휴스턴 메소디스트 연구: 앰비언트 AI가 수술 건수 증가에 기여

Houston Methodist 연구진은 수술실의 앰비언트 AI가 측정 가능한 수술 건수 증가와 관련이 있다는 최초의 동료심사 근거라고 설명하는 연구를 발표했다. Apella의 컴퓨터 비전 플랫폼을 도입한 뒤 중증 심흉부 수술 구역의 수술량이 7%, 월 약 25건 늘었다는 결과다. 이 연구는 2026년 6월 27일 Journal of Imaging에 게재됐으며, 의료체계의 대표 병원에서 16개월 동안 관찰한 수술 5417건을 다룬다.

두 번째 동료심사 연구는 Perioperative Care and Operating Room Management에 실렸다. 이 연구는 Houston Methodist 병원 6곳에서 다른 작동 원리를 조사했다. 바로 소요 시간이 잘못 배정될 가능성이 있는 수술을 표시하는 예측 도구다. 표시된 수술에서는 일정 예측 정확도가 40% 개선됐고, 평균절대오차는 57.4분에서 34.2분으로 줄었다. 수술 건수 감소 없이 수술실 운영이 늦게 끝난 날의 비율은 46%포인트 낮아졌다. 이는 Apella가 두 논문을 소개한 2026년 8월 5일 발표에 따른 수치다.

수술량 증가 결과가 중요한 이유는 산출 방식에 있다. 공급업체의 효율성 주장은 대개 도입 전후 비교에 의존해, 기술의 효과를 병원 내 다른 변화의 영향과 분리하지 못한다. Houston Methodist 연구팀은 대신 경제학의 준실험적 방법인 합성통제와 이중차분 추정을 결합했다. 플랫폼을 도입하지 않은 다른 Houston Methodist 시설 11곳의 수술 총 11만6098건에 가중치를 적용해 비교 대상을 만들고, 도입 구역의 성과를 평가했다. 그 결과 수술실, 인력, 운영 시간을 늘리지 않고 월 약 25건이 증가했다는 통계적으로 유의한 추정치를 얻었다. 95% 신뢰구간은 8.3~41.0건이었다.

Houston Methodist의 최고혁신책임자이자 논문 책임저자인 Roberta Schwartz는 “수술에서 AI가 미치는 영향에 관한 주장은 흔히 회의적으로 받아들여지며, 이는 이해할 만한 일”이라고 말했다. 이어 “그래서 우리는 다른 임상연구와 같은 엄격함으로 접근했다. 독립적인 동료심사와, 단순한 상관관계가 아니라 인과관계를 보여 주도록 설계된 방법론을 사용했다”고 밝혔다.

카메라가 실제로 측정한 것

논문에서 영상 기반 AI라고 부르는 시스템은 수술실당 4대의 벽면 카메라로 구성된다. 영상은 YOLO 기반 객체 탐지 모델과 트랜스포머 기반 사건 탐지기에 입력된다. 시스템은 환자, 수술 준비 상태가 다른 의료진, 수술포 적용 상태, 장비를 식별한 뒤 환자 입실, 수술포 적용, 수술 간 전환, 환자 퇴실 같은 수술 전후 사건을 타임스탬프로 기록한다. 학습 데이터는 수술실 315곳의 수술 13만7517건을 포함했다.

이처럼 세밀한 기록을 통해 전자의무기록이 포착하지 못했던 단계별로 수술일을 나눌 수 있었다. 예를 들어 플랫폼은 “마취 준비 완료”와 “수술 시작” 사이에 “환자 수술포 적용 완료”라는 사건을 추가해, 이전에는 내부 과정이 보이지 않던 한 구간을 두 개의 측정 가능한 구간으로 나눴다. 실시간 대시보드는 수술실 15곳 전체의 진행 상황과 예상 소요 시간을 보여 주고, 자동 문자 알림은 환자에게 수술포가 적용됐거나 다음 수술이 다가오면 외과의에게 알려 줬다.

도입은 기관생명윤리위원회가 정한 질 향상 체계 아래 이루어졌다. 환자 동의는 일반 동의서에 포함됐으며, 영상은 최대 30일, 음성은 최대 7일 보관했다. 수술 중 기록에 대한 접근은 지정된 세 역할로 제한했다.

근거의 한계

논문의 한계 부분은 수술량 증가 결과에 여러 제약이 있음을 밝힌다. 개입은 소프트웨어만이 아니라 여러 조치의 묶음이었다. 플랫폼 도입에 수술실 관리자와의 수술 간 전환 시간 검토, 청소 및 마취 업무 흐름 검토, 외과의 알림 절차가 함께 적용됐다. 저자들은 관찰된 개선을 어느 한 구성 요소의 효과로 따로 귀속할 수 없다고 명시했다.

통계적 결과도 제목에서 받는 인상보다 제한적이다. 우연에 의한 결과인지를 확인하는 공간 순열검정에서 경험적 p값은 0.182였다. 효과의 방향은 일관됐지만 통상적인 유의성 기준에는 미치지 못했다. 계획에 없던 초과근무 등 이차 결과는 유의하지 않았고, 총 수술 시간에 대한 민감도 분석도 유의하지 않았다. 따라서 개선은 총 운영 시간이 늘어난 것이 아니라 수술실 시간 단위당 더 많은 수술을 수행한 형태였다. 저자들은 효과를 도입 때문에 발생한 것으로 단정하지 않고, 도입과 관련이 있는 것으로 해석한다.

이해관계 공개 내용도 양면적이다. Houston Methodist Hospital은 Apella의 소수 지분을 보유하며 2026년 1월 시리즈 B 투자에 참여했다. Apella 직원이 환자별 기록에 접근하지 않고 월별 집계 데이터로 최초 분석을 수행했고, Houston Methodist 분석가가 이를 독립적으로 재현했다. 논문의 이해상충 공개에 따르면 Apella는 연구비를 지원하지 않았고 연구 설계나 출판 결정에도 관여하지 않았다. 현재 이 시스템은 해당 의료체계의 수술실 200곳 이상에서 운영된다.

다음 단계

저자들은 구체적인 후속 연구 계획을 제시한다. 심흉부 수술에서 나타난 개선이 다른 환경에도 적용되는지 확인하기 위해 추가 Houston Methodist 병원과 다른 수술 전문 분야에서 의료체계 전체 평가를 수행하고, 수술 간 전환 시간과 첫 수술의 정시 시작을 일차 평가변수로 정식 검증하며, 컴퓨터 비전이 수기 기록보다 수술실 사건을 더 일관되게 추적했다는 2024년 학회 발표 결과를 동료심사 연구로 재현하는 것이다. 임상 환경의 앰비언트 AI는 주로 문서 작성 부담을 기준으로 평가돼 왔다(앰비언트 음성 청취 도구는 이제 간호 업무에도 도입되고 있다). Houston Methodist의 두 연구는 수술실용 시스템을 문서 업무 대신 처리량으로 평가하려는 초기 시도다.

병원 경영진이 근거가 빈약한 AI 제안을 끊임없이 접하는 분야에서, 더 오래 남을 기여는 방법론일 수 있다. 의료체계가 공급업체의 플랫폼을 자체 기준과 자체 비교 시설을 활용해 시험하고, 결과와 함께 그 한계까지 공개했다는 점이다.