인공지능이 의학교육에 갖는 함의 (Lancet Digit Health. 2020)

인공지능이 의학교육에 갖는 함의 (Lancet Digit Health. 2020)
Implications of artificial intelligence for medical education

Vanessa Rampton 1, Michael Mittelman 2, Jörg Goldhahn 3

 

디지털 헬스1는 의학에 큰 변화를 가져왔지만, 이로 인해 야기되는 문제는 아직 의학교육 전반에 걸쳐 교육과 학습에 통합되지 않았습니다. 이 문제는 의료 디지털화의 구체적인 사례로 논의되는 인공지능(AI) 시스템의 부상이 교육의 근본적인 패러다임 변화와 연관되어 있다는 점에서 더욱 시급한 문제입니다. 20세기 의학교육 모델은 실험 결과가 공인된 표준으로 발전하여 교과서 교육에 영향을 미치는 것에 의존했지만, 오늘날에는 더 이상 이러한 순서가 적용되지 않습니다. 새로운 의료 AI 기술이 개발되고, 임상에 도입되고, 환자들이 사용하는 속도가 빨라지면서 의사들은 아직 일반적으로 받아들여지는 지식의 일부가 되지 않은 실험 기법을 적절히 다룰 수 있는 역량을 갖춰야 합니다. 어떤 치료법이 환자에게 가장 큰 혜택을 줄 수 있는지에 대한 민첩한 교육과 교육받은 추측이 의사들이 [단순히 기술에 반응하지 않고 이러한 기술의 도입을 주도할 수 있도록] 하는 데 매우 중요합니다.  
Although digital health1 has occasioned huge changes for medicine, the issues it provokes have yet to be integrated into teaching and learning across the medical education continuum. This question is all the more pressing given that the rise of artificial intelligence (AI) systems, discussed here as a specific example of healthcare's digitalisation, are associated with a fundamental paradigm shift in teaching. Whereas 20th-century medical education models relied on experimental results evolving into a recognised standard that then informed textbook teaching, today this sequencing no longer holds. The speed at which new health AI technologies are developing, being introduced into clinical practice, and being used by patients requires equipping doctors to deal appropriately with experimental techniques that have not yet become part of a generally accepted body of knowledge. Agile teaching and educated guesswork about which treatments will benefit patients the most are crucial for enabling physicians to lead the introduction of such technologies without simply being forced to react to them. 

당면 과제 중 하나는 기존의 교육 프레임워크를 21세기 현실을 고려하여 현실적으로 업데이트할 수 있는 방법을 모색하는 것입니다. 일반적으로 의학교육자들은 역량 프레임워크를 사용하는데, 이 프레임워크에는 여러 가지 경쟁 모델이 존재하며, 이 중 한 가지 역량은 여러 전문적 역할을 적절히 수행할 수 있는 것으로 간주될 수 있습니다. 엘러웨이에 따르면 이러한 프레임워크는 "이상을 집합적으로 정의하는 일련의 명제와 관계"를 설명하는 이론으로 간주하므로 지속적으로 테스트하고 도전해야 한다고 생각합니다.2 오늘날 의사가 환자의 의료 요구를 적절히 충족하는 데 필요한 다양한 능력은 모두 AI 지원 시스템의 영향을 받습니다.3 
Part of the task at hand is to ask how existing educational frameworks can be realistically updated to take into account 21st-century realities. As a rule, medical educators work with competency frameworks, of which several competing models exist, whereby a competence can be considered the suitable performance of several professional roles. Following Ellaway, we view such frameworks as theories outlining “a series of propositions and relationships that collectively define an ideal”, and therefore consider that they must be continuously tested and challenged.2 Today, the various abilities that physicians require to adequately meet patients' health-care needs are all affected by AI-enabled systems.3 

기술이 앞으로 어떻게 발전할지는 아무도 예측할 수 없지만, 의학은 환자의 웰빙을 증진하고 모든 사람이 적절한 의료 서비스를 이용할 수 있도록 하는 등 [인류 공통의 요구]에 부응합니다.4 한편, 우리는 환자가 자신의 치료와 관련하여 무엇을 원하고 필요로 하는지, 그리고 환자의 선호도가 의학 교육에 어떻게 더 잘 통합될 수 있는지 잘 파악하고 있습니다. 일부 환자 옹호자들이 쓴 것처럼, 여기에는 의학교육자가 환자를 완전한 가치의 파트너로 간주하는 것뿐만 아니라 "의사가 환자가 겪고 있는 일에 진정으로 관심을 갖고 진정으로 돕고 싶어 한다는 것을 느끼는 것"과 "환자의 가치, 희망, 선호도를 완전히 맥락화하고 이해할 수 있는 능력"이 포함됩니다. 5 치료가 환자와 그 가족이 치료에 중요한 역할을 하는 파트너십으로 진화함에 따라 의사는 환자와 협력하여 환자와의 관계를 발전시키고 이해해야 하며, 이는 매우 다양할 수 있는 AI 및 빅 데이터와의 관계를 발전시켜야 합니다. 또한 다양한 배경을 가진 환자와 협력하여 사회 정의 문제와 전문가 시스템 중심의 솔루션에 대한 민감성을 개발해야 합니다.  
No one can predict the future ways in which technology will develop, but medicine serves common human needs, such as promoting patient well-being and making adequate health care available to all.4 Meanwhile, we have a good picture of what patients want and need with regard to their own care, and how their preferences could be better integrated into medical education. As some patient advocates have written, this includes being considered full-value partners by medical educators, as well as “sensing that your doctor truly cares about what you are going through, and really does want to help”, and has the ability to “fully contextualise and appreciate the patient's values, wishes, and preferences”.5 As care has evolved to become more of a partnership, in which patients and their families have a key role to play in their treatment, physicians ought to collaborate with patients to develop and understand the patient's own relationship with AI and big data, which can vary dramatically. Moreover, they must work with patients from different backgrounds to develop sensitivities to problems of social justice and expert systems-driven solutions. 

존경받고 널리 사용되는 도구 중 하나인 캐나다 전문의 의학교육 지침(CanMEDS) 의사 역량 프레임워크는 변화를 위한 실용적이고 효과적인 지렛대라는 장점이 있습니다.6 또한, CanMEDS에 묘사된 많은 역할이 미국의 의학전문대학원 교육 인증위원회(ACGME)와 같은 다른 프레임워크에서 재현되고 있어 우리가 관찰하는 것이 더 중요하다는 것을 강조합니다. 또한 의사소통자, 협력자, 리더, 건강 옹호자, 학자, 전문가, 의료 전문가 등 의사의 역할은 정의상 비기술적non-technical이며, 합리적이거나 객관적인 기준으로 환원할 수 없기not reducible to rational or objective criteria 때문에 [기계에 의해 (완전히) 대체될 위험이 없다는 점]에서 CanMEDS는 매력적인 이론적 프레임워크입니다. 이 중 6개는 개념적으로 사회과학과 인문학에 기반을 두고 있으며, 의료 전문가의 역할은 나머지 6개, 즉 연결성과 함께 속한 것에 대한 지식을 통합하는 것으로, 기계는 부분적으로만 수행할 가능성이 높습니다.7 
By way of illustration, take one respected and widely used instrument, the Canadian Medical Education Directives for Specialists (CanMEDS) Physician Competency Framework, which has the advantage of being a practical and effective lever for change.6 Moreover, many of the roles depicted in CanMEDS are reproduced in other frameworks, such as the Accreditation Council for Graduate Medical Education (ACGME) in the USA, which underscores the broader importance of our observations. CanMEDS is also an appealing theoretical framework because none of the physician roles it describes—communicator, collaborator, leader, health advocate, scholar, professional, and medical expert—are at risk of being (entirely) replaced by machines, because they are non-technical by definition, and not reducible to rational or objective criteria. Of the roles, six are conceptually based in the social sciences and humanities, and the role of medical expert is to integrate the remaining six, that is to have knowledge of connectedness and what belongs together, something machines are likely to accomplish only partially.7 

동시에 AI가 가져온 변화는 모든 의사의 역할에 영향을 미칩니다.8 
At the same time, changes brought about by AI affect all physicians' roles.8

의사 소통자의 역할과 전통적인 의사와 환자의 만남이 "컴퓨터를 진료실에 도입함으로써 삼자 관계로 바뀌었다"는 사실을 고려하십시오.9 의사는 개인 정보 보호에 대한 우려, 권한 박탈, 모든 것을 알고 싶은 욕구 부족을 포함하여 빅 데이터 및 AI 지원 대상에 대한 환자의 다양한 반응을 인정해야 합니다.  
Take the role of communicator, and the fact that the traditional physician–patient encounter has “been altered into a triadic relationship by introducing the computer into the examination room”.9 Physicians need to acknowledge the large variety of patients' responses to big data and AI-supported objects, including concerns regarding privacy, disempowerment, and a lack of desire to know everything 

협력자로서 의사는 의료 AI 기술과 지식의 폭넓은 접근성이 다른 의료 전문직(예: 심리학자, 물리치료사, 간호사)은 물론 환자들에게도 힘을 실어준다empowers는 사실을 받아들이고 이를 바탕으로 배타적 지식 보유자로서의 의사의 기존 지위에 의문을 제기하도록 교육받아야 합니다. 
As a collaborator, physicians should be taught to accept and build on the fact that health AI technology and the wider accessibility of knowledge empowers some other health professions (eg, psychologists, physiotherapists, and nurses), as well as patients themselves, questioning physicians' previous status as holders of exclusive knowledge. 

리더로서 의사는 환자와 협력하여 AI 기술을 투명하고 책임감 있게 구현하고, 디지털 기술을 개발하고 옹호하는 것에 대해 상업적 및 기타 이해관계를 명확히 하는 문화에 기여해야 합니다. 
As a leader, physicians must work with patients to make the implementation of AI technologies transparent and accountable, contributing to a culture that makes explicit the commercial and other interests of those developing and advocating for digital technologies. 

건강 옹호자로서 의사는 환자 및 취약 계층과 협력하여 로봇 간병인과 같은 전문가 시스템의 사용이 권한이 부여된 선택인지 아니면 더 광범위한 사회경제적 접근 문제와 관련이 있는지를 확인할 수 있습니다. 이러한 환경에서 보다 다양한 팀을 옹호함으로써 교육과 임상 실습을 개선해야 하며, 이러한 팀은 AI 솔루션이 더 큰 시스템적 문제를 가리는 사례를 더 잘 식별할 수 있기 때문입니다.  
As a health advocate, physicians can work with patients and disadvantaged groups to establish whether the use of expert systems—such as robot carers—is an empowered choice or rather related to broader socioeconomic access problems. They ought to improve education and clinical practice by advocating for more diverse teams in those settings, as these are better able to identify instances in which AI solutions mask larger systemic problems. 

학자로서 의사는 디지털 리터러시 향상과 AI, 수학적 모델링, 의사 결정 이론 등에 대한 지속적인 학습을 통해 이점을 얻을 수 있습니다. 이는 데이터의 편향성에 대한 인식, 그리고 이러한 편향성이 AI 모델이 객관적이고 중립적인 결과를 도출할 수 있다는 주장을 어떻게 약화시키는지에 대한 인식과 관련이 있습니다. 의사는 질병의 주관적인 측면을 포함하여 다양한 현실과 지식의 종류를 더 잘 이해하기 위해 환자 학자들의 연구를 활용해야 합니다.  
As a scholar, physicians will benefit from improved digital literacy and continuous learning about AI, mathematical modelling, decision theory, and so on. This is linked to an awareness of biases in data, and how these undermine any claims about how AI models are able to produce objective, neutral results. They should draw on the work of patient scholars to understand better different realities and kinds of knowledge, including the subjective aspect of illness. 

전문직으로서 의사는 공학, 데이터 및 정보 과학의 도구를 자신의 기술에 통합해야 하는 직업 정체성의 근본적인 변화를 받아들여야 합니다. 한편, 의사는 e헬스 진료가 환자에게 도움이 되는지 여부에 대한 최종 결정권은 환자에게 있으며, 의사는 환자의 결정을 지원하는 데 필요한 지침과 조언을 제공할 책임이 있다는 점도 인정해야 합니다. 
As a professional, physicians should accept a fundamental change in professional identity which requires them to incorporate tools from engineering, data, and information sciences into their skill sets. Meanwhile, physicians should also acknowledge that patients have the final say in whether an eHealth practice benefits them, whereas physicians have a responsibility to provide the necessary guidance and advice to support patients' decisions. 

의료 전문가로서 의사는 환자와 협력하여 통합 지식의 중요성, 즉 함께 속한 것, 사회적 관계, 질병이 환자의 삶과 어떻게 관련되어 있는지에 대한 (기계가 접근할 수 없는) 지식을 창출하고 해석할 수 있어야 합니다.10 
As medical experts, physicians must be able to work together with patients to create and translate the importance of integrated knowledge, that is knowledge of what belongs together, social relationships, and how illness relates to a patient's life, something that is inaccessible to machines.10 

AI 의료 기술의 급증으로 가장 큰 혜택을 받는 것은 환자임을 확인하는 것은 앞으로 몇 년 동안 핵심 과제로 남을 것이며, 의사의 디지털 리터러시를 개선하고 환자의 관점을 더 잘 통합하는 의학교육의 새로운 접근 방식이 중요해질 것입니다. AI 기반 혁신에는 일반적으로 느리고 점진적으로 임상 진료에 대한 근거 기반의 표준을 생성하는 기존 모델을 뛰어넘는 것이 포함되기 때문에 이러한 접근 방식이 더욱 필요합니다. 즉, 환자의 희망사항은 AI 기술이 환자의 건강과 웰빙에 어떻게 기여할지 예측하는 데 중요한 척도가 됩니다. 
Making sure that it is patients who benefit the most from the surge of AI health technology will remain a key challenge in years to come, and new approaches in medical education that improve the digital literacy of physicians and better integrate patients' views will be crucial. This is all the more necessary since AI-driven transformations involve going beyond previously accepted models of the usually slow and gradual process of generating evidence-based gold standards for clinical practice. In turn, this means that patients' wishes are a crucial measure for anticipating how AI technologies contribute to their health and well-being. 

---

Lancet Digit Health. 2020 Mar;2(3):e111-e112. doi: 10.1016/S2589-7500(20)30023-6.

 

 

Implications of artificial intelligence for medical education

Vanessa Rampton 1, Michael Mittelman 2, Jörg Goldhahn 3

Affiliations collapse

1McGill University, Institute for Health and Social Policy & Department of Philosophy, Montreal, Quebec H3A 1A3, Canada. Electronic address: vanessa.rampton@mcgill.ca.

2American Living Organ Donor Fund, Philadelphia, PA 19103, USA.

3Institute for Translational Medicine, ETH Zurich, Switzerland.

PMID: 33328081

DOI: 10.1016/S2589-7500(20)30023-6