본문 바로가기
KERD
논문KCI 등재

BWS 방법을 이용한 인공지능 의료 제품 및 서비스의 상대적 중요도 및 선호도 분석

Analysis of Relative Importance and Preference of Artificial Intelligence Medical Products and Services Using BWS Method

고성민|정기철|조용희
산업개발연구소 (kyungsung university)|2022.09|산업혁신연구 (Journal of Industrial Innovation)|제38권 제3호|pp. 55-65|DOI 10.22793/indinn.2022.38.3.005

0

조회

0

다운로드

1

인용

0

참고문헌

키워드

우선순위priority settingBWS인공지능 의료 제품 및 서비스국민의 선호도AI medical products and servicespublic preferences

초록

본 연구는 인공지능 의료 제품 및 서비스에 대한 국민의 선호도를 파악해 시사점을 제공하는 것을 목적으로 한다. 7가지 인공지능 의료 제품 및 서비스를 대상으로 BWS 설문조사를 수행하였고, 총 663명의 응답자 설문결과를 계량경제학적 모형으로 추정하여 선호도를 파악하였다. 응답자들은 ‘암 진단과 치료 제언’, ‘질병관련 모니터링’, ‘방사선, 심혈관 등 영상 이미지 자동 분석 / 예측 제공’, ‘혈액 검사와 결과 제공’, ‘수술 중 혈액 등 신체지표 모니터링’, ‘생활습관 관련 모니터링 및 조언’, ‘가상의료 전문가와의 상담 및 진단’ 순으로 인공지능 의료 제품 및 서비스에 대한 선호도가 높았다. 응답자들을 연령, 소득, 건강관리에 관한 관심 정도 등에 따라 세분화하여 추정한 결과에서도 선호도 우선순위 결과는 달라지지 않고 일관되었다. 본 연구결과는 국민들이 인식하는 인공지능 의료 서비스 분야 내 상대적 중요도와 선호도를 파악하였다는 점에서 향후 관련 정책수립 및 사업추진 방향 설정에 참고 자료로 활용될 수 있을 것이다.

Abstract

This study aims to analyze public preference for the fields of artificial intelligence medical products and services. A BWS survey on artificial intelligence medical products and services was conducted with 663 respondents; the survey results were estimated using an econometric model. Based on the results, respondents preferred the following, in the order of most preferred first: 1) suggestions for cancer diagnosis and treatment; 2) disease-related monitoring; 3) automatic analysis/prediction of images such as radiation and cardiovascular systems; 4) blood tests and presentation of test results; 5) monitoring body indicators such as blood during surgery; 6) monitoring and advice related to lifestyle; 7) consultation and diagnosis with a virtual medical professional. In particular, it was confirmed that the results of priority setting for AI medical products and services was consistent regardless of age, income, and level of interest in healthcare. The results of preference for artificial intelligence medical products and services perceived by the people who are taxpayers and beneficiaries of medical policies can contribute to establishing medical policies and setting program directions.

참고문헌 (43)

  1. 권기대, "디지털 헬스케어에 대한 국민 인식 조사", 디지털콘텐츠학회논문지, 23(3), pp.551~558 (2022), 한국디지털콘텐츠학회[DOI]
  2. 김동주, "인공지능의 건강심리학 분야 응용", 한국심리학회지: 건강, 25(1), pp.1~15 (2020), 한국건강심리학회[DOI]
  3. 김명류, "4차 산업 시대의 인공지능 원격의료에 대한 간호학생, 간호사, 일반인의 인식 비교 - 제주도 중심으로 -", 디지털콘텐츠학회논문지, 20(7), pp.1461~1471 (2019), 한국디지털콘텐츠학회[DOI]
  4. 김민석, "혁신성에 근거한 디지털헬스케어의 가치 평가 필요성", 보건산업브리프, 328 (2021)
  5. 김수정, "챗봇의 특성이 수용의도에 미치는 영향에 관한 탐색적 연구: 개인혁신성의 조절효과를 중심으로", 산업혁신연구, 36(4), pp.107~133 (2020), 산업개발연구소[DOI]
  6. 바이오경제시대 과학기술정책의제 연구사업(8차년도): 인공지능기술의 의료활용 현황과 시사점, "김승현", 과학기술정책연구원, ~ (2018)
  7. 혁신을 이끄는 뉴 웨이브, 인공지능 스타트업, "김영은", 한국지능정보사회진흥원, ~, pp.Startup Special Report 01 (2021)
  8. 김재승, "인공지능 기반 IBD Scoring System", 차세대컨버전스정보서비스기술논문지, 11(2), pp.115~123 (2022), 차세대컨버전스정보서비스학회[DOI]
  9. 디지털 헬스서비스의 활용효과 연구. 보건산업정책연구, "김지은", 한국보건산업진흥원, ~ (2021)
  10. 김진동, "보건의료 종사자와 대학생의 윤리적 가치관, 생명윤리의식과 인공지능인식의 상관관계 연구", 학습자중심교과교육연구, 20(4), pp.1247~1264 (2020), 학습자중심교과교육학회[DOI]
  11. 바이오 빅데이터 -데이터가 생명을 살린다, "김태형", 한국바이오협회, ~, pp.Bio Economy Report, 24 (2020)
  12. "닥터앤서 2.0 사업단 홈페이지"[URL]
  13. 박선영, "딥러닝을 통한 후두암 진단 예측", ie매거진, 28(3), pp.14~21 (2021)
  14. 박주현, "기술수용모델(TAM)을 활용한 스마트홈 기술의 사용자 만족에 관한 연구", 산업혁신연구, 37(2), pp.83~106 (2021), 산업개발연구소[DOI]
  15. 배성훈, "지각된 위험이 나노기술 제품 수용의도에 미치는 영향 : 기관, 사람, 기술신뢰의 조절효과를 중심으로", 한국경영과학회지, 42(3), pp.51~69 (2017), 한국경영과학회[DOI]
  16. 식품의약품안전처, "인공지능 의료기기의 허가․심사 가이드라인(민원인 안내서)" (2022)
  17. 이새봄, "헬스케어산업에서의 인공지능 활용 동향", 한국콘텐츠학회 논문지, 20(5), pp.448~456 (2020), 한국콘텐츠학회[DOI]
  18. 이중기, "의료 AI에 대한 규제체제와 책임의 귀속 - 진단 AI와 수술로봇을 중심으로", 홍익법학, 21(4), pp.263~290 (2020), 법학연구소[DOI]
  19. 이청림, "챗봇의 의인화가 기업과 고객의 관계가치에 미치는 영향 : 지각된 따뜻함과 유능함의 매개효과를 중심으로", 산업혁신연구, 38(1), pp.93~118 (2022), 산업개발연구소[DOI]
  20. 이현빈, "의료 인공지능에 대한 대한민국 영상의학과 전공의의 인식 조사 연구", 대한영상의학회지, 81(6), pp.1397~1411 (2020), 대한영상의학회[DOI]
  21. 장재봉, "BWS 방법을 이용한 쇠고기 구매 결정요인과 소비자 선호 관계 분석", 농촌경제, 39(2), pp.129~147 (2016), 한국농촌경제연구원[DOI]
  22. 전지원, "보건의료분야 인공지능 기술의 활용과 적용효과", 정보과학회지, 38(11), pp.51~58 (2020)
  23. 정기철, "BWS 방법을 이용한 보건의료문제 해결 우선순위 선호도 분석", 한국혁신학회지, 17(1), pp.105~122 (2022), 한국혁신학회
  24. 정진섭, "의료분야에서 인공지능 현황 및 의학교육의 방향", 의학교육논단, 22(2), pp.99~114 (2020), 연세대학교 의과대학[DOI]
  25. 바이오헬스 산업의 넥스트 노멀, "한국보건산업진흥원", 한국보건산업진흥원, ~ (2021)
  26. 한국보건산업진흥원, "2021년 보건산업 대국민 인식조사 결과 발표. 보도자료(4월 6일자)", ~ (2022)
  27. 2021 글로벌 헬스케어 산업 전망, "황지만", Deloitte Insights, ~ (2021)
  28. Aizaki, H., "Stated preference methods using R" (2015), CRC Press
  29. Aruga, K., "Energy policy trade-offs in Poland: A best-worst scaling discrete choice experiment", Energy Policy, 156, pp.112465~ (2021)
  30. Cheung, K., "Using best-worst scaling to investigate preferences in health care", Pharmacoeconomics, 34(12), pp.1195~1209 (2016)
  31. Collado-Mesa F., "The role of artificial intelligence in diagnostic radiology: a survey at a single radiology residency training program", Journal of the American College of Radiology, 15(12), pp.1753~1757 (2018)
  32. Cox, D. F., "Perceived risk and consumer decision-making: The case of telephone shopping", Journal of Marketing Research, 1(4), pp.32~39 (1964)
  33. Finn, A., "Determining the appropriate response to evidence of public concern: the case of food safety", Journal of Public Policy & Marketing, 11(2), pp.12~25 (1992)
  34. Flynn, T., "Valuing citizen and patient preferences in health: recent developments in three types of best–worst scaling", Expert Review of Pharmacoeconomics & Outcomes Research, 10(3), pp.259~267 (2010)
  35. Flynn, T. N., "Best–worst scaling : What it can do for health care research and how to do it", Journal of Health Economics, 26(1), pp.171~189 (2007)
  36. Jeong, G., "Public preferences regarding adoption of personal genomic testing based on best-worst scaling", Health Policy and Technology, 7(4), pp.358~364 (2018)
  37. Kiritchenko, S., "Best-worst scaling more reliable than rating scales : A case study on sentiment intensity annotation", Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics, 2, pp.465~470 (2017)
  38. Lancsar, E., "Best worst discrete choice experiments in health : methods and an application", Social Science & Medicine, 76, pp.74~82 (2013)
  39. "Artificial Intelligence in Healthcare Market" (2021)[URL]
  40. McFadden, D. L., "Conditional logit analysis of qualitative choice analysis", pp.105~142 (1974), Frontiers in Econometrics
  41. Mühlbacher, A., "Experimental measurement of preferences in health and healthcare using best-worst scaling: an overview", Health Economics Review, 6, pp.2~ (2016)
  42. Mühlbacher, A., "Experimental measurement of preferences in health care using best-worst scaling (BWS): theoretical and statistical issues", Health Economics Review, 6, pp.5~ (2016)
  43. Waymel, Q., "Impact of the rise of artificial intelligence in radiology: what do radiologists think?", Diagnostic and Interventional Imaging, 100(6), pp.327~336 (2019)

관련 논문AI추천

BWS 방법을 이용한 보건의료문제 해결 우선순위 선호도 분석정기철한국혁신학회 · 한국혁신학회지2022 · 제17권 제1호인공지능진료시스템 수용에 관한 연구 : 의료기관 종사자와 일반인의 기대 차이를 중심으로예춘정, 장영혜보건의료산업학회 · 보건의료산업학회지2021 · 제15권 제4호양분선택법을 이용한 취약계층 보건 및 안전 관련 생체정보기반 지능형 가정돌봄서비스의 지불의사금액 조사 연구배서우, 이현정, 조민우, 최솔지한국보건의료기술평가학회 · 보건의료기술평가2021 · 제9권 제2호의료 인공지능 유용성 및 공공성을 위한 정책 제안박희봉, 장선애한국공공관리학회 · 한국공공관리학보2021 · 제35권 제3호Stakeholders’ Requirements for Artificial Intelligence for Healthcare in Korea강미라, 김경아, 서연이, 신수용, 유재용, 이경현, 이영찬, 이일동, 차원철, 홍성준대한의료정보학회 · Healthcare Informatics Research2022 · 제28권 제2호질환별 의료서비스 이용행태와 인공지능(A.I) 왓슨 도입 병원으로의 전환의도에 대한 영향요인 분석신은규, 천관주경영연구원 · 의료경영학연구2019 · 제13권 제4호

이 간행물의 다른 논문 (22건)

온라인 HMR 소비자의 정보수용과정에 관한 연구: 소비자의 관여도 조절효과 중심으로김영균, 전미란pp. 1-14해군장병이 인식한 조직문화와 조직시민행동의 관계 연구: 정서적 몰입의 매개효과와 상호작용 공정성의 조절효과이홍정, 박희태pp. 15-31편의점 HMR 추구혜택이 구매의도에 미치는 영향: 지각된 품질의 매개역할정해옥pp. 32-42기술수용모델을 기반으로 한 배달 앱의 지속이용의도에 관한 연구: 배달 앱 친숙도의 매개역할을 중심으로라채일pp. 43-54무인 점포 고객의 선택속성, 신뢰, 만족 및 충성도 간에 구조적 관계에 관한 연구: 중국인 고객을 대상으로우군, 김학선, 문지영pp. 66-75
원문 보기