의료 AI의 다음 병목은 모델이 아니라 데이터 연결의 권한 설계다

2026. 9. 2.· 약 5분

핵심 판단

OpenAI는 2026년 9월 1일 ChatGPT for Healthcare에 Epic 전자의무기록(EHR) 연동과 Healthcare Public Data plugin을 추가한다고 발표했습니다. 조직이 승인한 환자 맥락과 PubMed·DailyMed·CMS Coverage 등 공식 데이터에 연결해 기록을 요약하고 비교하는 구조입니다. 의료 AI의 품질을 결정하는 질문은 “모델이 무엇을 아는가”보다 “누구의 어떤 데이터를 어떤 권한으로 읽고, 어떤 근거로 검토할 수 있는가”에 가깝습니다. OpenAI 발표 원문

연결되는 데이터의 종류

이번 발표는 하나의 검색창으로 모든 의료 정보를 섞는 기능이 아닙니다. EHR에는 예약 기록, 검사 결과, 약물, 전문의 문서처럼 특정 환자의 맥락이 있고, 공공 데이터에는 연구 논문, 의약품 라벨, 보험 보장 정책, 임상시험 정보가 있습니다. 같은 질문이라도 “환자에게 최근 무엇이 바뀌었나”는 EHR 비교이고, “이 약의 최신 경고는 무엇인가”는 공식 라벨 확인이며, “시험 참여 조건은 무엇인가”는 ClinicalTrials.gov 검색에 가깝습니다.

이 구분이 중요한 이유는 검색 결과의 정확도와 임상적 적합성이 다르기 때문입니다. 환자 기록을 정확히 요약해도 오래된 검사 결과를 최신 상태로 오해하면 문제가 되고, 논문을 잘 찾더라도 특정 환자에게 그대로 적용할 수는 없습니다. 그러므로 답변에는 내용뿐 아니라 데이터의 출처, 기준일, 식별자, 미확인 부분이 함께 표시되어야 합니다.

RAG의 실제 운영 경계

이 구조는 검색증강생성(RAG)의 의료 버전으로 해석할 수 있습니다. 검색기는 승인된 데이터베이스에서 관련 레코드를 찾고, 모델은 그 맥락을 요약하거나 비교합니다. 그러나 검색 결과가 있다고 해서 결론이 자동으로 검증되는 것은 아닙니다. 접근 권한 필터가 먼저 적용되어야 하고, 환자 식별 정보와 업무 목적이 맞아야 하며, 답변 문장이 어느 기록에 근거했는지 되돌아갈 수 있어야 합니다. OpenAI는 조직의 기존 권한을 바탕으로 EHR 맥락을 불러오고, 답변이 지원 자료를 가리키도록 설계했다고 설명합니다. 연동 방식 설명

회사는 의사가 27개 임상 사용 사례를 평가한 4,363개 평점에서 99.1%의 답변을 안전하다고 평가했고, 연결된 공공 데이터원별 정확도 평가에서 93% 이상이 ‘좋음’ 이상이었다고 밝혔습니다. 이는 회사가 제시한 평가 결과이며 실제 병원별 워크플로, 언어, 환자군에 그대로 일반화할 수 없습니다. 평가 수치는 도입의 출발점이지 의료 판단을 자동 위임해도 된다는 보증이 아닙니다.

기본 시나리오와 반대 시나리오

기본 시나리오는 사전 동의와 역할 기반 접근을 적용한 뒤, 의사가 원문 기록과 인용을 확인하면서 사전 방문 요약·인계·약물 변경 검토 같은 반복 업무를 보조하는 경우입니다. 이때 성공 기준은 답변이 유창한지가 아니라 누락률, 잘못된 환자 맥락 연결, 출처 클릭 가능성, 검토 시간, 수정 기록으로 정해야 합니다. OpenAI for Healthcare의 보안·통제 설명

반대 시나리오는 연결 가능한 데이터가 많아질수록 권한과 최신성 관리가 뒤처지는 경우입니다. 서로 다른 기관의 기록이 중복되거나, 정책 문서의 이전 버전이 섞이거나, 모델이 비어 있는 필드를 추정하면 그럴듯한 요약이 오히려 검토를 어렵게 합니다. 또 건강 정보는 민감정보이므로 학습 사용 여부, 보존 기간, 감사 로그, 계정 해지 후 처리까지 계약과 시스템에서 확인해야 합니다.

다음 체크포인트

도입 전에는 ① 어떤 역할이 어떤 필드를 볼 수 있는지, ② 환자·기관·정책의 기준일이 표시되는지, ③ 답변의 문장별 원문 링크가 살아 있는지, ④ 기록을 잘못 연결했을 때 정정·감사가 가능한지, ⑤ 모델이 모를 때 중단하거나 사람에게 넘기는지 확인해야 합니다. 공공 데이터도 PubMed의 논문과 CMS 보장정책처럼 성격이 다르므로 하나의 신뢰 점수로 합치지 않는 편이 낫습니다. CMS 데이터 포털 PubMed

이 글은 의료 AI 시스템의 데이터 연결 구조를 해설한 비개인화 기술 자료입니다. 증상·진단·약물·보험 판단을 제공하지 않으며, 실제 의료 의사결정은 자격 있는 의료진과 기관의 보안·법무 절차를 거쳐야 합니다.

출처가 많아질수록 필요한 운영 규칙

연결 데이터가 늘어나면 검색 품질만 평가해서는 부족합니다. 동일한 환자에 대해 서로 다른 기관의 검사 결과가 있을 때 최신 기록을 선택하는 규칙, 같은 약물의 상품명과 성분명을 연결하는 규칙, 보험 정책의 적용일을 비교하는 규칙을 먼저 정해야 합니다. 검색기는 관련성이 높은 문서를 가져오지만 임상적 우선순위나 법적 적용 여부를 최종 결정하지 않습니다.

감사 로그에는 모델의 최종 답변만 남기지 말고 사용된 레코드의 식별자와 버전, 접근한 역할, 사람의 수정 내용을 함께 저장해야 합니다. 그래야 결과가 바뀌었을 때 데이터 변경 때문인지 모델 변경 때문인지 구분할 수 있습니다. 의료 RAG의 완료 기준은 답변을 생성한 순간이 아니라 담당자가 원문을 재확인하고 수정 이력을 남길 수 있는 상태입니다.