의학교육은 정보시대에서 인공지능시대로 가야 한다(Acad Med, 2018)

의학교육은 정보시대에서 인공지능시대로 가야 한다(Acad Med, 2018)

Medical Education Must Move From the Information Age to the Age of Artificial Intelligence
Steven A. Wartman, MD, PhD, and C. Donald Combs, PhD

 

 

 

윌리엄 오슬러는 [의학은 불확실성의 과학이며 확률의 예술]이라고 말한 것으로 보도되었다. 그러나 오늘날, 이러한 오랜 관점은 도전받지 않더라도 정교해지고 있습니다.
William Osler is reported to have said that medicine is a science of uncertainty and an art of probability. Yet today, this time-honored perspective is being refined, if not challenged.

의학의 관행이 정보 시대에서 인공지능 시대로 빠르게 전환되고 있는 모든 것 중 가장 근본적인 변화를 해결하는 데 더 많은 관심을 기울여야 한다.
More attention needs to be given to addressing the most fundamental change of all—the practice of medicine is rapidly transitioning from the information age to the age of artificial intelligence.

이 개혁의 근본원칙은 학생들이 '정보'와 '인공지능'의 차이를 이해하고 관리해야 한다는 것이다.

A fundamental principle of this reformulation is that students must understand and manage the difference between “information” and “artificial intelligence.”

정보 대 인공지능
Information Versus Artificial Intelligence

 

정보 시대(1970년대부터 2010년대까지)는 [정확하고 시기적절하며 특정 목적을 위해 체계화된 데이터]를 사용했으며, [데이터는 의미와 관련성을 제공하는 맥락에서 제시]되었으며, [데이터는 불확실성의 이해와 감소]로 이어졌다.1 이 기간 동안 의사의 주요 과제는 유효성과 이용 가능한 정보를 효과적으로 사용하는 방법을 결정하는 것이었다. 
The information age (roughly from the 1970s to the emergence of machine learning tools during the 2010s) featured the use of data that were accurate and timely, specific and organized for a purpose, and presented within a context that gave them meaning and relevance, as well as led to an increase in understanding and decrease in uncertainty.1 The primary challenges for physicians during this time were determining validity and how to effectively use the available information. 

"인공지능"이라는 용어는 추론, 의미 발견, 일반화 및/또는 경험으로부터 학습하는 능력과 같은 인간의 지적 과정을 가진 시스템의 개발에 적용된다.2 인공지능 응용 프로그램을 이용한 데이터 조작은 의학 교육에 중요한 의미를 갖는다. 대체로 [암기 기반인 현재의 커리큘럼]은 [증가하는 정보 출처에서 정보의 효과적인 통합과 활용에 대한 역량을 가르치는 커리큘럼]으로 전환해야 한다. 
the term “artificial intelligence” applies to the development of systems that are endowed with the intellectual processes characteristic of humans, such as the ability to reason, discover meaning, generalize, and/or learn from experience.2 The manipulation of data using applications of artificial intelligence has significant implications for medical education. The current, largely memorization-based curriculum must transition to one that teaches competence in the effective integration and utilization of information from a growing array of sources. 

의사들이 신뢰할 수 있는 인공지능에 기반한 의사결정 지원 소프트웨어를 사용하든, 병원이나 환자의 집, 인체 내에 배치된 로봇을 관리하든, 이 새로운 패러다임에서 교육을 받을 필요가 있을 것이다.

Whether physicians use decision support software based on reliable artificial intelligence or manage robots deployed in hospitals, patients’ homes, or within the human body, they will need to be educated in this new paradigm. 

의료교육 개혁은 20세기에 주로 초점을 맞추고 있다.
Medical Education Reform Has Largely Focused on the 20th Century

 

주로 재단과 정부 기관이 후원하는 국가 보고서의 발견에 바탕을 둔 의학교육 개혁 노력은 일상화되었고, 아브라함 플렉스너의 1910년 보고서 이후 몇 년에 한 번씩 추진되어 왔다. 미국 의학 협회는 2000년부터 2015년까지 의료 교육 개혁을 요구하는 15개의 국가 보고서가 있었다고 언급했다.3 이러한 제안된 개혁은 만성 질환 관리 및 치료 조정, 시스템 기반 관행, 실천 기반 개선 및 효과적인 커뮤니케이션을 포함하여 이전에 확인된 많은 개혁 분야와 유사했다. [전통, 인증에 대한 우려, 변화에 대한 교수진의 저항, 그리고 국가 이사회 시험에서 우수한 성적을 낼 수 있도록 학생들을 준비해야 하는 필요성]은 일반적으로 필요한 개혁을 방해하는 주요 요소로 간주된다. 
Efforts to reform medical education, largely based on the findings in national reports funded by foundations and government agencies, have become routine and have been rolled out every few years since Abraham Flexner’s 1910 report. The American Medical Association noted that from 2000 to 2015 there were 15 national reports calling for medical education reform.3 These proposed reforms paralleled many of the previously identified areas for reform, including the management of chronic conditions and care coordination, systems-based practice, practice- based improvement, and effective communication. Tradition, accreditation concerns, faculty resistance to change, and the need to prepare students to perform well on national board exams are generally considered the major factors impeding needed reform. 

워트먼은 2016년 강연에서 현재 파악된 많은 개혁이 21세기 의학교육에 필요하지만 충분하지 않다고 언급하며 의학교육의 '재부팅'을 주장했다.4 그는 또 의학교육 개혁의 행적은 마치 [의미 있는 변화를 채택하는 속도가 느린 산업]과 같다고 언급했다. 21세기 의료 기술 습득은 의료 교육의 보다 [급진적인 변혁]을 필요로 한다고 우리는 생각한다. 비록 "하나를 보고, 하나, 하나 가르쳐라"라는 격언이 과거에 의사들이 임상 기술을 배운 방식을 특징지었을 수 있지만, 이제 훈련이 효과적이기 위해서는 모든 수준의 학습자들이 자신의 성과를 표준과 비교하고, 역량이 달성될 때까지 계속 연습할 기회를 가져야 한다는 것이 명백하다.5 
In a 2016 lecture, Wartman advocated a “reboot” of medical education, noting that many of the current reforms that have been identified are necessary but not sufficient for 21st-century medical education.4 He also noted that the track record of medical education reform depicts an industry that is slow to adopt meaningful change. The acquisition of 21st-century skills for medical practice requires, in our opinion, a more radical transformation of medical education. Although the dictum “see one, do one, teach one” may have characterized the way physicians learned clinical skills in the past, it is now clear that, for training to be effective, learners at all levels must have the opportunity to compare their performance against a standard and to continue to practice until competence is achieved.5 

고용주들은 학부생, 대학원생, 그리고 지속적인 의학 교육의 긴밀한 통합을 위한 설득력 있는 사례를 제시하고 있다. 그들은 다음과 같은 의사가 필요하다. 

• 다른 의료 팀원과 함께 면허의 상위에 있는 작업을 수행한다. 
  
• 의료 분야 및 의료 연속체의 폭넓은 범위에 걸친 지식을 보유해야 한다. 
  
• 스마트폰, 소셜 미디어 및 기타 장치를 사용하여 데이터 플랫폼을 활용합니다. 
  
• 고객 서비스를 포함하여 결과 분석 및 성능 향상에 초점을 맞춘다.7
  

Employers are making a compelling case for a tighter integration of undergraduate, graduate, and continuing medical education. They need physicians who

• work at the top of their license with other members of the health care team;
• have knowledge that spans the breadth of the health professions and care continuum;
• leverage data platforms by using smartphones, social media, and other devices; and
• focus on analyzing outcomes and improving performance, including customer service.7

의료 교육을 지배적인 20세기 모델에서 21세기의 새로운 과제, 특히 전문적 실무에서 빅데이터와 인공지능의 응용이 증가하는 문제를 해결할 수 있는 모델로 어떻게 개혁할 것인가?

How do we reform medical education from the dominant 20th-century model into one that can address the emerging challenges of the 21st century, especially the increasing application of big data and artificial intelligence in professional practice?

 

21세기를 향한 의학의 부활
A Medical Education Reboot for the 21st Century

우리는 의료 교육을 재부팅하기 위한 기초는 [미래의 의료 행위가 의사, 다른 의료 전문가, 기계(소프트웨어와 하드웨어 모두 포함) 및 환자 사이의 명시적인 파트너십이 될 것]이라는 공동체의 인식에 있다고 믿는다. 
We believe that the foundation for a medical education reboot lies in the community’s recognition that future medical practice will be an explicit partnership among physicians, other health care professionals, machines (which includes both software and hardware), and patients. 

첫째, 여러 장소에서 케어가 제공될 것입니다. 기술은 환자의 내부와 내부로 이동하여 지속적인 데이터 흐름을 제공할 것입니다. 대규모 데이터 저장 및 처리 인프라는 실시간으로 보다 쉽게 액세스할 수 있게 됩니다. 환자, 보험사, 규제 당국은 편리함과 입증 가능한 결과를 주장할 것이다.
First, care will be provided in many locations. Technology will move with and inside patients, providing a continuous flow of data. Large data storing and processing infrastructures will become more readily accessible in real time. Patients, insurers, and regulators will insist on convenience and demonstrable results. 

둘째, 새롭게 구성된 의료팀이 케어를 제공할 것이다. 신성불가결한 일대일 의사-환자 관계는 여러 의료 기관과의 환자 관계로 대체될 것이다. (예: 간호사, 사회복지사, 물리 및 직업 치료사, 의료 관리자, 가정 의료 보좌관, 사회 지원 단체, 가족 및 아직 정의되지 않은 새로운 종류의 의료 제공자들. 이는 환자의 거주지와 무관하다) 의사나 팀 리더 역할을 하는 다른 사람들은 어떻게 팀 케어를 통해 가장 큰 가치를 얻을 수 있을지를 배워야 할 것이다. 이러한 연습은 새로운 연습 양식에 맞춰 팀 구성원의 연습 범위를 신중하게 재설계해야 한다.  
Second, care will be provided by newly constituted health care teams. The sacrosanct one-to-one doctor–patient relationship will be replaced by patient relationships with multiple health providers (e.g., nurses, social workers, physical and occupational therapists, care managers, home health aides, social support groups, family members, and new kinds of health care providers yet to be defined, without regard to where patients live). Physicians or others who serve as team leaders will need to learn how to gain the most value from team care. Such practice will necessitate the careful redesign of the scopes of practice of team members to align with new practice modalities. 

셋째, 여러 소스, 액세스 가능한 대용량 데이터 세트 및 인공지능의 증가하는 데이터 배열을 기반으로 관리가 이루어질 것입니다. 대규모 메타 데이터 세트의 기계 기반 분석의 통합은 환자 관리의 표준이 되어 각 환자에 대한 지속적인 모니터링으로 이어질 것이다. 새로운 해석 및 기능적 실무 기반 구조가 시간에 따라 개발되어 데이터를 관리하고 정보의 확장에 대한 유효한 평가를 제공할 것이다. 의사는 환자와 환자의 가족, 기계 및 다양한 보건 전문가의 복잡한 교차점 내에서 의사 결정이 이루어지는 환경에서 실습합니다.
Third, care will be delivered based on a growing array of data from multiple sources, accessible large data sets, and artificial intelligence. The incorporation of machine-based analysis of huge meta-data sets will become standard for patient care, leading to continuous monitoring of each patient. A new interpretive and functional practice infrastructure will be developed over time both to manage the data and to provide valid assessments of the expanding volume of information. Physicians will practice in an environment where decision making takes place within the complex intersection of patients and their families, machines, and an expanding variety of health professionals.

넷째, 마지막으로, 의학과 기계 사이의 인터페이스가 능숙하게 관리되어야 할 것이다. 기계는 많은 분야에서 더 많은 것을 알게 될 것이고 전통적으로 의사가 수행했던 더 많은 작업을 수행할 수 있게 될 것이다. 따라서 간병인은 기기가 인지적 및 신체적으로 인간을 점점 능가할 것이라는 사실에 동의해야 할 것이다.
Fourth, and finally, the interface between medicine and machines will need to be skillfully managed. Machines will know more in many areas and be able to perform more tasks that traditionally have been performed by physicians. Thus, caregivers will need to come to terms with the fact that devices increasingly will outperform humans, both cognitively and physically.


미래의 실습을 위해 필요한 기술
Necessary Skills for Future Practice

 

인지심리학은 사실과 개념이 사용될 맥락에서 가르치고, 실천하고, 평가할 때 가장 잘 상기되고 활용된다는 것을 입증했다. 수십 년 동안의 임상 전문성에 대한 연구는 의사들로 하여금 징후와 증상을 평가하고, 진단 테스트를 선택 및 해석하고, 임상 평가 및 치료 계획을 개발하기 위해 데이터를 합성하는 사고방식을 설명하였다.8 한 관찰자가 지적한 바와 같이, "기술이 변화하고 데이터 안개가 짙어짐에 따라 교육 표준을 새로 고치고, 다듬고, 개선해야 합니다."  
Cognitive psychology has demonstrated that facts and concepts are best recalled and put into service when they are taught, practiced, and assessed in the context in which they will be used. Several decades of research on clinical expertise have elucidated the thinking of physicians as they evaluate signs and symptoms, select and interpret diagnostic tests, and synthesize data to develop clinical assessments and care plans.8 As noted by one observer, “Educational standards need to be refreshed, refined and improved as technology changes and the data fog thickens.”9 

생물의학 과학에 대한 근본적인 이해와 임상 지식과 실무에서의 전문지식과 상호 연계성이 의학 교육의 핵심으로 남아 있어야 한다는 데는 이견이 없다. 그러나, 21세기 커리큘럼은 또한 인공지능이 지원하는 데이터가 풍부한 환경에서 의사가 보다 정확하게 연습할 수 있는 능력을 강화하기 위한 구성요소를 포함해야 한다. 한 예로, 학습자는 의사결정의 맥락에서 빅 데이터에 노출되어야 합니다. 빅 데이터의 4V에 대한 확실한 이해:

• 볼륨(과거의 양에 비해 오늘날의 데이터 양이 방대함),
• 다양성(다양한 유효성의 다양한 소스에서 데이터 제공),
• 속도(데이터가 매우 빠르게 생성되고 모멘텀이 증가함),
• 정확성(새롭게 생성되는 평가 해야 할 데이터의 품질)
  

There is no disagreement that a fundamental understanding of the biomedical sciences and their interconnectedness with clinical knowledge and expertise in practice should remain central to medical education. However, the 21st-century curriculum also should include components to strengthen physicians’ capacity to practice with more precision in a data-rich environment supported by artificial intelligence. As one example, learners must be exposed to big data in the context of decision making. They must develop a solid understanding of the four Vs of big data:

• volume (the amount of data today is vast compared with the amount in the past);
• variety (data come from many different sources of varying validity);
• velocity (data are being generated very fast, and momentum is increasing); and
• veracity (the quality of the data being generated needs to be assessed). 

학습자들도 인공지능 애플리케이션을 통한 의료 전달에서 [데이터가 어떻게 집계되고 분석되고 궁극적으로는 개인화되고 있는지]에 대한 기본적인 이해를 키울 필요가 있을 것이다. 그들은 의사결정 지원 소프트웨어, 로봇 또는 보다 정교한 소셜 미디어 애플리케이션에 구현되어 있는지 여부에 관계없이 다양한 애플리케이션을 관리하는 방법에 대해 폭넓게 생각할 필요가 있을 것이다. Yang과 Veltri10이 지적했듯이 "가장 중요한 과제는 어떻게 하면 의료 데이터를 정밀의학, 예방의학, 예측 모델링에 대한 부가 가치로 전환할 수 있느냐 하는 것이다." 

Learners also will need to develop a basic understanding of how data are being aggregated, analyzed, and ultimately personalized in health care delivery through artificial intelligence applications. They will need to be able to think broadly about how to manage the variety of applications, whether embodied in decision support software, robots, or more sophisticated social media applications. As Yang and Veltri10 noted, “The most critical challenge is how we can transform the health care data into additional values for precision medicine, preventive medicine, and predictive modeling.” 

 

결론

Conclusion

커리큘럼 개혁은 [혁신과 실험에 더 개방적]이고 [(종종 학생들의 미래 관행과 무관한 사실에 기초한 암기와 임상 사무직에 중점을 두는) 낡은 모델을 훨씬 뛰어넘을 수 있는] accreditor의 전폭적인 지원을 필요로 한다. 미래의 의대 졸업생들이 license의 top에 올라 value-based financing system에 적응하려면 평생교육의 새로운 양식에 참여할 필요가 있을 것이다. 
curricular reform requires the whole-hearted support of accreditors who are willing to be more open to innovation and experimentation and able to move far beyond the old model with its emphasis on fact-based memorization and clinical clerkships that are often unrelated to students’ future practice. Future medical school graduates will need to participate in new modalities of lifelong education if they are to perform at the top of their license and adapt to a value-based financing system. 

두 가지 기술(새로운 기술, 오래된 기술)이 강조되어야 하며 커리큘럼 내내 수행되어야 한다.

• 첫 번째는 데이터 플랫폼에 의해 생성된 확률의 의미를 환자에게 고유한 인간 복잡성에 직면하여 전달할 수 있는 의사의 능력을 향상시키는 통계 전문지식의 숙달이다.
• 두 번째는 진정한 동정심 있는 제공자가 되기 위한 끊임없는 훈련과 평가를 포함하는데, 이는 의학이 점점 더 첨단기술이 되어감에 따라 간과되어서는 안 되는 것이다.

Two additional skills, one new, one old, also must be emphasized and carried throughout the curriculum.

• The first is the mastering of statistical expertise that enhances the ability of the physician to communicate the meaning of the probabilities generated by data platforms to patients in the face of their uniquely human complexity.
• The second involves constant training and evaluation toward being a truly compassionate provider, something that must not be overlooked as medicine becomes increasingly high tech. 
  
  
  

 

4 Wartman SA. Medical education needs a reboot!! 2016 Mansbach lecture. Presented at: Eastern Virginia Medical School; October 5, 2016; Norfolk, VA. Accessed October 25, 2017.

 

 

 

---

Acad Med. 2018 Aug;93(8):1107-1109.

 doi: 10.1097/ACM.0000000000002044.

Medical Education Must Move From the Information Age to the Age of Artificial Intelligence

Steven A Wartman 1, C Donald Combs

Affiliations collapse

Affiliation

• 1S.A. Wartman is president and CEO, Association of Academic Health Centers, Washington, DC. C.D. Combs is vice president and dean, School of Health Professions, Eastern Virginia Medical School, Norfolk, Virginia.

• PMID: 29095704

 

• DOI: 10.1097/ACM.0000000000002044

Abstract

Noteworthy changes coming to the practice of medicine require significant medical education reforms. While proposals for such reforms abound, they are insufficient because they do not adequately address the most fundamental change-the practice of medicine is rapidly transitioning from the information age to the age of artificial intelligence. Increasingly, future medical practice will be characterized by: the delivery of care wherever the patient happens to be; the provision of care by newly constituted health care teams; the use of a growing array of data from multiple sources and artificial intelligence applications; and the skillful management of the interface between medicine and machines. To be effective in this environment, physicians must work at the top of their license, have knowledge spanning the health professions and care continuum, effectively leverage data platforms, focus on analyzing outcomes and improving performance, and communicate the meaning of the probabilities generated by massive amounts of data to patients, given their unique human complexities. The authors believe that a "reboot" of medical education is required that makes better use of the findings of cognitive psychology and pays more attention to the alignment of humans and machines in education and practice. Medical education needs to move beyond the foundational biomedical and clinical sciences. Systematic curricular attention must focus on the organization of professional effort among health professionals, the use of intelligence tools involving large data sets, and machine learning and robots, all the while assuring the mastery of compassionate care.