규제가 주도권을 가져간 2026년 의료 AI 지형
2026년 의료 AI 시장의 가장 큰 변화는 기술이 아니라 규제에서 왔다. FDA, NHS, EU AI Act 이후 각국 규제 기관이 본격적으로 의료 AI의 승인·감시·퇴출 기준을 직접 설계하기 시작했다. 벤더 주도의 기술 혁신 담론이 점차 규제 기관 주도의 안전성·임상 근거 담론으로 대체되는 흐름이 뚜렷하다. 핵심 메시지는 단순하다. 2026년 의료 AI의 지형도는 이제 규제 기관이 그리고 있다.
이런 흐름을 상징적으로 보여주는 두 개의 제도적 장치가 있다. 영국 NHS의 ‘AI Airlock’와 미국 ARPA-H의 임상 AI 검증 프로그램이다. 이 두 프레임워크는 각각 다른 방식으로 의료 AI의 임상 진입 기준을 재정의하고 있으며, 글로벌 의료 AI 생태계 전반에 구조적 파급력을 행사하고 있다.
NHS AI Airlock: 임상 현장 진입 전 ‘격리 검증’의 논리
NHS(영국 국민보건서비스)가 도입한 AI Airlock는 기본적으로 의료 AI 도구가 임상 환경에 본격 배포되기 전에 실제 NHS 데이터와 환경에서 안전성·성능을 검증받아야 하는 단계적 진입 절차다. 제도 명칭 자체가 암시하듯, 우주선의 기압 조절 구역처럼 외부(개발사)와 내부(임상 현장) 사이에 압력을 조율하는 완충 공간을 만드는 개념이다.
구체적으로는 NHS 실제 환경에서의 파일럿 운용, 성능 모니터링, 편향(bias) 감지, 환자 결과 데이터 연계 평가 등이 포함된다. 특히 방사선 영상 AI가 AI Airlock의 주요 대상으로 부상하고 있다. 방사선 영상 분야는 이미 FDA 승인 AI 의료기기 900개 중 가장 큰 비중을 차지하지만, 승인 이후 실제 임상 현장 성능이 초기 연구와 괴리되는 사례가 반복적으로 보고된 바 있다. Nagendran 등이 BMJ(2020)에서 지적한 것처럼, 의료 AI 연구의 다수는 후향적 단일기관 설계로 외부 타당도가 제한적이며, 전향적 다기관 검증 데이터가 부족하다. NHS AI Airlock는 이 공백을 국가 차원의 시스템으로 메우려는 시도다.
임상적으로 이 제도가 중요한 이유는 ‘규제 승인’과 ‘임상 유효성’ 사이의 간극 문제를 공식적으로 인정하고 제도화했다는 점이다. FDA Breakthrough Device Program을 통해 빠르게 승인된 AI 기기라도 실제 환자 집단에서의 성능은 별개 문제다. NHS AI Airlock는 이 간극을 사전에 탐지하려는 구조적 장치다.
ARPA-H의 임상 AI 검증 접근법: 혁신과 안전의 긴장
미국의 ARPA-H(Advanced Research Projects Agency for Health)는 의료 AI를 포함한 고위험 바이오헬스 기술에 대규모 연구 자금을 투입하면서 동시에 임상 검증 기준에 대한 논의를 주도하고 있다. ARPA-H의 접근 방식은 FDA의 규제 프레임과는 다른 결을 가진다. 규제 통과보다 임상 문제 해결 중심의 성과 기반 자금 집행이 핵심이다.
특히 ARPA-H는 ‘임상 에이전트(Clinical Agents)’로 불리는 자율 의사결정 AI 시스템의 검증 방법론 개발에 투자를 집중하고 있다. 단순한 진단 보조 도구를 넘어 치료 계획 수립, 투약 조정, 모니터링 권고까지 수행하는 AI 시스템은 기존 SaMD(Software as a Medical Device) 규제 프레임으로 포괄하기 어렵다. Topol이 Nature Medicine(2019)에서 제기한 ‘자율적 의사결정 AI의 임상 책임 귀속 문제’는 ARPA-H가 다루는 가장 핵심적인 미해결 과제 중 하나다.
이 두 프레임워크가 공통적으로 지향하는 방향은 명확하다. 사후 감시 중심에서 사전·실시간 검증 체계로의 이동이다. 이는 단순히 제도적 진보가 아니라, 임상 현장에서 AI를 사용하는 의사와 병원이 감내해야 할 책임의 구조가 달라짐을 의미한다.
한국 디지털헬스케어법과의 접점
국내에서는 2026년 6월 국회 공청회를 거친 ‘디지털헬스케어 및 보건의료정보 활용 지원에 관한 법률’ 제정 논의가 본격화되고 있다. 핵심 쟁점 중 하나는 AI 의료기기 규제 가이드라인이 LLM(대형 언어 모델) 기반 기술의 발전 속도를 따라가지 못한다는 임상 현장의 비판이다. 실제로 많은 환자가 챗GPT 등 일반 LLM에 건강 정보를 묻고 있지만, 이에 대한 명확한 규제 기준은 아직 공백 상태다.
이 공백은 NHS AI Airlock와 ARPA-H가 다루는 문제와 본질적으로 같다. 기술은 먼저 현장에 들어왔고, 규제는 뒤를 쫓고 있다. 한국의 디지털헬스케어법이 실효성을 가지려면, 기술 진입 후 사후 규제가 아닌 단계적 검증 체계를 구조화해야 한다는 국제적 교훈을 반영해야 한다.
제도적 진전의 한계: 검증 과제는 여전히 남아 있다
NHS AI Airlock와 ARPA-H의 접근법이 진일보한 것은 사실이지만, 구조적 한계도 분명하다.
- 검증 지연: 단계적 검증 절차는 혁신적 AI 도구의 임상 도입을 수개월에서 수년 지연시킬 수 있다. 환자 혜택을 위한 규제가 환자 접근을 막는 역설이 발생할 수 있다.
- 성능 드리프트 문제: 검증 시점 이후 AI 모델 업데이트 또는 임상 환경 변화에 따른 성능 저하를 실시간으로 감지하는 체계가 아직 성숙하지 않았다.
- 규제 분절: NHS, FDA, EU AI Act, 한국 식약처 각각의 기준이 조율되지 않아 글로벌 의료 AI 개발사들은 복수의 검증 트랙을 동시에 밟아야 한다. 이는 중소 개발사의 진입 장벽을 높이고, 빅테크 집중화를 심화시킨다.
- 임상 결과 연계 부족: 현재 대부분의 규제 검증은 모델 성능 지표(AUC, 민감도·특이도) 중심이며, 실제 환자 결과(사망률, 재입원율) 개선과의 직접적 연계는 아직 미흡하다.
응급의학과 전문의의 한 마디
응급실 현장에서 AI 도구를 사용해본 의사라면 공통적으로 경험하는 불편함이 있다. 도구가 ‘언제 훈련된 데이터로 작동하는지’ 알 수가 없다는 것이다. 패혈증 예측 모델이 3년 전 내 병원 데이터로 학습된 것인지, 타 기관 데이터인지, 최근 변화된 항생제 내성 패턴을 반영했는지 임상의는 알 방법이 없다. 이것이 AI 의료기기의 ‘블랙박스’ 문제의 실체다.
NHS AI Airlock와 ARPA-H의 시도는 그런 점에서 올바른 방향을 향하고 있다. 그러나 진짜 필요한 것은 승인 시점 이후의 지속적 성능 추적과 임상의에 대한 투명한 정보 공개다. AI가 틀렸을 때 책임을 묻는 구조가 없다면, 의사는 AI를 실질적으로 신뢰할 수 없다. 규제 기관이 판을 그리고 있는 지금, 그 판에 ‘임상적 책임의 공백’을 메우는 칸이 반드시 포함되어야 한다. 그렇지 않으면 2026년의 규제 혁신도 결국 서류 위의 혁신으로 끝날 것이다.
References
- Nagendran M, et al. “Artificial intelligence versus clinicians: systematic review of design, reporting standards, and claims of deep learning studies.” BMJ. 2020;368:m689.
- Topol EJ. “High-performance medicine: the convergence of human and artificial intelligence.” Nature Medicine. 2019;25(1):44–56.
- Braiviq. “Healthcare AI Just Crossed Into The Regulator’s Hands — NHS AI Airlock, ARPA-H, Clinical Agents, FDA 2026.” Available at: https://www.braiviq.com/blog/ai-healthcare-nhs-airlock-arpa-h-clinical-agents-fda-2026 (accessed 2026-07-16).
- Iatrox. “AI in Healthcare 2026: 4 Countries, 4 Approaches — Trends in UK, US, Canada, Australia.” Available at: https://www.iatrox.com/blog/ai-in-healthcare-2026-trends-uk-us-canada-australia (accessed 2026-07-16).
- Daum/한국 국회 공청회. “디지털헬스케어 및 보건의료정보 활용 지원에 관한 법률 제정 공청회.” 2026-06-22.