안녕하세요.
의료경영 뉴스레터입니다.🐣
5월 셋째 주에 접어들었습니다.
이제 기온이 30도까지 올라가면서 여름이 성큼 다가온 것 같습니다. 외출할 때는 양산이나 모자를 챙기는 것이 좋겠습니다.
리뷰한 논문은 다음과 같습니다.
- Lisa Rotenstein, Purva Shah, Roger Brown, Heather Farley, Tait Shanafelt, Christine A. Sinsky. (2026). Physician Intent to Reduce Hours and Intent to Leave Organizations. JAMA Network Open.
- Brant H. Tudor, Ryan Shargo, Geoffrey M. Gray, Jamie L. Fierstein, Frederick H. Kuo, Robert Burton, Joyce T. Johnson, Brandi B. Scully, Alfred Asante-Korang, Mohamed A. Rehman, Luis M. Ahumada. (2025). A scoping review of human digital twins in healthcare applications and usage patterns. npj Digital Medicine.
📑 저작권 안내
-
오픈 액세스(CC BY 등) 또는 번역·요약이 허용된 논문만 뉴스레터에 리뷰로 제공합니다.
-
제한된 논문은 원문 링크와 간단한 코멘트만 제공하며, 연구실 구성원들은 내부 아카이브를 참고해주세요🥰
|
|
|
Physician Intent to Reduce Hours and Intent to Leave Organizations
저자: Lisa Rotenstein, Purva Shah, Roger Brown, Heather Farley, Tait Shanafelt, Christine A. Sinsky
저널/IF/연도: JAMA Network Open / IF 10.5 / 2026
Copyright: CC-BY-4.0 (복사 및 배포, 상업적 사용, 2차 저작물 제작 가능)
DOI: 10.1001/jamanetworkopen.2026.11045
|
|
|
🔎 연구 배경
-
(팬데믹 이후 의사 인력 유지 문제)COVID-19 팬데믹은 의료체계 전반에 큰 부담을 주었고, 특히 의사들의 임상시간 감소 의향(Intent to Reduce clinical hours, ITR)과 조직 이탈 의향(Intent to Leave current organization, ITL)을 증가시키는 요인으로 작용했음. 2021년 기준 미국 의사 5명 중 2명은 임상 근무시간을 줄일 의향이 있었고, 약 4명 중 1명은 24개월 내 현재 근무 조직을 떠날 가능성이 있다고 응답한 바 있음.
-
(팬데믹 이후 변화 양상에 대한 불확실성)팬데믹의 급성 스트레스는 완화되었지만, 의료기관은 여전히 인력 부족, 재정 압박, 불완전한 팀 구성, 업무 과부하 같은 후유증을 겪고 있음. 따라서 팬데믹 이후 의사들의 ITR과 ITL이 실제로 감소했는지, 그리고 어떤 집단에서 여전히 위험이 높은지 확인할 필요있음.
🧪 연구방법
- (연구 설계)이 연구는 미국 내 여러 의료기관을 대상으로 한 반복 단면 연구임. 2022년부터 2024년까지 3개 연도에 걸쳐 의사들의 임상시간 감소 의향과 조직 이탈 의향의 변화를 분석함.
- (자료 수집)자료는 American Medical Association(AMA)의 Organizational Biopsy 설문을 통해 수집함. 이 설문은 의료기관이 의사들의 웰빙, 업무 환경, 직업 의향 등을 파악하고 개선 전략을 세우는 데 활용되는 도구임.
- (분석 방법)연도별 ITR과 ITL의 변화 추이를 분석하고, 성별, 근무 형태, 진료 환경, 전문과목, 인종/민족, 임상 경력 기간 등에 따른 차이를 비교하였음. 또한 다변량 혼합효과 로지스틱 회귀모형을 사용하여 ITR과 ITL에 영향을 미치는 요인을 분석함.
📊 주요 결과
-
(ITR 위험이 높은 집단)다변량 분석 결과, 여성 의사는 남성 의사보다 임상시간 감소 의향이 높음. 또한 파트타임 의사, 임상 경력 20년 이상 의사, 병원 기반 진료 의사에서 ITR 가능성이 더 높음. 특히 임상 경력 20년 이상 의사는 경력 1~5년 의사보다 ITR odds가 1.55배 높음.
✅ 시사점
- (의사 이탈 문제는 팬데믹 이후에도 지속되는 구조적 문제)ITR과 ITL이 2022년보다 2024년에 감소한 것은 긍정적이지만, 여전히 상당수 의사가 근무시간 축소나 조직 이탈을 고려하고 있다는 점에서 의사 인력 유지 문제는 해결되지 않음. 이는 단순히 팬데믹으로 인한 일시적 현상이 아니라, 의료기관의 업무 구조와 인력 운영 방식에 연결된 문제로 볼 수 있음.
- (핵심 개입 지점은 업무 효율성, 인력 안정성, 보상)의사들이 제시한 주요 해결 요인은 공통적으로 “일을 덜 힘들게 만드는 구조”와 관련되어 있음. 단순히 개인의 회복탄력성이나 번아웃 교육에 초점을 맞추기보다, EHR 부담 감소, 문서작업 축소, 팀 기반 진료 강화, 안정적인 보조 인력 배치, 적절한 보상체계가 핵심 개입 지점으로 보임.
- (고위험 집단에 대한 표적 개입 필요)파트타임 의사, 20년 이상 경력 의사, 여성 의사, 병원 기반 의사, 정신건강의학과 의사 등 일부 집단에서 ITR 또는 ITL 위험이 더 높았음. 따라서 의료기관은 전체 의사 집단을 대상으로 한 일반적 대책뿐 아니라, 특정 집단의 업무 부담과 이탈 요인을 세분화해 관리할 필요가 있음.
💬 랩 코멘트
- 연구기간이 2022~2024년으로 제한되어 있어, COVID-19 이전과 팬데믹 시기의 변화를 직접 비교하기에는 한계가 있음. 다만 기존 연구와 비교하면 팬데믹 시기에 의사의 이직 의향과 근무시간 감소 의향이 증가했고, 이후에는 다소 감소하는 흐름을 보이는 것으로 해석할 수 있음.
- 의사가 실제로 몇 시간 근무하는지에 대한 구체적인 근무시간 정보는 제공하지 않음. 따라서 “근무시간을 줄이려는 의향”은 파악할 수 있지만, 실제 근무시간 변화까지 확인하기는 어려움.
|
|
|
A scoping review of human digital twins in healthcare applications and usage patterns
저자: Brant H. Tudor, Ryan Shargo, Geoffrey M. Gray, Jamie L. Fierstein, Frederick H. Kuo, Robert Burton, Joyce T. Johnson, Brandi B. Scully, Alfred Asante-Korang, Mohamed A. Rehman, Luis M. Ahumada
저널/IF/연도: npj Digital Medicine / IF 15.1 / 2025
Copyright: CC-BY-4.0 (복사 및 배포, 상업적 사용, 2차 저작물 제작 가능)
DOI: 10.1038/s41746-025-01910-w
|
|
|
🔎 연구 배경
-
(의료 분야 확산) 디지털 트윈은 공학 분야에서 출발했지만, 최근 AI, IoT, 웨어러블 센서, 의료영상 기술의 발전과 함께 환자·장기·생리 시스템을 가상으로 구현하는 Human Digital Twin(HDT) 형태로 의료 분야에서 빠르게 확산되고 있음
-
(개념 혼선) 그러나 실제 의료 문헌에서는 단순 예측모델, 개인화 디지털 모델, 디지털 섀도우, 가상 환자군까지 모두 “디지털 트윈”으로 지칭하는 경우가 많아, 개념이 과도하게 확장되고 있음
- (연구 목적) 이 연구는 의료 분야 HDT 문헌들이 실제로 NASEM 기준을 충족하는지 평가하고, 현재 HDT가 어떤 인체 시스템과 임상 영역에서 활용되고 있는지 정리하고자 함
🧪 연구방법
- (문헌 검색) PubMed, Embase, IEEE Xplore에서 “digital twin”과 medical, health, patient, hospital, clinic 관련 검색어를 조합하여 문헌을 검색함
-
(분류 기준) 포함된 연구를 개인화 여부, 지속적 데이터 업데이트 여부, 임상 의사결정 지원 여부, 그리고 사람 개입 여부에 따라 일반 디지털 모델, 개인화 모델, 디지털 섀도우, HDT, 가상 환자군 등으로 분류함
📊 주요 결과
- (기준 충족 연구는 소수에 불과) 디지털 트윈이라고 주장한 149편 중 NASEM 기준을 모두 충족한 연구는 18편, 12.08%에 불과했으며, 대부분의 연구는 엄밀한 의미의 Human Digital Twin에는 해당하지 않았음
- (디지털 트윈의 과잉 명명) 가장 많은 유형은 개인화되어 있지만 지속적 업데이트나 의사결정 지원이 없는 모델이었고, 일회성 의사결정 지원 모델도 많아 “디지털 트윈”이라는 용어가 실제보다 넓게 사용되고 있음을 보여줌
- (대사 모델의 구현 가능성) 전체 연구에서는 심장 모델이 가장 많았지만, 실제 HDT 기준을 충족한 연구에서는 대사 모델이 많았으며, 이는 당뇨·혈당·식이·운동 관리처럼 지속적 데이터 수집과 행동 권고가 가능한 영역에서 HDT 구현이 상대적으로 용이하기 때문으로 해석됨
- (모델 신뢰성의 부족) HDT 구현에는 웨어러블, 스마트폰, 연속혈당측정기 등 일상적 데이터 수집 장치의 역할이 중요했지만, 모델의 검증·타당화·불확실성 평가를 명시한 연구는 2편뿐이어서 임상 적용을 위한 신뢰성 검증은 아직 부족함
✅ 시사점
-
(개념 정립 필요) 의료 분야에서 “Human Digital Twin”이라는 용어가 빠르게 확산되고 있지만, 실제로는 개인화 모델, 디지털 섀도우, 가상 환자군까지 혼재되어 있어 향후 연구에서는 모델의 성격에 따라 용어를 명확히 구분할 필요가 있음
💬 랩 코멘트
- 디지털 트윈은 병원이 처음부터 통합 시스템으로 구축한다기보다, 부서별·질환별로 개발된 예측모델이나 모니터링 기술이 이후 “디지털 트윈”이라는 이름으로 제품화되는 경향이 있음.
- 특히 단순히 환자 데이터를 이용해 만든 예측모델이나 시뮬레이션을 디지털 트윈이라고 부르는 경우가 많아, 연구 개념의 과장 가능성이 있음.
|
|
|
📚이전에 발송되었던 의료경영 뉴스레터는 아카이브에서 모아볼 수 있습니다.
|
|
|
|
