의료 AI는 진료기록 작성, 영상 판독 보조, 신약개발 등 의료 현장의 여러 단계에 적용되고 있습니다. 메디게이트가 2025년 6월 20일부터 7월 16일까지 의사 회원을 대상으로 한 설문에서는 응답자 1,043명 가운데 AI 사용 경험이 있는 1,011명의 응답을 분석했습니다. 개인적으로 AI를 써본 의사는 많았지만, 의료기관 시스템에 도입해 쓰는 비율은 19.3%였습니다. 병원 유형별로는 상급종합병원 25.4%, 종합병원 24.1%였습니다.
이 글에서는 국내 병원과 제약사가 의료 AI를 어떻게 활용했다고 보도됐는지를 진료기록, 영상 판독, 제약 순으로 정리해 두었습니다. 이어서 현장에서 지적하는 과제와 수치를 읽는 방법을 살펴보겠습니다.
진료기록에 적용되고 있는 AI 현황
한 매체의 보도에 따르면 서울아산병원은 진료 음성인식 시스템으로 의료진과 환자의 대화를 실시간 텍스트로 바꾸고, 주요 증상 기록과 질병 분류, 대화 요약까지 거쳐 전자의무기록(EMR)에 자동 저장합니다. 정형외과와 성형외과 외래에서 시범 운영한 뒤 여러 진료과와 응급실, 병동으로 넓혔습니다. 병원 자체 테스트에서 음성인식 정확도는 96.1%, 대화 요약과 추론 정확도는 92.8%였습니다. 기록 작성 시간을 수치로 밝힌 내용은 없고, 의료진은 작성 시간이 크게 줄어든다고 설명했습니다.
다른 병원도 비슷한 방식을 도입했습니다. 한국경제 보도에 따르면 세브란스병원은 진료실과 병동에서 녹음기와 태블릿으로 대화를 받아 EMR을 실시간으로 만듭니다. 서울아산병원 이비인후과 교수는 "검사와 진료에만 집중할 수 있게 됐다"고 말했습니다. 가천대 길병원은 음성인식 솔루션이 증상과 검사 결과, 진단, 치료계획을 EMR에 자동 작성하도록 해 20개 진료과에서 운영하고 있습니다. 그리고 한림대의료원은 자체 LLM 기반 플랫폼으로 입원·경과·퇴원 기록 초안을 작성하고 내부 규정에 대한 질의응답도 지원합니다.
네 병원 모두 의료진이 직접 입력하던 기록 작업을 줄이는 데 AI를 썼다는 점이 같습니다. 다만 효과를 시간으로 밝힌 곳은 없고, 작성된 기록을 의료진이 어떻게 검토하는지도 보도에서는 확인되지 않았습니다.
영상 판독 분야에 적용되고 있는 AI 활용사례
서울아산병원 뉴스룸에 실린 영상의학과 교수의 글에 따르면 2020년 뇌 MRI 판독에 AI를 도입한 뒤 건당 판독 시간이 66.9초에서 57.3초로 약 14.3% 줄었습니다.
분당서울대병원은 심장초음파에 AI를 적용했습니다. 보도에 따르면 병원은 검사당 시간이 8~9분 줄었다고 설명했고, 사람이 측정한 결과와 비교한 일치도는 약 0.95였다고 합니다. 연간 검사량이 약 30% 늘 것이라는 내용은 실측이 아니라
기대치입니다. 강동구는 보건소에서 촬영한 흉부 X-ray에 판독 보조 시스템을 도입한다고 밝혔고, 이 시스템은 이미 대형 병원에서 검증·운영 중이라고 설명했습니다.
제약 분야에서의 AI 활용 사례
LG화학은 영국 AI 신약개발사와 다중항체 항암 후보물질을 공동 연구합니다. AI가 항체를 설계하고 자동화 실험실이 검증하며, 그 결과를 AI가 다시 학습하는 구조입니다. 후보물질 발굴 기간을 기존의 약 절반으로 줄이는 것이 목표입니다.
JW중외제약은 자체 플랫폼이 후보물질을 설계하면 로봇이 합성하고 AI가 결과를 학습하는 자율 연구실을 구축했고, 보건복지부 AI 신약개발 지원 사업의 주관기관으로 3년간 항암 후보물질을 연구합니다. GC녹십자는 과기정통부 사업의 핵심 연구기관으로, 여러 AI 에이전트가 표적 발굴부터 전임상 후보물질 도출까지 협업하도록 설계하고 있습니다. 한미약품은 자체 플랫폼으로 도출한 차세대 비만치료제 후보물질을 미국당뇨병학회 학술대회에서 공개했습니다.
제약 사례는 대부분 추진 중이거나 목표를 밝힌 단계라서, 실측한 효과 수치는 아직 공개되지 않았지만, 연구의 출발점에 AI를 도입한다는 점에서 주목할 만합니다.
AI 도입이 늘어도 현장은 ‘정확도와 책임’을 먼저 묻습니다
메디게이트 설문에서 AI의 도입 후 불만 요소로는 정확도 부족이 41.5%, 활용 범위 제한이 29.2%였습니다. 병원급에서는 EMR 연동 부족을 자주 지적했습니다. 도입 시 고려 요소로는 임상적 유효성 57.5%, 제품 신뢰도 55.2%가 꼽혔습니다. 반면 도입 효과로는 진료 효율성 향상 44.1%, 진단 정확도 보완 24.6%를 들었습니다.
한국보건산업진흥원이 2025년 10월 대한의사협회 등록 의사 2,125명에게 물은 설문에서는 법적 책임이 가장 큰 우려였습니다. 의료 AI 경험자의 69.1%, 비경험자의 76.0%가 우려한다고 답했고, 기관 내 AI 지침이 있다는 응답은 5.1%였습니다. 이 설문에서 임상 현장에서 의료 AI를 써본 의사는 47.7%였는데, 의사 개인의 경험을 물은 조사라서 의료기관 시스템 도입 여부를 물은 메디게이트의 19.3%와 직접 비교할 수 없습니다.
앞의 사례들도 수치의 성격이 서로 다릅니다. 서울아산병원의 정확도는 병원 자체 테스트이고, 분당서울대병원의 시간 단축은 병원의 설명이며, 검사량 증가와 제약사의 발굴 기간 단축은 기대와 목표입니다.
의료 AI의 효과는 업무 단계별로 따져 봐야 합니다
기록 작성, 영상 판독, 후보물질 발굴 중 어느 단계를 줄였는지가 분명한 사례일수록 효과를 설명할 수 있었습니다. 도입을 검토할 때는 해당 단계에 걸리는 시간과 오류를 먼저 측정해 두고, 수치가 실측인지 기대인지 구분해서 읽는 것이 좋습니다.
실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 블로그를 구독해 보세요. 업무 현장에 적용할 수 있는 AI 활용 사례와 노하우를 공유합니다.
더 많은 AI 인사이트를 보고 싶으시다면 'AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.