사우디아라비아 의학교육자 및 임상의들의 인공지능 인식 및 노출 평가: 횡단면 연구

Summary

이 횡단면 연구는 사우디아라비아의 의학 교육자와 임상의들 사이에서 인공지능에 대한 인식을 탐구했습니다. 강한 관심이 보고되었으나, 공식적인 AI 교육은 제한적이었고, 비공식적 자료에 의존하는 경우가 흔해 구조화된 AI 교육의 필요성을 부각시켰습니다.

Abstract

인공지능(AI)은 진단과 의사결정의 발전을 통해 의료 시스템을 변화시키고 있지만, 대부분의 연구는 의대생들의 인식에만 집중되어 있으며, 의료교육자와 임상 의사들에 대한 관심이 제한적입니다. 이러한 관점을 이해하는 것은 AI 강화 진료에 대비하는 미래 의사들을 위한 교육과정을 개발하는 데 매우 중요합니다. 이 연구는 사우디아라비아의 의학 교육자, 인턴, 레지던트, 전문의, 컨설턴트 사이에서 AI 인식, 노출, 그리고 인식되는 영향을 조사했습니다. 여러 사우디 의과대학과 병원에 배포된 검증된 온라인 설문조사를 사용하여 횡단면 연구가 수행되었습니다. 이 설문조사는 인구통계 데이터, 이전 AI 교육, 자체 평가 AI 지식, 그리고 AI에 대한 관심을 수집했습니다. 참가자들은 또한 임상적으로 관련된 AI 응용 분야를 나열하는 능력을 평가하고, AI가 여러 전문 분야에 미치는 예상 영향력을 평가했으며, AI 개념에 대한 교육이 유익할지 여부를 제시했습니다. 연령과 성별을 통제한 카이제곱 검정, 분분석분석, 로지스틱 회귀분석을 통해 그룹 차이를 분석하였습니다. 229명의 응답자(60명이 의학교육자, 78명이 인턴/레지던트, 91명이 전문의/컨설턴트) 중 의학교육자들이 AI의 이점을 나열할 수 있다고 보고할 가능성이 더 높았으며(63.3% 대 38.5% 및 39.6%), 의료 분야에서의 AI 사용에 대한 윤리적 우려를 표현하는 비율이 더 높았다(76.6% 대 51.3%, 51.6%). 정식 AI 교육을 받은 사람은 32.3%에 불과했으며, 대부분은 미디어와 같은 비공식적 경로를 통해 지식을 얻었습니다. 방사선학과 병리학이 AI에 의해 변화될 가능성이 가장 높은 전문 분야로 확인되었습니다. 전반적으로 의학 교육자와 임상가 사이에서 AI에 대한 인식은 강한 관심은 있었으나 정식 교육은 제한적이었습니다. 모든 그룹의 열정에도 불구하고, 참가자들은 비공식적인 자료에 의존했고 AI에 대한 기초 지식이 부족했습니다. 이 결과는 구조화된 AI 교육을 의료 교육과정과 레지던시 훈련 프로그램에 내재화하여 AI 통합 임상 진료 준비를 지원하는 잠재적 중요성을 강조합니다.

Introduction

"인공지능"(AI)이라는 용어는 1956년 다트머스 컨퍼런스에서 처음 소개되었으며, 현재는 전 세계적으로 최고의 기술 분야로 인정받고 있습니다^. AI는^{인간 지능을} 모방할 수 있는 기술을 넓게 의미하며, 일반적으로 네 가지 영역으로 분류됩니다: 음성 및 텍스트 인식 및 생성을 위한 자연어 처리; 이미지 해석을 위한 컴퓨터 비전; 신경망을 기반으로 한 머신러닝; 그리고 의미 기술이나 인지 모델링에 의존하는 지식 기반 시스템,³.

AI의 가장 빠르게 발전하는 응용 분야 중 하나는 의료 분야입니다. AI는 임상 실무에 통합되어 의료 혁신을 가져올 잠재력을 가진 것으로 평가받고 있습니다^. 진단 정확도를 높이고 치료 결정을 최적화함으로써 AI는 의사들의 진료 제공 방식을 혁신할 수 있습니다^. 이러한 애플리케이션이 효과적으로 구현되려면, 의료 전문가들은 AI 기술에 대한 충분한 지식과 인식을 갖추어야 합니다. 이 치료법의 성공적인 적용은 방사선학, 병리학, 안과, 종양학, 치의학^등 여러 전문 분야에서 문서화되었습니다. 의학 교육에서도 AI는 가상 환자 시뮬레이션을 통해 학습을 지원하여 의사소통 및 임상 기술 개발을 목표로 했습니다⁷.

여러 연구가 의대생들이 의료 및 교육 분야에서 AI에 대한 인식을 평가했습니다^{5, 8, 9, 10}. 이 연구들은 학생들의 관심이 증가하고 있음을 시사했지만, 동시에 교육 격차도 부각시켰습니다. 하지만 학생들의 공식 AI 교육 노출을 구체적으로 조사한 연구는 단 한 건뿐입니다⁸. 마찬가지로, 여러 연구가 사우디 임상 실무자들의 AI^인식을 조사했^으나, 공식 AI 교육 노출은 평가하지 않았습니다. 의학교육자들과 그들이 AI와 그 역할을 어떻게 인식하는지에 초점을 맞춘 연구는 여전히 현저히 부족합니다.

이 격차를 해소하기 위해 본 연구는 사우디아라비아의 의학교육자와 임상 의사들 사이에서 AI에 대한 현재 지식, 노출, 인식, 정보 출처와 의료 전문 분야 전반에 미치는 영향에 대한 그들의 견해를 평가했습니다. 우리는 이 집단 내에서 이러한 영역들을 평가하기 위해 단면 조사를 실시했습니다. 이 연구 결과는 향후 의학 교육 및 레지던시 훈련 프로그램에 AI 관련 역량을 통합하는 데 지침을 제공할 수 있습니다^{15, 16, 17}. 우리가 아는 한, 본 연구는 사우디아라비아에서 의학교육자와 실무 임상의의 공식 AI 교육 노출 경험뿐만 아니라 AI에 대한 인식 및 자기보고적 지식을 동시에 조사한 최초의 연구 중 하나입니다.

Protocol

연구 모델링
이 연구에 대한 윤리적 승인은 킹 압둘아지즈 대학교의 기관심사위원회(참고문헌 번호 500-23)로부터 받았습니다. 자격이 있는 참가자에는 사우디아라비아에서 근무하는 18세 이상의 의료 전문가(의학교육자, 인턴, 레지던트, 전문의, 컨설턴트)가 포함되었습니다. 의학 졸업자가 아니거나 실제로 활동하지 않은 사람들은 제외되었습니다. 모든 참가자는 데이터 수집 전에 사전 동의를 제공했으며, 참여는 전적으로 자발적이었습니다. 전자 사전 동의 진술서가 설문 첫 페이지에 제시되었고, 참가자들은 진행 전에 동의를 표시해야 했습니다. 참가자들은 설문 제출 전 언제든지 불이익 없이 철회할 수 있다는 통보를 받았습니다. 기밀 유지를 위해 개인 식별 정보는 수집하지 않았으며, 수집된 모든 데이터는 식별 해제되어 안전하게 보관되었습니다.

데이터 수집 도구
데이터는 구글 폼을 통해 온라인으로 제공된 사전 검증된 설문조사를 통해 수집되었습니다. 참가자들은 목표 홍보 목록 없이 모집 자료를 게시하는 편의적 표본화를 통해 모집되었습니다. 설문 링크가 포함된 채용 자료는 전자 광고, 기관 이메일, 사우디 의과대학 및 병원 의료 전문가들과 공유된 온라인 메시징 플랫폼을 통해 배포되었습니다. 따라서 공식적인 응답률을 계산할 수 없었습니다.

설문지의 첫 번째 섹션에서는 생년월일, 성별, 의료 분야에서의 역할, 전문 분야, 그리고 레지던트의 경우 교육 연도 등 인구통계학적 정보를 수집했습니다. 두 번째 섹션은 참가자들의 이전 AI 노출 경험에 초점을 맞췄습니다. 그들은 AI에 관한 정규 교육(예: 대학 기반 과정)을 받았는지 질문했습니다. 이 문헌은 의도적으로 광범위하게 작성되었으며, 참가자들이 '공식적인' AI 교육이 무엇인지에 대한 자기 해석에 의존했습니다. 참가자들은 또한 AI 노출 원인을 식별하도록 요청받았습니다.

참가자들의 AI에 대한 인식과 이해도를 평가하기 위해, 우리는 원래 의대생들 사이에서 AI 사용이 미치는 영향을 평가하기 위해 설계된 검증된 설문조사를 사용했습니다⁸. 설문조사에는 AI가 다양한 의학 전문 분야에 미치는 영향에 관한 항목들이 포함되었습니다. 참가자들은 또한 합성곱 신경망(CNN), 교차 검증, 수신자 운행 특성(ROC) 곡선, 곡선 아래 면적(AUC) 등 기초 AI 개념에 대한 자기 인식 이해도를 평가했습니다. 이 접근법을 통해 참가자들의 AI에 대한 관심과 공식 준비 수준 간의 격차를 탐색할 수 있었습니다.

설문 응답은 Google Forms에 자동으로 기록되어 Microsoft Excel로 내보내져 데이터 정리가 이루어졌습니다. 데이터는 통계 분석 전에 완전성을 위해 선별되었습니다. 식별 해제된 데이터셋은 암호화되어 연구팀 구성원만 접근할 수 있는 비밀번호로 보호된 드라이브에 저장되었습니다.

통계 분석
참가자들은 의학교육자, 인턴/레지던트, 또는 전문의/컨설턴트로 분류되었습니다. 모든 리커트 척도 질문은 그룹 비교에서 동의(동의 또는 강력히 동의)와 비동의(중립, 불일치, 매우 반대)로 분류되었습니다.

기술적 통계는 연속 변수의 평균 및 표준편차, 그리고 범주 변수의 비율을 포함했다. 그룹 간 인구통계학적 변수는 연속 변수에 대해 ANOVA를, 범주 변수에 대해서는 카이제곱 검정을 사용해 비교하였다. 그룹의 설문 응답(동의 또는 비동의)은 로지스틱 회귀 모델링(결과로 동의 또는 비동의)과 사후 검사를 비교하였습니다. 모든 검사는 그룹 간 다중 비교를 조정하기 위해 Bonferroni 보정을 적용했습니다. 연속 변수(연령)에 대해서는 선형 다중 회귀 모델링을 사용하고, 범주 변수(정규 AI 교육을 받았는지 여부)에 대해서는 로지스틱 다중 회귀를 사용해 연관성을 검증하였다. 모든 회귀 모델은 참가자의 나이와 성별을 통제했습니다.

분산 인플레이션 계수(VIF)를 계산하여 다중공선성을 검증했으며, 모든 모델에서 무시할 수 있는 것으로 나타났습니다. 선형 회귀 모델 잔차는 콜모고로프–스미르노프 검정을 통해 정규분포임이 확인되었습니다. 통계 분석은 R 버전 4.3.1에서 완료되었으며, 모든 모델링은 기본 통계 패키지를 사용했으나 다중공선성 평가는 usdm 패키지를 사용했습니다. 모든 유의성 검정은 α = 0.05의 임계값을 사용했습니다. 최종 모델 결과는 내보내져 분석 결과, 표, 수치를 생성하는 데 사용되었습니다.

Results

샘플
이 횡단면 조사는 연구의 탐색적 성격과 일치하는 자연 참여 그룹 간의 관찰 비교를 제공합니다. 표본은 229명의 참가자로 구성되었으며, 여기에는 의학 교육자 60명, 인턴/레지던트 78명, 전문의/컨설턴트 91명이 포함되었습니다. 그룹들은 성별(남성 47.6%, 그룹 간 p=0.088)이나 정식 AI 교육을 받은 비율(32.3% 교육 수료, 그룹 간 p=0.067) 측면에서 유의미한 차이가 없었다. 인턴과 레지던트는 의학 교육자(평균 39.2세, SD=8.2)나 전문의/컨설턴트(평균 39.9세, SD=9.2)보다 유의미하게 젊었습니다(F(2,226)=55.84, p<0.001). 참여자의 연령은 AI 관련 정규 교육 이수와는 관련이 없었습니다. 참가자 인구통계와 집단 특성은 표 1에 제시되어 있습니다.

표 1.

Discussion

우리가 아는 한, 이 연구는 사우디아라비아에서 의학교육자와 임상 실무자들이 AI를 어떻게 인식하는지를 조사한 최초의 연구 중 하나입니다. 이러한 강한 관심 보고는 임상 및 교육 환경에서 문서화된 의료 분야 AI 도입과 일치합니다¹⁸. 이러한 추세는 특히 의학 교육 분야에서 ChatGPT와 같은 도구가 요약, 정보 수집, 교수 및 학습 활동 지원 등의 유용성으로 인정받아 의료 교육자들 사이에서 긍정적인 수용을 받고 있습니다. 동시에 의학 교육자들은 교육 환경에 AI 도구를 통합하는 것에 대해 윤리적 우려도 제기했습니다¹⁹. 이러한 우려는 AI 윤리가 의학 교육에 공식적으로 포함되어야 한다는 국제적 합의를 반영합니다²⁰. 마찬가지로 사우디아라비아와 독일의 대학 병원에서 활동하는 의사들도 주로 학습과 미래 도입 측면에서 AI에 관심을 표명했으며, ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
구글 폼	구글 LLC	해당 없음	온라인 설문조사 응답 배포 및 수집에 사용됩니다
마이크로소프트 엑셀	마이크로소프트 코퍼레이션	해당 없음	분석 전 데이터 정리 및 내보내기에 사용됩니다
PubMed 데이터베이스	미국 국립 의학 도서관	해당 없음	문헌 검토 및 참고문헌 검색에 사용됩니다
설문지	Liu D, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, Halabi S, Joe B 미국 의대생들의 인공지능 의학 인식: 혼합 방법 조사 연구>< JMIR 의대 교육 2022; 8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	해당 없음	의학에서 AI에 대한 인식을 평가하는 검증된 설문지, JMIR Medical Education(2022)에 이전에 발표된 연구를 바탕으로 한 것.
R (통계 소프트웨어)	R 통계 컴퓨팅 재단	해당 없음	통계 분석 및 데이터 시각화에 사용됩니다