[논문 리뷰] AI-PACE: A Framework for Integrating AI into Medical Education

Scott McGrath, Katherine K. Kim외 3명|arXiv (Cornell University)|2026. 02. 11.

Artificial Intelligence in Healthcare and Education인용 수 0

한 줄 요약

본 논문은 의학교육 문헌에 존재하는 AI를 종합하고, 의학교육 연속선 전반에 걸쳐 AI 소양을 통합하기 위한 종단적 일반주의 프레임워크인 AI-PACE(심운동, 정의적, 인지적, 임베디드) 를 제시한다.

ABSTRACT

The integration of artificial intelligence (AI) into healthcare is accelerating, yet medical education has not kept pace with these technological advancements. This paper synthesizes current knowledge on AI in medical education through a comprehensive analysis of the literature, identifying key competencies, curricular approaches, and implementation strategies. The aim is highlighting the critical need for structured AI education across the medical learning continuum and offer a framework for curriculum development. The findings presented suggest that effective AI education requires longitudinal integration throughout medical training, interdisciplinary collaboration, and balanced attention to both technical fundamentals and clinical applications. This paper serves as a foundation for medical educators seeking to prepare future physicians for an AI-enhanced healthcare environment.

연구 동기 및 목표

• 의학교육 연속선(UME, GME, CME)을 가로지르는 현재 AI 교육 프레임워크의 격차를 식별한다.
• 의료교육 전 과정에 걸쳐 AI 소양을 포섭하는 일반주의적이고 종단적 모델을 제안한다.
• 지속적 통합을 위한 Embedded 축을 갖춘 Bloom의 분류체계 영역을 활용하여 AI 역량을 구체화한다.

제안 방법

• 2016–2025년 의학교육에서의 AI와 관련된 문헌을 체계적으로 검색(PubMed, MEDLINE, ERIC, Asta)한다.
• 반복되는 역량 및 구조적 모델을 도출하기 위한 주제 분석을 수행한다.
• 종단적 통합, 일반화 가능성, 영역 폭을 기준으로 기존 프레임워크를 비교한다.
• 발견점을 종합하여 AI-PACE 프레임워크를 개발한다.
• 의학 교육 연속선(UME, GME, CME)에 걸친 커리큘럼에 AI-PACE 도메인을 매핑한다.

실험 결과

연구 질문

• RQ1 일반 의학 실무를 위한 기존 AI 교육 프레임워크의 격차는 무엇인가?
• RQ2 AI 소양을 의학교육 전 과정에 걸쳐 종단적으로 어떻게 구성할 수 있는가?
• RQ3 AI 활용 임상 실무에 필요한 핵심 역량(인지적, 심운동적, 정의적)은 무엇이며, 이를 훈련에 어떻게 임베드해야 하는가?
• RQ4 지식 쇠퇴를 피하기 위해 AI 교육을 고립된 모듈로 추가하기보다는 어떻게 통합할 수 있는가?

주요 결과

• 현행 AI 교육은 단편적이고 특정 전문 분야에 집중되어 있으며(특히 영상/방사선과),
• 일반의학에서의 포괄적 비전문의 AI 소양 모델이 부족한 일반주의 격차가 있다.
• 현재의 노력은 역량에 중점을 두고 있지만 UME, GME, CME 간의 진전 구조를 제시하지 않는다.
• AI-PACE는 Bloom의 영역과 지속적 통합을 위한 Embedded 축과 함께 소용돌이치고 종단적인 프레임워크를 제공한다.
• 정의적 역량(신뢰 보정, 공감, 협업)은 기존 프레임워크에서 충분히 다루어지지 않았으며 인간-AI 협력의 핵심이다.