ISSN : 2093-5986(Print)
ISSN : 2288-0666(Online)
The Korean Society of Health Service Management
Vol.15 No.4 pp.57-70
https://doi.org/10.12811/kshsm.2021.15.4.057

인공지능진료시스템 수용에 관한 연구 : 의료기관 종사자와 일반인의 기대 차이를 중심으로

예 춘정1, 장 영혜2
1계명문화대학교 보건행정과
2계명문화대학교 산학협력단

Study on the Acceptance of Artificial Intelligence Diagnosis Systems: Expectation Gaps Between the General Public and Staff of Medical
Institutions

Chun-Jung Yea1, Young-Hye Jang2
1Department of Health Administration, Keimyung College Universality
2Office of Industry-University Cooperation, Keimyung College Universality

Abstract

Objectives:

This study investigates the expectation gap between the general public and staff of medical institutions based on the introduction of the artificial intelligence diagnosis systems at medical institutions.


Methods:

To this end, the study analyzes 334 data sets collected nationwide through online investigations.


Results:

The results of the analysis reveal that, in all areas, except for the cost-concern area, the general public has higher expectations regarding artificial intelligence diagnosis systems than staff working at medical institutions. Despite the cost concerns, the general public perceive the positive aspects of the artificial intelligence diagnosis systems. The results confirm the presence of gaps between the staff and general public in terms of perception and emotion.


Conclusions:

These findings can help in the design of an efficient system for managing customer responses and staff’s decision-making regarding the introduction of new technology and can extend the technology acceptance theory at medical institutions.



    Ⅰ. 서론

    실리콘 벨리의 선각자 비노드 코슬라(Vinod Khosla)가 몇 년 전 “미래에 80%의 의사가 컴퓨터 로 대체될 것이다”라고 주장을 해서 논란을 일으 킨 바 있다. 당시에는 매우 충격을 주었던 이 주장 은 인공지능이 일상생활 깊숙이 자리하고 있는 현 재는 결코 낯설게 느껴지지 않는다. 과거 증기 기 관의 발명으로 인간은 기계 시대를 맞이하게 되었 는데, 기계가 인간의 한계를 넘어서며 현대 산업 문명을 이룩했으나, 신체 주도적 노동자들은 일자 리를 잃게 되었다. 기계가 인간의 역할을 최초로 대신하던 상황이 노출되면서 인간이 기계에 종속 당할 것인지, 아니면 지배할 수 있을지는 오늘날까 지도 지속적으로 논의되고 있다[1][2].

    바둑기사 이세돌과 구글 딥마인드의 인공지능 알파고 간의 세기의 바둑 대결에서 보았듯이, 인공 지능은 인간의 두뇌를 넘어선 제2의 기계 시대를 맞이하게 되어 신체 근로자가 아닌 지식근로자들 의 일자리를 위협하고 있다[3]. 대표적인 지식근로 자가 바로 의사인데, 인공지능의 대표적인 활용 분 야가 바로 의료이다. 이미 영상 의료데이터 분석, 암 환자의 진단 등 다양한 분야에 인공지능기술이 활용되고 있으며 그 활용범위는 더욱 증가하고 있 다[9].

    의료분야의 대표적인 인공지능 소프트웨어인 IBM의 왓슨 포 온콜로지(Watson for Oncology)는 암 진단 및 치료를 돕기 위해 개발되어 환자의 정 보를 입력하면 빅데이터 기술을 바탕으로 환자에 게 가장 적합하고 가장 성공률이 높은 치료법을 제안한다[1]. 국내에서는 2016년 가천대학교 길병 원이 최초로 왓슨 포 온콜로지를 도입한 이후, 부 산대학교 병원, 동산의료원 등 점차 확산되었다. 그러나 인공지능진료시스템을 초기에 도입한 일부 병원들이 진단의 정확성을 이유로 IBM과 재계약 을 하지 않는 등 혁신제품을 초기 도입하였을 경 우 적응 문제가 발생하고 있다.

    그러나 인공지능 기술의 보급이 일상생활에 널 리 보급되고 있고 점차 개인화, 맞춤화되는 인공지 능 기술은 편의성이 높아지면서 의료분야에서도 의존성이 더욱 확대될 전망이다. 인공지능 기술을 의료분야에 도입과 관련된 연구로는 초기 왓슨 기 술 자체에 대한 신뢰성에 대한 연구가 대부분이었 다[4]. 최근에는 왓슨 포 온콜로지에 대한 정확성 평가에 관한 연구와 왓슨 도입 병원으로 전환하는 데 있어 영향요인을 분석하는 연구에 집중되었다 [3][4].

    이처럼 인공지능 기술이 대중화되고 있는 시점 에서 의료기관 종사자들과 일반인들 간의 인공지 능진료시스템에 대한 기대 차이를 확인하는 것은, 의료기관들의 새로운 기술의 도입에 대한 의사결 정 과정에 시사점을 제공할 뿐만 아니라 일반서비 스가 아닌 전문서비스 분야의 인공지능 기술의 도 입과 수용과정에 관한 기술수용모델 이론의 확장 에도 시사점을 제공할 수 있을 것이다[5]. 구체적 인 연구의 내용은 다음과 같다. 첫째, 인공지능진 료시스템의 도입에 따른 의료서비스 분야의 기대 요인을 기술수용모델 이론을 기반으로 지각된 유 용성의 영향요인으로 제안한다. 둘째, 의료기관 종 사자와 일반인들 간의 인공지능진료시스템에 의한 의료서비스에 대한 기대 차이를 분석한다. 셋째, 인공지능진료시스템의 수용과정을 확인하고, 수용 과정에서 상대적으로 중요한 요인을 확인하고 일 반인과 의료기관 종사자들에 따라 수용과정의 차 이를 확인한다. 마지막으로, 연구 결과를 바탕으로, 인공지능진료시스템의 수용과 관련하여 이론적・ 관리적 시사점을 제안한다.

    Ⅱ. 연구방법

    1. 연구대상 및 자료수집

    본 연구는 의료기관 종사자와 일반인들 인공 지능진료시스템의 수용과정에서 기대 차이를 확인 하기 위한 것이다. 연구대상은 20대 이상의 의료기 관 종사자와 일반인들을 대상으로 하였다. 자료는 웹 페이지형 질문지를 의료기관 종사자의 관점과 일반인 관점 등 두 가지 유형으로 설계하였으며, 조사기간은 2021년 9월 10일부터 9월 20일까지 약 10일 동안 온라인 조사를 통해 수집하였다. 연구대 상은 인간을 대상으로 하였으나, 직접 대면을 통한 자료의 수집이 아니라 비대면 웹 설문을 통해 수 집하였다.

    2. 변수

    본 연구는 인공지능진료시스템의 수용과정에 관 한 것으로, Davis(1989)의 기술수용모델 (Technology Acceptance Model)과 의료서비스품질 요인을 바탕으로 신뢰성, 신속성, 비용염려, 지각된 유용성, 태도, 방문(근무)의도 등의 변수를 제안하 였다[19]. 이들 변수는 인공지능진료시스템의 도입 에 따른 의료서비스에 대한 핵심요인 신뢰성을 우 선적으로 제안하였고, 도입비용과 운영의 효율성을 바탕으로 신속성과 비용염려 등을 독립변수로 제 안하였다. 또한 이들 핵심적 요인들이 인공지능진 료시스템에 대한 지각된 유용성과 태도 그리고 방 문(근무)의도 등을 결과 요인으로 제안하였다. 즉 일반인과 의료기관 종사자들의 관점에서 인공지능 진료시스템을 도입한 병원에 대한 혜택요인, 인지 그리고 행동의 관점에서 접근하여 제안하였다. 특 히 의료기관 종사자와 일반인 간의 인공지능진료 시스템에 대한 기대 차이를 확인하기 위해[8], 동 일한 변수를 연구대상에 따라 적절한 표현을 사용 하여 질문지를 설계하여 자료를 수집하였다. 예컨 대, 신뢰성 변수의 경우, 환자의 관점에서는 “나는 인공지능기술을 접목한 의료서비스를 믿을 수 있 다.”, “나는 인공지능기술을 접목한 의사의 진단을 신뢰한다.” 등으로 질문하고, 동일한 문항에서 의 료기관 종사자의 관점에서는 “환자들은 인공지능 기술을 접목한 의료서비스를 믿을 것이다.”, “환자 들은 인공지능기술을 접목한 의사의 진단을 신뢰 할 것이다.” 등으로 표현하여 조사대상의 유형에 적합하게 수정하였다[5][6][7].

    1) 종속변수

    인공지능진료시스템의 수용 결과에 관련된 행동 적 변수로, 본 연구에서는 의료기관 종사자와 일반 인 간의 기대 차이를 확인하기 위한 것으로, 종속 변수는 의료기관 종사자의 관점에서는 인공지능진 료시스템을 도입한 의료기관에서의 근무의도를 제 안하였고, 일반인의 경우에는 인공지능진료시스템 을 도입한 병원에 방문의도를 선정하였다. 의료기 관 종사자와 일반인 관점 모두 3개의 측정 문항으 로 구성하였다[16][17].

    2) 독립변수

    본 연구에서 제안한 독립변수는 의료서비스품질 에 관한 연구를 바탕으로, 인공지능진료시스템을 도입하였을 경우 의료서비스에 대한 기대요인을 중심으로 제안하였다[10][18][21]. 즉 인공지능진료 시스템을 도입할 경우, 병원의 의료서비스에 대한 신뢰성, 신속성 그리고 비용염려 등을 제안하였다. 우선, 신뢰성은 인공지능기술을 접목한 의사의 진 료에 대한 신뢰감에 대한 기대요인으로, ‘의료서비 스에 대한 믿음’, ‘의사의 진단에 대한 신뢰’, ‘의사 의 처방과 지시사항을 따를 것인지’에 대한 내용으 로 측정 문항을 구성하였다. 두 번째, 신속성은 인 공지능기술을 도입한 경우, 의료서비스를 이용하는 과정에서 신속하게 문제를 해결하고 빠르고 정확 하게 행동할 수 있는 정도에 관한 것이다. 측정 문 항은 ‘이용 절차의 간단함’, ‘의료서비스의 이용과 정에서의 시간 절약’, ‘대기시간의 감소’ 그리고 ‘최 소한의 노력으로 의료서비스를 이용할 수 있을 것 인지’에 대한 기대감 등 총 4개의 문항으로 측정하 였다. 세 번째는 비용염려에 대한 것으로, 의료기 관 종사자의 관점에서는 인공지능진료시스템을 도 입하는 데 소요되는 비용적인 부담에 대한 것으로 설계하였으며, 일반인의 경우에는 진료비 부담을 중심으로 설계하였다. 의료기관 종사자의 관점에서 는 ‘인공지능진료시스템을 이용하는 데 비용이 많 이 듬’, ‘이용금액이 부담스러움’, ‘고비용의 이용금 액’ 등으로 구성하였고, 일반인의 경우에는 ‘병원차 원에서 인공지능진료시스템을 도입하는 비용이 많 이 들 것 같음’, ‘도입 비용이 부담스러울 것 같음’ 그리고 ‘환자가 지불하는 금액이 비싸질 것 같음’ 등 3개의 측정 문항으로 구성하였다[13][14].

    3) 매개변수

    분 연구는 인공지능진료시스템이란 신기술의 도 입에 대한 것으로, 기술수용모델 이론을 적용하여 연구를 설계하였다. 기술수용모델에서는 지각된 유 용성과 지각된 효과성의 영향요인과 결과요인을 중심으로 설계하였으나, 본 연구에서는 인공지능진 료시스템이란 신기술의 도입에 대한 기대요인을 중심으로 설계하였기 때문에 지각된 효과성을 제 외하고 지각된 유용성을 매개변수로 제안하였다. 즉 지각된 효과성의 경우에는 연구 대상자가 신기 술을 직접 경험한 후 인지할 수 있다. 따라서 지각 된 유용성은 의료기관 종사자와 일반인의에 따라 표현 방법을 다르게 적용하여 측정 문항을 설계하 였다. 우선, 의료기관 종사자의 관점에서는 ‘의료서 비스의 효율성이 높아질 것임’, ‘서비스 과정에서 오류를 더욱 줄일 수 있을 것임’, ‘가격대비 더욱 나은 서비스를 제공할 수 있을 것임’, ‘더욱 정확한 의료서비스를 제공할 수 있을 것임’, ‘고객에 대한 사후관리에 유용할 것임’ 등 5개 측정 문항을 구성 하였다. 그리고 일반인의 경우에는 동일한 문항이 지만 일반인의 관점에서 표현 방법을 다르게 하여 설계하였다[14][15].

    한편, 본 연구에서는 인공지능진료시스템에 대 한 감정적 변수로 태도를 제안하여 신뢰성, 신속성 그리고 비용염려에 미치는 영향과 방문의도 또는 근무의도와의 관계를 확인하였다. 즉 태도는 의료 기관 종사자와 일반인의 인공지능진료시스템에 대 해 느끼는 긍정적 감정에 대한 것으로, ‘인공지능 진료시스템 자체를 긍정적으로 생각함’, ‘흥미롭게 생각함’, 그리고 ‘의료기관들이 인공지능진료시스템 의 도입을 지지함’, ‘좋게 봄’ 등 4개의 측정문항으 로 구성하였다.

    3. 분석방법

    연구의 방법은 Amos 22.0과 SPSS 21.0 통계프 로그램을 사용하였다. 우선, 기술통계 분석 방법을 통해 응답자들의 특성을 확인하여 표본의 대표성 을 확인하였다. 본 연구에서 제안한 변수의 타당도 와 신뢰도는 Cronbach’s α값 분석, 탐색적 요인분 석(EFA)과 확인적 요인분석(CFA) 등을 통해 분석 하였다. 그리고 본 연구에서 제안한 핵심 내용인 인공지능진료시스템의 수용과정을 분석하기 위해 서는 다양한 분석 방법을 활용하였다. 우선 의료기 관 종사자와 일반인 간의 기대 차이를 확인하기 위해서는 T-test분석을 수행하였고, 인공지능진료시 스템 도입에 따른 의료서비스에 대한 기대요인과 지각된 유용성 및 태도와 방문의도 간의 구조적 관계는 공변량구조분석(SEM)을 통해 분석하였다. 또한 이들 구조적 관계에 대한 의료기관 종사자와 일반인 간의 차이는 카이스퀘어 차이분석(Δχ2)을 통해 검증하였다.

    Ⅲ. 연구결과

    1. 응답자의 일반적 특성

    본 연구의 분석대상자는 20세 이상의 의료기관 종사자와 일반인을 대상으로 온라인을 통해 자료 가 수집되었다. 수집된 423부의 응답 가운데 불성 실한 응답을 제외하고 최종 334부를 분석에 사용 하였다. 우선, 의료기관 종사자의 일반적 특성을 요약하면 다음과 같다. 전체 응답자 145명 가운데 여성이 55.9%(n=81)로 남성 44.1%(n=64)보다 약간 높게 나타났으며, 연령은 40대가 35.9%(n=52)로 가 장 많은 비중을 차지하는 것으로 확인되었으며, 그 다음은 30대(n=30), 50대(n=28), 20대(n=25) 순으로 나타났다. 의료기관 종사자들의 근무 기관은 병원 및 종합병원의 경우가 77명으로 전체의 53.1%로 가장 많았으며, 그 다음은 상급종합병원은 50명 (34.5%)인 것으로 나타났다. 또한 이들은 병원행정 업무를 담당하고 있는 경우가 58.6%(n=85)으로 가 장 많았으며, 그 외 의사(n=29)와 간호사(n=23) 등 인 것으로 나타났다. 이들은 의료기관 종사자들인 의사, 간호사 그리고 병원행정 직원등 인적 자원들 을 대표할 수 있고, 이들이 근무하는 병원의 규모 도 다양하므로 의료기관 종사자들을 대표할 수 있 을 것이다.

    한편, 일반인 응답자는 전체 189명 가운데, 여성 이 53.4%(n=101)으로 남성(n=46.6%)보다 많았으며, 연령은 50대가 37.0%(n=70), 40대와 60대가 각각 22.2%(n=42)로 동일한 것으로 나타났다. 또한 30대 는 14.8%(n=28)로 나타났으며, 그 외 20대와 70대 이상은 3.7%로 전체적 비중이 다소 낮은 것으로 나타났다. 응답자들의 학력은 대학교 졸업과 대학 원 졸업 이상이 72.5%로 나타났으며, 이들의 직업 은 회사원, 자영업, 전문직 등 비교적 다양한 직업 군이 응답하였다. 즉 응답자의 성별은 비교적 고르 게 분포되어 있고, 병원을 이용하는 주요 연령대가 주로 중장년층이 많다는 특성을 고려할 때 병원 이용자들인 일반인들을 대표할 수 있다.

    2. 변수의 신뢰도와 타당도

    본 연구에서 제안한 변수들은 3단계의 과정을 거쳐 측정문항의 신뢰도와 타당도를 확인하였다. 첫째, 변수의 신뢰도 분석을 위해 Cronbach’s α값 을 확인한 결과, .895에서 .970사이로 나타났으며, 변수의 구성개념타당도는 탐색적 요인분석 결과를 통해 확인하였다. 분석결과, 고유치 1이상, 누적분 산비율 86.05%로 나타났으며, 요인부하량 값은 .540이상으로 측정문항들 간의 중복으로 구분된 측 정문항은 발견되지 않아 변수의 구성개념타당도가 입증되었다. 두 번째는 변수의 신뢰도 분석과 탐색 적 요인분석 결과를 바탕으로, 확인적 요인분석을 통해 변수들의 집중타당도를 확인하였다. 분석결 과, <Table 2>에서 보는 바와 같이 모델의 적합도 (χ²(df)=640.786(231), p=.000, χ²/df=2.994, RMR=.087, GFI=.855, AGFI=.814, NFI=.932, IFI=.953, CFI=.953, RMSEA=.077)는 가설검증을 위 한 허용범위에 포함되었으며, 본 연구에서 제안한 변수들의 측정문항에 대한 표준화된 추정치는 .787 에서 .980사이로 확인되었고, 모든 추정치는 통계 적으로 유의미한 것으로 나타나 변수들의 집중타 당도가 확인되었다. 셋째, 확인적 요인분석 결과를 바탕으로 AVE 값과 복합신뢰도를 분석하였다. 분 석결과, 복합신뢰도는 .899에서 .965사이로 확인되 었고, AVE값은 .706에서 .876사이로 나타났다. 이 를 바탕으로 변수들 간의 상관관계 계수와 비교하 여 판별타당도를 확인하였는데, 분석 결과 <Table 3>과 같이 모든 변수들의 상관계수는 A V E 값 보다 낮게 나타나 변수들 간의 판별타당도가 입증 되었다.

    <Table 1>

    Results of exploratory factor analysis and reliability analysis of variables

    KSHSM-15-4-57_T1.gif
    <Table 2>

    Results of confirmatory factor analysis of variables

    KSHSM-15-4-57_T2.gif
    <Table 3>

    Discriminant validity analysis results through correlation analysis

    KSHSM-15-4-57_T3.gif

    3. 인공지능진료시스템에 대한 의료기관 종사자 와 일반인 간의 기대 차이

    본 연구는 인공지능진료시스템에 대한 기대요인 을 신뢰성, 신속성, 비용염려, 지각된 유용성, 태도 그리고 방문(근무)의도 등을 제안하였다. 이들 기 대요인에 대한 의료기관 종사자와 일반인의 기대 차이는 t-test를 통해 분석하였다. 분석결과, <Table 4>에서 보는 바와 같이 모든 기대요인에서 일반인 과 의료기관 종사자 간의 통계적으로 유의미한 차 이가 확인되었다. 즉 비용염려를 제외하고, 신뢰성, 신속성, 지각된 유용성, 태도, 방문(근무)의도 등 다섯 개 요인이 의료기관 종사자보다는 일반인들 의 평가가 높은 것으로 나타났다. 그러나 인공지능 진료시스템 도입에 대한 비용염려는 일반인보다 의료기관 종사자들이 더욱 높게 평가하는 것으로 나타났다.

    <Table 4>

    T-test analysis result

    KSHSM-15-4-57_T4.gif

    4. 인공지능진료시스템의 수용과정

    본 연구에서는 인공지능진료시스템을 도입할 경 우, 신뢰성, 신속성 그리고 비용염려 등의 요인을 제안하여 지각된 유용성과 태도 그리고 방문(근무) 의도 간의 구조적 관계를 확인하기 위해 공변량구 조분석을 수행하였다. 즉 인공지능진료시스템의 도 입에 대한 서비스 기대요인에 대해 의료기관 종사 자와 일반인 데이터를 통합하여 통합모델을 통해 제안한 구조모델의 적합도를 분석하였다. 분석결 과, 모든 적합도 지수가(χ²(df)=645.289(217), p=.000, χ²/df=2.974, RMR=.089, GFI=.855, AGFI=.815, NFI=.931, IFI=.953, CFI=.953, RMSEA=.077) 적정기준 이상으로 확인되어 제안한 모델에 대한 설명력은 확보되었다.

    우선, 신뢰성, 신속성 그리고 비용염려 등 서비 스 기대요인과 인공지능진료시스템에 대한 인지적 요인인 지각된 유용성과의 관계에 관한 것이다. 분 석 결과, 인공지능진료시스템에 대한 신뢰성(추정 치: .442, C.R.값: 9.615, p<.05)과 신속성(추정치: .497, C.R.값: 10.185, p<.05)은 지각된 유용성을 증 가시킬 수 있는 요인인 것으로 확인되었다. 그러나 비용염려(추정치: .042, C.R.값: 1.176, p>.05)는 지 각된 유용성을 감소시키지는 않는 것으로 나타났 다. 그리고 신뢰성, 신속성 그리고 비용염려 등 서 비스 기대요인과 인공지능진료시스템에 대한 감정 적 요인인 태도와의 관계에 관한 것이다. 분석 결 과, 인공지능진료시스템에 대한 신뢰성(추정치: .270, C.R.값: 5.664, p<.05)은 긍정적 태도형성에 영향을 미치는 것으로 확인되었으나, 신속성(추정 치: .075, C.R.값: 1.440, p>.05)과 비용염려(추정치: -.016, C.R.값: -.508, p>.05)는 통계적으로 유의미한 영향을 미치지 않는 것으로 나타났다.

    한편, 인공지능진료시스템에 대한 지각된 유용 성과 태도 및 방문(근무)의도 간의 관계는 모든 관 계가 통계적으로 유의미하게 나타났다. 즉 인공지 능진료시스템에 대한 지각된 유용성은 긍정적 태 도를 형성을 할뿐만 아니라 방문(근무)의도를 증가 시키는 것으로 확인되었다. 이러한 통계분석 결과 를 바탕으로, 인공지능진료시스템의 수용은 새로운 기술에 의한 서비스 기대요인(신뢰성, 신속성, 비용 염려)이 사용자들의 인지적 요인인 지각된 유용성 과 감정적 요인인 태도로 이어져 최종적으로 방문 (근무)의도와 같은 행동적 요인으로 이어진다는 것 이 확인되었다. 그러나 인공지능진료시스템에 대한 서비스 기대요인은 인지적 요인과 감정적 요인에 있어 서로 다른 영향을 미친다는 것이 확인되었다.

    <Table 5>

    Structural equation model analysis result

    KSHSM-15-4-57_T5.gif

    더욱이 신뢰성은 지각된 유용성과 태도 모두에 긍정적 영향을 미치는 매우 중요한 요인으로 확 인되어, 인공지능진료시스템은 의료서비스 기관의 핵심 품질인 신뢰성을 증가시킬 수 있다는 것이 본 연구를 통해 나타났다.

    추가적으로, 본 연구에서는 의료기관 종사자와 일반인에 따라 인공지능진료시스템을 도입할 경우, 신뢰성, 신속성 그리고 비용염려 등의 요인을 제안 하여 지각된 유용성과 태도 그리고 방문(근무)의도 간의 구조적 관계를 카이스퀘어 차이분석(△χ²)을 통해 분석하였다. 분석 결과, 인공지능진료시스템 에 대한 의료기관 종사자와 일반인 간의 서비스 기대에 대한 평균 차이는 통계적으로 유의미하게 나타났으나, <Table 6>에서 보는 바와 같이 인공 지능진료시스템을 수용하는 과정에 대한 인과적 관계에 있어서 차이는 나타나지 않았다.

    <Table 6>

    Multi-group analysis results

    KSHSM-15-4-57_T6.gif

    Ⅳ. 고찰

    인공지능 기술은 우리 사회 전반에 영향을 미치 고 있다. 인간은 더욱더 편리한 생활과 안전을 추 구하려는 욕망을 충족하는데 인공지능 기술은 우 리의 일상생활에 전반에 걸쳐 더욱 깊이 더욱 광 범위하게 확산되고 있다. 본 연구에서는 인공지능 기술이 의료분야에 적용되어 확대되는 것을 바탕 으로 의료기관 종사자와 일반인들 간의 인공지능 진료시스템 수용과정 및 기대 차이를 확인하였다.

    인공지능진료시스템 도입에 따른 의료서비스에 대한 기대요인으로는 신뢰성, 신속성, 비용염려, 지 각된 유용성 등을 제안하고, 인공지능진료시스템에 대한 인지적 요인인 지각된 유용성과 감정적 요인 인 태도 그리고 행동적 요인인 방문(근무)의도 등 을 분석하였다. 우선, 의료기관 종사자와 일반인의 생각하는 인공지능진료시스템의 도입에 대한 의료 서비스에 대한 기대는 통계적으로 유의미하게 나 타났다. 우선, 신뢰성은 인공지능진료시스템을 접 목한 의사의 진료 서비스에 대한 고객과 의료진의 신뢰성을 확인한 것으로, 의료기관 종사자는 평균 5.281로 나타났고, 일반인은 평균 5.907로 나타나 일반인이 의료기관 종사자와 비교할 때 더욱 신뢰 성을 기대하는 것으로 나타났다(p<.05). 두 번째, 인공지능진료시스템 도입에 따른 의료서비스의 신 속성에 대한 것으로, 이는 의료기관 종사자에게는 운영의 효율성 등 업무처리 과정에서보다 정확하 고 신속한 방식의 업무에 대한 것이고, 환자인 일 반인의 경우에는 이용 절차의 간편성과 같은 의료 서비스를 제공받는 과정에서 최적의 서비스를 제 공받을 수 있는 것에 대한 기대감이다. 분석 결과, 의료기관 종사자는 평균 5.252로 나타났고, 일반인 은 5.775로 나타나 신속성에 대해서도 의료기관 종 사자보다 일반인들의 서비스 기대감이 더욱 높은 것으로 나타났다(p<.05). 세 번째, 비용염려는 인공 지능진료시스템의 도입비용과 의료비용에 관한 것 으로, 이는 의료기관 종사자들(평균=5.913)이 일반 인들(평균=5.005)에 비해 더욱 높게 평가하는 것으 로 나타났다(p<.05).

    인공지능 기술이 개인의 일상생활뿐만 아니라 전문 분야인 의료서비스 분야에도 점차 확산되고 있는 시점에서 일반인들의 의료서비스에 대한 기 대는 매우 높은 것으로 확인되었다. 이는 인공지능 에 대한 기대 수준을 연구를 몇몇 선행연구에서도 확인한 바 있는데, Moon & Sim(2018)의 연구에서 는 의료용 인공지능에 대한 신뢰도를 확인한 결과, 전체 응답자의 24.8%만이 신뢰한다는 결과가 나타 났다. 그러나 인공지능기술이 전체 사회로 확대되 고 있는 현재 시점에서는 7점 척도에서 5.9점 이상 의 높은 평가로 나타난 것으로 보아 인공지능 기 술을 통한 의료서비스에 대한 신뢰도는 기술이 발 전함에 따라 점차 증가하고 있는 것을 확인할 수 있다[2]. 또한 Shree and Aswani(2020)의 연구에서 는 원격의료서비스에 대한 지각된 유용성에 영향 요인으로 의료서비스에 대한 확신성, 비용의 절약 등을 제안하여 분석한 결과와 본 연구의 결과가 유사하게 나타났다[20]. 이러한 결과를 볼 때, 국내 의료기관들은 2018년 초 왓슨과 같은 인공지능 의 료서비스를 도입과 인공지능진료시스템의 정확성 을 판단하는 것 이후 단계에 이르렀다고 볼 수 있 다. 즉 의료기관들은 인공지능시스템의 도입이 선 택이 아닌 필수가 되었고, 도입한다면 어느 분야에 어떻게 적용해야 하는지를 논의해야 할 것이다.

    그리고 인공지능진료시스템에 대한 인지적, 태 도적 그리고 행동적 관점에서 일반인과 의료기관 종사자들 간의 기대 차이는 지각된 유용성과 태도 그리고 방문(근무)의도를 통해 평가하였다. 분석 결과, 의료서비스품질요인과 동일하게 의료기관 종 사자보다 일반인들의 평가가 더욱 높은 것으로 나 타났다. 특히 인공지능진료시스템에 대한 일반인들 의 태도는 6.007로 서비스 기대요인 뿐만 아니라 인지적 요인인 지각된 유용성보다 매우 높게 나타 난 것으로 보아, 일반인들에게 인공지능 기술은 더 이상 미래에 적용될 기술이 아니라 일반인들에게 친숙한 분야이고, 대중화되어 있다고 볼 수 있을 것이다. 즉 의료기관 마찬가지 효율성과 효과성을 목표로 운영한다면 의료기관의 고객인 환자 즉 일 반인들의 기대를 충족할 수 있는 방안을 모색해야 한다. 인공지능 기술은 일반인들에게는 생활의 일 부가 되고 있으므로 이를 수용하는 과정의 괴리감 을 줄일 수 있는 방안에 대한 아이디어가 필요할 것이다. 특히 의료서비스를 제공하는 전체 과정에 서 인공지능진료시스템을 도입할 수 있는 부분을 확인하고, 의료서비스를 전달하는 과정에서 제공자 와 수요자 간의 갭을 줄일 수 있도록 규칙과 매뉴 얼을 설계하여 서비스 과정에 적용할 수 있도록 해야 할 것이다[11][15][21]. 그리고 원격의료 서비 스의 도입을 방해하는 장벽 요인에 대한 연구는 인공지능진료시스템의 수용에 관한 연구와 비교할 수 있을 것이다. 의료서비스 분야의 새로운 기술을 도입하는 과정에서 장벽 요인으로 프라이버시 염 려와 진료의 복잡성과 불확실성을 제안하였는데, 본 연구에서는 인공지능진료시스템의 효율성 차원 에 집중하여 수용을 증가시킬 수 있는 요인에 집 중하여 일반인과 의료기관 종사자들의 기대차이를 확인하여 이들간의 갭을 줄일 수 있는 방안을 제 시할 수 있다는 점이다.

    본 연구에서는 인공지능진료시스템의 수용과정 에 대해서는 공변량구조분석을 통해 검증하였다. 분석 결과, 인공지능진료시스템 도입에 대한 의료 서비스에 대해 신뢰성과 신속성 등은 사용자들로 부터 지각된 유용성과 긍정적 감정을 유발하여 최 종적으로 행동으로 이어진다는 것이 확인되었다. 그리고 신뢰성은 인공지능진료시스템의 수용과정 에서 매우 결정적인 역할을 하는 것으로 나타났다. 즉 신뢰성은 지각된 유용성뿐만 아니라 긍정적 태 도를 형성하는 데 직접적인 영향을 미치는 요인으 로 확인되어 전문서비스 기관인 병원의료기관에서 는 인공지능진료시스템이 의료기관 종사자뿐만 아 니라 일반인들에게 신뢰성을 형성하게 하는 중요 한 역할을 할 수 있는 것으로 해석할 수 있다.

    Ⅴ. 결론

    본 연구는 보건의료기관의 인공지능진료시스템 도입에 대한 의료기관 종사자와 일반인들의 기대 차이를 확인하는 것으로, 인공지능진료시스템에 대 한 기대요인으로는 진료에 대한 신뢰성, 신속성, 비용염려, 지각된 유용성, 태도, 방문의도 및 근무 의도 등을 제안하였다. 자료는 온라인 조사를 통해 전국규모로 수집되었으며, 최종 334부를 분석에 사 용하였다. 이러한 연구 결과를 바탕으로, 다음과 같은 연구의 시사점을 제공할 수 있을 것이다.

    첫째, 지금까지 연구에서는 인공지능진료시스템 의 정확성과 신뢰성의 부족을 원인으로 도입을 하 지 않은 의료기관들이 많았다. 그러나 인공지능 기 술이 일상생활에 확대되어 대중화된 시점에서 일 반인들은 인공지능기술 자체에 대한 인식과 태도 가 매우 높다. 또한 기술의 발전 속도도 매우 빨라 서 서비스 전달과정에서 더욱 높은 수준의 정확성 과 신뢰성을 확보할 수 있다. 따라서 의료기관들은 인공지능진료시스템의 도입이 선택이 아닌 필수가 되었다는 것을 인지하고, 구체적인 도입 분야와 범 위를 결정해야 할 것이다.

    둘째, 보건의료 분야에서 인공지능진료시스템을 도입하는 데 있어서 우선 해결해야 하는 과제가 있다. 즉 의사와 환자 관계에 있어서 의사와 환자 관계의 근간은 신뢰성이다. 예컨대, 인공지능을 도 입한 길병원의 경우, 의사의 판단과 인공지능이 추 천하는 치료법이 일치하지 않을 경우에는 94%가 인공지능의 진료를 따랐다[3]. 이러한 결과는 인공 지능진료시스템을 통한 해석 결과를 통해 의료진 이 최종적으로 치료 방향을 결정할 때 환자와 환 자 보호자에게 설명의 의무를 다하는 데 있어 신 중하게 생각하고 동시에 의료서비스의 수혜자인 환자에 대해서도 인공지능에 대한 정확한 이해와 한계점에 대한 방안이 필요하다. 즉 의료기관에서 인공지능진료시스템의 수용을 위해서는 운영의 비 용적 차원을 고려하여 운영과정에서 신속성을 확 보할 수 있고, 무엇보다 일반인들에게 신뢰감을 줄 수 있다는 것을 의료기관 종사자들이 충분히 이해 할 수 있도록 해야 할 것이다. 또한 의료기관 종사 자들은 인공지능과 관련된 한계점 가운데 하나는 인공지능이 딥러닝을 하는 과정에서 결과가 왜곡 될 수 있다는 점인데, 인공지능은 입력된 자료에 따라 학습 결과가 달라지기 때문에 편향적 자료는 왜곡된 결과를 낳을 수 있다는 특성을 가졌다는 것을 충분히 숙지하고 수용해야 할 것이다[1].

    셋째, 인공지능진료시스템의 도입 확대가 일반 화되고 있는 시점에서 이를 사용하는 사용자들에 대한 교육이 필요할 것이다. 즉 인공지능은 입력 자료에 따라 학습 결과가 달라지기 때문에 왜곡된 자료 또는 편향된 자료가 나타날 수 있고, 이러한 오염된 자료를 바탕으로 의료서비스 전달과정에 전달하게 된다면 서비스품질의 부정적 영향을 미 칠 수 있다. 따라서 보건 의료인들은 인공지능을 활용한 결과를 기계적으로 수용하는 것이 아니라 그러한 결과에 이르게 된 근거와 알고리즘을 포함 한 전체 과정을 이해하고 재검토할 수 있는 역량 을 갖추어야 할 것이다.

    이처럼 인공지능진료시스템의 수용과정과 일반 인과 의료기관 종사자들 간의 기대 차이에 관한 연구를 통해 다양한 시사점을 제공하였으나 다음 과 같은 한계점이 있다. 우선, 의료기관 종사자들 의 자료가 보건행정 업무에 집중되었는데, 보건의 료기관에서 핵심 서비스를 전달하는 간호사와 의 사들와 같은 직무 유형에 따른 기대 차이를 추가 한다면 병원의료기관에서 인공지능진료시스템을 도입하는 과정에 도입 분야 및 도입범위 등에 대 한 보다 구체적인 시사점을 제공할 수 있을 것이 다. 두 번째는, 인공지능 기술을 통해 나타날 수 있는 부정적 요인에 대한 부분으로, 일자리 축소와 개인정보 노출과 관련된 부분이다. 즉 사람이 해야 하는 일을 인공지능 기술이 대체함으로써 나타날 수 있는 부정적 요인에 대한 것과 빅데이터를 기 반으로 한 인공지능 기술은 개인정보의 노출과 관 련된 다양한 문제가 발생할 수 있기 때문이다. 본 연구에서는 인공지능진료시스템의 도입에 따른 긍 정적 효과를 중심으로 다루었으나 향후 연구에서 는 일자리 축소와 개인정보 노출과 같은 부정적 인식에 대한 깊이 있는 연구를 통해 이에 대한 극 복방안에 관한 연구가 필요할 것이다.

    Figure

    Table

    Results of exploratory factor analysis and reliability analysis of variables
    Results of confirmatory factor analysis of variables
    Discriminant validity analysis results through correlation analysis
    T-test analysis result
    Structural equation model analysis result
    Multi-group analysis results

    Reference

    1. K.Y. Lee, J.H. Kim (2016), Artificial Intelligence Technology Trends and IBM Watson References in the Medical Field, Korean Medical Education Review, Vol.18(2):51-57.
    2. J.Y. Moon, S.J. Sim (2018), The Expectoration of Medical Artificial Intelligence of Students Majoring in Health in Convergence Era, Journal of the Korea Convergence Society, Vol.9(9):97-104.
    3. K.J. Cheon, E.K. Shine (2019), Analysis of Influencing Factors on Conversion Intention to the Hospital Adopted Artificial Intelligence(A.I) Watson Service, Health service Management Review, Vol.13(4):53-65.
    4. E.K. Shine, S.Y. Seo (2020), User’s Judgment to Doctor and Artificial Intelligence Treatment System: Adaptation Intention to Doctor and IBM Waston, Health Service Management Review, Vol.14(2):49-57.
    5. M.S. Kim, M.C. Riew (2015), A Strategy for EMS Service Quality Improvement Using Kano Model and Improvement-Gap Analysis, Journal of Korean Society Quality Management, Vol.43(3):397-408.
    6. J.B. Cha, S.Y. Seo, H.Y. Lee (2013), Analysis on the Importance and Performance of Medical Service Quality Factors Based on SERVQUAL, Health Service Management Review, Vol.7(3):23-34.
    7. J.S. Lee, M.J. Lee (2016), A Study of the Effect of Medical Service Quality on Patient Satisfaction with a Focus on the Telemedicine Service of Colonoscopies, Journal of The Korea Society of Computer and Information, Vol.21(3):47-56.
    8. M.C. Gilly, J.L. Graham, M.F. Wolfinbarger, L.J. Yale (1998), A Dyadic Study of Interpersonal Information Search, Journal of the Academic of Marketing Science, Vol.26(2):83-100.
    9. K. Schwab (2016), The fourth industrial revolution. Geneva: World Economic Forum.
    10. K.B. Monroe, R. Krishnan (1985), The effect of price on subjective product evaluations, Perceived quality, Vol.1(1):209-232.
    11. R.B. Smith (1977), Patient opinions help place hospital services in perspective. Hospitals, Vol.51(16):65-70.
    12. R. Suri, R.V. Manchanda, C.S. Kohli (2002), Comparing fixed price and discounted price strategies: the role of affect on evaluations, Journal of Product & Brand Management, 11(3):160-173.
    13. V.A. Zeithaml (2000), Service quality, profitability, and the economic worth of customers: what we know and what we need to learn, Journal of the academy of marketing science, Vol.28(1):67-85.
    14. S. Kumar, D.B. Nash (2011), Demand better: Revive our BROKEN healthcare system (p. 187). Bozeman, MT: Second River Health care Press.
    15. J.W. Yoon, H.Y. Lee (2009), An Empirical Comparative Analysis Between Kano and Improved Kano Methods, Journal of Korean Society for Quality Management, Vol.37(4):31-42.
    16. C. Park (2004), A Study on the Managerial Factors that Affect the Performance of Hospital Service - The Case of Small and Medium-Sized Hospitals in Cheongju, The Korean Association of Small Business Studies, Vol.26(4):3-24.
    17. Y. Ho, K. Young (2010), A Study on the Effects of Medical Care Service Quality on Customer Satisfaction and on the Intention of Revisit, Korea Association of Business Education, Journal of Business Education, Vol.18(1):37-39.
    18. M.J. Rho, W.S. Suh, J. Kwon (2013), Medical Service Factors Associated with Patient Satisfaction: The Difference between Inpatient and Outpatient of A Medium-sized Hospital, Journal of Digital Policy & Management, Vol.11(2):332-345.
    19. F.D. Davis (1989), Perceived usefulness, perceived ease of use and user acceptance of information technology, MIS Quarterly, Vol.13(3):319-334.
    20. K.C. Raja Shree and Aswani J. (2020), Public Awareness Towards Telehealth Services, Journal of Contemporary Issues in Business and Government, Vol.26(2):775-781.
    21. M.S. Kim (2013), Assessment of Medical Service Quality Perceived by In-patients of Geriatric Hospitals-Using Revised IPA Applying the Kano’s Model, The Korean Journal of Health Service Management, Vol.7(1):133-144.
    November 1, 2021
    December 28, 2021
    December 29, 2021
    downolad list view