Do AI-generated surgical cases improve clinical reasoning? A quasi-experimental comparison in surgical clerkship

수술은 신체적인 훈련만큼이나 정신적인 훈련이기도 합니다. 외과의가 메스를 잡기 전, 그들은 환자의 병력과 증상으로부터 단서를 수집하고, 다양한 가능성을 저울질하며, 정보가 불완전한 상황에서도 결단을 내리는 탐정처럼 생각하는 법을 배워야 합니다. '임상적 추론'이라고 알려진 이 정신적 과정은 안전한 의료 실무의 핵심 동력입니다. 이 과정이 제대로 작동하면 환자는 적절한 치료를 받게 되지만, 실패하면 실수가 발생합니다. 전통적으로 의대생들은 교사의 지도 아래 실제 환자의 이야기를 담은 '사례(cases)'라고 불리는 글을 통해 이 기술을 배웁니다. 하지만 이러한 이야기를 만드는 것은 바쁜 의사들에게 느리고 비용이 많이 드는 작업이며, 결과물인 사례 모음은 종종 반복적인 느낌을 주어 학생들이 마주하게 될 병원의 복잡하고 혼란스러운 현실보다는 질병의 가장 전형적인 모습만을 보여주는 경향이 있습니다.

최근 인공지능은 이러한 병목 현상을 해결할 잠재적인 대안을 제시했습니다. 방대한 양의 텍스트를 학습한 컴퓨터 프로그램인 거대 언어 모델은 이제 이러한 환자 이야기를 즉각적으로 작성할 수 있습니다. 그러나 중요한 질문이 남아 있었습니다. 기계가 쓴 이야기를 읽는 것이 인간이 쓴 이야기를 읽는 것보다 실제로 학생의 사고력을 높이는 데 도움이 되는가 하는 점입니다. 상하이의 한 연구팀은 인공지능 시스템이 생성한 사례가 기존의 인간이 작성한 사례보다 외과 학생들의 추론 능력을 더 효과적으로 향상시킬 수 있는지 테스트함으로써 그 답을 찾고자 했습니다.

연구는 중국의 한 주요 교육 병원에서 두 차례의 6개월 기간에 걸쳐 진행되었습니다. 연구진은 외과 실습 중인 5학년 의대생 두 그룹을 대상으로 연구를 수행했습니다. 대조군 역할을 한 첫 번째 그룹은 지난 3년 동안 숙련된 교수진이 작성한 24개의 환자 사례를 학습했습니다. 이것은 해당 학과에서 기존에 사용해 온 표준적인 전문가 작성 사례들이었습니다. 실험군인 두 번째 그룹은 인간이 아닌 특정 인공지능 모델인 'DeepSeek'가 생성한 다른 24개의 사례를 학습했습니다. 연구진은 두 사례 세트가 충수염, 담낭 염증, 장 폐쇄와 같이 정확히 동일한 유형의 질병들을 다루도록 세심하게 매칭하여, 오직 누가 혹은 무엇이 이야기를 썼는지만이 유일한 주요 차이점이 되도록 보장했습니다.

학생들이 얼마나 잘 배우고 있는지를 측정하기 위해, 연구진은 단순히 사실을 기억해 내거나 목록에서 정답을 고르게 하는 방식을 사용하지 않았습니다. 대신, 학생들의 사고 과정을 지도하는 정교한 디지털 플랫폼을 사용했습니다. 학생들이 새로운, 가본 적 없는 환자 시나리오를 진행함에 따라, 시스템은 그들이 내리는 모든 결정—어떤 질문을 던지는지, 어떤 검사를 주문하는지, 그리고 결과를 어떻게 해석하는지—을 추적했습니다. 이를 통해 연구진은 학생이 단순히 진단을 맞혔는지뿐만 아니라, 어떻게 그 진단에 도달했는지까지 확인할 수 있었습니다. 연구진은 학생들이 중요한 단계를 놓쳤는지, 너무 성급하게 결론을 내렸는지, 혹은 전문가가 인정할 만한 논리적인 경로를 따랐는지 살펴보았습니다. 또한 학생들에게 작업 시 느껴지는 정신적 피로도와 자신의 능력에 대한 자신감을 보고하도록 했습니다.

결과는 인공지능 사례로 훈련한 학생들에게서 명확한 우위를 보여주었습니다. 최종 평가에서 인공지능 생성 이야기를 사용한 그룹은 인간이 쓴 이야기를 사용한 그룹보다 전체적인 추론 수행 능력에서 유의미하게 높은 점수를 기록했습니다. 그 차이는 상당한 수준의 개선으로 간주될 만큼 컸습니다. 연구진이 점수를 세부적으로 분석했을 때, AI 그룹은 두 가지 특정 영역에서 더 뛰어난 모습을 보였습니다. 즉, 최종 진단이 더 정확했으며, 단계를 건너뛰거나 너무 일찍 답을 정해버리지 않고 완전하고 논리적인 탐구 경로를 따르는 능력이 훨씬 뛰어났습니다. 무엇보다 중요한 점은, AI 그룹의 학생들이 모순되는 증거를 무시하거나 초기 직관에 사로잡히는 등의 판단 오류를 훨씬 적게 범했다는 것입니다.

연구는 왜 이런 결과가 나왔는지에 대해서도 빛을 비추었습니다. AI 사례를 사용한 학생들은 자료가 제시되는 방식에 있어 정신적 부담을 덜 느꼈으며, 주제에 대한 깊은 이해를 구축할 수 있다고 보고했습니다. 이는 학생들이 다양한 시나리오를 접할 때, 단순히 하나의 예측 가능한 이야기를 암기하는 것이 아니라 밑바탕에 깔린 패턴을 찾기 위해 뇌를 더 활발히 움직이게 된다는 학습 이론과 일맥상통합니다. 인공지능은 이러한 다양한 시나리오를 손쉽게 생성할 수 있었습니다. 모든 질병에 대해 AI는 세 가지 버전, 즉 전형적인 모습, 특이한 증상을 보이는 경우, 그리고 다른 건강 문제가 결합되어 복잡해진 경우를 만들어냈습니다. 이러한 다양성은 학생들이 더 유연하게 생각하도록 강제했습니다. 반면, 인간이 쓴 사례들은 정확하기는 했으나 더 표준적인 패턴을 따르는 경향이 있었고, 이는 학생들이 사고의 지름길(shortcuts)에 의존하게 만들었을 수 있습니다.

효율성 또한 주요한 발견이었습니다. 연구진은 인공지능의 도움을 받아 사례를 생성하는 것이 직접 손으로 쓰는 것보다 압도적으로 빠르다는 것을 발견했습니다. 인간 전문가가 상세한 사례 하나를 만드는 데 4시간에서 8시간을 소비할 수 있는 반면, AI는 순식간에 초안을 만들어냈습니다. 인간 교수진은 여전히 중요한 역할을 수행했는데, AI가 생성한 각 이야기를 의학적으로 타당하고 위험한 오류가 없는지 검토하는 데 약 12분을 할애했습니다. 한 사례는 AI가 특정 환자에게 부적절한 약물을 제안했기 때문에 반려되기도 했습니다. 이 검토 과정을 통해 학과는 연간 약 160시간의 교수진 시간을 절약할 수 있었으며, 이 시간은 다시 교육과 멘토링에 투입될 수 있었습니다.

연구진은 이러한 성공가 인간 전문가의 개입(human-in-the-loop)에 달려 있다는 점을 주의 깊게 언급했습니다. 인공지능은 양과 다양성을 창출하는 강력한 도구이지만 완벽하지는 않습니다. 잘못된 약물을 제안하는 것과 같은 실수를 할 수 있으므로, 학생에게 전달되기 전에 반드시 인간이 검토해야 합니다. 또한, 본 연구는 학생들이 새로운 내용에 대한 흥미 때문에 단순히 동기 부여가 되어 성적이 높아졌을 가능성도 인정했습니다. 나아가, 본 연구는 특정 병원의 특정 학생 집단을 대상으로 수행되었으므로, 다른 환경이나 다른 학습자 그룹에서는 결과가 다르게 나타날 수 있습니다.

이러한 제한점에도 불구하고, 이 연구는 인공지능이 의료 교육을 유의미하게 강화하는 데 사용될 수 있다는 강력한 증거를 제공합니다. 이는 교육자가 더 넓고 다양한 환자 이야기 라이브러리를 구축하기 위해 AI를 활용함으로써, 학생들이 수술에 필요한 유연하고 견고한 사고력을 개발하도록 도울 수 있음을 시사합니다. 기술은 교사를 대체하는 것이 아니라, 교사가 끝없는 사례 파일을 작성하는 번거로움에서 벗어나 학생들의 정신을 지도하는 데 집중할 수 있도록 해줍니다. 궁극적인 목표는 학생들이 컴퓨터가 쓴 이야기를 암기하는 것이 아니라, 모든 환자가 단순한 공식으로는 풀 수 없는 고유한 퍼즐인 실제 삶의 불확실성을 헤쳐 나가는 추론 능력을 기르도록 훈련하는 것입니다.