A clinical data scientist extracts patterns, predictions and recommendations from data using statistics, programming and domain knowledge, then turns the result into something a business, government agency or research team can act on. The work spans writing SQL to pull data out of a warehouse, cleaning and reshaping it, fitting a statistical or machine-learning model, and explaining what the result does and does not support.
The job title is far younger than the craft behind it. 'Data scientist' dates to around 2008, when DJ Patil and Jeff Hammerbacher independently settled on it while building data teams at LinkedIn and Facebook, and statistician William S. Cleveland proposed 'clinical data science' as an academic field only in 2001. The underlying discipline is centuries older, tracing through John Tukey's 1960s-70s push for exploratory data analysis back to Ronald Fisher's 1920s statistics and John Graunt's 1662 study of London's mortality records.
A 2012 Harvard Business Review article calling it 'the sexiest job of the 21st century' triggered a decade-long corporate hiring boom and hundreds of new university programs. That boom has since matured: the generalist title has split into analytics engineering, machine learning engineering and product analytics, and AI tools now handle a growing share of the routine querying, cleaning and charting the original job assumed a person would do by hand.
임상 데이터 과학은 진료와 연구의 기록을 증거로 바꾼다. 평범한 분석보다 기준이 엄하다. 그럴듯한 패턴만으로는 시험·치료 경로·개인 프라이버시를 바꿀 수 없기 때문이다.
병원 데이터는 연구용으로 깨끗하게 태어나지 않는다. 코딩 습관·누락·프로토콜 이탈·장비 변경이 신호처럼 보인다. 임상 데이터 과학자는 통계와 머신러닝을 쓰되, 먼저 ‘이 변수가 현장에서 무엇을 의미하는지’를 임상의·데이터 관리자와 맞춘다. 생존 분석·이상반응·프로토콜 위반은 대시보드 미학보다 정의의 합의가 우선이다. 국내 상급종합병원 연구반·CRO·제약 데이터팀에서는 EMR·보험청구·레지스트리가 서로 다른 시간축과 식별 체계를 가져, 병합 자체가 과학적 판단이 된다. KCD 코딩·원무 규칙·검사 장비 교체는 가짜 신호를 만든다. 임상의와 ‘이 변수의 현장 의미’를 맞추지 않은 모델은 논문 전에 이미 실패한다. 병원 연구반에서는 IRB·개인정보 심의가 분석 코드만큼 일정을 지배한다.
임상시험 데이터는 CRF·모니터링·규제 제출의 규율을 따르고, 의료시스템 데이터는 운영·품질·비용의 리듬을 따른다. 같은 ‘데이터 과학자’라도 CDISC·시험 통계와, 원무·중증도·병상 운영 모델은 도구와 성공 정의가 다르다. 리얼월드 근거는 그 사이에 있으며, 교란과 적응증 이탈을 설명하지 못하면 논문보다 정책에 쓰이기 어렵다. 한국에서는 심평원·공단 자료와 병원 EMR을 잇는 연구가 늘지만, 접근 심사와 개인정보 심의가 일정의 실제 임계경로다. 심평원·공단 자료와 EMR을 잇는 연구는 매력적이지만 접근 심사와 가명처리 절차가 임계경로다. 시험 데이터의 CDISC 규율과 운영 KPI 분석은 성공 정의가 다르다. 같은 SQL이라도 질문이 규제 제출인지 병상 운영인지에 따라 검증이 갈린다.
통계·역학·바이오인포·컴퓨터공학·간호·약학 등에서 들어온다. 설득력은 ‘화려한 모델’보다 임상 질문에 맞는 설계·결측 처리·민감도 분석·재현 가능한 코드에 있다. 규제 환경에서는 분석 계획과 감사 추적이 포트폴리오의 일부가 된다. 국내 채용은 제약·CRO·병원 빅데이터센터·디지털헬스 스타트업으로 갈라지고, SAS/R 전통 레인과 파이썬·ML 레인이 공존한다. 임상시험 경험을 읽는 사람과 병원 운영 KPI를 읽는 사람을 같은 면접 질문으로 평가하면 실패하기 쉽다. SAS/R 전통 레인과 파이썬·ML 레인이 공존하므로, 채용공고의 도구 목록만 보고 역할을 오해하기 쉽다. 재현 가능한 파이프라인·분석 계획·감사 추적이 포트폴리오의 설득력이다. 임상 질문을 통계 설계로 번역하는 사람이 면접에서 앞선다.
예측 모델과 생성형 도구는 초안 코드·문헌 요약·피처 후보를 빠르게 만든다. 그러나 편향된 학습 데이터, 시변 진료 패턴, 희귀 사건, 설명 책임은 자동으로 해결되지 않는다. 임상 AI 평가 역할은 성능 숫자뿐 아니라 실패 모드·모니터링·인간 개입 지점을 설계한다. 식약처·병원 IRB·개인정보 영향평가가 겹치는 한국에서는 ‘배포 가능한 모델’의 정의가 스타트업 데모와 다르다. 남는 전문성은 검증 가능한 증거와 임상 안전을 같은 문장으로 쓰는 일이다. 식약처·병원 거버넌스 앞에서 ‘AUC가 높다’는 문장만으로는 부족하다. 실패 모드·하위집단 성능·모니터링·인간 개입 지점이 배포 가능 여부의 언어다. 스타트업 데모와 임상 안전의 정의 차이를 설명하는 능력이 곧 전문성이다.
같은 직함 아래 흔한 다섯 갈래 — 전문 분야, 일터, 커리어 경로.
시험 데이터 품질·쿼리·표준화로 제출 가능한 데이터셋을 만든다.
예측·분류 모델을 임상 워크플로와 평가 게이트에 맞춰 검증한다.
표본·검정·중간분석·보고로 규제 질문에 답하는 통계 설계를 소유한다.
진료·청구 자료로 효과·안전·사용 패턴의 관찰 근거를 만든다.
표준·온톨로지·파이프라인으로 연구와 운영이 같은 정의를 쓰게 한다.
같은 일이라도 진입 관문·지위·일상이 다릅니다. 각 언어 독자가 실제로 찾는 맥락으로 다시 썼습니다.
보험·병원·약국 데이터가 분절되어 있고 HIPAA·FDA 맥락이 일을 규정한다. 제약·테크·헬스시스템의 보상과 도구 스택이 크게 갈린다.
빅5·국립대병원 연구센터, 제약·CRO, 디지털헬스 기업이 수요를 만든다. 심평원·공단 자료와 EMR을 다루는 경험이 강하게 우대되고, 개인정보 심의·가명처리 절차가 프로젝트 일정을 지배한다. 의료 AI 스타트업은 빠른 모델 실험을, 병원·규제는 설명·모니터링·책임소재를 요구해 긴장이 남는다. 한국어 임상 문서와 코딩 체계(KCD 등)에 대한 문해력이 곧 분석 품질이다.
고령화와 신중한 시스템 통합이 과제다. 병원 정보시스템과 국가 데이터 활용이 늘지만 변경 관리가 보수적일 수 있다.
강한 데이터보호와 연구 네트워크가 프레임을 만든다. 산업·대학 협력이 흔하고 문서·동의가 두껍다.
NHS 규모 데이터가 매력이지만 거버넌스·접근 절차가 엄격하다. 보건 기술평가와 정책 질문이 분석 설계를 이끈다.
비교적 통합된 공공 시스템과 지역 연구가 맞물린다. 다국적 시험과 로컬 운영 데이터가 같은 팀에서 만날 수 있다.
임상 데이터에서 그럴듯해 보이는 패턴 하나가 조용히 치료 지침으로 굳어질 수 있다. 그래서 자신의 분석 결과를 남보다 먼저, 더 집요하게 의심하는 습관은 지적 겸손이 아니라 환자 안전을 지키는 실무 규율이다.
병원마다 진단 코드를 붙이는 방식이 다르고 어떤 환자가 대학병원으로 전원되는지도 병원 규모와 지역에 따라 다르기 때문에, 실제로는 아무 관계가 없는 두 변수 사이에 통계적으로는 그럴듯한 연관이 나타날 수 있다. 이런 심슨의 역설류 함정은 데이터를 다뤄본 통계학자라면 다 알지만, 마감에 쫓기는 임상 데이터 과학자는 깨끗해 보이는 결과를 그냥 받아들이고 싶은 유혹을 매일 마주한다. 국내 대형 병원 임상연구지원센터에서도 다기관 데이터를 합칠 때 코딩 방식 차이를 놓치면 존재하지 않는 효과가 논문에 실리고, 그 논문이 실제 진료 가이드라인 개정에 인용되는 일이 실제로 벌어진다. 결과가 깨끗할수록 오히려 더 의심하고 다른 설명을 적극적으로 찾아 나서는 습관만이 이런 코딩 실수가 임상 권고안으로 승격되는 사고를 막는다. 그 습관을 지키는 사람은 대개 발표 일정을 미루는 대가를 스스로 감당해야 한다.
식약처 허가 심사나 임상시험의 주요 평가변수에 들어가는 분석은 임상시험관리기준 아래에서 이루어지며, 이 기준은 문서화되지 않은 분석적 선택을 단순한 스타일 문제가 아니라 법적 책임의 문제로 취급한다. 임상 데이터 과학자는 자신이 내린 모든 코호트 정의와 방법론적 선택을 마치 언젠가 감사받을 것처럼 기록해야 하며, 실제로 규제 대상 연구에서는 그런 감사가 실제로 일어날 가능성이 충분히 있다. 국내 제약사나 CRO에서 허가 신청 직전에 뒤늦게 발견된 기록 불일치 하나가 전체 임상시험 데이터의 신뢰성을 흔들고 허가 일정 전체를 지연시키는 사례는 드물지 않다. 지금 당장 편해지려고 문서화를 건너뛰는 선택은 몇 달 뒤 훨씬 큰 대가로 되돌아오며, 그 대가는 본인이 아니라 뒤이어 그 파일을 물려받는 동료에게 떨어지는 경우도 많다.
임상 데이터셋은 애초에 병원에 오지 않았거나, 등록되지 않았거나, 검사를 받지 않은 사람들을 체계적으로 과소대표하기 때문에, 모델이 전체 정확도는 높게 나오면서도 정확히 그 데이터셋에서 가장 적게 대표된 인구집단에 대해서는 조용히 틀릴 수 있다. 지방 중소병원 환자나 고령층, 다문화가정처럼 애초에 서울 대형병원 코호트에 잘 포함되지 않는 집단이 특히 이런 사각지대에 놓인다. 배포 전에 하위집단별 성능을 따로 확인하는 대신 전체 정확도 하나만 보고하는 과학자는, 그 축하받는 데이터셋에 애초에 등장하지 않는 환자들을 보호하지 못한다. 이 확인은 규정에 명시되어 있지 않은 경우가 많아서, 결국 담당자의 태도에만 의존하며, 그 태도가 무너지는 순간 아무도 눈치채지 못한 채 그 실패가 실제 진료 현장으로 퍼져 나간다.
구호가 아니라, 실제 업무가 요구하는 다섯 가지 구체적 자세입니다.
환자를 분석에 포함하거나 제외한 정확한 기준과 이유를, 나중에 문제가 제기될 경우를 대비해 그럴듯한 정당화를 재구성하는 것이 아니라 결정이 내려지는 그 순간에 기록한다. 국내 다기관 임상연구에서는 이 기록이 몇 년 뒤 후속 연구자나 규제 심사관이 재현성을 검증할 유일한 근거가 되며, 기록이 없으면 아무리 좋은 결과도 신뢰를 얻지 못한다. 기록을 남기는 습관은 마감이 코앞일 때 가장 먼저 생략되고 싶은 유혹을 받으며, 그 유혹을 매번 이겨내는 것이 실제 실력이다.
통계적으로 의미 있는 효과가 없거나 기대와 반대 방향으로 나온 결과를, 의뢰사나 팀이 명백히 긍정적인 결과를 바라고 추가 투자를 정당화하려 할 때도 발견된 그대로 제시한다. 국내 제약사 임상팀에서 파이프라인 지속 여부가 걸린 상황일수록 이 태도를 지키는 데 더 큰 용기가 필요하며, 결과를 순화해 전달하고 싶은 압박은 늘 조용히, 그리고 정중하게 온다. 이 압박에 굴복하지 않는 것이 장기적으로 연구 전체의 신뢰를 지킨다.
모델을 실제 임상에 도입하기 전에 연령대, 성별, 진료 환경별로 정확도를 따로 검증하며, 전반적 성능 하나만 보고해 특정 소수집단에서의 체계적 실패를 감추는 방식을 거부한다. 이 확인을 요구하는 사람이 아무도 없는 경우가 대부분이라, 결국 과학자 자신의 기준에만 의존하게 되고, 이 단계를 생략해도 당장 아무 문제가 드러나지 않는다는 점이 오히려 이 태도를 더 값어치 있게 만든다. 배포 이후 문제가 드러나면 이미 되돌리기 훨씬 어려운 단계에 접어든 뒤다.
예비 결과를 본 뒤 자금 지원이나 허가 마감일에 맞춰 긍정적인 결론을 만들어내라는 압박이 있어도, 연구의 주요 평가변수나 보고 기준을 사후에 재정의하지 않는다. 이 압박은 국내 바이오벤처의 투자 라운드나 임상 2상 결과 발표 직전에 특히 강해지며, 거부하는 쪽이 대개 그 자리에서 가장 불편한 사람이 된다. 이 거부는 다음 투자 유치 회의 자체를 위태롭게 만들 수 있다.
설명되지 않는 패턴을 발견했을 때, 이미 진행 중인 분석에 불편하다는 이유로 해당 기록을 조용히 제거하는 대신 팀에게 논의를 위해 공개한다. 마감이 코앞이라도 이 절차를 건너뛰면 나중에 훨씬 큰 재작업으로 돌아온다는 것을 알기 때문이며, 이 공개는 자신의 분석에 구멍이 있었음을 스스로 인정하는 일이라 심리적으로 쉽지 않다. 그럼에도 이 공개를 미루는 습관이 쌓이면 팀 전체의 데이터 품질이 서서히 무너진다.
이력서용 표현과 실제 수행이 갈라지는 상황들입니다.
규제 제출 마감을 코앞에 두고 데이터 불일치가 드러난다. 제출을 지연시키거나 복잡하게 만들더라도 이를 완전히 조사하고 공개하는 것과, 문서화 없이 조용히 해결해버리는 것 사이의 선택은 실제 규제상 결과가 걸린 구체적인 시험이다. 국내 제약사 허가팀에서는 이 선택이 몇 달치 허가 일정을 좌우하며, 위에서는 대개 조용한 해결을 은근히 기대한다. 이 상황에서 조사를 요구하는 사람은 팀 안에서 환영받지 못하는 경우가 많다.
분석 결과가 연구 의뢰사가 듣고 싶어 하지 않던 내용으로 나온다. 실제 결과를 있는 그대로 보고하고 상업적, 조직적 압박 속에서도 그 보고를 방어하는 것이, 과학자라는 직함을 쓴 옹호자와 진짜 과학자를 가르는 지점이며, 이 방어는 종종 그 자리에서 가장 힘 있는 사람의 기대를 정면으로 거스르는 일이 된다. 이 결정 하나가 이후 그 프로젝트에서의 입지를 바꿔놓을 수 있다.
배포된 모델이 전체적으로는 잘 작동하지만 아무도 확인해보라고 요청하지 않은 특정 환자 하위집단에서 조용히 실패하고 있다. 이것이 드러나고 조치로 이어지는지, 아니면 모두가 만족하는 전체 지표 안에 묻혀버리는지에 이 직업의 진짜 윤리적 무게가 걸려 있으며, 이 발견을 알리는 사람은 대개 성공적인 배포를 다시 늦추자고 말하는 불편한 역할을 맡게 된다. 이 역할을 자원해서 맡는 사람은 드물다.
이미 퇴사한 전임자가 만든, 결정 근거가 문서화되지 않은 데이터셋을 넘겨받는다. 그 구조를 기본값으로 그냥 신뢰하는 대신, 새로운 분석에 서명하기 전에 그 선택들을 실제로 이해하고 검증하는 수고는 조용하지만 결과가 큰 형태의 성실함이며, 이 검증에 들이는 시간은 겉으로 드러나는 성과로는 거의 인정받지 못한다. 그럼에도 이 검증을 건너뛴 대가는 몇 달 뒤 훨씬 크게 돌아온다.
제약회사와 임상시험수탁기관은 허가 신청 마지막 몇 주 동안의 무급 밤샘 근무를 미래 환자를 위한 헌신이라는 이름으로 정당화해왔다. 국내 대학병원 임상연구지원센터와 데이터센터에서는 대학원생과 초년차 연구원이 낮은 보수로 데이터 정리와 통계 분석 노동을 떠맡는 구조가 흔하며, 이는 연구비 부족이 아니라 연구의 사명 자체를 명분으로 삼아 정당화된다. 바이오벤처의 계약직 데이터 과학자 채용 공고는 "의미 있는 일"이라는 표현을 앞세워 실제로는 고용 안정성이 낮은 자리를 제시한다. 임상시험 마감이 다가올수록 "환자들이 기다리고 있다"는 말이 초과근무 거부를 이기적인 태도처럼 보이게 만들며, 이 말은 실제로 초과근무 시간에 대한 정당한 보상 요구를 침묵시키는 데 반복적으로 동원된다.
보통
일상적인 데이터 과학 작업(SQL 쿼리, 탐색적 차트 작성, AutoML을 사용한 표준 모델 적합, 상용구 파이프라인 코드 작성)의 의미 있는 부분은 오늘날 이미 자동화되거나 AI 지원을 받고 있으며 그 비율은 빠르게 증가하고 있습니다. 자동화에 저항하는 것은 모호한 비즈니스 문제를 테스트 가능한 질문으로 구성하고, 결과가 실제인지 통계적 인공물인지 판단하고, 모델의 실제 결정이 잘못된 것으로 판명될 때 책임을 지는 것입니다.
AI와 미래 →같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.
디지털 공격을 찾아내고 예방하며 대응함으로써 시스템, 데이터, 사람을 지킨다.
AI 내성 63 🌬️재생 가능한 자원을 신뢰할 수 있는 전기로 전환하는 풍력, 태양열, 저장 및 그리드 시스템을 설계, 구축 및 개선합니다.
AI 내성 72 🦾물리적 세계를 감지하고 판단하고 행동하는 기계를 설계하는 사람으로, 진짜 난제는 지능이 아니라 언제나 세계 그 자체였다.
AI 내성 65 🌿조직이 비즈니스 의무를 이행하면서 환경 및 사회적 피해를 줄이는 데 도움이 되는 전략, 측정 및 보고를 주도합니다.
AI 내성 66 🔌컴퓨터, 휴대폰, 무기 등 거의 모든 전자기기 내부의 트랜지스터를 설계하고 제조하며, 지구상 극소수 공장만이 다룰 수 있는 초정밀 장비를 다룬다.
AI 내성 60 📦프로덕션 환경에서 기계 학습 모델을 교육, 배포, 모니터링 및 관리하는 시스템을 구축합니다.
AI 내성 54물질과 에너지, 공간과 시간을 지배하는 수학 법칙을 이끌어내고 검증한다. 혼자 칠판 앞에 선 연구자에서 3,000명이 공동 저자로 이름을 올리는 입자가속기 논문까지 그 모습은 다양하다.
AI 내성 65 🧬생명 그 자체를 연구하는 과학자. 린네가 손으로 종을 명명하던 시절부터 크리스퍼로 유전체를 편집하는 오늘날까지, 모든 아이디어를 살아있는 생물체에 비추어 검증한다.
AI 내성 64 🧪물질 그 자체를 만들고 측정하는 과학자 — 바빌로니아 타푸티의 증류기에서 오늘날 로봇 실험실에 이르기까지, 스펙트럼이 의미하는 바를 결정하는 것은 여전히 사람이다.
AI 내성 70 📊데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.
AI 내성 38 🔭바빌로니아의 점토판에서 우주 망원경까지, 우주를 측정하는 과학자 — 데이터 속 어떤 깜빡임이 발견인지는 지금도 가려내는 중이다.
AI 내성 70 🧮바빌로니아 서기관에서 필즈상 수상자와 AI 보조 증명까지: 어려운 질문을 영구적 확실성으로 바꾸는 직업, 정리 하나하나마다.
AI 내성 70 🧿컴퓨팅, 감지, 통신 및 재료 연구를 위해 양자 상태를 활용하는 장치를 구축, 측정 및 제어합니다.
AI 내성 78