에반게리온 파칭코 하는 법 > 골드몽릴게임

진료실 대화 담는 ‘보이스차트’ 부터 간호·수술 보조 ‘피지컬 AI’ 의료 물류·데이터로 확장 AI 판독 솔루션 잘못된 결과 땐 의사·개발사·병원 경영진·당국… 원인·책임 어느 선까지 물어야 하나 의료 AI윤리·활용 가이드라인 존재 제품 개발·생산·관리 책임 배분까지 전 주기 아우르는 ‘프레임워크’ 필요 환자 데이터 상업적 활용·유출 우려 해킹 위험도 현실…사회적 숙고 필요 인공지능(AI)이 도래하기 훨씬 이전부터 의료현장에서 ‘기술혁신’은 언제나 상수(常數)였다. 그럼에도 AI 기술이 의료현장, 보건의료체계에 가져온 변화, 그리고 보건의료 AI가 제기한 고민의 수준은 이전과 확연히 다르다. 보건의료 AI 사례 몇가지만 살펴보자. 조직병리 슬라이드나 엑스레이, 컴퓨터단층촬영(CT), 자기공명영상(MRI) 같은 영상자료 판독 기술은 일찌감치 상용화되었다. 환자의 임상 소견을 종합하여 가능성 높은 진단 후보를 제시하고 처방을 추천하는 ‘임상의사결정 지원시스템’(CDSS·Clinical Decision Support System)도 속속 도입 중이다. 의사·환자 사이 대화를 기록하는 ‘보이스차트’ 덕분에 의사는 환자와의 대화에 더 많은 시간을 쓸 수 있게 되었고, 진료가 끝나면 환자는 맞춤 설명자료까지 제공받는 것이 가능해졌다. 거동이 불편한 환자의 자세 변경을 돕고, 숙련된 의료진 못지않게 수술 ‘어시스트’를 서는 피지컬 AI도 이미 현실화되었다. 그뿐이랴. 이세돌 9단을 꺾은 AI ‘알파고’의 개발자인 구글 딥마인드의 데미스 허사비스는 단백질의 구조 예측과 설계를 할 수 있는 AI 모델인 ‘알파폴드’ 개발 공로를 인정받아 2024년 노벨 화학상을 공동 수상했다. 단백질은 생명 활동의 기초가 되는 모든 화학 반응을 조절하는 핵심 물질이라는 。에서 질병의 기전 규명과, 진단 시약, 백신, 신약 개발 속도를 앞당기는 데 중요한 기여를 할 것으로 예상된다 몰메가릴게임 . 의료현장의 무대 뒤쪽에서도 AI는 바쁘게 움직이고 있다. 의료현장이 안전하고 효율적으로 돌아갈 수 있게 만드는 물류시스템, 환자의 예약 관리부터 검사 순서와 병상 배정, 당직 스케줄 설계, 수납과 보험 청구를 처리하는 복잡한 프로세스 관제와 이 모든 것을 가능하게 하는 데이터 생태계까지 AI가 하고 있는 일, 할 수 있는 일이 빠르게 늘어나고 있다. 조만간 AI 없는 의료현장은 생각할 수 없게 될 것이다. 보건의료 분야에서 이토록 빠르게 AI가 확산되는 배경에는 진단과 치료법 혁신이라는 성과 이외에도 특별한 사회적 기대가 자리하고 있다. 만성적 인력난, 인구 고령화에 따른 만성질환 부담과 의료 수요 증가라는 구조적 압력 속에서, AI가 의료자원의 지역 간 격차를 완화하고 한정된 의료자원의 효율적 배분을 촉진하는 수단이 될 것이라는 기대 말이다. 예컨대 인구가 적은 농산어촌에 모든 분야의 진료를 다 할 수 있는 대형 종합병원을 설립하거나 유지하는 것은 불가능하다. 그런데 지역거。공공병원이나 일차의료기관에서 AI의 도움을 받아 영상 판독을 하고 최신 연구 결과를 종합하여 진단과 치료 방침을 결정하고, 최소 인력으로 수술까지 해낼 수 있다면 의료취약지 문제, 지역필수의0료 격차 문제를 상당히 완화할 수 있을 것이다. 이재명 정부가 발표한 ‘AI 기본의료 전략’은 바로 이러한 비전과 기대를 담고 있다. 하지만 인류 역사에서 기술혁신은 사회적 문제의 해결만이 아니라 새로운 도전과제도 던져주고는 했다. AI도 예외는 아니다. 잠재력이 큰 만큼 그에 따르는 사회적 위험 요소도 크다. 우선 의료인 입장에서 생각해보자. 영상 판독 AI 솔루션을 잘 써왔는데, 이번 환자의 MRI 판독 소견이 아무래도 미심쩍다. 이럴 때 얼마나 자신 있게 AI와 다른 결론을 주장할 수 있을까? 바다이야기릴게임 만일 AI 추천을 믿고 환자 상태를 판단했는데, AI가 잘못된 결과를 산출하고 있었다면 어디까지 나의 책임이라고 할 수 있을까? 환자 진료에 대한 최종 책임은 의사에게 있다지만, 의사 개개인이 AI 솔루션이 제대로 작동하고 있는지 판단해야 할 책임까지 있다고 말할 수 있는가? AI 알고리즘, AI 솔루션을 개발한 회사, 솔루션 도입을 결정한 병원 경영진, 제품을 허가해준 규제 당국의 책임은 없는가? 만일 불량 주사기 때문에 환자에게 문제가 생겼다면 설계도, 원자재, 생산 공정 등을 조사해서 원인을 규명하고 책임을 물을 수 있겠지만, AI 제품에서는 이런 방식의 원인 분석이 매우 어렵거나 때로는 불가능하다. 기술적 불가능에 가깝다는 것이 포기하고 아무것도 안 해도 된다는 뜻은 아니다. 보건의료 AI에 대한 책임성은 생명과 안전이 걸려 있는 윤리적 문제이자, 막대한 자원이 오가는 경제적 문제이며, 법적 책임을 누가 질 것인가 판단해야 하는 사법적 문제이기도 하다. 세계보건기구(WHO)는 이미 2021년 ‘보건분야 AI 윤리와 거버넌스’ 지침을 통해 6가지 윤리원칙을 제시한 바 있다. 여기에는 인간이 보건의료시스템과 의료 결정에 대한 통제권을 유지해야 하며(자율성 보호 원칙), 적절히 훈련된 사람이 AI를 사용해야 하고 부정적 영향을 받은 개인·집단을 위한 이의 제기와 구제 기전이 있어야 한다는 내용(책임성과 책무성 강화 원칙)이 포함되어 있다. 뒤이어 발표한 거대언어모델(LMM) 특화 지침에는 생성형 AI 특유의 위험을 다룰 수 있도록 개발, 제공, 배포라는 가치사슬의 단계별 책임 배분 체계와 인간감독기구 같은 거버넌스 기전이 추가로 담겨 있다. 국내 ‘AI 기본의료 전략’에도 환자와 의료진을 위한 의료 AI 윤리·안전성 가이드라인, 망 분리, 클라우드 활용과 관련된 보안 가이드라인 마련 내용이 담겨 있다. 하지만 이것만으로는 불충분하다. 오리지널바다이야기 개인이나 의료기관의 AI 활용만이 아니라 AI 솔루션, 제품의 개발과 생산부터 관리 책임의 배분에 이르기까지, 보건의료 AI가 작동하는 체계와 전 주기를 아우르는 ‘프레임워크’가 필요하다. 그리고 이는 기술적 해법 너머 사회적 숙고, 다양한 행위자의 이해를 조율하는 ‘정치’를 필요로 한다. 이 기술의 잠재력과 파괴력을 우리가 아직 충분히 알지 못하기 때문에 더욱 그러하다. 보건의료 AI에서 결코 간과할 수 없는 또 다른 중요한 이슈가 있다. AI가 판단·예측·권고를 하려면 어떤 형태로든 ‘학습’이 필수적이며, 학습에는 데이터가 필요하다. AI가 보편화되기 전인 2017년에 이미 이코노미스트는 ‘세계에서 가장 가치 있는 자원은 이제 석유가 아니라 데이터’라고 이야기했다. 오늘날 AI 빅테크들은 양질의 데이터 확보에 사활을 걸었다. 그러나 보건의료 데이터는 온라인에 게시된 콘텐츠를 닥치는 대로 크롤링하거나 책을 대량 구매해서 스캔하는 방식으로는 접근할 수 없다. 보건의료 데이터는 민감한 개인정보를 담고 있기에 폐쇄망, 접근권한 통제, 별도 심의 절차 등 특별한 방식으로 접근해야 하는 경우가 대부분이다. 그래서 AI 기업들은 개별 의료기관이나 의료진과의 협력을 통해서 연구·개발 형태로 데이터를 확보하는 것이 일반적이다. 그런데 보건의료 데이터의 힘은 다양한 자료의 결합에서 나온다. 1개 병원의 환자들보다는 다수 기관의 환자 데이터를 학습하는 것이 모델의 편향을 줄이고 강건성을 확보하는 데 유리하다. 또한 의료기관이 보유한 의무기록만이 아니라 시민들의 평소 건강생활습관 정보, 과거 건강검진이나 예방접종 정보, 다른 의료기관에서의 의료 이용 정보, 암 발생이나 사망 원인 정보 등이 연계된다면 질병의 발생 기전, 예후, 치료 효과 등을 규명하는 데 훨씬 큰 위력을 발휘할 수 있다. 이런 잠재력 때문에 연구자나 기업들은 더 많은 보건의료 데이터에 더 쉽게 접근할 수 있게 해달라고 요구한다. 바다신2 정부 역시 잠재력을 잘 알고 있기에 공공보건의료데이터의 가명정보 결합서비스를 제공하는 ‘보건의료 빅데이터플랫폼’ 사업이나 공공데이터 개방 사업을 추진 중이다. 그러나 정보주체의 동의 없는 보건의료 데이터의 상업적 활용이나 개인정보 유출 가능성에 대한 우려는 여전히 크다. 예컨대 AI 도입 훨씬 이전인 2013년 국제학술지 사이언스에 발표된 논문은 연구용으로 공개된 비식별 유전체 데이터의 Y 염색체 정보와 재미로 보는 인터넷 족보 사이트의 정보를 결합하여 개인을 식별해낼 수 있음을 보여주었다. 2022년 독일 연구진은 비식별화를 거쳐 연구용으로 공개된 흉부 엑스레이 데이터를 활용하여 90% 이상의 정확도로 동일한 개인들을 찾아내는 데 성공했다. 각 데이터는 가명화나 익명화 같은 비식별 조치를 통해 개인정보를 보호하지만, 여러 데이터의 연계를 통해서 혹은 , . AI의 뛰어난 연산 능력 덕분에(?) 안전조치들이 무력화될 수 있다. 뿐만 아니라 AI에 의한 해킹 위험도 현실이 되었다. AI에게 데이터를 학습시키는 것만이 아니라 어떻게 AI로부터 데이터를 보호할 것인지 심각하게 고민해야 하는 시대가 된 것이다. 하지만 정부는 여전히 AI 학습 데이터 확충에 더욱 치중하는 모양새다. 예컨대 국가인공지능전략위원회가 발표한 ‘대한민국인공지능 행동계획’에는 적절한 보안조치가 적용된 안전한 클라우드를 전제로, 가명 처리하지 않은 개인정보를 AI 학습에 활용할 수 있도록 개인정보보호법 개정을 추진한다는 내용이 담겨 있다. 또한 행정안전부는 “글로벌 AI 경쟁력 확보를 위해” AI 개발 수요가 높고 사회적·경제적 파급 효과가 큰 100종의 공공데이터를 선정하여 개방하는 ‘AI·고가치 공공데이터 Top 100’ 사업을 추진 중이다. 여기에는 의료영상, 전자의무기록, 치매검진, 정신건강상담 데이터 등 보건의료 분야 데이터 11종이 포함되어 있다. 최근 입법 추진 중인 ‘디지털헬스케어법’ 역시 데이터 활용에 초.을 두고 있다. 게임몰릴게임 유럽연합(EU)은 2025년부터 ‘건강데이터공간’(EHDS·European Health Data Space)을 통해 보건 데이터 활용을 임상 진료를 위한 1차 활용과 연구·정책·AI 개발 등 2차 활용으로 구분하여 규제한다. 개인은 원칙적으로 자신의 데이터 2차 활용을 거부할 권리(옵트아웃)를 가지되, 중대한 공중보건 위협 대응 등 공익적 사유가 있는 경우에 한해 예외적 접근을 허용하도록 했다. 반면 국내에서는 데이터의 2차 활용과 관련하여 정보주체의 거부권이 실질적으로 존재하지 않는다. 장기적으로 의료혁신에 도움이 된다고는 하지만, 현실에서 제품 개발 이익은 기업이 챙기고 개인정보 유출이라는 비용은 사회가 감당하는 일이 얼마든지 벌어질 수 있다. 과학소설의 거장 아이작 아시모프는 이미 한 세대 전에 “과학이 지식을 쌓는 속도가 사회가 지혜를 쌓는 속도보다 빠르다는 것이 이 시대의 가장 슬픈 면”이라고 이야기했다. 이러한 진단은 AI 시대에도 유효하다. 현재 인류는 AI 기술을 개발하는 데까지는 도달했지만, 이 기술을 어떻게 다루어야 할지, 이 기술이 초래할 새로운 문제를 어떻게 다루어야 할지는 충분히 대비하지 못하고 있다. 정답을 모르기에, 그래서 더욱더, 사회적으로 문제를 숙고하고, 기술로부터 영향받는 사람들과 함께 합의를 만들어나가는 것이 중요하다. 보건의료 AI는 생명과 안전, 특히 민감한 개인정보와 관련성이 높다는 。에서 더욱 그렇다. 바로 이러한 숙고와 합의야말로 민주주의 정치가 하는 일이라는 .에서, 다시 문제는 민주주의로 회귀한다. ▶김명희 의과대학을 졸업한 후 예방의학 전문의를 취득하고, 대학원에서 보건학(석사)과 예방의학(박사)을 전공했다. 의과대학에서 예방의학 조교수로 근무하다 시민사회 독립연구소인 (사)시민건강연구소로 자리를 옮겨 10년 동안 활동했다. 오랫동안 건강 불평등과 노동자 건강권, 건강의 사회적 결정 요인에 대한 연구와 실천 활동을 해왔다. 현재 수도권의 공공병원에서 보건의료 정책을 연구하고 있으며, 노동건강연대 운영위원장을 맡고 있다. 김명희 노동건강연대 운영위원장 공중보건 위협 대