문제: 진단 보조를 위한 인공지능(AI)의 임상 적용이 증가하고 있음에도 불구하고, 의학교육에서는 AI가 생성한 정보를 진단에 어떻게 통합하고, 환자와의 공유 의사결정(SDM)에서 이를 효과적으로 활용하는지에 대한 훈련이 거의 제공되지 않는다. 접근: 저자들은 레지던트 준비를 하는 최종학년 의과대학생을 대상으로 AI 보조 SDM을 훈련하기 위한 시뮬레이션 기반 과정을 개발하고 시범 운영하였다. 2023년 6월부터 10월까지 수행된 이 과정은 온라인 선학습과, 임상에서 승인된 AI 도구를 사용한 현장 시뮬레이션을 결합하였다(Lunit INSIGHT CXR, version 3.1.4.1 및 MMG, version 1.1.4.3; Lunit Inc., 서울, 대한민국; 2023년 11월 16일 및 27일에 사용). 시나리오는 무증상 환자에서 우연히 발견된 소견(예: 폐 결절, 유방 미세석회화)을 제시하였다. 학생들은 SDM을 포함한 2가지 관리 옵션을 다루는 12분짜리 모의 환자 면담 2회에 참여하였다. 세션은 모의 환자가 작성한 피드백과 전문가 진행 하의 디브리핑으로 마무리되었다. 3개 의과대학에서 27명의 학생이 참여하였다. 결과: 프로그램 평가 결과, 참여자의 SDM 이해도와 자신감이 유의하게 향상되었으며(t = 6.51 및 t = 7.56, 각각 P < .001), AI 보조 SDM 역시 유의하게 향상되었다(t = 5.72 및 t = 5.80, 각각 P < .001). 학생들은 AI 도구가 SDM과 환자와의 의사소통을 촉진하는 데 도움이 된다고 느꼈다. 인터뷰의 주제 분석에서는 구조화된 과정 설계와 성찰적 디브리핑과 같은 강점이 강조되었다. 참가자들은 기존 교육이 진단 알고리즘에 초점이 맞춰져 있었던 반면, 본 과정은 환자 소통과 선호에 기반한 의사결정에 중점을 두었다고 언급하였다. 또한 학생들은 AI 도구가 진단에 유용하고 시각적 산출물을 통해 환자와의 논의를 지지하는 데 도움이 된다고 평가하였다. 그러나 참가자들은 자신들의 임상 지식의 공백과 AI 도구의 설명가능성(explainability) 부족 등 제한점도 확인하였다. 그들은 SDM 및 AI 보조 진단 훈련을 공식 교과과정에 통합하여 임상 실습을 더 잘 준비할 수 있도록 해야 한다고 제안하였다. 다음 단계: 향후에는 본 과정을 학부 교과과정 또는 전환 훈련 프로그램에 통합하여, AI 보조 임상 실습에서의 경험 기반 학습 기회를 제공하는 데 초점을 맞춰야 한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.