센타라 헬스는 항생제 내성균인 MRSA 감염을 줄이기 위해 에픽 전자의무기록 안에 위험점수 모델을 심었습니다. 최근 입원 이력, 당뇨병 같은 동반질환, 중환자실처럼 위험이 높은 곳에서 옮겨왔는지 등을 조합해 입원 환자의 위험을 자동으로 계산합니다. 점수가 6 이상이면 간호사에게 예방 조치를 주문하라는 알림이 뜹니다. 이후 클로르헥시딘 목욕과 포비돈 요오드 비강 처치가 시작됩니다. 간호사들은 고위험 환자를 날마다 함께 검토하고, 환자가 예방 절차를 따를 수 있도록 MRSA도 설명합니다.

이 과정은 감염관리팀만의 별도 도구가 아닙니다. 정보기술 담당자, 간호사, 의사, 감염예방 전문가가 문헌과 내부 데이터를 검토하고, 병상 옆에서 쓰는 간호 흐름에 맞춰 직접 짰습니다. 별도 화면을 열거나 점수를 손으로 옮기지 않아도 되도록 에픽 안에서 선별, 알림, 예방 조치가 이어집니다. 센타라는 이 방식을 산하 12개 병원에 적용했습니다.

효과는 병원 획득 MRSA 감염 약 45% 감소로 나타났습니다. 기사에 따르면 감염 건수는 2022년 53건에서 2023년 29건으로 줄었고, 2025년에도 28건으로 낮은 수준을 유지했습니다. 2021년 도입 뒤 5년 동안 약 200만 달러의 의료비도 아꼈습니다. 센타라는 모델을 계속 다듬으며 예방을 일상 진료로 굳히고 있습니다. 다른 의료체계에도 구축 경험을 나눴습니다.

이 사례의 핵심은 예측값보다 실행 설계에 있습니다. 위험을 알아내도 담당자와 다음 행동이 정해지지 않으면 감염을 막기 어렵습니다. 센타라는 점수, 간호 알림, 예방 처치, 일일 검토를 한 흐름으로 묶었습니다. 임상 AI와 규칙 기반 모델을 평가할 때도 정확도와 함께 실제 업무가 움직였는지 물어야 한다고 봅니다.

원문

IHH 헬스케어 싱가포르는 환자 인텔리전스 센터(Patient Intelligence Centre·PIC)로 해마다 약 31,000시간의 행정 업무를 줄였습니다. PIC는 병상 관리, 수술실 일정, 내시경실 운영처럼 서로 다른 기반 시스템의 실시간 데이터를 한 화면으로 모으는 AI 기반 통합 인터페이스입니다. 직원이 여러 시스템을 오가며 현황을 맞춰보는 대신, 환자 여정과 임상 자원의 상태를 함께 보고 필요한 조치를 정할 수 있게 했습니다.

출발점은 반응형 운영을 예측형 운영으로 바꾸는 일이었습니다. 병상이 비거나 수술 일정이 밀린 뒤에 대응하는 데 그치지 않고, 환자 흐름에서 생길 문제를 미리 알아차려 자원을 배치합니다. 운영팀은 입원 병상, 수술실, 내시경실의 수요와 가용성을 병원 안팎에서 살피고, 간호·운영·지원 부서가 같은 정보를 바탕으로 움직입니다. 실시간 데이터가 있어도 인계와 의사결정 방식이 그대로라면 효과가 작기 때문에, IHH는 화면과 함께 업무 절차도 다시 설계했습니다.

PIC는 마운트 엘리자베스 병원 오차드에서 먼저 시험한 뒤 마운트 엘리자베스 노비나, 글렌이글스 병원, 파크웨이 이스트 병원으로 차례로 넓혔습니다. IHH의 운영혁신팀이 이끌고 간호, 운영, 보조 부서가 협업했으며 GE 헬스케어가 지원했습니다. 싱가포르 의료혁신·생산성 메달에서는 도입 성과를 인정받았습니다. 앞으로도 기능을 더할 계획입니다.

31,000시간은 단순한 자동화 합계가 아닙니다. 환자 배치와 검사·수술 준비에 필요한 정보를 찾고 전화로 확인하던 시간을 줄여, 직원이 병목을 풀고 환자를 돌보는 데 집중하게 했다는 뜻입니다. 국내 병원도 통합상황판을 만들 때 화면의 정보량보다 누가 어느 신호를 보고 어떤 결정을 내리는지부터 정해야 합니다. 데이터, 사람, 업무를 함께 바꿔야 운영 지능이 생깁니다.

원문

에픽이 Care Everywhere 진단영상 교환 기능을 내놨습니다. 에픽을 쓰는 의료기관의 임상의는 다른 기관이 보관한 CT, 엑스레이, MRI 등 진단 품질 영상을 한 번의 클릭으로 가져올 수 있습니다. 그동안 Care Everywhere에서는 판독문과 참고용 영상을 공유할 수 있었습니다. 새 기능은 참고 영상으로 필요한 검사를 찾은 뒤 원본 수준의 영상을 직접 불러오게 합니다.

의료영상은 전자의무기록이 아니라 별도의 영상저장전송시스템에 보관됩니다. 기관 간 전송에 개방형 표준을 폭넓게 쓰지 못한 탓에, 직원이 영상을 수작업으로 요청하거나 환자가 CD를 들고 진료실을 옮기는 일이 남아 있었습니다. 에픽은 FHIR와 DICOMweb을 활용하고 기존 상호운용성 통로를 연결해 서로 다른 기관의 영상저장소 사이로 진단 영상을 보냅니다. 판독문만 먼저 도착하고 영상은 뒤늦게 따라오는 간극을 줄이려는 것입니다.

중복검사 경고와의 연결도 중요합니다. 에픽은 다른 기관에서 이미 시행한 영상검사가 있으면 주문 단계에서 알려왔고, 이 경고로 해마다 21,000건이 넘는 반복 촬영을 막았다고 밝혔습니다. 그러나 이전에는 검사가 있다는 사실을 알아도 실제 영상을 가져오는 절차가 따로 필요했습니다. 이제는 그 자리에서 과거 영상을 불러올 수 있어, 불필요한 방사선 노출과 진료 지연을 함께 줄일 길이 열렸습니다.

현재 기능은 에픽 공동체에서 이용할 수 있습니다. 에픽 고객의 90%가 TEFCA를 사용하거나 도입하는 가운데, 회사는 연방 의료정보 교환 체계인 TEFCA도 같은 영상 표준을 받아들이도록 요구하고 있습니다. 그렇게 되면 전자의무기록 제품과 관계없이 영상 교환을 넓힐 수 있습니다. 다만 지금의 성과는 에픽 연결망 안에서 시작합니다. 전국 단위 확장은 표준 채택과 기관 간 운영 합의가 뒤따라야 합니다.

원문

의료기관의 AI 심사는 대개 도입 전에 집중됩니다. 새로 꾸려진 의료 AI 책임·안전 협의체 CHAIRS는 위험한 질문이 가동 뒤에 시작된다고 봅니다. AI가 실제 환자를 대규모로 만나기 시작한 뒤에도 의료기관이 기대한 임상 프로토콜을 계속 따르는지, 운영 환경에서 의도한 결과를 내는지 확인하자는 것입니다.

CHAIRS를 꾸리는 데 참여한 웨일리드 모센은 Verbal AI Technologies의 공동창업자이자 최고경영자입니다. 협의체는 배포 이후 모니터링을 중심 과제로 삼았습니다. 시험 환경의 좋은 결과가 진료 현장의 지속적인 안전을 보증하지 않기 때문입니다. 환자 구성과 사용 방식, 업무 맥락이 달라지고 시스템이 규모 있게 쓰이면 사전 검증에서 보이지 않던 문제가 드러날 수 있습니다. 그래서 출시 승인 한 번으로 감독을 끝내지 않고, 실제 환자 상호작용에서 성능을 관찰해야 한다는 문제의식입니다.

협의체가 겨냥하는 독자는 의료체계만이 아닙니다. 보험자와 규제기관도 실제 운용 자료를 바탕으로 AI가 약속한 방식대로 일하는지 판단할 근거가 필요합니다. CHAIRS는 개별 시연이나 공급업체 설명을 넘어, 현장에서 축적된 증거로 임상 프로토콜 준수 여부를 확인하는 방향을 제시합니다. 핵심은 새 인증 표시를 하나 더 붙이는 일이 아니라, 운영 중 확인할 지표와 책임 주체를 분명히 하는 데 있습니다.

이번 달 저널 브리핑의 세 논문도 이 지점과 맞닿습니다. 의료 AI를 비교하고 보고하는 방법, 배포 환경에서 성능을 해석하는 법, 책임 있는 적용을 위한 근거를 함께 읽을 수 있습니다. 사람과 AI가 일을 나눈다. 이때 누가 결과를 감시하고, 이상이 생기면 누가 개입하거나 중단할지도 정해야 합니다. 도입 전 검증과 사후 감시를 하나의 생애주기로 묶어야 한다고 봅니다.

원문

Aidoc과 미국 의료체계 12곳이 진단 AI 컨소시엄을 만들었습니다. 한 기관의 성공 사례에 기대지 않고 서로 다른 진료 환경에서 안전성, 품질, 진단 속도를 함께 측정하려는 연합입니다.

진단 AI는 문장을 만들거나 일반 질문에 답하는 AI와 과제가 다릅니다. 영상, 병리, 검사실 데이터, 의무기록에 흩어진 미세한 임상 신호를 찾아 의사가 질환을 더 일찍 발견하고 빠르게 행동하도록 도와야 합니다. 놓치거나 늦어진 진단은 환자 결과를 바꿀 수 있습니다. 임상에서 엄격히 검증하고, 환자군과 기관, 스캐너가 달라질 때 생길 수 있는 성능 변화와 편향도 배포 뒤 계속 살펴야 합니다.

컨소시엄은 세 갈래로 일을 진행합니다. 먼저 위중한 사례를 바르게 우선순위에 올리고, 판독을 앞당기며, 중요한 결과를 더 빨리 전달하는 AI 기반 진단 흐름을 공동 설계합니다. 다음으로 회원 기관에서 환자 안전, 품질, 진단까지 걸리는 시간에 미친 영향을 측정합니다. 마지막으로 효과가 확인된 구현 방식과 거버넌스 원칙을 회원 밖의 의료기관도 쓸 수 있는 공동 실무 지침으로 정리합니다. 토론에 머물지 않고 현장 배치와 반복 개선을 잇겠다는 구상입니다.

Aidoc은 CARE 임상 AI 파운데이션 모델과 aiOS 기업용 AI 운영체제로 기술 기반을 제공합니다. 이 기반은 배포, 업무 통합, 배포 뒤 모니터링을 관리합니다. 컨소시엄은 첫 결과를 2027년에 공유할 예정입니다. 아래 두 논문을 옆에 둔 까닭도 같습니다. 단일 성능 수치보다 실제 환자군의 결과와 일반화 가능성, 현장 검증 방식을 함께 살펴야 진단 AI를 책임 있게 넓힐 수 있습니다.

원문

Coalition for Health AI(CHAI)가 의료 AI 사이버보안 워킹그룹을 꾸렸습니다. 의료체계, 보험자, 기술기업, 사이버보안 조직에서 모인 약 100명이 참여합니다. 의료기관이 각자 방어책을 만드는 대신 동료 검토를 거친 실무 지침을 함께 만들자는 취지입니다. 지역 병원부터 학술의료센터까지 자원과 규모가 다른 조직이 실제로 쓸 수 있는 도구를 마련하는 데 초점을 맞췄습니다.

CHAI가 경계하는 대상은 성능이 크게 높아진 프런티어 모델입니다. 기사에서는 이런 모델이 공격에 걸리는 시간을 줄이고, 보호의료정보 유출과 랜섬웨어 공격을 규모 있게 수행할 수 있어 의료 사이버위협의 속도와 범위를 바꿨다고 설명합니다. 같은 기술은 취약점 관리와 사고 대응 등 방어에도 활용할 수 있습니다. 따라서 워킹그룹은 AI를 새로운 공격 도구로만 보지 않고, 위협과 방어 능력을 함께 평가합니다.

작업은 격주 회의로 진행합니다. 결과물에는 방어 플레이북, 공격 관점의 플레이북, 프런티어 AI 사이버위험 평가 도구가 포함됩니다. 의료기관이 어떤 위협을 먼저 점검하고, 준비 수준을 어떻게 판단하며, 사고가 발생했을 때 어떤 절차로 움직일지 실무 언어로 정리할 계획입니다. 병원과 보험자, 헬스테크 기업이 공통으로 참고할 수 있도록 2026년 말 공개를 목표로 삼았습니다.

운영을 맡는 리더십 협의회에는 Duke Health, Baptist Health, Hartford HealthCare, Boston Children’s Hospital, Johns Hopkins Health System, UCI Health와 보안·표준 조직의 책임자들이 참여합니다. 이들은 결과물이 현장에서 마주하는 위협 수준에 맞는지 감독합니다. 의료 AI 보안은 모델 하나를 잠그는 일이 아니라 환자, 직원, 데이터, 진료 운영을 함께 지키는 일입니다. 기존 AI 거버넌스와 사이버보안 대응을 한 흐름으로 연결하려는 시도라는 점을 눈여겨볼 만합니다.

원문

Health Gorilla를 둘러싼 개인정보 집단소송이 미국의 다지구 소송 절차로 통합됐습니다. 미국 다지구소송사법위원회는 관련 집단소송 9건을 플로리다 남부 연방법원으로 모아 공통 쟁점의 사전 절차를 함께 진행하도록 했습니다. 사건은 K. Michael Moore 판사가 맡습니다.

소송의 배경에는 의료정보 교환망을 통한 환자정보 접근 논란이 있습니다. 원고들은 Health Gorilla가 고객을 제대로 심사하지 않아 Carequality와 TEFCA 상호운용성 체계가 보호의료정보 접근에 악용됐다고 주장합니다. Health Gorilla는 연방 TEFCA 체계에서 적격 의료정보네트워크로 참여해 온 임상 데이터 교환 기업입니다. 이번 통합은 원고의 주장을 사실로 확정한 판결이 아니라, 겹치는 소송의 사전 심리를 한 재판부에서 다루기로 한 절차 결정입니다.

에픽과 의료기관들이 별도로 제기한 소송도 맞닿아 있습니다. 에픽 측은 Health Gorilla가 일부 데이터 기업의 부적절한 환자기록 접근과 수익화를 가능하게 했다고 주장했습니다. Health Gorilla는 해당 주장을 부인하고 소송 기각을 요청해 왔습니다. 에픽 사건은 통합 결정 당시 MDL에 정식으로 들어가지는 않았지만, 사법위원회는 별도의 조건부 이송 절차로 포함할 뜻을 나타냈습니다. 각 당사자의 책임과 주장의 진위는 앞으로 법원이 판단합니다.

의료정보 교환은 치료에 필요한 기록을 빠르게 연결하지만, 접속 자격이 곧 모든 이용 목적을 허용한다는 뜻은 아닙니다. 참여기관 확인, 고객 심사, 목적에 따른 접근 통제, 이용기록 감사가 함께 작동해야 합니다. 이번 사건은 상호운용성의 범위를 넓히는 일과 신뢰를 검증하는 일이 떨어져 있지 않음을 보여줍니다. 국내 교환망도 연결 건수뿐 아니라 누가 왜 데이터를 요청했는지 설명할 운영 근거를 갖춰야 합니다.

원문

오라클 헬스의 AI 환자포털이 미국에서 정식 제공되기 시작했습니다. 환자는 포털에서 의료기록을 확인하고 공유하며 의료진과 연결할 수 있습니다. 진단명, 검사 결과, 치료 선택지처럼 이해하기 어려운 내용을 질문하면 자신의 기록에 근거한 쉬운 설명을 받습니다. 여러 화면과 문서를 찾아다니기보다 실제 임상 문서에 담긴 정보를 한곳에서 읽고 다음 할 일을 파악하도록 만든 서비스입니다.

포털은 오라클 헬스 전자의무기록과 완전히 통합됐습니다. 환자가 기록을 외부 서비스에 따로 모아 올릴 필요가 없고, 진료팀이 작성한 계획과 문서가 같은 보안 환경에 남습니다. 최근 진료의 핵심 내용, 주요 질환, 복용약, 앞으로 해야 할 검사와 추적 진료를 요약해 보여줍니다. 검사실 수치와 활력징후가 시간에 따라 어떻게 달라졌는지도 묻고 살펴볼 수 있습니다.

예약에도 자연어를 씁니다. 환자가 증상과 원하는 시기를 말하면 과거 진료와 담당 의료진의 맥락을 반영해 알맞은 의료진과 시간을 제안하고, 몇 단계 안에 일정을 잡도록 돕습니다. 오라클은 이런 셀프서비스가 기록 해석이나 예약 때문에 걸려오는 일반 문의와 접수 서류 업무를 덜어 진료팀의 행정부담도 낮출 것으로 기대합니다.

경계선도 분명히 그었습니다. AI는 진단, 의학적 조언, 치료 권고를 제공하지 못하도록 제한했습니다. 의학적 판단을 요구받으면 의료진에게 문의하도록 안내하고, 응급상황으로 생각되면 응급번호나 가까운 응급실을 이용하도록 합니다. AI가 만든 문장은 시각적으로 표시하고 정보 출처도 제시합니다. 개인 의료정보는 오라클 시스템 밖이나 제3자 모델에 저장하지 않습니다. 환자 이해를 돕되 진료팀을 우회하지 않도록 안전장치를 함께 내놓은 점이 이번 출시의 핵심입니다.

원문

이번 HIMSSCast는 간호사를 위한 AI 교육이 단순한 기술 강좌를 넘어야 한다고 짚었습니다. Coalition for Health AI(CHAI)의 책임 있는 AI 담당 이사 Merage Ghane은 플로리다주립대학교 간호대학과 함께 만든 마이크로 자격 과정을 소개했습니다. 의료제공자, 기술 전문가, 정책 담당자, 환자 옹호자 등 폭넓은 이해관계자가 개발에 참여했습니다. 목표는 간호사가 AI를 조작하는 법만 익히는 것이 아니라, 환자 안전을 지키며 AI와 일하고 그 작동을 설명할 수 있게 하는 것입니다.

과정 이름은 Nursing Essentials of Responsible AI입니다. 스스로 진도를 조절하는 7개 마이크로 자격으로 구성됐습니다. AI의 기초 원리부터 데이터 개인정보보호, 다양한 간호 업무에서 AI 도구를 적용하는 방법까지 다룹니다. 근무 중인 의료인도 참여할 수 있도록 유연하게 설계했습니다. 짧은 교육 이수증 하나로 전문성을 대신하기보다, 임상에서 책임 있게 판단하는 데 필요한 공통 토대를 단계별로 쌓게 합니다.

간호사가 중심에 놓인 까닭은 분명합니다. 간호사는 환자와 가까운 곳에서 AI가 만든 경고와 예측, 문서화 도구를 실제 진료행위로 연결합니다. 출력에 동의할 때뿐 아니라 거부할 때도 무엇을 확인하고 어떻게 소통할지 알아야 합니다. 편향과 부정확한 결과, 개인정보 위험을 알아차리고, AI가 환자 안전과 간호 업무에 미친 영향을 의료진과 환자에게 설명할 수 있어야 합니다. 신뢰는 모델을 무조건 따르는 태도가 아니라 한계와 책임선을 이해하는 데서 생깁니다.

의료기관이 AI를 도입할 때 간호사를 마지막 사용자로만 부르면 업무부담과 안전 문제를 뒤늦게 발견할 수 있습니다. 교육, 설계, 검증, 운영에서 간호사의 목소리를 반영해야 합니다. 자격의 가치는 도구 숙련도보다 질문하고 멈추고 설명할 역량으로 평가해야 합니다.

원문