✉️ 제이슨 노트
“생명을 지키는 AI, 모두가 누리는 의료혁신.” 정부가 AI 기본의료 전략에 내건 비전이에요. 보건소와 응급의료, 공공병원을 AI로 잇겠다는 계획은 분명 구체적이었어요.
이 글에서 묻고 싶은 것은 하나예요. AI가 복약 문제나 위험한 처방을 찾아낸 다음, 누가 그 결과를 확인하고 실제 조치를 끝낼까요?
정부는 2026년 7월 22일 발표한 전략에 AI 복약 알림, 처방전 설명과 약물 처방 적정성 검증을 넣었어요. 하지만 28쪽 공개자료에서는 약국과 약사가 어떤 역할을 맡을지는 적혀 있지 않았어요. AI가 경고한 뒤 누가 복용약을 확인하고, 처방을 다시 살피고, 환자에게 설명할지도 확인하기 어려웠어요.
이번 글은 AI 기본의료의 약물 기능이 실제로 안전하게 작동하려면 무엇이 필요한지 살펴봐요. 결론부터 말하면 탐지 이후의 책임체계가 필요하고, 그 체계를 설계할 때 약사의 역할도 함께 정해야 해요.
📰 3분 브리핑
- 싱가포르 보건부 발표 · 싱가포르는 약사가 검토한 의약품 정보를 HealthHub AI 건강도우미에 넣을 계획이에요. AI가 전화로 기본적인 복약상담을 제공하고, 더 도움이 필요한 환자를 가려내는 방식도 검토해요. 환자용 AI를 만들 때 약사가 정보와 상담 흐름을 함께 설계하는 사례예요.
- ASHP의 UCSF 프로젝트 소개 · 미국 UCSF는 연간 약 3,000건의 약물안전 보고서를 AI로 분석하는 시험을 진행하고 있어요. AI가 사고 원인과 개선조치를 제안하면 약물안전 담당자가 임상적으로 확인해요. 아직 시험 단계지만, AI의 탐지를 사람의 검증과 실제 개선으로 잇는 구조를 보여줘요.
두 사례의 공통점은 AI가 답을 내는 데서 끝나지 않는다는 거예요. 약사가 정보를 검토하거나 약물안전 담당자가 결과를 확인한 뒤 실제 상담과 개선조치로 연결해요.
🔍 딥다이브
먼저, 공개자료에서 확인된 빈칸부터 볼게요
AI 기본의료에는 AI 복약 알림, 처방전을 쉽게 풀어주는 국민 AI 건강비서, 약물 처방 적정성 검증이 들어 있어요. 하지만 보도자료 11쪽과 전략 요약 17쪽 전체를 검색해보니 약사와 약국은 한 번도 나오지 않았어요.
공개자료에는 AI가 약물 문제를 찾은 다음 누가 실제 복용약을 확인하고, 처방을 다시 검토해 달라고 요청하고, 환자에게 결과를 설명할지가 나와 있지 않아요. 이 과정에 참여할 수 있는 약국과 약사의 역할도 확인되지 않아요.
아래 이미지는 전략 요약 원문의 해당 부분이에요. 처방전 설명, 복약 알림, 처방 적정성 검증은 구체적으로 적혀 있지만 이를 확인하고 조치할 사람과 기관은 함께 제시되지 않았어요.
약물 AI의 안전성은 탐지 성능만이 아니라, 경고를 확인하고 조치하고 추적할 책임체계로 완성된다.
이 빈칸이 왜 중요한지 보려면, 정부가 무엇을 연결하려는지부터 짚어볼 필요가 있어요.
정부는 무엇을 만들려는 걸까요?
AI 기본의료 전략에는 3대 전략과 10대 정책과제가 담겼어요. 쉽게 나누면 동네 진료, 병원 연결망, 이를 뒷받침할 데이터와 제도로 볼 수 있어요.
다만 세부 업무와 책임까지 확정한 시행지침은 아니에요. 공개자료에 담긴 기능과 도입 일정부터 차례로 볼게요.
첫 번째 축은 동네 진료예요.
정부는 2027년부터 보건소와 보건지소에 AI 패키지를 보급할 계획이에요. 영상판독과 의무기록 작성을 돕고, 만성질환 관리와 질병 예측에도 AI를 써요.
취약지 의원에는 도입 비용을 지원해요. 방문간호사와 원격지 의사를 잇는 비대면 협진도 시도해요.
두 번째 축은 병원 연결망이에요. 응급 통합 AI 플랫폼은 환자 상태와 병원별 진료 능력을 분석해 이송할 병원을 추천해요.
공공의료 AI 고속도로는 2026년 권역 3곳과 지역 6곳에서 시작해요. 2029년에는 권역 17곳과 지역 55곳, 모두 72개 책임의료기관을 연결하는 것이 목표예요.
처음에는 의뢰·회송 문서 요약과 영상판독을 제공해요. 2028년부터 약물 처방 검토와 환자 악화 예측 기능을 더할 예정이에요.
세 번째 축은 의료 AI를 뒷받침할 데이터와 제도예요. 정부는 나의 건강기록(PHR)을 중심으로 병원 간 진료정보를 공유할 계획이에요.
PHR은 Personal Health Record, 즉 개인건강기록이에요. 여러 병원에 흩어진 내 진료정보를 한 번에 조회하고 활용하는 플랫폼을 뜻해요. 여기에 AI를 연결해 어려운 처방전과 진료기록을 쉬운 말로 풀어주는 국민 AI 건강비서도 도입할 예정이에요.
정부는 공공·임상·연구데이터를 한데 모은 데이터 허브도 만들 계획이에요. 이 데이터로 한국형 의료 AI를 개발해요.
AI 서비스를 쓴 건수뿐 아니라 의료 성과를 평가해 보상하는 체계도 검토해요. 윤리와 보안 기준도 함께 만들겠다고 했어요.
책임자가 정해지지 않으면 어디에서 끊길까요?
첫째, 보건소의 만성질환 관리예요. AI가 처방전에 적힌 일정대로 복약 알림을 보내더라도, 환자가 실제로 먹는 약은 다를 수 있어요. 여러 병원에서 같은 종류의 약을 받았을 수도 있어요. 이미 끊은 약이 목록에 남아 있거나, 일반의약품과 건강기능식품을 함께 먹고 있을 수도 있어요.
공개자료에는 실제 복용약을 누가 확인하고 목록을 바로잡을지가 적혀 있지 않아요. 약 목록이 틀리면 알림이 제시간에 울려도 잘못된 약을 계속 먹게 할 수 있어요.
둘째, 국민 AI 건강비서예요. 정부는 처방전과 진료기록을 쉬운 말로 요약하고, 간단한 건강 질문에도 답하게 할 계획이에요.
하지만 “하루 두 번 복용”을 풀어쓰는 일과 이 약이 환자에게 안전한지 판단하는 일은 달라요. 안전성을 보려면 신장기능, 임신 여부, 알레르기와 다른 복용약까지 확인해야 해요. 고위험 약이나 상호작용 질문이 들어왔을 때 AI가 답변을 멈추고 누구에게 연결할지도 정해야 해요.
사람에게 연결하는 통로는 단순한 고객지원 기능이 아니에요. WHO 지침은 사람이 의료결정을 통제하고, 알고리즘 판단에 질문하고 구제받을 절차를 마련하라고 권고해요.
43개국 74개 병원의 환자 조사에서도 해당 문항에 답한 12,652명 중 72.9%가 AI와 의사의 정확도가 같다면 의사가 최종 판단하는 방식을 선호했어요.
WHO 자료는 국제 원칙이고, 환자 조사는 진단 상황의 선호도 연구예요. 한국의 법적 권리나 약물상담의 효과를 입증한 자료는 아니에요. 그래도 건강비서가 AI라는 사실을 알리고, 고위험 약 질문에는 사람의 재검토를 요청할 수 있게 설계할 이유는 보여줘요. 약에 관한 질문이라면 약사의 검토를 선택지로 두고, 실제 도움이 되는지는 시범사업에서 평가할 수 있어요.
셋째, 공공의료 AI 고속도로예요. 2028년부터 AI가 약물 처방을 검토할 예정이에요. 하지만 AI가 띄운 경고를 누가 확인하고 필요한 조치를 마칠지는 나와 있지 않아요.
특히 입원하거나 다른 병원으로 옮기고 퇴원할 때는 병원 처방과 집에서 먹던 약이 달라지기 쉬워요. 담당자가 분명하지 않으면 AI가 문제를 찾아도 아무도 처리하지 않은 채 환자가 집으로 돌아갈 수 있어요.
넷째, 국가 데이터 허브예요. 처방과 보험청구 기록만으로는 환자가 약을 실제로 먹었는지 알기 어려워요.
부작용 때문에 약을 끊었는지, 약사가 왜 처방을 다시 봐달라고 요청했는지도 알 수 없어요. 약국의 조제·상담 기록은 처방정보만으로 보이지 않는 조제 변경과 복약상담, 중재의 맥락을 보완할 수 있어요.
다만 조제기록도 환자가 약을 실제로 먹었는지까지 알려주지는 않아요. 실제 복용 여부와 부작용, 치료 결과를 알려면 환자 확인과 추적관찰, 임상결과 데이터도 함께 연결해야 해요.
인접 연구는 무엇을 보여줄까요?
전략이 발표된 지 얼마 되지 않아, 이 정책을 실제 시행해 효과를 평가한 연구는 아직 없어요. 그래서 정책 안의 일부 기능과 닮은 인접 연구를 살펴봤어요.
먼저 일차의료 약물 오류를 다룬 무작위시험 14편의 문헌고찰이 있어요. 환자정보를 분석해 위험을 경고하는 전산시스템을 사용한 9편 중 7편이 적어도 하나의 약물 오류 지표에서 통계적으로 유의한 감소를 보고했어요.
영국의 PINCER 연구는 그중에서도 한국 정책의 약물 검토 기능과 비교해볼 만한 구조예요. 전산시스템이 위험한 처방을 찾으면 약사가 환자 기록을 확인하고 의원과 함께 문제를 해결했어요.
72개 일반의원과 전체 등록인구 48만여 명을 포괄한 군집 무작위시험에서 6개월 뒤 세 가지 주요 위험 처방 지표가 모두 단순 피드백군보다 낮았어요.
이후 343개 의원의 확산 과정을 분석한 관찰연구에서도 시간 추세를 보정한 위험 처방률이 6개월에는 16.7%, 12개월에는 15.3% 낮게 추정됐어요.
물론 이 연구들만으로 AI 기본의료 전체의 효과를 예측할 수는 없어요. 연구마다 다룬 약과 개입 방법이 달랐고, 요즘의 생성형 AI를 시험한 것도 아니에요.
그래도 한 가지 단서는 줘요. 컴퓨터가 위험을 찾는 것만으로는 부족하고, 그 결과를 확인해 실제 조치로 이어갈 사람이 필요하다는 점이에요. PINCER의 약사는 단순 사용자가 아니라 탐지와 조치 사이를 잇는 담당자였어요.
한국에는 실행 기반이 있지만, 참여 방식도 검증해야 해요
한국에도 출발점은 있어요. 국내 다제약물관리사업에는 2018~2024년 15,995명이 참여했어요. 2024년에는 약사 666명이 참여했어요.
사업 첫해 보고에서는 효능군 중복 투약률이 52.9%에서 43.7%로 줄었어요. 비교군을 둔 AI 연구나 환자 위해 결과는 아니지만, 약사가 약물 문제를 확인하는 사업과 인력 기반이 이미 운영되고 있다는 점은 보여줘요.
이런 안전 문제를 다룰 때는 약사가 AI를 쓰는 데서 그치지 않고 설계와 검증에도 참여해야 해요.
ASHP 성명도 약물사용 과정에 영향을 주는 AI의 설계·검증·도입·지속평가에 약사 등 약무 인력이 참여해야 한다고 권고해요.
약사가 참여하는 AI 기본의료는 어떻게 달라질까요?
한국에서 약사 참여 모델과 미참여 모델을 직접 비교한 실사용 연구는 아직 확인되지 않았어요. 아래 내용은 효과가 입증된 정답이 아니라, 환자안전을 중심으로 시범 운영하고 비교 평가할 설계안이에요.
첫 번째는 정확한 약 목록이에요. 환자가 동의하면 PHR에 병원 처방과 최근 조제내역을 함께 모으는 방안을 설계할 수 있어요. 실제로 먹는 약과 일반의약품, 건강기능식품도 환자에게 확인해 기록해요. 누가 어떤 정보를 볼 수 있는지, 동의를 어떻게 받고 철회할지, 민감한 정보는 어떻게 보호할지도 함께 정해야 해요.
이 모델에서 지역약국은 생활 속 복용정보와 부작용을 확인할 수 있어요. 병원약사는 검사 결과와 진료기록을 바탕으로 고위험 약을 살펴볼 수 있어요.
두 번째는 경고를 처리하는 순서예요. 자동 안내로 끝낼 경고, 약사가 확인할 경고, 의사가 처방을 다시 검토해야 할 경고로 나눌 수 있어요.
예를 들어 고위험 경고를 약사에게 보내는 모델을 시범 운영할 수 있어요. 약사는 환자가 실제로 약을 어떻게 먹고 있는지 확인해요. 처방 검토가 필요하면 의사에게 요청해요.
어떤 경고를 약사가 맡을지, 얼마나 빨리 대응할지도 함께 시험해야 해요. 최종 결정과 이유는 시스템에 남기고, 반복 경고의 원인을 분석해 경고 기준을 개선하는 데 활용해요.
세 번째는 병원과 집 사이의 연결이에요. 입원할 때 병원약사가 기존 복용약과 새 처방을 맞춰보는 흐름을 만들 수 있어요. 퇴원할 때는 환자 동의를 받아 바뀐 약과 끊은 약을 지역약국에 전달할 수 있어요.
예를 들어 시범사업에서는 지역약국이 퇴원 7일 또는 30일 뒤 복용 상태와 부작용을 확인하는 모델을 비교해볼 수 있어요. 이렇게 설계하면 공공의료 AI 고속도로를 병원끼리 문서만 보내는 망이 아니라, 환자가 집에 돌아간 뒤의 약 사용까지 잇는 체계로 확장할 수 있어요.
네 번째는 담당 업무에 맞춘 보상과 평가예요. 약사에게 고위험 처방 검토와 퇴원 후 확인을 맡긴다면, 필요한 시간과 책임에 맞춰 보상 방식도 설계해야 해요.
성과도 검토 건수만 세어서는 안 돼요. 중복투약이 줄었는지, 잘못된 용량을 고쳤는지, 약 때문에 다시 입원하거나 응급실에 간 환자가 줄었는지를 봐야 해요.
다섯 번째는 발견한 오류를 실제 수정으로 연결하는 절차예요.
스탠퍼드 헬스케어가 보고한 한 의료기관의 운영사례에서는 시스템 오류와 성능 변화, 현장에 미친 영향을 계속 확인하고, 문제가 생기면 수정·교체·중단할 담당자와 절차를 정했어요. 약물 AI의 환자 결과를 시험한 연구는 아니지만, 모니터링 결과를 실제 변경 결정으로 잇는 절차의 예는 보여줘요.
약물 관련 AI도 잘못 울린 경고와 놓친 위험을 기록하고 원인을 확인한 뒤, 데이터 연결과 경고 기준, 모델을 고쳐야 해요. 수정한 뒤에는 같은 문제가 줄었는지도 다시 확인해야 해요.
아래 그림은 확정된 정부 운영안이 아니라, 약사가 참여하는 모델을 시범평가하기 위한 설계안이에요.
오류를 수집하는 체계만으로는 부족해요. 오류가 수정·재검증·교체 또는 중단 결정으로 이어져야 해요.
👥 직군별 생각 포인트
로컬 약사라면 환자가 실제로 먹는 약과 일반의약품, 건강기능식품 정보를 어디까지 보고 기록할 수 있는지가 중요해요. 정보는 볼 수 없는데 AI 경고만 확인하라고 하면, 문제가 생겨도 바로잡기 어려운 책임만 맡게 될 수 있어요.
병원 약사라면 입원·퇴원·전원 때 고위험 처방을 누가 다시 볼지 확인해야 해요. AI 경고를 확인하고 필요한 조치를 끝내는 담당자도 분명해야 해요. 단순히 몇 건을 검토했는지보다 약으로 인한 피해와 재입원이 실제로 줄었는지를 봐야 해요.
공직·기관 약사라면 약사를 참여시킬지만 정해서는 부족해요. 어떤 정보를 볼 수 있는지, 언제 처방을 다시 봐달라고 요청할 수 있는지, 오류는 어디에 보고하는지까지 함께 정해야 해요. 업무 보상과 사고 책임도 빠질 수 없어요.
📎 한 걸음 더
보건복지부·KDI 정부 정책자료 · AI 기본의료의 3대 전략과 10대 과제, 기관 연결 계획을 볼 수 있어요.
한국보건사회연구원 정책간담회 · 데이터 표준화와 기관 연계가 왜 선결조건인지 확인할 수 있어요.
PINCER 군집 무작위시험 · 전산 탐지에 약사의 후속조치를 붙였을 때 위험 처방이 어떻게 바뀌었는지 볼 수 있어요.
일차의료 약물 오류 문헌고찰 · 전산 의사결정지원시스템을 사용한 무작위시험들의 결과와 한계를 함께 볼 수 있어요.
국내 다제약물관리 논문 · 기존 약사 인프라의 참여 규모와 초기 지표를 원문에서 볼 수 있어요.
약사와 불확실성 표시 AI 무작위시험 · AI가 맞을 때와 틀릴 때 약사의 판단이 어떻게 달라지는지 보여줘요.
배치 후 의료 AI 모니터링 연구 · 실제 의료기관에서 오류·성능·영향을 감시하고 AI의 교체·중단 결정으로 연결한 과정을 볼 수 있어요.
WHO 보건의료 AI 윤리 지침 · 사람이 의료결정을 통제하고, 질문과 구제 절차를 마련해야 한다는 원칙을 확인할 수 있어요.
43개국 환자 AI 인식 조사 · 환자들이 설명 가능한 AI와 사람의 최종 판단을 얼마나 선호했는지 볼 수 있어요.
🎯 직접 확인해보기 · 보건복지부·KDI 자료에서 AI 복약 알림과 약물 처방 적정성 검증을 찾아보세요. 이어서 약사와 약국도 검색해보세요. 무엇을 할지는 적혀 있지만 누가 맡을지는 공개자료에 명시돼 있지 않다는 점을 확인할 수 있어요.
💌 푸터
요즘 “이거 진짜야?” 싶었던 AI 제약·헬스케어 뉴스가 있나요? 답장으로 보내주세요 — 다음 검증 대상이 됩니다.
다 읽어요.
약사와 제약·헬스케어 실무자가 함께 AI를 공부하는 약토피아 커뮤니티에서도 다음 주제를 이어갈게요.
의견을 남겨주세요