복잡한 업무상질병 역학조사를 교육과 외래용 지식으로 '지식분자화'의 실제 사례, 그리고 AI

-업무상질병 역학조사 기간 단축을 위한 AI 기반 지식체계 구축 사례와 의학교육에의 시사점-

연세동곡의학교육원 교육개발센터는 지난 7월 29일 「복잡한 업무상질병 역학조사를 교육과 외래용 지식으로 '지식분자화'의 실제 사례, 그리고 AI」를 주제로 2026학년도 교육개발센터 특별세미나를 개최하였다. 본 세미나는 종합관 6층 교수회의실과 MS Teams를 통해 온·오프라인으로 동시 진행되었으며, 예방의학교실 윤진하 교수(예방의학교실 주임교수 겸 직업환경의학과장)가 연자로 나서 업무상질병 역학조사에 AI를 접목한 실제 경험을 공유하였다.

산재보험 역학조사는 질병의 업무 관련성에 대한 확정적 인과관계를 요구하는 특성상 의학·공학·법률 지식이 동시에 필요한 고난도 작업으로, 처리에 평균 600일이 소요되어 왔다. 윤진하 교수는 첫 담당 사례였던 석면 노출 폐암 환자가 처리 기간(약 120일) 동안 사망에 이른 경험을 계기로 역학조사 기간 단축을 위한 연구를 시작하게 되었다고 소개하였다.

이어 근로자의 일상 언어를 전문용어로 변환하는 AI와 유사 판정 사례를 학습시키는 사례기반 DB 방식을 통해 처리기간을 600일에서 150일로 단축한 과정을 설명하였다. 다만 다수의 연구자가 동시에 지식을 필요로 하면서 특정 개인에게 병목이 발생하는 한계에 부딪혔고, 지식을 AI로 이관하는 과정에서는 정보량이 많을수록 중간 내용을 놓치는 'Lost in Middle' 현상을 겪었다고 밝혔다. 그 해결책으로 지식을 최소 논리 단위인 'Atom'과 'Molecule'로 세분화하고 이를 조합한 'Module' 개념을 도입하여, AI가 사실에 근거한 정확한 문장을 구성하도록 하였다고 설명하였다. 그 결과 역학조사 처리기간은 120일까지 단축되었으며, 판정 정확도(PPV)도 65%에서 90.9%로 향상되었다고 밝혔다.

발표 후 이어진 질의응답에서는 몰레큘 단위 지식체계를 의학교육에 접목할 수 있는 방안에 대한 논의가 이루어졌다. 윤 교수는 자신의 지도 방식이 지식 전달 중심에서 다양한 임상 시나리오에 대한 논리적 대응을 훈련시키는 방식으로 변화하였다고 소개하며, 교수자의 강의자료를 몰레큘 단위로 구조화하면 AI를 활용한 학생 트레이닝 및 시험 문항 개발에도 활용될 수 있다는 견해를 밝혔다. 이 과정에서 교수자별 AI 페르소나 구획의 필요성, 인간 개입(Human-in-the-loop) 체계 유지, 지식 데이터 구축에 필요한 인프라 규모 등에 대한 실무적 논의도 함께 이루어졌다.

본 세미나는 지식분자화 개념과 그 교육적 활용 가능성을 살펴보는 계기가 되었으며, 향후 임상추론 교육 및 강의자료 구조화 등 교육과정 전반에 걸친 적용으로 이어질 것으로 기대된다.

◆ 현장 사진