의사와 인공지능 의사간 진단분쟁 발생 시 전문중재가 임상 결과에 미치는 영향: 소아 외래 환자를 대상으로 한 무작위 다기관 임상시험

광저우 여성 아동 의료 센터의 100만 명 이상의 소아과 외래 환자의 과거 임상 데이터를 기반으로 최근 일반적인 소아 질환에 대한 AI 진단 프레임워크가 개발되었습니다[Liang H et al. 인공지능을 이용한 소아질환 평가 및 정확한 진단 Nat Med. 2019;25(3):433-8]. 이 AI 프레임워크는 사전 정의된 스키마를 활용하여 자유 텍스트에서 유익한 임상 데이터를 추출하고 가설 연역적 추론을 통해 임상 진단에 도달합니다. 내부 검증에서 AI 시스템은 위장병의 경우 0.85에서 신경 정신 질환의 경우 0.98의 정확도를 보여 임상에서 유망한 보조 진단 도구가 될 수 있음을 시사했습니다. 그러나 AI 기반 진단과 소아과 의사의 진단이 일치하지 않는 시나리오를 어떻게 처리할 것인지에 대한 근거 기반 전략이 부족하다. 일치하지 않는 진단을 가진 질병이 더 유사한 임상 특징을 나타낸다고 가정하는 것은 타당합니다. 이 경우 차별적이고 결정적인 진단을 위해 추가 중재인을 도입해야 합니다. 따라서 본 무작위대조시험은 1) 전문 중재인을 도입하여 AI 기반 진단과 소아과 의사의 진단이 일치하지 않는 실제 임상 환경에서 두 가지 진단 모드의 정확도를 비교하고; 2) 전문 중재인 도입에 따른 임상 결과의 변화(초진 후 3개월 이내 재진원 및 입원, 평균 총 외래 진료비)에 대해 자세히 살펴봅니다. 앞서 언급한 AI 프레임워크는 광범위한 질병의 진단을 위해 설계되었지만, 이 임상 시험은 호흡기, 소화기, 비뇨기과의 세 가지 전문 클리닉에서 만나는 외래 환자로 제한됩니다. 이렇게 선택한 이유는 내부 검증 결과에 따라 이 두 전문 분야에 대해 일치하지 않는 진단이 더 일반적이라고 가정하기 때문입니다.