임상 현장에서 필요한 AI를 승인받아 쓰기까지 시간이 오래 걸리면, 의료진은 공개 AI 도구를 찾을 수 있다. 싱가포르 병원에 필요한 것은 무단 사용을 금지하는 데 그치지 않고, 환자 안전과 책임성을 지키면서도 현장에서 실제로 쓸 수 있는 대안을 제공하는 일이다.
5
조사 결과가 말하는 것, 말하지 않는 것
Nutanix는 의료기관의 79%가 관리되지 않는 AI 사용을 겪고 있으며, 83%가 이로 인한 사업상 위험을 인식한다고 보고했다.
5 다만 이 수치는 싱가포르 병원만을 대상으로 한 결과가 아니다. Nutanix의 Healthcare Enterprise Cloud Index는 전 세계 의료기관을 대상으로 한 조사다.
3
따라서 이 결과를 싱가포르의 AI 사용률로 해석해서는 안 된다. 조사가 보여주는 것은 의료 분야 전반의 관리 과제이며, 싱가포르 의료기관과 관련해 제기된 핵심 문제는 임상 수요와 승인 도구에 접근하는 속도 사이의 간극이다.
5
승인된 도구가 더 편리한 선택지가 되도록
Frost & Sullivan의 라타네시 라마순드람은 임상 현장의 압박과 승인 도구에 대한 느린 접근이 맞물리면 관리되지 않는 AI 사용이 발생할 수 있다고 설명했다.
5 정책만으로는 접근성 문제를 해결하기 어렵다. 의료기관은 직원들이 어떤 업무에서 AI의 도움을 필요로 하는지 파악하고, 해당 업무에서 승인 도구를 쉽게 신청하고 이용할 수 있도록 해야 한다.
그 과정에는 구체적인 관리 기준도 포함돼야 한다. 누가 어떤 도구를 쓸 수 있는지, 입력 가능한 정보는 무엇인지, AI 결과를 어떻게 검토할지, AI가 관여한 의사결정을 어떻게 기록할지 정해야 한다. 이는 보도에서 제기된 환자 정보 노출, 부정확한 결과, 감사 추적의 어려움에 대응하기 위한 기본 조치다.
5
임상 업무에 맞춰 인프라를 설계해야
의료 분야의 모든 작업에 같은 인프라가 필요한 것은 아니다. Nutanix에 따르면 중환자실 한 공간에는 연결 기기가 15~20대 있을 수 있으며, 연간 최대 7테라바이트의 데이터가 발생할 수 있다. 모든 신호를 멀리 떨어진 클라우드로 보내면 지연이 생기거나 외부 네트워크 연결에 의존하게 될 수 있다고 회사는 설명한다.
1
따라서 어떤 작업을 어디에서 처리할지도 관리 체계의 일부로 살펴야 한다. 의료기관은 시간에 민감한 처리를 어디서 수행할지, 여러 환경에서 데이터를 어떻게 다룰지 검토해야 한다. 이 수치는 중환자실 현장에서 발생할 수 있는 데이터 규모를 보여주는 사례이지, 모든 중환자실의 기기 수나 데이터량을 뜻하지는 않는다.
1
시범사업으로 근거를 쌓은 뒤 확대
처음부터 병원 전체에 적용하기보다 범위가 분명한 사용 사례와 임상 책임자를 정하고, 승인된 데이터 범위와 안전성·업무상 가치를 평가할 기준을 마련하는 편이 현실적이다. 확대 조건뿐 아니라 시범사업을 중단하거나 수정해야 할 조건도 미리 정해두는 것이 좋다.
싱가포르 국립대병원(NUH)의 접근 방식은 참고할 만한 사례다. NUH는 AI 사업을 시범 단계에서 확대하기 전에 업무 주체가 명확한지, 기존 절차에 잘 들어맞는지, 사용자를 지원할 준비가 됐는지, 측정 가능한 성과가 있는지를 살핀다.
17 이렇게 하면 대규모 도입을 결정하기 전에 도구 자체뿐 아니라 주변 업무 절차에 무엇이 필요한지도 확인할 수 있다.
업무 흐름·인프라·통제를 한 계획으로
보안이 강하더라도 직원들이 쉽게 쓰기 어려운 시스템은 비공식 AI 사용을 부추기는 압박을 해소하지 못할 수 있다. 반대로 편리하지만 안전장치가 부족한 도구도 다른 위험을 낳는다. 병원은 업무 흐름, 인프라, 관리 체계를 따로 떼어 추진하기보다 함께 설계해야 한다.
실질적인 목표는 승인된 AI를 현장에 도입할 때 불필요한 마찰을 줄이되, 임상적 검토와 기록 추적, 책임 소재를 유지하는 것이다. 접근성을 높이는 일은 책임 있는 진료를 뒷받침해야 하며, 임상적 판단을 대신해서는 안 된다.