의료 분야의 생성 AI: 예시, 이점, 사용 사례

OpenAI ChatGPT의 엄청난 인기로 인해 생성 AI를 산업에서 사용되는 애플리케이션에 통합하려는 경쟁이 촉발되었습니다. 의료는 이러한 변화를 선도하는 분야 중 하나입니다.

McKinsey & Company에 따르면 의료 분야의 생성적 AI는 오류가 발생하기 쉬운 작업을 자동화하고 임상의에게 풍부한 데이터를 몇 초 만에 제공하며 의료 인프라를 현대화함으로써 업계에서 실현되지 않은 1조 달러의 잠재적 개선을 실현하는 데 도움이 될 수 있습니다.

의료 분야의 생성 AI 사례

의료 업계에서는 부작용 예측, 수술실 일정 최적화, 더 나은 결과를 도출하기 위한 환자 데이터 연결 등 수년 동안 AI 기술을 사용해 왔지만 의료 분야의 AI는 업계에 훨씬 더 깊은 변화를 약속합니다.

다음은 의료 분야에서 AI를 활용한 최근 사례입니다.

• Amazon Web Services(AWS)는 지난 7월 음성 인식 및 생성 AI를 사용하여 임상 문서를 생성하여 임상의의 시간을 절약하는 AWS HealthScribe라는 서비스를 발표했습니다.
• 월스트리트저널(WSJ) 에 따르면 구글은 메이클리닉 등 병원에서 Med-PaLM 2라는 의료용 챗봇 기술을 테스트하고 있다. Med-PaLM 2는 Google의 대화형 생성 AI 챗봇인 Bard의 기반이 되는 LLM(대형 언어 모델) 기술을 기반으로 의료 관련 질문에 보다 정확하고 안전하게 답변하는 것을 목표로 합니다.
• ChatGPT를 지원하는 OpenAI의 주요 투자자 중 하나인 Microsoft는 Epic Systems와 제휴하여 생성 AI 기술을 전자 건강 기록(EHR)에 통합하고 있습니다. Microsoft의 Nuance Communications 자회사는 ChatGPT를 지원하는 LLM의 최신 버전인 GPT-4와 대화 및 주변 AI를 결합한 완전히 자동화된 임상 문서 애플리케이션도 발표했습니다.

전 세계에서 가장 혁신적인 의료 기업 중 83%가 SAP 솔루션을 운영하고 있습니다.

가장 데이터 집약적인 산업 중 하나에서 데이터 활용

새로운 기술을 가장 늦게 수용하는 것으로 악명 높은 보수적인 산업인 의료 분야에서 이러한 견인력을 목격하는 것은 놀라운 일입니다. HIPAA(Health Insurance Portability Accountability Act)와 같은 엄격한 개인 정보 보호 규정이 데이터 공유를 방해하는 경향을 고려할 때 이는 특히 그렇습니다.

그러나 의료는 가장 데이터 집약적인 산업 중 하나이기도 합니다.

평균적인 병원에서는 매년 약 50페타바이트의 데이터를 생성한다고 합니다. 이는 킹제임스 성경 성경의 디지털 사본이 약 12조 5천억 개에 달하는 것입니다. 더욱이 의료 분야에서 생성되는 데이터의 양은 매년 47%씩 증가하고 있는 것으로 알려졌는데, 이는 모든 산업 분야에서 중요한 사건입니다.

그 모든 데이터는 누군가가 기록해야 하는데, 여기에는 상당한 시간이 걸립니다. 그 중 많은 부분은 의료 기관의 효율성을 향상하고 도움이 필요한 환자에게 적시에 의료 정보와 조언을 제공하는 데 매우 유용할 수 있습니다.

그러나 인간과 오래된 기술이 처리하기에는 데이터가 너무 많기 때문에 해당 데이터를 잘 활용하는 것은 거의 불가능합니다.

AI가 작동하는 곳은 바로 여기입니다. 딥 러닝 알고리즘을 사용하여 새로운 텍스트, 오디오, 코드 및 기타 콘텐츠를 생성함으로써 개인 정보 보호에 최적화된 다음 엄청난 양의 구조화되지 않은 의료 정보를 올가미로 묶어 시간과 비용을 절약하는 동시에 끝없는 비즈니스 및 임상 가능성을 열어줄 수 있습니다.

의료 환자 참여: 더 좋고 대담한 미래를 상상합니다

미국에서는 지급인과 의료 서비스 제공업체 모두 수많은 중요하고 긴급한 과제에 직면해 있습니다. 너 준비 됐니?

맞춤형 의료, 더 빠른 진단 등

IDC Health Insights 분석가인 Lynne Dunbrack에 따르면 의료 기관은 이러한 잠재력을 보고 있으며, 이는 의료 기관 중 64.8%가 생성 AI 시나리오를 탐색하고 있으며 34.9%가 이미 이에 투자하고 있는 이유 중 하나입니다.

Dunbrack은 “환자 경험 향상, 인구 건강 개선, 비용 절감 등 주요 우선순위를 해결하는 기술에 대한 수요가 있습니다.”라고 말합니다.

보다 구체적으로 분석가들은 생성 AI가 다음을 포함하여 의료 산업의 다양한 공통 요구 사항을 해결하는 데 필수적이라고 말합니다.

1. 맞춤형 의학 : 생성 AI는 막대한 양의 환자 데이터를 집계하고 분석하여 맞춤형 약물 및 치료 권장 사항을 제공하여 치료를 향상시킬 수 있습니다.
2. 의료 영상 분석 : LLM은 MRI, CT 스캔, X선과 같은 의료 영상 해석에도 탁월합니다. 이미지 분석을 자동화하면 임상의가 문제를 보다 빠르고 정확하게 감지하여 진단 및 전반적인 치료를 개선할 수 있습니다.
3. 임상 기록: AWS의 HealthScribe와 같은 다양한 도구는 의사가 환자 방문에 대해 적절하고 자세한 기록을 작성하고 EHR에 입력해야 하는 시간이 너무 제한되어 있는 오래된 문제를 해결하려고 할 것입니다. AI 도구는 음성 인식과 딥 러닝을 사용하여 이러한 프로세스를 빠르고 효율적으로 자동화함으로써 이러한 번거로움을 완화할 수 있습니다.
4. 약물 발견 및 개발 : 생성적 AI는 분자 상호작용을 시뮬레이션하고 가능한 약물 후보를 예측함으로써 약물 발견을 가속화하는 데에도 사용될 수 있습니다. 또한 규제 약물 승인 속도를 높이는 데에도 사용되고 있습니다. 예를 들어 인실리코메디슨(Insilico Medicine)은 자체 AI 플랫폼을 사용하여 호흡기 질환인 특발성 폐섬유증에 대한 치료법을 발견했을 뿐만 아니라 이를 전임상 약물 발견 과정의 각 단계에 적용했다고 밝혔습니다. Insilico는 전통적인 방법을 통해 이를 수행하는 데 일반적으로 4억 달러 이상의 비용이 들지만 생성 AI를 사용하면 그 비용의 약 10분의 1로 이를 달성할 수 있을 것으로 예상하고 있습니다.
5. 가상 건강 보조자 : 최초의 의료용 생성 AI 챗봇 중 다수는 환자의 질문에 대해 하루 24시간 더 효율적으로 더 빠르고 더 나은 답변을 제공하는 데 중점을 둘 것입니다. 예를 들어 UNC Health는 Epic의 생성 AI 도구를 활용하여 과중한 임상의가 엄청난 양의 메시지에 대처할 수 있도록 돕고 있습니다.
6. 보험 청구 간소화 : Generative AI는 환자 기록의 추출 및 처리를 자동화하여 환자의 의료 보험 청구(또는 의사 사무실의 사전 승인 요청)를 간소화하여 콜센터 직원의 부담을 완화하는 데도 도움이 됩니다. 또한 의심스러운 패턴과 이상 징후를 감지하여 잠재적으로 사기성 제출을 식별하는 동시에 청구 고려 속도를 높이는 데 도움이 될 수 있습니다.

초기의 모든 과대광고에도 불구하고 기술로서의 생성적 AI는 아직 초기 단계에 있으므로 현재 의료에 대한 초점이 지속될 것인지 예측하는 것은 불가능합니다. 그러나 한 가지는 분명합니다. 수십억 달러가 우주에 투입되고 있기 때문에 추세는 조만간 뒤처지지 않을 것입니다.