미래의 의학교육
상태바
미래의 의학교육
  • 병원신문
  • 승인 2017.10.27 13:34
  • 댓글 0
이 기사를 공유합니다

이종철 삼성서울병원 상근고문
▲ 이종철 상근고문
2015년 1월 출간된‘유엔 미래보고서 2045’는 제목에서 보듯 2045년을 주목한다. 기술 발전, 특히 computer science의 속도가 급속히 변화해서 인간의 생활 방식을 과거의 관습적(conventional) 방식으로 되돌릴 수 없고, 더 이상 미래를 예측할 수도 없는 기점을‘싱귤래리티’(singularity)라고 한다. 그 시기 즉 인공지능(Artificial Intelligence, AI)이 인간의 지능을 능가하게 되는 시기가 2045년이라는 것이다.

이 책에서 의학과 관련된 예측을 정리하면 3D(dimension) 바이오 프린터를 이용해 낡거나 기능이 떨어진 인간장기를 바꿀 수 있다고 예견한다. 인간 두뇌의 정보와 지식을 인터넷 공간에 업로드해 판매하는 brain uploading 인공지능 로봇이 수술·간호 등 상당 부분의 의료행위를 대행할 것으로 예측한다.

지금까지의 의학교육은 전통적으로 해부학, 생리학, 생화학, 병리학등을 배우고 이를 임상에 적용하는 과정(소위 block lecture)을 거쳐 임상실습을 하는 전형적 의학교육의 틀을 유지하고 있다. 교육 전달 방식의 변화로 문제중심학습(problem-based learning, PBL), 팀기반학습(team-based learning, TBL), 플립러닝(flipped learning) 등이 최근에 적용되고 있다.

그러나 의학교육 역시 꾸준한 변화를 요구한다. 지난 20여년 동안 의학교육체계는 상당한 혼란을 겪어온 것도 사실이다. 대부분의 대학이 정부 당국(교육부)의 정책 판단에 의하여 의과대학과 의학전문대학원(의전원) 두 체제를 혼합하여 운영하다가 2019년부터는 41개의 의과대학/의전원 체계 중 대부분(36개)이 의과대학 체계(2년 의예과 plus 4년 의학과)를 채택하기로 했다. 이로 인한 의대교육은 6년 과정으로 다시 환원되었으며 의학의 빠른 변화에 발 맞추어 의학교육 체계도 그에 상응하는 변화를요구하고 있다.

그러나 제한된 의과대학 교육 과정에 급속히 발전하는 의료체계, 기술발전, 의료공동체 혹은 의료관련 산업에서 일어나는 모든 상황을 반영해 교육시스템에 변화를 주기는 쉽지 않은 상황이다. 이번 칼럼에서는 현재의 의료와 미래 즉 2045년까지 변화될 의료체계를 예상하며 이런 변화에 발맞춘 의학교육의 미래를 예상하고 준비해 본다. 즉 빠른 의료시스템 변화에 상응하는 교육을 위해서는 의대교육 6년 동안 기존의 교육제도에 어떤 변화를 줄 것이며 제한된 의대교육 기간에 전달할 수 없는 의료관련 첨단기술 교육은 어떻게 효과적으로 대학원 교육을 통해 소통할 수 있는지를 예단하고 어떤 시간표(timeline)에 따라 실천할 것인가를 권고해 본다.

의학 그리고 의학 관련학문의 발전과 변화

1. 폐암환자의 현 의료제도에서의 진단과 치료

CT와 뇌 MRI를 촬영해 각각의 영상소견을 CT전공, MRI전공 영상의학과 전문의가 해석 보고하며 영상유도하에 얻은 병리조직을 이용한 진단은 병리과 의사가 판독보고하고 이를 바탕으로 임상의가 진단하고 치료하며 필요하면 다학제 토론하여 환자의 진단과 치료방법을 결정하고 예후 예측을 한다. 조기폐암은 대부분이 수술로 치료하고 진행된 폐암은 술전항암/방사선치료로 병기를 줄이고 수술할 수도 있고 바로 항암/방사선 치료를한다.

2. 2045년에 예상되는 폐암

환자의 진단과 치료 CT, 혹은 전신 MRI영상기기에 장착된 딥러닝 진단기기가 환자의 진단과 치료방법 그리고 예후까지 순간적(instantaneously)으로 예측해 줄 것이고, 영상유도하에 얻은 병리조직을 이용한 진단도 딥러닝에 의한 진단(암세포형, 구성성분과 유전자변이 상황)도 빠른 속도로 진행될 것이고, 치료 예후 예측이 가능하며 임상소견을 더하여 다학제 소견을 통합(integration)하면 진단정확도 향상은 물론 치료와 처방과 더불어 환자의 예후가 순간적으로 결정될 수 있을 것이다.

각 학제의 교수(전문의) 숫자는 점점 줄어들 것은 확실한데(컴퓨터 기반으로 진단속도가 훨씬 빠르고 정확해지며 해당 교수는 최종진단과 sign out만 하면 됨) 너무 많은 정보가 주어지므로 이를 통합하려면 다학제진료(multidisciplinary management)가 필수가 될 것으로 예상된다.

외과 명의는 없어질 것이며 모든 수술/시술이 단순화되어 최소침습 수술(minimally invasive surgery)이 주류를 이룰 것으로 예상되고영상의학과의 중재시술(interventional radiology)이 만연할 것이다.

조기폐암은 광범위쐐기적출술(wide wedge resection), 폐엽절제술(lobectomy)로 치료할 것이고 진행성폐암은 정확하고 정교한 술전치료(neoadjuvant therapy)로 병기를 낮춘 후 상기 언급한 수술
적치료가 시행될 것이다. 술전 항암치료는 유전자검사의 결과를 반영하면 좀 더 정밀해질 것이고 방사선치료도 4D simulation을 이용한 정밀 표적화(targeting)와 새로운 치료방법(e.g., 양성자치료, proton therapy)이 가미되면 훨씬 더 정확한 병기 감소를 유도해 수술범위를 줄일 수 있을 것이다.

3. 중개의학과 맞춤의학

개인의 유전자, 환경 그리고 생활방식을 고려한 표적치료가 맞춤의학이고 정밀의료이다. 암 치료뿐아니라 만성염증성질환에서도 유전자검사가 일반적 검사가 될 것이다. 맞춤의학 및 정밀의료의 발전을 위해서는 필수적으로 중개의학의 발전이 동반 되어야 한다. 환자와 질병에 대한 정밀 분석에는 다양한 기초 연구기법이 활용되며 새로운 분석 기법의 개발이 필요한 경우도 발생하기 때문이다. 따라서, 병원의 진료실과 검사실 내에서 의료인력에 의해 이루어지던 환자 치료에 연구실의 전문 연구자들까지 합류하게 되고, 외래 진료실 및 수술실에서 얻어진 정보를 얼마나 빠르고 정확하게 분석하여 환자 개인별 치료에 적용할 수 있는지가 맞춤의료 및 정밀의료의 수준을 결정짓는 중요 요소가 될 것이다. 이 과정에서는 역시 진료실과 연구실 사이의 커뮤니케이션 속도와 정확성, 진료를 뒷받침 할 수 있는 우수한 연구실의 존재 여부가 의료의 최종 수준을 결정하는 중요 요소로 작용하게 될 것이다.

4. 융합학문과 의학

융합 학문이란 의학을 포함한 생명과학, 물리학 공학 등의 학제간 통합을 일컬으며 이런 다학제간 서로 배우고, 협업을 통해 새로운 미래에 대처하는 학제 간 언어와 지식통합을 일컫는다. 의료문제의 복잡성과 다양한 체계를 고려한다면 광범위한 융합은 의학에서 자연스러운 것으로 받아들여진다. 의료의 다양성 복잡성을 고려하면 일방적 접근방식으로는 곤란하고, 또 현재의 진단과 치료 방식이 매우 빠른 속도로 발전하고, 분자생물학과 정보생물학을 이용한 맞춤형 개인치료가 대중화 된 시대에 다학제 간 협업은 자연스러운 것이다.

5. Artificial Intelligence(AI), Data Accumulation and Mining, and Deep Learning

인공지능(artificial intelligence)은 세 부분으로 구성되는데 그 첫째가 symbolism(상징학 rule/comuter based, such as IBM Watcon 상징을 계열 처리하는 정보체계), 둘째가 connectionism(연결학, 병렬처리 체계 brain based; deep learning, artificial neural network), 셋째가 Bayesian theorem인데 이 인공지능의 한 분야가 연결학(connectionism)을 바탕으로 하는 머신 러닝(machine learning, ML)이고 이는 방대한 빅데이터(big data) 들을 분석해 미래를 예측하는 기술을 일컫는다.

머신 러닝의 핵심은 방대한 데이터를 분석하는 데 인간의 간섭은 최소화 하면서 빠른 결정을 하게하는 것이다. 훈련데이터(training data)를 분석 연구하고 새로운 데이터가 주어졌을 때 이를 분석 예측하는 것이다.

보건의료에서 주어지는 빅데이터(예를 들어 영상데이터, CT MRI, PET 등)가 있고 computer의 연산속도가 매우 빨라지고 graphics processing units의 발전 그리고 새로운 알고리즘 개발로 딥 러닝(deep learning; 빅데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 한 기계 학습 기술)이 가능해 컴퓨터를 이용한 진단이 가능해졌다. 이는 특히 영상의학 분야에서 활용되기 시작했다.

영상데이터 축적의 표본은 북미영상의학회 중심(Radiological Society of North America, RSNA)의 QIBA(Quantitative Imaging Biomarkers Alliance) 그리고 유럽영상의학회(European Society of Radiology, ESR)가 후원하는 EIBALL(European Imaging Biomarker Alliance)이 있다. 이들은 영상 공통 교단(敎壇, platform orcross platform)을 만들어 항상성 있고 믿을만한 그리고 타당성 있고 반복할 수 있는 결과를 유도하는 영상자료의 저장을 목적으로 한다. 이를 통해 정밀 혹은 개인 맞춤의학을 구현하고 영상의학교육과 수련 목적으로도 사용한다.

예상되는 미래 영상의학은 위 그림과 같다.

6. Digital Health

디지털건강(health) 혹은 건강관리(healthcare)는 건강관리의 전달(delivery)을 효율화하고 개인정밀 맞춤의학을 구현하기 위해 임상의를 포함한 이해당사자(stake holders), 의학연구자, 과학자들, 건강관리와 관련된 공학, 사회과학, 공중보건학, 의료경영 및 관리를 맡은 전문가 등 다학제의 범주와 영역의 전문가들이 관계하는 분야를 일컫는 디지털(전자의무기록[EMR, electronic medical record], 영상과 병리 자료의 디지털화)과 유전자 관련 기술의 융합을 일컫는다.

이 digital health는 의학에서는 다음과 같은 큰 변화를 일으킬 것으로 전망된다. 첫째는 건강관련정보 platform의 변화다. 정보가 점차 통합, 축적되어 유용한 정보를 이끌어내어 healthcare delivery의 의사결정(복지부 등 의료정책과 관련된 혹은 개인 치료와 관련하여)에 큰 도움이 될 것으로 생각된다.

맞춤형치료 혹은 맞춤형 wellness의 향상에 이바지 할 것으로 예측되고 의료 자체뿐 아니라 의료소비자와 의료기관 상호작용, 의료기관 간 통합, 보험관련 진료비 지불 관련 새로운 방법의 고안, 그리고 보건의료 기술개발에 도움이 될 것이고 시공을 뛰어넘는 의학자료의 송수신, 자료의 축적과 분석으로 정확한 의료 그리고 그의 보상이 이루어 질 것으로 예상된다.

의료 전달 과정에서 혹은 의료경영 및 관리에서 더 이상 환자를 진단하고 치료하는 일에만 머물지 않고 의사사업가(physician entrepreneurs)가 출현하게 되는데 이는 의학에 더불어 경영학(master of business administration, MBA)도 의학교육의 한 축이 될 수 있음을 강조한다.

7. 보험제도

첨단의료와 관련해 신기술 도입과 의료비 상환(reimbursement) 문제는 의료인과 정부가 부딪히는 흔한 문제이다.

공공의료를 실천해야 할 정부는 최고 효율과 경제적인 의료전달을 강조할 것이고 의료의 최첨단에 있는 의과학자 들은 제대로 된 보상의 최첨단 의료기술을 환자에게 시술하기를 원할 것이다. 지역사회의학 등 단순한 사회의학에 초점을 맞추던 의학교육도 경제개념과 의료재원의 올바른 분배에 관심을 갖게 될 것이고 의료경제 정의의 실천에 대한 관심이 증대될 것이다. 여기에 발 맞춘 의료전달체계 및 의료보험제도에 대한 구체적이고 합리적 의료교육의 필요성이 대두된다.

의학 관련 학문의 발전과 변화에 맞추어 준비한 의학교육

1. 6년 의학교육 제도의 변화

1) Software 교육

성균관대학교에서는 대학교육의 가장 기본적인 지적, 언어적 능력을 배양하기 위한 기본 교양과정을 운영하고 있으며, 각 영역별로 반드시 이수해야 할 필수학점을 지정함으로써 학생이 모든 영역에서 고르게 발전할 수 있도록 하고 있다.

교양교육과정 영역 중‘창의와 소프트웨어(software, SW)’는 ‘컴퓨팅사고와 SW코딩’, ‘문제해결과 알고리즘’등 Software 관련 과목으로 이루어져 있으며 최소 6학점을 이수해야 한다. 성대의대 학생들은 교양교육과정에서 소프트웨어 기초과목을 이수함으로써 통계학, 알고리즘, 프로그래밍 언어 등에 대한 기본적인 지식을 습득하게 된다.

2) 연구방법론의 조기 도입

4차 산업혁명 이후 사회에서는 새로운 분야에 대해 탐구하고 비판적, 창의적으로 사고하는 능력이 더욱 중요하게 강조될 것이다.

성대의대 6년 교육과정에서는 학생연구 교육과정을 전 학년에 걸쳐 확대하여 운영함으로써 학생이 의과학자로서의 연구 역량을 기를 수 있도록 하고 있다. 예과 시기에는 의학통계, 역학, 기초의학실험 등의 과목을 통해 연구의 기초를 다루고, 임상의학 교육시기에는 학생이 직접 연구를 수행하여 연구계획서와 초록을 제출하게 된다.

학생연구 교육과정을 통해 학생들은 실제 연구경험을 통해 의학연구에 대한 관심을 갖게 되며, 과학적 접근태도와 평생학습 능력을 기르고, 학생으로서 필요한 기본적인 연구역량을 갖추게된다.

3) 의료인문학의 중요성

인공지능과 달리 인간은 공감(sympathy) 능력과 윤리의식이 있고, 환자와 직접 커뮤니케이션
(communication)을 할 수 있다.

성대의대 6년 교육과정에서는 인문사회학적 소양을 지닌 바람직한 인성을 갖춘 의사를 양성하기 위해 의료인문학 교육을 강화하였다.

의료인문학 과목은 일반적인 강의식 수업이 아닌 발표, 토론, 노인체험, 역할극 등의 다양한 방법으로 수업을 진행하며, 필기시험이 아닌 과제물, 발표 등의 학습결과물로 학업성취도를 평가한다.

학생들은 의료인문학 과목을 통해 타인의 감정을 이해하고 환자와 보호자와 눈높이를 맞추어 공감하는 태도를 기를 수 있으며, 예비의료인으로서 필요한 인문사회의학적 소양을 함양하게된다.

4) Subspecialty에 대한 조기노출(미래의 전공을 조기에 결정하고 준비)

변화하는 의료 현실 속에서 많은 의과대학 학생들은 진로탐색의 어려움을 겪고 있다.

성대의대에서는 진로 상담 소그룹 제도를 운영하여 학생들에게 진로탐색의 기회를 열어주고자 한다.

M4(본과 2학년) 학생 5~7명씩 소그룹을 이루어, 각 소그룹별로 멘토(mentor) 교수를 지정하고, M6(본과 4학년) 졸업 시까지 멘토 교수와 학생 간의 정기적인 만남을 통해 전공과 진로를 탐색하는 데 도움을 주고자 한다.

소그룹 별로 멘토 교수가 정해지면 해당 교수와 학생들이 만나 학교 생활부터 자신의 적성, 흥미, 희망 진로 분야 등에 대해 토의하는 시간을 갖는다.

토의 후에는 각자 평소에 관심있던 분야의 교수님을 정하여 인터뷰를 진행하게 되고, 인터뷰에 대한 보고서를 작성하여 다음 만남 때 멘토 교수에게 제출하여 후속 면담을 진행한다.

학생들의 진로탐색 과정에 의과대학이 제도적으로 도움을 주기 위한 프로그램이라 할 수 있다.

2. 대학원교육의 다양화, 전문화 그리고 융합

대학에서 교육을 마치고 대학의 목적을 심층적으로 탐구하며 학술연구의 리더십과 창의성을 발휘하는 시기가 대학원이라면, 이는 AI 시대의 딥 러닝과 비견할 수 있는 과정이 된다.

데이터를 수집하고 카테고리화 시키며 빅 픽쳐(big picture)를 보는 시간을 대학에서 보냈다면 이 데이터를 깊이 파고 들어가는 마이닝(mining) 시기가 대학원이 되는 것이다.

대학원의 역사를 보면 행정대학원이 법과대학에서 출발했고 보건대학원이 의과대학에서 갈라져 나왔듯이 분화의 과정을 밟는다. 이는 순수 목적의 학문으로부터 리얼 월드(real world)의 프레임으로 다양화되고 또한 각각이 전문적인 학문으로 탈바꿈되는 것이다.

미래의 의과대학 교육 또한 유사한 패턴을 따르게 되어 이미 의과대학원은 각 분과의 스페셜리스트를 생산해내는 산실이 되고있다.

그러나 눈 여겨 볼 필요가 있는 부분이 이제는 환원주의적인 세분화 혹은 전문화 만으로 미래의 대학원 교육을 논할 수 없는 지경에 이르렀다는 것이다.

예를 들어 삼성서울병원과 성균관의과대학에 설립된 삼성융합의과학원(SAIHST: Samsung Advanced Institute for Health Sciences & Technology)은 임상의학 혹은 기초의학으로부터 우리나라 의료 산업 발전을 도모하는 중개연구 과정을 선도하고 있다.

미래의 대학원 모델로 적합한 삼성융합의과학원은 타이틀에 지향하는 목표가 내재되어 있듯이 ‘융합’을 모태로 전혀 어울리지 않을 것 같은 분야를 상호 연계하여 업적을 만들어 낼 수 있다.

에드워드 윌슨이 제창한 통섭(Consilience)은 인문학과 과학을 묶는 신호탄이 되었으며 이제는 ‘융합’을 언급하지 않고 과학의 발전을 따질 수 없게 된 것이다.

AI 시대의 데이터 마이닝은 이러한 경향을 더욱 가속화 시켜 줄 것이며 의과대학원 교육 역시 ‘전문’적인‘융합’의 학문으로 거듭 태어나게 될 것이다.

지금과 같은 분과 전문 석박사는 더 이상 유용하지 않을 것이며 두 개 혹은 세 개 이상의 학문을 통합하는 전문가 교육 과정이 AI 시대에 걸 맞는 대학원 교육의 패러다임으로 자리잡게 될 것이다.

이런 의미에서 대학원교육은 논문작성법, 의료 통계학 등의 기존의 고식적 통합교육보다 다양성과 심도있는 지식(특히 computer science)이 주류를 이룰 것이고 그런 방향으로 교육 내용을 꾸리려고 부단히 노력하고있다.

맺음말

변화에 둔감했던 의학교육이 컴퓨터공학의 발전, 의료융합, 그리고 의료전달체계의 빠른 발전과 변화에 의해 그에 걸 맞는 혁신을 요구한다. 하지만 학부교육에서 할 수 있는 변화와 대학원교육에서 할 수 있는 변화는 다를것이다.

그리고 모든 학문에서의 빠른 변화를 의학이 융합으로 특정된다고 하더라도 이러한 발전과 변화를 모두 받아들일 수는 없을 것이다. 하지만 고식적 교육에서 벗어나지 못하는 의학교육은 의료 공동체에서 필요로 하는 인재상에는 많이 부족한 의료인을 양성할 것이다.

소프트웨어 교육의 강화와 연구방법론에의 조기 노출이 학부교육에서 필요하다면 디지털헬스(digital health), 인공지능(artificial Intelligence, AI), 데이터축적(data accumulation)과 분석(채굴, mining), 그리고 딥러닝(deep learning) 등이 대학원 교육에서의 필요한 변화일 것이다.

디지털헬스 혹은 의사사업가(physician entrepreneurs)의 출현은 의학교육이 사회의학 혹은 보건과 보험제도에 까지 뻗쳐져야 할 더 큰 범주로의 통합교육을요구한다.

〈도움말:이경수 성균관의대학장, 최연호 의대 교무부학장, 손희정 의대 교육부학장〉


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.
주요기사