설명 가능한 AI 기반 임상 의사결정 시스템
인공지능(AI)은 임상 의사결정 지원 시스템(CDSS)을 크게 향상시킬 잠재력이 있지만, AI 모델의 불투명성은 임상 현장에서의 채택을 가로막는 주요 장벽입니다. 이는 주로 해석 가능성 및 신뢰 문제에서 기인합니다. 설명 가능한 AI(XAI)는 모델의 추론 과정을 임상의가 이해할 수 있도록 함으로써 이러한 격차를 해소하려 하지만, 기존 XAI 솔루션은 실제 임상가의 요구사항, 워크플로우 통합, 유용성 문제를 제대로 다루지 못했습니다. 본 연구는 XAI를 CDSS에 적용하는 데 있어 지속되는 과제들(예: 부적절한 설명 방법, 최적화되지 않은 인터페이스 설계, 불충분한 평가 관행)을 종합하고, 보다 효과적이고 신뢰할 수 있는 XAI-CDSS 개발을 위한 사용자 중심 프레임워크를 제안합니다. 포괄적인 문헌 검토를 바탕으로, 사용자 중심 XAI 방법 선택, 인터페이스 공동 설계, 반복적인 평가 및 개선을 포함하는 3단계 프레임워크를 상세히 설명합니다. 패혈증 치료를 위한 XAI-CDSS 사례 연구 분석을 통해 프레임워크의 적용 가능성을 입증했습니다. 연구 결과는 XAI가 임상 워크플로우와 일치하고, 적절한 신뢰를 지원하며, 임상의-AI 상호작용 패턴(예: 협상)을 포착하는 견고한 평가 방법론을 배포하는 것이 중요함을 강조합니다. 사례 분석은 프레임워크가 사용자 중심의 격차를 체계적으로 식별하고 해결하여 더 나은 워크플로우 통합, 맞춤형 설명 및 사용 가능한 인터페이스로 이어질 수 있음을 보여줍니다. 결론적으로, 신뢰할 수 있고 임상적으로 유용한 XAI-CDSS를 달성하기 위해서는 근본적으로 사용자 중심 접근 방식이 필요합니다. 본 프레임워크는 의료 분야에서 설명 가능하고 사용 가능하며 신뢰할 수 있는 AI 시스템을 구축하기 위한 실질적인 지침을 제공합니다.