의료 AI 용어 사전

실제로 질환이 있는 사람을 AI가 '양성'으로 올바르게 찾아내는 비율입니다. 민감도가 낮으면 병이 있는데도 놓치는 경우(위음성)가 늘어납니다.

왜 중요한가 암·패혈증처럼 놓치면 위험이 큰 질환의 선별 도구를 검토할 때 가장 먼저 봐야 하는 숫자입니다. 제안서에 '정확도 95%'만 있고 민감도가 없으면 놓침 위험을 알 수 없으므로 반드시 별도로 확인하도록 질문해야 합니다.

출처 보기 (새 탭으로 열림)

질환이 없는 사람을 AI가 '음성'으로 올바르게 판정하는 비율입니다. 특이도가 낮으면 정상인데도 양성으로 나오는 경우(위양성)가 늘어납니다.

왜 중요한가 특이도가 낮은 도구는 불필요한 추가 검사와 알림을 양산해 간호 현장의 알림 피로와 병원의 검사 비용을 키웁니다. 민감도와 항상 짝으로 확인해 도입 시 업무량·비용 영향을 가늠해야 합니다.

출처 보기 (새 탭으로 열림)

AI의 판정 기준을 엄격하게도, 느슨하게도 바꿔 가며 민감도와 특이도가 어떻게 변하는지를 곡선(ROC)으로 그립니다. 그 곡선 아래 면적을 0~1 사이 숫자로 나타낸 종합 성적표가 AUROC입니다. 1에 가까울수록 판별력이 좋고, 0.5는 동전 던지기 수준입니다.

왜 중요한가 제안서의 성능을 한 숫자로 비교할 때 가장 많이 등장합니다. 개발사 자체 시험에서 높게 나온 값이 우리 병원 환자군에서는 떨어질 수 있으므로(예: 한 상용 패혈증 예측 모델이 외부검증(다른 병원 데이터로 다시 평가하는 것)에서 AUROC 0.63으로 하락한 사례) '어떤 환자에서, 누가 검증했는지'를 함께 물어야 합니다.

출처 보기 (새 탭으로 열림)

AI가 '양성'이라고 판정한 것 중 실제로 질환이 있는 비율입니다. 정밀도가 낮으면 양성 알림 대부분이 헛경보가 됩니다.

왜 중요한가 질환 자체가 드문 상황(유병률이 낮은 병원 환경)에서는 AUROC가 높아도 정밀도가 낮게 나올 수 있습니다. 알림을 실제로 처리하는 간호 현장의 부담을 판단하려면 이 지표를 확인하는 것이 현실적입니다.

출처 보기 (새 탭으로 열림)

위양성은 질환이 없는데 있다고 잘못 판정한 경우, 위음성은 질환이 있는데 없다고 놓친 경우입니다. 모든 진단 AI는 이 둘 사이에서 균형을 맞춥니다.

왜 중요한가 무엇을 더 줄일지는 병원의 정책 판단입니다. 위음성을 줄이려 민감도를 높이면 위양성 알림이 늘고, 반대도 마찬가지입니다. 도입 회의에서 '우리 병동은 어느 쪽 오류가 더 위험한가'를 먼저 합의해야 설정값을 정할 수 있습니다.

하드웨어(의료기기 장비)에 내장되지 않고 소프트웨어 그 자체가 진단·치료 등 의료 목적을 수행하는 독립형 소프트웨어를 말합니다. 국내에서는 식약처가 '의료기기 소프트웨어'로 분류·관리합니다.

왜 중요한가 AI 진단 프로그램이 SaMD로 분류되면 일반 IT 솔루션이 아니라 의료기기가 됩니다. 즉 식약처 허가 대상이 되므로, 구매 검토 시 이 제품이 의료기기 허가를 받았는지가 도입 가능 여부의 전제 조건이 됩니다.

출처 보기 (새 탭으로 열림)

의료기기는 위해도에 따라 1~4등급으로 나뉘며, 위해도가 낮은 1등급은 대체로 신고, 2등급은 인증, 위해도가 높은 3·4등급은 허가 대상으로 각각의 식약처 절차를 거쳐야 시판할 수 있습니다. AI 의료기기도 이 체계 안에서 심사받습니다.

왜 중요한가 제안서에 '식약처 허가'라는 표현이 있으면 품목허가번호와 허가 범위(적응증·사용 대상)를 확인해야 합니다. 허가 범위를 벗어난 용도로 쓰는 것은 규제 위반이 될 수 있어, 행정·구매 검토의 핵심 확인 항목입니다.

출처 보기 (새 탭으로 열림)

AI 의료기기가 의도한 임상 목적(예: 특정 질환 검출)을 실제 환자에게서 신뢰할 수 있게 달성하는지를 뜻합니다. 실험실 성능이 아니라 임상 현장에서의 성능을 가리킵니다.

왜 중요한가 개발사 시험 데이터가 좋아도 임상적 유효성이 우리 병원 환자군에서 검증되지 않았다면 실제 효과를 담보할 수 없습니다. 도입 제안서 검토 시 '어떤 환자 집단에서 임상적으로 검증되었는가'를 묻는 근거가 됩니다.

출처 보기 (새 탭으로 열림)

AI 의료기기는 학습을 통해 성능이 바뀔 수 있습니다. 그래서 허가 이후 예상되는 변경 내용과 검증 방법을 미리 계획서로 제출해 식약처 승인을 받아 두는 제도입니다. 식약처는 2026년 6월 관련 심사기준을 마련했습니다.

왜 중요한가 AI 제품은 도입 후에도 계속 업데이트됩니다. 변경관리 계획이 있으면 업데이트마다 재심사를 기다릴 필요가 없다는 뜻이므로, 계약·유지보수 조건을 검토하는 행정 업무에서 알아두면 유용합니다.

출처 보기 (새 탭으로 열림)

학습한 데이터의 패턴을 바탕으로 글·이미지·요약 등 새로운 콘텐츠를 만들어내는 AI입니다. 식약처는 2025년 1월 생성형 AI 의료기기 허가·심사 가이드라인을 마련했습니다.

왜 중요한가 진료기록 요약, 상담 초안 작성 등 행정·간호 업무에 빠르게 들어오고 있는 유형입니다. 의료 목적으로 쓰이면 의료기기 심사 대상이 될 수 있어, 단순 사무 자동화인지 의료 판단에 관여하는지 구분하는 것이 중요합니다.

출처 보기 (새 탭으로 열림)

방대한 텍스트로 학습해 사람의 언어를 이해하고 생성하는 생성형 AI의 한 종류입니다. 챗GPT 같은 대화형 도구의 바탕 기술입니다.

왜 중요한가 병원에서 접하는 상담·요약·문서작성 AI 대부분이 LLM 기반입니다. LLM은 그럴듯하지만 틀린 답을 만들 수 있어(할루시네이션), 결과를 사람이 반드시 검토한다는 전제 위에서만 도입해야 합니다.

생성형 AI가 사실이 아닌 정보를 사실처럼 그럴듯하게 만들어내는 현상입니다. 모델이 '진짜인지'가 아니라 '그럴듯한 문장인지'를 기준으로 답을 생성하기 때문에 발생합니다.

왜 중요한가 약물 용량, 진단명, 참고문헌 등에서 할루시네이션이 발생하면 환자 안전에 직접적 위험이 됩니다. 생성형 AI 도입 시 '출력 검증 절차가 있는가'를 반드시 확인해야 합니다.

사람이 규칙을 일일이 짜지 않고, 데이터로부터 패턴을 스스로 학습해 예측·판단하는 AI 기법입니다. 딥러닝은 그중 한 방식입니다.

왜 중요한가 학습에 쓴 데이터가 편향되면 결과도 편향됩니다. 우리 병원 환자 특성과 다른 데이터로 학습한 모델은 성능이 떨어질 수 있으므로, 도입 검토 시 '어떤 데이터로 학습했는가'를 확인하는 근거 개념입니다.

출처 보기 (새 탭으로 열림)

AI가 왜 그런 판단을 내렸는지 사람이 이해할 수 있게 설명하는 성질입니다. WHO는 보건의료 AI 6대 원칙 중 하나로 투명성·설명가능성을 제시합니다.

왜 중요한가 근거를 알 수 없는 '블랙박스' 알림은 간호·의료진이 신뢰하고 대응하기 어렵습니다. 설명이 부족한 도구는 현장 수용성이 낮으므로, 도입 평가에서 판단 근거를 함께 제시하는가가 중요한 선택 기준이 됩니다.

출처 보기 (새 탭으로 열림)

종이 차트에 기록하던 인적사항, 병력, 진료·검사·투약 기록 등 환자 정보를 전산으로 입력·저장·관리하는 시스템입니다. 보건복지부는 EMR시스템 인증제를 운영합니다.

왜 중요한가 대부분의 병원 AI는 EMR 데이터를 입력받아 작동합니다. AI 연동 시 어떤 EMR 항목을 어떤 형식으로 넘기는지가 도입 난이도와 개인정보 범위를 좌우하므로, 행정·정보보호 검토의 출발점이 됩니다.

출처 보기 (새 탭으로 열림)

개인정보의 일부를 삭제·대체해 추가 정보 없이는 특정 개인을 알아볼 수 없도록 처리한 것이 가명처리이고, 그 결과물이 가명정보입니다. 개인정보 보호법(제28조의2)은 통계작성·과학적 연구·공익적 기록보존 등의 목적이면 정보주체 동의 없이 가명정보를 처리할 수 있도록 정합니다.

왜 중요한가 AI 개발·검증에 병원 데이터를 제공하려면 대개 가명처리가 전제입니다. 다만 목적과 절차 요건을 지켜야 하므로, 데이터 제공 계약·연구 협약 검토 시 행정이 반드시 확인해야 하는 법적 개념입니다.

출처 보기 (새 탭으로 열림)

데이터에서 개인을 알아볼 수 없도록 식별 정보를 제거·변형하는 처리 전반을 뜻합니다. 보건복지부 「보건의료데이터 활용 가이드라인」이 그 방법과 기준을 제시합니다.

왜 중요한가 AI 업체에 데이터를 넘기기 전, 가이드라인 기준을 충족했는지 점검하는 것은 병원 행정의 위험관리 업무입니다. 비식별화가 불충분하면 재식별 위험과 함께 개인정보 유출 책임이 병원에 돌아옵니다.

출처 보기 (새 탭으로 열림)

환자 데이터와 의학 지식을 결합해 진료 시점에 경고·권고·정보를 제공함으로써 의료진의 판단을 돕는 시스템입니다. 규칙 기반부터 AI 기반까지 방식이 다양합니다.

왜 중요한가 약물 상호작용 경고, 위험 환자 알림 등 병동에서 실제로 울리는 알림 상당수가 CDSS 출력입니다. 알림이 지나치게 많으면 알림 피로로 오히려 놓침이 생길 수 있어, 알림 정책을 조율하는 것이 간호·행정의 공동 과제입니다.

출처 보기 (새 탭으로 열림)

의료기기를 시판한 뒤에도 실제 사용 환경에서 성능·안전성을 지속 점검·관리하는 활동입니다. AI 의료기기는 데이터·환자군 변화로 성능이 변할 수 있어 특히 중요합니다.

왜 중요한가 도입 시점에 좋았던 성능이 시간이 지나며 저하될 수 있습니다. 계약에 성능 모니터링·재검증 조항을 넣고 원내에서 실제 성능을 추적하는 것은 도입 이후 운영을 책임지는 행정의 몫입니다.

출처 보기 (새 탭으로 열림)