거대언어모델로 불리는 생성형 인공지능(AI)이 의학 논문 작성 등을 넘어 실제 임상 현장에서도 활용도를 인정받고 있다.

생성형 AI를 통해 퇴원 환자에게 전달되는 안내서를 부탁하자 훨씬 더 이해하기 편하게 바꿔주는 등 기대하지 못했던 효과가 나오고 있기 때문이다.

현지시각으로 13일 미국의사협회지(JAMA network open)에는 생성형 AI를 활용한 퇴원 안내서 변환의 효과에 대한 연구 결과가 게재됐다(10.1001/jamanetworkopen.2024.0357).

현재 전 세계 모든 의료기관에서는 퇴원하는 환자에게 어떠한 병에 걸려 무슨 치료를 받았으며 앞으로 주의해야 할 사항 등을 담은 안내서를 전달하고 있다.

또한 필요한 경우 전자의무기록(EMR)이나 입원 당시 진행한 검사 결과 등도 함께 제공하고 있는 상황.

하지만 문제는 이러한 내용이 의학 용어가 많고 의사에 따라 내용이 함축돼 있는 경우가 많아 환자나 보호자들이 쉽게 이해할 수 없다는 점에 있다.

실제로 미국과 유럽 등에서 진행된 다양한 연구 결과 환자의 최대 88%는 이러한 의무기록이나 퇴원 안내서를 제대로 읽거나 이해하지 못하는 것으로 나타났다(2016;211(3):631-636).

뉴욕 의과대학 조나 자레츠키(Jonah Zaretsky) 교수가 생성형 AI의 접목을 고려한 것도 이러한 이유 때문이다.

의료진이 이를 더 편하게 작성하는 것이 쉽지 않다면 생성형 AI를 통해 이러한 간극을 최소화할 수 있지 않을까 하는 가정에서다.

이에 따라 연구진은 뉴욕대병원 내과에 입원했다가 퇴원한 환자의 퇴원 안내서를 마이크로소프트 생성형 AI인 'OPEN AI'에 맡겨 쉽게 풀어보도록 주문했다.

또한 병원에서 작성한 퇴원 안내서와 OPEN AI가 변환한 안내서를 환자에게 동시에 전달하고 이를 비교 분석했다.

그 결과 OPEN AI가 변환한 안내서가 난이도를 크게 낮춰 환자의 이해도를 크게 향상시킨 것으로 나타났다.

실제로 문장의 난이도 평가 지표인 플레쉬 킹케이드(Flesch-Kincaid) 등급을 비교하자 의료기관이 작성한 퇴원 안내서는 평균 11.0을 기록했지만 OPEN AI가 다듬은 글은 6.2로 크게 난이도가 낮아졌다.

또한 환자의 이해도 평가를 위한 척도인 PEMAT(Patient Education Materials Assessment Tool) 점수도 큰 차이를 보였다.

의료기관이 전달한 퇴원 안내서는 13%만이 완전히 이해했지만 OPEN AI가 작성한 경우 81%로 월등하게 높아졌기 때문이다.

다만 현재 생성형 AI의 가장 큰 한계로 꼽히는 이른바 '환각'을 여전히 주의해야 할 점으로 꼽혔다. 18%의 퇴원 안내서에서 환각이 나타났기 때문이다.

조나 자레츠키 교수는 "의료기관이 제공하는 퇴원 안내서를 단순히 OPEN AI에게 맡긴 것 만으로 문장의 난이도가 크게 낮아져 환자의 이해도가 월등하게 올라갔다"며 "실제 의료기관에서 매우 유용하게 쓸 수 있는 도구가 될 수 있다는 것을 보여준다"고 설명했다.

그는 이어 "하지만 일부에서 환각 문제가 나타났다는 점에서 일정 부분 한계는 있는 상태"라며 "생성형 AI가 마련한 문서를 의료진이 한번 검토해 환자에게 전달하는 식으로 활용이 가능할 것"이라고 밝혔다.