FDA, 존스홉킨스의 최초 AI 패혈증 조기 경보 시스템 승인
미국 식품의약국(FDA)이 존스홉킨스 대학에서 개발한 TRWS 시스템을 승인했습니다. 이 인공지능은 의사보다 2~48시간 일찍 패혈증을 감지하여, 미국 수십 개 병원에서 이 합병증으로 인한 사망률을 거의 20% 감소시켰습니다.
인사이트: 존스홉킨스와 Bayesian Health가 패혈증 선별 기준을 다시 쓰는 동안 Epic과 Cerner는 따라잡으려 애쓰고 있습니다
결론: 실제 상황
2026년 5월 12일, FDA는 존스홉킨스에서 개발되고 Bayesian Health가 상용화한 Targeted Real-Time Early Warning System(TREWS)에 510(k) 허가를 부여했습니다. 언뜻 보면 또 하나의 AI 승인일 뿐입니다. 그러나 실제로는 의사가 의심하기 전에 패혈증을 감지하는 사전 의심 선별을 수행하는 세계 최초의 FDA 승인 도구입니다.
이것이 판도를 바꾸는 이유. 기존 선별 시스템(qSOFA, SIRS, NEWS, MEWS)은 의사가 EHR에 패혈증 의심을 입력한 후에만 작동합니다. 즉, 이미 몇 시간을 잃은 상태입니다. 치료가 1시간 지연될 때마다 생존율이 7.6~8% 감소합니다. TREWS는 다르게 작동합니다. 활력 징후, 검사 결과, 투약, 의사 기록 등 전체 데이터 스트림을 지속적으로 분석하여 임상의가 의심을 품기 2~48시간 전에 경고를 발령합니다.
숫자가 말해줍니다: 2022년 Nature Medicine에 발표된 5개 병원 764,707건의 에피소드를 대상으로 한 연구에서 경고에 적시에 대응하면 패혈증 사망률이 18% 감소했습니다. 민감도는 82%입니다. 그리고 이것은 후향적 분석이 아니라 실제 사용에서 얻은 전향적 데이터입니다.
하지만 보도자료에서 언급하지 않는 세 가지 사항이 있으며, 이는 TREWS가 표준이 될지 아니면 잊혀진 또 다른 AI 장난감이 될지를 결정할 것입니다.
타임라인 및 배경
TREWS의 배경. TREWS는 개인적인 사연이 있습니다. 존스홉킨스 교수이자 AI 및 헬스케어 연구소 소장인 Suchi Saria는 2017년 조카를 패혈증으로 잃은 후 개발을 시작했습니다. 이것은 추상적인 학술 프로젝트가 아니라 사명입니다. 그녀는 수년간 실험실 개발을 병원의 복잡하고 실제 데이터를 처리할 수 있는 임상 시스템으로 전환하는 데 투자했습니다.
주요 이정표:
- 2022년 — 764,000명의 환자 데이터로 Nature Medicine에 발표
- 2023년 — FDA 혁신 의료기기 지정
- 2023년 — Cleveland Clinic, MemorialCare(캘리포니아), University of Rochester School of Medicine에서 파일럿 구현
- 2026년 5월 12일 — FDA 510(k) 허가(최초 사례)
- 2026년 8월 — CMS NTAP(신기술 추가 지불) 결정 예상
Bayesian Health는 누구인가. Saria가 기술을 상용화하기 위해 설립한 회사입니다. 규제 승인을 위해 싸우면서 과학적 엄격함을 유지하는 드문 학계 스핀오프 사례입니다. 이 시스템은 기존 EHR과 통합되며, 일회성 규칙에 의해 트리거되는 대신 환자의 변화하는 상태에 대해 지속적으로 '추론'합니다.
510(k)란 무엇이며 왜 중요한가. 이는 PDUFA를 통한 완전한 승인이 아니라 기존 장치와 '실질적 동등성'에 기반한 판매 허가입니다. 510(k)는 더 빠른 경로이지만 de novo나 PMA와 동일한 수준의 검증을 제공하지는 않습니다. 그럼에도 불구하고 패혈증 AI 도구로서는 첫 번째 선례를 만들었으며, 이후 모든 시스템에 대한 규제 경로를 마련했습니다.
승자와 패자
승자 #1: Suchi Saria와 Bayesian Health. 이 회사는 이제 FDA 허가의 보호 아래 미국에서 시스템을 판매할 수 있습니다. 단순히 'AI를 만들었다'가 아니라 '규제 허가를 받았고 경쟁사는 없다'는 점입니다. 게다가 CMS NTAP(2026년 8월 결정)는 병원에 추가 상환을 제공하여 도입의 재정적 장벽을 낮출 것입니다. 시장 추정: 미국에서 패혈증으로 연간 25만 명의 환자가 사망하며, 입원 비용은 연간 500억 달러를 초과합니다. Bayesian Health는 2~3년 내에 수억 달러의 가치가 될 수 있습니다.
승자 #2: 존스홉킨스 대학. 대학은 상용화로 인한 로열티를 받게 됩니다. 그러나 더 중요한 것은 명성입니다. 존스홉킨스는 이제 공식적으로 사전 의심 패혈증 선별을 위한 세계 최초의 FDA 승인 AI를 만들었습니다. 이는 앞으로 수년간 마케팅 및 인재 유치 자산이 될 것입니다.
승자 #3: 이미 시스템을 구현한 병원. Cleveland Clinic, MemorialCare, University of Rochester는 선발 우위를 점했습니다. 그들은 이미 TREWS를 워크플로에 통합하는 방법을 알고 있고, 직원을 교육했으며, 사망률 감소 데이터를 보유하고 있습니다. 다른 병원이 막 구현을 시작할 때, 이들은 2~3년 앞서 있을 것입니다.
패자 #1: 기존 EHR 선별(qSOFA, SIRS, MEWS). 이 시스템은 수십 년간 표준이었습니다. 그러나 수동 입력이 필요하고 의심 후에만 트리거됩니다. TREWS는 이를 구식으로 만듭니다. 문제는 '대체될 것인가'가 아니라 '언제 대체될 것인가'입니다.
패자 #2: Epic과 Cerner(현재 Oracle Health). 이 EHR 시장 거인들도 AI 도구를 개발 중입니다. Epic에는 Sepsis Model이 있지만 FDA 허가가 없으며, 전향적 연구에서 효과가 입증되지 않았습니다. 이제 TREWS를 구현하는 모든 병원은 Epic의 내장 모델과 비교할 것입니다. TREWS가 18%의 사망률 감소를 보이고 Epic이 그렇지 않다면, 병원 CIO들은 불편한 질문을 던지기 시작할 것입니다.
조용한 패자: 패혈증 분야의 다른 AI 스타트업. Mednition은 혁신 의료기기 지정을 받은 KATE AI를 보유하고 있지만 아직 FDA 허가가 없습니다. Isansys Lifecare는 거의 10년 전에 Patient Status Engine에 대한 허가를 받았지만, 이는 웨어러블이지 지속적 모니터링 AI 도구가 아닙니다. 이제 Bayesian이 선두이며, 다른 모든 업체는 Bayesian과 비교될 것입니다. 투자자들은 'Bayesian이 허가를 받았을 때 왜 당신은 받지 못했나요?'라고 물을 것입니다. 그리고 그것이 올바른 질문입니다.
언론이 말하지 않는 것
인사이트 #1. 18% 사망률 감소는 '적시 대응' 시의 결과이며, 실제 상황이 아니다.
이것은 헤드라인에서 사라지는 중요한 차이점입니다. 2022년 연구에서 18%의 사망률 감소는 임상의가 경고에 대응한 경우에만 관찰되었습니다. 실제로 의사는 AI 경고를 무시하기도 합니다. 경고 피로는 잘 알려진 문제입니다. 위양성률이 높다면(공개된 출처에서 특이도는 공개되지 않았고 민감도만 82%), 의사는 시스템을 비활성화하거나 무시하기 시작할 것입니다.
실제 구현에 미치는 의미: Bayesian Health는 시스템을 판매할 뿐만 아니라 교육과 변화 관리를 제공해야 합니다. 표준 사용(이상적인 연구 조건이 아닌)에서 사망률 감소가 유지된다는 것을 입증해야 합니다. 그렇지 않으면 시스템에 비용을 지불하는 병원이 기대한 ROI를 얻지 못할 수 있습니다.
인사이트 #2. 510(k) 허가 ≠ FDA의 임상적 검증.
510(k)는 TREWS가 시장에 나와 있는 기존 장치와 '실질적으로 동등하다'는 의미일 뿐입니다. FDA는 임상적 효과에 대한 독립적 평가를 수행하지 않았습니다. 단순히 이를 예비 장치와 비교했습니다. 어떤 장치인지는 공개되지 않았지만, 아마도 일부 규칙 기반 경고 시스템일 것입니다.
이는 FDA가 18% 사망률 감소를 확인하지 않았음을 의미합니다. FDA는 시스템이 기술적으로 작동하고 불합리한 위험을 초래하지 않는다는 것만 확인했습니다. 임상 데이터는 Nature Medicine 연구의 성과이지 FDA의 성과가 아닙니다. 마케팅 자료에서 이는 혼동될 것입니다: '임상 연구에서 18% 사망률 감소를 보인 FDA 승인 시스템.' 기술적으로는 사실이지만, 소비자(병원)는 FDA가 그 숫자를 검증했다고 생각할 수 있습니다. 그렇지 않습니다.
인사이트 #3. 선행 시간 편향 문제는 여전히 해결되지 않았다.
이 시스템은 패혈증을 2~48시간 일찍 감지합니다. 이는 장점처럼 들립니다. 그러나 이 '조기 발견'의 일부는 AI가 단순히 아직 임상적으로 패혈증이 발생하지 않았고 앞으로도 발생하지 않을 환자(위양성) 또는 다른 병리를 가진 환자에 레이블을 붙인 결과일 수 있습니다.
이 연구는 '시스템 켜짐' 대 '시스템 꺼짐'으로 무작위 배정되지 않았습니다. 설계는 실용적이었습니다: 시스템을 구현하고 전후 결과를 비교했습니다. 이는 RCT보다 약한 설계입니다. 결과 개선이 AI 자체보다는 다른 요인(직원 교육, 더 나은 문서화)에 기인할 위험이 있습니다.
TREWS의 진정한 시험은 누군가 교차 설계로 군집 무작위 시험을 실시할 때입니다. 현재까지 그러한 데이터는 없습니다.
인사이트 #4. CMS NTAP은 만병통치약이 아니다.
NTAP은 기술 비용의 최대 65%(단, 에피소드당 $2,150 이하)에 대한 추가 지불을 제공합니다. 좋지만, 일반 병원의 $100,000 이상 라이선스 비용을 충당하기에는 부족합니다. 대부분의 병원은 여전히 운영 비용에서 예산을 찾아야 합니다. CMS 결정은 2026년 8월에 예상됩니다. 긍정적이더라도, 마진이 낮은 병원(지역 병원, 안전망 병원)은 시스템을 감당하지 못할 수 있습니다.
예측: 향후 30일 및 90일
30일(2026년 6월):
- Bayesian Health가 적극적인 판매를 시작할 것입니다. 목표 목록은 미국 내 상위 200개 대형 병원입니다. 첫 계약은 6월 초에 발표될 수 있습니다. 보도자료를 주목하세요: HCA Healthcare? Kaiser Permanente? 이들 거물 중 하나라도 계약하면 Bayesian의 주식(상장할 경우)은 급등할 것입니다.
- 실제 효과 데이터 발표가 예상됩니다. Bayesian은 2023~2025년 Cleveland Clinic과 MemorialCare의 데이터를 보유하고 있으며 아직 발표되지 않았습니다. 6월이나 7월에 열리는 중환자 치료 학회에서 발표될 수 있습니다. 이 데이터가 일상 진료에서 15% 이상의 지속적인 사망률 감소를 보여준다면, 회의론자들에게 강력한 신호가 될 것입니다.
- Epic과 Cerner가 반응할 것입니다. 그들은 AI 모델에 대한 보도자료를 발표하고, 아마도 FDA 제출을 발표할 것입니다. 그러나 510(k) 절차는 6~12개월이 걸립니다. Bayesian은 적어도 1년의 선두를 확보했습니다.
90일(2026년 8월):
- CMS NTAP 결정이 핵심 이벤트입니다. 긍정적 결정 확률: 70~80%. NTAP이 승인되면 Bayesian은 강력한 판매 논리를 얻습니다: '비용을 부분적으로 상쇄하는 추가 상환을 받을 수 있습니다.' NTAP이 거부되면 판매가 둔화되고 Bayesian은 가격을 낮추거나 대체 지불 모델(가치 기반, 침대당 구독)을 모색해야 할 것입니다.
- '허위 경고'에 대한 최소 한 건의 소송이 제기될 것입니다. 이는 임상 결정에 영향을 미치는 모든 AI 시스템에 불가피합니다. 상상해보세요: 환자가 패혈증으로 사망했는데 시스템이 경고를 발령하지 않아 가족이 병원과 Bayesian을 고소합니다. 또는 반대로: 시스템이 허위 경고를 발령하여 불필요한 항생제가 투여되었고 환자가 알레르기 반응을 일으켰습니다—소송. Bayesian의 법무팀은 아마도 초과 근무를 하고 있을 것입니다.
- TREWS에 대한 첫 독립적 검증이 Bayesian과 관련 없는 그룹에 의해 발표될 것입니다. 아마도 Mayo Clinic이나 Intermountain Healthcare가 자체 데이터로 시스템을 테스트할 것입니다. 독립적 검증이 민감도 70% 미만 또는 사망률 감소 없음을 보여준다면 Bayesian에게 재앙이 될 것입니다. 따라서 그들은 누가 데이터에 접근할 수 있는지 매우 신중할 것입니다.
12~24개월 주요 위험: 도입 실패. 아무리 좋은 AI라도 의사가 무시하면 쓸모가 없습니다. TREWS를 구현하려면 문화적 변화가 필요합니다: 의사가 AI를 신뢰하고 경고에 대응하며 시스템을 비활성화하지 않아야 합니다. 2022년 연구에서 2,000명 이상의 제공자 중 도입률은 89%에 달했습니다. 인상적입니다. 그러나 연구는 동기 부여된 의사가 있는 학술 센터에서 수행되었습니다. 과로한 직원이 있는 상업 병원에서는 도입률이 50%로 떨어질 수 있습니다. Bayesian은 이를 알고 있으며, 아마도 각 목표 병원을 위한 교육 프로그램과 '변화 챔피언'을 이미 개발 중일 것입니다.
하지만 지금, 2026년 5월, Suchi Saria와 그녀의 팀은 아무도 해내지 못한 일을 해냈습니다: 의사가 의심하기 전에 패혈증을 찾아내는 AI에 대한 FDA 허가를 획득했습니다. 그리고 그들은 'AUC 0.95인 모델을 만들었다'는 식이 아니라 수년간 임상 검증에 투자함으로써 이를 해냈습니다. 이것은 업계 전체를 위한 교훈입니다: 규제 승인에는 테스트 데이터의 지표뿐만 아니라 실제 환자 결과가 필요합니다.
— Editorial Team
