임상 환경에서의 AI: 간호사의 회의론 이해 및 미래 방향 찾기

광범위한 번아웃과 노동력 부족으로 인해 끊임없이 변화하는 의료 분야는 항상 인력 활성화를 지원하는 '다음 큰 것'을 찾고 있으며, AI는 현재 가장 유력한 경쟁자이다. AI 도입은 임상 환경에서 점점 더 보편화되고 있으며, 업계 임원들은 4년 연속으로 가장 흥미롭고 가장 개선된 기술이라고 보고하면서 계속될 것이다.

그러나 부인할 수 없이 유망한 이점이 있지만, 임상의 경험을 개선하도록 특별히 설계된 AI 플랫폼은 회의론을 불러일으켰으며, 많은 임상의는 여전히 간호사를 포함하여 그 사용에 대해 경계하고 있다. 2024년 4월, Kaiser Permanente에 고용된 샌프란시스코의 간호사들은 의료 시스템이 "테스트되지 않은" AI 도구를 사용하는 것에 항의했으며, 주요 문제 중 하나는 AI 기반 인력 활성화 솔루션으로 인해 간호 직업이 무시당하는 것이었다. 이러한 증가하는 과제를 완화하기 위해 Kaiser의 간호 리더들은 근로자와 노조가 AI 개발 프로세스에 참여하고 개별적으로 AI가 어떻게 사용되는지 독립적으로 결정하기를 요청했다.

이 직업 내에서는 환자의 안전과 웰빙이 항상 주요 관심사이기 때문에 익숙하지 않은 기술에 대한 근본적인 불신과 주저가 여전히 있다. 간호사는 환자뿐만 아니라 자신에게도 잠재적인 이점을 이해하여 AI에 대한 진정한 편안함을 개발하는 데 필요한 시간, 공간 및 리소스를 받을 자격이 있다. AI 솔루션이 성공적으로 사용되면 간호 직업을 대체하는 것이 아니라 보완할 수 있기 때문이다.

간호사 역할의 비할 데 없는 가치

업계 전체에서 간호사 대신 AI가 사용될 것이라는 두려움이 가장 두드러진 우려의 원인이다. 자동화된 솔루션으로 인해 인력 부족이 만연한 가운데 특히 시급한 우려인 인력 수와 직무 역할이 바뀔 수 있으며, 이는 직장 안정성을 걱정하는 간호사의 저항으로 이어질 수 있다는 생각이다.

Kaiser의 간호사는 각 교대 근무 중 환자 치료를 자세히 설명한 다음 새로운 데이터를 활용하여 다음 교대 근무 간호사가 환자에게 필요로 하는 치료 수준을 지시하는 전자 건강 기록(EHR) 시스템의 AI 지원 도구에 대해 반복적으로 어려움을 겪었다. 과거에는 간호사가 환자 치료를 수립하는 데 더 많은 통제력을 가졌다. 이제 간호사들은 새로운 시스템이 약속 전에 특정 치료를 준비하거나 환자와 가족에게 치료 계획에 대해 교육하는 것과 같은 중요한 책임을 고려할 수 있는 능력이 없기 때문에 환자 치료를 제공하기에 충분한 인력을 배치하지 못한다고 보고한다. 이러한 사소해 보이는 작업은 지연되거나 단편화된 치료, 재입원 증가 또는 약물 복용 준수와 관련된 문제를 포함하여 재앙적인 결과를 초래할 수 있다.

또 다른 유사한 고려 사항은 치료 과정에서의 인간 상호 작용의 신뢰성이다. 인간의 접촉은 간호의 핵심인 환자 치료의 가장 중요한 측면 중 하나이다. AI는 데이터 분석을 가속화하고 행정적 부담을 최소화하는 데 도움이 될 수 있지만 이러한 솔루션은 공감적이고 연민 어린 간호사 소통을 재현할 수 없다. 감정적 지원과 이해로 치료를 제공하는 것은 대체할 수 없으며, 특히 간호사와 환자 간의 신뢰와 관계가 치료 결과를 현저히 개선하기 때문이다.

정확성 및 개인정보 보호 우려 사항 평가

의료 서비스 제공에는 흔들리지 않는 정밀성과 정확성이 요구된다. 따라서 AI가 환자를 잘못 진단하거나 잘못된 치료를 하여 결과에 부정적인 영향을 미칠 수 있다는 개념은 매우 불안할 수 있다. 일반적으로 예측 가능하고 수정하기 쉬운 인간의 실수와 달리 AI에서 생성된 오류는 더 무작위적이어서 예측하고 신속하게 수정하기 어렵고 환자에게 해를 끼칠 가능성이 있다. 이러한 오차 한계는 의료 분야에서 너무 위험하여 불확실성을 더욱 증폭시킨다.

의료 AI 사용은 또한 윤리와 개인정보 보호와 관련된 우려를 불러일으켰다. 의료 데이터 침해가 빠르게 증가함에 따라 환자 데이터는 기밀로 유지되어야 하며 AI를 통합하려면 최대한의 데이터 보호를 보장하기 위한 엄격한 조치가 포함되어야 한다. 간호사는 환자의 기밀을 유지하는 데 개인적으로 책임이 있다고 생각하며 기술적 취약성으로 인한 실수는 전혀 용납할 수 없다.

AI의 부인할 수 없는 이점 인식

AI의 진정한 기회는 임상 전문가가 훈련받은 업무와 진정으로 좋아하는 업무를 수행하는 데 복귀할 수 있도록 하는 것이다. AI는 임상의를 억제하는 일상적이고 일상적인 업무를 해결하여 직접적인 환자 치료를 중심으로 대역폭을 늘릴 수 있다. 이 개념은 그들이 처음에 직업을 추구한 이유에 대한 추론에 근본적이다.

간호사가 AI의 유용성을 완전히 흡수하고 AI를 실행 가능한 전문적 자산으로 받아들이려면 포괄적이고 개인화된 교육이 필요하다. 예를 들어 가상현실(VR)은 원래 비디오 게임 경험을 향상시키기 위해 만들어졌지만 이 기술은 많은 추가 초점 영역으로 확장되었다. VR의 가치가 더 두드러지게 되자 다양한 직업에 걸쳐 호기심 많은 사람들이 점차 보완적 응용 프로그램을 결정하기 위해 실험을 시작했다. 인간 중심적 치료 제공에 초점을 맞춘 기술을 구현하여 임상 결과를 개선하려는 노력의 일환으로 AI가 의료 분야에 도입되는 데도 동일한 감정이 적용되어야 한다.

의료 분야에서 VR 교육은 디지털 헤드셋을 사용하여 시뮬레이션된 실행 가능한 시나리오의 매력적이고 몰입적인 3D 관점을 생성하여 임상의가 환경을 관찰하고, 듣고, 느낄 수 있는 기회를 제공한다. 강사 수업을 통해 지식을 전달하는 대신 VR은 온라인 학습, 비디오 및 멀티미디어 기반 학습, 시뮬레이션 기반 학습의 전략적 구성 요소를 병합하여 임상의의 준비 상태를 최적화하여 임상 전문가가 환자에게 해를 끼칠 위험 없이 실수로부터 배울 수 있도록 한다. VR 교육은 학습자의 수술 성과를 230% 향상시키고 기존 교육 방식보다 20% 더 빠르고 정확하게 절차를 완료하는 데 필요한 기술을 갖추는 것으로 입증되었다.

앞으로 나아갈 길

이러한 합리적인 주저함을 감안할 때 의료 및 간호 분야의 AI 기반 실무는 조직의 간호사에 대해 신중하고 세심한 접근 방식을 취해야 한다. 주로 간호사는 AI가 간호사가 제공하는 중요한 판단과 자애로운 치료를 대체하는 것이 아니라 지원하는 도구 역할을 해야 할 만큼 충분히 교육받아야 한다. 또한 대부분의 AI 개발자는 임상 전문 지식이 없기 때문에 의료 기관은 간호사와 협력하여 사용자 접근성을 높이고 AI에 대한 간호사의 감정에 지속적이고 긍정적인 영향을 미쳐야 한다.

의료 분야에서 AI 기반 모델을 활용하는 이점에도 불구하고 간호사는 이러한 기술을 도입해야 한다고 느껴서는 안 된다. 그럼에도 불구하고 병원이 임상 워크플로에 AI를 도입하는 데 관심이 있다면 리더는 원활한 통합을 용이하게 하기 위해 광범위한 교육을 제공하고 간호사의 우려 사항을 철저히 경청하여 적절하게 경청된다고 느낄 수 있도록 해야 한다. 기술적 발전과 간호의 비교할 수 없는 인간적 요소의 균형을 맞추면 임상적 결과를 최적화하고 신뢰를 구축하는 데 도움이 된다.