망막 · Surv Ophthalmol · IF 6.8 · 2026 · 코멘트 2026-09-29
인공지능과 망막 전문의 교육: 교육 기회, 신규 위험, 그리고 교육과정 대응에 관한 범위 고찰
Hanhart et al.
읽기 포인트
- 훈련 의사가 어려운 사례와 드문 질환을 더 많이 접하도록 시스템을 짤 수 있고, 컴퓨터로 만든 가상의 망막 이미지로 연습하는 것도 가능해집니다.
- 또한 사람들이 기계의 판단을 무조건 따르는 '자동화 편향(automation bias)'도 문제가 될 수 있습니다.
- 만약 당신이 망막 질환으로 치료를 받는 중이라면, 진찰을 맡은 의사에게 물어볼 수 있는 질문들입니다.
일차적 의견
• 망막영상 해석용 자동 AI 시스템이 전문의 훈련에 미치는 영향을 6개 주제 영역에서 검토한 범위 고찰 연구.
• AI는 개인맞춤형 사례배치, 합성 데이터 생성, explainable feedback을 제공하지만 deskilling, automation bias, 평가타당성 문제를 야기.
• 기관 대응과 안과 특화 competency framework는 임상 AI 배포에 크게 뒤처져 있으며, 전공의의 전문가적 정체성 형성에 대한 연구 부족.
안과 교육 프로그램은 전공의의 기술 저하와 평가 타당성 유지를 방지하기 위해 AI 배포에 부합하는 검증된 competency framework와 교육과정 개혁을 긴급히 개발해야 한다.
쉽게 풀어 쓴 해설
AI에 의존하면 직접 진단 능력이 떨어질 수 있어요
핵심 결과
- AI는 맞춤형 사례 선택과 가상 이미지 생성에는 도움이 되지만 의존하면 진단 능력 저하 위험이 있어요.
- 의과대학 교육과정이 임상 AI 도입 속도를 따라가지 못하고 있네요.
어떤 연구인가요
- 망막질환 진단 AI가 안과 전공의 교육에 미치는 영향을 문헌으로 종합한 범위 고찰 연구예요.
- AI의 학습 기회, 새로운 위험, 교육 프로그램의 대응 방식을 6가지 측면에서 정리했어요.
누구에게 해당하나요
- 망막질환을 다루는 안과 의사와 전공의, 교육 담당자가 알아두면 좋아요.
- 전공의들이 AI에 어느 정도 의존해야 하는지 아직 정해지지 않았거든요.
아직 모르는 것
- 전공의가 스스로를 의사로 느끼는 방식이 AI 사용으로 어떻게 바뀌는지 충분히 연구되지 않았어요.
- 다음 진료 때 "우리 병원의 AI 시스템이 진단 능력을 어떻게 키우고 있는지" 확인해 보세요.