인공지능(AI) 모델은 근거 기반 의학(EBM) 분야에서 놀라운 능력을 보여주며, 의료 전문가들이 최신 연구 결과를 따라잡는 데 직면한 어려움에 대한 유망한 해결책을 제시하고 있습니다. 마운트 시나이 아이칸 의과대학 연구진이 최근 수행한 연구는 대규모 언어 모델(LLM)이dent 의료 행위를 혁신할 수 있는 잠재력을 밝혀냈습니다.
인공지능 모델과 근거 기반 의학
근거 중심 의학은 전통적인 방법이나 개인적인 신념에서 벗어나, 이용 가능한 최상의 연구 결과를 활용하여 환자의 임상적 결정을 내리는 것을 의미합니다. 급변하는 오늘날의 의료 환경에서 새로운 연구 결과의 흐름을 따라잡는 것은 의료 전문가에게 매우 어려운 과제입니다. 그러나 본 연구는 인공지능 챗봇, 특히 ChatGPT-4가 이러한 복잡성에 대한 유망한 해결책을 제시할 수 있음을 시사합니다.
연구팀은 OpenAI의 ChatGPT, Gemini, LLAMA v2, Mixtral-8x7B를 포함한 다양한 AI 모델의 성능을 테스트했습니다. 이 모델들은 사전에 선별된 사례 파일에 접근할 수 있었고, 사용 가능한 데이터를 기반으로 임상적 결정을 내리도록 과제를 부여받았습니다. 연구원들은 여러 지표를 사용하여 모델의 성능을 평가했습니다.
ChatGPT-4가 앞장서고 있습니다.
연구진은 보고서에서 AI 모델의 환각 저항성, 임상적 판단의 타당성, 그리고 임상 지침 준수 여부를 평가했습니다. 이 연구에서 가장 뛰어난 성능을 보인 모델은 ChatGPT-4로, 다른 LLM 모델들을 능가하며 인간의 개입 없이 임상 환경에서 기능할 수 있는 가장 우수한 능력을 보여주었습니다.
보고서에 따르면, "LLM(법학 석사)은 근거 기반 의학의 자율적인 실무자로서 기능할 수 있다." 이는 LLM이 실제 의료 시스템과 상호 작용하고 확립된 지침에 따라 환자 관련 업무를 관리할 수 있는 잠재력을 강조합니다.
근거중심의학(EBM) 분야에서 LLM(로지스틱 회귀 모델)의 인상적인 성능에도 불구하고, 본 연구는 LLM 운영에 있어 개선이 필요한 몇 가지 영역을dent. 중요한 한계점 중 하나는 주류 LLM들이 대개 2021년을 기준으로 학습이 완료되어 그 이후의 새로운 의학 데이터를 반영하지 못한다는 점입니다. 보고서는 이러한 모델을 새로운 의학 정보로 업데이트하는 데 상당한 비용이 소요되어 실제 적용에 걸림돌이 될 수 있다고 지적합니다.
또한, LLM에게 익숙하지 않은 의학 주제에 대한 정보를 요청할 경우 환각 발생 위험에 대한 우려가 있습니다. 더불어 문화적 고려 사항 및 항생제 내성에 대한 데이터가 부족하여 임상적 판단의 정확성에 영향을 미칠 수 있습니다.
혁신적인 솔루션
EBM에서 LLM의 성능을 향상시키기 위해 연구진은 RAG(Retrieval Augmented Generation)라는 새로운 도구를 도입했습니다. 이 접근 방식은 AI 모델에 작업별 정보를 제공하여 응답 품질을 효과적으로 개선하는 것입니다.
프롬프트 엔지니어링은 LLM 응답을 개선하는 또 다른 방법으로dent되었습니다. 연구진은 "당신은 의학 교수입니다"와 같은 구체적인 정보를 LLM에 제공함으로써 응답이 환자와 의료 시스템에 더욱 맞춤화되는 것을 발견했습니다.
연구진은 복잡한 지침과 진단상의 미묘한 차이를 처리하는 모델의 능력에 한계가 있음을 인정하지만, 검색 증강 생성(Retrieval Augmented Generation)이 이러한 문제를 해결하여 환자 중심적이고 의료 시스템에 더욱 적응 가능한 권장 사항을 제공하는 데 도움이 될 수 있다고 믿습니다.
인공지능과 의학의 미래는 밝다
인공지능(AI)과 블록체인 같은 신흥 기술의 통합은 의학과 공중 보건 분야에서 빠르게 발전하고 있습니다. 현재 암 조기 발견 및 전염병 trac분야에서 AI의 잠재력을 탐구하는 연구가 진행 중입니다.
전문가들은 인공지능이 법의 테두리 안에서 번성하고 증가하는 과제들을 해결하기 위해서는 기업용 블록체인 시스템 통합이 필요하다고 제안합니다. 이러한 시스템은 데이터 입력의 품질과 소유권을 보장하고 데이터의 무결성과 불변성을 보호할 수 있습니다.
마운트 시나이 연구는 인공지능, 특히 ChatGPT-4가 근거 기반 의학을 혁신할 수 있는 잠재력을 보여준다는 점을 강조합니다. 해결해야 할 과제들이 존재하지만, 검색 증강 생성(Retrieval Augmented Generation)과 같은 혁신적인 솔루션은 임상 환경에서 인공지능 모델의 성능을 향상시킬 수 있는 유망한 방안을 제시합니다. 기술이 계속 발전함에 따라 의료 분야에서 인공지능의 미래는 환자 치료 및 임상 의사 결정 개선에 큰 가능성을 열어줄 것입니다.
