FDA AI-DSF 가이드라인(초안) — 한국 AI 의료기기가 510(k)·PMA 제출에 지금 추가해야 할 것

FDA의 AI-DSF lifecycle 초안 가이드라인(Docket FDA-2024-D-4488)이 요구하는 Risk Management File, 데이터 관리 서술, Model Card, usability 평가를 한국 AI 의료기기 510(k) 패키지에 반영하는 전략.

한국 AI 의료기기 및 SaMD(Software as a Medical Device) 개발사 regulatory affairs(RA) 및 소프트웨어 품질 엔지니어링 리드가 미국 FDA 510(k), De Novo, 또는 PMA 인허가 제출 패키지를 작성할 때, 2025년 1월 7일 게시된 FDA 초안 가이드라인 'Artificial Intelligence-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations' (Docket FDA-2024-D-4488)은 제출 문서 구성을 근본적으로 재정의하는 총괄(TPLC, Total Product Life Cycle) 지침이다.

FDA 심사관을 설득하려면 기존의 단순 알고리즘 검증 보고서나 소프트웨어 validation 문서 수준을 넘어, (1) 전 주기 위험관리 파일(Risk Management File), (2) 수집부터 독립성까지 증명하는 데이터 관리(Data Management) 서술, (3) 성능 범위와 한계를 명시한 모델 카드(Model Card, Appendix E), (4) 사람-기기 팀(Human-Device Team) 성능을 포함한 usability 평가 및 서브그룹 분석을 510(k) 및 PMA 신청서의 핵심 부록 및 소프트웨어 세션에 명확히 통합해야 한다.

2025년 말 기준 FDA가 공식 승인한 AI/ML 의료기기는 누적 약 1,430건에 달하며(방사선 분야 76%), 한국 기업 역시 46건의 AI 제품코드 510(k) 승인(QIH 방사선 영상처리 24건 중심; 루닛, 코어라인소프트, 뷰노, 뉴로핏, 제이엘케이, 크레스콤 등)을 확보하여 이미 활발히 미국 시장에 진출해 있다. 본 고에서는 이번 초안 가이드라인의 핵심 요구사항과 한국 AI 기업의 510(k) 문서 작성 실무 전략을 정리한다.

FDA AI-DSF 가이드라인 초안은 GMLP·PCCP·CDS 가이드와 무엇이 다른가?

FDA가 그동안 발표해 온 AI 관련 지침들과 이번 AI-DSF(Artificial Intelligence-Enabled Device Software Functions) 초안 가이드라인(Docket FDA-2024-D-4488)의 관계를 명확히 이해해야 제출 문서의 중복과 누락을 방지할 수 있다.

가이드라인 / 지침 구분	주요 목적 및 서술 대상	510(k) 제출 패키지에서의 위치 및 문서 역할
GMLP 10대 원칙 (Good Machine Learning Practice)	AI/ML 의료기기 개발 체계의 기본 원칙 제시 (FDA-Health Canada-MHRA 공동)	품질시스템(QMS) 설계 방향성 제시. FDA GMLP 10대 원칙 참고.
PCCP 가이드라인 (Predetermined Change Control Plan)	허가 후 모델 업데이트 범위 및 변경 프로토콜 사전 승인	허가 후 사후 변경용 사전 승인서. FDA PCCP 사전변경관리 참고.
CDS 가이드라인 (Clinical Decision Support)	소프트웨어가 독자적 의료기기(SaMD)인지 non-device인지 경계 설정	인허가 대상 여부(Device jurisdiction) 판단. FDA CDS 가이드와 비의료기기 경계 참고.
AI-DSF Lifecycle 초안 (Docket FDA-2024-D-4488)	510(k)·De Novo·PMA 제출 패키지에 실제로 들어갈 문서 및 TPLC 구조 정의	신청서의 핵심 부록(Software Documentation, Data Management, Model Card, Usability) 구성 총괄

기존 FDA GMLP 10대 원칙이 '어떻게 개발할 것인가'에 대한 고차원적 원칙이었다면, AI-DSF 초안은 심사관이 마케팅 신청서(510(k), De Novo, PMA, HDE, BLA)를 열었을 때 어떤 항목의 보고서와 서술서가 첨부되어 있어야 하는지를 체크리스트 형태로 제공한다.

한국 AI 의료기기 510(k)에 지금 추가해야 할 5가지 제출 문서

이번 초안 가이드라인(부록 D, E, F 포함)을 바탕으로 한국 AI 기업이 510(k) 또는 De Novo 신청서 작성 시 반드시 보강해야 하는 5가지 핵심 문서 단위는 다음과 같다.

[FDA AI-DSF 제출 패키지 5대 핵심 구성]
  ├── 1. TPLC Risk Management File (사용자 결과 해석 오류 리스크 포함)
  ├── 2. Data Management Narrative (수집·정제·annotation·대표성·독립성)
  ├── 3. Model Card (Appendix E 서식 기준 모델 사양 및 한계 명시)
  ├── 4. Usability & Human Factors Evaluation (부록 D: 사람-기기 팀 성능)
  └── 5. 510(k) Summary 통합형 알고리즘 요약서 (Appendix F 서식)

1. 전 주기 위험관리 파일 (TPLC Risk Management File)

기존 ISO 14971 기반 위험관리 파일 외에, AI 모델의 특유 위험 요소(데이터 편향, 드리프트, 환자 서브그룹별 성능 저하, 사용자 미숙으로 인한 AI 결과 오해석)를 포함시켜야 한다. 심사관은 AI 알고리즘 자체의 오류뿐만 아니라 의사가 AI 판독 결과를 잘못 해석하여 잘못된 임상 의사결정을 내릴 위험이 위험관리 파일에 반영되었는지 검토한다.

2. 상세 데이터 관리 서술서 (Data Management Narrative)

학습(Training), 검증(Tuning), 평가(Testing) 데이터의 전체 생애주기를 서술해야 한다.

수집 및 정제: 데이터 출처, 스캐너/장비 모델, 획득 프로토콜
라벨링 및 참조 표준(Reference Standard): 전문의 라벨링 합의 방식(majority vote, consensus), 주석 달기 지침(annotation guidelines)
데이터 대표성(Representativeness): 인종, 성별, 연령, 질환 중증도, 수집 기관 수
데이터 독립성(Data Independence): 학습/검증 데이터와 평가 데이터의 엄격한 분리 증명

3. 모델 카드 (Model Card — Appendix E)

FDA가 부록 E에서 예시로 제시한 Model Card 형태를 제출 부록에 포함하는 것이 권장된다. 모델 카드는 사용 목적, 대상 환자군, 모델 아키텍처, 입출력 사양, 성능 평가 결과, 알려진 임상적 한계 및 금기사항을 표준화된 양식으로 정돈한 문서다.

4. 사용성 및 인적 요인 평가 보고서 (Usability Evaluation — Appendix D)

부록 D는 AI-DSF가 임상 현장에 도입되었을 때 의료진과의 상호작용을 평가할 것을 요구한다. 단순히 알고리즘 AUC/정확도 수치만 제시하는 것은 부족하며, 의사 독자 임상 판단 vs 의사+AI 협동 판단(Human-Device Team) 비교 데이터와 오도(misleading) 가능성에 대한 사용성 테스트 결과를 제출해야 한다.

5. AI 규격이 통합된 510(k) Summary (Appendix F)

부록 F는 공개용 510(k) Summary에 포함할 AI 기술 서술 양식을 제시한다. 기술적 동등성(Substantial Equivalence)을 입증할 때 프레디케이트(Predicate) 제품과의 AI 모델 구조, 훈련 데이터 규모, 적용범위 비교표를 명확히 제시해야 한다.

데이터 관리(Data Management)를 어떻게 서술해야 FDA 심사관을 설득하는가?

심사 지연(RTA, Refuse to Accept)이나 추가 자료 요청(AI, Additional Information)을 방지하려면 데이터 관리 서술서의 구체성을 극대화해야 한다.

[데이터 파이프라인 서술 체크리스트]
Raw Data Extraction ──► Curation & Cleaning ──► Annotation / Reference Standard ──► Test Set Isolation
 (병원/스캐너 수)        (격리/결손 처리)       (전문의 3인 이상 합의)             (완전 비공개 평가셋)

검토 항목	심사관이 확인하는 핵심 질문	한국 기업이 서술해야 할 구체적 증거
데이터 대표성	미국 환자군 및 다양한 장비 제조사(GE, Siemens, Philips 등) 환경에서 성능이 유지되는가?	다기관(Multi-center) 데이터 비율, 미국 내 임상 현장 데이터 포함 여부, 스캐너 모델별 분달 성적 표
참조 표준 신뢰성	Ground Truth는 어떤 기준으로 작성되었는가?	전문의 판독 경험 연수, 독립 판독 후 불일치 시 재검토 메커니즘, 확진 검사(조직검사/CT 등) 연계 여부
데이터 누출(Leakage)	동일 환자의 데이터가 학습과 임상 평가셋에 동시에 들어가지 않았는가?	Patient-level split 적용 증명, 시리즈/방문일자 단위가 아닌 환자 ID 기준 분리 프로토콜

Model Card·투명성·라벨링, 한국어 알고리즘 설명 자료와 어떻게 연결되는가?

국내에서 식품의약품안전처 허가를 취득하고 한국 디지털의료품목법(DMPA)에 따라 작성한 제품 설명서 및 사용 지침서는 FDA 제출용 Model Card 및 라벨링(Labeling)과 긴밀히 연계된다.

사용 목적(Intended Use)과 한계(Limitations)의 일치성: 국내 허가증에 명시된 사용 목적과 FDA 510(k)의 Indication for Use, 그리고 Model Card의 범위가 일관되어야 한다.
설명 가능성(Explainability)과 투명성: AI가 특정 예측 결과를 낸 근거(예: Heatmap, Grad-CAM, 뇌 영역별 볼륨 수치)를 사용자 인터페이스 상에서 어떻게 보여주는지 라벨링에 서술해야 한다.
사후 모니터링 체계 연계: 제출된 Model Card의 한계점은 허가 후 AI 의료기기 사후관리 모델 모니터링 계획으로 직접 연결되어야 심사관의 신뢰를 얻을 수 있다.

Lunit·Coreline·Vuno·Neurophet·JLK — 한국 AI 기업이 이 가이드에서 점검할 포인트

공개된 openFDA 510(k) 승인 데이터 분석에 따르면, 한국 AI 의료기기 기업들의 FDA 승인 실적은 방사선 영상 분석(QIH), 뇌신경 영상 분석(QAS), 치과 및 골연령 측정(QDQ) 등에 집중되어 있다.

[한국 AI 의료기기 주요 FDA 승인 제품코드 현황 (총 46건 분석)]
  ■ QIH (Automated Radiological Image Processing): 24건 (루닛, 코어라인소프트, 뷰노, 뉴로핏 등)
  ■ QAS (Neuro Diagnostic Software): 6건 (제이엘케이, 뉴로핏 등)
  ■ QDQ (Bone Age / Dental AI Software): 5건 (크레스콤 등)
  ■ QKB / QFM / OEB / 기타 AI 소프트웨어 제품코드: 11건

이들 한국 대표 선도 기업들의 승인 사례는 향후 510(k)를 준비하는 국내 후발 SaMD 개발사에 중요한 프레디케이트(Predicate) 기준을 제공한다.

Lunit (루닛): Lunit INSIGHT 시리즈(DBT, CXR 등)를 통해 QIH, QDQ 등 다수 510(k) 승인을 확보. 미국 다기관 데이터 기반의 서브그룹 분석 및 로버스트성 서술을 510(k) Summary에 정교하게 반영함.
Coreline Soft (코어라인소프트): AVIEW 시리즈(AVIEW CAC, AVIEW Lung Nodule CAD)로 QIH 및 OEB 제품코드 승인을 취득. 흉부 CT 다중 질환 동시 분석 알고리즘에 대한 장비 간 호환성 데이터를 체계화함.
VUNO (뷰노): VUNO Med-Chest X-ray, VUNO Med-DeepBrain 등으로 QFM, QIH 승인 확보. 뇌 MRI 및 X-ray 판독 보조에서의 인적 요인(Human Factors) 평가 데이터를 부록 양식에 맞춰 구성함.
Neurophet (뉴로핏): AQUA, SCALE PET으로 QIH 승인. 퇴행성 뇌질환 정량 분석 알고리즘의 정밀도 및 재현성 데이터 세트를 강조함.
JLK (제이엘케이): JLK-ICH, JLK-SDH, JLK-LVO 등 뇌졸중 AI 솔루션으로 QAS 제품코드 승인을 다수 획득. 응급 임상 현장(ED)에서의 뇌선별 속도 및 의사 판단 보조 유용성 데이터 제시.

한국 AI 영상의료기기 FDA 510(k) 프레디케이트에서 다룬 프레디케이트 맵과 연계하여, 자사 제품이 벤치마킹할 프레디케이트의 510(k) Summary를 분석하고 이번 AI-DSF 가이드라인 요구 문서와의 갭(Gap)을 보완해야 한다.

다음 90일 실행 로드맵

미국 510(k) 또는 De Novo 제출을 준비하는 한국 AI 의료기기 개발팀은 다음 4단계 로드맵에 따라 제출 패키지를 점검하고 정비해야 한다.

[90일 AI-DSF 제출 준비 로드맵]
Step 1 (Day 1-20)   : 자사 AI 문서와 FDA AI-DSF 가이드라인(FDA-2024-D-4488) 간 갭 분석
Step 2 (Day 21-45)  : Data Management Narrative 작성 & 데이터 대표성·독립성 재증명
Step 3 (Day 46-70)  : Appendix E 양식에 맞춘 Model Card 작성 & Usability Test 데이터 확보
Step 4 (Day 71-90)  : Risk Management File에 AI 오해석 리스크 반영 & 최종 510(k) 부록 통합

Gap Analysis (Day 1-20): 자사의 기존 소프트웨어 문서(Software Description, Hazard Analysis, Verification & Validation)가 FDA-2024-D-4488 요구사항을 만족하는지 파악한다.
Data Pipeline Formalization (Day 21-45): 학습/검증/평가 데이터셋의 완전 분리 증명서와 다기관·다장비 데이터 분포표를 작성한다.
Model Card & Usability Drafting (Day 46-70): 부록 E 규격의 Model Card 서식을 채우고, 부록 D 기준 의사-AI 상호작용 인적요인 평가 데이터를 정리한다.
Final Package Assembly (Day 71-90): TPLC 위험관리 파일과 공개용 510(k) Summary draft를 통합 작성하여 미국 RA 전문가 검토를 거친다.

자주 묻는 질문 (FAQ)

Q1. FDA AI-DSF 가이드라인 초안(Docket FDA-2024-D-4488)의 공식 수렴 기간과 제출 적용 시점은 언제인가?

이 가이드라인 초안은 2025년 1월 7일 연방관보(Federal Register 2024-31543)를 통해 게시되었으며, 공식 의견 제출 마감일은 2025년 4월 7일이었다. 현재 초안(Draft) 상태이나, FDA 심사관들은 2025~2026년 진행되는 510(k) 및 De Novo 심사 현장에서 본 초안의 데이터 관리, 위험관리, Model Card 구조를 실질적인 평가 기준으로 적용하고 있으므로 선제적 반영이 필수적이다.

Q2. 이 가이드라인은 허가 후 모델이 업데이트되는 사후 변경(PCCP) 시에도 적용되는가?

그렇다. 본 가이드라인은 마케팅 전 마케팅 신청서(Pre-market submission) 작성 지침이지만, TPLC(전 주기) 관점을 취하고 있으므로 허가 후 알고리즘 변경 시 제출하는 PCCP(Predetermined Change Control Plan) 수립의 기초가 된다. 초기 510(k) 제출 시 구축된 Data Management Plan과 Model Card는 향후 PCCP를 통한 갱신 시 변경 기준선(Baseline) 역할을 하게 된다.

Q3. 한국 AI 의료기기 기업이 가장 많이 활용하는 FDA AI 제품코드는 무엇인가?

openFDA 데이터베이스 분석 결과, 한국 기업이 가장 많이 승인받은 제품코드는 **QIH (Automated Radiological Image Processing Software)**로 전체 46건 중 24건을 차지한다. 그 뒤를 이어 QAS (Medical Image Analyzer / Neuro) 6건, QDQ (Radiological Bone Age / Dental Software) 5건 등이 위치한다. 자사 제품의 심사 카테고리에 맞는 전형적 프레디케이트를 선정한 뒤 해당 카테고리의 AI-DSF 서술 방식을 준용하는 것이 바람직하다.

참고 출처

FDA Official Guidance Document: FDA CDRH, "Artificial Intelligence-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations (Draft Guidance)", Docket No. FDA-2024-D-4488, Issued Jan 7, 2025.
Federal Register Notice: "Artificial Intelligence-Enabled Device Software Functions: Lifecycle Management and Marketing Submission Recommendations", 90 FR 1184, Jan 7, 2025 (Doc No. 2024-31543).
FDA Authorized AI/ML List: FDA CDRH, "Artificial Intelligence-Enabled Medical Devices", Cumulative List through Dec 2025 (Last updated Mar 4, 2026).
Academic Cross-Sectional Analysis: medRxiv, "Three Decades of FDA Authorizations of Artificial Intelligence and Machine Learning-Enabled Medical Devices (1995–2025)", 2026.
openFDA 510(k) Database: U.S. Food and Drug Administration, 510(k) Clearances Dataset (Analyzing Korean Manufacturer Authorizations in AI Product Codes QIH, QAS, QDQ, QFM, OEB).