기술 2026. 06. 22.

건강 데이터, 민간 기업에 개방해야 할까?

국민 건강 데이터를 민간 기업에 개방해 의료 혁신을 이끌지, 개인정보 보호를 우선할지를 둘러싼 논쟁이 뜨겁다.

배경

한국은 세계 최고 수준의 건강보험 청구 데이터와 전자의무기록(EMR)을 보유한 국가로 꼽힌다. 건강보험심사평가원(심평원)과 국민건강보험공단이 관리하는 5천만 국민의 진료 이력, 처방 내역, 건강검진 결과 데이터는 의료 연구와 산업의 핵심 자원이다. 2020년 데이터 3법 개정으로 가명처리된 의료 데이터의 민간 활용 길이 열렸고, 정부는 '의료 마이데이터' 제도 도입을 추진하며 개인이 자신의 건강 데이터를 직접 관리하고 원하는 기관에 제공할 수 있는 체계를 구축 중이다. 네이버·카카오·삼성전자 등 국내 IT 대기업과 글로벌 빅테크들이 건강 데이터 기반 AI 진단·예측 서비스 개발에 경쟁적으로 뛰어들고 있다. 반면 2023년 카카오헬스케어의 건강 앱 데이터 수집 논란, 해외의 구글·애플 의료 데이터 활용 문제, 각국에서 반복되는 의료 데이터 유출 사건은 개인정보 침해 우려를 높이고 있다. OECD는 2023년 보고서에서 한국이 풍부한 의료 데이터를 보유했음에도 거버넌스 체계와 시민 동의 절차가 미흡하다고 지적했으며, 미국·영국·핀란드 등 선도국은 엄격한 동의·감사 체계 아래 데이터 활용을 확대하고 있어 한국의 제도 설계 방향이 주목받고 있다.

찬성 vs 반대

👍 찬성: 의료 혁신과 국민 건강 향상을 위해 개방해야 하는 이유

1. AI 기반 진단 정확도를 획기적으로 높인다

대규모 건강 데이터는 의료 AI 모델의 핵심 훈련 자원이다. 영국 NHS는 민간 기업 딥마인드(DeepMind)와 협력해 안저 사진 데이터 100만 건을 활용한 AI 모델을 개발했으며, 이 모델은 50가지 이상의 안과 질환을 전문의 수준인 94.5% 정확도로 진단하는 데 성공했다. 국내에서도 서울아산병원과 삼성전자의 협력 프로젝트로 흉부 CT AI 판독 시스템이 개발돼 폐결절 검출 정확도가 95%를 상회했다. 민간의 AI 개발 역량과 공공 의료 데이터가 결합하면 진단 사각지대를 줄이고 의료 접근성을 높이는 혁신이 가능하다. 특히 의료 인프라가 취약한 지방과 저소득층에게 AI 진단 서비스는 전문의 부재를 보완하는 실질적 수단이 될 수 있다.
출처: 영국 NHS·DeepMind 공동연구 보고서 2019, 서울아산병원 AI 의료 성과 발표 2022
2. 희귀질환 연구와 신약 개발을 가속화한다

희귀질환은 환자 수가 적어 단일 병원 데이터만으로는 통계적 유의성을 확보하기 어렵다. 민간 기업이 국가 차원의 통합 건강 데이터에 접근하면 수천만 명의 데이터를 바탕으로 희귀질환 바이오마커를 발굴하고 신약 후보 물질을 효율적으로 선별할 수 있다. 미국 FDA는 실세계 데이터(RWD) 활용 가이드라인을 통해 임상시험 비용을 평균 30% 절감한 사례를 제시했다. 글로벌 제약사 노바티스는 영국 바이오뱅크 50만 명 데이터를 활용해 알츠하이머 관련 유전 변이 10개 이상을 새로 발굴했다. 한국도 이와 같은 공공·민간 협력 모델을 도입하면 글로벌 신약 개발 경쟁에서 데이터 강국으로 자리매김할 수 있다.
출처: 미국 FDA 실세계증거 활용 프레임워크 2023, 노바티스·UK Biobank 공동연구 2022
3. 예방 의학 강화로 건강보험 재정 부담을 줄인다

만성질환 조기 예측 모델은 고위험군을 사전에 식별해 발병 전 개입을 가능하게 한다. 핀란드는 민간 헬스케어 기업과 공공 데이터를 연계해 당뇨병 고위험군 예측 시스템을 구축했고, 당뇨 합병증 발생률을 5년간 20% 감소시키는 성과를 거뒀다. 맥킨지 글로벌 인스티튜트는 건강 데이터 개방 및 분석 고도화가 전 세계 의료비를 연간 최대 1조 달러 절감할 수 있다고 추산했다. 건강보험연구원도 2022년 보고서에서 국내 만성질환 예방에 투자한 1원이 치료비 3~5원을 절감하는 효과가 있다고 밝혔다. 민간의 분석 역량을 활용한 예방 플랫폼 구축은 국민 건강 향상과 재정 효율화를 동시에 달성하는 방법이다.
출처: 핀란드 국가건강데이터플랫폼 Kanta 성과 보고서 2023, 맥킨지 글로벌 인스티튜트 2023, 건강보험연구원 2022

👎 반대: 개인정보 침해와 데이터 사유화 위험이 너무 큰 이유

1. 건강 데이터는 재식별 위험이 높아 익명화만으로 보호할 수 없다

건강 데이터는 특이성이 높아 다른 데이터와 결합하면 가명처리 후에도 개인을 특정할 수 있다는 연구가 다수 존재한다. MIT 미디어랩 연구진은 2019년 논문에서 생년월일·성별·우편번호 세 가지 정보만으로 미국인의 87%가 재식별 가능하다고 밝혔으며, 의료 기록이 추가될 경우 재식별 정확도는 더욱 높아진다. 호주에서는 2016년 정부가 익명화했다고 발표한 약 300만 명의 의료 청구 데이터가 연구자들에 의해 몇 시간 만에 재식별된 사건이 발생했다. 국내에서도 희귀질환자나 특이 수술 이력 보유자의 경우 소수 조합만으로 개인이 특정될 수 있어, 완전한 익명화는 현실적으로 불가능하다는 전문가 지적이 이어지고 있다.
출처: MIT Media Lab 재식별 연구 2019, 호주 의료 데이터 재식별 사건 분석 2017, 개인정보보호위원회 의료데이터 위험성 검토 보고서 2022
2. 보험 차별·고용 차별 등 상업적 오남용이 현실화될 수 있다

건강 데이터가 민간 보험사나 기업에 유통될 경우 질병 이력을 이유로 보험료 인상, 가입 거부, 취업 차별로 이어질 수 있다. 미국에서는 유전자 검사 기업 23andMe가 수집한 DNA 데이터를 제약사에 판매한 사실이 알려지며 대규모 소비자 반발을 샀고, 이 기업은 2024년 파산 이후 데이터 처리 방향이 불투명해져 개인정보 우려가 증폭됐다. 한국 국가인권위원회는 2021년 의견서에서 건강 데이터가 차별적 목적으로 활용될 경우 헌법상 평등권과 사생활 보호권을 침해한다고 경고했다. 실제 민간 건강보험 시장에서 유전정보나 만성질환 이력은 이미 보험료 산정에 반영되고 있어, 데이터 개방이 확대될수록 차별의 정밀도도 높아질 것이라는 우려가 크다.
출처: 미국 23andMe 파산 및 데이터 처리 분석 2024, 국가인권위원회 의료데이터 활용 의견서 2021, 한국소비자원 디지털 헬스 소비자 피해 현황 2023
3. 국민 세금으로 구축한 공공 데이터가 대기업에 독점될 위험이 있다

국민의 건강보험료와 세금으로 수십 년간 축적된 공공 의료 데이터를 민간 기업이 독점적으로 활용할 경우 그 이익이 국민에게 환원되지 않을 가능성이 크다. 영국에서는 NHS 데이터를 활용한 딥마인드-구글 계약이 적절한 공익 절차 없이 이뤄졌다는 이유로 영국 정보감독기관(ICO)이 NHS 트러스트에 제재를 가한 바 있다. 데이터 경제에서는 규모가 큰 기업일수록 더 많은 데이터를 확보해 경쟁 우위가 강화되는 '데이터 독점' 구조가 형성된다. OECD는 2022년 디지털 경제 보고서에서 소수 플랫폼 기업의 데이터 집중이 의료 혁신의 다양성을 오히려 저해한다고 경고했으며, 국내에서도 대형 플랫폼 기업의 데이터 선점이 중소 의료 스타트업과 공공 연구기관의 성장을 가로막을 수 있다는 우려가 제기되고 있다.
출처: 영국 ICO·NHS 딥마인드 계약 감사 결과 2017, OECD 디지털 경제 아웃룩 2022, 한국경제연구원 플랫폼 데이터 독점 연구 2023

교차 반론

👍 찬성 → 👎 반대 반박

재식별 위험은 기술의 발전과 제도적 장치로 충분히 통제 가능하다. 차등 프라이버시(Differential Privacy), 연합학습(Federated Learning), 동형암호 같은 최신 기술은 원본 데이터를 외부에 내보내지 않고도 AI 모델을 학습시킬 수 있게 해준다. 구글은 스마트폰 사용자 데이터를 기기 밖으로 이전하지 않는 연합학습 기술로 개인정보를 보호하면서도 AI를 개선하고 있으며, 이 방식을 의료 데이터에도 그대로 적용할 수 있다. 핀란드의 국가 데이터 접근 기관 '핀젠(Findata)'처럼 제3의 공공기관이 심사와 감사 절차를 담당하는 모델을 도입하면 재식별 위험을 제도적으로 차단할 수 있다. 데이터를 완전히 잠그는 것은 기술과 공익 혁신 기회를 동시에 포기하는 것이며, 제도와 기술을 병행 발전시키는 것이 현실적인 해법이다.

👎 반대 → 👍 찬성 반박

연합학습·차등 프라이버시 같은 기술적 보호 장치는 아직 성숙 단계이며, 상업적 이해관계가 강한 민간 기업이 이를 철저히 준수하리라는 보장이 없다. 페이스북은 프라이버시 보호를 표방하면서도 실제로는 광범위한 데이터 수집을 지속해 수차례 규제 제재를 받았고, 2018년 캠브리지 애널리티카 사건은 기술적 안전장치가 기업의 이익 추구 앞에 쉽게 무력화될 수 있음을 보여줬다. 의료 데이터는 한 번 유출되거나 오남용되면 피해를 되돌릴 수 없다는 점에서 일반 데이터와 본질적으로 다르다. 기술적 해법의 실효성이 실제 환경에서 충분히 검증되고 강력한 규제 집행 체계가 갖춰지기 전까지, 섣부른 데이터 개방은 돌이킬 수 없는 피해를 초래할 수 있다.

👍 찬성 → 👎 반대 반박

데이터 독점과 공공 자산 사유화 우려는 '데이터 개방 여부'가 아니라 '활용 계약 구조'의 문제로, 제도 설계를 통해 해결 가능하다. 영국은 NHS 데이터 거버넌스 체계를 개편해 기업이 데이터를 활용해 얻은 수익 일부를 공공에 환수하고 연구 결과를 오픈사이언스 방식으로 공유하도록 의무화하는 방향을 추진 중이다. 한국도 데이터 활용 수익의 일정 비율을 건강보험 재정이나 공공 의료 연구에 재투자하도록 법제화하면 국민이 데이터 가치의 실질적 수혜자가 될 수 있다. 개방 자체를 막는 것은 혁신과 공공 이익 모두를 잃는 선택이며, 엄격한 공공 통제 아래 조건부 개방과 이익 공유 의무화가 현실적인 대안이다.