의료 분야의 AI – UCSF의 로버트 와흐터 교수가 제시하는 미래를 재편하는 통찰력

ChatGPT의 공식 출시 1주년을 맞아, 의료 분야 AI 기술 발전은 획기적인 전환점을 맞이할 준비를 하고 있습니다. 2023년 11월 30일 JAMA에 게재된 논평에서 샌프란시스코 캘리포니아 대학교 의과대학 학장인 로버트 와흐터 박사와 스탠포드 대학교 디지털 경제 연구소 소장인 에릭 브린욜프손 박사는 생성형 인공지능(genAI) 도구의 혁신적인 잠재력에 대해 심층적으로 분석했습니다. 이 기사에서는 그들의 통찰력을 살펴보고, genAI가 의료 산업이 오랫동안 직면해 온 과제들을 극복하며 의료 산업을 어떻게 혁신할 수 있을지 조명합니다.

GenAI로 의료 분야의 디지털 혁명을 가속화합니다

의료 분야는 혁신적인 기술 도입에 있어 더딘 속도로 악명이 높았습니다.tron건강 기록(EHR)의 도입에 대한 주저함부터 IBM의 왓슨 헬스(Watson Health) 도입 실패에 이르기까지, 의료계는 변화를 수용하는 데 있어 여러 난관에 부딪혔습니다. 그러나 저자들은 훈련 데이터와는 차별화된 고품질 콘텐츠를 생성할 수 있는 세대 인공지능(genAI)이 의료 분야의 혁신 과정을 가속화할 수 있는 독특한 특성을 지니고 있다고 주장합니다.

의료 정보 기술의 과제를 기록해 온 것으로 유명한 와흐터 박사는 genAI가 의료를 포함한 다양한 산업에서 범용 기술 도입을 가로막아 온 "생산성 역설"의 악순환을 깨뜨릴 수 있다고 믿습니다. 잘못된 인센티브 체계, 복잡성, 개인정보 보호 규정, 그리고 변화에 대한 일반적인 거부감으로 인해 발생했던 과거의 변화에 ​​대한 저항은 이제 genAI라는 잠재적인 해결책을 통해 해소될 수 있습니다.

1993년 브린욜프손 박사가 제시한 정보 기술의 생산성 역설은 범용 기술의 광범위한 도입에도 불구하고 생산성 향상이 지연되는 현상을 강조합니다. 의료 분야에서 genAI는 사용자 친화적인 특성, 최소한의 하드웨어 요구 사항, 그리고 기존 디지털 워크플로와의 호환성 덕분에 해결책으로 여겨지고 있습니다.

EHR 도입 과정에서 겪었던 어려움과는 달리, genAI는 사용 편의성을 바탕으로 의료 전문가와 환자들이 이미 디지털 도구에 익숙한 환경에 유리하게 작용할 것입니다. 또한, 디지털 데이터와 시스템 사용에 익숙한 의료 생태계의 현재 준비 상태는 genAI가 임상 및 비즈니스 요구 사항을 효과적으로 해결할 수 있는 최적의 기회를 제공합니다.

의료 분야의 AI – AI 통합의 응용 분야 및 과제

특히 1960년대부터 1980년대까지 의료 분야에서 인공지능(AI) 적용이 실패했던 이유는 의사의 인지 기능을 대체하려는 시도 때문으로 분석됩니다. 하지만 초기 세대 AI는 진료 예약, 약 처방전 재발급, 환자 문의 답변 등 행정적 부담을 줄이는 데 초점을 맞췄습니다. 의료 전문가에게 있어 세대 AI는 진료 기록 작성, 사전 승인 요청, 복잡한 환자 기록 요약 등의 업무를 지원할 것으로 기대됩니다.

인공지능이 진단에 도움을 줄 잠재력은 있지만, 의료 결정에 따르는 중대한 위험과 결과를 인지하고 의사의 전문성을 대체하기보다는 가능한 진단을 제시하는 데 중점을 두어야 합니다.

잠재력이 큰 차세대 인공지능(genAI)은 의료 시스템에 성공적으로 통합되기 위해 해결해야 할 과제에 직면해 있습니다. 특히 임상 현장에서의 활용도가 높아짐에 따라 기술 자체의 지속적인 개선이 필수적입니다. 전자건강기록(EHR) 시스템에 AI를 통합하는 것은 이전보다 접근성이 향상되었지만, 여전히 개선이 필요합니다. 또한, 의료 분야에 AI를 도입할 때 발생하는 비용을 효과적으로 관리하여 투자 수익을 확보해야 합니다.

최근 다른 산업에서 발생한 파업에서 볼 수 있듯이, AI를 둘러싼 노사 갈등은 어려움을 야기할 수 있지만, 의료 분야의 심각한 인력 부족과 의료진의 소진 현상이 이러한 반발을 어느 정도 완화할 수도 있습니다. AI가 임상 영역으로 진출함에 따라 의료 전문가들이 기술과 효과적으로 협력할 수 있는 균형점을 찾는 것이 성공의 핵심 요소가 될 것입니다.

GenAI의 성공을 위한 길을 열다

의료 분야에서 범용 인공지능(genAI)이 성공하려면, 특히 중대한 임상 적용 분야에 대한 규제 체계가 마련되어야 합니다. 그러나 범용 기술 규제의 복잡성은 만만치 않은 과제입니다. 특정 AI 알고리즘 규제와 전체 의료 시스템에서 AI의 광범위한 역할 감독을 구분하여 환자의 안전과 의료 서비스 품질을 보장하기 위해서는 혁신적인 접근 방식이 필요합니다.

인공지능(genAI)이 의료 산업을 혁신할 잠재력을 지닌 만큼, 업계는 이러한 과제들을 협력적으로 해결해 나가야 합니다. 의료 생태계는 인공지능의 혁신적인 힘을 수용하는 것과 임상 워크플로우에 책임감 있고 효과적으로 통합하는 것 사이에서 어떻게 적절한 균형을 찾을 수 있을까요?