2026년 약가제도 개편에 따른 데이터 기반 의약품 가치 평가 체계 - 병원 데이터의 활용 가능성과 실사용 근거 생성 접근

1. 서론 (Introduction)

의약품 평가 및 가격 결정 체계는 최근 가치 기반(value-based) 접근으로 전환되고 있으며, 실제 임상 환경에서의 치료 성과를 반영하는 방향으로 발전하고 있다. 이러한 변화는 단순한 평가 기준의 보완이 아니라, 의약품의 가치를 정의하는 방식 자체의 전환으로 이해될 수 있다.

국내에서도 2026년 약가제도 개편을 통해 이러한 흐름이 제도적으로 구체화되고 있으며, 개편된 제도는 신약의 신속한 급여 등재, 급여 이후 성과 기반 재평가, 비용효과성 평가 체계의 고도화를 주요 특징으로 한다. 이는 의약품 평가가 특정 시점에서의 단회성 검토가 아니라, 실제 임상 데이터를 기반으로 지속적으로 근거를 생성하고 축적하는 과정으로 전환됨을 의미한다.

2. 약가제도 변화와 데이터 요구의 확대

기존 약가 결정 체계는 주로 무작위 임상시험(Randomized Controlled Trial, RCT)에 기반하여, 제한된 환자군과 통제된 환경에서 도출된 결과를 중심으로 이루어졌다. 그러나 이러한 접근은 실제 진료 환경에서의 환자 특성, 치료 패턴, 순응도 등을 충분히 반영하지 못한다는 한계를 가진다.

개편된 제도에서는 실제 진료 환경에서의 치료 결과가 중요한 평가 요소로 포함되며, 이에 따라 약가는 고정된 값이 아닌 성과에 따라 조정되는 동적 변수로 전환된다. 이러한 변화는 제약사에게 실제 환자군에서의 치료 효과를 지속적으로 입증하고, 환자 세분화에 따른 효과 차이를 분석하며, 의료 자원 사용 및 비용 대비 효과성을 평가할 것을 요구한다. 이는 단순한 데이터 보유를 넘어, 데이터를 정책적으로 활용 가능한 근거로 전환하는 역량이 핵심 요소로 작용하게 됨을 의미한다.

3. 병원 데이터 활용의 구조적 한계

실사용 근거 생성의 핵심 자원은 병원에서 생성되는 임상 데이터이다. 그러나 이러한 데이터는 구조적·기술적 제약으로 인해 충분히 활용되지 못하고 있다.

임상 데이터는 의사 소견, 검사 결과, 영상 판독 리포트 등 다양한 형태로 존재하며, 그 상당 부분이 텍스트, PDF, 이미지 형태의 비정형 데이터로 구성되어 있다. 이러한 데이터는 구조화되지 않은 상태로 저장되기 때문에 직접적인 분석이 제한된다.

또한 의료기관 간 EMR 시스템, 코드 체계, 문서화 방식의 차이로 인해 데이터 통합 및 비교 분석이 어렵다. 이로 인해 실제로는 풍부한 데이터가 존재함에도 불구하고, 정책 및 평가에 활용 가능한 근거로 전환되지 못하는 데이터 활용의 간극(data-to-evidence gap)이 발생한다. 이는 데이터의 부족이 아니라 데이터 활용 가능성의 제한이라는 구조적 문제로 이해될 수 있다.

4. 비정형 데이터 처리의 필요성

약가 평가 및 의약품 가치 평가에 필요한 핵심 정보는 실제 임상 과정에서 생성되는 다양한 데이터에 포함되어 있으며, 그 중 상당 부분이 비정형 형태로 존재한다.

예를 들어 검사 결과 수치, 영상 판독 내용, 환자 상태에 대한 임상적 판단 등은 임상적으로 중요한 정보를 포함하고 있음에도 불구하고 기존 분석 체계에서는 활용이 제한되는 경우가 많다.

이러한 한계를 극복하기 위한 기술적 접근으로 OCR(Optical Character Recognition)이 활용될 수 있다. OCR은 문서 및 이미지 기반 데이터를 텍스트로 변환하고, 이를 구조화된 데이터로 전환하는 과정을 가능하게 한다.

비정형 데이터를 포함한 분석은 데이터의 완전성을 확보하고, 분석 결과의 신뢰도를 향상시키며, 실제 임상적 맥락을 반영할 수 있다는 점에서 중요하다. 반대로 비정형 데이터가 포함되지 않을 경우 분석 결과는 제한된 정보에 기반하게 되며, 이는 정책 대응 과정에서 근거의 설득력을 저하시킬 수 있다.

5. 데이터 통합 및 RWE 생성 프레임워크

효과적인 실사용 근거 생성을 위해서는 비정형 데이터, EMR 데이터, 그리고 다양한 데이터 소스를 통합하는 접근이 필요하다.

전체 데이터 흐름은 다음과 같이 구성된다:

비정형 데이터 수집 이후 OCR을 통한 데이터 추출 및 구조화를 수행하고, 이를 EMR 데이터와 통합하여 환자 단위 데이터셋을 구성한다. 이후 데이터 표준화 및 정합성 확보 과정을 거쳐 분석 가능한 데이터 구조를 마련하고, 이를 기반으로 실사용 근거(RWE)를 생성한다. 마지막으로 이러한 분석 결과는 정책 대응을 위한 문서 형태로 정리된다.

이 과정에서 데이터는 단순한 분석 대상이 아니라, 의약품의 가치 평가 및 정책 의사결정을 위한 근거로 전환된다. 따라서 데이터 처리의 목적은 분석 자체가 아니라, 정책적으로 활용 가능한 형태의 근거를 생성하는 데 있다.

6. 통합적 데이터 처리 접근과 메디트랜스 사례

최근 실사용 근거(RWE) 생성의 중요성이 증가함에 따라, 병원 내 분산된 데이터 자원을 통합하고 비정형 데이터를 포함한 전체 임상 데이터를 분석 가능한 형태로 전환하려는 시도가 확대되고 있다. 이러한 접근은 단순한 데이터 수집을 넘어, 정책 및 의사결정에 활용 가능한 근거를 생성하는 데 목적을 둔다.

메디트랜스는 이러한 요구에 대응하기 위해 OCR 기반 비정형 데이터 처리 기술과 EMR 통합 구조를 결합한 통합적 데이터 처리 프레임워크를 적용하고 있다. 특히 비정형 데이터 처리 과정에서, 자체 서비스인 닥터스노트(Doctor's Note)에 적용된 OCR 기술을 활용하여 문서 및 이미지 형태로 존재하는 임상 정보를 구조화 가능한 데이터로 전환하고 있다.

이러한 OCR 기술은 검사 결과지, 판독 리포트, 임상 기록 등 다양한 형태의 비정형 데이터를 대상으로 하며, 텍스트 추출 이후 임상적으로 의미 있는 단위로 정제 및 구조화하는 과정을 포함한다. 이를 통해 기존에 분석에서 제외되던 데이터를 포함시킬 수 있으며, 데이터의 완전성과 분석 범위를 확장할 수 있다.

메디트랜스의 데이터 처리 흐름은 다음과 같이 구성된다.

첫째, 의료기관 내에서 생성되는 검사 결과지, 판독 리포트, 임상 기록 등 다양한 형태의 비정형 데이터를 확보한다.
둘째, 닥터스노트(Doctor's Note)에 적용된 OCR 기술을 활용하여 문서 및 이미지 형태의 데이터를 텍스트로 추출하고, 이를 임상적으로 의미 있는 항목 단위로 구조화한다.
셋째, 구조화된 데이터를 기존 EMR 데이터와 통합하여 환자 단위 데이터셋을 구성한다.
넷째, 데이터 표준화 및 정합성 확보 과정을 통해 코드 체계를 정렬하고 데이터 품질을 관리한다.
다섯째, 통합된 데이터를 기반으로 치료 효과, 생존율, 의료 자원 사용량 등 주요 지표를 분석하여 실사용 근거(RWE)를 생성한다.
여섯째, 생성된 분석 결과를 바탕으로 약가 평가 및 정책 대응을 위한 문서화(메디컬 라이팅)를 수행한다.

이와 같은 접근은 데이터 수집, 처리, 분석, 문서화를 단절된 단계가 아닌 하나의 연속된 프로세스로 통합한다는 점에서 의미를 가진다.

특히 비정형 데이터를 포함한 전체 데이터 기반 분석은 기존 구조화 데이터만을 활용한 접근에 비해 다음과 같은 장점을 가진다. 임상 정보의 누락을 최소화할 수 있으며, 분석 결과의 신뢰도를 향상시킬 수 있다. 또한 환자군 세분화 및 정밀 분석이 가능해지고, 정책 대응 과정에서 근거의 설득력을 높일 수 있다.

결과적으로 메디트랜스의 접근은 단순한 데이터 처리 기술을 넘어, 병원 내 다양한 형태의 데이터를 통합하고 이를 정책 및 의사결정에 활용 가능한 근거로 전환하는 통합적 데이터 처리 모델로 이해할 수 있다.

7. 논의

2026년 약가제도 개편은 의약품 평가 체계를 단순한 가격 산정 방식의 변경이 아니라, 데이터 기반 의사결정 구조로의 전환으로 이해할 필요가 있다. 특히 사후 성과 평가의 도입은 의약품의 가치가 출시 시점에서 고정되는 것이 아니라, 실제 임상 환경에서의 치료 결과에 따라 지속적으로 재평가되는 구조를 의미한다.

이러한 변화는 제약 산업 전반에 다음과 같은 구조적 영향을 미친다.

첫째, 근거 생성 방식의 변화이다. 기존에는 임상시험 데이터를 중심으로 제한된 시점에서 근거를 제출하는 방식이었다면, 향후에는 실제 환자 데이터를 기반으로 지속적인 근거 생성이 요구된다. 이는 데이터 생성의 시점과 범위가 확대됨을 의미한다.

둘째, 데이터 인프라의 중요성 증가이다. 실사용 데이터(RWD)를 활용한 근거 생성이 필수화됨에 따라, 데이터 확보뿐 아니라 이를 통합하고 분석 가능한 형태로 전환하는 기술적 역량이 핵심 요소로 작용한다. 특히 비정형 데이터를 포함한 전체 데이터 활용 여부는 분석 결과의 신뢰도와 직결된다.

셋째, 데이터 활용의 질적 차별화이다. 단순히 데이터를 보유하는 것만으로는 정책 대응이 어려우며, 이를 정책 요구에 부합하는 형태의 근거(RWE)로 전환할 수 있는 능력이 중요해진다. 이 과정에서 데이터 구조화, 분석, 그리고 해석 및 문서화가 통합적으로 수행되어야 한다.

넷째, 비정형 데이터의 전략적 가치 부상이다. 기존에는 활용이 제한적이었던 비정형 데이터가 실제 임상 정보를 풍부하게 포함하고 있다는 점에서, 이를 포함한 분석은 보다 정밀하고 현실적인 결과를 도출할 수 있다. 반대로 비정형 데이터가 제외된 분석은 중요한 임상 정보를 반영하지 못할 가능성이 존재한다.

결과적으로, 약가제도 개편은 단순히 데이터의 양적 확대를 요구하는 것이 아니라, 데이터의 완전성, 통합성, 해석 가능성을 포함한 ‘근거 생성 체계’의 구축을 요구하는 변화로 해석할 수 있다.

8. 결론

2026년 약가제도 개편은 의약품 평가 체계를 데이터 기반으로 재편하는 중요한 전환점으로 볼 수 있다. 특히 실사용 데이터 기반 평가의 도입은 의약품의 가치가 고정된 결과가 아니라, 실제 임상 환경에서의 성과에 따라 지속적으로 재정의되는 구조를 의미한다.

이러한 환경에서 제약사 및 관련 이해관계자에게 요구되는 핵심 역량은 단순한 데이터 확보가 아니라, 정책 및 의사결정에 활용 가능한 근거로의 전환 능력이다.

이를 위해서는 다음과 같은 요소가 통합적으로 고려되어야 한다:

• 비정형 데이터를 포함한 데이터 확보
• OCR 기반 데이터 추출 및 구조화
• EMR 데이터와의 통합
• 분석 가능한 데이터셋 구축
• 실사용 근거(RWE) 생성
• 정책 대응을 위한 문서화

특히 이러한 요소들은 개별적으로 작동하기보다는, 하나의 연속된 프로세스로 통합될 때 효과적으로 작동할 수 있다.

따라서 향후 의약품 가치 평가 환경에서는 데이터의 보유 여부보다, 데이터를 근거로 전환할 수 있는 통합적 역량이 핵심 경쟁력으로 작용할 것으로 판단된다.

데이터 기반 의약품 평가, RWE 생성, OCR 기반 데이터 구조화 및 약가 평가 대응 전략 관련 지원이 필요하신 경우,
메디트랜스에 문의해 주시면 통합적인 데이터 처리 및 근거 생성 서비스를 제공해 드립니다.