AI‑PACE: 의료 교육에 인공지능을 통합하는 새로운 프레임워크

초록

본 논문은 급속히 확산되는 의료 AI에 대비해 의학교육이 뒤처지고 있음을 지적하고, 문헌 종합·분석을 통해 AI 교육에 필요한 핵심 역량을 도출한다. 이를 기반으로 ‘Psychomotor‑Affective‑Cognitive‑Embedded’(AI‑PACE) 네 가지 축을 제시하며, 학부·전공·계속교육 전 단계에 걸친 종단적(長期) 통합 모델을 설계한다. 교육 목표, 커리큘럼 맵, 구현 방안 등을 구체화해 일반의와 전문의 모두가 AI 도구를 비판적·윤리적으로 활용할 수 있도록 한다.

상세 분석

AI‑PACE 프레임워크는 기존 AI 교육 모델이 가지고 있던 ‘전문화·단기·지식·기술’ 중심의 한계를 체계적으로 보완한다는 점에서 의의가 크다. 먼저 저자들은 2016‑2025년 사이에 발표된 643편의 논문을 키워드 검색과 Asta(Allen AI) 도구를 활용해 23편의 핵심 논문으로 축소하였다. 선정 기준은 ‘구조화된 AI 커리큘럼 제안’, ‘대상: UME·GME·CME’, ‘영어 논문’이며, 순수 기술 논문·코멘터리·비미국 연구는 제외했다. 이렇게 엄선된 문헌을 주제별(인지·정신운동·정서)로 코딩하고, ‘종단적 통합’, ‘범용성’, ‘도메인 폭’이라는 세 축으로 평가하였다.

분석 결과, 기존 프레임워크는 대부분 특정 전문분야(예: 안과, 방사선) 혹은 단기 부트캠프 형태에 머물러 있어 지식 유지와 전이 효과가 제한적이었다. 특히 정서(Affective) 영역, 즉 ‘신뢰 보정’, ‘자동화 편향 인식’, ‘환자 중심 가치 유지’가 거의 다루어지지 않아 ‘Human Gap’이라 명명한 것이 눈에 띈다. 이러한 공백을 메우기 위해 AI‑PACE는 Bloom의 인지·정신운동·정서 도메인을 차용하고, ‘Embedded’라는 네 번째 축을 추가해 교육을 전 학년·전공·전문가 단계에 걸쳐 나선형(spiral) 방식으로 배치한다.

구체적으로 Psychomotor 영역은 AI 도구의 실제 워크플로우 사용, 결과 해석, 환자와의 커뮤니케이션 스킬을 강조한다. Affective 영역은 AI에 대한 과도한 신뢰와 과소신뢰를 조절하는 ‘신뢰 캘리브레이션’, 윤리·법적 책임감, 다학제 협업 태도를 포함한다. Cognitive 영역은 AI 기본 개념, 데이터 과학, 성능 지표, 윤리·법적 프레임을 교육한다. 마지막으로 Embedded는 교육을 ‘단일 이벤트’가 아니라 ‘연속적 통합’으로 전환해, UME 단계에서 기본 개념을, GME 단계에서 전공별 적용을, CME 단계에서 최신 기술과 리더십을 다루도록 설계한다.

이러한 구조적 설계는 교육자와 학습자 모두에게 명확한 로드맵을 제공한다는 장점이 있다. 특히 ‘교수진 역량 강화’와 ‘학생‑교수 동시 학습’이라는 현실적 문제를 인식하고, 초기 교수진을 위한 별도 업스킬링 경로를 제시한 점은 실행 가능성을 높인다. 그러나 한계도 존재한다. 문헌 검색이 영어·미국 중심이어서 글로벌 다양성을 충분히 반영하지 못했으며, 실제 파일럿 적용 사례가 부족해 효과 검증이 미흡하다. 또한 AI 기술의 급속한 변화를 고려할 때, 커리큘럼 업데이트 주기와 지속 가능한 평가 체계 구축이 필요하다. 전반적으로 AI‑PACE는 기존 모델의 단점을 보완하고, 의료 AI 시대에 대비한 포괄적 교육 체계를 제시하는 실질적 기여를 한다.