손목 위의 의사, 보험이 인정할 수 있을까? — 웨어러블 데이터의 의료급여 적용 가능성과 그 규제 현실

도입 — 미충족 수요 또는 배경 문제 제시

하루 24시간, 수면 중에도 쉬지 않고 심박수·산소포화도·심전도·활동량·피부온도를 기록하는 웨어러블 디바이스가 이미 전 세계 수억 명의 손목을 감싸고 있다. 2024년 기준 글로벌 스마트워치 출하량은 연간 1억 6천만 대를 상회하며, Apple Watch 단일 제품만으로도 누적 심방세동(AF) 알림 기능이 수십만 건의 임상적 조치를 유도했다는 보고가 나오고 있다.

그러나 의료 현장에서는 역설적인 공백이 존재한다. 환자가 6개월치 연속 혈압 트렌드 데이터를 스마트폰 앱에서 꺼내 보여줘도, 의사가 그 데이터를 검토하고 임상 판단에 활용하는 행위에 대한 수가(보험급여)가 사실상 전무하다. 데이터는 폭발적으로 생성되는데, 그것을 해석하고 의료 의사결정에 통합하는 행위는 제도적으로 '보이지 않는 노동'으로 남아 있다.

이 간극은 단순한 불편함을 넘어 구조적인 미충족 수요를 만들어낸다.

• 공급 측: 환자는 방대한 생체 데이터를 생산하지만, 그것이 의료 시스템 안에서 가치 있게 소비되지 않는다.
• 수요 측: 만성질환 원격 모니터링, 퇴원 후 재입원 예방, 심혈관계 이상 조기 감지 등 임상적 필요는 명확하지만, 지불 구조가 따라오지 못하고 있다.
• 형평성 측: 고가 웨어러블 기기를 구매할 수 있는 고소득층과 그렇지 못한 취약계층 사이의 의료 데이터 불균형이 심화될 수 있다.

이 글에서는 웨어러블 데이터가 의료급여 체계 안으로 편입되기 위해 어떤 기술적·규제적·비즈니스적 조건이 필요한지를 최신 동향과 함께 분석한다.

이 연구/주제가 지금 주목받는 이유 — 최근 미디어 보도, 빅테크·바이오테크 투자 동향, 글로벌 보건 정책 변화 등 대중적·비즈니스적 맥락과 연결해서 설명

빅테크의 '의료 플랫폼' 전환 가속

Apple은 2024년 FDA De Novo 승인을 받은 Apple Watch의 부정맥 감지 알고리즘을 기반으로, 의료기관과의 데이터 연동 API인 HealthKit Clinical 확장 사업을 본격화했다. Google은 Fitbit 인수(2021) 이후 Health Connect 플랫폼을 통해 안드로이드 생태계의 웨어러블 데이터를 전자의무기록(EMR)과 통합하는 파이프라인을 구축하고 있으며, Samsung은 Samsung Health SDK를 통해 병원 파트너십을 확대 중이다. 이들의 공통된 전략적 목표는 하나다: 웨어러블을 '피트니스 도구'에서 '급여 청구 가능한 의료 모니터링 장치'로 격상시키는 것.

미국 CMS의 원격 환자 모니터링(RPM) 수가 확대

미국 메디케어·메디케이드 서비스센터(CMS)는 코로나19 팬데믹을 계기로 CPT 코드 99453·99454·99457·99458 등 원격 환자 모니터링(Remote Patient Monitoring, RPM) 관련 수가를 신설·확대했다. 특히 CPT 99454는 디바이스 설치 및 30일간 데이터 전송에 대한 급여를 제공하며, 웨어러블 혈압계·혈당계·맥박산소포화도 측정기 등이 적용 대상에 포함된다. 2023년 기준 미국 RPM 시장 규모는 약 44억 달러이며, 2030년까지 연평균 18% 이상 성장이 전망된다.

국내 정책의 미세한 움직임

한국에서는 2023년 말 보건복지부가 디지털 치료기기(DTx) 급여화 시범사업을 시작했고, 2024년에는 만성질환 관리 시범사업 내에서 혈압·혈당 원격 모니터링 데이터 활용에 대한 시범 급여 항목이 일부 도입됐다. 그러나 Apple Watch나 Galaxy Watch 같은 소비자용(consumer-grade) 웨어러블의 데이터를 직접 급여 청구에 활용하는 것은 여전히 허용되지 않는다.

주요 글로벌 언론의 관심 집중

2024년 The New England Journal of Medicine에 게재된 Apple Heart Study 후속 분석과, JAMA Cardiology에 발표된 대규모 AF 조기 감지 연구가 주요 미디어에 일제히 보도되면서, 웨어러블 데이터의 임상적 신뢰성 논쟁이 학계를 넘어 일반 대중의 의제로 부상했다.

핵심 분석 — 논문/기술의 방법론, 데이터, 주요 결과를 심층 분석

1. 웨어러블 데이터의 임상적 신뢰성: 어디까지 왔는가?

심전도(ECG) 및 심방세동 감지

Apple Watch Series 4 이후 탑재된 단극 ECG 기능은 New England Journal of Medicine에 발표된 Apple Heart Study(n=419,093)에서 AF 감지 민감도 71%, 특이도 98.9%를 보였다. 그러나 이 연구의 한계는 명확하다: 참여자가 Apple 기기 보유자로 편향(젊고 건강한 남성 과대 표집), AF 유병률이 낮은 집단에서의 양성예측도(PPV) 저하, 그리고 단극 리드의 본질적 한계(ST 분절 이상, 다양한 부정맥 유형 감별 불가)가 그것이다.

최근 JAMA Cardiology에 발표된 Fitbit Heart Study(n=455,699)는 고위험군에서 AF 감지 PPV 98%를 보고했으며, 웨어러블 광용적맥파(PPG) 기반 알고리즘의 임상 적용 가능성을 강화했다.

혈압 모니터링: 가장 뜨거운 전장

Samsung Galaxy Watch Ultra 등이 탑재한 **cuffless 혈압 측정(PPG + 가속도계 기반)**은 임상 현장에서 가장 논란이 큰 영역이다. 2023년 Hypertension 저널에 발표된 메타분석(15개 연구, 총 1,847명)에 따르면, cuffless 기기의 수축기 혈압 평균 오차(MAE)는 ±6.4 mmHg로 ISO 81060-2 기준(MAE ≤5 mmHg)을 충족하지 못하는 경우가 다수였다. 이 수준의 오차는 혈압약 용량 조절 같은 임상 결정에 직접 활용하기에 충분하지 않다는 점에서 급여화의 최대 걸림돌로 작용한다.

수면·활동량·스트레스 지표

수면다원검사(PSG) 대비 웨어러블 수면 단계 분류의 정확도는 총 수면 시간에서 상관계수 r=0.88 수준을 보이지만, 수면 단계(REM, N3 등) 세분화에서는 오류율이 높다. 활동량(METS) 측정은 임상 연구에서 상당히 검증됐으나, 개별 기기 간 알고리즘 차이로 인한 비교 불가능성이 문제다.

2. 급여화의 기술적·규제적 허들

의료기기 인허가 분류 체계와의 충돌

웨어러블 데이터가 급여 청구의 근거가 되려면, 해당 디바이스가 **의료기기(Medical Device)**로 규제 승인을 받아야 한다. 그런데 여기서 핵심 긴장이 발생한다:

FDA는 Apple Watch ECG 기능에 De Novo 승인을 부여했지만, 이것이 자동으로 메디케어 급여 대상이 되지는 않는다. CMS는 별도의 국가 커버리지 결정(NCD) 또는 지역 커버리지 결정(LCD) 절차를 요구한다.

데이터 품질 표준화 문제

현재 Apple, Samsung, Garmin, Fitbit 등 주요 웨어러블 제조사는 서로 다른 알고리즘과 센서 보정 방식을 사용하며, 동일한 환자에서 측정된 데이터라도 기기 간 비교가 어렵다. 급여 청구를 위한 데이터 표준으로 **HL7 FHIR(Fast Healthcare Interoperability Resources)**의 역할이 주목받고 있으나, 제조사들의 FHIR 구현 수준은 아직 불균일하다.

알고리즘 블랙박스와 책임 소재

웨어러블 기기가 AI 알고리즘으로 "심방세동 가능성 있음"을 알림 시, 이를 확인하지 않은 의사, 알림을 무시한 환자, 알고리즘을 개발한 기업 중 누가 법적 책임을 지는가? 이 알고리즘 책임(Algorithmic Liability) 문제는 급여화 이전에 반드시 해결돼야 할 법·윤리적 과제다.

임상·비즈니스 가치 — 실제 의료 현장 또는 헬스케어 시장에서의 적용 가능성과 한계

임상 적용 가능성

긍정적 신호

만성 심부전 환자 원격 모니터링은 현재 가장 성숙한 적용 영역이다. 미국에서는 이미 CardioMEMS(폐동맥압 모니터링 임플란트), iRhythm Zio Patch(장기 ECG 패치) 등이 급여권에 진입해 있으며, 차세대 대상으로 소비자용 스마트워치 ECG가 논의되고 있다. GUIDE-HF 연구에서 원격 혈역학 모니터링이 심부전 환자의 90일 재입원율을 유의하게 감소시킨 것이 확인된 바 있다.

당뇨병 관리 영역에서는 연속혈당측정기(CGM)가 이미 급여화에 성공한 선례를 보여준다. Dexcom G6, FreeStyle Libre 2 등은 FDA 승인 후 메디케어 급여 적용을 받았으며, 이 경로가 다른 웨어러블 생체 신호의 급여화 로드맵으로 자주 인용된다.

한계와 위험

• 위양성의 임상 부담: 웨어러블이 AF를 알림할 때, 이를 확인하기 위한 Holter 모니터링, 심장내과 외래 방문, 항응고 치료 개시 등의 연쇄 과정이 의료 시스템에 상당한 비용을 발생시킨다. 이 비용이 조기 발견의 이득보다 큰가에 대한 비용-효과 분석이 아직 충분하지 않다.
• 데이터 과부하와 임상의 번아웃: 하루에도 수십 명의 환자가 생성하는 수만 건의 웨어러블 데이터를 의사가 검토하는 것은 현실적으로 불가능하다. AI 기반 트리아지 없이 데이터만 쏟아지면, 임상의의 인지 과부하(Cognitive Overload)가 심화된다.
• 개인정보 보호: 지속적인 생체 데이터 수집은 보험사 차별, 고용 차별 등의 부차적 위험을 내포한다. 한국 개인정보보호법, 미국 HIPAA·GINA 등의 보호 장치가 있지만, 기업 생태계 내 데이터 흐름에 대한 규제 공백이 여전하다.

비즈니스 가치와 시장 기회

단기(1~3년): RPM 인프라 플랫폼

현재 가장 현실적인 비즈니스 기회는 RPM 데이터 중계 및 임상 알림 관리 플랫폼이다. 미국에서는 이미 Biofourmis, Current Health, Liminal Care 등이 병원 파트너십을 통해 RPM 수가를 청구하는 비즈니스 모델을 운영 중이다. 핵심 가치는 "데이터를 급여 청구 가능한 임상 행위로 전환하는 워크플로우"에 있다.

중기(3~7년): 예방 의학 가치 기반 계약

보험사와 의료기관 간 가치 기반 계약(Value-Based Care) 구조에서 웨어러블 데이터는 환자 건강 상태의 객관적 지표로 활용될 수 있다. 예를 들어, "웨어러블로 측정된 일일 활동량이 목표치를 달성한 당뇨 환자 비율에 따라 인센티브 지급"과 같은 모델이 가능하다. United Healthcare, Aetna 등 미국 대형 보험사는 이미 이 방향의 파일럿 프로그램을 운영하고 있다.

장기(7년 이상): 스크리닝·진단 보조 수가

소비자용 웨어러블 데이터가 독립적인 진단 보조 도구로 인정받아 급여 코드를 부여받는 시나리오다. 이를 위해서는 ①충분한 규모의 RCT 근거, ②식약처/FDA의 명확한 분류 기준, ③국제 표준화된 데이터 형식, ④책임 소재 명확화가 선행되어야 한다. 가장 가능성 높은 선도 영역은 AF 스크리닝과 만성 심부전 악화 조기 감지가 될 것이다.

한국 시장의 특수성과 기회

한국은 전국민 건강보험 단일 체계라는 특수성 때문에, 웨어러블 급여화가 미국보다 훨씬 느리게 진행될 가능성이 높다. 급여 항목 신설에 필요한 건강보험심사평가원(HIRA)의 의료기술 평가(HTA) 절차가 통상 3~5년이 소요되기 때문이다. 그러나 역설적으로, 단일 체계는 한 번 급여화에 성공하면 전국민 단위의 즉각적 시장 확장이 가능하다는 장점도 있다. 이 점에서 한국형 RPM 플랫폼이 글로벌 시장 진출을 위한 레퍼런스 모델로 기능할 수 있다.

References

• Perez MV, Mahaffey KW, Hedlin H, et al. Large-scale assessment of a smartwatch to identify atrial fibrillation. New England Journal of Medicine. 2019;381(20):1909-1917. https://doi.org/10.1056/NEJMoa1901183

• Lubitz SA, Faranesh AZ, Selvaggi C, et al. Detection of atrial fibrillation in a large population using wearable devices: the Fitbit Heart Study. Circulation. 2022;146(19):1415-1424. https://doi.org/10.1161/CIRCULATIONAHA.122.060291

• Shcherbina A, Mattsson CM, Waggott D, et al. Accuracy in wrist-worn, sensor-based measurements of heart rate and energy expenditure in a diverse cohort. Journal of Personalized Medicine. 2017;7(2):3. https://doi.org/10.3390/jpm7020003

• Hannun AY, Rajpurkar P, Haghpanahi M, et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network. Nature Medicine. 2019;25(1):65-69. https://doi.org/10.1038/s41591-018-0268-3

• Whelton PK, Carey RM, Aronow WS, et al. 2017 ACC/AHA/AAPA/ABC/ACPM/AGS/APhA/ASH/ASPC/NMA/PCNA Guideline for the Prevention, Detection, Evaluation, and Management of High Blood Pressure in Adults. Journal of the American College of Cardiology. 2018;71(19):e127-e248. https://doi.org/10.1016/j.jacc.2017.11.006

• Kario K, Nomura A, Harada N, et al. Efficacy of a digital therapeutics system in the management of essential hypertension: the HERB-DH1 pivotal trial. European Heart Journal. 2021;42(40):4111-4122. https://doi.org/10.1093/eurheartj/ehab559

• Fudim M, Abraham WT, Bhatt DL, et al. Implant-based left atrial pressure monitoring for chronic heart failure. Journal of the American College of Cardiology. 2021;77(6):692-708. https://doi.org/10.1016/j.jacc.2020.11.037

• Centers for Medicare & Medicaid Services (CMS). Remote Physiologic Monitoring Services — CPT Codes 99453, 99454, 99457, 99458. CMS.gov. https://www.cms.gov/medicare/physician-fee-schedule/search (접속일: 2025년 1월)

• U.S. Food and Drug Administration. De Novo Classification Request for Apple ECG App. FDA.gov. https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/denovo.cfm (접속일: 2025년 1월)

• 보건복지부. 만성질환 관리 시범사업 운영 현황. 보건복지부 공식 홈페이지. https://www.mohw.go.kr (접속일: 2025년 1월)

• 한국보건의료연구원(NECA). 디지털 헬스케어 기술의 의료기술평가 방법론 연구. 서울: NECA; 2023. https://www.neca.re.kr (접속일: 2025년 1월)