AI 기반 의료 교육 플랫폼 MediTools 대화형 피부과 시뮬레이션과 논문 뉴스 요약 도구

초록

본 논문은 파이썬·Streamlit 기반의 웹 어플리케이션 MediTools를 소개한다. 피부과 실제 환자 이미지를 활용한 가상 환자 시뮬레이션, LLM‑구동 PubMed 논문 요약 및 검색, 그리고 Google News 기반 의료 기사 요약 기능을 제공한다. 10명의 의료인·학생을 대상으로 한 설문 조사에서 사용성 및 학습 효과에 대한 긍정적 피드백을 얻었으며, AI‑driven 교육 도구의 가능성을 제시한다.

상세 분석

MediTools는 최신 대형 언어 모델(LLM)을 활용한 인터랙티브 학습 환경을 구현하기 위해 여러 기술 스택을 결합하였다. 프론트엔드는 Streamlit과 HTML/CSS로 구성되어 사용자가 직관적으로 페이지를 전환하고 채팅, 음성 입출력을 수행할 수 있게 설계되었으며, 세션 상태를 딕셔너리 형태로 관리해 모델 선택, 채팅 기록, 비밀번호 등 중요한 변수들을 페이지 전환 시에도 유지한다. 백엔드에서는 LangChain 프레임워크를 핵심으로 사용해 LLM 체인을 구축하고, 모델별 API 호출을 추상화하였다. OpenAI GPT‑4o, Anthropic Claude, Meta Llama 등 다양한 모델을 선택하도록 함으로써 비용·성능 트레이드오프를 사용자가 직접 조정할 수 있게 했다.

피부과 시뮬레이션 도구는 Kaggle의 DermNet 공개 데이터셋에서 추출한 실제 환자 사진을 GitHub에 저장하고, 이미지 경로와 파일명을 기반으로 조건명을 LLM 프롬프트에 전달한다. 이를 통해 가상의 환자 이름·성격·질환 정보를 자동 생성하고, 사용자는 텍스트·음성 채팅을 통해 병력 청취, 검사 주문, 진단 제시 등을 수행한다. 검사 결과는 별도 LLM 체인으로 생성되며, 사용자가 요청한 검사 종류에 맞는 합리적인 수치를 반환한다. 진단 제출 시에는 fuzzy string matching(Levenshtein distance) 기반 토큰셋 비율을 활용해 0.7 이상의 유사도를 정답 기준으로 삼아 자동 채점 및 피드백을 제공한다.

PubMed 도구는 NCBI E‑utilities API를 이용해 사용자가 입력한 검색어를 PMID 리스트로 변환하고, 각 PMID에 대해 XML 메타데이터를 추출한다. PMC ID가 존재하는 경우 Diffbot 서비스를 통해 전체 텍스트를 확보하고, 이를 LLM 프롬프트에 삽입해 논문 내용 요약·질문‑응답 인터페이스를 제공한다. Google News 도구는 Google Serper API를 통해 최신 기사 URL을 수집하고, OpenAI GPT‑4o 기반 요약 체인을 적용해 분야별 요약을 자동 생성한다.

평가 단계에서는 Qualtrics 설문을 이용해 10명의 의료 전문가·학생을 대상으로 사용성, 학습 효과, 만족도 등을 조사했으며, 데이터 분석은 Pandas·NumPy·Matplotlib/Seaborn을 활용한 기술통계와 시각화로 수행되었다. 설문 결과는 전반적으로 높은 만족도와 학습 향상 기대감을 나타냈지만, 표본 규모가 작고 IRB 검토가 없다는 제한점이 명시되었다.

본 연구는 LLM을 의료 교육에 적용한 초기 시도이며, 코드와 데이터가 GitHub에 공개돼 재현성을 확보한다는 점이 강점이다. 그러나 실제 임상 환경에서의 검증 부족, 모델 hallucination 위험, 개인정보 보호·저작권 문제 등 윤리·법적 이슈가 남아 있다. 향후 대규모 사용자 테스트, 교육 커리큘럼과의 연계, 모델 안전성 강화 등을 통해 실용성을 높일 필요가 있다.