의료 분야에서 AI에 대한 회의론을 해결하기: 안전한 의사소통을 위한 장애물 극복

의료 분야의 리더들은 경쟁사와 다른 산업에 뒤처지는 것을 막기 위해, 그리고 효율성을 높이고 환자 경험을 개선하기 위해 AI를 도입하고자 합니다. 그러나, 실제로 AI를 비즈니스에 도움이 된다고 믿는 의료 분야 리더는 77%에 불과합니다.

AI 챗봇은 루틴 작업을 처리하고 데이터를 처리하며 정보를 요약하는 데 탁월하지만, 엄격하게 규제되는 의료 분야에서는 이러한 도구에 입력되고 해석되는 데이터의 신뢰성과 정확성에 대해 가장 우려합니다. 적절한 사용과 직원 교육 없이, 데이터 유출은 추가적인 심각한 위협이 됩니다.

그럼에도 불구하고, 95%의 의료 분야 리더는 2025년에 AI 예산을 최대 30% 증가시킬 계획이며, 대규모 언어 모델(LLM)이 가장 신뢰할 수 있는 도구 중 하나로 등장했습니다. LLM이 성숙함에 따라, 53%의 의료 분야 리더는 이미 이러한 도구를 사용하기 위한 공식 정책을 구현했으며, 또 39%는 곧 정책을 구현할 계획입니다.

의료 제공자가 AI를 사용하여 의사소통 서비스를 간소화하고자 하지만 여전히 그렇게 하는 것에 대해 우려하는 경우, 가장 일반적인 장애물을 극복하기 위한 몇 가지 추천 사항이 있습니다.

1. 의료 분야의 신뢰할 수 있는 출처로 AI 훈련

의료 분야 리더는 직접 AI 훈련에 참여하지 않을 수 있지만, 그 구현을 감독하는 데 중요한 역할을 해야 합니다. 그들은 챗봇 제공업체가 신뢰할 수 있는 출처로 AI를 훈련하고 정기적으로 업데이트하는지 확인해야 합니다.

의무적인 전자 건강 기록(EHR)을 통해 수집된 풍부한 구조화된 데이터는 이제 AI 알고리즘을 훈련시키기 위한 기초가 될 수 있습니다. 고급 LLM은 의료 연구, 기술 분석, 문헌 검토, 그리고 비판적 평가를 이해할 수 있습니다. 그러나 이러한 도구를 모든 데이터로 한꺼번에 훈련시키는 대신, 새로운 증거는 AI 성능을 최대화하면서 훈련 비용을 낮추기 위해 더 작은 교차점에 집중하는 것을 보여줍니다.

2. HIPAA 규정 준수 데이터 관행 보장

건강 보험 이식 가능성 및 책임법(HIPAA)은 민감한 환자 건강 정보(PHI)를 보호하기 위한 표준을 정의합니다. 이러한 규정에 따라, 의료 분야 리더는 제3자 공급업체가 다음을 수행하는지 확인해야 합니다:

• 챗봇의 목적을 달성하기 위해 필요한 최소한의 PHI를 수집합니다.
• 권한 있는 nhân viên에게만 PHI에 대한 접근을 허용하고, 강력한 비밀번호 및 인증 정책을 시행합니다.
• PHI를 보호하기 위해 휴식 중 및 전송 중에 강력한 암호화 기술을 사용합니다.
• 필요한 데이터를 HIPAA 규정 준수 서버에 저장하고, 강력한 접근 제어를 시행합니다.
• HIPAA 규정 준수를 위해 사업자 협약(BAA)을 체결합니다.
• 보안 사고에 대한 대응 계획을 요청합니다.

의료 분야 리더는 이러한 도구를 사용할 때 접근 보고서를 정기적으로 확인해야 하며, 이는 AI로 자동화하는 것이 쉽습니다. 그리고 비정상적인 활동이 발생하면 관리层에 경고를 보냅니다.

또한, 환자 데이터를 수집 및 사용하기 전에 환자로부터 명확한 동의를 얻어야 합니다. 동의를 요청할 때, 환자 데이터가 어떻게 사용되고 보호되는지 통신해야 합니다.

3. 워크플로우를 개선하는 잘 설계된 인터페이스

의무적인 전자 건강 기록으로 전환할 때 가장 큰 장애물은 기술의 사용성이었습니다. 의사들은 불만을 느꼈으며, 복잡한 워크플로우에 적응하면서 클러컬 작업에 많은 시간을 보냈으며, 전문가의 소진과 실수를 할 가능성이 증가했습니다.

제3자 공급업체와 협업할 때, 데모와 두 번째 의견을 요청한 후에 AI 플랫폼이나 소프트웨어 솔루션을 선택합니다. 현재 프로그램에 맞게 맞춤형으로 제공되는 기능을 포함하도록 제품이 맞춤형화되는지 확인합니다.

사용자 중심 설계와 표준화된 데이터 형식 및 프로토콜은 의료 기술과 AI 플랫폼 간의 정보 교환을 원활하게 하여 워크플로우를 개선합니다. 이러한 표준을 통해 AI 알고리즘을 임상 치료에 의미 있게 통합할 수 있습니다. 확립된 프로토콜은 또한 이러한 도구가 더 큰, 더 다양한 데이터 세트에 접근할 수 있도록 하여 더 잘 작동하도록 합니다.

4. 적절한 사용과 직원 교육

2024년 연구에 따르면, ‘인간 의사와 AI’가 제공하는 의료 조언은 실제로 ‘인간 의사’만 제공하는 것보다 더 포괄적이지만, 덜 공감적이라고 합니다. 이를 극복하기 위해, 의료 분야 리더는 AI의 능력과 한계를 이해하고, 적절한 인간 감독과 개입을 보장해야 합니다.

의료 분야 리더는 웹사이트와 환자 앱에 챗봇을 포함시켜 사용자에게 즉각적인 의료 정보에 대한 접근을 제공할 수 있습니다. 이는 자가 진단과 건강 교육을 지원합니다. 이러한 도구는 환자에게 약물 복용을 상기시키는 시한을 보낼 수 있으며, 환자가 치료 계획을 따르도록 도와줍니다. 또한, 환자의 상태에 따라 환자를 분류하여 의료 제공자가 사례를 우선순위로 지정하고 자원을 효율적으로 할당하도록 도와줍니다.

그러나, 이러한 도구는 여전히 오작동할 수 있으며, 복잡한 작업에는 인간 검증자가 참여하는 것이 필수적입니다. 제3자 전문가와 협력하여 AI 의사소통 도구에 대한 비전을 정의하고 원하는 워크플로우를 생성합니다. 일단 사용 사례에 동의하면, 운영 및 문화적 변화 관리 프로세스는 직원을 온보딩하고 궁극적으로 환자 결과를 향상시키는 데 도움이 됩니다.

5. 챗봇에 실수를 잡아달라고 요청하기

어떤 비즈니스 리더도 실수를 하고 싶어하지 않습니다. 그러나 의료 분야는 높은 위험 환경에서 심각한 결과를 초래할 수 있는 작은 실수조차도 중요합니다. 그러나, 최고의 임상의도 의료 오류를 피할 수 없습니다. AI는 오류를 잡고 간격을 채우는 데 강력한 도구가 될 수 있습니다.

2023년 조사에서 GPT-4를 사용하여 환자와 임상의 간의 대화를 기록하고 요약한 후, 챗봇을 사용하여 대화에서 오류를 검토했습니다. 검증过程에서, 환자의 신체 질량 지수(BMI)에서 오류를 잡았습니다. 챗봇은 또한 환자 기록에 주문된 혈액 검사나 그 이유가 언급되지 않은 것을 알았습니다.

이 예는 AI를 사용하여 의사들이 AI의 오작동, 생략, 오류를 처리하도록 도와줄 수 있으며, 이러한 오류를 사용하여 AI 애플리케이션을 훈련하고 개선할 수 있음을 보여줍니다.

의료용 AI는 의사와 간호사를 지원하고, 워크플로우를 간소화하며, 환자 치료에 대한 접근을 개선하며, 실수를 최소화하기 위해 존재합니다. 이러한 도구는 인간이 제공하는 공감, 직관, 실제 경험을 완전히 대체할 수는 없지만, 뛰어난 분석 및 시간 절약의 이점을 제공합니다. 의료 분야 리더가 HIPAA 규정, 환자와의 투명한 의사소통, 적절한 직원 교육에 주의를 기울인다면, 이러한 도구를 안전하게 그리고 자신감 있게 구현할 수 있습니다.