프롤로그 — AI가 청구서를 거절하는 시대

2023년 11월 미국 STAT News가 폭로한 한 건의 기사가 건강보험 산업 전체를 흔들었다. UnitedHealth Group이 인수한 NaviHealth의 nH Predict 알고리즘이 의료진의 임상 판단을 90.5% 비율로 뒤집고 환자의 요양원 입원 기간을 단축시켰다는 내부 데이터가 공개된 것이다. 같은 해 12월 미네소타 연방법원에 집단소송이 제기되었고, 2024년에는 Cigna의 PXDX 자동 거절 시스템에 대한 캘리포니아 집단소송, 2025년에는 Humana의 자동 거절 알고리즘 소송까지 이어졌다. 2026년 현재 미국 의회 상원 PSI(Permanent Subcommittee on Investigations) 보고서는 Medicare Advantage 빅3 보험사의 사전승인(prior authorization) 거절률이 일반 Medicare 대비 16배에 달한다고 결론지었다.

동시에 같은 기술이 정반대 방향에서도 작동한다. 미국의 NHCAA(National Health Care Anti-Fraud Association)는 매년 의료 사기로 빠져나가는 돈을 보수적으로 봐도 연 1,000억 달러, 광의로는 3,000억 달러로 추산한다. AI가 없으면 이걸 잡을 수 없다. Optum, Cotiviti, SAS, Shift Technology, ClarisHealth 같은 회사들이 ICD-10/CPT 코드 패턴, 청구서 텍스트, 처방 시퀀스, 의료진 행동 그래프 위에서 LLM과 GBM(gradient boosting machine)을 돌려 사기를 잡아내고 있다.

한국과 일본도 같은 좌표 위에 있다. 2023년 10월 시행된 한국 실손의료보험 청구 간소화 법(보험업법 제102조의6)은 2024년 10월 전산화 1단계, 2025년 10월 의원·약국까지 확대, 2026년 본격 운영 단계에 들어갔다. 삼성화재·DB손보·현대해상·KB손보·메리츠화재는 모두 자체 AI 청구 자동심사 엔진을 운영한다. 일본은 厚労省의 オンライン資格確認과 マイナ보험증 통합 위에서 損保ジャパン·第一生命·ニチイ가 청구 자동화 + 헬스케어 데이터 활용에 들어갔다.

이 글은 그 전 지형을 한 번에 정리한다. **클레임 자동 심사, 사전승인 자동화, 사기 탐지, 약물 상호작용, EMR/EHR 연계, 그리고 그것들이 만들어내는 사회적 갈등까지** 모두.

1. 건강보험 클레임의 해부 — 청구 한 건이 거치는 단계

미국 상업 건강보험에서 청구 한 건이 거치는 표준 단계는 대략 이렇다.

| 단계 | 행위자 | 데이터 | 자동화 비율(2026 추정) |

| --- | --- | --- | --- |

| 1. 사전승인(prior auth) | 의료진 → 보험사 | 진단(ICD-10), 시술(CPT), 임상 메모 | 60-80% (AI 우선 심사) |

| 2. 진료(encounter) | 의료진 | EHR 기록 | n/a |

| 3. 코딩(coding) | CDI/coder + AI | 차트 → ICD-10-CM, CPT, HCPCS | 70-90% (CAC) |

| 4. 청구서 제출(billing) | 병원/의원 RCM | 837P/837I EDI 또는 FHIR Claim | 99% (전산) |

| 5. 1차 심사(adjudication) | 보험사 자동 룰 | 청구 + 가입자 기록 | 85-95% |

| 6. 2차 심사(medical review) | 임상 검토자 + AI 추천 | 차트 풀 | 30-60% |

| 7. 지급 또는 거절 | 보험사 | 835 ERA | 99% |

| 8. 항소(appeal) | 환자/의료진 | 거절 사유 + 추가 근거 | 거절 대비 항소율 1% 미만 |

핵심은 **5단계와 6단계 사이가 AI 자동 거절이 가장 강하게 작동하는 지점** 이라는 것. 그리고 **8단계 항소율이 1% 미만** 이라는 사실. 자동 거절은 그 1%만 뒤집어도 통계적으로 흑자다.

2. ICD-10-CM, CPT, HCPCS — 클레임 코딩의 알파벳

AI를 이해하려면 먼저 코드 체계를 알아야 한다.

- **ICD-10-CM**(International Classification of Diseases, 10th, Clinical Modification): 진단 코드. 미국에서 2015년 ICD-9에서 전환. 약 7만 개 코드. 예: E11.9 = Type 2 diabetes without complications.

- **CPT**(Current Procedural Terminology): AMA가 관리하는 시술/처치 코드. 약 1만 개. 예: 99213 = Office visit, established patient, level 3.

- **HCPCS Level II**: CMS가 관리하는 보충 코드(의료기기, 약물, 비의사 서비스). 예: J0696 = Injection, ceftriaxone sodium, per 250 mg.

- **NDC**(National Drug Code): FDA 약물 식별 코드. 11자리.

- **LOINC**: 검사 결과 식별 코드. 예: 2345-7 = Glucose mass/volume in serum or plasma.

- **SNOMED CT**: 임상 용어 온톨로지. ICD-10보다 더 세밀한 임상 표현.

2026년 미국은 ICD-10-CM 2026 버전과 ICD-11 전환 논의가 동시에 진행 중이다. WHO ICD-11은 2022년 1월 1일 발효되었지만 미국 CMS는 아직 채택 일정을 확정하지 않았다. 한국은 KCD-8(2021년 발효)을 쓰고, 일본은 ICD-10 2013년판을 厚労省이 그대로 채택 중.

3. CAC(Computer-Assisted Coding) — 코딩의 LLM화

차트(임상 노트, 검사지, 영상 판독지)에서 ICD-10/CPT 코드를 뽑아내는 일을 코더(coder)가 한다. 이걸 자동화한 것이 **CAC(Computer-Assisted Coding)** 이고, 2020년대 후반부터 LLM이 이 영역을 빠르게 잠식했다.

CAC LLM 추론 의사 코드 (Optum의 LifeCode, 3M 360 Encompass 등의 일반화)

from langchain.prompts import PromptTemplate

from langchain_anthropic import ChatAnthropic

TEMPLATE = """

You are a certified medical coder (CPC-A) using ICD-10-CM 2026 and CPT 2026.

Analyze the following clinical note and extract ALL applicable codes.

Clinical Note:

{note}

Output JSON:

{{

"diagnosis_codes": [{{"icd10": "...", "rationale": "..."}}],

"procedure_codes": [{{"cpt": "...", "modifiers": [...], "rationale": "..."}}],

"hcpcs": [...],

"evaluation_management": {{"level": 1|2|3|4|5, "rationale": "..."}}

}}

CRITICAL: Do NOT upcode. If ambiguous, choose the lower specificity code and flag for human review.

"""

def code_encounter(note: str) -> dict:

chain = PromptTemplate.from_template(TEMPLATE) | ChatAnthropic(model="claude-opus-4")

return chain.invoke({"note": note})

핵심은 **upcoding 방지**. AI가 의도치 않게 코드를 부풀리면 False Claims Act 위반이 되어 병원이 천문학적 합의금을 물 수 있다(2023년 DOJ는 메디케어 사기로만 27억 달러를 회수). 그래서 보험사는 청구가 들어온 뒤 역으로 다운코딩(downcoding)을 하는 AI를 운영한다 — 이게 다음 절의 핵심.

4. Cigna PXDX — 1.2초 자동 거절 시스템

2023년 ProPublica가 폭로한 Cigna의 **PXDX(Procedure-to-Diagnosis)** 시스템은 미국 건강보험 AI 논쟁의 발화점이었다. ProPublica가 입수한 내부 문서에 따르면 Cigna의 의료 검토자(medical director)들은 청구 한 건을 평균 1.2초에 거절했다 — 차트를 보지 않고. PXDX는 청구의 진단 코드와 시술 코드의 짝이 Cigna가 사전에 정의한 "허용 매트릭스" 에 들어가지 않으면 자동으로 거절을 추천하고, 의사가 일괄 서명만 하는 구조였다.

PXDX 류 매트릭스의 단순화 예 (실제 매트릭스는 비공개)

진단 ICD-10 | 허용 시술 CPT | 거절 시술 CPT

-------------------|---------------------------|------------------

M54.5 (요통) | 99213, 97110, 97140 | 72148(MRI 요추) — 6주 보존치료 증빙 필요

J02.9 (인후염) | 99213, 87880 | 87070(배양검사) — Centor score < 3이면 거절

F32.9 (우울증) | 90834, 90837 | 90791(초기평가) 연 2회 초과 거절

캘리포니아 집단소송(2023년 7월, Kisting-Leung v. Cigna)은 진행 중이며 2025년 클래스 인증(class certification) 단계에 들어갔다. Cigna는 PXDX를 "코드 짝의 합리성 검사일 뿐, 의학적 판단을 하지 않는다" 고 변호하지만 원고측은 "의학적 판단을 하지 않으면서 청구를 거절했다는 것 자체가 캘리포니아 보험법 위반" 이라고 주장한다.

5. UnitedHealth NaviHealth nH Predict — 요양원 입원 단축 알고리즘

2023년 STAT News의 Casey Ross/Bob Herman 시리즈는 UnitedHealth Group의 nH Predict 알고리즘을 폭로했다. nH Predict는 Medicare Advantage 가입자가 급성기 병원에서 요양원(SNF, skilled nursing facility)으로 옮길 때 예상 입원 기간을 산출하는 AI 모델이다. 문제는 두 가지였다.

1. **모델 정확도**: STAT가 입수한 내부 데이터에 따르면 모델 예측이 의료진 판단과 어긋나서 항소가 들어왔을 때, 90.5% 의 경우 항소가 받아들여졌다 — 즉, 모델이 90.5% 비율로 틀렸다.

2. **사용 방식**: UnitedHealth 케이스 매니저는 모델 예측 일자에서 1% 이내 오차로 입원 종료를 권고하라는 내부 지침을 받았다(STAT 보도).

2023년 11월 미네소타 연방법원에 집단소송(Estate of Lokken v. UnitedHealthcare)이 제기되었다. 2024년 미국 상원 PSI 보고서는 UnitedHealth, Humana, CVS/Aetna 세 보험사의 사전승인 거절률이 일반 Medicare보다 16배 높다고 결론지었다. 2026년 현재 NaviHealth는 UnitedHealth Group 내에서 Optum Health Solutions로 재편되었고, nH Predict는 "의사결정 지원 도구" 라는 표현으로 재포지셔닝되었다.

6. Optum AI — UnitedHealth Group의 두뇌

UnitedHealth Group은 보험 부문(UnitedHealthcare)과 헬스케어 서비스 부문(Optum)으로 나뉜다. 2026년 기준 Optum 매출이 그룹 전체의 50% 를 넘었고, AI/데이터는 모두 Optum 산하에 집중되어 있다.

| Optum 사업부 | AI 활용 |

| --- | --- |

| OptumRx (PBM) | 약물 상호작용·복약 순응도·대체약 추천 |

| OptumHealth (의료서비스) | nH Predict, 케어 갭 분석, 인구집단 건강관리 |

| OptumInsight (데이터/분석) | 클레임 사기 탐지, 코딩 자동화, HCC(Hierarchical Condition Category) 코딩 |

| Optum Financial | 청구·결제 자동화 |

2026년 Optum의 LLM 인프라는 자체 학습한 클리니컬 도메인 모델 + 외부 GPT-4/Claude API 호출의 하이브리드로 알려져 있다. 2024년 12월 UnitedHealth CEO 피살 사건(Brian Thompson 사망) 이후 회사는 AI 거버넌스 위원회를 신설하고 사전승인 거절 사유의 사람-검토 의무화 등 일부 정책 변경을 발표했다.

7. Humana — Medicare Advantage 빅3의 AI

Humana는 Medicare Advantage 시장 점유율 2위(2026년 약 17%)로, 거의 100% 메디케어 어드밴티지에 베팅한 보험사다. 2025년 12월 Humana도 nH Predict와 유사한 알고리즘으로 SNF 입원을 단축시켰다는 집단소송(Barrows v. Humana)에 직면했다.

Humana는 2023년 9월 자체 AI 코딩 자회사 **CenterWell**과 **MORE Health AI** 인프라를 강화한다고 발표했고, 2026년 현재 Humana의 청구 자동심사는 다음 3단계 파이프라인으로 알려져 있다.

[835/837 EDI 수신]

↓

[Stage 1] 룰 엔진 — Medicare/CMS 정책 + Humana 자체 정책

↓ (거절 후보 추출)

[Stage 2] GBM 분류기 — 부정청구 확률 점수

↓ (점수 > 임계값이면 사람 심사)

[Stage 3] LLM 차트 검토 — Epic/Cerner FHIR API로 차트 풀, 의학적 필요성 평가

↓

[지급/거절/추가서류 요청]

2026년 Humana는 AI 거절률을 공시하지 않지만 BCBS Association의 산업 평균 추정치는 청구의 약 16-20% 가 1차 거절(이후 항소·재청구로 일부 복구)이다.

8. Elevance Health — Anthem이 사명을 바꾼 이유

Anthem은 2022년 6월 사명을 Elevance Health로 바꿨다. 이유는 단순했다 — "보험사가 아니라 헬스케어 회사로 보이고 싶다." Elevance 산하에는 Anthem Blue Cross Blue Shield, Carelon(헬스 서비스·약국·행동건강), Wellpoint(메디케이드) 등이 있다.

Elevance의 AI 전략은 Carelon에 집중된다.

- **Carelon Insights** — 클레임 분석·예측 모델링·의료비 예측

- **Carelon Health** — 1차의료 클리닉·홈헬스 + AI 트리아지

- **Carelon Rx** — PBM + AI 처방 검토

- **Carelon Behavioral Health** — AI 우울/불안 스크리닝(PHQ-9, GAD-7 자동 점수화)

2025년 6월 미 의회 PSI 보고서는 Anthem이 사전승인 거절을 자동화하면서 거절률을 인위적으로 올렸다고 지적했고, Elevance는 "AI는 의사결정 지원에 한정한다" 고 반박했다.

9. CVS Health / Aetna — 약국 + 보험 + 클리닉의 수직 통합

CVS는 2018년 Aetna를 690억 달러에 인수했고, 2023년 Oak Street Health(1차 의료), Signify Health(가정의료)까지 추가했다. 2026년 CVS Health는 미국에서 약국·PBM·보험·1차의료를 모두 가진 거의 유일한 수직 통합 기업이다.

CVS의 AI는 4개 축으로 작동한다.

| 축 | 데이터 | AI 사용 |

| --- | --- | --- |

| Aetna 청구 자동심사 | 837/835, FHIR | LLM 차트 검토, 룰 + GBM 거절 추천 |

| CVS Caremark PBM | NDC, RxNorm, 약물 이력 | 대체약 추천, DUR(약물 이용 검토) |

| MinuteClinic / Oak Street | EHR(Epic) | AI 트리아지, 환자 매칭 |

| CVS HealthHUB | OTC 구매 + 처방 + 검사 | 인구집단 건강관리 |

2024년 CVS는 자체 LLM 어시스턴트 "Connect" 를 도입해 콜센터 상담원에게 가입자별 추천을 제시한다. 2025년 Aetna는 사전승인 자동화 API를 의료진에게 공개해 "AI가 거절을 추천하면 즉시 항소 절차도 같이 안내" 하는 양방향 모델을 시범 운영 중.

10. Oscar Health — AI 내비게이터로 차별화

Oscar Health는 2012년 창업한 디지털-퍼스트 건강보험사로, 2026년 기준 18개 주에서 ACA 마켓플레이스 가입자를 받는다. 빅5에 비하면 규모는 작지만(약 100만 명) AI 전략이 정반대 방향 — **거절이 아니라 가입자 안내** 에 집중한다.

Oscar의 핵심 제품은 **Oscar Care Navigator**: 가입자가 챗봇에게 "두통이 일주일째 안 가라앉아요" 라고 말하면 AI가 (1) 응급실 갈 사안인지 트리아지, (2) 네트워크 내 의사 추천, (3) 텔레헬스 즉시 예약, (4) 사전승인이 필요한지 자동 확인까지 한다. 2024년 Oscar는 OpenAI GPT-4 기반 어시스턴트 출시를 발표했고 2026년 현재 Anthropic Claude도 일부 워크플로에 병용한다.

// Oscar Care Navigator 의사 코드

interface PatientQuery {

member_id: string

symptoms: string // 자연어

history?: string[] // 최근 진단 코드

}

async function navigate(q: PatientQuery): Promise<NavigationResult> {

// 1. 트리아지 LLM

const triage = await llm.chat({

system: "You are a triage nurse. Output: ER | URGENT_CARE | PCP | TELEHEALTH | SELF_CARE.",

user: `Symptoms: ${q.symptoms}. History: ${q.history?.join(", ")}`,

})

// 2. 네트워크 매칭

const providers = await provider_directory.search({

member_id: q.member_id,

specialty: triage.recommended_specialty,

in_network: true,

sort_by: "distance",

})

// 3. 사전승인 사전 체크

const pa_required = await prior_auth.check({

member_id: q.member_id,

suspected_codes: triage.likely_cpt_codes,

})

return { triage, providers, pa_required }

}

Oscar의 베팅은 명확하다 — 청구를 거절해서 비용을 줄이는 빅5와 달리, 처음부터 적절한 곳으로 안내해서 비용을 줄인다. Loss ratio(MLR)는 빅5보다 낮지만 가입자 만족도가 NPS 50+ 로 산업 평균(NPS 8 안팎)을 압도한다.

11. 사전승인(Prior Authorization) 자동화 — AI 거절의 핵

사전승인은 보험사가 시술 전에 "그거 정말 필요해요?" 를 확인하는 절차다. 미국에서 사전승인을 거치는 시술은 약 18% (KFF 2024 조사)지만 Medicare Advantage에서는 더 높다.

| 시술 카테고리 | 사전승인 요구 비율 |

| --- | --- |

| 입원(inpatient) | 90%+ |

| 영상의학(MRI, CT, PET) | 60-80% |

| 시술 외래(outpatient procedure) | 40-60% |

| 처방약(specialty drug) | 80%+ |

| 행동건강(반복 세션) | 50-70% |

2026년 CMS의 새 규칙(CMS-0057-F, 2024년 1월 최종안)은 모든 Medicare Advantage/메디케이드 플랜이 **사전승인 API(FHIR)** 를 제공하고, **2027년 1월부터 사전승인 결정의 평균 시간을 표준 진료 7일·긴급 진료 72시간 이내** 로 단축할 것을 요구한다. 이게 AI 자동화의 가속 페달이다.

POST /Bundle HTTP/1.1

Host: payer.example.com

Content-Type: application/fhir+json

Authorization: Bearer eyJhbGc...

{

"resourceType": "Bundle",

"type": "transaction",

"entry": [

{

"resource": {

"resourceType": "Claim",

"status": "active",

"type": { "coding": [{ "system": "http://terminology.hl7.org/CodeSystem/claim-type", "code": "professional" }]},

"use": "preauthorization",

"patient": { "reference": "Patient/12345" },

"diagnosis": [

{ "diagnosisCodeableConcept": { "coding": [{ "system": "http://hl7.org/fhir/sid/icd-10-cm", "code": "M54.5" }]} }

],

"item": [

{

"sequence": 1,

"productOrService": { "coding": [{ "system": "http://www.ama-assn.org/go/cpt", "code": "72148" }]}

}

]

}

}

]

}

이 요청에 보험사 AI가 자동 응답한다 — 룰 + GBM + 필요시 LLM 차트 풀.

12. Medical Necessity — AI가 흉내내는 임상 판단

"의학적 필요성(medical necessity)" 은 미국 보험계약의 핵심 조항이다. 시술이 의학적으로 필요하지 않으면 보험사는 지급할 의무가 없다. 문제는 "의학적으로 필요한가" 의 판정 권한이다.

전통적으로 InterQual(Change Healthcare)과 MCG(Milliman Care Guidelines)가 미국 시장의 양대 임상 기준이다. 2026년 보험사들은 이 기준 위에 LLM을 얹어 "차트가 InterQual 기준을 만족하는가" 를 판정한다.

Medical necessity 자동 판정 의사 코드

def assess_medical_necessity(claim, ehr_chart):

1. InterQual 기준 검색

criteria = interqual.lookup(

cpt=claim.procedure_codes[0],

icd10=claim.diagnosis_codes[0],

)

2. EHR 차트에서 근거 추출

evidence = llm.extract(

prompt=f"For criteria {criteria.text}, extract supporting evidence from chart.",

chart=ehr_chart,

)

3. 기준 충족 평가

assessment = llm.evaluate(

criteria=criteria.text,

evidence=evidence,

prompt="Does the evidence satisfy ALL criteria? Output: YES | NO | UNCLEAR. Cite each criterion.",

)

return assessment

문제는 InterQual/MCG 자체가 유료 라이선스이고 보험사마다 자체 수정판이 있다는 것. 의료진은 자신이 어떤 기준으로 평가받는지 모르고, AI가 매개되면서 그 불투명성이 더 커진다 — 이게 PXDX/nH Predict 소송의 핵심 쟁점이다.

13. 의료 사기 탐지 — NHCAA $300B/yr의 이면

NHCAA는 미국 헬스케어 비용 중 매년 3-10% 가 사기로 빠져나간다고 추정한다. 2026년 미국 헬스케어 총지출이 약 5조 달러이므로 사기는 1,500억~5,000억 달러 규모. 이걸 잡는 AI는 보험사 SIU(Special Investigations Unit) + 외부 벤더(Cotiviti, SAS Fraud Framework, Shift Technology, ClarisHealth, Optum Investigative Services)가 운영한다.

주요 패턴.

| 사기 유형 | AI 탐지 신호 |

| --- | --- |

| Upcoding | E/M 레벨 분포가 동급 의사 평균보다 한쪽으로 치우침 |

| Unbundling | 묶음 코드 대신 부품 코드를 분해 청구 |

| Phantom billing | 환자가 그날 다른 도시에 있던 흔적(텔레헬스 IP 등) |

| Identity theft | 청구 빈도가 비현실적, 환자별 의사 수 폭증 |

| Kickback | 의사-약국-DME 업체 간 호출/처방 그래프 |

| Prescription fraud | 단기간 다수 의사에게 옥시코돈 처방받기(doctor shopping) |

GBM 기반 사기 탐지 의사 코드

features = [

"claim_amount", "provider_avg_claim", "provider_claim_count_30d",

"diagnosis_procedure_match_score", "patient_provider_distance_km",

"provider_em_distribution_kl", "ndc_unusual_for_diagnosis_flag",

"patient_concurrent_claims_count", "billing_time_outlier_zscore",

]

model = lgb.Booster(model_file="fraud_v2026_05.txt")

score = model.predict(claim.features_vector(features))[0]

score > 0.92 → SIU 우선 조사 큐로

0.7 < score <= 0.92 → 사람 검토 큐로

score <= 0.7 → 자동 지급

GBM에 더해 그래프 신경망(GNN)으로 의사-환자-약국-DME의 동공 그래프를 학습하는 게 2026년 최전선. Optum Investigative Services가 이 분야 선두로 알려져 있고, 매년 수십억 달러를 회수한다(공시 기준).

14. 약물 상호작용 검토 — RxNorm + FHIR + LLM

처방약 청구는 PBM(약제급여관리회사)이 처리한다. 미국 빅3는 CVS Caremark, Express Scripts(Cigna 산하), OptumRx(UnitedHealth 산하). PBM의 AI는 두 가지 일을 한다.

1. **DUR(Drug Utilization Review)**: 새 처방이 환자의 기존 처방과 충돌하는가?

2. **대체약 추천**: 더 싸거나 더 효과적인 동급 약이 있는가?

데이터 표준.

- **RxNorm**(NLM 관리): 약물 표준 명명. 예: rxcui 197361 = Acetaminophen 325 MG Oral Tablet.

- **NDC**: FDA 약물 코드, 11자리.

- **First Databank, Wolters Kluwer, IBM Micromedex**: 상용 약물 데이터베이스(상호작용·금기·임신·소아).

약물 상호작용 검사 의사 코드

def check_interactions(new_rx_rxcui, member_id):

1. 환자의 활성 처방 가져오기 (FHIR R5 MedicationRequest)

active = fhir.search("MedicationRequest", patient=member_id, status="active")

2. RxNorm 정규화

active_rxcuis = [normalize_to_rxcui(m) for m in active]

3. 약물 상호작용 DB 조회 (Wolters Kluwer/FDB)

interactions = []

for rxcui in active_rxcuis:

x = fdb.interaction(new_rx_rxcui, rxcui)

if x and x.severity in ["major", "contraindicated"]:

interactions.append(x)

4. LLM으로 임상적 권장

if interactions:

recommendation = llm.chat(

system="You are a pharmacist. Given interactions, suggest action.",

user=f"Interactions: {interactions}. New Rx: {new_rx_rxcui}.",

)

return {"action": "PHARMACIST_REVIEW", "details": recommendation}

return {"action": "AUTO_APPROVE"}

DUR가 잘 작동하면 약물 부작용 입원이 줄고, PBM은 입원 비용까지 절약한다. 2024년 FDA의 Sentinel Initiative는 PBM 데이터를 부작용 시그널 모니터링에 활용하기 시작했다.

15. FHIR R5 Claim 리소스 — 표준 청구 데이터 모델

HL7 FHIR(Fast Healthcare Interoperability Resources)는 2024년 R5로 정식 발표되었다. 미국 CMS와 ONC는 FHIR R4를 의무화했고 R5 전환은 단계적이다. Claim 리소스의 표준 구조.

resourceType: Claim

id: claim-2026-12345

status: active

type:

coding:

- system: http://terminology.hl7.org/CodeSystem/claim-type

code: professional

use: claim

patient:

reference: Patient/12345

created: '2026-05-25T10:30:00Z'

insurer:

reference: Organization/cigna

provider:

reference: Practitioner/dr-jones

priority:

coding:

- system: http://terminology.hl7.org/CodeSystem/processpriority

code: normal

diagnosis:

- sequence: 1

diagnosisCodeableConcept:

coding:

- system: http://hl7.org/fhir/sid/icd-10-cm

code: E11.9

display: Type 2 diabetes mellitus without complications

type:

- coding:

- system: http://terminology.hl7.org/CodeSystem/ex-diagnosistype

code: principal

item:

- sequence: 1

productOrService:

coding:

- system: http://www.ama-assn.org/go/cpt

code: '99213'

servicedDate: '2026-05-25'

unitPrice:

value: 165.00

currency: USD

net:

value: 165.00

currency: USD

total:

value: 165.00

currency: USD

CMS-0057-F는 사전승인까지 FHIR 기반의 PAS(Prior Authorization Support) IG로 처리하도록 요구한다. 2026년 Epic, Cerner(Oracle Health), Athenahealth 모두 PAS IG를 지원.

16. EMR/EHR 연계 — Epic, Cerner, Athenahealth

미국 병원의 80% 이상이 Epic 또는 Cerner(현 Oracle Health) EHR을 쓴다. 보험사가 청구를 심사하려면 차트가 필요하고, 차트를 가져오려면 EHR과 연동해야 한다. 방법은 3가지.

| 방식 | 표준 | 사용 사례 |

| --- | --- | --- |

| HL7 v2 메시지 | ADT, ORU, BAR | 레거시 청구·결제 |

| FHIR API + SMART on FHIR OAuth | R4/R5 | 실시간 차트 풀, 사전승인 |

| Direct Project (X12+CDA) | C-CDA | 전원/의뢰 |

SMART on FHIR로 Epic에서 차트 풀 의사 코드

from fhirclient import client

settings = {

"app_id": "payer-app",

"api_base": "https://fhir.epic.com/interconnect-fhir-oauth/api/FHIR/R4/",

}

smart = client.FHIRClient(settings=settings)

smart.authorize() # OAuth2 backend services flow

환자 차트 가져오기

from fhirclient.models.patient import Patient

patient = Patient.read("12345", smart.server)

관찰값 (검사 결과)

from fhirclient.models.observation import Observation

search = Observation.where(struct={"patient": "12345", "category": "laboratory"})

obs = search.perform_resources(smart.server)

임상 노트

from fhirclient.models.documentreference import DocumentReference

docs = DocumentReference.where(struct={"patient": "12345"}).perform_resources(smart.server)

2024년 ONC의 USCDI v4와 HTI-1 규칙은 EHR이 FHIR R4 API를 의무 제공할 것을 요구했다. 2026년 보험사 AI가 합법적으로 차트를 가져올 수 있는 표준 경로가 확립된 셈이다.

17. 한국 실손보험 청구 간소화 — 4세대의 진짜 본격화

한국은 2023년 10월 보험업법 개정으로 실손의료보험 청구 간소화 법적 근거가 마련되었고, 단계별로 시행되어 왔다.

- 2024년 10월 1일: 30병상 이상 병원 대상 1단계 시행 (약 4,200개소)

- 2025년 10월 25일: 의원·약국 확대 2단계 시행 (약 7만 개소)

- 2026년 본격 운영기 — 청구 간소화가 사실상 표준 채널이 됨

가입자는 의료기관에서 진료 후 "실손 청구해주세요" 한 마디로 끝난다. 의료기관 EMR이 청구 데이터를 보험개발원의 전송대행기관(현재 보험개발원이 위탁운영)으로 송신하고, 보험사가 자동 심사 후 익일 지급. 이게 가능하려면 보험사 측에서 AI 자동 심사가 필수.

[병원/의원 EMR]

↓ (보험개발원 표준 인터페이스)

[전송대행기관 — 보험개발원]

↓

[각 보험사 청구 시스템]

↓

[AI 자동심사 — 룰 + GBM + LLM 차트 검토]

↓

[지급결정 익일 — 평균 보험금 8만 원]

4세대 실손(2021년 7월 출시)은 비급여 자기부담률을 30%로 올리고, 보험료를 분리(급여/비급여), 도수치료·MRI 등 과잉진료 가능 항목은 별도 한도. AI 심사는 4세대 들어 더 정교해졌다 — 비급여 분리 청구를 추적해야 하므로.

18. 삼성화재 다이렉트 — 한국 손보 빅1의 AI

삼성화재는 2026년 기준 한국 손해보험 시장 점유율 1위(약 29%)다. 자동차·장기인·건강·종합·일반 모든 라인에서 AI 자동심사를 운영한다.

| 라인 | AI 자동심사율(2026 공시 추정) |

| --- | --- |

| 자동차보험 (소액 자차) | 80%+ |

| 실손 (단순 외래) | 70-85% |

| 장기인보험 (수술·진단) | 40-60% |

| 종합보험 (사망·후유장해) | 사람 심사 중심 |

삼성화재는 2024년 자체 클레임 AI 플랫폼을 발표했고, 2025년 OCR + LLM 기반 청구서·진단서 자동 판독을 본격 운영한다. 의료자문은 외부 의료자문기관(예: 한국의료자문지원센터)이 처리하고, AI는 보조 역할.

한국 실손 AI 자동심사 의사 코드

def adjudicate_kr_health_claim(claim):

1. 청구 기본 검증

if not validate_kcd_code(claim.diagnosis_kcd):

return reject("KCD 코드 오류")

2. 보장 약관 매핑

coverage = match_coverage(

product=claim.product_code,

diagnosis=claim.diagnosis_kcd,

treatment_type=claim.treatment_type, # 입원/외래/통원

)

3. 자기부담률 계산 (1/2/3/4세대마다 다름)

deductible = calc_deductible(

generation=claim.generation, # 4세대=2021.07~

coverage_type=coverage.type,

bill_total=claim.bill_total,

non_covered_amount=claim.non_covered, # 비급여

)

4. 사기·과잉진료 점수 (GBM)

fraud_score = gbm.predict(claim.features())

5. 자동 심사 라우팅

payable = claim.bill_total - deductible

if fraud_score < 0.3 and payable <= 100_000:

return auto_approve(payable) # 익일 지급

elif fraud_score > 0.7:

return route_to_siu()

else:

return route_to_human_reviewer()

19. 현대해상 굿앤굿하이, KB손보, 메리츠화재 AI

빅5 손보의 AI 라인업.

| 보험사 | 헬스 브랜드/플랫폼 | AI 특징 |

| --- | --- | --- |

| 삼성화재 | 삼성화재 다이렉트, 건강이상감지 | OCR + LLM, 자체 의료 GBM |

| 현대해상 | 굿앤굿하이 시리즈 | 건강검진 데이터 연계, AI 보험료 산출 |

| DB손보 | 프로미라이프 | 만성질환 인수 자동화, 텔레메디슨 연계 |

| KB손보 | KB 건강플러스 | 헬스 데이터 자산화, 보험금 자동 청구 앱 |

| 메리츠화재 | 메리츠 다이렉트 | 신속 지급(평균 24시간), 챗봇 청구 안내 |

현대해상의 굿앤굿하이는 건강검진(국민건강보험공단 데이터 연계 동의 시) 결과로 보험료를 차등 산정하는 인수 모델이다. 좋은 검진 결과 → 보험료 할인. AI는 검진 데이터 분류와 위험 점수 산출에 쓰인다.

KB손보의 KB 건강플러스 앱은 환자가 처방전·진단서를 사진으로 찍어 올리면 OCR로 텍스트화하고 LLM이 자동 청구 작성을 도와준다. 2025년부터 청구 간소화 채널과 병행.

메리츠화재는 "24시간 내 지급" 을 마케팅 포인트로 삼았다. 자동심사율 70% 이상 달성이 전제.

20. 일본 損保ジャパン, 第一生命 himawari, ニチイ학관

일본은 한국과 비교해 의료비 본인부담률이 평균 30% (75세 미만 일반)로 더 낮고, 民間 의료보험(医療保険)이 보조적 역할이다. 그래도 AI 청구·헬스케어 데이터 활용이 급속히 확산 중.

- **損保ジャパン**: 2024년 헬스케어 자회사 SOMPO Health Support로 통합. AI 케어 매니지먼트, 介護(요양) 데이터 활용.

- **第一生命 — himawari생명**: 2017년부터 himawari 챗봇으로 보험금 청구·계약 변경 자동화. 2025년 LLM 어시스턴트 업그레이드(GPT-4o + 自社 도메인 튜닝).

- **東京海上日動 — メディカルキック AI**: 의료비 청구 OCR + 자동심사.

- **第一生命 — 健康診断 데이터 연계**: 健診 결과 + ニチイ학관 訪問介護 데이터로 위험 평가.

- **ニチイ学館**: 일본 최대 의료사무·介護 사업자. 청구 BPO에 AI/OCR 적극 도입.

2024년 일본 厚労省은 マイナ保険証(마이넘버 보험증) 본격 운영을 시작했고, オンライン資格確認(자격 실시간 확인) 가입 의료기관이 90% 를 넘었다. 이 인프라 위에서 民間 보험사 청구 자동화가 가속 중.

21. NHS England AI — 공보험의 AI

영국 NHS England는 미국 민영 보험과 완전히 다른 모델이지만 AI 도입은 활발하다. 2025년 NHS AI Lab은 다음 4개 프로그램을 운영.

1. **NHS AI Diagnostic Fund** — 영상의학(흉부 X-ray, 유방 X-ray, 망막 등) AI 도입에 £2,300만 펀드.

2. **NHS Federated Data Platform (FDP)** — 팔란티어가 2023년 11월 £3.3억에 수주, 환자 흐름·재고·운영 데이터 통합. AI 분석이 핵심.

3. **AI Stroke Pathway** — Brainomix e-Stroke 등 뇌졸중 영상 AI를 잉글랜드 거의 전 응급실에 배치.

4. **Doctor AI Co-Pilot 시범** — 일부 트러스트에서 GP 진료에 LLM 어시스턴트.

NHS의 AI는 청구 거절이 목적이 아니라 자원 배분과 진단 보조다 — 단일 지불자 시스템이기 때문. 같은 기술이 다른 인센티브 구조에서 다르게 쓰이는 좋은 예.

22. AI 거절의 정치학 — 미 의회 청문회와 규제

2024년 7월 미 상원 PSI는 "Medicare Advantage and Patient Care: Algorithmic Denials" 청문회를 열고 UnitedHealth, Humana, CVS/Aetna 임원을 증언대에 세웠다. 보고서의 핵심 발견.

- 빅3 Medicare Advantage 보험사의 사전승인 거절률이 일반 Medicare의 16배.

- 사후 항소 시 거절 80%+ 가 뒤집힘 — 즉 1차 거절의 80%가 부적절했다는 의미.

- AI 시스템 사용을 일부 보험사가 부정확하게 공시.

2024년 1월 CMS Final Rule(CMS-0057-F)은 사전승인 의사결정에서 다음을 요구했다.

- **자동 거절은 의료적 사유에 기반해야 하며**, 알고리즘 단독으로 결정해서는 안 됨.

- **사전승인 결과는 표준 시간 내** 통보(일반 7일, 긴급 72시간).

- **결정 사유의 명확한 설명** 의무.

2024년 12월 UnitedHealth CEO 피살 사건은 사회적 분노의 정점을 보여줬다. 사건 자체는 비극이지만 사회적 백래시는 그 전부터 누적되었고, 보험사들은 2025년 들어 AI 거버넌스 위원회 신설, 사람 검토 의무 강화, 거절 사유 공개 확대 등의 조치를 발표했다.

23. 의료진의 반격 — DocAI, PA Helper

의료진도 가만히 있지 않는다. 사전승인 자동화의 반대편에서 "사전승인 자동 작성/항소 AI" 들이 등장했다.

- **Cohere Health** — 사전승인 워크플로 플랫폼, 의료진 측에서 사용.

- **Notable Health** — EHR에 임베드되는 사전승인 자동 작성 AI.

- **AKASA** — RCM(Revenue Cycle Management) 전체 AI 자동화.

- **Doximity GPT** — 의사 SNS Doximity가 만든 의사 전용 LLM.

- **Glass Health, Hippocratic AI** — 임상 LLM.

사전승인 자동 작성 의사 코드 (의료진측)

def auto_draft_prior_auth(patient_id, requested_cpt):

1. EHR에서 임상 컨텍스트 추출

chart = epic.fetch_chart(patient_id)

2. 보험사 정책 조회 (보험사가 공개한 cri 또는 InterQual 매핑)

payer_policy = payer_policies.lookup(patient.payer, requested_cpt)

3. LLM으로 사전승인 신청서 작성

draft = llm.chat(

system=f"You are a clinical writer. Draft prior auth justification per {payer_policy.criteria}.",

user=f"Patient chart: {chart}. Requested CPT: {requested_cpt}.",

)

4. 의사 검토 후 제출

return draft

군비 경쟁이다. 보험사가 AI로 거절하면 의료진이 AI로 더 강한 신청서를 만들고, 그러면 보험사가 다시 더 강한 거절 모델을 학습한다.

24. 한국·일본·미국 비교표 — AI 청구 자동화 지형

| 항목 | 미국 (Cigna/UHG/Humana) | 한국 (삼성/현대/DB/KB/메리츠) | 일본 (損保ジャパン/第一/東京海上) |

| --- | --- | --- | --- |

| 의료비 본인부담 | 평균 30-40% (보험에 따라) | 급여 20% + 비급여 100% | 30% (75세 미만 일반) |

| 민영 의료보험 위상 | 1차 지불자 | 보조(실손) | 보조(医療保険) |

| 청구 표준 | X12 837/835 + FHIR R4 | 보험개발원 표준 (간소화) | レセプト(전산기록) |

| AI 거절률 (1차) | 16-20% (산업 추정) | 5-15% (실손) | 비공시, 낮은 편 |

| 사전승인 자동화 | 활발 (논쟁적) | 의원 미도입 | 일부 (가입 시점) |

| 사기 탐지 AI | NHCAA $300B 시장 | 보험사기방지센터 + 보험사 | 損保協會 + 厚労省 |

| 사회적 갈등 | 매우 큼 (소송 다수) | 중간 (비급여 분쟁) | 작음 |

| 규제 강도 | CMS-0057-F, 주 보험감독 | 금감원, 보험업법 | 金融庁, 厚労省 |

25. 2026년 다음 단계 — 무엇이 올까

- **사전승인 표준 API 의무화**: CMS-0057-F가 2027년 1월 본격 발효되면 PAS FHIR IG가 표준이 되고, 보험사 AI는 더 빠르고 더 투명해질 것이다(또는 그래야 한다).

- **알고리즘 감사(algorithmic audit) 의무화**: NIST AI RMF·EU AI Act·미 주별 보험감독 규정이 결합해 청구 자동심사 AI에 외부 감사가 강제될 가능성.

- **환자 측 AI 항소 도구**: 무료 항소 작성 AI(예: Counterforce Health) 가 확산되면 거절-항소-재거절의 비용 구조가 바뀐다.

- **헬스 데이터 마켓플레이스**: 한국 마이데이터 + 일본 マイナンバー + 미국 HIPAA Right of Access가 결합해 환자가 자기 데이터를 보험사 외 AI에도 제공해 더 나은 인수를 받는 모델.

- **EHR 내장 AI 어시스턴트**: Epic의 ED Brain, Cerner(Oracle Health) 의 Clinical AI Assistant가 일반화되면 코딩·청구가 진료 시점에 거의 완성된다.

- **단가 투명화**: 미국 No Surprises Act + Hospital Price Transparency 규칙으로 청구서 단가가 공개되면 AI가 환자 측에서 최적 의료비 추정에 활용된다.

핵심 질문: **AI는 보험사와 환자 중 누구를 위해 일하는가?** 2026년의 답은 명백히 "지금까지는 보험사" 다. 그러나 청구 자동화와 동일한 LLM 기술이 환자/의료진/감독기관 측에도 빠르게 보급되고 있어, 향후 5년의 지형은 이 권력 균형의 재조정에 달려 있다.

26. References

- ProPublica, "How Cigna Saves Millions by Having Its Doctors Reject Claims Without Reading Them" (Patrick Rucker, David Armstrong, Doris Burke, 2023): https://www.propublica.org/article/cigna-pxdx-medical-health-insurance-rejection-claims

- STAT News, "UnitedHealth used secret rules to restrict rehab care for seriously ill Medicare Advantage patients" (Casey Ross, Bob Herman, 2023): https://www.statnews.com/2023/11/14/unitedhealth-medicare-advantage-investigation-prior-authorization-naviHealth/

- U.S. Senate Permanent Subcommittee on Investigations (PSI), "Refusal of Recovery: How Medicare Advantage Insurers Have Denied Patients Access to Post-Acute Care" (2024): https://www.hsgac.senate.gov/subcommittees/investigations/

- CMS Interoperability and Prior Authorization Final Rule (CMS-0057-F): https://www.cms.gov/newsroom/fact-sheets/cms-interoperability-and-prior-authorization-final-rule-cms-0057-f

- HHS Office of Inspector General, "Medicare Advantage Compliance Audits" (2024): https://oig.hhs.gov/oei/medicare-advantage/

- HL7 FHIR R5 Claim Resource: https://hl7.org/fhir/R5/claim.html

- DaVinci PAS (Prior Authorization Support) Implementation Guide: https://hl7.org/fhir/us/davinci-pas/

- NHCAA (National Health Care Anti-Fraud Association): https://www.nhcaa.org/

- Kaiser Family Foundation, "Use of Prior Authorization in Medicare Advantage" (2024): https://www.kff.org/medicare/issue-brief/use-of-prior-authorization-in-medicare-advantage-exceeded-46-million-requests-in-2022/

- 보험개발원 실손의료보험 청구 간소화 안내: https://www.kidi.or.kr/

- 금융감독원, "실손의료보험 청구 간소화 시행 안내": https://www.fss.or.kr/

- 한국 보험연구원(KIRI) 보험금 자동심사 동향 보고서: https://www.kiri.or.kr/

- 厚生労働省 オンライン資格確認: https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000172019.html

- 厚生労働省 マイナンバーカードの保険証利用について: https://www.mhlw.go.jp/stf/index_16745.html

- 損害保険料率算出機構 (損保料率機構): https://www.giroj.or.jp/

- 一般社団法人 日本損害保険協会: https://www.sonpo.or.jp/

- 第一生命 himawari チャットボット: https://www.dai-ichi-life.co.jp/

- ニチイ学館: https://www.nichiigakkan.co.jp/

- NHS England AI Diagnostic Fund: https://www.england.nhs.uk/aac/what-we-do/innovation-for-healthcare-inequalities-programme/ai-diagnostic-fund/

- NIST AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework

- Cohere Health Prior Authorization Platform: https://coherehealth.com/

- Cotiviti Fraud, Waste, and Abuse Solutions: https://www.cotiviti.com/

- Optum Insight: https://www.optum.com/business/insights.html

- AMA CPT Code Set: https://www.ama-assn.org/practice-management/cpt

- CDC ICD-10-CM: https://www.cdc.gov/nchs/icd/icd-10-cm.htm

- WHO ICD-11: https://icd.who.int/en

- NLM RxNorm: https://www.nlm.nih.gov/research/umls/rxnorm/

- Epic FHIR Documentation: https://fhir.epic.com/

- Oracle Health (Cerner) FHIR APIs: https://docs.oracle.com/en/industries/health/millennium-platform-apis/index.html