* 들어가며 

이 문서는 미국 의사 협회 저널 (JAMA: The Journal of American Medical Association)의 Viewpoint section에 실린 글로, 

진단 (Diagnosis)를 위한 차세대 인공지능(Next-Generation AI)이 어떤 방향을 지향해야할 지에 대해 제언하고 있음 . 

이 포스팅에선 이 문서의 내용을 개괄적으로 한국어로 요약하였음. 

Info

link : https://jamanetwork.com/journals/jama/fullarticle/27

Introduction

• 진단 과정의 개선 (Improving the diagnostic process)은

  • quality와 safety priority임

• 진단의의 인지적 부담 (Diagnostician’s cognitive demand)

  • health record의 digitization과 health data의 증가로, cognitive demand가 급격히 증가됨

  • AI의 사용이 이런 부담을 줄이는 데 도움이 될 수 있음

• Current AI Tool

  • 이런 tool은 최종 진단명(final diagnostic label)을 찾는데 집중(focus)이 되어 있어 clinician에게 유용하게 사용되고 있지는 않음 

  • diagnostic AI가 Label prediction에서 wayfinding(diagnostician이 context를 해석하고 신호(cue)를 찾는 데 도움이 되는 것)으로 역할이 바뀌어야 함

  • 
    

Starting With the End

•  Standalone diagnostic question을 해결하는 예는 이미 많음

  • 당뇨병성 망막변성(diabetic retinopathy)의 예측(prediction)

  • 흉부 x-ray에서 기흉(pneumothorax) 위치를 보여줌 

  • 우선 봐야할 진단명(prioritized list of diagnoses)들을 도출함

    • process data on signs and symptoms로부터 이런 자료를 생성

• 이런 tool은 진단의의 진단 경로(diagnostic pathway)와 다름

  • diagnostic process의 최종 결과(the endpoint)에 대한 label을 찾으려고 함

  • diagnostic pathway에서 decision node를 탐색하는 upstream work를 간과(overlook)하게 됨 

    • Clinician의 신뢰를 얻지 못하게 됨 

• Clinician의 진단 diagnostic process

  • complex patient data로부터 진단을 내리고

  • 환자를 위한 best next steps를 정해야함

  • 임상의의 진단과정과 환자를 위한 판정 간의 dynamism을 고려한 새로운 세대의 AI가 필요함

Diagnosis as a Wayfinding Process

• Wayfinding

  • 현재의 위치(current position)를 판정하고 원점과 목적지(origin and a destination) 사이의 경로를 찾아가는 과정을 의미함

  • Basic elements

    • orientation(what is the current location?)

    • route monitoring(Is this the right track?) 

    • destination recognition (is this the end point?)

  • Environmental cue를 의미하기도 함

    • that orient people

    • help them choose a path within complex spaces(e.g, airports and hospitals)

    • e.g, hallway curvature and color that subconsciously guide a person to their final destination

  • Effective wayfinding

    • 이런 과정(navigating a complex journey)에서 인지적 부담(cognitive load)를 줄여줌 

    • 임상의 입장에선

      • patient signs and symptoms을 평가(assessment)하고

      • 정보를 얻고(medical record를 검토하거나 질문을 함)

      • 환자를 위한 다음 단계(next steps)을 계획하는 과정임 

    • 이런 과정이 반복되면서 불확실성(Uncertainty)이 줄어들게 됨 

Reducing Cognitive Load to Optimize Performance

• The dynamic diagnostic refinement process

  • 이런 과정을 support하는 AI tool이 필요

  • 즉, 임상의가 diagnostic pathway 중에 결정을 내리기 위해 필요한 uncertainty를 줄일 수 있도록 support해야 함 

  • 임상의가 여전히 data를 분석하고 판정을 내리지만, AI는 이 과정에서의 cognitive load를 더 낮추는 역할을 하게 됨 

• 예시: progressive shortness of breath로 인해 주치의를 찾아온 환자

  • Information gathering

    • AI Tool이 성인 환자에서의 호흡곤란(dyspnea)에 맞는 정보 탐색에 도움을 줌

      • automatic chart search

      • other risk factor의 검토 등 

      • 실시간(Real-time)으로 자연어 처리 기술(natural language processing)을 활용하여 Clinical interview에 도움이 될 질문의 제안 

      • digital monitoring device로부터 patient data(수면의 질이나 walking distance 등)를 분석하여 pattern을 찾을 수도 있음

The Way Forward

• Wayfinding AI tool 개발을 위해

  • new types of data assets이 생성되어야 함

  • diagnostic process에 clinician’s action을 반영한 new clinician-centric data가 필요

    • e.g, what data clinicians typically review when evaluating a patient with low back pain? 

  • Contextual factor 고려

    • e.g, team structure, patient volume 

  • 임상의의 current wayfinding activities에 대한 digital footprint의 관측이 도움이 됨 

    • where AI could optimize information navigation and decision making 

  • 결과적으로, more efficient and accurate diagnostic pathway의 발견이 가능해질 것임

Conclusions

• Diagnostic AI 

  • 임상의의 diagnostic performance를 향상시키기 위한 여력이 여전히 많이 있음

  • diagnostic journey에 초점을 맞춰 wayfinding AI를 개발하면 Human intelligence와 AI가 diagnostic excellence를 달성하는 데 synergy가 날 것임