정보 검색에서 AI를 활용한 추론까지: 임상 의사 결정 지원을 위한 다양한 상호 작용 방식을 탐구하여 인간-AI 협력을 지원

From Retrieving Information to Reasoning with AI: Exploring Different Interaction Modalities to Support Human-AI Coordination in Clinical Decision-Making

LLM(대규모 언어 모델)은 간단한 텍스트 기반 상호 작용으로 인해 임상의들에게 의사 결정 지원 도구로 인기가 높습니다. 그러나 LLM이 임상의의 성과에 미치는 영향은 불분명합니다. 임상의들이 이 새로운 기술을 어떻게 사용하는지, 그리고 기존의 임상 의사 결정 지원 시스템(CDSS)과 비교하여 어떻게 생각하는지에 대한 이해 부족은 기존 도구의 한계를 극복하고 성과와 경험을 향상시키는 새로운 메커니즘을 설계하는 데 제한을 둡니다. 본 질적 연구는 12명의 임상의자들이 의사 결정 지원을 위해 LLM 기반 도구와 상호 작용하는 다양한 방식(LLM과의 텍스트 기반 대화, 인터랙티브 및 정적 UI, 음성)을 어떻게 인식하는지 조사합니다. LLM 기반 도구를 자유롭게 사용하는 과정에서, 참여자들은 도구 중심적인 접근 방식을 취하여, 복잡한 질문에 대한 적극적인 논의 파트너로 활용하기보다는 정보 검색 및 간단한 프롬프트를 통한 확인 용도로 사용했습니다. 상호 작용 방식의 변화는 중요한 의미 있는 참여를 이끌어냈으며, 개인의 인지 스타일 또한 참여에 영향을 미쳤습니다. 마지막으로, 텍스트, 음성 및 전통적인 UI를 활용한 임상 의사 결정 지원 방식의 장단점을 분석한 결과, 모든 사용자에게 적합한 단일한 상호 작용 방식은 존재하지 않는다는 것을 알 수 있었습니다.

LLMs are popular among clinicians for decision-support because of simple text-based interaction. However, their impact on clinicians' performance is ambiguous. Not knowing how clinicians use this new technology and how they compare it to traditional clinical decision-support systems (CDSS) restricts designing novel mechanisms that overcome existing tool limitations and enhance performance and experience. This qualitative study examines how clinicians (n=12) perceive different interaction modalities (text-based conversation with LLMs, interactive and static UI, and voice) for decision-support. In open-ended use of LLM-based tools, our participants took a tool-centric approach using them for information retrieval and confirmation with simple prompts instead of use as active deliberation partners that can handle complex questions. Critical engagement emerged with changes to the interaction setup. Engagement also differed with individual cognitive styles. Lastly, benefits and drawbacks of interaction with text, voice and traditional UIs for clinical decision-support show the lack of a one-size-fits-all interaction modality.