"대한민국은 현재 의료 인공지능(AI) 기술력에서 글로벌 상위권에 올라 있습니다. 세계 무대에서 이같은 레버리지를 유지하려면 해외 시장 진출을 전제로 한 전략적 연구개발(R&D)과 규제 지원이 반드시 뒷받침돼야 합니다."

서범석 루닛 대표는 14일 국회 의원회관에서 열린 'AI G3 강국 신기술 전략 조찬 포럼'에서 이같이 말했다. 이 포럼은 정동영 더불어민주당 의원과 최형두 국민의힘 의원이 공동 진행을 맡고 정보통신산업진흥원(NIPA)이 주관기관으로 참여한 자리였다.

이날 발표 주제는 의료 AI로, 루닛과 카카오헬스케어가 각각 암 진단·치료 AI 기술을 중심으로 자사 전략을 공유했다. 서울대병원, 성균관대, 연세대, 네이버, LG, SK텔레콤, 메디컬AI 등 산학연 전문가 20여 명이 참석해 기술력 현황과 제도적 병목, 수가 구조, 공공 데이터 활용 등 정책 개선 과제를 놓고 심도 있는 토론을 이어갔다.

이날 발표를 맡은 서범석 루닛 대표는 암 정복을 위한 자율형 AI 발전 전략과 글로벌 협력 모델을 제시했다.

그는 "글로벌 의료 AI 시장은 오는 2030년까지 현재 대비 약 11배 성장할 것으로 예측된다"며 "고령화, 의료진 부족, 데이터 복잡성 증가가 맞물리며 수요가 급격히 팽창하고 있다"고 말했다. 이어 "구글, 마이크로소프트, 메타, GE헬스케어, 일라이릴리 등 빅테크와 제약사들이 해당 시장에 대규모 투자를 이어가는 상황"이라고 덧붙였다.

이같은 글로벌 추세를 맞추기 위해 루닛이 내놓은 해법은 '자율형 의료 AI 생태계' 구축이다. 서 대표는 단순 반복적인 진단은 AI가 맡고 의료진은 판단과 처방 같은 고차 업무에 집중하는 체계가 미래 의료의 방향이라고 봤다. 이를 위해선 각 병원의 데이터 환경을 반영한 '맞춤형 AI'가 필수라고 강조했다.

그는 "현행처럼 하나의 모델을 일괄 배포하는 방식은 성능 편차를 야기한다"며 "결국 현장 적용에서 한계가 드러난다"고 지적했다.

이 같은 구조를 실현하기 위해 정부에 필요한 역할도 제시했다. 서 대표는 ▲선진국 시장 진출을 위한 전략적 연구개발(R&D)·임상·인허가 지원 ▲글로벌 공동 데이터 학습을 위한 범정부 협력 체계 구축 ▲공공 실증과 해외 확장을 병행할 B2G 연계형 실증 프로그램 도입을 제안했다.

루닛은 이 같은 전략을 실현하기 위해 공공의료 실증 기회를 적극 모색하고 있다. 서 대표는 "AI 수요는 개발도상국에도 높지만 전달과 공급에 어려움이 있다"며 "이런 국가에 실증 기회를 제공하면 글로벌 확장에 유리한 레퍼런스를 확보할 수 있다"고 말했다.

루닛은 지난 2013년 카이스트 석·박사 연구진이 설립한 딥러닝 기반 1세대 의료 AI 기업이다. 창업 초기부터 'AI로 암을 정복한다'는 목표를 제시했고 상장 전까지 2천억원 이상의 투자를 유치하며 글로벌 진출 기반을 닦았다. 올해 예상 매출은 800억원 이상이며 단기 흑자 전환을 목표로 삼고 있다.

회사의 주력 제품은 '루닛 인사이트'와 '루닛 스코프'로 나뉜다. 전자는 폐·유방 영상 데이터를 판독하는 암 진단 AI이며 후자는 유전체 및 조직 분석 기반으로 환자에게 적합한 항암제를 추천하는 치료 결정 AI다.

더불어 회사는 전체 전략을 '연합학습 기반 멀티오믹스 AI 플랫폼'으로 구체화하고 있다. 병원별 데이터를 중앙에 모으지 않고도 모델을 공동 학습할 수 있도록 설계됐으며 실시간 성능 개선이 가능한 구독형 구조를 목표로 한다. AI의 성능 편차 문제와 업데이트 부담을 동시에 해결하겠다는 전략이다.

서 대표는 "진단부터 치료까지 아우르는 자율형 AI로 암 생존율을 끌어올리는 것이 우리의 방향"이라며 "맞춤형 모델, 글로벌 제약사 협업, 공공 검진 연계를 바탕으로 정부와 함께 세계 시장을 공략할 준비가 돼 있다"고 말했다.

이어진 토론회에서 병원계는 의료 AI의 기술적 가능성에는 공감하면서도 실제 임상 적용까지는 여러 현실적 장벽이 존재한다고 진단했다. 특히 비용 부담, 수가 체계의 미비, 규제 불확실성, 의료 데이터 접근 한계 등이 확산의 걸림돌로 반복해서 지적됐다.

특히 AI 솔루션이 병원에 들어온다 해도 실제 의사 처방이나 운영으로 이어지기 어려운 구조적 제약이 있다는 게 공통된 지적이다. 단순 기술 도입을 넘어 수가 체계 개편과 데이터 활용 기반 마련이 선행돼야 한다는 설명이다.

정명진 삼성서울병원 센터장은 "AI가 진료 현장에서 활용될 경제적 보상 구조가 충분하지 않아 병원이 AI 솔루션을 도입해도 지속적으로 운용하기 어렵다"고 말했다.

수가 문제도 반복 지적됐다. AI 솔루션이 의료기기로 인정받아도 병원은 이를 활용한 진료에 대해 적절한 보상을 받지 못하는 경우가 많다. 이로 인해 실제 처방은 줄고 병원 내부에서도 AI의 가치가 불명확해지는 악순환이 반복되고 있다는 설명이다.

의료 데이터의 활용성 부족도 주요 쟁점 중 하나였다. 국가 단위에서 이미 방대한 의료 데이터가 수집되고 있지만 법적·행정적 제약으로 인해 현장에서는 활용이 제한된다는 의견이 제기됐다. 데이터 기반 AI 모델 학습이 현실적으로 어려운 구조라는 것이다.

장혁재 연세대 산학협력단 교수는 "국가 단위로 잘 정리된 의료 데이터가 존재하긴 하지만, 실제 현장에서는 이 데이터를 적극 활용하기 어렵다"며 "데이터 접근성과 연계성을 높이기 위한 정책 개선이 필요하다"고 말했다.

기업 측에서는 의료 AI 산업이 기술적으로는 이미 상용화 가능 수준에 이르렀지만 여전히 규제, 시장 진입 장벽, 수가 미비로 인해 성장이 가로막히고 있다고 입을 모았다. 병원 내 도입이 가능한 제품조차 실제 사용으로 이어지지 않는 배경에는 수익성 보장이 안 되는 제도 설계와 제약 많은 행정 절차가 자리 잡고 있다는 지적이다.

또 AI 모델 학습과 검증을 위한 고품질 의료 데이터에 대한 접근권 확보가 필요하다는 목소리도 나왔다. 이를 위해선 병원 내 데이터 구축 단계에서부터 AI 활용을 고려한 수집·정리 방식이 필요하며 그래픽처리장치(GPU)·데이터센터 인프라 등 물리적 기반도 개선돼야 한다는 주장이다.

최우식 딥노이드 대표는 "기술은 이미 충분히 준비돼 있지만 데이터를 AI에 맞게 쌓고 GPU 접근성을 높이지 않으면 글로벌 경쟁은 어렵다"며 "국내에서도 AI 성능을 입증할 수 있는 실증 환경과 규제 개선이 병행돼야 자생적 생태계가 만들어질 수 있다"고 말했다.