국민건강보험공단이 방대한 보건의료 빅데이터의 안전한 활용을 위해 ‘합성데이터 생성 방법론 및 데이터셋 개발’ 사업에 본격적으로 나섰다.  

그간 개인정보 침해 우려로 묶여 있던 원자료 활용 한계를 극복, 인공지능(AI) 모델 구조 설계와 보건의료 정책 연구 등에 새로운 길을 열어줄 것으로 전망된다.  

최근 건보공단 빅데이터운영실은 ‘건강보험 빅데이터 기반 합성데이터 생성 방법론 및 데이터셋 개발 연구용역’을 공고했다.  

공단이 보유한 전(全) 국민 단위 보건의료 데이터는 질병 예측과 고위험군 선별, 정책 수립 등에 있어 세계적으로도 높은 활용 가치를 지니고 있다. 하지만 민감 정보 등 개인정보가 포함돼 있어 외부 반출이나 공동 연구, AI 학습 등에 엄격한 제약이 발생했다.  

이에 공단은 원자료에 접근하기 전 단계에서 안전하게 대체제로 쓸 수 있는 합성데이터를 선제적으로 구축해 보건의료 정책 연구와 AI모델 구조 설계 등에 새로운 길을 연다는 계획이다. 

맞춤형 데이터셋, 활용 목적 구체화 ‘집중’

이번 사업의 핵심은 단순하게 원자료를 모사하는 수준을 넘어, 활용 목적에 부합하는 맞춤형 보건의료 합성데이터를 개발하는 데 있다.  

데이터셋은 시간적 선후관계와 역학적 대표성을 확보하는 역학연구용, 예측 대상과 입력변수 구조를 명확히 하는 AI 모델개발용, 정책 지표를 반영하는 정책 시뮬레이션용 등으로 세분화돼 구축될 예정이다.  

또 대상자와 청구건 단위가 혼재된 복잡한 구조 속에서도 희귀질환이나 암 같은 희소 사건 보존 가능성까지 면밀히 검토해 분석 유용성을 극대화한다는 구상이다.  

이를 통해 질병 발생률 등 통계적 유용성을 훼손하지 않으면서도, 재식별을 원천 차단하고 개인정보 노출 위험을 막는 등 유용성과 안전성 균형을 정밀하게 맞춘다는 방침이다. 

공단은 이번 사업을 통해 합성데이터 생성 알고리즘과 전처리 가이드라인 등을 전수받고 자체적인 메타데이터 운영 체계를 확립할 계획이다. 

국민건강보험공단 관계자는 “단순히 원자료와의 유사성을 중심으로 하는 합성데이터가 아니라 역학형 및 시계열형, AI 개발형 등 활용 목적에 최적화된 합성데이터 체계를 마련해 향후 공공 보건의료 데이터 활용의 선도적 기반을 다지겠다”고 밝혔다.