Earticle

초록

영어

Objectives: The clinical adoption of artificial intelligence (AI) in medical imaging is rapidly expanding, increasing the need for standardized AI training in radiologic science programs. This study aimed to describe the current status of AI-related courses in Korean radiologic science programs based on publicly available curricula and propose a no-code, workflow-based AI course and an assessment framework. Methods: Publicly available curricula and course descriptions from 43 radiologic science programs were reviewed. Courses were classified as Direct AI, AI-enabled, or non-AI, unverifiable (including non-AI). Hands-on practice, project/capstone, and programming components were coded only when explicitly stated in public sources. Results: Among the 43 programs, 7 (16.3%) offered Direct AI courses, 12 (27.9%) offered AI-enabled courses, and 24 (55.8%) were categorized as non-AI, unverifiable. Explicit hands-on components were identified in 18 programs (41.9%), projects/ capstones in 6 (14.0%), and programming in 2 (4.7%). Regional distributions and coding evidence are presented in the main tables and Supplementary Tables. Conclusion: Direct AI education in Korean radiologic science programs remains limited, and explicit descriptions of hands-on and programming experiences are scarce in public curricula, which may hinder standardization of student learning experiences. We propose a 15-week, Orange3-based workflow course with rubrics and checklists; future studies should evaluate its feasibility and validity through pilot implementation.

한국어

목적: 의료영상 분야에서 인공지능(AI) 기반 기술의 임상 적용이 확산됨에 따라 방사선학 전공에서도 표준화된 AI 교육과정의 필요성이 커지고 있다. 본 연구는 국내 방사선학과의 AI 관련 교과목 개설 현황을 공개자료 기반으로 파악하고, 노코드(no-code) 도구를 활용한 교과 목(안)과 평가체계를 제안하고자 하였다. 방법: 전국 방사선학과 43개교를 대상으로 학사안내 및 교육과정 공개자료에서 교과목명과 설명을 수집하였다. 교과목은 직접 AI, AI 활용, AI 근거 미확인(비AI 포함)으로 분류하였고, 실습ㆍ프로젝트ㆍ프로그래밍 요소는 공개자료에 명시된 경우에 한해 조사 분석하였다. 결과: 43개교 중 직접 AI 교과목을 보유한 기관은 7개교(16.3%), AI 활용 교과목은 12개교 (27.9%), AI 근거 미확인(비AI 포함)은 24개교(55.8%)였다. 실습 요소는 18개교(41.9%), 프로젝 트는 6개교(14.0%), 프로그래밍 명시는 2개교(4.7%)로 제한적이었다. 지역권별 분포와 공개자 료 기반 분류 결과는 본문 표와 보충자료에 제시하였다. 결론: 국내 방사선학과의 AI 교육은 직접 AI 비율이 낮고, 실습 및 프로그래밍의 명시가 제 한되어 학습경험의 표준화가 어려울 수 있다. 이에 본 연구는 Orange3 기반 워크플로 실습을 중심으로 한 15주 교과목(안)과 루브릭ㆍ체크리스트 평가체계를 제안하였으며, 후속 연구에서 파일럿 적용과 타당도 검증이 추가적으로 필요하다.

목차

ABSTRACT
Ⅰ. 서론
Ⅱ. 연구방법
1. 연구 설계
2. 자료수집
3. 교과목 개발 및 평가체계 설계
Ⅲ. 결과
Ⅳ. 논의
Ⅴ. 결론
참고문헌
국문초록
보충자료

키워드

인공지능 방사선학과 교육과정 의료영상 Orange3 노코드 평가 루브릭 artificial intelligence radiologic science curriculum medical imaging Orange3 no-code assessment rubric

저자

• 오연제 [ Youn Je Oh | 신한대학교 방사선학과 학부생 ]
• 권대철 [ Dae Cheol Kweon | 신한대학교 방사선학과 부교수 ] 교신저자

참고문헌

발행기관

간행물