의료 인공지능 (Medical Artificial Intelligence (AI))은 임상 실무를 변화시킬 것으로 널리 기대되고 있지만, 많은 머신러닝 (Machine Learning (ML)) 모델의 의사결정 과정은 여전히 불투명합니다. 설명 가능성 (Explainability)은 특히 이해관계가 큰 상황에서 AI가 왜 예측을 생성하는지 명확히 하기 위한 부분적인 해결책으로 제시되어 왔습니다. 지속적인 노력에도 불구하고, 무엇이 적절한 의료적 설명이 되는지에 대한 논쟁은 여전히 해결되지 않은 상태로 남아 있습니다. 그러나 설명은 오랫동안 과학 철학 및 의학 연구의 중심 주제였습니다. 하지만 이러한 분야에서 발전된 통찰력은 현대의 설명 가능한 AI (Explainable AI (XAI)) 연구에서 대체로 간과되어 왔으며, 이로 인해 그 기초적인 가정들이 충분히 검토되지 못했습니다. 이러한 간극을 메우기 위해, 본 논문은 과학 철학과 XAI의 교차점에서 비판적 검토를 수행합니다. 본 논문은 보건 과학에서 무엇을 설명으로 간주하는지에 대한 기존의 설명들을 조사하고, 이것이 의학 분야의 XAI에 정보를 제공하기 위한 적절성을 평가하며, 이러한 설명들이 이 영역에서 철학적 근거를 갖춘 설명 가능성 접근법을 위한 필요조건을 제공한다고 주장합니다. 이러한 기초적인 철학적 문헌을 바탕으로, 본 논의는 세 가지 핵심 분석 축을 식별합니다: 의료적 추론에서 인과관계 (Causality)의 역할, 의료적 신뢰 (Medical Trust)의 인식론적 및 관계적 차원, 그리고 다양한 이해관계자의 실용적 요구에 의해 형성되는 설명적 적절성 (Explanatory Adequacy)의 기준입니다. 철학적 분석을 의료 AI의 현재 발전 사항과 통합함으로써, 본 논문은 인식론적으로 견고할 뿐만 아니라 임상 의사결정의 인식론적 및 실용적 요구사항과 일치하는 설명을 제공하는 XAI 시스템을 설계하기 위한 원칙을 개괄하며, 의료 XAI의 지속적인 논쟁을 아직 충분히 탐구되지 않은 개념적 토대로 이끌어 나갑니다.