AI와 의학 교육

AI 시대, 의사는 무엇을 알아야 하는가
인공지능은 이미 의료 현장의 일상적 도구가 되었다. 영상 판독, 임상 의사 결정 지원, 진료 기록 자동화 등 다양한 영역에서 AI가 활용되면서 의료의 방식은 빠르게 변화하고 있다. 그러나 이러한 변화는 단순히 기술 도입의 문제가 아니다. 이 책은 AI 시대에 의사가 무엇을 배우고 어떻게 판단해야 하는지를 중심으로 의학 교육의 새로운 방향을 탐색하고, 기술의 발전이 의학 교육의 목표 자체를 바꾸고 있음을 지적한다. 과거 의학 교육이 지식의 축적과 전달에 초점을 두었다면, 이제는 방대한 데이터와 AI가 제시하는 결과를 해석하고 비판적으로 판단하는 능력이 핵심 역량이 되고 있다. 의료 AI는 환자의 위험도를 예측하고 진단 확률을 제시할 수 있지만, 개별 환자의 맥락과 치료 결정의 책임은 여전히 의사의 판단에 달려 있기 때문이다.더불어 AI가 의학 교육 전 단계에 어떤 영향을 미치고 있는지 살펴본다. 의과대학 교육, 전공의 수련, 평생 의학 교육에 이르기까지 AI 기반 학습 도구와 교육 방법이 확산되고 있지만, 실제 임상 판단 능력이나 환자 결과 개선으로 이어지는 근거는 아직 제한적이다. 저자는 이러한 현실을 바탕으로 AI 활용 자체보다 “어떤 AI 교육이 어떤 교육 목표에 적합한가”라는 질문을 중심에 놓는다. 또한 의료 AI를 이해하기 위한 핵심 개념과 데이터 구조, 임상 적용 사례와 윤리적 문제, 알고리즘 편향과 책임 문제 등 실제 의료 현장에서 마주하는 다양한 쟁점을 함께 다룬다. 특히 AI가 제시하는 확률적 예측과 의사가 수행해야 하는 인과적 판단의 차이를 설명하며, 기술과 인간 전문성이 어떻게 협력해야 하는지를 강조한다.
AI를 단순한 기술 도구로 보지 않고, 의사의 전문성, 의료 책임, 교육 체계까지 다시 생각하게 만드는 구조적 변화로 이해한다. AI 시대 의료 교육이 지향해야 할 새로운 사고 틀을 제시하며, 인간의 임상 판단과 AI 기술이 어떻게 공존해야 하는지를 탐색하는 책이다.

AI는 진단과 예측의 도구를 넘어 의학 교육의 목표 자체를 바꾸고 있다. 의과대학 교육과 전공의 수련, 평생 의학 교육에서 AI가 어떤 역할을 해야 하는지를 분석한다. 의료 AI의 가능성과 한계를 함께 살피며, 기술 결과를 비판적으로 해석하고 책임 있는 판단을 내리는 의사의 역량을 강조한다. AI와 인간 전문성이 공존하는 새로운 의학 교육 패러다임을 제시하는 책이다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

안지현
의사(내과 전문의)이자 의학박사, 언론학석사로 중앙대학교 의과대학 및 중앙대학교병원에서 교수를 지냈다. KMI한국의학연구소 연구사업본부장으로 근무하며 건강검진 등 의료 분야와 의학 교육에 AI를 도입하기 위한 연구를 하고 있다. 대한디지털임상의학회, 한국임상고혈압학회, 대한임상순환기학회, 대한노인의학회, 대한검진의학회 등 10여 개 학회에서 임원을 맡고 있다. 의료 AI 혁신가, 작가, 칼럼니스트, 의학 전문 PD, 건강의학 콘텐츠 크리에이터로 활동하고 있으며, 다수의 AI 관련 논문을 발표하고 30여 권의 책을 펴냈다.

강준석
소프트웨어 엔지니어이자 의료 AI 연구자로, 의학 교육과 임상 환경 내 대형언어모델과 딥러닝 적용을 연구하고 있다. 미국 프랭클린 올린 공과대학에서 컴퓨터공학을 전공했고, 하버드대학교 대학원 컴퓨터과학 석사 과정에 재학 중이다. 메사추세츠 종합병원에서 임상 AI를 연구하며, 인하대병원 GAIME Labs 연구팀과 네이처 자매지인 《npj Digital Medicine》에 논문을 게재했다. Microsoft와 Amazon Robotics에서 소프트웨어 엔지니어로 근무하였고, 현재 《IEEE Transactions on Biomedical Engineering》 리뷰어로 활동하며 기술적 구현과 실제 임상 적용 간의 격차를 줄이는 데 주력하고 있다.

AI가 여는 새로운 의학 교육 패러다임

01 디지털 헬스와 의료 환경의 변화
02 의사의 역할 변화와 전문적 가치
03 의료 AI의 기본 개념과 원리
04 의료 데이터의 구조와 표준 용어
05 의료 AI와 임상, 적용과 한계
06 의료 AI의 윤리적 쟁점과 법적 쟁점
07 의료 데이터 전처리와 시각화
08 임상 의사 결정에 AI 도구 통합하기
09 의료 AI 도구 개발과 연구 방법론
10 미래 의료를 위한 인간-AI 협력

디지털 헬스는 의료 전달 구조의 공간적 경계를 허물었다. 비대면 진료, 재택 모니터링, 전화·온라인 기반 상담의 확산으로 많은 국가에서 진료는 더 이상 병원 내부에서만 시작되지 않는다. 팬데믹 이후 이러한 변화는 많은 국가에서 일시적 대응을 넘어, 의료 시스템의 상시적 요소로 자리 잡아 가고 있다. 그러나 의학 교육은 여전히 병원 중심, 대면 진료 중심 구조에 강하게 고정돼 있다. 임상 실습은 병동 회진, 외래 진료실, 시술실에서 이루어지지만, 실제 환자의 첫 접촉은 이미 온라인 증상 체커, 챗봇, 예약 시스템에서 시작되는 경우가 많다. 의대생과 전공의가 경험하는 교육 환경과 실제 의료가 시작되는 지점 사이에는 점점 더 큰 간극이 생기고 있다. 이는 단순한 교육 기회의 문제가 아니라, ‘환자 여정(patient journey)’ 전체를 고려하지 않는 교육 설계의 한계를 드러낸다. 의사가 판단을 내려야 하는 맥락 자체가 달라졌음에도 교육이 이를 전제로 하지 않는 구조적 불일치다.
－01_“디지털 헬스와 의료 환경의 변화” 중에서

생성형 AI는 사실 검증을 수행하지 않으며, 그럴듯함과 진실을 구분하지 않는다. 한 연구에서 생성형 AI에게 존재하지 않는 의학 논문을 인용하도록 요청하자, AI는 그럴듯한 제목, 저자명, 저널명을 생성했다. 따라서 설명 가능성의 핵심은 모델 내부를 모두 이해하는 것이 아니라 임상 의사가 결과를 언제, 어디까지 신뢰할 수 없는지를 인식하는 데 있다. 이는 기술 문제가 아니라 교육의 문제다. 의학 교육은 의대생들에게 AI 결과에 대한 비판적 검증 역량을 길러줘야 한다. “AI가 이렇게 말했다”는 충분한 근거가 아니며, “왜 이 결과가 타당한가?”를 항상 물어야 한다.
－03_“의료 AI의 기본 개념과 원리” 중에서

의학 교육의 핵심 과제는 AI 사용법을 가르치는 것이 아니다. 교육은 다음과 같은 질문에 답할 수 있는 의사를 길러내야 한다. 이 AI를 사용해도 되는 임상 조건은 무엇인가? AI 권고를 거부해야 하는 상황은 언제인가? 판단 실패의 책임을 어떻게 인식하고 설명할 것인가? 특히 의대생과 전공의 단계에서 AI 결과를 참고 정보로 해석하고, 따르지 않는 결정을 정당화하는 훈련이 중요하다.
－06_“의료 AI의 윤리적 쟁점과 법적 쟁점” 중에서

의료 AI 개발에서 가장 흔한 실패 원인은 기술 중심 출발이다. 여러 사례 분석 연구는 임상 문제 정의가 불명확한 상태에서 개발된 모델이 실제 활용에 이르지 못하는 경우가 많다고 지적한다. 임상 문제 정의에는 최소한 다음 세 가지 요소가 포함돼야 한다. 첫째, 의사 결정의 주체가 누구인가. 둘째, 의사 결정이 이루어지는 시점은 언제인가. 셋째, AI 출력이 실제로 유도하는 행동은 무엇인가. 이 요소들이 명확하지 않으면, 데이터 선택과 평가 지표 역시 왜곡된다.
－09_“의료 AI 도구 개발과 연구 방법론” 중에서