미국 영상의학 인공지능 소프트웨어 메디케어 보험급여 현황

[Health Policy Insight 513호]

헬스케어 분야의 인공지능(artificial intelligence, AI)은 2016년 이후 1,200개 이상의 AI 기반 의료기기가 시판승인을 받으며 지속적으로 성장하고 있다. 이 중 상당수는 영상의학 기반이다. 과거 연구들은 사보험 가입 환자를 대상으로 모든 의사의 AI 도입률을 평가했으나, 영상의학 전문의의 도입률이나 메디케어(Medicare) 내 도입률을 구체적으로 평가한 연구는 없다. 이런 지식 격차는 미국 최대 보험자인 미국 보험청(Centers for Medicare and Medicaid Services, CMS)이 2018년부터 영상 중심의 AI ‘서비스로서의 소프트웨어(Software-as-a-Service, SaaS)’에 대해 의사들에게 보험급여를 제공했다는 점에서 더욱 두드러진다. SaaS란 클라우드 기반 소프트웨어로, 인터넷을 통해 원격으로 사용되며 지역적 설치가 필요하지 않다. CMS는 시간이 지남에 따라 보험급여가 가능한 SaaS 기반 AI를 확대해 왔으나, 전국 및 지역 보험급여 결정의 파편화된 체계(patchwork)에 의존한 탓에 보험급여 정책은 불완전하고 분절적이었다고 평가된다. 본 연구는 메디케어 내 영상의학 전문의의 AI 도입에 대한 전국적 종단 분석으로는 최초의 연구이다.
전체적으로, 연구기간 동안 영상의학 의사들은 메디케어에 총 83,392건의 AI 서비스를 제공하고 청구했다. 이 중 47.4%(39,535건)가 승인돼 지급됐으며, 이는 800만 달러의 지불보상액을 반영한다. 반면, 52.6%(43,857건)의 서비스는 메디케어에 의해 거부됐으며, 이는 누적액으로 1,640만 달러에 해당한다.

시간 경과에 따른 AI 도입 현황(AI Adoption Over Time)
도입 건수는 2018년 1,507건에서 2023년 53,586건으로 증가했다. 승인된 서비스는 2018년 424건(제출된 전체 서비스의 28.1%)에서 3만 달러의 지불보상액에서 2023년에는 17,014건(제출된 전체 서비스의 31.8%)으로 증가해 460만 달러의 지불보상액을 보였다. 이 기간 동안 거부된 AI 서비스도 증가해, 2018년 1,083건(제출된 전체 서비스의 71.9%)으로 잠재적 지불보상액이 6만 달러에 달한데 비해, 2023년에는 36,572건(52.6%)으로 잠재적 지불보상액이 1,020만 달러에 달했다.

서비스 유형별 AI 도입 현황(AI Adoption by Service Type)
2018~2023년에 컴퓨터 단층촬영(CT) 기반 분획 유량 예비량(Fractional Flow Reserve, FFR)이 가장 많이 이용됐으며, 총 35,845건의 서비스(전체 승인 서비스의 90.7%)가 승인돼 780만 달러의 보험급여가 이뤄졌다. 나머지 이용도는 LumineticsCore(2,997건), 저박출률(Low Ejection Fraction) AI-심전도 서비스(563건), Cleerly Labs(84건), LiverMultiScan(29건), 정량적 자기공명 담관췌관조영술(Quantitative Magnetic Resonance Cholangiopancreatography, 13건), Coverscan(4건, 0.01%)이 차지했으며, 총 지불보상액은 30만 달러였다. LiverMultiScan은 98.2%의 최고 거절률을 기록하며 90만 달러의 잠재적 지불보상액을 나타냈고, Low Ejection Fraction AI-ECG Service(98.2%, 잠재적 지불보상액 270만 달러), Cleerly Labs(97.2%, 잠재적 지불보상액 710만 달러), Coverscan(96.3%, 잠재적 지불보상액 9만 달러), 정량적 자기공명 담관췌관조영술(93.6%, 잠재적 지불보상액 6만 달러)이 뒤를 이었다. 반면, CT 기반 분획 유량 예비량(FFR-CT)(18.5%, 잠재적 지불보상액 550만 달러)과 LumineticsCore(5.8%, 잠재적 지불보상액 2만 달러)의 거절률은 상대적으로 낮게 나타났다.

서비스 제공 의료기관별 AI 도입 현황(AI Adoption by Site-of-Service)
2018~2023년에 AI 서비스는 의료기관 내 외래 병원(on-campus outpatient hospital)에서 가장 많이 도입됐으며(24,254건, 전체 승인 서비스의 61.3%), 그 다음으로 의사 진료실(12,721건, 전체 승인 서비스의 32.2%)이 뒤를 이었다. 의료기관외 외래환자 병원(off-campus outpatient hospital, 1,365건), 입원환자 병원(901건), 독립 클리닉(254건), 응급실(30건)에서는 소수 서비스만 도입됐다. 이런 결과는 몇 가지 통찰력과 향후 연구 방향을 시사한다. 무엇보다도 메디케어 내 AI 도입 증가가 해당 서비스에 적합한 지불보상 시스템 설계 필요성에 대한 실증적 근거를 제공한다. 본 연구는 AI 서비스 보험급여를 위한 한 가지 방안으로 의사수가(Physician Fee Schedule)와 전용 CPT 코드에 초점을 맞췄다. 소수의 코드에는 실행 가능하지만, 대규모 적용 시 문제가 발생할 수 있다. AI 서비스의 확산은 다수의 코드 필요성을 촉발할 수 있으며, 급속한 기술 발전은 기존 코드가 쓸모 없어지고 신규 코드로 대체돼야 하는 동적 코딩(dynamic coding)을 요구할 수 있다. 코드 기반 보험급여는 또한 의도치 않게 행정적 부담(예를 들어, 보험급여 결정 준수 및 거절 방지를 위한 문서화)을 유발할 수 있으며, 이는 본 연구에서 관찰된 상당한 서비스 거절률로 확인된 우려사항이다.
대안적인 접근방식이 존재한다. 첫째, 리더들은 유사한 AI 서비스를 코드 패밀리(code family)로 묶어 시간에 따른 진화와 동적 코딩을 허용하는 방안을 고려할 수 있다. 이 방법은 영상의학 분야의 AI 기술이 단일 솔루션(point solution)에서 범용 솔루션(platform solution, 예를 들어, 범용 영상의학 AI)으로 발전함에 따라 특히 유용할 수 있으며, 코드 역시 케어 조정 코드 패밀리(care coordination code family)에 사용되는 코드를 반영할 수 있다. 또 다른 방안으로, 리더들은 SaaS 기반 및 기타 AI 서비스를 위해 완전히 새로운 코드 및 보험급여 시스템을 구축하는 것을 선호할 수 있다. 그러나 새로운 코드 및 보험급여 시스템 구축에는 현재 진행 중인 코드 분류 체계와 코드 가치평가 체계 수립 노력이 필요하다. 연구 결과의 또 다른 함의, 특히 미국 보험청 승인에도 불구하고 코드 사용이 부족하다는 점은 전용 가치기반 지불보상 모델(value-based payment model) 맥락에서 AI를 평가하는 이점을 부각시킨다. 실제로 케어 조정 코드 제공에 대한 인센티브는 일반적 사용에서는 제한적일 수 있으나, 비용 효율성과 질 결과에 대해 의료진에게 재정적 보상을 제공하는 가치기반 모델에서는 훨씬 강력할 수 있다. 마찬가지로, AI 도입에 대한 인센티브와 과다사용에 대한 억제 효과는 수가와 같은 방식보다 결과 중심 모델 내에서 더 강력하게 작용할 수 있다.

* 본 컬럼은 의료기기를 비롯한 헬스케어 분야의 국내외 학회지에 발표된 논문 및 연구보고서 등을 살펴봄으로써 우리나라 의료기기 관련 보건의료정책 마련에 통찰력을 제공하기 위한 목적으로 매주 발표됨

* 출처 : National Adoption of Artificial Intelligence Software in Medicare Among Radiologists

Zhang E, et al. Journal of the American College of Radiology.
https://doi.org/10.1016/j.jacr.2025.09.011
https://www.jacr.org/article/S1546-1440(25)00520-4/abstract