인공 지능은 가상 응급 치료 중 의사의 결정을 돕는 잠재력을 가지고 있다

가상 긴급 치료 시설을 통해 진찰받은 환자에게 더 나은 치료 권장 사항을 제공하는 것은 의사인가, 아니면 인공지능(AI)인가? 새로운 Cedars-Sinai 연구에 따르면 의사와 AI 모델은 뚜렷한 강점이 있습니다.

미국내과의사협회 내과학회 연례학술대회에서 발표되고 Annals of Internal Medicine 에 동시에 게재된 최신 연구에서는 초기 AI 치료 권장 사항과 AI 권장 사항을 볼 수 있었지만 이를 검토했을 수도 있고 그렇지 않았을 수도 있는 의사의 최종 권장 사항을 비교했습니다.

"우리는 응급 치료 환경에서 흔한 불만에 대한 초기 AI 권장 사항이 최종 의사 권장 사항보다 더 높게 평가된다는 것을 발견했습니다."

Cedars-Sinai 정보학부 공동 책임자이자 의학 부교수이자 연구의 공동 수석 저자인 Joshua Pevnick, MD, MSHS가 말했습니다. "예를 들어, 인공지능은 항생제 내성 박테리아로 인해 발생할 수 있는 요로 감염을 표시하고 약물을 처방하기 전에 배양을 주문하도록 제안하는 데 특히 성공적이었습니다."

하지만 페브닉은 AI가 중요한 위험 신호를 식별하는 데 더 뛰어난 것으로 나타났지만 "의사는 환자로부터 더 완전한 병력을 이끌어내고 이에 따라 권장 사항을 조정하는 데 더 능숙하다"고 말했습니다.

후향적 연구는 2023년에 시작된 가상 1차 및 긴급 치료 프로그램인 Cedars-Sinai Connect의 데이터를 사용하여 수행되었습니다. Cedars-Sinai의 직접 치료의 확장인 Cedars-Sinai Connect는 개인이 급성, 만성 및 예방 치료를 위해 Cedars-Sinai 전문가에게 빠르고 쉽게 접근할 수 있는 모바일 앱을 통해 캘리포니아의 환자를 위한 가상 의료를 확장하는 것을 목표로 합니다.

이 연구는 2024년 6월 12일부터 7월 14일까지 AI 권장 사항이 있는 461건의 의사 관리 방문을 검토했습니다. 이러한 가상 긴급 진료 방문 중에 다루는 주요 의료 문제에는 호흡기, 비뇨기, 질, 시력 또는 치과 증상이 있는 성인이 포함되었습니다.

모바일 앱을 사용하는 환자는 의료적 우려 사항을 입력하고, 처음 사용하는 경우 인구 통계 정보를 제공하여 방문을 시작합니다. 전문가 AI 모델은 구조화된 동적 인터뷰를 실시하여 증상 정보와 병력을 수집합니다. 평균적으로 환자는 5분 안에 25개의 질문에 답합니다.

알고리즘은 환자의 답변과 환자의 전자 건강 기록 데이터를 사용하여 관련 증상이 있는 상태에 대한 초기 정보를 제공합니다. 환자에게 증상을 설명하기 위한 가능한 진단을 제시한 후, 모바일 앱을 통해 환자는 의사와 화상 진료를 시작할 수 있습니다.

알고리즘은 또한 Cedars-Sinai Connect의 치료 의사가 볼 수 있는 진단 및 치료 권장 사항을 제안하지만, 연구 기간 동안 Cedars-Sinai Connect에서는 의사가 이를 보려면 아래로 스크롤해야 했습니다.

"이 연구의 가장 큰 불확실성은 의사가 AI가 내린 처방, 주문, 의뢰 또는 기타 관리 제안을 보기 위해 아래로 스크롤했는지, 그리고 이러한 권장 사항을 임상적 의사 결정에 통합했는지 여부입니다." Cedars-Sinai Medical Network의 최고 의료 책임자이자 연구의 공동 수석 저자인 Caroline Goldzweig 박사가 말했습니다.

"그러나 AI 권장 사항이 종종 의사의 결정보다 더 높은 품질로 평가되었다는 사실은 AI 의사 결정 지원이 치료 시점에 효과적으로 구현될 때 일반적이고 급성적인 상태에 대한 임상적 의사 결정을 개선할 수 있는 잠재력이 있음을 시사합니다."

Cedars-Sinai Connect에 사용된 AI 시스템은 K Health에서 개발했으며, 임상 섭취 및 데이터 입력의 부담을 줄여 의사가 환자 치료에 더 집중할 수 있도록 하는 기술을 개발했습니다.

K Health와 Cedars-Sinai는 합작 투자를 통해 Cedars-Sinai Connect를 개발하고 연구에 협력했습니다. 첫 번째 저자인 Dan Zeltzer 박사를 포함한 텔아비브 대학교의 연구원도 연구에 참여했습니다.

K Health의 공동 창립자이자 최고 제품 책임자인 란 샤울은 "우리는 인위적인 시나리오가 아닌 실제 상황에서 AI를 테스트했습니다."라고 말했습니다. "일상적인 1차 진료의 현실에는 너무나 많은 변수와 요소가 있습니다. 복잡한 인간을 다루고 있고, 주어진 AI는 불완전한 데이터와 매우 다양한 환자를 다루어야 합니다."

Shaul은 조사관들이 익명화된 임상 기록의 보물 창고에서 AI를 훈련시키고 일상적인 제공자 치료를 항상 활성화된 강화 학습 메커니즘으로 사용하면 "인간 의사에게 기대하는 수준의 정확도에 도달할 수 있다"는 것을 알게 되었다고 말했습니다.

출처: https://www.sciencedaily.com/releases/2025/04/250404122425.htm