헬스 AI와 소버린 AI
Health AI와 Sovereign AI는 왜 만나는가
이전 글에서 인공지능이 클라우드에 머물러 있고 데이터를 그곳으로 보내는 구조에서, AI 자체가 데이터가 생성되는 곳으로 이동하는 Edge AI와 AIoT의 흐름을 살펴봤다.
모든 데이터를 멀리 있는 클라우드로 보내는 대신, AI 모델을 공장이나 자동차, 스마트폰과 같은 현장 가까이 배치하면 지연시간을 줄이고 네트워크가 끊긴 상황에서도 서비스를 계속할 수 있으며 민감한 원시 데이터를 외부로 보내지 않는 시스템도 설계할 수 있다.
그런데 AI가 데이터 가까이로 이동하기 시작하면 한 단계 더 근본적인 질문이 생긴다.
그 데이터와 AI를 누가 통제해야 하는가.
이 질문이 가장 선명하게 드러나는 분야 가운데 하나가 의료다.
의료 AI는 인간의 건강과 생명을 다룬다. 그리고 좋은 의료 AI를 만들기 위해서는 진료기록, 검사결과, 의료영상, 처방기록, 유전체 정보와 같은 막대한 의료 데이터가 필요하다.
WHO 역시 AI와 머신러닝을 의료에 적용하기 위해서는 대규모의 고품질 데이터가 필요하며, 그 데이터가 윤리적으로 수집되고 대상 인구를 충분히 대표하도록 관리하는 데이터 거버넌스가 중요하다고 강조한다.
바로 여기에서 Health AI와 Sovereign AI가 만난다.
의료 AI는 결국 데이터의 문제다
AI의 성능을 높이는 데 좋은 알고리즘만큼 중요한 것이 데이터다.
흉부 X-ray에서 질병을 판별하는 AI를 만든다면 수많은 의료영상과 진단 결과가 필요하고, 환자의 향후 위험을 예측하려면 오랜 기간 축적된 진료기록과 검사결과가 필요하다.
최근에는 텍스트뿐 아니라 영상, 검사결과 등 여러 종류의 정보를 함께 처리하는 대규모 멀티모달 모델까지 의료에 활용하려는 움직임이 나타나고 있다.
그러나 의료 데이터는 일반적인 인터넷 데이터와 성격이 다르다.
내가 어떤 질병을 앓았는지, 어떤 약을 복용하는지, 어떤 유전적 특징을 가지고 있는지는 극도로 민감한 개인정보다. 한번 유출된 의료정보는 비밀번호처럼 바꿀 수도 없다.
동시에 의료 데이터는 지역성도 강하다.
언어가 다르고, 의료기록을 작성하는 방식이 다르며, 국가마다 의료제도와 진료과정, 사용되는 의약품과 임상환경도 다르다.
따라서 한 환경에서 좋은 성능을 보인 AI라고 해서 다른 의료환경에서도 동일한 성능을 보장할 수 있는 것은 아니다.
WHO가 의료 AI 데이터에 대해 단순히 ‘많은 데이터’가 아니라 품질과 대표성, 편향 관리를 강조하는 이유도 여기에 있다.
따라서 의료 AI에서 데이터는 단순한 원료가 아니다.
누가 데이터를 보유하고, 누가 접근할 수 있으며, 어떤 목적으로 AI 학습에 사용할 수 있고, 개발된 AI를 누가 검증할 것인가라는 문제가 함께 따라온다.
이 질문은 곧 AI 주권의 문제다.
소버린 AI는 ‘국산 AI’만을 의미하지 않는다
소버린 AI라는 표현을 들으면 흔히 자국 기업이 자체적으로 개발한 거대언어모델을 떠올린다.
그러나 주권이라는 개념을 그렇게 좁게 보면 의료 AI와의 관계를 충분히 설명하기 어렵다.
유럽연합이 최근 강조하고 있는 기술 주권(Technology Sovereignty) 역시 핵심 기술과 데이터, 디지털 인프라를 스스로 개발하고 통제할 수 있는 능력과 외부 사업자에 대한 과도한 의존을 줄이는 문제로 설명된다.
이를 의료 AI에 적용하면 소버린 AI는 네 가지 층위에서 생각해볼 수 있다.
첫 번째는 데이터 주권이다.
국민의 진료기록과 의료영상, 유전체 데이터가 어디에 저장되고 누가 접근하며 어떤 목적으로 사용되는지를 통제할 수 있어야 한다.
두 번째는 모델 주권이다.
어떤 데이터로 학습됐는지도 알 수 없는 외부 AI를 그대로 의료현장에 사용하는 것보다는 우리 의료환경에서 성능을 검증하고, 필요하다면 국내 의료 데이터와 임상지식을 이용해 조정할 수 있는 능력이 필요하다.
세 번째는 인프라 주권이다.
의료 AI 서비스가 특정 해외 기업의 API나 클라우드 서비스에 전적으로 의존한다면 서비스 정책이나 가격의 변화, 장애, 접근 제한 등이 의료시스템에도 영향을 줄 수 있다. 모든 인프라를 반드시 국내 기술로 만들어야 한다는 의미는 아니지만 적어도 중요한 시스템을 어떻게 운영하고 대체할 것인지에 대한 선택권은 필요하다.
마지막은 거버넌스 주권이다.
AI가 내린 판단을 의료현장에서 어디까지 사용할 것인지, 어떤 성능 기준을 통과해야 하는지, 문제가 발생했을 때 누가 책임을 질 것인지는 각 사회의 법률과 의료체계 안에서 결정되어야 한다. WHO의 최근 의료 AI 논의에서도 기술 자체뿐 아니라 데이터 거버넌스, 법적·윤리적 체계, 책임성과 인간의 감독이 중요한 문제로 다뤄지고 있다.
따라서 소버린 AI의 핵심을 반드시
“우리나라가 모든 AI를 직접 만들어야 한다.”
라고 볼 필요는 없다.
오히려 중요한 것은
“우리가 사용하는 AI와 데이터를 이해하고, 선택하고, 검증하고, 통제할 수 있는가.”
라는 질문이다.
의료 데이터는 보호해야 하지만, 동시에 사용해야 한다
그런데 여기에는 또 하나의 역설이 존재한다.
의료 데이터가 민감하다는 이유로 데이터를 철저하게 막아버리면 개인정보는 보호할 수 있을지 몰라도 의료 AI의 발전은 어려워진다.
AI가 질병을 더 정확하게 예측하려면 다양한 환자의 데이터가 필요하다. 희귀질환처럼 한 병원이나 한 국가만으로 충분한 데이터를 확보하기 어려운 분야에서는 여러 기관과 국가의 협력이 더욱 중요하다.
따라서 의료 분야의 데이터 주권은 데이터를 국경 안에 가두는 것과 동일하지 않다.
오히려
통제권을 유지하면서 안전하게 사용할 수 있는 구조를 만드는 것
이 핵심이다.
데이터를 보호하기 때문에 사용하지 않는 것이 아니라, 데이터를 안전하게 사용하기 위해 통제체계를 만드는 것이다.
소버린 AI도 같은 관점에서 이해할 필요가 있다.
주권은 고립이 아니다.
한국에서도 의료 데이터와 AI가 함께 움직이고 있다
한국에서도 의료 AI 정책은 점차 AI 모델 자체보다 데이터와 실증 인프라를 함께 구축하는 방향으로 확대되고 있다.
보건복지부는 의료데이터 중심병원과 공공 보건의료 데이터의 활용을 확대하고 있으며, 2025년 보건의료데이터 정책 논의에서는 국립대병원의 임상데이터를 공공 데이터 인프라와 연계하고, 국가통합바이오빅데이터를 2028년까지 77만 명 규모로 구축하는 계획을 제시했다. 또한 의료 AI 기업의 데이터 활용을 지원하고, 2026년에는 의료 AI 솔루션의 성능과 효과를 실제 환경에서 검증하기 위한 실증 과제를 신설하는 계획도 밝혔다.
이러한 움직임을 곧바로 ‘소버린 AI 정책’이라고 부를 필요는 없다.
하지만 방향은 주목할 만하다.
AI 경쟁력이 단순히 더 좋은 알고리즘 하나를 만드는 것만으로 결정되지 않고,
어떤 데이터를 확보할 수 있는가, 그 데이터를 얼마나 안전하게 사용할 수 있는가, 그리고 만들어진 AI를 실제 의료현장에서 검증할 수 있는가
라는 국가적 인프라의 문제로 이동하고 있기 때문이다.
의료 AI가 발전할수록 의료 데이터 인프라의 중요성도 함께 커질 수밖에 없다.
가장 좋은 AI가 반드시 가장 큰 AI는 아니다
이 지점에서는 앞서 살펴본 Edge AI와도 다시 연결된다.
의료 AI의 모든 데이터를 거대한 중앙 클라우드로 모아야 하는 것은 아니다.
병원 내부 서버나 의료기기에서 AI를 실행하거나, 여러 의료기관의 데이터를 중앙으로 옮기지 않고 각 기관에서 학습하는 연합학습(Federated Learning)과 같은 접근도 연구되고 있다.
중요한 것은 기술 구조 자체가 아니라 데이터를 필요한 수준 이상으로 이동시키지 않으면서 AI의 성능을 확보하는 방법을 찾는 것이다.
따라서 앞으로의 의료 AI 경쟁에서는 가장 거대한 범용 모델 하나만 중요한 것이 아닐 수 있다.
범용적인 의료 지식을 다루는 대규모 모델, 특정 질환을 전문적으로 분석하는 의료 AI, 병원 내부에서 작동하는 모델, 의료기기 안에서 실시간으로 추론하는 경량 모델이 서로 다른 위치에서 역할을 담당할 수 있다.
결국 Health AI는** Cloud AI, Edge AI, 데이터 거버넌스, 의료제도와 Sovereign AI가 만나는 지점**이 된다.
의료 AI는 소버린 AI의 시험대가 될 수 있다
소버린 AI라는 단어는 자칫 국가 간 AI 패권 경쟁이나 거대언어모델 개발 경쟁처럼 들린다.
그러나 의료를 생각하면 이 개념은 훨씬 현실적인 문제가 된다.
내 진료기록은 어디에 저장되는가. 내 의료영상을 어떤 기업의 AI가 분석하는가. 그 AI는 어떤 환자들의 데이터로 학습되었는가. 우리나라 환자에게도 충분히 검증되었는가. AI가 잘못된 판단을 내렸을 때 누가 그것을 확인하고 책임지는가. 그리고 특정 해외 서비스에 접근하지 못하게 되었을 때 우리의 의료 AI 시스템은 계속 작동할 수 있는가.
이 질문들을 하나씩 따라가면 결국 데이터, 모델, 인프라, 규제와 운영 능력에 대한 통제권이라는 문제에 도달한다.
그래서 의료는 소버린 AI가 왜 필요한지를 설명하기에 가장 적합한 분야 중 하나다.
하지만 소버린 AI의 목표를 모든 기술을 국산화하고 외부와 단절하는 것으로 이해해서는 곤란하다. 의료 연구에는 국제협력이 필요하고, 좋은 해외 모델과 오픈소스 기술도 적극적으로 활용할 수 있어야 한다.
핵심은 의존하지 않는 것이 아니라 의존을 선택할 수 있는 능력이다.
필요하면 외부 기술을 사용할 수 있고, 필요하면 다른 기술로 전환할 수 있으며, 우리 국민의 데이터가 어떻게 사용되는지를 통제하고, 우리 의료환경에서 AI의 성능과 안전성을 스스로 검증할 수 있어야 한다.
결국 의료 AI 시대의 주권은 모든 것을 스스로 만드는 능력이 아니다.
우리의 건강과 의료체계에 영향을 미치는 AI를 우리가 이해하고, 선택하고, 검증하고, 통제할 수 있는 능력이다.
이전 글에서 AI가 데이터가 있는 곳으로 이동하고 있다고 이야기했다.
이제 다음 질문이 남는다.
AI가 우리 곁으로 왔을 때, 그 AI의 통제권 역시 우리 곁에 있는가.
Health AI는 앞으로 그 질문에 가장 먼저 답해야 하는 분야가 될 것 같다.