지금 무슨 일이 벌어지고 있는가
2026년 중반 기준, FDA가 승인·허가한 AI 기반 의료기기(SaMD 포함)의 누적 건수는 1,524개를 넘어섰다. 표면적으로는 AI 의료 기술이 빠르게 임상 인프라로 자리 잡고 있다는 신호처럼 보인다. 그러나 이 숫자 뒤에는 구조적 편중이 숨어 있다. 승인 건수의 76%가 방사선·영상의학(radiology) 분야에 집중되어 있으며, 심장내과가 그 뒤를 이을 뿐, 정신건강·소아과·응급의학·1차 의료 영역은 여전히 AI 도구 공백 상태에 가깝다.
이 편중 현상은 우연이 아니다. 영상 AI는 레이블링이 상대적으로 용이하고, 510(k) 경로를 통한 인허가 전례가 풍부하며, 대규모 의료 영상 데이터셋이 공개되어 있다는 구조적 유인이 작동한다. 2026년 1분기에만 86건의 AI 의료기기가 추가로 승인을 받았지만, 이 중 압도적 다수가 동일한 영역에 집중됐다. 이는 기술적 성숙도의 문제가 아니라, AI 개발 자본과 규제 경로가 수익 가능성이 높은 곳으로 쏠리는 시장 논리의 결과다.
현재 적용 수준: 숫자가 곧 임상 현실을 의미하지는 않는다
FDA 허가는 시장 진입의 첫 관문일 뿐이다. 실제 임상 도입률은 이 숫자와 큰 괴리를 보인다. Intuition Labs가 정리한 2026년 FDA AI 의료기기 데이터베이스 분석에 따르면, 510(k) 경로를 통해 승인된 기기 대부분은 기존 승인 기기와의 실질적 동등성(substantial equivalence)을 근거로 허가받았으며, 독립적인 무작위대조시험(RCT)이나 전향적 임상 검증이 요구되지 않은 경우가 다수다. JAMA Health Forum 역시 이 지점에서 근거 공백(evidence gap)을 명시적으로 지적했다.
이 문제를 이해하려면 510(k)와 De Novo 경로의 차이를 짚어야 한다. 510(k)는 이미 허가된 선행 기기(predicate)와 유사성을 입증하면 허가가 가능하다. De Novo는 전례 없는 신규 기기에 대한 경로로 좀 더 엄격한 근거를 요구하지만, AI 의료기기 허가에서의 비율은 여전히 낮다. 결과적으로 많은 AI 도구가 실제 임상 효과를 체계적으로 검증받지 않은 채 병원에 도입될 수 있는 구조다.
2026년 중반 주요 승인 트렌드
- 방사선 AI: 흉부 X-ray 이상 감지, CT 폐결절 자동 분류, 유방촬영 CAD 등이 주도
- 심장내과 AI: 심전도 이상 감지, 심초음파 자동 계측 도구
- 안과 AI: 당뇨 망막병증 스크리닝 — 비교적 독립적 임상 검증이 이뤄진 영역
- 정신건강·응급·소아·1차 의료: AI 도구의 임상 도입 거의 전무
이 구조는 의료 AI가 임상적 필요가 가장 큰 곳이 아닌, 데이터와 규제 경로가 가장 유리한 곳에 집중 투자된다는 것을 보여준다.
의료적 의미: 임상 검증 없는 확산의 실질적 위험
영상의학 AI의 성숙은 분명한 임상 이득을 가져왔다. 실제로 흉부 X-ray에서 기흉·폐렴·결절을 자동 감지하는 AI 보조 도구는 응급실과 야간 당직 환경에서 판독 누락을 줄이는 데 기여할 수 있다. 그러나 문제는 이 성공 경험이 임상 검증이 훨씬 복잡한 영역으로 확장될 때 동일하게 작동하지 않는다는 점이다.
응급의학과 관점에서 보면, 응급실 내 AI 도구의 수요는 명확하다. 패혈증 조기 감지, 중증 외상 환자 분류, 고위험 심전도 자동 경보 등이 대표적이다. 그러나 이 분야는 레이블이 복잡하고, 결과 측정 지표가 다양하며, 환자 구성이 이질적이어서 영상 AI보다 임상 검증 비용이 훨씬 높다. 자본이 집중되지 않는 이유가 여기 있다.
Nyquist AI의 Mid-Year 2026 분석은 이 격차를 다음과 같이 표현한다. “AI/ML은 FDA 허가에서 일상적 특징이 됐지만, 임상적 도입과 환자 결과 개선 사이의 증거 연결은 여전히 취약하다.” 이는 단순한 학술적 비판이 아니다. 허가된 도구가 실제로 환자를 이롭게 한다는 보장이 없는 상태에서 확산되고 있다는 뜻이다.
Limitation: 규제와 시장 모두 공백을 채우지 못하고 있다
FDA는 2026년 들어 PCCP(Pre-Specified Change Control Plan)를 통해 AI 의료기기의 지속적 학습(continuous learning)에 대한 규제 틀을 보강했고, CDS 소프트웨어 최종 가이드라인도 확정했다. 그러나 이 체계는 여전히 사후적(post-market) 감시 의무가 약하고, 실제 임상 현장에서의 성능 저하(performance drift)나 편향(bias)에 대한 실시간 모니터링 기전이 부재하다.
현재 규제 체계의 주요 한계
- 임상 검증 요건 불균형: 510(k) 경로는 전향적 RCT 없이도 허가 가능 — 허가 ≠ 효과 입증
- 사후 감시 부재: 승인 후 실제 임상 환경에서의 성능 추적 의무 미흡
- 편향 문제: 대부분의 훈련 데이터가 특정 인종·병원 유형·장비에 편중 → 일반화 제한
- 자원 편중: 수익성 높은 영역에 AI 개발 집중 → 필요도 높은 영역 공백
- 국제 규제 조화 미흡: FDA·EU AI Act·식약처 기준이 각각 다르게 운용 → 글로벌 제품의 중복 규제 부담
한국의 상황도 유사하다. 식약처 LLM 기반 디지털의료기기 가이드라인이 최근 발표됐지만, 실제 임상 검증 요건에 대한 구체성은 여전히 부족하다. AI 기본법이 2026년 1월 시행됐으나, 의료 AI의 현장 적용 기준은 여전히 해석 의존적이다.
응급의학과 전문의의 한 마디
응급실에서 일하다 보면 “이 AI 도구가 환자에게 실제로 도움이 되는가”라는 질문에 솔직하게 답할 수 없는 경우가 많다. 허가 번호가 있고, 시스템에 통합되어 있으며, 경보가 울린다. 그런데 그 경보를 무시해도 되는지, 신뢰해야 하는지 판단할 근거가 없다.
1,524개라는 숫자는 인상적이다. 하지만 그중 몇 개가 무작위대조시험을 통해 실제로 환자 결과를 개선한다는 것이 입증됐는가? JAMA Health Forum이 지적한 ‘근거 공백’은 수사적 표현이 아니다. 응급실처럼 복잡하고 빠른 임상 환경에서 검증되지 않은 AI 경보는 알림 피로(alert fatigue)를 가중시키고, 임상 판단을 교란한다.
지금 필요한 것은 더 많은 승인이 아니다. 이미 승인된 도구가 누구에게, 어떤 환경에서, 어느 정도의 정확도로 작동하는지를 체계적으로 추적하는 사후 감시 시스템이다. 방사선 AI에서 시작된 검증 문화가 응급의학과 1차 의료까지 확장되지 않으면, 1,524개는 숫자에 그친다.
References
- Intuition Labs. “FDA-Approved AI Medical Devices List: Complete 2026 Guide.” July 19, 2026. https://intuitionlabs.ai/articles/fda-approved-ai-medical-devices-list
- Nyquist AI. “AI/ML Medtech at Mid-Year 2026: Innovation and Regulatory Trends.” July 7, 2026. https://www.nyquistai.com/blog/aiml-medtech-at-mid-year-2026-innovation-and-regulatory-trends
- Skycrumbs. “FDA AI Diagnostics in 2026: A Growing List of Cleared Medical Devices.” July 13, 2026. https://skycrumbs.com/blog/fda-ai-diagnostics-2026
- Kim J, et al. “Evidence Gaps in AI-Enabled Medical Device Approvals.” JAMA Health Forum. 2026 (referenced in Intuition Labs 2026 analysis).
- FDA. “Artificial Intelligence-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations.” Final Guidance, 2025.