[메디게이트뉴스 박민식 기자] 의료기관의 디지털 전환이 단순한 전산화 단계를 넘어 AI 전환, 이른바 AX로 확장되고 있다. 생성형 AI가 의무기록 초안을 만들고, 음성인식 기술이 의료진의 기록 업무를 줄이며, 디지털병리와 의료영상 AI가 진단 보조 영역으로 들어오고 있다. 병원 업무와 환자 경험 전반이 AI와 디지털 기술의 영향을 받기 시작한 것이다.
 
하지만 병원이 스마트해진다는 것이 곧 더 많은 기술을 도입한다는 의미는 아니다. AI가 의료진의 일을 얼마나 대신하느냐보다 중요한 것은 줄어든 업무 부담이 실제 환자 진료와 돌봄으로 이어지느냐다. 기술이 많아질수록 환자 안전, 개인정보 보호, 의료진 책임, 디지털 취약계층 접근성 같은 문제도 함께 커질 수밖에 없다.
 
서울성모병원이 지향하는 스마트병원도 여기에 초점이 맞춰져 있다. 개별 AI 솔루션을 도입하는 데 그치지 않고, 병원 전체의 업무 방식과 의사결정 체계를 AI 전환 관점에서 재설계하겠다는 것이다.
 
서울성모병원은 이미 음성 기반 의료정보시스템, 생성형 AI 의무기록 지원시스템 ‘CMC GenNote’, 보이스 ENR(전자간호기록), 디지털병리, 병원 운영 자동화 등을 실제 진료와 업무 현장에 적용하고 있다. 연구와 실증 단계에서는 입원환자 악화 예측, 의료 AI 에이전트, 멀티모달 암 진단 및 예후예측, 의료영상 예비 판독문 생성 등도 추진 중이다.
 
서울성모병원 정찬권 스마트병원장은 최근 메디게이트뉴스와 인터뷰에서 스마트병원의 핵심을 “기술이 아니라 사람”이라고 규정했다. 그는 “우리가 추구하는 건 AI가 진료하는 병원이 아니다. AI를 통해 의료진에게 시간을 돌려주고, 그 시간을 다시 환자에게 돌려주는 병원”이라며 “가장 스마트한 병원은 가장 자동화된 병원이 아니라 가장 인간적인 병원”이라고 했다.

특히 정 병원장은 AI 시대에 좋은 병원의 정의도 달라져야 한다고 봤다. 그는 “AI 시대에 좋은 병원은 좋은 AI를 보유한 병원이라기보다, 좋은 AI를 빠르게 검증하고 안전하게 임상에 적용할 수 있는 병원”이라며 “대학병원은 임상 문제를 정의하고, 데이터를 구축하고, 기업·연구자와 공동개발하며, 실제 환경에서 검증과 도입까지 주도하는 임상 AI 조율자가 돼야 한다”고 강조했다.
 
아래는 정 병원장과 일문일답.

생성형 AI 의무기록 시스템 CMC GenNote, 활용 확대 중…행정 업무 AX도 추진

- 최근 주요 상급종합병원들이 AI와 디지털 전환에 적극 나서고 있다. 서울성모병원이 정의하는 ‘스마트병원’은 무엇이며, 다른 병원과 차별화되는 서울성모병원만의 전략은 뭔가.
 
서울성모병원이 지향하는 스마트병원은 AI와 디지털 기술을 통해 병원의 일하는 방식을 개선하고, 의료진은 환자에게 더 집중하며 환자는 더 안전하고 편리한 진료를 받을 수 있는 병원이다. 서울성모병원의 차별화된 전략은 AI를 개별 기술로 도입하는 데 그치지 않고, 병원 전체의 업무와 의사결정 체계를 AX 관점에서 재설계하는 것이다. 서울성모병원에서 새로운 기술의 효과와 안전성, 업무 적합성을 먼저 검증하고, 검증된 모델은 CMC 네트워크로 확산할 수 있다는 점이 큰 강점이다. 또한 모든 AI 활용 과정에서 인간 존엄과 생명 존중, 환자 안전을 최우선 가치로 두고 있다.

우리 병원의 또 하나의 강점은 이런 변화가 갑자기 시작된 게 아니라는 점이다. CMC는 2019년 디지털 트랜스포메이션 비전을 선포하고 8개 부속병원의 데이터와 정보 시스템을 연결해 왔으며, 2021년에는 정보융합진흥원을 출범시켜 통합 CDW와 데이터 활용 인프라를 구축해왔다. 지금의 AX는 그동안 축적한 DX와 데이터 인프라 위에서 진행되는 다음 단계의 전환이다.

우리 병원이 특히 중요하게 생각하는 건 ‘생명과 인간을 중심에 둔 책임있는 AI’다. CMC는 지난 5월 의료 인공지능 윤리강령을 선포하고, AI를 오직 생명 증진과 환자의 전인적 돌봄을 위해 활용한다는 원칙을 명확히 했다. 특히 AI가 환자와 의료진의 관계를 대체하는 게 아니라 이를 증진시키는 보조적 역할을 해야 하며, 진료와 돌봄의 최종 책임은 의료진에게 있다는 점을 분명히 하고 있다.

이와 함께 공정성, 설명 가능성, 보안과 프라이버시, 적절한 정보 활용과 사회적 책무까지 AI 운용의 원칙으로 제시하고 있다. 따라서 우리가 추구하는 건 AI가 진료하는 병원이 아니다. AI를 통해 의료진에게 시간을 돌려주고, 그 시간을 다시 환자에게 돌려주는 병원이다. 가장 스마트한 병원이 가장 자동화된 병원이라고 생각하지 않는다. 궁극적으로는 가장 인간적인 병원이 가장 스마트한 병원이라 생각한다.
 
- 현재 서울성모병원에서 AI∙디지털 기술이 실제 진료나 병원 업무에 적용돼 의료진이 일상적으로 사용하고 있는 대표적 사례를 소개해달라.

우리는 연구용 AI와 진료에 실제 사용하는 AI를 명확히 구분한다. 실제 운영 단계의 대표적 사례는 음성기반 의료정보시스템이다. 서울성모병원은 2019년부터 영상의학, 병리, 진단검사 등의 판독 업무에 의료 특화 STT(음성 문자 변환)를 적용한 보이스 EMR을 운영해왔다. 이를 발전시켜 지금은 STT와 LLM(거대언어모델)을 결합한 생성형 AI 의무기록 시스템인 CMC GenNote를 운영하고 있다. 단순히 음성을 문자로 바꾸는 게 아니라 의료진의 말을 이해하고 요약해 EMR(전자의무기록) 서식에 맞는 기록 초안을 만들어주는 단계로 발전했다.

간호 분야에서도 큰 변화가 있었다. 올 2월부터 보이스 ENR(전자간호기록)을 전 병동으로 확대했고, 병동 간호사에게 전용 단말기와 음성인식 장비를 제공해 현장에서 기록과 확인이 가능하게 했다. 투약 과정에서는 환자 확인과 기록을 연계해 환자 안전을 강화하고 있다. 서울성모병원이 표현한 것처럼, 방향은 기록하는 간호에서 돌보는 간호로의 전환이다. 디지털병리도 실제 진료 인프라로 운영 중이다. 지난 2019년 국내에서 선도적으로 일차 병리진단을 위한 디지털병리 시스템을 구축했고, 영상∙병리 분야에서 AI 정량분석과 진단보조 기술을 지속적으로 확대하고 있다.

환자 측면에서는 모바일 문진, 진료 안내, 접수∙수납, 증명서 발급 등의 환자 여정이 디지털화되고 있고, 병원 운영 측면에서는 반복적인 행정업무를 자동화하는 RPA 시스템, 의료장비와 자원의 위치를 실시간으로 확인하는 RTLS 시스템, 데이터를 기반으로 경영 의사결정을 지원하는 BI 시스템 등을 활용하고 있다. 스마트병원은 진료실뿐 아니라 환자가 병원에 오기 전부터 귀가한 이후까지의 전체 경험과 병원 운영까지 포함한다고 생각한다.

반면 연구, PoC, 실증 단계에서는 입원환자 악화 예측, 의료 AI 에이전트, 멀티모달 암 진단 및 예후예측, 바이오마커 정량 분석, 의료영상 예비 판독문 생성, 다양한 의료 AI 솔루션의 임상 성능 검증 등을 추진하고 있다. 특히 우리는 의료데이터 중심병원 사업 주관기관으로서 기업이 개발한 AI 모델을 실제 의료데이터로 검증하고 임상현장에서 실증하는 역할을 확대하고 있다.
 
- 생성형 AI 기반 의무기록 작성 솔루션인 CMC GenNote의 경우 현재 적용범위와 사용 규모는 어느 정도인가. 실제 의료진의 기록 시간 감소나 환자 대면시간 증가 등 정량적 성과도 확인되고 있나.
 
CMC GenNote는 의료 특화 STT와 LLM, AI 에이전트 기술을 결합한 진료 대화를 자연스럽게 인식해 의무기록 작성을 지원하는 Ambient AI 기반 의무기록 지원시스템이다. 기존 보이스 EMR이 의료진의 음성을 정확히 문자로 바꾸는 데 초점을 맞췄다면, CMC GenNote는 진료 중 이뤄지는 대화를 이해하고 필요한 내용을 선별해 요약한 뒤 EMR 서식에 맞는 기록 초안까지 만들어 준다.

지난해 10월 시범운영을 시작한 이후 설치 환경을 외래 진료공간 전반으로 확대해 다양한 진료과에서 사용할 수 있게 하고 있다. 현재는 모델 정확도와 사용자 편의성을 개선하면서 적용 가능한 의무기록 서식을 지속적으로 확대하는 중이다.

다만 지금 단계에서 특정 시간 절감률 등을 성급하게 제시하는 것보다는 실사용 데이터를 충분히 축적한 뒤 객관적으로 평가하는 게 중요하다고 생각한다. AI 도입 효과는 단순히 기록 작성시간 몇 분이 줄었느냐 만으로는 평가할 수 없다. 향후에는 기록시간 감소뿐 아니라 진료 후 추가 기록 시간, 의료진의 수정량, 기록 완결성, 의료진 만족도와 번아웃, 환자와 눈 맞춤 및 대면시간, 환자 만족도까지 함께 평가하려 한다. 궁극적인 핵심성과지표는 AI가 얼마나 많은 문장을 작성했나가 아니라 AI가 의료진에게 얼마나 많은 시간을 돌려줬고, 그 시간이 환자에게 얼마나 돌아갔는가다.
 
- 생성형 AI가 의무기록을 작성할 경우 잘못된 정보 생성이나 기록 오류 가능성이 있다. CMC GenNote가 만든 기록은 어떤 방식으로 의료진이 검증하나. 오류 발생에 대비한 안전장치와 책임체계도 궁금하다.
 
원칙은 명확하다. AI는 의무기록 작성의 책임자가 아니라 의료진을 지원하는 도구다. CMC GenNote가 생성하는 건 어디까지나 초안이다. 담당 의료진이 원래 진료 내용과 비교해 확인하고 필요한 부분을 수정한 후 최종 승인해야 공식 의무기록으로 확정된다. 이게 사람이 개입해 결과를 검토하고 보정하는 방식(Human in the loop)의 가장 기본적 형태라 생각한다.

특히 생성형 AI의 경우 환각이나 누락을 완전히 없애겠다고 약속하는 것보다는, 오류가 발생할 수 있다는 사실을 전제로 안전한 시스템을 설계해야 한다. 따라서 생성 결과의 확인, 수정 이력 관리, 사용자별 사용 패턴과 오류 모니터링, 모델 성능에 대한 지속적 평가가 중요하다.

대학병원, 의료AI 개발 전 과정 주도하는 조율자…8개 병원 CMC 네트워크 큰 자산
 
- 최근 의료 AI가 단순히 정보를 제공하는 수준을 넘어 검사∙처방∙기록 검색 등 실제 업무를 수행하는 AI 에이전트 방향으로 발전하고 있다. 서울성모병원도 여러 AI와 에이전트를 EMR 및 병원 시스템과 연결하는 방안을 구상하고 있나.
 
병원 AI의 경쟁력은 개별 AI 모델을 몇 개 가지고 있느냐보다, 여러 AI를 병원 시스템과 얼마나 안전하게 연결하고 관리할 수 있는지에 따라 결정될 것이다. 현재는 하나의 솔루션이 하나의 업무를 처리하지만 에이전틱 AI가 발전하면 직원이 자연어로 요청했을 때 필요한 정보를 찾고, 여러 시스템을 연결하고, 정해진 권한 범위 안에서 업무까지 수행하게 될 거다. 이를 위해선 각각의 AI가 EMR에 직접 연결되는 방식은 바람직하지 않다. 병원과 AI 사이에 공통 AI 플랫폼 또는 AI 게이트웨이가 필요하다.

우리가 구상하는 방향은 병원 내부의 EMR, 그룹웨어, 데이터 플랫폼과 AI를 표준 API로 연계하고 AI 모델의 접근 권한, 사용자 인증, 개인정보 보호, 사용기록, 모델 버전, 결과 모니터링 등을 중앙에서 관리하는 구조다. 민감 의료정보를 다루는 업무에는 자체 GPU 인프라와 온프레미스 모델을 활용하고, 보안 수준과 업무 특성에 따라 상용 AI도 적절히 활용하는 하이브리드 AI 구조가 현실적인 방향이라 생각한다.

우선적으로 행정 AX를 추진하고 있다. 병원의 수많은 보고서, 회의자료, 규정 검색, 문서 작성 등 반복적 업무부터 AI가 지원하게 하고, 이후 진료 지원 영역으로 단계적으로 확대하는 게 안전한 접근이라고 본다. 다만 에이전틱 AI에서는 한 가지 원칙이 더욱 중요하다. AI에게 지능을 부여하는 것과 권한을 부여하는 건 다른 문제라는 점이다. 정보를 찾고 제안하는 AI와 실제 처방을 입력하거나 시스템을 변경하는 것은 위험도가 전혀 다르다. 따라서 AI가 수행할 수 있는 행동의 범위를 명확히 설정하고, 중요한 행위에는 반드시 인간의 승인 절차가 들어가는 구조가 필요하다.
 
- AI 기술이 빠르게 발전하면서 향후 대학병원의 역할은 직접 AI를 개발하는 것보다 실제 환자 데이터를 이용해 성능과 안전성을 검증하고 임상 적용 가능성을 판단하는 데 방점이 찍힐 수도 있지 않을까.
 
앞으로 대학병원의 가장 중요한 역할 중 하나가 AI의 임상적 가치, 안전성, 일반화 가능성, 업무 적합성을 검증하는 것이란 점은 분명하다. 다만 대학병원의 역할을 개발에서 검증으로 이동한다고만 표현하는 건 다소 단순화된 해석이라 생각한다. 좋은 연구논문을 발표한 AI라고 해서 바로 좋은 의료 AI가 되는 건 아니다. 실제 환자군에서 성능이 유지되는지, 다른 장비나 다른 의료진이 사용해도 동일한 결과가 나오는지, 기존 진료보다 실제 더 안전하고 효율적인지 검증해야 한다. 우리 병원이 의료데이터 중심병원 사업을 통해 기업의 AI 모델을 실제 의료데이터에서 PoC하고, 제품화된 솔루션을 의료현장에서 실증하는 역할을 강화하고 있는 것도 이런 이유다.
 
하지만 대학병원이 AI 개발에서 완전히 손을 떼어선 안 된다. 의료 현장의 중요한 문제는 의사와 간호사 등 의료진이 가장 잘 알고 있고, 의료데이터의 의미와 한계도 의료기관이 가장 정확하게 이해하고 있기 때문이다. 따라서 미래 대학병원의 역할은 모든 파운데이션 모델을 직접 만드는 게 아니라, 임상문제를 정의하고, 데이터를 구축하고, 기업∙연구자와 공동개발하고, 실제 환경에서 검증 및 안전하게 도입하는 전 과정을 주도하는 임상 AI 조율자(Clinical AI orchestrator)가 되는 것이라 생각한다.
 
또 하나 중요한 건 AI가 연결될 수 있는 병원정보시스템이다. 지금 많은 EMR은 AI가 전제되지 않던 시대에 만들어졌다. 앞으로는 정부와 의료계, 산업계가 함께 HL7FHIR, SNOMED CT, LOINC, DICOM과 같은 국제 표준을 기반으로 AI네이티브 헬스케어 체계의 레퍼런스 모델을 마련할 필요가 있다고 생각한다. 우리 병원도 이런 국제 표준을 기반으로 데이터와 시스템의 연결성을 높이는 방향을 추진하고 있다. 결국 AI 시대에 좋은 병원은 좋은 AI를 보유한 병원이라기보다, 좋은 AI를 빠르게 검증하고 안전하게 임상에 적용할 수 있는 병원이 되고자 한다.
 
- 실제 의료현장에서는 우수한 AI 솔루션이라 하더라도 EMR 연동, 의료진 워크플로우, 비용 등의 문제로 도입되지 못하는 경우가 많다. 의료 AI가 연구나 실증을 넘어 실제 임상현장에 안착하기까지 가장 큰 장벽은 뭔가.
 
AI 모델의 성능이 아무리 좋아도 실제 병원 현장에서 바로 사용할 수 있는 건 아니다. 의료 AI가 임상에 정착하기 위해선 여러 장벽을 동시에 넘어야 한다. 첫째는 기존 병원시스템과 연계다. AI가 EMR, PACS, 검사 시스템 등과 자연스럽게 연결되지 않으면 의료진이 별도의 프로그램을 열고 데이터를 다시 입력해야 한다. 아무리 좋은 AI라도 업무 흐름을 복잡하게 만들면 결국 사용이 어렵다.

둘째는 임상 검증과 환자 안전이다. 연구 데이터에서 좋은 성능을 보인 AI가 실제 우리 병원의 환자, 장비, 진료 환경에서도 동일하게 작동하는지 확인해야 한다. 도입 이후에도 성능 저하나 오류가 발생하지 않는지 지속 관리하고 평가해야 한다.

셋째는 데이터 관리와 정보보호다. 의료데이터는 매우 민감한 정보라 누가 어떤 목적으로 데이터를 이용하는지, 접근 권한은 어떻게 관리하는지, 외부 전송이나 보관은 안전한지, AI 학습에 활용되는지 등이 명확하게 관리돼야 한다. 최근에는 관련 법과 제도가 정비되면서 AI의 신뢰성과 투명성에 대한 요구도 더 높아지고 있다. 넷째는 경제성이다. 병원은 AI를 도입할 때 프로그램 비용뿐 아니라 기존 시스템과 연계 비용, 서버나 GPU 같은 전산 인프라 비용, 유지보수 비용까지 부담해야 한다. 그러나 아직 이를 보전할 수 있는 수가나 지속가능한 사업 모델이 충분하지 않은 경우가 많다.

마지막으로 가장 중요하면서도 간과되기 쉬운 게 사람과 조직의 변화다. AI 도입은 단순히 프로그램 하나를 설치하는 일이 아니라 기존 업무 방식을 바꾸는 일이다. 따라서 의료진과 직원들의 신뢰와 교육, 명확한 책임체계, 조직문화의 변화가 함께 이뤄져야 한다. 그래서 개인적으로 의료 AI 도입을 단순한 IT 구매사업으로 접근해서는 성공하기 어렵다고 생각한다. 결국 중요한 건 좋은 AI를 사는 게 아니라, AI를 실제 업무에 안전하게 녹여내고 조직의 일하는 방식을 바꾸는 거다.
 
- 서울성모병원은 CMC 네트워크를 보유하고 있다. 서울성모병원에서 검증된 AI나 스마트병원 기술을 다른 CMC 병원으로 확산시키는 체계가 마련돼 있나.

CMC 네트워크는 서울성모병원의 매우 중요한 강점이다. CMC는 서울성모병원을 포함한 8개 부속병원을 보유하고 있고, 오래 전부터 CMCnU라는 통합 의료정보시스템을 기반으로 병원 간 정보와 업무를 연결해왔다. CMCnU는 2009년부터 여러 부속병원을 하나의 의료정보 네트워크로 통합해 운영해 온 기반이며, 이후 통합 CDW와 엔터프라이즈 데이터 플랫폼으로 데이터 인프라가 발전해 왔다. 이런 구조는 AI 시대에 큰 장점이다.

새로운 AI를 8개 병원에 동시 도입하는 대신, 서울성모병원에서 먼저 PoC와 파일럿을 수행하면서 성능, 안전성, 워크플로우 적합성, 비용효과를 평가하고 검증된 기술을 CMC 네트워크로 단계적으로 확산할 수 있다.
 
여기서 중요한 건 소프트웨어를 복사해서 배포하는 것만으로는 확산이 되지 않는다는 점이다. AI가 다른 병원에서도 동일하게 작동하려면 데이터 형식, 용어, 검사코드, 업무 절차가 표준화돼야 한다. 따라서 CMC의 확산 전략은 AI 모델뿐 아니라 데이터, 워크플로우, 거버넌스의 표준화를 함께 추진하는 방향이어야 한다. 또한 8개 병원은 환자군과 지역적 특성이 서로 다르기 때문에 서울성모병원에서 개발, 검증한 모델을 다른 CMC 병원에서 외부 검증할 수 있다는 점도 학술적, 산업적으로 매우 중요한 자산이다.

AI가 중심이 아닌 AI로 다시 사람이 중심이 되는 병원 목표
 
- CODiPAI 사업을 통해 국내 최대 규모의 암병리 AI 데이터 인프라도 구축한 상태다. 그 의미와 성과에 대해 설명해달라.
 
CODiPAI는 의료 AI 생태계에서 병원이 어떤 역할을 할 수 있는지를 보여준 대표적 사례라 생각한다. 우리 병원을 중심으로 15개 대학병원과 9개 기업이 참여했고, 2021년부터 5년간 17만건 이상의 암 병리 전체 슬라이드 이미지와 정밀 어노테이션 테이터를 구축했다. 또 국내 최초, 최대 규모의 클라우드 기반 암 전문 AI 모델 개발을 위한 디지털병리 플랫폼을 구축했다. 병리 AI에서는 단순히 이미지가 많다고 좋은 데이터가 되는 게 아니다. 병리 전문의가 진단한 실제 임상자료를 표준화하고, 암과 정상조직 등 의미 있는 영역을 정확히 어노테이션하고, 여러 기관의 데이터를 일정한 품질로 관리해야 AI 개발에 활용할 수 있다.

CODiPAI가 중요했던 건 이런 고품질 데이터를 단순히 연구논문을 위해 만드는 데 그치지 않고 기업의 제품 개발과 임상 검증으로 연결했다는 점이다. 실제 참여기업들은 구축된 데이터를 활용해 영상분석, 정량 평가, 진단보조 AI 등을 개발했고, 이 가운데 5개 기업이 2등급 의료기기나 체외진단 소프트웨어 인증을 획득했다. 기업은 이런 병리진단 보조 AI 소프트웨어를 병원에 진료용으로 공급해 활발히 사용되고 있다.

이게 의료 AI의 선순환 구조다. 병원이 임상적으로 의미 있는 고품질 데이터를 제공하면 기업이 AI를 개발하고, 다시 병원이 실제 환자데이터로 검증하고 좋은 제품이 의료현장에 적용되는 구조다. 과거에는 병원이 데이터를 제공하는 역할에 머무르는 경우가 많았다. 앞으로는 병원이 문제 정의부터 데이터 구축, AI 개발, 임상검증, 실제 도입까지 의료 AI 가치 사슬 전체에서 중요한 역할을 해야 한다. 결론적으로 CODiPAI는 단순한 데이터 구축 사업이 아니라 데이터를 제품으로, 연구를 임상으로 연결하는 모델을 만들었다는 점에서 가장 큰 의미가 있다.
 
- 향후 3~5년 뒤 서울성모병원에서 일하는 의료진과 병원을 찾는 환자의 모습은 지금과 어떻게 달라져 있을 것으로 예상하나. 어떤 모습이 구현돼야 서울성모병원이 완전히 스마트병원으로 전환됐다고 평가할 수 있을까.
 
3~5년 뒤에는 병원에서 사람이 반복적으로 수행하고 있는 상당수의 단순 행정업무는 AI가 담당하게 될 거다. 의료진과 직원들은 수많은 규정과 지침을 직접 검색하거나 같은 내용을 여러 시스템에 반복 입력하는 대신, 각자의 업무를 이해하고 필요한 정보를 찾아주는 개인 AI 비서나 에이전트를 갖게 될 거다. 예를 들어 의료진이 이 환자의 최근 검사 변화와 지난 1년간 주요 진료내용을 정리해달라고 요청하면 AI가 필요한 정보를 찾아 요약하고, 필요한 서류의 초안을 작성할 수 있다. 간호사는 병상 옆에서 환자를 돌보며 음성으로 기록하고, AI가 필요한 항목을 정리해줄 수 있다. 이런 AI들은 각각 독립된 프로그램이 아니라 병원의 EMR, 데이터 플랫폼, 그룹웨어와 안전하게 연결될 거다.
 
하지만 스마트병원의 성과를 AI가 사람의 일을 얼마나 많이 대신했느냐로 평가해선 안 된다고 생각한다. AX의 목적은 인력을 단순히 줄이는 게 아니다. AI로 불필요하고 반복적인 일을 줄여 얻은 시간과 역량을 환자 진료, 설명, 간호, 교육, 연구처럼 사람이 더 잘해야 하는 일에 다시 배치하는 게 목적이다.
 
환자 입장에서도 변화가 있어야 한다. 예약 전부터 병원 방문, 검사, 진료, 입원, 퇴원, 퇴원 후 관리까지 하나의 연속된 환자 여정으로 연결되고, 필요한 정보를 환자가 먼저 찾아다니는 게 아니라 병원이 적절한 시점에 제공하는 구조로 바뀌어야 한다. 그리고 디지털 기술에 익숙한 환자뿐 아니라 고령자와 디지털 취약계층도 불편없이 이용할 수 있어야 한다. 기술이 편리함을 만드는 동시에 새로운 의료 격차를 만들어선 안 되기 때문이다.
 
그래서 개인적으로 생각하는 스마트병원의 완성은 병원 곳곳에 AI가 보이는 상태가 아니다. 오히려 기술은 뒤로 물러나고, 환자는 이 병원은 기다림과 불필요한 절차가 줄고 의료진이 나에게 더 집중한다고 느끼는 것, 의료진은 컴퓨터를 보는 시간이 줄고 환자를 볼 시간이 늘었다고 느끼는 것이 진정한 스마트병원이라 생각한다.

우리 병원이 지향하는 미래는 ‘AI가 중심이 되는 병원’이 아니라 ‘AI를 통해 사람이 다시 중심이 되는 병원’이다. 기술이 발전할수록 인간의 존엄은 더 중요해지고, AI가 정교해질수록 의료진의 책임과 따뜻한 돌봄의 가치도 더 커져야 한다. 결국 가장 스마트한 병원은 가장 자동화된 병원이 아니라 가장 인간적인 병원이라고 생각한다.