기사 핵심 요약
식약처는 인공지능과 빅데이터를 식품위해평가에 접목해 사전 예측 중심의 안전관리 체계를 추진한다.
- 식약처가 학술대회와 연계해 식품위해평가 5개 세션을 열었다.
- 인공지능과 빅데이터를 활용한 잔류물질 예측과 진위 판별 방안을 다룬다.
- 연구 성과를 수렴해 과학적 근거 중심의 규제과학 정책을 강화할 방침이다.
빅데이터와 인공지능(AI)을 결합해 식품 안전 위험을 사전에 예측하고 선제 관리하는 체계로의 전환이 본격화된다. 식품의약품안전처와 식품의약품안전평가원은 2026년 11월 18일부터 20일까지 제주 해비치 호텔&리조트에서 개최되는 제41회 한국식품위생안전성학회 정기학술대회와 연계해 'AI로 여는 식품위해평가의 새로운 지평'을 주제로 식품 분야 5개 세션을 운영한다. 그동안 축적된 위해평가 경험에 첨단 디지털 알고리즘을 융합해 오염물질 검출 속도를 높이고 위해 요소를 조기에 차단하겠다는 구상이다.

식품위해평가 패러다임 전환과 학술대회 개요
식품위해평가란 식품이나 식품첨가물, 잔류농약 등에 존재하는 생물학적·화학적·물리적 위해요소가 인체 건강에 미치는 영향을 과학적으로 규명하고 분석하는 일련의 과정을 의미한다. 이번 행사는 식품 위생·안전 분야 학술교류와 연구증진을 위해 1986년 설립된 한국식품위생안전성학회의 정기학술대회와 연계해 마련됐다. 정부와 산·학·연 전문가들은 3일간 빅데이터와 인공지능 등 디지털 기술을 접목한 최신 연구 성과를 공유하고 규제과학 발전 방향을 논의한다.
학술 세션의 포문은 이순호 식품위해평가부장의 기조발표로 열렸다. 이순호 부장은 '식품위해평가의 회고와 AI 시대 새로운 도약'을 주제로 발표하며 과거의 평가 모델이 지닌 한계를 짚고 인공지능 기술을 활용한 차세대 도약 전략을 제시했다. 아울러 행사 현장에서는 학계 연구자뿐만 아니라 산업체 관계자들을 대상으로 규제과학 고도화를 위한 현장 의견 수렴도 함께 진행된다. 이는 정부가 주도하는 기술 혁신이 실제 산업 현장과 정책 전반에 식품안전관리 패러다임 전환으로 안착하도록 유도하기 위한 조치다.
미생물 및 잔류물질 안전관리 기술 혁신
첫날과 둘째 날에는 식중독균 등 유해 미생물 제어와 농약·동물용의약품 잔류물질 분석에 인공지능을 활용하는 연구 성과가 중점적으로 다뤄진다. 식품미생물 세션에서는 주인선 미생물과장이 좌장을 맡은 가운데 미생물과의 김용훈 연구관이 식품 미생물 안전 연구의 성과와 차세대 추진 방향을 제시했다. 이어 건양대학교 서수환 교수가 글로벌 연구 최신 동향을, ㈜CJ 박천호 상무가 K-Food의 지속성장을 뒷받침하기 위한 글로벌 관점의 식품안전관리 체계 전환을 각각 발표했다.
잔류물질 세션에서는 강원대학교 송민호 교수가 AI를 이용한 작물의 농약 잔류 예측 모델 개발 현황을 소개했다. 성균관대학교 강승구 교수는 AI 기반의 잔류농약 신속 검출 기술을 발표해 유해 물질 판독 소요 시간을 단축하는 방안을 제시했다. 군산대학교 이지훈 교수는 양식 수산물에서 수온이 동물용의약품의 약동학과 잔류소실, 휴약기간에 미치는 영향을 설명했으며, 경상대학교 심원보 교수는 현장에서 신속하게 유해 잔류물질을 분석할 수 있는 센서 및 플랫폼 기술 동향을 짚었다.
영양·건강기능식품 빅데이터 분석과 첨가물 관리 동향
빅데이터를 활용한 개인 맞춤형 식이 관리와 기능성 원료의 데이터베이스(DB)화, 식품첨가물의 안전성 검증 연구도 다각도로 공유된다. 건강기능식품·영양 세션에서는 식품의약품안전평가원 박유경 연구관이 데이터 기반 영양 및 건강기능식품 안전관리 연구를 소개했다. 서울대학교 이지현 교수는 기능성 원료 특성 DB 확보를 위한 분석기술을 발표했으며, 서울과학기술대학교 김지연 교수는 정밀영양 연구에서 위험 계층화와 맞춤형 식이 개입을 위한 데이터 모델링 방안을 다뤘다. 중앙대학교 신상아 교수는 한국인 총식이를 고려한 영양성분 DB 구축과 섭취실태 분석 결과를 제시했다.
식품첨가물 세션에서는 평가원 첨가물포장과의 김미라 연구관이 정책 현황과 관리 방향을 설명했다. 오뚜기 김진현 소장은 선제적 위험 관리에 기반한 글로벌 품질보증 및 안전성 확보 전략을 공유했으며, 서울과학기술대학교 김영준 교수는 시험분석 기술 개발 동향을 짚었다. 해외 연구 동향으로는 필리핀 식품영양연구소(FNRI)의 로즈 엘라니 길라란(Rose Elanie P. Guilaran) 연구원이 현지 어린이의 황색4호(Tartrazine) 및 황색5호(Sunset Yellow) 착색료 섭취에 따른 안전성 평가 결과를 발표했다.
다중 오믹스와 머신러닝을 활용한 식품 진위 판별
마지막 날에는 고도화된 부정·불량식품 유통을 차단하기 위해 다중 오믹스 데이터와 인공지능을 결합한 판별 기술이 논의된다. 중앙대학교 전향숙 교수가 좌장을 맡은 해당 세션에서는 동교 김영빈 교수가 멀티모달 정보 분석과 근거 기반 AI 에이전트를 활용한 식품 안전 감시 시스템 확장 방안을 발표했다. 경희대학교 김해영 교수는 새로운 대체 단백질원으로 부상한 식용 조류의 종 판별 기법을 소개했다.
화학적 분석 데이터를 학습시켜 원산지 위조나 불법 혼입을 밝혀내는 기술도 다뤄진다. 중앙대학교 어중혁 교수는 화학적 지문 분석부터 혼입 검출까지 아우르는 대사체학과 머신러닝의 융합 기술을 발표했다. 캠아이넷 최성희 교수는 부정불량식품 판별정보의 데이터베이스 구축과 활용 방안을 제안했다. 이러한 첨단 분석 기법은 위·변조 가능성이 높은 원료의 진위를 분자 수준에서 정밀하게 가려내는 토대가 된다.

분야별 핵심 발표 주제 및 세션 구성
이번 학술대회에서 운영되는 5개 세부 분야는 미생물, 잔류물질, 영양, 첨가물, 진위판별에 이르기까지 식품안전 핵심 영역 전반을 망라한다. 각 세션은 소관 과장들이 좌장을 맡고 산·학·연 연자들이 첨단 기술 적용 사례를 발표하는 체계로 구성됐다.
전통적인 화학·미생물 분석 기법에 머물지 않고 머신러닝 예측 모델과 멀티모달 AI 등 데이터 과학이 전면에 배치된 점이 특징이다.
표: 제41회 한국식품위생안전성학회 연계 식약처 5개 세션 구성
| 세션 분야 | 진행 일시 | 좌장(소속) | 주요 발표 주제 |
|---|---|---|---|
| 식품 미생물 | 11.18. (15:45~17:00) | 주인선 과장 (미생물과) | 미생물 안전 연구 추진 방향, 글로벌 연구 동향, K-Food 안전관리 체계 전환 |
| 잔류물질 | 11.19. (10:20~12:00) | 김현경 과장 (잔류물질과) | AI 작물 농약 잔류 예측, 신속 검출 기술, 수온에 따른 동물약품 약동학, 현장 분석기술 |
| 건강기능식품·영양 | 11.19. (13:30~15:10) | 한규홍 과장 (영양기능연구과) | 데이터 기반 안전관리, 기능성 원료 특성 DB, 정밀영양 모델링, 한국인 총식이 영양성분 DB |
| 식품첨가물 | 11.19. (15:30~17:10) | 이은주 과장 (첨가물포장과) | 첨가물 관리 방향, 선제적 글로벌 품질보증, 시험분석 기술, 필리핀 어린이 착색료 섭취 평가 |
| 식품 진위 판별 | 11.20. (10:20~12:00) | 전향숙 교수 (중앙대) | AI 에이전트 안전감시, 식용 조류 종 판별, 대사체학·머신러닝 혼입 검출, 판별정보 DB |
(식품의약품안전처, 'AI로 여는 식품위해평가의 새로운 지평 학술대회 세션 계획', 2026)
식약처는 이번 행사에서 도출된 학술 성과를 규제과학 정책에 반영해 과학적 근거에 기반한 안전관리 체계를 확립해 나갈 방침이다. 제주에서 개최된 이번 논의는 한국식품위생안전성학회 AI 식품안전 학술대회의 핵심 축으로서 식품위해평가의 패러다임이 사후 조치에서 사전 예측 중심으로 옮겨가고 있음을 보여준다.
자주 묻는 질문
식품위해평가에 인공지능(AI)을 도입하면 구체적으로 어떤 점이 개선되나요?
작물의 잔류농약 분해 경로를 사전 예측하거나 유해 물질을 현장에서 신속하게 검출할 수 있습니다. 또한 복잡한 대사체 데이터 분석을 통해 원산지 위조나 이물 혼입 여부를 머신러닝으로 신속히 판별함으로써 식품 안전사고를 선제적으로 차단할 수 있습니다.
이번 학술대회에서 논의된 연구 내용은 향후 식약처 정책에 어떻게 반영되나요?
식약처는 학술대회에서 발표된 산·학·연 전문가들의 연구 성과와 현장 의견을 토대로 과학적 근거 기반의 규제과학 관리 체계를 고도화하고, 데이터 중심의 식품안전 감시 시스템을 구축하는 정책에 반영할 계획입니다.
댓글을 남기려면 로그인 해주세요.