핵심 요약
2026년 3월, FDA CDER·CBER는 임상시험 내 디지털 헬스 기술(DHT) 활용에 관한 공식 정보 요청(Request for Information)을 연방관보에 게재했다. 같은 시기 FDA는 임상시험 데이터 수집 도구인 전자임상결과평가(eCOA)와 AI 기반 분석에 관한 통합 규제 지침 마련을 공식화했다. 이는 지금까지 사실상 규제 공백 상태였던 임상시험 내 AI 활용을 처음으로 제도적 틀 안에 넣으려는 시도다.
무엇이 달라졌나: 2026년 FDA의 세 가지 움직임
FDA는 2026년 들어 AI·디지털 헬스 관련 규제 정비를 동시다발적으로 진행하고 있다. 세 가지 흐름이 특히 주목할 만하다.
첫째, 임상시험 내 DHT 활용 정보 요청(RFI)이다. 2026년 3월 31일 연방관보에 게재된 문서(“Advancing the Use of Digital Health Technologies in Clinical Investigations for Drugs and Biological Products”)에서 CDER·CBER는 스폰서와 이해관계자들이 직면한 기회와 장벽을 파악하겠다고 밝혔다. 이 RFI는 규제 기관이 임상시험의 분산화(decentralized clinical trial, DCT) 확대와 eCOA 데이터 신뢰성 확보 문제를 본격적으로 다루겠다는 신호로 읽힌다.
둘째, AI 기반 eCOA 검증 프레임워크다. Signant Health가 2026년 4월 8일 발표한 백서(“FDA AI Guidance and eCOA Validation in Clinical Trials”)는 임상시험 데이터 수집에 AI를 활용할 때 어떤 검증 절차가 필요한지를 정리했다. 핵심 문제는 AI가 환자의 증상 보고나 기능 평가를 자동 분석할 때 발생하는 편향(bias)과 검증 가능성(auditability)이다. 지금까지 이 영역을 통합적으로 규율하는 단일 규제 프레임워크는 존재하지 않았다.
셋째, 파운데이션 모델(Foundation Model) 기반 의료기기 식별 체계 도입이다. FDA는 2026년 4월 3일 업데이트된 공식 페이지(“Artificial Intelligence-Enabled Medical Devices”)에서 파운데이션 모델을 탑재한 의료기기를 별도로 식별·태깅하는 방안을 검토 중임을 밝혔다. 이는 GPT류 대형 언어모델이 의료기기 소프트웨어(SaMD)로 통합되는 흐름에 대한 선제적 대응이다.
임상시험 AI 활용의 현 수준: 기대와 실제의 간극
이 세 가지 규제 흐름이 동시에 나타나는 배경에는 임상시험 현장의 구조적 변화가 있다. 분산형 임상시험(DCT)의 확산으로 환자가 직접 모바일 기기로 증상을 입력하거나 웨어러블로 데이터를 전송하는 방식이 빠르게 늘었다. AI는 이렇게 수집된 대용량 실사용데이터(RWD)를 자동 분석해 임상 엔드포인트를 도출하는 데 활용되고 있다.
그러나 실제 적용 수준은 아직 제한적이다. Dataiku의 2026년 분석 보고서(“3 AI trends reshaping healthcare and life sciences in 2026”)는 FDA의 실세계근거(RWE) 활용 가이드라인과 AI 사용 지침이 검증 프레임워크를 향해 진화하고 있지만, 스폰서 입장에서 구체적으로 따라야 할 기준이 여전히 불명확하다고 지적했다. 임상시험에 AI를 도입한 제약사들이 가장 많이 직면하는 문제는 “이 AI 알고리즘이 FDA 검토에서 어떻게 평가될 것인가”에 대한 예측 불가능성이다.
이 간극이 중요한 이유는 명확하다. AI가 도출한 임상 엔드포인트의 신뢰성이 확보되지 않으면 신약 허가의 근거 자체가 흔들릴 수 있기 때문이다. 규제 불확실성은 단순히 행정적 불편함이 아니라, 개발 비용 증가와 승인 지연으로 직결된다.
의료적 의미: 규제 프레임워크가 임상 현장에 미치는 파급
FDA의 이번 움직임은 두 가지 차원에서 임상 현장에 영향을 준다.
첫 번째는 데이터 품질 관리의 의무화다. AI 기반 eCOA가 임상시험에 사용될 경우, 알고리즘 검증 문서와 편향 평가 보고서가 규제 제출 패키지에 포함되어야 할 가능성이 높아졌다. 이는 AI 개발사와 임상시험 스폰서 모두에게 추가적인 검증 비용과 문서화 의무를 부과한다. 단기적으로는 비용이 증가하지만, 장기적으로는 임상시험 데이터의 신뢰성을 높여 허가 후 의약품의 실제 효과와 시험 결과의 괴리를 줄이는 효과가 기대된다.
두 번째는 파운데이션 모델의 SaMD 편입 문제다. 현재 많은 병원에서 대형 언어모델을 임상 의사결정 보조 도구로 활용하고 있지만, 이들 대부분은 FDA의 SaMD 심사를 거치지 않은 상태다. FDA가 파운데이션 모델 기반 의료기기를 별도 식별하겠다고 밝힌 것은, 향후 이 영역에 규제 적용이 본격화될 것임을 예고한다. 임상 현장에서 사용하는 AI 도구의 규제 상태(cleared/approved/exempt)를 확인하는 것이 병원 리스크 관리의 새로운 과제가 된다.
한계와 미해결 과제
규제 프레임워크 정비가 진행 중이라는 사실 자체는 긍정적이지만, 여러 한계가 병존한다.
무엇보다, FDA의 현재 움직임 대부분이 최종 확정 지침이 아닌 정보 수집·검토 단계에 머물고 있다. RFI는 규제가 아니다. 실제 구속력 있는 지침이 발행되기까지 통상 수년이 소요되며, 그 사이 임상 현장은 불확실한 상태를 감수해야 한다. AI 치료제 첫 FDA 승인이 2026~2027년 중 60% 확률로 발생할 것으로 추정되는 시점에서(Humai, 2026), 규제 속도가 기술 발전 속도를 따라잡지 못하는 구조적 문제는 여전하다.
또한 국제 규제 조화(regulatory harmonization)의 문제가 있다. FDA 기준과 EMA, 그리고 한국 MFDS의 AI 의료기기 규제 기준이 상이한 상황에서, 글로벌 임상시험을 수행하는 스폰서는 다중 규제 체계를 동시에 만족시켜야 하는 복잡성에 직면한다. 특히 eCOA 알고리즘 검증 요건이 규제 기관마다 다르게 설정될 경우, 개발 비용의 비효율적 중복이 발생할 수밖에 없다.
마지막으로, 알고리즘 편향의 인구집단 특이성 문제는 아직 해결 방안이 구체화되지 않았다. 특정 인종·성별·연령대에서 AI 알고리즘의 성능이 달라진다는 점은 이미 다수의 연구에서 확인됐다. 임상시험에 사용되는 AI가 이 편향을 내포할 경우, 허가된 의약품의 실제 효과가 특정 집단에서 과대·과소평가될 위험이 있다.
임상 현장에서의 시사점
응급실에서 매일 목격하는 현실은 하나다. 기술은 빠르게 도입되지만, 그 기술의 한계와 오류를 감지하고 교정하는 임상가의 판단은 시스템이 대체할 수 없다. AI가 임상시험 데이터를 분석하고, 의료기기가 진단을 보조하는 시대가 되었다 해도, 그 알고리즘이 어떤 데이터로 훈련됐고, 어떤 집단에서 검증됐으며, 어떤 조건에서 오작동하는지를 이해하는 것은 여전히 임상가의 몫이다.
FDA가 eCOA와 파운데이션 모델에 대한 규제 정비에 나선 것은 반가운 신호다. 그러나 규제는 과거의 위험을 정의하는 데 능하고, 새로운 위험을 선제적으로 차단하는 데는 구조적으로 느리다. 임상가로서 우리가 해야 할 일은 규제 결과를 기다리는 것이 아니라, 현재 사용 중인 디지털 도구의 근거 수준을 비판적으로 평가하는 습관을 갖추는 것이다. AI 도구에 ‘FDA cleared’라는 문구가 붙어 있다고 해서 임상적 유효성이 보장되지는 않는다. 반대로 규제 등록이 없는 도구라도 강력한 임상 근거를 갖춘 경우가 있다. 도구의 근거를 읽는 능력, 그것이 디지털 헬스케어 시대 임상가에게 요구되는 새로운 역량이다.
References
- U.S. Food and Drug Administration. Artificial Intelligence-Enabled Medical Devices. Updated April 3, 2026. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices
- U.S. Federal Register. Advancing the Use of Digital Health Technologies in Clinical Investigations for Drugs and Biological Products. CDER/CBER Request for Information. March 31, 2026. Document No. 2026-06184.
- Signant Health. FDA AI Guidance and eCOA Validation in Clinical Trials. White Paper. April 8, 2026. https://signanthealth.com/resources/fda-ai-guidance-and-ecoa-validation-in-clinical-trials-signant-health
- Dataiku. 3 AI Trends Reshaping Healthcare and Life Sciences in 2026. April 2026. https://www.dataiku.com/stories/blog/healthcare-life-sciences-ai-trends-2026
- Humai. AI Drugs Reach the Clinic: 2026 Is the Year of the First Large-Scale Test. March 2026. https://www.humai.blog/ai-drugs-reach-the-clinic-2026-is-the-year-of-the-first-large-scale-test/