AI 진단에 대한 임상가 신뢰 향상: 신뢰도 보정 및 투명성을 위한 동적 프레임워크

배경: 인공지능(AI) 기반 의사결정지원시스템(DSS)은 진단 정확도 및 임상 업무 효율성 향상을 약속하지만, 신뢰도 보정 미흡, 제한된 투명성, 실제 의사결정 과정과의 비정합성으로 인해 임상가 신뢰가 저하되고, 높은 무시(overrides) 비율을 초래하여 도입이 지연되고 있다. 방법: 6689건의 MIMIC-III 심혈관 사례를 사용하여 AI 신뢰도 점수, 의미 유사도 측정 및 투명성 가중치를 무시 결정 과정에 통합한 동적 점수 프레임워크를 개발 및 검증하였다. 무시 임계값은 다양한 투명성 및 신뢰도 수준에 따라 보정 및 검증되었으며, 주요 수용 지표는 무시율이었다. 결과: 본 프레임워크 적용 시 무시율은 33.29%로 감소하였으며, 신뢰도 90–99%의 고신뢰 예측은 1.7%, 70–79%의 저신뢰 예측은 99.3%의 무시율을 보였다. 최소 투명성 진단의 무시율은 73.9%인 반면, 중간 투명성 진단은 49.3%였다. 통계 분석 결과 신뢰도, 투명성 및 무시율 간에 유의한 연관성이 확인되었다(p < 0.001). 결론: 이 결과는 향상된 투명성과 신뢰도 보정이 무시율을 크게 줄이고 AI 진단에 대한 임상가 수용성을 촉진할 수 있음을 시사한다. 향후 연구는 환자 안전성, 진단 정확성 및 효율성 최적화를 위한 임상적 검증에 집중해야 한다.