카스, 2025 첫 분기 흑자; 제이엘케이 최근 1년 FDA 4건; 식약처 허가 AI 의료기기 2023 62→2024 108→2025 157건. (Lunit; Seoul Economic Daily.)

Pipette & Pipeline · A bio portfolio journal — bridging research, data, and industry.