Geographical targeting of active case finding for tuberculosis in Pakistan using artificial intelligence software: a qualitative study embedded within the SPOT TB trial

결핵은 여전히 세계에서 가장 끈질기게 사람을 죽이는 질병 중 하나로, 북적이는 도시의 그늘과 외딴 마을 모두에서 번성하고 있습니다. 결핵 부담이 유독 높은 파키스탄과 같은 국가에서 보건 요원들은 매우 힘겨운 과제에 직면해 있습니다. 바로 아직 진단되지 않은 채 병을 앓고 있는 수백만 명의 사람들을 찾아내는 일입니다. 이러한 숨겨진 사례를 포착하기 위해, 프로그램들은 지역 사회로 이동식 팀을 보내 검진 캠프를 설치하고, X선 기계를 사용하여 사람들의 폐에서 감염의 징후를 찾아냅니다. 수년 동안 이러한 캠프를 어디에 설치할지에 대한 결정은 인간의 판단, 지역 지도, 그리고 현장 요원들의 경험에 의존해 왔습니다. 하지만 데이터의 양이 방대해지면서, 보건 당국은 컴퓨터가 더 나은 일을 할 수 있을지 궁금해하기 시작했습니다. 그들은 인공지능 기술, 즉 인간이 놓칠 수 있는 패턴을 찾아내기 위해 방대한 양의 정보를 걸러낼 수 있는 기술로 눈을 돌렸습니다. 기대는 스마트한 컴퓨터 프로그램이 보건 요원들에게 환자들이 발견될 가능성이 가장 높은 동네를 직접 안내함으로써, 탐색 과정을 더 빠르고 효과적으로 만드는 것이었습니다.

이 질문은 파키스 much히 'SPOT-TB 시험'이라 불리는 파키스탄의 대규모 실험을 이끌어냈습니다. 연구진은 MATCH-AI라는 인공지능 도구를 사용하여 캠프 위치를 선정하는 것이 지역적 지식에 기반하여 장소를 선택하는 전통적인 방식보다 더 많은 결핵 사례를 찾아내는지 확인하고자 했습니다. 이 도구는 일상적인 보건 데이터와 지역 조건을 분석하여 권장 위치 목록을 생성했습니다. 그러나 컴퓨터의 권고는 현장의 현실만큼이나 가치가 있습니다. 이 시험이 왜 결핵 사례를 찾는 데 있어 뚜렷한 전반적 개선을 보여주지 못했는지 이해하기 위해, 별도의 연구팀이 프로젝트의 인간적인 측면에 대해 심층 조사를 실시했습니다. 그들은 실제로 밴을 운전하고 텐트를 설치했던 의사, 감독관, 코디네이터들과 대화를 나누며 그들이 새로운 기술과 함께한 일상적인 경험에 대해 물었습니다. 그들의 목표는 단순히 소프트웨어가 화면상에서 제대로 작동하는지를 보는 것이 아니라, 파키스탄의 복잡하고 혼란스러운 보건 체계 속에서 이 기술이 어떻게 기능하는지를 이해하는 것이었습니다.

연구진은 인공지능 도구가 양날의 검이라는 사실을 발견했습니다. 한편으로, 많은 현장 직원들은 이 소프트웨어가 자신들의 업무에 공정성과 구조를 가져다준다는 점을 높게 평가했습니다. 도구가 도입되기 전에는 캠프를 열 위치를 정하는 일이 개인적인 인맥, 지역 지도자들의 정치적 압력, 또는 익숙한 곳을 계속 방문하는 단순한 습관에 의해 좌 l흔들릴 수 있었습니다. 소프트웨어는 이러한 인간의 편향성을 제거하고, 순수하게 데이터에 기반하여 장소 목록을 생성했습니다. 이는 직원들이 특정 지역에서 캠프를 열기를 원하는 관리들의 압력에 저항하는 데 도움이 되었습니다. 어떤 경우에는 이 도구가 이전에 간과되었던 외딴 지역이나 소외된 마을을 가리켰고, 그곳에서 결핵 환자 집단을 발견하기도 했습니다. 예를 들어, 한 팀은 파이살라바드(Faisalabad)의 먼 가구로 향하라는 권고를 따랐다가 그곳에서 함께 살고 있는 다섯 명의 감염자를 발견했는데, 그들은 이를 일반적인 경계를 넘어설 수 있는 소프트웨어의 능력 덕분이라고 공로를 돌렸습니다.

하지만 도구의 성공 이야기는 지형의 가혹한 현실과 기술 자체의 한계로 인해 복잡해졌습니다. 소프트웨어는 숫자를 계산하는 데는 능숙했지만, 지역 사회에서 살아가는 데 필요한 상식은 부족했습니다. 소프트웨어는 때때로 눈 덮인 산봉우리나 강에 의해 차단된 지역처럼 이동식 밴이 갈 수 없는 물리적으로 도달 불가능한 장소를 제안하기도 했습니다. 또 다른 경우에는 보안 위험 때문에 위험하거나, 문화적 규범 때문에 여성들이 멀리 이동하거나 공공 캠프를 방문하는 것이 불가능한 지역을 지목하기도 했습니다. 예를 들어, 보수적인 지역에서는 여성들이 프라이버시가 보장되지 않는 시끌벅적한 시장의 캠프를 위해 집을 떠나 5km를 이동하는 것을 거부할 수 있습니다. 소프트웨어는 이러한 사회적 장벽을 이해하지 못했습니다. 그것은 단지 지도 위의 점 하나만을 보았습니다. 지형과 사람들을 잘 알고 있는 현장 직원들은 접근 가능하고 지역 사회에서 수용 가능한 장소를 찾기 위해 종종 컴퓨터의 제안을 무시하고 자신의 판단을 사용해야 했습니다.

디지털 계획과 물리적 세계 사이의 격차는 시스템을 운영하는 데 필요한 인프라에 의해 더욱 벌어졌습니다. 소프트웨어는 실시간으로 데이터를 수집하기 위해 디지털 플랫폼에 의존했지만, 많은 외딴 지역에서는 인터넷 연결이 불안정하거나 아예 존재하지 않았습니다. 신호가 끊기면 시스템은 멈추거나 현장에서 입력된 데이터가 중앙 서버와 동기화되지 않았습니다. 이로 인해 보건 요원들은 구식 종이 기록으로 돌아가야 했고, 나중에 도시로 돌아온 후에야 이를 컴퓨터에 다시 입력해야 했습니다. 이러한 이중 작업은 좌절감과 피로를 유발하여, 기술이 속도를 높이려 했던 바로 그 과정을 오히려 늦추었습니다. 게다가 최전선에 있는 사람들은 종종 소프트웨어가 어떻게 결정을 내리는지 완전히 이해하지 못했습니다. 그들은 위치 목록을 따르라는 지시는 받았지만, 그 뒤에 숨겨진 논리에 대한 명확한 설명은 거의 듣지 못했습니다. 이러한 이해의 부족은 그들이 도구를 신뢰하거나 새로운 시스템에 대한 주인 의식을 갖는 것을 어렵게 만들었고, 결국 일부는 자신의 경험을 우선하여 도구의 권고를 무시하게 만들었습니다.

연구는 인공지능이 결핵 검진을 조직하고 개선하는 데 진정한 가능성을 가지고 있지만, 현장에서 일하는 사람들의 깊은 맥락적 지식을 대체할 수는 없다고 결론지었습니다. 기술은 편향을 줄이고 간과될 수 있는 지역을 강조할 수 있는 강력한 조력자이지만, 인간의 판단을 대신할 수는 없습니다. 기술은 동네의 치안, 지역 사회의 문화적 민감성, 또는 흙길의 상태를 고려할 수 없습니다. 도구가 효과적으로 작동하려면 안정적인 인터넷 연결과 같은 신뢰할 수 있는 인프라가 뒷받침되어야 하며, 단순히 무엇을 해야 하는지가 아니라 '왜' 해야 하는지를 이해할 수 있는 철저한 교육이 도입되어야 합니다. 연구진은 가장 성공적인 접근 방식은 컴퓨터가 시작점을 제공하고, 인간 팀이 현지 전문 지식을 사용하여 그 권고를 실제 세계에 맞게 조정하는 하이브리드 방식이라는 것을 발견했습니다. 결국, 기술은 그것을 지원하는 시스템과 그것을 사용하는 사람들에 의해 그 강점이 결정됩니다.