Public attitudes toward sharing health data for artificial intelligence: Differences by data type and sector in the Health in Central Denmark cohort

덴마크 중부 지역 38,740 명을 대상으로 한 이 연구는 의료 AI 개발을 위한 건강 데이터 공유 의향이 데이터 유형과 공공 또는 민간 부문이라는 기관적 맥락에 따라 달라지며, 특히 공공 기관에 대한 신뢰가 더 높음을 보여줍니다.

핵심

의료 데이터와 인공지능: 덴마크 국민이 무엇을 두려워하고 무엇을 기꺼이 내어줄까?

이 연구는 덴마크의 한 지역 (중앙 덴마크) 에 사는 약 4 만 명의 국민을 대상으로, **"인공지능 (AI) 이 당신의 건강 데이터를 분석해도 될까요?"**라고 물었습니다. 하지만 단순히 "예/아니오"만 묻지 않았습니다. 연구팀은 두 가지 중요한 변수를 바꿔가며 질문했습니다.

1. 데이터의 종류: 진료 기록 (텍스트), 엑스레이/CT 같은 영상, 의사와의 대화 녹음, 유전자 정보.
2. 데이터를 받는 주체: 공공 기관 (국립 병원 등) vs 민간 기업 (상업적 회사).

이 복잡한 연구를 마치 친구와 나누는 이야기처럼, 쉽고 재미있는 비유로 설명해 드리겠습니다.

---

1. 연구의 배경: 왜 이 질문을 했을까요?

의료 현장에서는 매일 엄청난 양의 데이터가 쏟아집니다. 과거에는 이 데이터를 연구만 했지만, 요즘은 **AI(인공지능)**가 이 데이터를 먹고 자라면서 더 똑똑한 진단과 치료를 돕고 있습니다.

하지만 AI 가 배를 불리려면 사람들의 데이터가 필요합니다. 문제는, 사람들이 "내 비밀을 AI 에게 보여줄까?"라고 고민한다는 점입니다. 특히, 그 AI 를 만드는 사람이 공공 기관인지, 돈을 벌려는 기업인지에 따라 마음이 달라질까요?

2. 실험 방법: 두 개의 다른 시나리오

연구팀은 참가자들을 무작위로 두 그룹으로 나눴습니다.

• A 그룹: "공공 병원이 당신의 데이터를 AI 학습에 사용해도 될까요?"
• B 그룹: "민간 기업이 당신의 데이터를 AI 학습에 사용해도 될까요?"

그리고 네 가지 다른 '보물' (데이터) 을 내어줄 의사가 있는지 물었습니다.

3. 주요 발견: 사람들은 무엇을 기꺼이 내어줄까?

결과는 매우 흥미로웠습니다. 사람들의 마음은 데이터의 종류와 누가 받느냐에 따라 확연히 달랐습니다.

📊 데이터 종류별 '기꺼이 내어줌' 순위 (공공 기관 기준)

1. 의료 영상 (엑스레이, CT 등): 53% (가장 기꺼이)
   • 비유: "내 폐 사진이나 뼈 사진을 보여줘도 괜찮아. 그건 내 몸의 '지도' 같은 거잖아."
2. 진료 기록 (텍스트): 45%
   • 비유: "의사가 쓴 진료 일지 정도는 괜찮아."
3. 유전자 정보: 41%
   • 비유: "내 DNA 는 내 몸의 '설계도'야. 너무 깊게 파고들면 싫어."
4. 의사 대화 녹음: 33% (가장 꺼림)
   • 비유: "의사와 나눈 비밀스러운 대화까지 녹음해서 AI 에게 들려주는 건 싫어. 너무 개인적이야."

🏛️ 공공 vs 민간: 신뢰의 격차

가장 중요한 발견은 누가 데이터를 받느냐에 따른 차이였습니다.

• 공공 기관이 데이터를 받으면 사람들은 훨씬 더 기꺼이 내어주었습니다.

• 민간 기업이 받으면 기꺼이 내어주는 비율이 12~16%나 떨어졌습니다.

• 비유: 이는 마치 **친구 (공공 기관)**에게 내 일기장을 보여줄 때는 망설이지 않지만, **낯선 상인 (민간 기업)**에게 보여주면 "내 정보가 팔리진 않을까?"라고 걱정하는 것과 같습니다. 덴마크 사람들은 "돈을 벌기 위해 내 데이터를 쓰지 않겠지?"라는 의심이 매우 강합니다.

4. 의외의 발견: "모르겠다"는 답이 많았다!

전체 응답자의 약 **30~36%**가 "예/아니오" 대신 **"모르겠다 (Don't know)"**라고 답했습니다.

• 비유: 이는 사람들이 AI 에 대해 "무서운 괴물"로 생각하기보다는, **"도대체 이게 어떻게 작동하는지, 내 데이터가 어떻게 쓰일지 전혀 이해가 안 된다"**는 상태를 의미합니다.
• AI 가 얼마나 복잡한지, '블랙박스 (검은 상자)'처럼 안이 보이지 않기 때문에, 사람들은 결정하기 전에 더 많은 설명이 필요하다고 느낍니다.

5. 연구의 결론: 무엇을 배울 수 있을까?

이 연구는 우리에게 세 가지 중요한 교훈을 줍니다.

1. 신뢰는 '누가' 하느냐에 달려있다:
   사람들이 가장 신뢰하는 것은 공공 기관입니다. 민간 기업이 AI 를 개발하더라도, 공공 기관의 감독 하에 투명하게 운영된다면 사람들의 마음을 열 수 있습니다.
2. 데이터는 모두 똑같이 취급할 수 없다:
   엑스레이 사진은 괜찮지만, 유전자 정보나 대화 녹음은 훨씬 더 민감합니다. 따라서 데이터의 종류에 따라 보호 장치를 다르게 마련해야 합니다. (예: 유전자 정보는 더 엄격한 동의 절차 필요)
3. 투명성이 신뢰를 만든다:
   사람들이 "모르겠다"고 답한 이유는 두려움보다는 무지에서 왔을 가능성이 큽니다. "내 데이터가 어디에 저장되고, 어떻게 보호되며, 어떤 좋은 결과를 만들지"를 정직하고 쉽게 설명해 주는 것이 중요합니다.

🌟 한 줄 요약

"덴마크 국민들은 공공 기관이 의료 영상 같은 데이터를 AI 에게 쓰게 하는 것은 기꺼이 허락하지만, 민간 기업이 비밀스러운 대화나 유전자를 다룬다면 매우 경계합니다. AI 시대를 열기 위해서는 '누가', '무엇을', '어떻게' 사용하는지 투명하게 보여주는 것이 가장 중요합니다."

이 연구는 기술의 발전만으로는 부족하며, **사람들의 마음 (신뢰)**을 얻기 위한 투명한 소통과 강력한 공공 감독이 필요함을 보여줍니다.

기술 요약

논문 기술 요약: 덴마크 중부 지역 코호트를 기반으로 한 AI 를 위한 건강 데이터 공유에 대한 대중의 태도

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 의료 시스템에서 수집되는 방대한 양의 데이터는 인공지능 (AI), 특히 대규모 언어 모델 (LLM), 의료 영상 분석, 유전 정보 통합 등에 필수적입니다. 그러나 AI 기반 임상 응용 프로그램의 개발은 고품질의 대규모 데이터셋 접근에 달려 있습니다.
• 문제: 데이터 공유에 대한 대중의 수용성은 데이터의 유형 (민감도), 사용 목적, 그리고 데이터 수신자 (공공 vs 민간) 에 따라 달라집니다. 기존 연구들은 주로 일반적인 연구 목적의 데이터 공유에 초점을 맞추었으며, AI 응용 프로그램에 특화된 데이터 공유 태도와 데이터 유형별 (전자 건강 기록, 음성, 영상, 유전자 등) 및 수신자별 (공공 vs 민간) 차이를 체계적으로 비교한 연구는 부족했습니다.
• 목표: 덴마크 중부 지역 (Central Denmark Region) 주민들을 대상으로 다양한 유형의 건강 데이터를 AI 개발을 위해 공유하려는 의향과 그 결정 요인 (데이터 유형 및 수신 기관의 성격) 을 규명하는 것.

2. 연구 방법론 (Methodology)

• 데이터 소스: 2024 년에 실시된 'Health in Central Denmark (HICD)' 설문조사 데이터를 활용했습니다.
  • 표본: 덴마크 중부 지역 거주자 18~92 세 (총 136,229 명 초대, 38,740 명 분석).
  • 참여자 특성: 당뇨병 유무에 따라 매칭된 코호트 기반이며, 인구통계학적 특성 (연령, 성별, 교육 수준) 과 임상적 특성 (당뇨병 유무) 이 등록 데이터와 결합되었습니다.
• 실험 설계:
  • 무작위화 (Randomization): 참여자들은 두 가지 시나리오 중 하나로 무작위 배정되었습니다.
    1. 공공 부문 시나리오: 데이터가 공공 기관 (공공 의료 시스템) 에서 개발된 AI 에 의해 분석됨.
    2. 민간 부문 시나리오: 데이터가 민간 기관 (상업적 기업) 에서 개발된 AI 에 의해 분석됨.
  • 측정 항목: 네 가지 데이터 유형에 대한 공유 의향 질문:
    1. 전자 건강 기록 (텍스트 및 표 형식 데이터)
    2. 의료 영상 (스캔)
    3. 진료 상담 녹음 (오디오)
    4. 유전 정보
  • 응답 옵션: "예 (Yes)", "아니오 (No)", "모름 (Don't know)".
• 통계 분석:
  • 가중치 적용: 표본의 대표성을 확보하기 위해 연령, 성별, 교육 수준, 당뇨병 상태를 기준으로 배경 인구 (약 100 만 명) 에 가중치를 부여하여 분석했습니다.
  • 모델: "모름"을 기준 범주로 하여, 데이터 수신자 (공공 vs 민간) 와 공유 태도 ("예" 또는 "아니오") 간의 연관성을 분석하기 위해 **다항 로지스틱 회귀 (Multinomial Logistic Regression)**를 사용했습니다.

3. 주요 결과 (Key Results)

• 데이터 유형별 공유 의향 (전체 평균):
  • 가장 높은 의향: 의료 영상 (46%) > 전자 건강 기록 텍스트 (39%) > 유전 정보 (35%) > 진료 녹음 (27%).
  • 불확실성 (Don't know): 모든 데이터 유형에서 높은 불확실성이 관찰되었으며 (29~36%), 특히 유전 정보 (36%) 와 오디오 녹음 (34%) 에서 두드러졌습니다.
• 수신 기관 (공공 vs 민간) 에 따른 차이:
  • 공공 부문 선호: 모든 데이터 유형에서 공공 기관에 대한 공유 의향이 민간 기관보다 12~16% 포인트 더 높았습니다.
  • 오즈비 (Odds Ratio, OR) 분석:
    • "예" 응답: 공공 기관이 민간 기관보다 1.37 배 (유전 정보) 에서 1.78 배 (전자 건강 기록) 더 높은 확률을 보였습니다.
    • "아니오" 응답: 공공 기관이 민간 기관보다 0.51 배 (전자 건강 기록) 에서 0.67 배 (오디오) 더 낮은 확률 (거부율 감소) 을 보였습니다.
  • 불확실성: 데이터 수신자가 누구든 불확실성 ("모름") 의 비율은 유사하게 높게 유지되었습니다 (공공 vs 민간 간 차이 1~2% 내외).
• 인구통계학적 특징: 분석에 포함된 38,740 명의 평균 연령은 56 세였으며, 여성이 53% 를 차지했습니다. 무작위화 그룹 간에 인구통계학적 편차는 관찰되지 않았습니다.

4. 연구의 기여 및 의의 (Key Contributions & Significance)

• 대규모 표본 및 엄격한 설계: 약 40,000 명의 대규모 표본을 기반으로 하며, 데이터 수신자 유형을 무작위화하여 혼란 변수를 통제했다는 점에서 방법론적으로 강점이 있습니다. 이는 기존 건강 데이터 공유 태도 연구 중 가장 큰 규모 중 하나입니다.
• AI 특화 통찰: 일반적인 연구 목적의 데이터 공유가 아닌, AI 개발 및 활용이라는 구체적인 맥락에서 대중의 태도를 규명했습니다.
  • AI 에 대한 대중의 불확실성과 "블랙박스" 인식으로 인해 기존 연구 (일반 연구 목적 77% 공유 의향) 에 비해 공유 의향 수치가 낮게 나타났음을 발견했습니다.
• 데이터 민감도와 기관 신뢰의 상호작용:
  • 데이터 민감도: 유전 정보와 오디오 녹음과 같이 민감도가 높은 데이터일수록 공유에 대한 거부감과 불확실성이 큽니다.
  • 기관 신뢰: 덴마크와 같은 북유럽 국가에서도 민간 (상업적) 기관에 대한 불신은 여전히 높으며, 공공 부문의 거버넌스가 신뢰 형성에 핵심적임을 재확인했습니다.
• 정책적 시사점:
  • 거버넌스 프레임워크: GDPR, 유럽 건강 데이터 공간 (EHDS), 유럽 AI 법 (AI Act) 과 같은 규제 프레임워크의 중요성을 강조합니다.
  • 투명성과 소통: 대중의 불확실성을 해소하기 위해 데이터 사용 목적, 익명화 절차, 접근 권한 등에 대한 명확한 소통이 필수적입니다.
  • 계층적 거버넌스: 데이터 유형 (영상 vs 유전자 등) 에 따라 차별화된 동의 절차와 보호 장치가 필요함을 시사합니다.

5. 결론 (Conclusion)

건강 데이터 공유에 대한 대중의 수용성은 데이터의 민감도와 **사용되는 기관의 맥락 (공공 vs 민간)**에 의해 결정됩니다. 공공 기관에 대한 높은 신뢰와 민간 기관에 대한 우려, 그리고 유전 정보 및 오디오 데이터에 대한 높은 불확실성은 AI 의료 기술의 지속 가능한 발전을 위해 강력한 공공 거버넌스, 투명한 보호 장치, 그리고 명확한 커뮤니케이션이 필수적임을 보여줍니다. 향후 AI 리터러시 향상과 공개적인 참여를 통해 이러한 불확실성을 줄이고 사회적 합의를 도출하는 것이 중요합니다.