의사가 흉부 X-ray 한 장을 읽는 데 평균 3~5초. 그 시간 안에 미세한 폐 결절을 놓치면 환자의 암 진단은 수개월 지연된다. AI는 0.3초 안에 수천 장의 영상에서 패턴을 감지한다. 인공지능이 의료기기에 들어오면서, 진단의 속도와 정확도가 근본적으로 바뀌고 있다.

FDA AI/ML 인허가 현황

FDA가 인허가한 AI/ML 기반 의료기기는 2024년 기준 1,000개를 돌파했다. 2016년 약 10개에서 시작해 매년 가속 증가하고 있으며, 승인 기기의 약 75%가 영상진단 영역에 집중되어 있다. AI는 더 이상 실험실의 기술이 아니라, 임상에서 매일 작동하는 의료기기다.

AI 의료기기란

AI 기반 의료기기는 머신러닝(ML) 또는 딥러닝(DL)을 핵심 기술로 사용하여 의료 목적을 수행하는 기기다. FDA는 이를 AI/ML-enabled medical devices로 분류하며, 별도의 규제 프레임워크를 적용한다.

기존 규칙 기반 소프트웨어
  • 프로그래머가 규칙을 작성한다
  • 입력 → 고정된 로직 → 출력
  • 동일 입력에 항상 동일 출력
  • 변경 시 코드를 수동 수정
AI/ML 기반 소프트웨어
  • 알고리즘이 데이터에서 규칙을 발견한다
  • 입력 → 학습된 모델 → 확률적 출력
  • 새 데이터로 성능이 변화할 수 있다
  • 지속 학습으로 자동 개선 가능

이 근본적 차이가 개발, 인허가, 유지보수의 모든 단계에 새로운 과제를 만들었다. AI 의료기기는 "고정된 제품"이 아니라 "진화하는 제품"이며, 규제 당국은 이 변화에 대응하는 새로운 패러다임을 구축하고 있다.

AI 적용 영역

AI가 의료에 적용되는 영역은 넓지만, 현재 실제 인허가·상용화가 활발한 핵심 영역은 네 가지로 나뉜다.

의료영상 AI
FDA 승인 AI 기기의 ~75% 집중

CT, MRI, X-ray, 초음파 등 의료 영상에서 병변을 탐지하고 분석하는 AI다. 가장 성숙한 영역으로, 다수의 제품이 이미 임상에서 실사용 중이다.

CAD (병변 자동 탐지) Classification (양성/악성 분류) Segmentation (병변 경계 추출) Triage (판독 우선순위 재정렬) Quantification (정량적 측정)

대표 제품: Lunit INSIGHT CXR (흉부 X-ray), Aidoc (응급 영상 트리아지), Viz.ai (뇌졸중 LVO 감지)

디지털 병리 AI
조직 슬라이드를 디지털로 분석

기존에 병리의사가 현미경으로 하던 조직 분석을 디지털 스캐너 + AI로 대체하는 영역이다. 전체 슬라이드 이미지(WSI)를 AI가 분석하여 암세포 탐지, 바이오마커 발현 정량화, 등급 분류를 수행한다.

암세포 탐지 바이오마커 정량화 종양 등급 분류 면역조직화학 분석

대표 기업: Paige (FDA 승인 전립선암 진단), PathAI (종양학 파트너십), Lunit SCOPE (PD-L1 분석)

AI 기반 약물 개발
신약 탐색 기간을 수년에서 수개월로

전통적으로 10~15년이 걸리던 신약 개발 과정에서, AI가 후보 물질 발굴, 분자 구조 예측, 임상시험 설계를 가속하고 있다. AlphaFold의 단백질 구조 예측이 대표적 사례다.

분자 구조 예측/최적화 약물-표적 상호작용 시뮬레이션 임상시험 설계 최적화 환자 매칭

대표 기업: Insilico Medicine (AI 설계 신약 임상 진입), Recursion Pharmaceuticals, Isomorphic Labs (DeepMind 스핀오프)

임상 의사결정 지원 (CDS)
EMR 데이터 기반 실시간 의사결정 보조

전자의무기록(EMR) 데이터를 실시간으로 분석하여 임상의에게 경고, 추천, 예측을 제공한다. 패혈증 조기 경보, 약물 상호작용 경고, 재입원 위험 예측 등이 대표적이다.

패혈증 조기 경보 약물 상호작용 경고 최적 치료 프로토콜 추천 재입원/합병증 위험 예측

대표 기업: Epic (Sepsis prediction), Tempus (종양학 데이터 분석), ClosedLoop.ai (예측 분석)

소프트웨어 안전 등급: IEC 62304

AI 의료기기의 대부분은 소프트웨어 의료기기(SaMD)에 해당한다. IEC 62304는 소프트웨어 의료기기의 개발 생명주기를 규정하는 국제 표준으로, 소프트웨어 고장이 초래할 수 있는 위해의 심각도에 따라 세 등급으로 분류한다.

A
Class A — 위해 없음
소프트웨어 고장이 부상이나 건강 손상을 초래하지 않는다
요구 수준: 최소 문서. 소프트웨어 개발 계획과 기본 요구사항 문서만 필요하다. 단위 테스트는 권장 사항이며 필수가 아니다.
예시: 건강 정보 표시 앱, 일반 웰니스 추적 소프트웨어, 비진단 목적 데이터 시각화 도구
Low Documentation
B
Class B — 비심각한 위해 가능
소프트웨어 고장이 부상을 초래할 수 있으나 심각하지 않다
요구 수준: 중간 문서. 소프트웨어 아키텍처 문서, 상세 설계, 통합 테스트, 검증(verification) 계획이 필요하다. 위험 분석 결과에 따라 단위 테스트가 요구될 수 있다.
예시: 원격 모니터링 알림 소프트웨어, 혈당 추세 분석, 비긴급 임상 경고 시스템
Medium Documentation
C
Class C — 사망 또는 중상 가능
소프트웨어 고장이 사망이나 심각한 부상을 초래할 수 있다
요구 수준: 최대 문서 및 검증. 전체 소프트웨어 생명주기 문서, 상세 단위 테스트, 통합 테스트, 시스템 테스트, 코드 리뷰, 추적성 매트릭스(traceability matrix)가 필수다.
예시: 독립 진단 AI (폐암 판독), 자율형 치료 결정 소프트웨어, 생명유지 장비 제어 소프트웨어
Full Documentation + Verification
등급이 설계에 미치는 영향

Class C 소프트웨어는 모든 코드 변경에 대해 영향 분석과 회귀 테스트가 필요하다. AI 모델이 새 데이터로 업데이트될 때마다 이 과정을 반복해야 하므로, AI의 "지속 학습" 특성과 Class C의 "변경 통제" 요구가 근본적 긴장을 만든다. 이것이 FDA PCCP(Predetermined Change Control Plan) 도입의 배경이다.

FDA AI/ML 규제 프레임워크

전통적 의료기기 규제는 "고정된(locked) 알고리즘"을 전제로 설계되었다. 그러나 AI/ML은 새 데이터로 지속 학습하고 변화한다. FDA는 이 근본적 차이를 해결하기 위해 새로운 규제 도구들을 도입했다.

Predetermined Change Control Plan (PCCP)
사전 승인된 변경 계획

출시 후 AI 모델 업데이트의 범위, 방법, 검증 계획을 사전에 제출한다. 승인된 범위 내의 변경은 재심사 없이 적용 가능하다. 2024년부터 FDA가 본격적으로 PCCP를 수용하기 시작하면서, AI 의료기기의 "출시 후 진화"에 대한 규제 경로가 열렸다.

SaMD Pre-Specifications (SPS)
향후 변경의 범위 사전 명시

AI 기기가 향후 어떤 종류의 변경을 할 것인지 사전에 명시한다. "새로운 환자 집단으로 확장할 수 있다", "성능 지표를 X% 이상 개선할 수 있다" 등의 범위를 규정하여, 허용 가능한 변경의 경계를 명확히 한다.

Algorithm Change Protocol (ACP)
변경 검증의 구체적 프로토콜

SPS에서 정의한 범위 내의 변경을 어떻게 검증할 것인지 구체적으로 기술한다. 재훈련 데이터 요구사항, 성능 평가 방법론, 합격 기준(acceptance criteria), 검증 데이터셋 구성 등을 포함한다.

Total Product Lifecycle (TPLC) Approach
전체 생명주기 통합 관리

출시 전 심사와 출시 후 모니터링을 하나의 연속적 프로세스로 통합 관리한다. Real-World Performance(RWP) 모니터링, 지속적 성능 평가, 사용자 피드백 수집을 통해 AI 기기의 전체 생명주기에 걸쳐 안전성과 유효성을 추적한다.

Good Machine Learning Practice (GMLP) — 10대 원칙

FDA, Health Canada, MHRA가 공동 발표한 AI 의료기기 개발의 기본 원칙이다. 다학제 전문성 확보, 데이터 품질 관리, 대표성 보장, 독립 데이터셋 검증, 참조 표준 선정, 모델 설계 단순화 등 10가지 항목으로 구성되며, AI 의료기기 개발의 윤리적·기술적 가이드라인 역할을 한다.

시장 전망

FDA 승인 AI/ML 기기
1,000+
2024년 기준, 매년 가속 증가
시장 연평균 성장률
40%+
CAGR, 2025~2030 전망
영상진단 AI 비중
~75%
FDA 승인 기기 중 최대 비중
DTx 시장 전망
$130억
2030년 디지털 치료제 시장 규모

핵심 트렌드

멀티모달 AI
영상 + 임상 데이터 + 유전체 데이터를 통합 분석하여 단일 모달리티로는 불가능한 수준의 진단 정확도를 달성한다.
Generative AI
의료 기록 요약, 합성 데이터 생성, 환자 교육 콘텐츠 작성 등 생성형 AI가 의료 워크플로우에 빠르게 침투하고 있다.
Edge AI
클라우드 없이 기기 내에서 AI 추론을 수행한다. 개인정보 보호, 저지연, 오프라인 환경 대응이 가능하다.
Foundation Models
대규모 사전 학습 모델의 의료 분야 특화. Med-PaLM, BioGPT 등이 범용 의료 AI의 기반 기술로 부상하고 있다.

대표 기업

Lunit
한국
흉부 X-ray(INSIGHT CXR), 유방촬영(INSIGHT MMG), 디지털 병리(SCOPE) 분석. FDA 다수 승인.
영상진단 디지털 병리
Aidoc
이스라엘
응급 영상 AI 트리아지. 뇌출혈, 폐색전증, 경추골절 등을 자동 감지하여 판독 우선순위를 재정렬한다.
트리아지 영상진단
Viz.ai
미국
뇌졸중 탐지 및 알림 플랫폼. 대혈관 폐색(LVO)을 자동 감지하고 뇌졸중 팀에 즉시 알린다.
뇌졸중 실시간 알림
Tempus
미국
종양학 데이터 분석 플랫폼. 유전체 + 임상 데이터를 통합하여 정밀의료 의사결정을 지원한다.
정밀의료 데이터 플랫폼
PathAI
미국
디지털 병리학 AI. 조직 슬라이드 분석 자동화로 병리의사의 진단 정확도를 높인다.
디지털 병리
Paige
미국
전립선암, 유방암 디지털 병리 진단. FDA 승인을 받은 최초의 AI 기반 병리 진단 시스템이다.
FDA 승인 디지털 병리

다음 단계

Discover 더 알아보기