Founder Note 002 · BUILD

AI, 재활, AI 헬스케어를 왜 따로 봐야 하는가

Why AI, rehabilitation, and AI healthcare need separate evidence streams

기술 변화, 임상 근거, 의료 적용을 한 큐에 넣을 때 놓치는 것을 줄이기 위해 세 개의 관찰 축을 분리했습니다.

2026-09-20약 6분yk-20260920-three-domain-evidence-system

재활 AI만 모으면 충분하다는 전제

뉴스와 논문 수집 구조를 처음 만들 때는 AI 뉴스와 재활 AI 논문을 한 흐름으로 묶었습니다. 만들고 있는 제품이 재활과 AI의 교집합에 있으니 자연스러운 선택처럼 보였습니다.

하지만 실제 결과를 검토하자 AI라는 단어가 없는 좋은 운동치료 RCT, 보행재활 연구, 통증 가이드라인과 정책 변화가 빠졌습니다. 반대로 새 모델이나 agent 발표는 의료 현장에서 바로 사용할 수 있는 임상 근거처럼 섞여 보였습니다.

AI 축에서는 모델, agent, multimodal system, computer use, voice·vision interaction, memory, coding, robotics와 Physical AI 같은 capability frontier를 봅니다.

여기서 묻는 질문은 '이 기술 때문에 전에는 어려웠던 무엇이 가능해졌는가'입니다. 이 질문은 Kinelo의 장기 기술 방향과 개발 방식을 판단하는 데 필요하지만, capability 자체가 임상 효과를 의미하지는 않습니다.

재활 축에서는 AI 여부와 관계없이 중재, 평가, 기능, 통증, 참여, 보행, 스포츠, 노인, 소아, 심폐, 지역사회 재활과 가이드라인을 봅니다.

질문은 '어떤 사람에게, 어떤 조건에서, 무엇을 했을 때 기능과 삶이 실제로 달라졌는가'입니다. 재활을 AI의 하위 카테고리로 두면 현장에서 가장 필요한 근거가 오히려 사라질 수 있습니다.

AI Healthcare 축에서는 clinical LLM·VLM, 의료 agent, ambient documentation, decision support, EHR·FHIR, digital biomarker, 원격 모니터링, SaMD와 의료 AI 규제를 봅니다.

여기서는 '이 기술이 실제 의료 workflow 안에서 안전하고 지속 가능하게 사용되려면 무엇이 필요한가'를 묻습니다. 높은 모델 성능과 실제로 채택되는 의료 제품 사이에는 안전, 책임, 상호운용성, 규제, 수가와 비용이라는 적용 계층이 있습니다.

AI 기반 보행분석 논문처럼 여러 축에 걸친 자료는 세 번 복제하지 않습니다. 하나의 canonical record에 AI, Rehabilitation, AI Healthcare 태그를 함께 붙이고 교집합 뷰에서 다시 연결합니다.

분리의 목적은 사일로를 만드는 것이 아닙니다. 중요한 재활 근거가 AI 키워드 때문에 사라지는 것을 막고, 기술 뉴스가 임상 근거처럼 보이는 것을 막으며, 재활×AI의 실제 기회를 더 정확하게 찾기 위한 구조입니다.

구조를 나눴다고 좋은 큐레이션이 자동으로 만들어지는 것은 아닙니다. 각 영역의 high-signal 항목, 주간 30일 backfill이 회수한 누락 자료, 실제 제품·연구 결정에 영향을 준 항목과 중요하지 않았던 noise를 기록할 예정입니다.

목표는 뉴스와 논문을 많이 모으는 것이 아닙니다. 사람의 기능을 더 잘 이해하고 더 나은 시스템을 만들기 위한 결정 재료를 놓치지 않는 것입니다.

Next experiment

Source trail

AI는 새 capability를, Rehabilitation은 사람의 기능을 바꾸는 근거를, AI Healthcare는 기술이 의료 시스템에 들어가는 조건을 본다. 세 축을 따로 보되 하나의 evidence system에서 다시 연결한다.