The development and implementation planning of an AI-powered Palliative Care Assessment Tool (PCAT) for aged care: a Triple C model approach

요양 시설의 조용한 복도에서는 너무 늦기 전까지는 종종 눈에 띄지 않는 중대한 과제가 존재합니다. 많은 고령의 입소자들이 결국 삶을 단축하게 될 질환을 안고 살아가며, 이들에게 있어 케어의 목표는 질병을 치료하는 것에서부터 편안함, 존엄성, 그리고 삶의 질을 보장하는 것으로 전환됩니다. 이러한 접근 방식을 완화 의료(palliative care)라고 합니다. 이상적으로는 이러한 지원이 조기에 시작되어, 환자가 스스로 결정을 내릴 수 있을 만큼 건강할 때 가족과 의료진이 증상을 관리하고 미래를 계획할 수 있도록 해야 합니다. 그러나 바쁜 요양원의 현실 속에서 이러한 필요성은 빈번하게 늦게 식별됩니다. 업무량이 많고 복잡한 일정을 관리하느라 여유가 없는 직원들은, 거주자가 전문적인 지원이 필요한 단계로 진입하고 있다는 미묘한 징후를 놓칠 수 있습니다. 의사와 간호사들이 오랫동안 체크리스트와 구조화된 질문을 사용하여 이러한 필요를 포착해 왔지만, 이러한 도구들은 적절한 순간에 그것을 사용하는 인간의 기억력에 의존하며, 대개 한 번에 한 사람에게만 집중할 뿐 전체 거주자 공동체를 바라보지는 못합니다.

이를 해결하기 위해, 연구자들은 인공지능—데이터로부터 패턴을 인식하도록 학습하는 컴퓨터—이 어떻게 도움을 줄 수 있을지 탐색하기 시작했습니다. 아이디어는 기계가 의사의 판단을 대체하는 것이 아니라, 매일 모든 거주자에 대한 정보를 스캔하여 검토가 필요할 수 있는 이들을 알려주는 지치지 않는 조수 역할을 하는 것입니다. 이 논문은 호주 빅토리아주의 노인 요양을 위해 특별히 설계된 PCAT(Palliative Care Assessment Tool, 완화 의료 평가 도구)라고 불리는 도구의 세심한 제작 과정을 설명합니다. 연구팀은 단순히 소프트웨어를 구축하고 그것이 작동하기를 바란 것이 아닙니다. 그들은 'Triple C 모델'이라 불리는 구체적이고 인간 중심적인 로드맵을 따랐습니다. 이 접근 방식은 시스템을 실제로 사용할 사람들과 대화하는 것을 우선시하고, 함께 협력하여 설계를 형성하며, 초기 프로젝트 자금이 종료된 후에도 도구가 실세계에서 생존하고 번창할 수 있도록 보장합니다. 그 결과, 기술적 역량보다는 안전성과 실용성의 토대 위에 구축되어 테스트를 위한 준비가 된 디지털 시스템이 탄생했습니다.

여정은 다음과 같은 단순하지만 어려운 질문에서 시작되었습니다: 어떻게 하면 요양원의 혼란스럽고 압박감이 심한 교대 근무 리듬에 적합한 디지털 도구를 만들 수 있을까? 연구자들은 만약 도구가 너무 복잡하거나 직원의 업무를 늦춘다면, 그 도구는 무시될 것이라는 점을 알고 있었습니다. 그들은 간호사, 요양원 관리자, 완화 의료 전문가를 포함한 폭넓은 그룹을 모아 여섯 차례의 구조화된 대화를 진행하는 것으로 시작했습니다. 이것은 공식적인 인터뷰가 아니라, 팀이 직원의 일상적인 고충을 경청하는 협력적인 워크숍이었습니다. 그들은 현재 케어의 공백이 정확히 어디인지, 무엇이 조기 필요성 식별을 방해하는지, 그리고 디지털 알림이 눈에 띄고 실행에 옮겨지려면 어디에 나타나야 하는지를 배웠습니다. '컨설테이션(consultation)'이라 불리는 이 단계는, 도구가 이상적인 버전이 아닌 실제 업무의 현실을 중심으로 설계되도록 보장했습니다.

문제점이 명확히 정의되자, 팀은 '협업(collaboration)' 단계로 이동했습니다. 여기서 초점은 그러한 통찰력을 작동하는 설계로 전환하는 데 있었습니다. 연구진은 기술 팀과 긴밀히 협력하여 기존의 의학적 가이드라인의 복잡한 논리를 단순하고 명확한 인터페이스로 번역할 수 있는 시스템을 구축했습니다. 핵심 원칙은 도구가 결코 인간의 최종 결정권을 제거해서는 안 된다는 것이었습니다. 시스템은 거주자가 완화 의료 지원을 필요로 할 가능성을 나타내는 간단한 지표인 '위험 등급'을 제공하도록 설계되었지만, 항상 임상의의 전문적 판단이 다를 경우 그 제안을 거부할 수 있는 명확한 경로를 포함했습니다. 이 '휴먼 인 더 루프(human in the loop, 인간이 개입하는 구조)' 기능은 기술이 케어를 지시하는 것이 아니라 지원하도록 보장하는 데 매우 중요했습니다.

도구가 환자에게 보여지거나 실제 요양원에서 사용되기 전에, 팀은 '휴리스틱 평가(heuristic evaluation)'라고 불리는 엄격한 안전 점검을 거쳤습니다. 이는 전문가들이 안전과 사용성에 관한 확립된 원칙에 따라 시스템을 검토하여, 해를 끼치기 전에 잠재적인 함정을 찾는 방법입니다. 이 평가는 수정이 필요한 몇 가지 결정적인 문제들을 밝혀냈습니다. 예를 들어, 초기 설계에서는 사용자가 실수로 거주자의 기록을 삭제할 수 있었는데, 이 위험은 즉시 제거되었습니다. 또한 팀은 시스템이 때때로 권장 조치와 모순되는 위험 등급을 보여주어 지친 간호사를 혼란스럽게 할 수 있다는 점을 발견했습니다. 또한 도구가 왜 특정 등급을 부여했는지 설명하지 않아, 직원들이 조언을 신뢰하기 어렵게 만든다는 점도 인지했습니다.

팀은 이러한 문제들을 구체적이고 실질적인 변화로 해결했습니다. 그들은 컴퓨터의 제안 뒤에 숨은 근거를 평이한 언어로 설명해 주는 '왜 이 등급인가?' 기능을 추가했습니다. 또한 거주자의 상태가 악화되고 있는지, 유지되고 있는지, 혹은 개선되고 있는지를 보여주는 시각적 지표를 도입하여, 직원들이 시간이 흐름에 따라 추세를 볼 수 있도록 도왔습니다. 간호사의 정신적 부하를 줄이기 위해, 도구는 거주자를 알파벳 순서가 아닌 가장 시급한 순서대로 보여주도록 재구성되었으며, 특정 개인에게 적용되지 않는 트리거는 숨기도록 프로그래드되었습니다. 색상은 텍-및-아이콘과 결합되어, 누군가 색상을 구별할 수 없는 상황에서도 의미가 명확하도록 했습니다. 아마도 가장 중요한 것은, 임상의가 시스템에 동의하지 않을 수 있는 문서화된 경로를 구축하여, 최종 결정이 항상 인간 전문가에게 달려 있음을 보장한 것입니다.

논문은 이 도구가 이제 여러 요양 시설에서 단계적 시험을 거칠 준비가 되었음을 설명하며 마무리됩니다. 연구진은 간서들이 일상적인 업무의 일부로서 소규모 거주자 그룹과 함께 이 도구를 사용하게 될 예정입니다. 다음 단계의 목표는 인공지능이 완벽하다는 것을 증명하는 것이 아니라, 이 도구가 실제 환경에서 사용 가능한지, 수용 가능한지, 그리고 실행 가능한지를 확인하는 것입니다. 저자들은 이 논문이 설계 및 준비 단계만을 다루고 있으며, 도구가 성공적으로 케어를 개선했는지에 대한 실제 시험 결과는 향후 연구에서 보고될 것임을 명시하고 있습니다. 사용자의 목소리를 듣고 안전 문제를 해결하는 작업에 앞단에서 집중함으로써, 팀은 실제 세계를 위한 준비가 된 시스템을 만들어냈습니다. 이 접근 방식은 의료 기술이 성공하기 위해서는 의료 처치와 마찬가지로 인간의 요구에 대한 세심한 주의와 관심을 가지고 구축되어야 함을 시사합니다. 이러한 도구의 성공은 코드의 정교함보다는, 시스템이 너무 어려워서 거주자가 간과되는 일이 없도록 사용자의 삶 속에 자연스럽게 녹아드는 능력에 달려 있습니다.