인공지능(AI)의 병원 및 환자 치료에 대한 사용이 지속적으로 증가하고 있습니다. 특히 방사선과 같은 영상의 비율이 높은 전문 분야에서는 AI가 오랫동안 일상적인 임상 실습의 일부로 자리잡고 있습니다. 그러나 AI가 실제로 임상 환경에서 워크플로에 어떤 영향을 미치는지의 정도에 대한 질문은 여전히 대부분 답을 찾지 못하고 있습니다. 본 대학병원(UKB)과 본 대학교의 연구자들은 AI의 효과에 대한 기존 연구를 종합적으로 분석했습니다. 그들은 AI가 자동으로 작업 프로세스의 가속화를 가져오지 않는다는 것을 보여줄 수 있었습니다. 그들의 결과는 현재 npj Digital Medicine 저널에 발표되었습니다. AI는 종종 환자 모니터링, 치료 작업 문서화, 클리니컬 의사결정 지원과 같은 일상적인 작업 처리를 위한 해결책으로 간주되지만, 실제 작업 프로세스에 대한 영향은 불분명합니다. 특히 유전체학, 병리학 및 방사선과와 같은 데이터 집약적인 전문 분야에서는, AI가 이미 대량의 데이터에서 패턴을 인식하고 사례를 우선 순위를 매기는 데 사용되고 있지만, 효율성 향상에 대한 신뢰할 수 있는 데이터가 부족합니다. ‘우리는 AI 솔루션이 실제로 의료 이미징에서 효율성을 개선하는 정도를 알고 싶었습니다,’라고 연구의 주 저자이자 본 대학교의 박사 과정 학생인 카타리나 벤더롯이 설명합니다.
AI가 자동으로 작업 프로세스를 가속화한다는 널리 퍼진 가정은 종종 부족함이 드러납니다.”
카타리나 벤더롯, 본 대학교 박사 과정 학생
일관된 연구 평가가 어렵다
연구 팀은 임상 환경에서 AI 도구의 사용을 조사한 48개의 연구에 대한 체계적인 검토를 수행했습니다. 특히 방사선과 및 위장관학에서 말입니다. 작업 프로세스의 처리 시간을 조사한 33개의 연구 중 67%가 작업 시간의 감소를 보고했지만, 메타 분석에서는 유의미한 효율성 향상이 나타나지 않았습니다. ‘일부 연구에서는 통계적으로 유의미한 차이를 보였지만, 이러한 차이는 일반적인 결론을 도출하기에는 불충분했습니다,’라고 벤더롯이 말합니다. 또한, 연구팀은 AI가 기존 워크플로에 얼마나 잘 통합되어 있는지 분석했습니다. 그 결과, 구현의 성공은 현장의 특정 조건과 프로세스에 크게 의존하는 것으로 나타났습니다. 그러나 연구 설계의 이질성과 사용된 기술 덕분에 일관된 평가를 수행하기가 어려웠습니다. ‘우리의 결과는 일상적인 임상 실습에서 AI의 사용을 차별적으로 고려해야 한다는 점을 분명히 합니다,’라고 UKB의 IfPS 소장인 마티아스 바이글 교수는 강조하며 본 대학교에서도 연구를 수행하고 있습니다. ‘지역 조건과 개별 작업 프로세스는 구현의 성공에 큰 영향을 미칩니다.’ 이 연구는 AI 기술이 임상 작업 프로세스에 어떻게 영향을 미칠 수 있는지에 대한 중요한 초기 통찰을 제공합니다. ‘주요 발견은 이러한 기술의 과학적 및 실용적 이점을 보다 잘 평가하기 위해 향후 연구에서 명확하게 구조화된 보고가 필요하다는 것입니다,’라고 바이글 교수가 요약합니다.
출처: 본 대학병원 저널 참조: Wenderott, K., et al. (2024) 인공지능 구현이 의료 이미징 효율성에 미치는 영향 – 체계적인 문헌 검토 및 메타 분석. Npj Digital Medicine. doi.org/10.1038/s41746-024-01248-9.
Source link
