디지털 헬스는 의료 전달 구조의 공간적 경계를 허물었다. 비대면 진료, 재택 모니터링, 전화·온라인 기반 상담의 확산으로 많은 국가에서 진료는 더 이상 병원 내부에서만 시작되지 않는다. 팬데믹 이후 이러한 변화는 많은 국가에서 일시적 대응을 넘어, 의료 시스템의 상시적 요소로 자리 잡아 가고 있다. 그러나 의학 교육은 여전히 병원 중심, 대면 진료 중심 구조에 강하게 고정돼 있다. 임상 실습은 병동 회진, 외래 진료실, 시술실에서 이루어지지만, 실제 환자의 첫 접촉은 이미 온라인 증상 체커, 챗봇, 예약 시스템에서 시작되는 경우가 많다. 의대생과 전공의가 경험하는 교육 환경과 실제 의료가 시작되는 지점 사이에는 점점 더 큰 간극이 생기고 있다. 이는 단순한 교육 기회의 문제가 아니라, ‘환자 여정(patient journey)’ 전체를 고려하지 않는 교육 설계의 한계를 드러낸다. 의사가 판단을 내려야 하는 맥락 자체가 달라졌음에도 교육이 이를 전제로 하지 않는 구조적 불일치다.
--- 본문「01_“디지털 헬스와 의료 환경의 변화」중에서

생성형 AI는 사실 검증을 수행하지 않으며, 그럴듯함과 진실을 구분하지 않는다. 한 연구에서 생성형 AI에게 존재하지 않는 의학 논문을 인용하도록 요청하자, AI는 그럴듯한 제목, 저자명, 저널명을 생성했다. 따라서 설명 가능성의 핵심은 모델 내부를 모두 이해하는 것이 아니라 임상 의사가 결과를 언제, 어디까지 신뢰할 수 없는지를 인식하는 데 있다. 이는 기술 문제가 아니라 교육의 문제다. 의학 교육은 의대생들에게 AI 결과에 대한 비판적 검증 역량을 길러줘야 한다. “AI가 이렇게 말했다”는 충분한 근거가 아니며, “왜 이 결과가 타당한가?”를 항상 물어야 한다.
--- 본문「03_“의료 AI의 기본 개념과 원리」중에서

의학 교육의 핵심 과제는 AI 사용법을 가르치는 것이 아니다. 교육은 다음과 같은 질문에 답할 수 있는 의사를 길러내야 한다. 이 AI를 사용해도 되는 임상 조건은 무엇인가? AI 권고를 거부해야 하는 상황은 언제인가? 판단 실패의 책임을 어떻게 인식하고 설명할 것인가? 특히 의대생과 전공의 단계에서 AI 결과를 참고 정보로 해석하고, 따르지 않는 결정을 정당화하는 훈련이 중요하다.
--- 본문「06_“의료 AI의 윤리적 쟁점과 법적 쟁점」중에서

의료 AI 개발에서 가장 흔한 실패 원인은 기술 중심 출발이다. 여러 사례 분석 연구는 임상 문제 정의가 불명확한 상태에서 개발된 모델이 실제 활용에 이르지 못하는 경우가 많다고 지적한다. 임상 문제 정의에는 최소한 다음 세 가지 요소가 포함돼야 한다. 첫째, 의사 결정의 주체가 누구인가. 둘째, 의사 결정이 이루어지는 시점은 언제인가. 셋째, AI 출력이 실제로 유도하는 행동은 무엇인가. 이 요소들이 명확하지 않으면, 데이터 선택과 평가 지표 역시 왜곡된다.