머신러닝 인공지능과 인간전문직의 협업의 의미와 법적 쟁점 : 의사의 의료과실 책임을 사례로 :의사의 의료과실 책임을 사례로

설민수

doi:10.29305/tj.2017.12.63.255

추천

검색

질문

자료유형: 학술저널

저자정보: 설민수 (서울중앙지방법원)

저널정보: 한국법학원 저스티스 저스티스 통권 제163호

발행연도: 2017.12

수록면: 255 - 284 (30page)

DOI: 10.29305/tj.2017.12.63.255

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

머신러닝 인공지능의 출현은 오랫동안 인간전문직의 독점적 영역으로 알려졌던 분야에서 인공지능과 인간전문직의 협업을 현실로 만들고 있고 최근 IBM의 Watson이 보여주듯이 의료분야는 이러한 상업화가 앞선 분야이다.
하지만 머신러닝 인공지능과 인간전문직은 문제해결 접근방식에서 구체적 추론을 보면 그 과정을 알 수 없는 계산된 확률과 납득할 수 있는 해명에 기초한 상당성, 그리고 빅 데이터를 이용한 패턴인식과 자신의 경험을 바탕으로 한 귀추론의 적용이라는 명백한 차이가 존재한다. 그 위에 인간 언어 이해의 기술적 한계, 개발국가와 사용 국가 사이의 관행 차이의 존재 등은 인간전문직과 머신러닝 인공지능 사이의 충돌가능성을 높인다.
이러한 상황에서 인간전문직과 머신러닝 인공지능이 협업을 한다고 하더라도 머신러닝 인공지능의 역할은 인간이 실질적 운전자가 아닌 지위로 전환되면서 책임경감이 논의되는 자율주행 자동차에서와 달리 인간전문직을 보조함으로써 실수를 예방하고 관련비용을 낮추는 역할에 국한된다. 구체적 예로서 의료과실에서 의사의 책임에 관해 보면 전문직으로서 법률상 독점적인 지위를 보호받고 있는 의사의 지위, 의사의 충실한 설명의무에 기초할때만 성립할 수 있는 환자의 자기결정권과 같은 사정을 고려해 보면 의사를 보조하는 머신러닝 인공지능의 지위는 의료기기 정도로서 의사의 의료과실 책임체계에 변화를 가져오기는 어렵다. 오히려 의사의 진단과 치료법 선택에 관한 책임을 결과의 예견가능성을 전제로 인정하는 기존의 법원 판결에 비추어 머신러닝 인공지능과의 협업은 현재의 머신러닝 발전단계에서는 특히 머신러닝 인공지능과 의사의 진단이 다를 경우 그 책임범위를 확대시킬 가능성이 더 높다. 다만 머신러닝 인공지능이 상당한 수준에 올라갈 미래의 발전단계에서는 머신러닝 인공지능은 의사의 유력한 방어수단이 될 수 있을 것으로 보이고 그때 균형을 이루기 위한 법률상 책임체계에 대한 고민이 시작될 가능성이 크다.
인간의 실수방지와 전문직 활용 시 비용절감을 앞세운 머신러닝과 인간전문직의 협업은 점점 현실로 다가오고있다. 상대적으로 그 활용 및 발전에 다양한 가능성이 열려있는 현재 단계에서는 포괄적인 규제보다는 상업화에 따른 점진적인 규제를 통해 대응해야 하고, 인간전문직 집단 역시 머신러닝 인공지능의 영향이 집중될 미숙련자들에 대한 교육‧훈련체계 개선에 힘을 기울여야 한다.

The advent of machine learning artificial intelligence(hereafter “AI”) makes partnership between AI. and human professionals a reality in those areas that have long been regarded as a monopolistic area of human professionals and as the recent IBM Watson shows, the field of medicals is ahead of this commercialization trend.
However, there is a clear distinction in problem solving approach between machine learning AI and human professionals, where machine learning AI leads those outcomes by calculation of probability by black-box process and recognition of hidden pattern based on big data while human professionals lead those outcomes by the plausibility based on explanations and application of abductive reasoning based on his or her own experience. Above it, the technical limitations of AI in understanding human language, and the existence of differences in practice between AI developing and using countries and other factors increase the possibility of collision between human professionals and machine learning AI.
In this situation, even if human professionals and machine learning AI cooperate in partnership, the role of machine learning AI is limited to assist human professionals to prevent mistakes and lower the related costs unlike autonomous vehicles where human does not works as drivers practically anymore and human’s position changes from drivers to consumer actually so as to induce the discussion of the reduction in legal liability naturally
As a concrete example, the physician’s liability in medical malpractice can not be changed largely even in partnership with machine learning AI when considering the status of the physician who is protected by law as sole provider of medical service and the patient’s self-determination right that can only be established based on the faithful explanation duty of the doctor, because status of physician assisting AI is medical device at best. Rather, in view of the existing court precedents that find physician liable in malpractice only when there is a possibility of foreseeability of the bad outcome in physician’s diagnosis and the choice of treatment, partnership with machine learning AI in the current stage of machine learning development enlarge physician’s liability expecially when diagnosis of physician and machine learning AI is differed. However, in the future where machine learning AI will reach a considerable level, machine learning AI will afford a strong defense for the physician, and at that time real deliberation of legal responsibility to balance will rise.
Partnership between machine learning AI and human professionals are becoming more and more reality in expectation of reduction of human error and cutting costs. In the current stage, where various possibilities for utilization and development are relatively open, it is better to adopt incremental regulation as commercialization steps rather than comprehensive regulation, and also the human professional group should improve the education and training system for the novice group whom will suffer from machine learning AI at large.

#머신러닝 인공지능 #인간전문직 #협업 #의료과실 #의사의 진단책임 #Machine learning artificial intelligence #Human professionals #Partnership #Medical malpractice #Physician's liability in diagnosis

논문요지
Ⅰ. 서론
Ⅱ. 머신러닝 인공지능과 인간전문직의 문제해결 접근법에서의 차이와 그 충돌가능성
Ⅲ. 머신러닝 인공지능과 인간전문직의 협업에서의 책임체계의 쟁점 : 의료과실에서의 의사의 책임을 사례로
Ⅳ. 머신러닝 인공지능과 인간전문직의 협업에 대한 규제의 방향과 과제
〈참고문헌〉
〈Abstract〉

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 연관된 판례 (13)

대법원 2003. 1. 24. 선고 2002다3822 판결

[1] 의사가 진찰·치료 등의 의료행위를 하는 경우 사람의 생명·신체·건강을 관리하는 업무의 성질에 비추어 환자의 구체적인 증상이나 상황에 따라 위험을 방지하기 위하여 요구되는 최선의 조치를 행하여야 할 주의의무가 있고, 의사의 이와 같은 주의의무는 의료행위를 할 당시 의료기관 등 임상의학 분야에서 실천되고 있는 의료행위의 수준을 기준으로
자세히 보기
대법원 2017. 2. 15. 선고 2014다230535 판결

[1] 환자는 헌법 제10조에서 규정한 개인의 인격권과 행복추구권에 의하여 생명과 신체의 기능을 어떻게 유지할 것인지에 대하여 스스로 결정하고 의료행위를 선택할 권리를 보유한다. 따라서 수술과 같이 신체를 침해하는 의료행위를 하는 경우 환자로부터 의료행위에 대한 동의 내지 승낙을 받아야 하고, 동의 등의 전제로서 질병의 증상, 치료방법의 내용 및
자세히 보기
대법원 2003. 1. 10. 선고 2001도3292 판결

[1] 의료사고에 있어서 의사의 과실을 인정하기 위해서는 의사가 결과 발생을 예견할 수 있었음에도 불구하고 그 결과 발생을 예견하지 못하였고, 그 결과 발생을 회피할 수 있었음에도 불구하고 그 결과 발생을 회피하지 못한 과실이 검토되어야 하고, 그 과실의 유무를 판단함에는 같은 업무와 직무에 종사하는 일반적 보통인의 주의 정도를 표준으로
자세히 보기
대법원 2015. 7. 9. 선고 2014다233190 판결

甲이 대장내시경 검사를 받은 지 이틀째 되는 날 심한 복통과 구토 증상으로 乙 병원에 입원하였는데, 乙 병원 의료진이 CT 검사를 하기 위해서는 금식이 필요하다는 이유로 약 15시간 동안 진통제만 처방하다가, 다음 날 오전 CT 검사를 실시한 결과 복막염이 의심되어 응급수술을 시행하였으나 패혈증으로 사망한 사안에서, CT 검사에 일반적으로 요구되는 6시간의
자세히 보기
대법원 2010. 10. 14. 선고 2007다3162 판결

[1] 구 약사법(2007. 4. 11 법률 제8365호로 전부 개정되기 전의 것)은 의약품에 관하여 임상시험계획의 승인이나 제조품목허가의 권한을 식품의약품안전청장에게 부여하였을 뿐 의약품의 구체적 범위를 하위 법령으로 정하도록 위임하는 규정을 두고 있지 않으므로, 구 약사법의 규제를 받는 의약품인지 여부는 그 정의 규정인
자세히 보기
대법원 2003. 8. 19. 선고 2001도3667 판결

[1] 간호사가 `진료의 보조`를 함에 있어서는 모든 행위 하나하나마다 항상 의사가 현장에 입회하여 일일이 지도·감독하여야 한다고 할 수는 없고, 경우에 따라서는 의사가 진료의 보조행위 현장에 입회할 필요 없이 일반적인 지도·감독을 하는 것으로 족한 경우도 있을 수 있다 할 것인데, 여기에 해당하는 보조행위인지 여부는 보조행위의 유형에 따라
자세히 보기
대법원 2012. 5. 10. 선고 2010도5964 판결

[1] 구 의료법(2009. 1. 30. 법률 제9386호 개정되기 전의 것) 제27조 제1항에서 정하는 `의료행위’라 함은 의학적 전문지식을 기초로 하는 경험과 기능으로 진찰, 검안, 처방, 투약 또는 외과적 시술을 시행하여 하는 질병의 예방 또는 치료행위 및 그 밖에 의료인이 행하지 아니하면 보건위생상 위해가 생길 우려가 있는 행위를 의미한다. 여기서
자세히 보기
대법원 2007. 2. 22. 선고 2005도9229 판결

자세히 보기
대법원 2007. 7. 13. 선고 2007다26240 판결

자세히 보기
대법원 1997. 2. 11. 선고 96다5933 판결

[1] 인간의 생명과 건강을 담당하는 의사에게는 그 업무의 성질에 비추어 보아 위험방지를 위하여 필요한 최선의 주의의무가 요구되고, 따라서 의사로서는 환자의 상태에 충분히 주의하고 진료 당시의 의학적 지식에 입각하여 그 치료방법의 효과와 부작용 등 모든 사정을 고려하여 최선의 주의를 기울여 그 치료를 실시하여야 하며, 이러한 주의의무의
자세히 보기
대법원 1987. 1. 20. 선고 86다카1469 판결

가. 의료사고에 있어서 의료종사원의 과실을 인정하기 위하여서는 의료종사원이 결과발생을 예견할 수 있음에도 불구하고 그 결과발생을 예견하지 못하였고, 그 결과발생을 회피할 수 있었음에도 불구하고 그 결과발생을 회피하지 못한 과실이 검토되어야 한다.
자세히 보기
대법원 1996. 6. 25. 선고 94다13046 판결

[1] 무릇 의사는 진료를 행함에 있어 환자의 상황과 당시의 의료 수준 그리고 자기의 전문적인 지식과 경험에 따라 생각할 수 있는 몇 가지의 조치 중에서 적절하다고 판단되는 진료방법을 선택할 수 있고, 그것이 합리적인 재량의 범위를 벗어난 것이 아닌 한 진료의 결과를 놓고 그 중 어느 하나만이 정당하고 그와 다른 조치를 취한 것에 과실이
자세히 보기
대법원 2011. 7. 14. 선고 2009다65416 판결

[1] 의사가 진찰·치료 등의 의료행위를 할 때에는 사람의 생명·신체·건강을 관리하는 업무의 성질에 비추어 환자의 구체적인 증상이나 상황에 따라 위험을 방지하기 위하여 요구되는 최선의 조치를 취하여야 할 주의의무가 있고, 의사의 이와 같은 주의의무는 의료행위를 할 당시 의료기관 등 임상의학 분야에서 실천되고 있는 의료행위의 수준을 기준으로
자세히 보기

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

설민수

소속기관 서울남부지방법원

주요연구분야 사회과학 > 법학 TOP 5%

논문수 14 이용수 10,929

이 논문과 함께 이용한 논문

인공지능(AI : Artificial Intelligence)시대, 보건의료 미래 전망

김형수 , 전우택 , 양광모 외 3명 의료정책포럼 2017 .04

머신러닝 인공지능의 법 분야 적용의 현재와 미래 : 미국의 현황과 법조인력 구조 및 법학교육에 대한 논의를 중심으로

설민수 저스티스 2016 .10

보건의료분야의 인공지능과 소비자이슈

정영훈 소비자정책동향 2017 .03

인공지능과 의료 전체 발전 과정 Overview

Yoon Sup Choi 대한외과학회 학술대회 초록집 2017 .11

인공 지능에서 인공 감정으로 : 감정을 가진 기계는 실현가능한가?

천현득 철학 2017 .05

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-360-001571931

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차