진단 보조 등 의사의 업무를 보조하는데 집중하던 의료 인공지능이 환자의 이해도를 높이는 방향으로 진화하고 있다.

대규모 언어모델(LLM)의 발달과 더불어 환자가 자신의 질병을 명확히 이해하고 치료 과정을 인식하는데 도움이 되는 방향으로 나아가고 있는 셈이다.

현지시각으로 24일 미국 영상의학회지(Radiology)에는 암환자를 위한 의료 인공지능의 유용성에 대한 대규모 전향적 임상 결과가 공개됐다(10.1148/radiol.251844).

현재 암 환자들은 CT 등 영상 검사를 진행한 뒤 의사의 판독 결과를 보고서와 구두를 통해 전달받고 있다.

하지만 대부분의 경우 어려운 의학용어로 작성되는 경우가 많으며 의사의 설명 또한 그렇다는 점에서 이해에 한계가 있는 것이 사실.

이로 인해 일부 학회 등에서는 이를 환자에게 쉽게 설명하기 위한 방법 등을 제시하고 있지만 여전히 한계는 분명하다.

TUM 의과대학 펠릭스 부시(Felix Busch) 교수가 이끄는 연구진이 거대언어모델과 인공지능 솔루션을 통해 이에 대한 해석 모델을 개발한 것도 이러한 이유 때문이다.

만약 인공지능의 도움을 통해 환자가 보다 이해하기 쉬운 언어로 현재 상태와 앞으로의 치료 계획 등을 설명할 수 있다면 이해를 높이고 불필요한 갈등을 해소할 수 있다는 판단에서다.

이에 따라 연구진은 TUM 대학병원에서 암 진단을 받고 CT 등 영상검사를 진행한 200명의 환자를 대상으로 전향적 무작위 대조 임상을 진행했다.

환자의 절반은 과거 그대로의 보고서와 설명을 들었으며 나머지 반은 인공지능이 내놓은 결과물을 받았다.

그 결과 인공지능 솔루션을 통한 일종의 해석본은 상당한 효과를 발휘하는 것으로 확인됐다.

실제로 이 보고서를 받은 환자는 평균적으로 이를 읽는데 걸리는 시간이 7분에서 2분으로 크게 단축됐다.

또한 이 환자들은 과거 보고서와 설명을 들은 환자에 비해 인지 부하가 82%나 낮아지는 효과가 나타났다.

아울러 검사 결과에 대한 이해도가 대조군에 비해 13.28배나 높아졌으며 앞으로의 치료 계획을 인식하는데도 5.46배나 우월했다.

펠릭스 부시 교수는 "영상 검사 결과를 이 솔루션에 넣는 것 만으로 환자의 이해도가 놀랍게 높아졌으며 치료 계획에 순응할 가능성 또한 마찬가지"라며 "환자가 자신의 상황과 치료 계획을 이해하는 것이 무엇보다 중요한 현대 의학에 있어 핵심적 가치를 향상시킨다는 것을 의미한다"고 밝혔다.