인공지능(AI)의 빠른 발전과 임상 환경에서의 점진적 역할 증대는 의과대학 학부 교육에서 AI 교육을 우선순위로 만들었다. 이를 지원하기 위해서는 AI 교육과정이 기존 의학교육의 틀과 정합성을 이루면서도 AI의 고유한 특성을 반영해야 한다. 본 논문은 이러한 교육과정의 개발과 실행을 안내하기 위한 실행 가능한 12가지 조언을 제시한다. 여기에는 기존 역량(framework) 및 디지털 헬스의 더 넓은 맥락 안에서 AI 교육의 목적과 범위를 정의하는 일이 포함된다. 교육과정은 주요 요소를 우선시하면서 내용의 점진적인 심화와 통합이 가능하도록 구성되어야 한다. 또한 지속 가능한 AI 교육은 제도적 자원의 확보, 학습자에게 진정성 있는 경험 제공, 교육과정의 지속적인 평가와 개선을 보장하는 데 달려 있다. 이러한 접근을 함께 수행함으로써, 의과대학은 AI가 의료 실무의 핵심 구성요소가 되는 미래에서 학생들이 효과적으로 진료를 수행할 수 있도록 준비시키고자 한다.

목적: 의학에서 인공지능(AI)의 도입이 가속화됨에 따라, 의과대학 교육과정에 AI 교육을 통합하는 문제에 대한 관심이 크게 증가하고 있다. 본 연구는 한국의 맥락에서 의료 교육과정에 AI 교육을 통합하는 것에 관하여 교수와 학생들의 인식을 파악하고자 하였다. 방법: 남한에서 실시한 의료 AI 역량에 관한 전국 온라인 설문에서 157명의 교수와 125명의 학생을 대상으로, 의료 교육과정에 AI를 통합하는 방안에 대한 교수 및 의대생의 관점을 자유 서술 응답으로 수집한 뒤 주제 분석(thematic analysis)을 통해 평가하였다. 결과: 세 가지 핵심 주제가 도출되었다. 첫째, 내용(content)으로서 기본 지식과 그 실질적 적용을 우선시하며 윤리적·법적 책임의 중요성을 강조하였다. 둘째, 교육과정 설계(curricular design)로서 학습자의 요구에 맞춘 나선형 교육과정(spiral curriculum)을 지지하였다. 셋째, 우려(concerns)로서 AI 통합을 의학교육의 주요 목표와 균형 있게 조정하는 문제를 부각하였고, 동시에 진행 중인 기술 발전을 비판적으로 평가할 필요성을 강조하였다. 결론: 본 연구는 AI 교육에서 우선시해야 할 내용과 방법에 관한 유용한 통찰을 제공한다. 의료 학습자와 AI 기술의 변화가 빠른 점을 고려할 때, AI 교육과정 개발을 위해 지속적이고 적시에 요구(needs) 평가를 수행하는 것은 관련성과 효과를 유지하는 데 필수적이다.

의학에서의 인공지능(AI) 기술이 보건의료 전달에 미칠 영향과 중요성이 점차 커짐에 따라, AI를 의과대학 교육과정에 통합하려는 요구가 증가하고 있다. 본 연구는 의료용 AI 역량을 규정하고, 대한민국의 의과대학 졸업생에게 필수적인 역량을 규명하는 것을 목적으로 하였다. 방법 2022년에 수행된 초기 델파이(Delphi) 조사에서는 의료용 AI 전문가 4개 집단(n = 28)을 대상으로 42개 역량 항목을 도출하였다. 이어서, 제1차 델파이 라운드에서 개발된 42개 역량 목록을 활용하여 대한민국 각 의과대학에서 1,955명(학생 1,174명, 교수 781명)의 참여자를 대상으로 온라인 설문조사를 실시하였다. 이후, 필수 AI 역량과 선택(옵션) 역량을 구분하기 위해 21개 의과대학의 의학교육자 33명을 대상으로 추가 델파이 조사를 수행하였다. 결과 본 연구는 의과대학 졸업생에게 필수적인 36개의 AI 역량을 포함하는 6개의 영역을 확인하였다. (1) 디지털 헬스 및 AI가 주도하는 변화의 이해, (2) 의료용 AI의 기초 지식 및 기술, (3) 의료용 AI 사용과 관련된 윤리 및 법적 측면, (4) 임상 진료에서의 의료용 AI 적용, (5) 의료 데이터의 처리, 분석 및 평가, (6) 의료용 AI의 연구개발 및 각 영역 내 하위역량이다. 첫 4개 영역 내 다수의 역량은 필수로 간주된 반면, 전문가의 더 높은 비율이 마지막 2개 영역(데이터 사이언스 및 의료용 AI 연구개발)에서는 선택으로 응답하였음이 관찰되었다. 결론 본 연구에서 제시한 의과대학 졸업생을 위한 6개 AI 역량과 그 하위역량으로 구성된 의료용 AI 역량 프레임워크는, AI를 의과대학 교육과정에 통합하는 데 있어 유망한 지침이 될 잠재력을 보여준다. 서로 다른 맥락과 국가에서 추가로 수행되는 연구를 통해 이러한 결과의 적용 가능성을 검증하고 확인할 필요가 있다. 또한, 제안된 역량을 기존 교육과정에 통합하기 위한 구체적이고 실행 가능한 교육 모델을 개발하기 위해서는 추가 연구가 필수적이다.

배경: 한국에서는 의과대학 교수진의 번아웃에 관한 전국 단위 조사가 없다. 본 연구는 한국 의과대학 교수진의 번아웃 수준을 조사하고, 번아웃과 관련된 가능한 요인을 탐색하고자 하였다. 방법: 2020년 10월부터 2020년 12월까지 한국의 40개 의과대학에 익명 온라인 설문을 배포하였다. 번아웃은 Maslach Burnout Inventory-Human Service Survey를 수정하고 재검증한 버전으로 측정하였다. 결과: = 0.018). 가장 중요한 스트레스 요인 또는 번아웃의 원천은 “정부 또는 대학의 과도한 규제”였다. 연구는 가장 분노를 유발하는 과제였으나, 교육은 가장 스트레스가 적은 것으로 나타났다. 결론: 본 연구는 한국 의과대학 교수진의 상당수가 높은 수준의 번아웃을 겪는 것으로 보인다는 점을 처음으로 전국 단위에서 경고한다. 의사 번아웃의 유병률, 관련 요인 및 이를 극복하기 위한 전략을 파악하기 위해 추가 연구가 필요하다.

인공지능(AI)의 빠른 발전과 임상 환경에서의 점진적 역할 증대는 의과대학 학부 교육에서 AI 교육을 우선순위로 만들었다. 이를 지원하기 위해서는 AI 교육과정이 기존 의학교육의 틀과 정합성을 이루면서도 AI의 고유한 특성을 반영해야 한다. 본 논문은 이러한 교육과정의 개발과 실행을 안내하기 위한 실행 가능한 12가지 조언을 제시한다. 여기에는 기존 역량(framework) 및 디지털 헬스의 더 넓은 맥락 안에서 AI 교육의 목적과 범위를 정의하는 일이 포함된다. 교육과정은 주요 요소를 우선시하면서 내용의 점진적인 심화와 통합이 가능하도록 구성되어야 한다. 또한 지속 가능한 AI 교육은 제도적 자원의 확보, 학습자에게 진정성 있는 경험 제공, 교육과정의 지속적인 평가와 개선을 보장하는 데 달려 있다. 이러한 접근을 함께 수행함으로써, 의과대학은 AI가 의료 실무의 핵심 구성요소가 되는 미래에서 학생들이 효과적으로 진료를 수행할 수 있도록 준비시키고자 한다.

목적: 의학에서 인공지능(AI)의 도입이 가속화됨에 따라, 의과대학 교육과정에 AI 교육을 통합하는 문제에 대한 관심이 크게 증가하고 있다. 본 연구는 한국의 맥락에서 의료 교육과정에 AI 교육을 통합하는 것에 관하여 교수와 학생들의 인식을 파악하고자 하였다. 방법: 남한에서 실시한 의료 AI 역량에 관한 전국 온라인 설문에서 157명의 교수와 125명의 학생을 대상으로, 의료 교육과정에 AI를 통합하는 방안에 대한 교수 및 의대생의 관점을 자유 서술 응답으로 수집한 뒤 주제 분석(thematic analysis)을 통해 평가하였다. 결과: 세 가지 핵심 주제가 도출되었다. 첫째, 내용(content)으로서 기본 지식과 그 실질적 적용을 우선시하며 윤리적·법적 책임의 중요성을 강조하였다. 둘째, 교육과정 설계(curricular design)로서 학습자의 요구에 맞춘 나선형 교육과정(spiral curriculum)을 지지하였다. 셋째, 우려(concerns)로서 AI 통합을 의학교육의 주요 목표와 균형 있게 조정하는 문제를 부각하였고, 동시에 진행 중인 기술 발전을 비판적으로 평가할 필요성을 강조하였다. 결론: 본 연구는 AI 교육에서 우선시해야 할 내용과 방법에 관한 유용한 통찰을 제공한다. 의료 학습자와 AI 기술의 변화가 빠른 점을 고려할 때, AI 교육과정 개발을 위해 지속적이고 적시에 요구(needs) 평가를 수행하는 것은 관련성과 효과를 유지하는 데 필수적이다.

의학에서의 인공지능(AI) 기술이 보건의료 전달에 미칠 영향과 중요성이 점차 커짐에 따라, AI를 의과대학 교육과정에 통합하려는 요구가 증가하고 있다. 본 연구는 의료용 AI 역량을 규정하고, 대한민국의 의과대학 졸업생에게 필수적인 역량을 규명하는 것을 목적으로 하였다. 방법 2022년에 수행된 초기 델파이(Delphi) 조사에서는 의료용 AI 전문가 4개 집단(n = 28)을 대상으로 42개 역량 항목을 도출하였다. 이어서, 제1차 델파이 라운드에서 개발된 42개 역량 목록을 활용하여 대한민국 각 의과대학에서 1,955명(학생 1,174명, 교수 781명)의 참여자를 대상으로 온라인 설문조사를 실시하였다. 이후, 필수 AI 역량과 선택(옵션) 역량을 구분하기 위해 21개 의과대학의 의학교육자 33명을 대상으로 추가 델파이 조사를 수행하였다. 결과 본 연구는 의과대학 졸업생에게 필수적인 36개의 AI 역량을 포함하는 6개의 영역을 확인하였다. (1) 디지털 헬스 및 AI가 주도하는 변화의 이해, (2) 의료용 AI의 기초 지식 및 기술, (3) 의료용 AI 사용과 관련된 윤리 및 법적 측면, (4) 임상 진료에서의 의료용 AI 적용, (5) 의료 데이터의 처리, 분석 및 평가, (6) 의료용 AI의 연구개발 및 각 영역 내 하위역량이다. 첫 4개 영역 내 다수의 역량은 필수로 간주된 반면, 전문가의 더 높은 비율이 마지막 2개 영역(데이터 사이언스 및 의료용 AI 연구개발)에서는 선택으로 응답하였음이 관찰되었다. 결론 본 연구에서 제시한 의과대학 졸업생을 위한 6개 AI 역량과 그 하위역량으로 구성된 의료용 AI 역량 프레임워크는, AI를 의과대학 교육과정에 통합하는 데 있어 유망한 지침이 될 잠재력을 보여준다. 서로 다른 맥락과 국가에서 추가로 수행되는 연구를 통해 이러한 결과의 적용 가능성을 검증하고 확인할 필요가 있다. 또한, 제안된 역량을 기존 교육과정에 통합하기 위한 구체적이고 실행 가능한 교육 모델을 개발하기 위해서는 추가 연구가 필수적이다.

배경: 한국에서는 의과대학 교수진의 번아웃에 관한 전국 단위 조사가 없다. 본 연구는 한국 의과대학 교수진의 번아웃 수준을 조사하고, 번아웃과 관련된 가능한 요인을 탐색하고자 하였다. 방법: 2020년 10월부터 2020년 12월까지 한국의 40개 의과대학에 익명 온라인 설문을 배포하였다. 번아웃은 Maslach Burnout Inventory-Human Service Survey를 수정하고 재검증한 버전으로 측정하였다. 결과: = 0.018). 가장 중요한 스트레스 요인 또는 번아웃의 원천은 “정부 또는 대학의 과도한 규제”였다. 연구는 가장 분노를 유발하는 과제였으나, 교육은 가장 스트레스가 적은 것으로 나타났다. 결론: 본 연구는 한국 의과대학 교수진의 상당수가 높은 수준의 번아웃을 겪는 것으로 보인다는 점을 처음으로 전국 단위에서 경고한다. 의사 번아웃의 유병률, 관련 요인 및 이를 극복하기 위한 전략을 파악하기 위해 추가 연구가 필요하다.

구성: 공감은 인지적 측면(타인의 입장에 자신을 놓아볼 수 있는 능력)과 정서적(또는 감정적) 측면을 모두 함께 아우르는 것으로 받아들여져 왔으며, 이는 타인의 정서 상태에 대한 정서적 반응 또는 답을 의미한다. 문헌에서는 공감이 의사-환자 관계, 환자 만족, 그리고 긍정적인 임상적 결과에 미치는 긍정적 영향을 뒷받침한다. 배경: 다수의 연구가 의사와 의과대학생을 위한 공감 측정 도구의 개발에 대해 다루어 왔다. 의과대학생을 대상으로 흔히 사용되는 공감 측정 도구는 일반 성인 인구에서 공감의 다차원적 양상을 측정하기 위해 설계된 “Interpersonal Reactivity Index”(IRI)이다. 의과대학생에 대해 IRI를 타당화한 선행 문헌의 대부분은 요인분석을 사용한 반면, Rasch 모델을 적용한 연구는 제한적이었다. 본 연구의 목적은 Rasch 분석을 사용하여 의과대학생용으로 수정한 IRI의 심리측정적 특성을 조사하는 것이었다. 방법: 한국의 15개 의과대학에서 의과대학생 1,293명이 한국어로 번역된 IRI의 28개 문항으로 구성된 온라인 설문에 참여하였다. 최적의 요인 수를 결정하기 위해 다분류 상관행렬을 이용한 탐색적 요인분석(EFA)을 적용한 후, Rasch 분석과 McDonald’s Omega 계산을 수행하였다. 결과: 수정된 IRI-MS(의과대학생용 IRI)는 4개 차원으로 구성되며 총 17개 문항으로 이루어졌다: 공감적 관심(empathic concern)(5), 가상 상황(fictitious situation)(4), 관점 취하기(perspective taking)(4), 개인적 고통(personal distress)(4). IRI-MS 전체의 적합도는 17개 문항 모두에 대해 허용 가능한 적합도(goodness-of-fit)를 보였고, 모든 문항에서 양(+)의 점-측정치 상관이 나타났다. Rasch 모델링에서의 신뢰도 지표와 4개 차원의 McDonald’s Omega 값은 연구 목적으로 만족스러웠다. 우리는 IRI의 4개 차원에 대한 Wright-Andrich 지도와 범주 확률 곡선이 공감 수준을 측정함에 있어 충분히 최적이 아닌 것으로 나타났으나, 적절한 정밀도로는 가능하였다. 결론: 의과대학생의 공감이 다차원적이라는 특성을 측정하는 데 있어, IRI-MS에 대한 Rasch 분석은 만족스러운 타당도를 입증하기에는 미흡하였다. 그러나 본 연구는 Rasch 분석을 적용하였다는 점에서, 본 연구 결과의 한계로부터 더 발전시키기 위한 향후 연구의 기초 자료로 활용될 수 있다.

인공지능(AI) 기술이 발전하여 의료 및 헬스케어 서비스에 점차 더 통합됨에 따라, 의과대학생이 의료 교육에서 AI를 이해하고 활용할 수 있도록 준비시키는 것이 필요하다는 데에는 점차 공감대가 형성되고 있다. 보건의료 전문가가 갖추어야 할 AI 역량에 관해서는 연구와 논의가 계속되고 있다. 그러나 의과대학 졸업생에게 요구되는 필요한 AI 역량을 기존 교육과정에 어떻게 통합할지에 대해서는 다양한 견해가 존재한다. 그럼에도 임상 진료와 연구에서 AI를 사용하는 것과 관련된 윤리적 측면에 대해 충분하고 적절한 교육을 제공하는 것이 중요하다는 점에 대해서는 폭넓은 합의가 있다. 본 논문에서 저자들은 의학 분야에서 AI 윤리를 교육하고자 하는 교육자들을 위한 실질적인 교육 원리, 전략 및 방법을 소개하고자 한다. 이를 위해 본 논문은 (1) 의과대학 졸업생이 갖추어야 할 AI 역량과 의학 윤리 역량을 제시하고, (2) 의학교육에서 AI 윤리 역량을 함양할 필요성을 설명하며, (3) AI 윤리 교육을 개발하기 위한 원칙과 그러한 교육과정을 구현하기 위한 고려사항을 논의하고, (4) 의과대학생 및 젊은 의사들의 AI 윤리 역량을 함양하는 데 활용할 수 있는 교육 모듈을 제시한다. 저자들은 본 논문에서 개발한 의학적 AI 윤리에 관한 사례 기반 모듈이, 의학적 AI 윤리의 원칙과 지침에 익숙한 의료 졸업생을 준비시키는 데 기여하여, 어떤 환경에서든 최선의 윤리적 선택을 할 수 있도록 하기를 기대한다.

2024년 대한민국은 거의 1세기 만의 최초 구조적 변화에 해당하는 조치로 고등교육법 시행령을 개정하여, 경직된 “2년 예비의학 및 4년 의학”의 구조를 폐지하고 대학이 내부 규정에 따라 의과대학의 교육과정을 자율적으로 정할 수 있도록 하였다. 이러한 법 개정은 2018년부터 시작된 국내 의학교육계의 6년간의 공동 노력의 결과로, 경험적 연구, 전국 단위 조사, 정책 제안, 그리고 다자 이해관계자 간 합의 형성을 포함하였다. 한국의과대학(의학대학)협회가 주도하여 학술 및 직역 관련 학회들이 체계적인 논의를 조직하고, 개혁의 긴급한 필요성을 입증하는 핵심 보고서를 발간하였다. 새로 개정된 정책은 국제적 기준에 부합하면서 급격히 변화하는 사회적 요구에 대응할 수 있는 보다 유연하고 통합적인 6년제 의학 프로그램을 위한 기반을 제공한다. 의과대학 제도의 개혁은 구조적 조정에 그치지 않고, 개인의 잠재력을 길러 주며 변화하는 사회적 기대에 부응하는 학습자 중심의 교육 환경을 구축하기 위한 촉매가 되어야 한다. 의학교육의 핵심 원칙은 효과적으로 실천으로 전환되어야 한다. 개혁이 진정한 교육 혁신으로 이어지도록 하기 위해서는 전략적 실행이 중요하며, 여기에는 기관의 학습 목표를 재검토하고 교육과정을 재설계하며 이해관계자를 참여시키고 교수 역량을 강화하며 학생 중심 학습을 촉진하기 위한 행정적·재정적 지원을 확보하는 일이 포함된다.

본 논문은 아프리카 마다가스카르의 의료 인력 부족과 기본 외과 수술 접근성의 제약 문제를 해결하기 위해 시행된 지구병원 기본 외과 의사 양성 프로그램을 소개한다. 2017년부터 기획되어 2023~2024년 실행된 본 사업은 한국의 정부 및 비정부 기관 (KOICA, AFF, WELL International, 한국누가회 등)과 마다가스카르 보건부 및 국립보건원 (INSPC)의 협력으로 추진되었다. 마다가스카르 정부 소속 현지 공무원 의사 20명을 선발해 2년간 7가지 핵심 외과술기 중심의 훈련을 시행하고, 이후 5년간 비수도권 지구병원에 배치함으로써 약 500만 명의 주민에게 외과 진료 접근성을 제공하였다. 마다가스카르 정부의 급여 지원과 제도화 의지는 이 프로그램의 효과 및 지속 가능성을 보여주는 성과이다. 본 프로그램은 선교적 가치에 기반한 현지인 역량 강화형 의료선교 모델로, 향후 사업의 확대와 유사한 환경의 저개발국에서 적용 가능한 보건의료 인력개발 전략의 하나로서 그 가능성과 의의를 가진다.

배경: COVID-19 팬데믹 동안 도시 거주자들은 자연과의 연결을 유지하고 영양 지침을 준수하며 정신적 안녕을 관리하는 데 상당한 어려움을 겪었다. 목적: 시급한 필요를 인식하여, 본 연구는 특정 디지털 중재인 쌀 농사 시뮬레이션 게임 Sakuna: Of Rice and Ruin이 자연 관련성, 영양 행동, 심리적 안녕에 미칠 수 있는 잠재적 이점을 탐색하기 위해 설계되었다. 방법: 도시 지역에 거주하며 주요 정신질환의 과거력이 없는 성인 66명을 모집하였다. 이들은 블록 무작위배정을 통해 2개 군으로 무작위 배정되었는데, 즉시 중재군(IIG; 34/66, 52%)과 대기자군(32/66, 48%)이다. IIG에 배정된 참여자들은 3주 동안 주당 최소 4일, 각 세션은 30분에서 3시간까지 지속되는 조건으로 게임을 하도록 지시받았다. 평가는 기저선, 1주차, 3주차에 실시하였다. 자연 관련성은 Nature Relatedness Scale(NR)로, 영양 상태는 Nutrition Quotient Scale로 평가하였다. 또한 심리 상태는 세계보건기구 삶의 질 간편형(World Health Organization Quality of Life-Brief Version, WHOQOL-BREF), 간단 부정적 평가에 대한 공포 척도(Brief Fear of Negative Evaluation Scale), 사회적 회피 및 고통 척도(Social Avoidance and Distress Scale), Toronto Alexithymia Scale, 상태-특성 불안 척도(State-Trait Anxiety Inventory), 역학연구센터 우울 척도 개정판(Center for Epidemiologic Studies Depression Scale Revised), 한국 회복탄력성 척도(Korean Resilience Quotient)를 사용하여 평가하였다. 결과: 본 연구의 결과, IIG와 대기자군 간의 시간에 따른 유의한 상호작용이 NR의 총점(P=.001) 및 NR의 자기 하위영역 점수(P<.001)에서 모두 관찰되어, 게임이 자연 관련성에 영향을 미치는 것으로 나타났다. Nutrition Quotient Scale의 총점 및 하위영역 점수에서는 집단×시간 상호작용이 확인되지 않았으나, 두 군 모두 기저선 대비 증가를 보였다. 심리 상태에 대해서는 WHOQOL-BREF 총점에서 유의한 집단×시간 상호작용이 관찰되었고(P=.049), 이는 게임이 삶의 질에 영향을 줄 수 있음을 시사한다. WHOQOL-BREF의 심리적(P=.01), 사회적(P=.003), 환경적(P=.04) 하위영역에서는 시간 효과만 유의했으나, 다른 심리 척도에서는 유의한 변화가 나타나지 않았다(모두 P>.05). 결론: 본 연구 결과는 쌀 농사 게임 중재가 COVID-19 팬데믹 동안 도시 성인에서 자연 관련성, 자연친화적 식이 행동, 삶의 질, 불안, 우울, 대인관계 및 회복탄력성에 긍정적 영향을 미칠 수 있음을 시사한다. 제한된 도시 환경에서의 친자연 게임이 미치는 영향은, 디지털 기술을 활용하여 도시 거주자의 자연에 대한 친화성과 심리적 안녕을 향상시키는 방법에 대한 유용한 근거를 제공한다. 이러한 이해는 메타버스와 같은 다른 디지털 플랫폼으로 향후 확장될 수 있다. 임상시험 등록: Clinical Research Information Service(CRIS) KCT0007657; http://tinyurl.com/yck7zxp7.