AI로 임상 기술 평가 혁신 - Treatment.com AI의 'Medical Education Suite' 최신 버전, 미네소타 대학교에서 본격 가동

목차

1. 서문

2. MES 개발의 배경――AI와 의학 교육의 교차점

3. AI 시뮬레이션 환자란 무엇인가

4. 미네소타 대학에서의 도입 사례

5. 플랫폼의 기술적 특징

6. 교육·운영 비용 절감의 영향

7. OSCE 평가의 객관성 향상과 학습 효과

8. 국제 전개와 일본에 대한 시사점

9. 과제와 향후 전망

10. 요약

---

1. 서문

의대생의 임상 기술을 정량적으로 측정하는 OSCE는 기존에 "표준화 환자(SP)"나 교사의 인적 자원에 크게 의존해 왔다. 그 결과, 평가의 변동성·준비 부담·비용 상승이 만성적인 과제가 되었다. MES는 AI 기술을 활용하여 임상 시나리오의 생성·대화·채점을 자동화함으로써 이러한 과제를 근본적으로 재검토하는 시도이다.

2. MES 개발의 배경――AI와 의학 교육의 교차점

코로나 이후, 원격 교육이나 e-러닝 수요가 증가하는 가운데, LLM(대규모 언어 모델)을 사용한 시뮬레이션 연구가 급증했다. 예를 들어 스탠포드 대학 등이 시험 운영하는 "MedSimAI"나 "Synthetic Patients"도 AI 환자에 의한 대화형 트레이닝의 유효성을 보고하고 있다. 

Treatment.com AI는 이러한 흐름을 바탕으로, 10,000건 이상의 임상 리뷰가 포함된 GLM을 핵심으로 하여 교육 기관이 즉시 사용할 수 있는 SaaS형 스위트로 완성했다.

3. AI 시뮬레이션 환자란 무엇인가

AI 환자는 증례 데이터와 자연어 생성 모델을 결합하여 병력 청취·신체 검사·검사 결과 제시·감정 표현까지를 실시간으로 재현한다. MES에서는

• 진단 추론: 학생의 질문 내용에 따라 증상을 변화시킴

• 실시간 스코어링: 학습 목표별 평가 지표에 자동 매핑

• 즉시 피드백: 해설과 재학습 리소스를 개별 제공

  와 같은 기능이 포함되어 있다.

4. 미네소타 대학교에서의 도입 사례

미네소타 대학교 의과대학에서는 3학년 240명을 대상으로 11개 스테이션으로 구성된 고위험 OSCE를 실시했습니다. 기술적 장애는 보고되지 않았으며, 기존 대비 약 40%의 행정 비용 절감을 달성했습니다. Assistant Dean인 Claudio Violato 교수는 "AI가 학생 평가의 신뢰성과 일관성을 극적으로 높였다"고 언급했습니다.

5. 플랫폼의 기술적 특징

기능	개요	교육적 이점
GLM 기반 AI 환자	700종 이상의 사례 템플릿과 즉시 커스터마이즈	실제 임상에 가까운 다양성 확보
실시간 채점	LCME 기준과 Bloom 분류에 연동	평가의 객관성 및 즉시성
클라우드 배포	캠퍼스/원격 모두 지원	장소에 구애받지 않는 시험 환경
분석 대시보드	개인 및 코호트 분석, 약점 진단	데이터 기반 커리큘럼 개선

6. 교육 및 운영 비용 절감의 영향

• 준비 시간: SP 준비, 대본 작성, 채점표 작성 등의 인적 비용을 대폭 절감

• 교원 부담: 채점과 피드백을 자동화하여 지도 시간을 질적 지도에 재배분

• 재무 효과: 대학 측 추산으로 40%의 행정비 절감 (연간 수십만 달러 규모)

7. OSCE 평가의 객관성 향상과 학습 효과

AI 환자는 모든 수험자에게 동일한 조건을 제공할 수 있어 평가 편향이 감소합니다. 또한 자연어 처리를 사용한구어 기록을 통해 커뮤니케이션 기술 및 공감적 태도의 정량화도 가능해졌습니다. GLM 탑재의 임상 추론 엔진은 오답 패턴을 분석하여 개별 리메디에이션으로 이어지는 가이던스를 자동 생성합니다.

8. 국제 전개와 일본에 대한 시사점

Treatment.com AI는 북미 및 영국의 의과대학과 협의를 진행하고 있으며, 장래에는 아시아 시장도 시야에 두고 있다. 일본에서는 2028년도부터 OSCE의 온라인화 실증이 예정되어 있으며, MES의 사례는 참고 모델이 될 가능성이 높다. 의사 편재나 지도 의사 부족에 고민하는 지역 의료 교육에서, AI 환자에 의한 원격 평가는 유력한 해결책이 될 수 있다.

9. 과제와 향후 전망

• 바이어스 관리: AI 모델이 학습한 임상 데이터의 지역 차이 및 인종 차이에 대한 배려

• 수험자 인증: 원격 수험 시 본인 확인 기술

• 윤리적 검증: AI 채점 알고리즘의 투명성과 설명 책임

• 국내 법규제: 개인정보 보호 및 의료기기 해당성 심사

이러한 과제 해결을 위해, 회사는 제삼자 기관과의 공동 연구 및 심사 논문 발표를 진행할 예정이다.

10. 요약

Medical Education Suite는 임상 기술 평가를 AI로 지원함으로써 "인적 자원의 제약", "평가의 변동성", "비용 증가"라는 오랜 과제를 동시에 해결하는 플랫폼이다. 미네소타 대학의 도입 결과는 AI 환자가 SP를 보완하면서 교육 효과와 운영 효율을 높이는 현실적인 솔루션임을 보여주었다. 일본의 의학 교육에서도 CBT·OSCE 개혁이 진행되는 가운데, MES의 지견은 교육 DX의 나침반이 될 것이다.

---

참고 기사

• Treatment.com AI 발표 기사 (Aktiencheck.de)

• GlobeNewswire 보도자료

  Hicke Y. et al. “MedSimAI: Simulation and Formative Feedback Generation to Enhance Deliberate Practice in Medical Education.” arXiv:2503.05793 (2025).

• Chu S. N. & Goodell A. J. “Synthetic Patients: Simulating Difficult Conversations with Multimodal Generative AI for Medical Education.” arXiv:2405.19941 (2024).