환자 접근 프로그램, 정책 불확실성·기술 격차·비용 부담 문제에 직면
업계 설문조사에 따르면 환자 접근 프로그램이 하이브리드 모델로 수렴하고 있지만, 기술 지원, 상호운용성 격차, 정책 불확실성 등 심각한 과제에 직면해 있다. 약 60%의 프로그램이 내부 및 외부 자원을 결합한 하이브리드 구조를 사용하고 있으며, 절반 이상의 조직이 상호운용성 요구사항에 대비하지 못한 것으로 나타났다.
환자 접근 및 비용 부담 지원 프로그램이 정책 불확실성, 복잡해지는 급여 설계, 그리고 증가하는 전문 치료제 파이프라인으로 인해 점점 더 큰 압박을 받고 있다는 업계 조사 및 분석 결과가 나왔다. 인플레이션 감축법(Inflation Reduction Act)과 같은 법안에 따라 보험 적용 규정이 변화하고, 치료제 파이프라인이 확장되며, 가격 책정에 대한 기대치가 높아지면서 환자를 지원하는 시스템은 그 어느 때보다 빠르게 대응해야 하는 상황이다.
제약·바이오, 컨설팅, 전문 진료 분야의 환자 접근 관련 의사결정권자 100여 명을 대상으로 한 설문조사에 따르면, 환자 서비스 프로그램의 약 60%가 내부 팀과 외부 파트너를 결합한 하이브리드 모델로 운영되고 있다. 이러한 집중 현상은 제약사가 핵심 프로그램 요소에 대한 직접적인 통제권은 유지하면서 전문 역량이 필요한 부분은 외부 파트너에 위탁하는 선택적 소유 모델을 시사한다. 그러나 기술 활용 수준은 여전히 고르지 않아, 대부분의 응답자는 현재 운영 현실이 부분적으로만 기술이 지원되며 일부 워크플로우는 자동화가 적용되고 있지만 다른 작업들은 여전히 수동으로 처리되고 있다고 답했다.
상호운용성(interoperability)이 환자 접근 분야에서 의미 있는 진전을 이루기 위한 핵심 관문 요인으로 떠오르고 있다. 응답자의 절반 이상이 환자 접근 영역에서 상호운용성 및 데이터 공유 기대치를 충족할 준비가 되어 있지 않거나 일부만 준비되어 있다고 답했다. 응답자의 85% 이상이 공급업체 파트너로부터 받은 데이터의 정확성과 완전성에 대해 신뢰를 표했지만, 비표준화되거나 일관되지 않은 데이터 형식, 제한된 실행 가능성, 그리고 데이터가 워크플로우를 촉발하거나 적시에 의사결정을 내리는 데 활용되지 못하도록 하는 지연 등과 관련된 문제를 지속적으로 지적했다.
정책 불확실성은 지속적인 과제로 자리 잡았으며, 사전 승인(prior authorization) 요건은 계속 진화하고 있고 가격 책정에 관한 논의는 더욱 격화되고 있다. 인플레이션 감축법과 최혜국(Most-Favored Nation) 정책과 같은 조치의 영향이 상업 및 정부 채널 전반에서 여전히 진행 중이다. 접근성과 비용 부담 문제를 담당하는 리더들에게 당면 과제는 단순한 규정 준수가 아니라, 치료 시작을 지연시키거나 의료진과 환자에게 불편을 초래하지 않으면서 요구사항 변화에 맞춰 조정할 수 있는 프로그램과 인프라를 구축하는 것이다.
전문 치료제 및 항암제 파이프라인이 확장되고 있지만, 치료제가 많아진다고 해서 접근성이 저절로 개선되지는 않는다. 의료진의 진료 경로는 점점 더 복잡해지고, 급여 설계는 제각각이며, 이해관계자 간 협력은 여전히 일관성이 부족하다. 이러한 환경에서 환자를 지원하려면 업무 인계(handoff)를 줄이고, 수동 작업을 최소화하며, 프로세스 전반에 걸친 가시성을 제공하는 접근 운영 체계가 필요하다.
GLP-1 계열 치료제는 높은 수요와 복잡한 보험 적용 상황 속에서 기존의 접근성 및 비용 부담 모델을 계속해서 시험대에 올리고 있다. 이러한 역학 관계는 조직들로 하여금 접근 전략이 어떻게 확장될 수 있는지, 그리고 여러 진입 지점에서 비용 부담 지원이 어디에 적합한지 평가하도록 압박하고 있다. 접근 경로가 개선되더라도, 본인 부담 비용(out-of-pocket costs)은 여전히 환자에게 결정적 요인으로 남아 있으며, 비용 부담 문제가 조기에 해결되지 않으면 치료 중단(abandonment)과 비순응(non-adherence)이 계속해서 발생하고 있다.
인공지능(AI)의 가치는 일상적인 접근 워크플로우에 얼마나 잘 통합되어 정보 라우팅 및 의사결정 지원과 같은 작업을 지원하면서도 인간의 감독을 유지할 수 있는지에 달려 있다. 진정한 과제는 환자와 의료진이 의존하는 신뢰와 판단력을 잃지 않으면서 AI를 활용해 투명성, 일관성 및 속도를 개선하는 방법을 찾는 것이다.