AI 병원 4주 구축 아크릴(Acryl), EMR 교체 없는 풀스택 전략

많은 의료 관계자는 진정한 AI 병원을 구축하려면 수백억 원의 예산과 수년의 전면 교체가 필수적이라고 여깁니다. 하지만 진료 현장의 복잡한 워크플로를 중단한 채 기간계를 바꾸는 일은 현실적으로 불가능에 가깝습니다. 실질적인 의료 혁신은 거대한 차세대 사업 대신 기존 전자의무기록(EMR)을 보존한 채 두뇌를 얹는 방식에서 출발합니다.

인공지능 전환(AX) 전문 기업 아크릴(Acryl)이 제시한 해법이 바로 이 사각지대를 정조준했습니다. 아크릴은 정부의 ‘AI 기본 의료’ 전략 기조에 발맞춰 병원 폐쇄망 안에서 작동하는 독자적인 인프라를 가동합니다. 외부 클라우드 연결 없이 온프레미스 환경에서 불과 4주 만에 AI 병원 인프라를 완성한다는 점이 핵심 경쟁력입니다.

EMR 교체 딜레마를 깬 AI 병원의 현실적 조건

병원 정보시스템(HIS)의 중심축인 EMR은 의료 데이터의 보고이지만 동시에 가장 보수적인 레거시 시스템입니다. 병원마다 데이터 스키마와 임상 용어가 제각각 파편화되어 있어 새로운 AI 기술을 접목할 때마다 막대한 연동 비용이 들었습니다.

더 큰 장벽은 바로 엄격한 환자 개인정보 규제와 보안 문제입니다. 환자의 민감한 진료 기록과 처방 데이터를 외부 퍼블릭 클라우드나 해외 빅테크의 API로 전송하는 것은 불가능합니다. 결국 병원 울타리 안에서 안전하게 구동되는 구축형(On-Premise) AI 인프라가 유일한 현실적 대안으로 꼽힙니다.

실제로 최근 약업신문 보도에 따르면 아크릴은 이러한 구조적 난제를 정면 돌파하고 있습니다. 상급종합병원 11곳을 포함해 전국 17개 병원에서 이미 실증과 운용을 활발히 진행 중입니다. 기존 시스템 교체 없이 연동하는 실용적 접근이 보수적인 의료 현장의 진입 장벽을 무너뜨린 셈입니다.

아름.에이치(ALLM.H)와 나디아, 풀스택 데이터 연동의 원리

아크릴 전략의 핵심은 파편화된 EMR과 AI 모델을 잇는 3단계 풀스택 아키텍처입니다. 단순히 거대언어모델(LLM) 하나만 던져주는 것이 아니라 데이터 연동부터 추론과 운영까지 수직 통합했습니다. 이 구조 덕분에 병원은 레고 블록을 맞추듯 신속하게 인공지능 기능을 장착합니다.

가장 밑단에서는 의료 데이터 플랫폼인 나디아(NADIA)가 작동합니다. 나디아는 병원마다 서로 다른 EMR 데이터 구조를 표준화된 형태로 변환하고 자연어 질의(NL2SQL)를 연결합니다. 의료진이 일상적인 언어로 질문해도 복잡한 DB 쿼리로 치환되어 내부 폐쇄망 안에서 정확한 환자 데이터를 불러옵니다.

그 위에서 두뇌 역할을 맡는 모델이 보건의료 특화 LLM 아름.에이치(ALLM.H)입니다. 국내 의학 문헌, 최신 임상 가이드라인, 심평원 요양급여 고시, 의료법을 깊이 학습했습니다. 의사 및 약사 국가고시 문제에서도 우수한 성적을 거두며 한국형 임상 환경에 최적화된 추론 역량을 검증받았습니다.

마지막 운영 계층에서는 의료 AI 운영 플랫폼인 조나단.에이치(Jonathan.H)가 전체 파이프라인을 관제합니다. 일반 소프트웨어와 달리 의료 LLM은 정밀한 프롬프트 엔지니어링과 환각 통제가 필수적입니다. 효율적인 LLMOps 운영 파이프라인을 원스톱으로 갖추어 병원 내부 엔지니어 없이도 모델의 안정적인 배포와 모니터링이 가능합니다.

4주 패키징이 병원 경제성에 미치는 실질적 영향

의료 기관이 AI 병원 체제로 전환할 때 가장 경계하는 요소는 천문학적인 비용과 긴 다운타임입니다. 아크릴의 어플라이언스 패키징 전략은 이 경제적 불확실성을 획기적으로 낮춥니다. 전통적인 SI 구축 방식과 비교할 때 아크릴의 풀스택 접근은 구조적 차이를 보입니다.

위 비교에서 드러나듯 차별화의 핵심은 비침습적 연동과 즉시성에 있습니다. 기존 EMR 벤더와의 복잡한 데이터베이스 개편 협상 없이도 미들웨어 계층에서 데이터를 표준화해 가져옵니다. 수개월 이상 소요되던 시스템 검증 기간을 단 4주 수준으로 압축한 것은 병원의 기회비용을 극적으로 아껴줍니다.

이러한 신속한 구축 속도는 특히 지역 거점 병원과 공공의료 기관에 중요한 시사점을 던집니다. IT 예산과 전문 인력이 부족한 지방 병원도 서버 한 대로 고도화된 인공지능 환경을 손쉽게 확보합니다. 정부의 'AI 기본 의료' 정책이 목표로 하는 AI 병원 확산과 의료 불균형 해소의 실마리가 바로 여기에 있습니다.

IT-SUE의 시각

의료 AI 시장은 그동안 영상 진단 보조와 같은 단일 포인트 솔루션에 머물러 있었습니다. 하지만 의료진의 진짜 고통은 판독 자체보다 복잡한 차팅과 기록 조회 같은 행정적 워크플로에 있습니다. 아크릴이 제시한 모델은 단순 진단을 넘어 병원 워크플로 전체를 흡수하는 플랫폼 전략이라는 점에서 무게감이 다릅니다.

특히 주목할 지점은 비침습적 미들웨어를 통한 시장 침투 전략입니다. 기존 EMR 생태계를 파괴하려 들지 않고 공존을 택함으로써 병원 경영진과 정보보호 부서의 심리적 저항선을 영리하게 우회했습니다. 이러한 소프트웨어 스택은 향후 로봇이나 스마트 의료기기와 결합하는 '피지컬 AI(Physical AI)' 시대로 나아가는 핵심 관문이 될 것입니다.

물론 장밋빛 전망만 있는 것은 아닙니다. 의료 현장의 폐쇄망 환경에서 구동되는 고성능 GPU 서버의 지속적인 감가상각과 유지비용은 지방 중소 병원에 여전히 만만치 않은 과제입니다. 결국 초기 4주 구축의 속도를 넘어, 실제 진료 현장에서 의료진의 진료 피로도를 얼마나 실질적으로 줄여주는지가 장기적 승패를 가를 것입니다.