의학교육은 정보시대에서 인공지능시대로 옮겨가야 한다(Acad Med, 2018)

의학교육은 정보시대에서 인공지능시대로 옮겨가야 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 과학이자 확률의 예술이라고 말한 것으로 알려져 있습니다. 하지만 오늘날 이 오랜 관점은 도전받지는 않더라도 개선되고 있습니다. 의료계의 변화하는 모습과 의사들이 현대 의료 현장에 보다 효과적으로 진입할 수 있도록 하는 의학교육 개혁은 백서와 뉴스 기사에서 자주 등장하는 주제입니다. 일반적인 개혁 주제에는 커뮤니케이션, 팀워크, 위험 관리 및 환자 안전에 대한 새로운 강조가 포함됩니다. 이러한 개혁은 중요하지만 충분하지 않다고 생각합니다. 가장 근본적인 변화, 즉 정보화 시대에서 인공지능 시대로 빠르게 전환되고 있는 의료계의 현실을 해결하는 데 더 많은 관심을 기울여야 합니다. 이러한 변화의 결과는 심대하며 학부 의학교육 프로그램의 개혁을 요구합니다. 이러한 개편의 기본 원칙은 학생들이 "정보"와 "인공 지능"의 차이를 이해하고 관리해야 한다는 것입니다. 
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. The changing state of the medical profession and the medical education reforms that will enable physicians to more effectively enter contemporary practice are frequent topics of white papers and news stories. Common reform themes include a renewed emphasis on communication, teamwork, risk management, and patient safety. We believe that these reforms are important but insufficient. 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. The consequences of this transition are profound and demand the reformulation of undergraduate medical education programs. A fundamental principle of this reformulation is that students must understand and manage the difference between “information” and “artificial intelligence.”

정보 대 인공 지능
Information Versus Artificial Intelligence

정보 시대(대략 1970년대부터 2010년대 기계 학습 도구가 등장하기 전까지)에는 정확하고 시의적절하며, 목적에 맞게 구체적이고 체계적으로 정리되고, 의미와 관련성을 부여하는 맥락 내에서 제시된 데이터를 사용하여 이해도를 높이고 불확실성을 줄이는 것이 특징이었습니다.1 이 시기 의사의 주요 과제는 [유효성을 판단]하고, [사용 가능한 정보를 효과적으로 사용하는 방법을 찾는 것]이었습니다. 
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.

인공 지능(또는 컴퓨터가 인간의 인지를 모방하는 것)은 한때 미래적인 비전으로만 여겨졌습니다. 이제 컴퓨터나 컴퓨터로 제어되는 로봇이 지능적인 존재와 관련된 작업을 수행하는 능력은 널리 받아들여지고 있습니다. 더 중요한 것은 "인공 지능"이라는 용어가 [추론, 의미 발견, 일반화 및 경험으로부터 학습하는 능력]과 같은 인간의 특징적인 지적 과정을 부여받은 시스템의 개발에 적용된다는 점입니다.2 인공 지능의 응용 프로그램을 사용한 데이터 조작은 의학교육에 중요한 영향을 미칩니다. 암기 위주의 현행 커리큘럼은 점점 더 다양한 출처의 정보를 효과적으로 통합하고 활용할 수 있는 역량을 가르치는 커리큘럼으로 전환해야 합니다.
Artificial intelligence—or the mimicking of human cognition by computers—was once only a futuristic vision. Now, the ability of a computer or a computer-controlled robot to perform tasks commonly associated with intelligent beings is widely accepted. More important, 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.

예를 들어, 인체 안팎에서 사용 가능한 센서의 수와 유형이 기하급수적으로 증가하고 개인 및 조직 정보 인프라에 연결되는 것을 관리하는 것은 인공지능 시대에 떠오르는 과제 중 하나에 불과합니다. 의사와 환자 모두가 이용할 수 있는 대규모 데이터 모음, 점점 더 정교해지는 머신러닝(예: 왓슨 및 알파고) 사용, 의사와 환자 간의 지식 격차 축소 등 빅 데이터 사용의 의미는 현재의 의료 교육 모델에도 상당한 도전 과제를 안겨주고 있습니다. 의사가 신뢰할 수 있는 인공지능 기반의 의사결정 지원 소프트웨어를 사용하든, (병원, 환자 가정 또는 인체 내에) 배치된 로봇을 관리하든, 의사는 이 새로운 패러다임에 대한 교육을 받아야 할 것입니다. 
For example, managing the exponential growth in the number and type of available sensors, both within and outside the human body, and their connectivity to personal and organizational information infrastructures, is just one of the challenges emerging in the age of artificial intelligence. The implications of using big data, including large compilations of data that are available to both physicians and their patients, increasingly sophisticated uses of machine learning (e.g., Watson and Alpha Go), and the narrowing of the knowledge differential between physicians and patients, also pose substantial challenges to the current medical education model. 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.

20세기에 주로 집중된 의학교육 개혁
Medical Education Reform Has Largely Focused on the 20th Century

재단과 정부 기관이 자금을 지원하는 국가 보고서의 연구 결과를 바탕으로 의학교육을 개혁하려는 노력은 1910년 아브라함 플렉스너의 보고서 이후 일상화되어 몇 년마다 발표되고 있습니다. 미국의사협회는 2000년부터 2015년까지 의학교육 개혁을 촉구하는 국가 보고서가 15건 발표되었다고 언급했습니다.3 이러한 개혁안은 만성 질환 관리 및 진료 조정, 시스템 기반 진료, 진료 기반 개선, 효과적인 커뮤니케이션 등 이전에 확인된 개혁 분야와 많은 부분이 일치합니다. 전통, 인증 문제, 변화에 대한 교수진의 저항, 학생들이 국가 시험에서 좋은 성적을 거둘 수 있도록 준비시켜야 할 필요성 등이 일반적으로 필요한 개혁을 방해하는 주요 요인으로 간주됩니다. 미국의학협회의 수잔 스코첼락은 다음과 같이 주장합니다:

• "[이러한 개혁에서] 빠진 것은 의료 서비스 전달의 과학입니다. 만성 질환을 어떻게 관리할까요? 예방과 건강에 어떻게 집중하나요? 어떻게 팀으로 일할 것인가?"3 

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. Susan Skochelak of the American Medical Association argued:

• “What’s been missing [from these reforms] is the science of health-care delivery. How do you manage chronic disease? How do you focus on prevention and wellness? How do you work in a team?”3

2016년 강연에서 워트먼은 의학교육의 "재부팅"을 주장하면서 현재 확인된 많은 개혁이 21세기 의학교육에 필요하지만 충분하지 않다고 지적했습니다.4 그는 또한 의학교육 개혁의 실적을 보면 의미 있는 변화를 받아들이는 데 더딘 산업을 묘사한다고 지적했습니다. 21세기형 의료 기술을 습득하기 위해서는 의학교육의 보다 근본적인 변화가 필요하다고 생각합니다. "한 번 보고, 한 번 하고, 한 번 가르친다"는 격언이 과거 의사의 임상 술기 학습 방식을 특징지었을지 모르지만, 이제 교육이 효과적이려면 모든 수준의 학습자가 자신의 성과를 표준과 비교하고 역량을 갖출 때까지 계속 연습할 기회를 가져야 한다는 것이 분명해졌습니다.5 의료의 질 저하와 지속 불가능한 비용 증가로 고민하는 리더, 외부 이해관계자, 대중의 압박으로, 의사들은 학습 목표를 보다 나은 치료 제공 및 책무성 강화 조치와 더욱 긴밀하게 연계하는 이니셔티브를 설계하는 데 더 엄격한 과제에 직면해 있습니다.6
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 Pressed by their leaders, external stakeholders, and a public troubled by lapses in quality of care and unsustainable cost increases, physicians are facing stiffer challenges in designing initiatives that more closely link the goals of learning with both the delivery of better care and measures of greater accountability.6

고용주들은 학부, 대학원 및 평생 의학 교육을 더욱 긴밀하게 통합해야 한다는 설득력 있는 주장을 펼치고 있습니다. 이들은 면허를 취득한 후 다른 의료 팀원들과 함께 일하고, 의료 전문직과 치료 연속체를 아우르는 지식을 갖추고, 스마트폰, 소셜 미디어 및 기타 장치를 사용하여 데이터 플랫폼을 활용하고, 고객 서비스를 포함한 결과 분석과 성과 개선에 집중하는 의사를 필요로 합니다.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

의학교육의 의미 있는 변화에 대해 아브라함 플렉스너만큼 큰 소리로 환호하는 사람은 없을 것입니다. 변화에 대한 유연성과 자유, 그리고 변화의 의무는 그의 메시지의 일부였습니다. 그는 의심할 여지없이 오늘날 필요한 의학교육의 근본적인 구조조정을 지지할 것입니다. 그렇다면 문제는 다음과 같습니다:

• 20세기의 지배적인 모델에서 21세기의 새로운 과제, 특히 빅데이터와 인공 지능의 전문 진료 분야 적용 증가에 대응할 수 있는 의학교육으로 어떻게 개혁할 수 있을까요? 

No one would cheer more loudly for meaningful change in medical education than Abraham Flexner. The flexibility and freedom to change—indeed, the mandate to do so—were part of his message. He would undoubtedly support the fundamental restructuring of medical education that is needed today. So, the question becomes:

• 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 위한 의학교육 리부트
A Medical Education Reboot for the 21st Century

우리는 의학교육 재부팅의 토대는 미래의 의료 행위가 [의사, 다른 의료 전문가, 기계(소프트웨어와 하드웨어 모두 포함), 환자] 간의 명백한 파트너십이 될 것이라는 공동체의 인식에 있다고 믿습니다. 미래의 의료 행위는 의사의 기본 규칙을 변화시키는 네 가지 특징을 갖게 될 것입니다.
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. Future medical practice will have four characteristics that change the ground rules for physicians.

첫째, 다양한 장소에서 진료가 제공될 것입니다. 기술은 환자와 함께, 그리고 환자 내부로 이동하며 지속적인 데이터 흐름을 제공할 것입니다. 대용량 데이터 저장 및 처리 인프라에 실시간으로 더 쉽게 액세스할 수 있게 될 것입니다. 환자, 보험사, 규제 당국은 편의성과 입증 가능한 결과를 요구할 것입니다.
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, 의료 서비스는 새롭게 구성된 의료팀에 의해 제공될 것입니다. [신성하게 여겨져왔던 일대일 의사-환자 관계]는 환자와 여러 의료 제공자(예: 간호사, 사회복지사, 물리 및 작업 치료사, 케어 매니저, 가정 건강 보조원, 사회적 지원 그룹, 가족, 아직 정의되지 않은 새로운 종류의 의료 제공자)와의 관계로 대체될 것이며, 환자의 거주지와는 무관하게 이루어집니다. 의사나 팀 리더 역할을 하는 다른 사람들은 팀 치료에서 최대한의 가치를 얻는 방법을 배워야 합니다. 이를 위해서는 새로운 진료 방식에 맞춰 팀원들의 진료 범위를 신중하게 재설계해야 할 것입니다. 그 결과 현재의 면허 제약에 대한 도전과 수정이 이루어질 것으로 예상됩니다.
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. As a result, we believe that current licensure constraints will be challenged and modified.

셋째, 다양한 출처의 데이터, 접근 가능한 대규모 데이터 세트, 인공 지능을 기반으로 진료가 제공될 것입니다. 방대한 메타 데이터 세트에 대한 기계 기반 분석의 통합이 환자 치료의 표준이 되어 각 환자를 지속적으로 모니터링할 수 있게 될 것입니다. 데이터를 관리하고 방대한 양의 정보에 대한 유효한 평가를 제공하기 위해 새로운 해석 및 기능적 진료 인프라가 시간이 지남에 따라 개발될 것입니다. 의사는 환자와 그 가족, 기계, 점점 더 다양해지는 의료 전문가들의 복잡한 교차점 속에서 의사결정이 이루어지는 환경에서 진료를 하게 될 것입니다.
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 간의 인터페이스를 능숙하게 관리해야 할 것입니다. 기계는 많은 분야에서 더 많은 것을 알게 되고 전통적으로 의사가 수행하던 더 많은 작업을 수행할 수 있게 될 것입니다. 따라서 돌봄제공자는 기계가 점점 더 인지적, 육체적으로 인간을 능가할 것이라는 사실을 받아들여야 합니다.
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.

미래 실무에 필요한 기술
Necessary Skills for Future Practice

인지 심리학의 연구 결과를 더 잘 활용하고, 교육에서 인간과 기계를 더 긴밀하게 연계하며, 치료 전달에 기계를 통합하고 환자를 치료의 적극적인 협력자로 보는 데 초점을 맞춘 시뮬레이션을 강화하는 등 인공지능 시대로 이동함에 따라 새로운 기술과 전문성이 요구될 것입니다.
New skills and expertise will be required as we move to an age of artificial intelligence, including better use of the findings of cognitive psychology, closer alignment of humans and machines in education, and enhanced use of simulations focused on the integration of machines in care delivery and on patients as active collaborators in their care.

인지 심리학은 사실과 개념이 사용될 맥락에서 가르치고, 연습하고, 평가할 때 가장 잘 기억되고 활용된다는 사실을 입증했습니다. 임상 전문 지식에 대한 수십 년간의 연구를 통해 징후와 증상을 평가하고, 진단 검사를 선택 및 해석하고, 데이터를 종합하여 임상 평가 및 치료 계획을 개발하는 의사의 사고가 밝혀졌습니다.8 한 관찰자는 "기술이 변화하고 데이터 안개가 짙어짐에 따라 교육 표준을 새로 고치고, 개선하고, 개선해야 합니다."9 
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

생물의학에 대한 근본적인 이해와 임상 지식 및 실무 전문 지식과의 상호 연결성이 의학교육의 중심이 되어야 한다는 데에는 이견이 없습니다. 그러나 21세기 커리큘럼에는 인공지능이 지원하는 풍부한 데이터 환경에서 의사가 보다 정밀하게 진료할 수 있는 역량을 강화하는 요소도 포함되어야 합니다. 한 가지 예로, 학습자는 의사 결정의 맥락에서 빅 데이터에 노출되어야 합니다. 학습자는 빅데이터의 네 가지 V에 대한 확실한 이해를 키워야 합니다.

• 볼륨(과거의 데이터 양에 비해 오늘날의 데이터 양은 방대함),
• 다양성(데이터는 다양한 유효성을 가진 다양한 소스에서 제공됨),
• 속도(데이터는 매우 빠르게 생성되고 있으며 그 속도가 증가하고 있음),
• 진실성(생성되는 데이터의 품질을 평가해야 함)

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).

또한 학습자는 인공 지능 애플리케이션을 통해 의료 서비스 제공에서 데이터가 어떻게 집계, 분석되고 궁극적으로 개인화되는지에 대한 기본적인 이해를 개발해야 합니다. 또한 의사 결정 지원 소프트웨어, 로봇 또는 보다 정교한 소셜 미디어 애플리케이션에 구현된 다양한 애플리케이션을 관리하는 방법에 대해 폭넓게 생각할 수 있어야 합니다. 양과 벨트리10는 "가장 중요한 과제는 의료 데이터를 정밀 의학, 예방 의학, 예측 모델링을 위한 부가 가치로 변환하는 방법입니다."라고 지적했습니다. 
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

의대생들이 인공지능 애플리케이션으로 변화된 의료 환경에서 성공적으로 실습할 수 있도록 가르치는 방법은 오늘날 커리큘럼 개혁의 중심이 되어야 합니다. 이를 위해서는 인증 기관의 전폭적인 지원이 필요합니다.

• 혁신과 실험에 기꺼이 개방적이고, 
• 학생들의 미래 진료와 무관한 사실 기반 암기와 임상 실습에 중점을 두는 기존 모델을 훨씬 뛰어넘을 수 있도록

미래의 의대 졸업생들이 면허를 취득하고 가치 기반 재정 시스템에 적응하려면 새로운 방식의 평생 교육에 참여해야 합니다. 이들은 다음을 강화해야 할 것입니다.

• 진료 연속체 전반에 걸쳐 의료 전문가의 역량에 대한 확실한 이해를 통합
• 전문 진료에서 팀워크를 강화
• 정보 플랫폼 및 인텔리전스 도구에 대한 편안한 지식을 보유
• 고객 서비스 기술을 강화
• 성과와 결과를 개선하기 위해 정보 및 인텔리전스의 효과적인 사용

이러한 전문적 특성의 토대는 학부 의학교육 커리큘럼에 포함되어야 합니다.
How to teach medical students to practice successfully in a health care environment transformed by artificial intelligence applications should be a central focus of curricular reform today. It 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. They will need to

• incorporate a solid understanding of the capabilities of health professionals across the care continuum,
• enhance teamwork in their professional practice,
• possess a comfortable knowledge of information platforms and intelligence tools,
• strengthen their customer service skills, and
• reinforce the effective use of information and intelligence to improve performance and outcomes.

The foundation for these professional attributes must be embedded in undergraduate medical education curricula.

또한 커리큘럼 전반에 걸쳐 두 가지 추가 기술(새로운 기술, 기존 기술)을 강조하고 전달해야 합니다. 

• 첫 번째는 의사가 데이터 플랫폼에서 생성된 확률의 의미를 인간 특유의 복잡성에 직면한 환자에게 전달할 수 있는 능력을 향상시키는 통계적 전문 지식을 습득하는 것입니다.
• 두 번째는 진정으로 자비로운 의료인이 되기 위한 지속적인 교육과 평가이며, 이는 의학이 점점 더 첨단화되는 상황에서 간과해서는 안 되는 부분입니다.

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.

즉, 의학교육은 기초적인 생의학 및 임상 과학을 넘어 새로운 진단 및 치료 트렌드에 대한 최신 정보를 제공해야 합니다. 다양한 의료 전문가들 간의 전문적 노력의 조직화, 기계 학습 및 로봇과 같은 정보 및 인텔리전스 도구의 사용, 성과 및 결과 개선에 대한 끊임없는 집중, 환자와의 자비로운 소통의 숙달을 보장하는 체계적인 커리큘럼으로 발전해야 합니다.
In other words, medical education will need to move beyond the foundational biomedical and clinical sciences and updates on emerging diagnostic and therapeutic trends. It will need to evolve to include systematic curricular attention to the organization of professional effort among a variety of health professionals, the use of information and intelligence tools such as machine learning and robots, a relentless focus on improving performance and outcomes, and ensuring the mastery of compassionate communication with patients.

---

 

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

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.