예방·예측 중심의 도시 돌봄체계 전환

 

인공지능과 도시 데이터의 결합은 공공서비스의 제공방식을 일률적·신청 중심에서 개인화·예측 중심으로 변화시키고 있다. 특히 고령화, 1인 가구 증가, 만성질환 확대와 같은 사회구조 변화는 기존의 병원·시설 중심 서비스만으로 대응하기 어려운 새로운 수요를 만들고 있다.

 

AI 시티에서는 웨어러블 기기, 주거공간 센서, 의료정보, 행정데이터 등을 활용해 시민의 건강과 생활위험을 조기에 파악하고 필요한 서비스를 연결할 수 있다. 시민이 문제 발생 이후 직접 지원을 요청하는 방식에서 벗어나 도시가 위험 신호를 먼저 확인하고 대응하는 능동형 서비스로 전환되는 것이다.

 

1. 병원 중심에서 생활공간 중심의 건강관리로

 

기존 의료서비스는 증상이 발생한 이후 시민이 의료기관을 방문하는 사후 대응 방식에 크게 의존해 왔다. 그러나 고령자와 만성질환자의 증가로 일상생활 중 건강 상태를 지속적으로 관리할 필요성이 커지고 있다.

 

웨어러블 기기와 의료용 센서는 심박수, 체온, 산소포화도, 수면, 활동량 등 다양한 생체정보를 수집할 수 있다. AI는 특정 시점의 수치만 확인하는 것이 아니라 개인의 평상시 패턴과 비교해 이상 여부를 분석한다.

 

예를 들어 독거노인의 활동량이 갑자기 감소하고 심박수와 수면 패턴에도 변화가 나타날 경우, 개별 수치를 각각 판단하는 것보다 여러 변화를 종합적으로 분석하는 것이 위험을 조기에 발견하는 데 유리하다. 분석 결과에 따라 본인에게 건강 확인을 안내하거나 가족, 돌봄 인력, 의료진에게 알림을 전달할 수 있다.

 

<표> 웨어러블 기기 연동 초개인화 헬스케어 디지털 트윈 서비스 체계

 

생활공간이 건강관리의 시작점으로 확대되면 질환 악화 이후의 응급 대응뿐 아니라 조기 발견과 예방 관리의 비중이 높아질 수 있다.

 

2. 헬스케어 디지털 트윈의 활용

 

헬스케어 디지털 트윈은 개인의 생체정보, 의료기록, 생활습관 데이터를 가상공간에 반영해 건강 상태와 변화 가능성을 분석하는 기술이다.

 

<그림> IoT 센서·클라우드·AI 기반 실시간 헬스케어 디지털 트윈 구조

자료 : Jameil and Al-Raweshidy, “A Digital Twin Framework for Real-Time Healthcare Monitoring,” Discover Internet of Things, 2025.

 

의료진은 환자의 현재 상태뿐 아니라 과거 데이터와의 차이, 치료나 생활습관 변화에 따른 가능성을 종합적으로 검토할 수 있다. 만성질환자의 생체지표가 평소와 다른 방향으로 변화할 경우, 질환 악화 가능성을 조기에 파악하고 진료나 상담 시점을 조정하는 데 활용할 수 있다.

 

디지털 트윈의 역할은 의료진의 진단을 대체하는 것이 아니라 판단에 필요한 정보를 구조화하는 데 있다. 의료진이 많은 데이터를 직접 검토해야 하는 부담을 줄이고, 위험도가 높은 환자를 우선적으로 관리하도록 지원하는 것이다.

 

향후 헬스케어 디지털 트윈은 원격의료, 재택 돌봄, 고령자 건강관리, 만성질환 관리서비스와 결합해 예방 중심 의료체계를 구축하는 기반으로 활용될 가능성이 높다.

 

3. 신청형 복지에서 능동형 복지로

 

기존 복지서비스는 지원 대상자가 제도를 파악하고 직접 신청하는 방식으로 운영되는 경우가 많다. 그러나 복잡한 신청 절차와 정보 부족으로 인해 실제 도움이 필요한 시민이 지원에서 제외되는 복지 사각지대가 발생할 수 있다.

 

AI 기반 복지서비스는 소득 변화, 공공요금 체납, 주거 상황, 의료 이용, 생활 민원 등 여러 데이터를 연계해 위기 가능성이 높은 가구를 파악하는 데 활용될 수 있다. 개별 정보만으로는 확인하기 어려운 위험의 중첩을 분석함으로써 담당자가 우선적으로 확인해야 할 가구를 제시하는 방식이다.

 

가구의 특성에 따라 신청 가능한 복지급여, 돌봄, 고용, 주거 지원제도를 안내하는 서비스도 가능하다. 시민이 여러 기관의 제도를 각각 검색하는 대신 자신의 상황에 적합한 서비스를 통합적으로 제공받는 구조다.

 

다만 AI가 지원 여부를 최종적으로 결정해서는 안 된다. 데이터 분석 결과는 복지 담당자의 현장 확인과 전문적 판단을 지원하는 수단으로 활용되어야 한다.

 

4. 생성형 AI를 활용한 행정 접근성 개선

 

공공서비스의 초개인화는 서로 다른 시민에게 차별적인 권리를 제공하는 것이 아니라 동일한 서비스를 실제로 이용할 수 있도록 접근방식을 조정하는 것을 의미한다.

 

생성형 AI 기반 행정상담은 시민이 복잡한 행정 용어를 사용하지 않더라도 일상적인 표현으로 자신의 상황을 설명하고 관련 제도, 신청기관, 필요서류를 안내받도록 지원할 수 있다. 서비스 운영시간의 제약이 적기 때문에 업무시간에 행정기관을 방문하기 어려운 시민의 접근성도 높일 수 있다.

 

고령자에게는 음성 중심 인터페이스를 제공하고, 외국인에게는 다국어 안내를 제공하며, 시각·청각장애인에게는 화면 읽기, 자막, 수어 서비스와 연계하는 방식도 가능하다.

 

그러나 모바일 앱이나 키오스크 중심으로 서비스를 전환하면 디지털 활용이 어려운 시민이 오히려 배제될 수 있다. 따라서 AI 상담과 함께 전화, 대면 창구, 현장 방문 등 기존 채널을 유지하는 다중 접근체계가 필요하다.

 

5. 도시 헬스케어·복지 산업의 확대

 

AI 기반 헬스케어와 복지서비스의 확대는 의료기관과 행정기관뿐 아니라 웨어러블 기기, 바이오센서, 통신, 클라우드, 데이터 분석, 보안, 돌봄 플랫폼 산업의 성장을 촉진할 수 있다.

 

고령자와 만성질환자를 대상으로 한 원격 모니터링 서비스가 확산되면 기기 판매 중심의 사업모델에서 건강관리 구독, 위험 알림, 상담 연계 등 지속형 서비스 모델로 전환될 수 있다. 의료기관과 지방자치단체, 보험사, 돌봄기업 간 협력도 확대될 가능성이 있다.

 

복지 분야에서는 데이터 연계 플랫폼, AI 상담, 사례관리 지원시스템의 중요성이 커질 전망이다. 다만 의료·복지 데이터는 민감도가 높기 때문에 기술 공급기업의 보안 역량과 공공부문의 데이터 관리체계가 시장 확대의 핵심 조건이 된다.

 

6. 개인정보 보호와 알고리즘 책임성 확보

 

개인화된 서비스를 제공하려면 건강정보, 소득, 주거, 가족관계 등 민감한 데이터가 활용될 수 있다. 따라서 필요한 범위의 데이터만 수집하고 이용 목적과 보관기간을 명확히 설정해야 한다.

 

알고리즘이 특정 연령, 지역, 소득집단을 부정확하게 평가하지 않는지도 지속적으로 점검해야 한다. 학습데이터에 특정 집단이 충분히 포함되지 않으면 실제 위험도가 낮게 평가되거나 불필요한 경고가 반복될 수 있다.

 

개인정보를 한곳에 집중하지 않고 기관이나 기기별로 학습한 결과만 공유하는 연합학습과 같은 기술도 대안이 될 수 있다. 시민이 자신의 데이터 이용내역을 확인하고 수정 또는 이용 중지를 요청할 수 있는 권리도 보장되어야 한다.

 

AI 기반 도시 돌봄의 목적은 시민을 세밀하게 감시하거나 자동으로 분류하는 데 있지 않다. 의료진과 복지 담당자가 위험 신호를 더 일찍 발견하고, 필요한 시민에게 적절한 서비스를 연결하도록 지원하는 데 있다.

 

향후 AI 시티의 성과는 도입된 기술의 수보다 건강위험과 복지 사각지대를 얼마나 줄였는지, 취약계층의 서비스 접근성을 얼마나 개선했는지를 중심으로 평가될 필요가 있다.