AI 기반 몰입형 다학제 시뮬레이션(AIMS)으로 인터프로페셔널 교육 혁신

초록

본 논문은 대형 언어 모델(Gemini‑2.5‑Flash)과 Unity 기반 가상 환경을 결합한 AI‑enhanced Immersive Multidisciplinary Simulation(AIMS)을 설계·구현하고, 약학·의학·간호·사회복지 전공 학생들을 대상으로 초기 사용성 평가를 수행한 결과, 현실감 있는 대화와 직업별 맞춤 반응을 제공함으로써 기존 표준 환자 방식의 비용·확장성 한계를 극복할 가능성을 제시한다.

상세 분석

AIMS는 세 개의 핵심 엔진(캐릭터 생성 엔진, 멀티모달 AI 엔진, 가상 환경 엔진)으로 구성된 모듈형 아키텍처를 채택한다. 캐릭터 생성 엔진은 Reallusion Character Creator와 iClone을 이용해 환자 아바타 ‘Jane Ryan’을 제작하고, 키워드‑기반 애니메이션 매핑을 통해 ‘열’, ‘수치료제 복용’ 등 특정 발화에 대응하는 머리 흔들기, 얼굴 표정 변화 등을 자동 트리거한다. 이는 학생들의 질문에 비언어적 단서까지 제공함으로써 몰입감을 높인다. 멀티모달 AI 엔진은 구글 Gemini‑2.5‑Flash API를 활용해 실시간 음성 입력을 텍스트로 변환하고, 프롬프트 엔지니어링으로 정의된 역할‑별 대화 흐름과 의료 지식 베이스를 결합해 상황에 맞는 응답을 생성한다. 특히 “첫 번째 질문에서는 Vicodin 사용을 밝히지 않는다”와 같은 제약을 삽입해 임상적 진단 과정을 학습하도록 설계했다. 가상 환경 엔진은 Unity WebGL 기반으로 브라우저에서 실행 가능하도록 최적화했으며, 두 개의 시나리오(응급실, 1차 진료실)를 제공해 환자의 상태 변화와 환경 전환을 시각적으로 구현한다.

사용성 평가에서는 40팀(각 8명)의 학생이 역할을 교대로 수행했으며, 오디오 라우팅 오류, 응답 지연, 애니메이션 동기화 문제 등이 주요 이슈로 도출되었다. 이러한 문제는 시스템 로그와 사용자 설문을 통해 심각도별로 분류하고, 이후 버전에서 오디오 믹싱 개선 및 Gemini 호출 캐싱을 적용해 해결 방안을 제시한다.

학문적 기여는(1) 대규모 언어 모델을 실시간 대화형 가상 환자에 적용한 최초 사례 중 하나, (2) 직업별 키워드‑애니메이션 매핑을 통한 비언어적 피드백 구현, (3) 저비용·고확장성 웹 기반 배포 모델 제시이다. 한계점으로는 현재 Gemini‑Flash의 멀티턴 대화 지속성 부족, 음성 인식 정확도 저하, 그리고 시뮬레이션이 실제 SP와 비교해 감정 표현의 미세 차이를 완전히 재현하지 못한다는 점을 들 수 있다. 향후 연구에서는 보다 정교한 상황 인식 모델, VR‑기반 몰입도 강화, 그리고 장기 학습 효과를 검증하기 위한 대규모 통제 실험을 계획하고 있다.