AI가 의료 전문가의 성과 향상을 돕는 방법: 이점 및 성공 사례
게시 됨: 2023-05-27
다른 산업에 비해 의료 분야의 AI 채택은 다소 느립니다. 의료 데이터는 매우 복잡하고 구조화되지 않은 경우가 많으며 개인 정보 보호 규정에 의해 엄격하게 보호되기 때문에 적합한 AI 솔루션을 개발하고 적절하게 교육하기 어렵습니다.
게다가 의료 산업은 항상 상대적으로 보수적이었고 그만한 이유가 있었습니다. 의료 전문가는 환자의 웰빙과 삶에 책임이 있으므로 신기술의 위험에 대해 매우 신중합니다.
그럼에도 불구하고 의료 분야의 AI 채택은 기술이 더욱 발전하고 업계의 데이터 공유 장벽에 더 잘 적응하면서 점차 가속화되고 있습니다. 2022년 의료 시장 규모의 글로벌 인공 지능 기술은 154억 달러로 평가되었습니다. 2023년부터 2030년까지 연평균 성장률(CAGR) 37.5%로 성장할 것으로 예상됩니다.
이 기사에서는 의료 분야에서 AI의 가장 영향력 있는 이점을 살펴보고 업계에서 사용되는 다양한 유형의 AI 기술을 살펴보고 이미 이를 채택한 의료 전문가의 성공 사례를 공유합니다.
의료 분야에서 AI 기술의 이점
인공 지능은 그 자체로 매우 모호한 용어이며 수많은 상호 관련 기술이 그 범주에 속합니다. 따라서 AI를 의료 시스템에 통합하는 특혜를 얻기 전에 이 부문에서 정확히 어떤 기술이 사용되는지 결정합시다.
가장 일반적으로 의료 시설 및 건강 기술 서비스는 기계 학습, 특히 딥 러닝을 사용하여 건강 관련 데이터를 기반으로 AI 알고리즘을 교육하고 다양한 작업을 수행하도록 준비합니다.
자연어 처리(NLP)는 또한 인간의 언어를 이해하고 문서, 보고서 등을 해석하도록 AI 기반 시스템을 교육하기 위해 의료 분야에 널리 적용됩니다. 마지막으로 RPA(로봇 프로세스 자동화)는 관리 및 임상 프로세스를 간소화하는 데 사용됩니다.
그렇다면 업계에서 일하는 경우 이러한 기술이 탐색할 가치가 있는 이유는 무엇입니까? 의료 분야에서 AI의 가장 중요한 세 가지 이점은 이를 파악하는 데 도움이 될 것입니다.
향상된 진단 정확도
Agency for Healthcare Research and Quality의 2022년 연구에 따르면 미국에서만 매년 740만 건의 오진 오류가 발생합니다. 이 중 260만 건에서 환자는 예방할 수 있었던 손상에 직면합니다. 추가로 370,000개의 오류가 영구 장애 또는 사망으로 이어집니다.
이러한 놀라운 통계는오진이 현대 의료에서 가장 시급한 문제 중 하나 이며 인공 지능이 솔루션의 주요 부분이 될 수 있음을 증명합니다.
오진은 종종 환자의 병력이 부족하거나 의료 전문가가 치료를 받는 수많은 환자로 인해 너무 긴장되어 발생합니다. AI 기술은 인간보다 훨씬 빠르게 수년간의 의료 기록을 분석하고 사례를 기반으로 관련 정보를 찾을 수 있습니다.
또한 의료 분야의 특정 AI 솔루션은 생명을 위협하는 질병을 조기에 감지하고 특정 환자 결과의 가능성을 예측하여 의사가 정확한 치료 계획을 보다 빠르고 효율적으로 만들 수 있도록 도와줍니다.
개인화된 환자 관리
의료 분야에서 인공 지능의 가장 큰 장점 중 하나는 의료 전문가 간의 빠른 정보 교환입니다. AI 솔루션은 병력 데이터와 환자의 라이프스타일을 포함한 환자 데이터를 효율적으로 모니터링하고 분석할 수 있으므로 의사는 개인화된 치료 계획을 세울 수 있는 시간을 확보할 수 있습니다.
AI는 정밀 의학에도 사용됩니다. 즉, 알고리즘이 환자의 게놈 데이터를 분석하여 유전적 돌연변이 또는 바이오마커를 식별하고 특정 치료에 대한 반응을 예측할 수 있습니다. 이를 통해 의료 제공자는 개별 환자에게 치료 계획을 맞춤화 하고 치료 결과를 개선할 수 있습니다.
또한 IoT(센서, 웨어러블 등)와 결합된 AI 기반 솔루션은 변경 사항이나 문제가 발생할 경우 경고를 보내 의료 전문가가 실시간 환자 모니터링을 개선하는 데 도움이 됩니다.
개인화된 치료에 대한 이 마지막 영향은 덜 분명하지만 의료 분야의 AI 기술은 질병의 상관관계와 패턴을 더 잘 이해하기 위해 비슷한 증상이나 진단을 가진 의료 환자를 분석하는 데 사용됩니다.
더 나은 의학적 반응 외에도 이를 통해 개업의는 환자와 상태의 특성에 대해 정보를 제공하고 자세한 대화를 나눌 수 있으므로 환자의 정서적 편안함에 매우 중요한 더 좋고 신뢰할 수 있는 환자-의사 관계를 구축할 수 있습니다.
비용 절감
병원에서 인공 지능을 사용함으로써 얻을 수 있는 가장 분명한 금전적 이점은 아마도 관리 작업의 자동화에서 비롯된 것일 것입니다. 로봇 공학 기술처럼 비용이 많이 드는 투자가 필요하지 않지만 의사의 시간과 자원을 환자 치료에 투입하여 더 나은 환자 결과와 수익 증대로 이어집니다. 그러나 그게 다가 아닙니다.
오진, 부적절한 환자 치료, 자원의 비효율적인 사용으로 인해 의료 서비스 제공자는 비용을 지불해야 합니다 .1992년에서 2014년 사이에 미국 의사들의 의료 과실 청구에 관한 보고서에 따르면 그러한 청구에 대한 평균 보상액은 약 $329,565입니다.
그리고 우리가 이전에 확립한 것처럼 의학 분야의 AI는 의사가 보다 정확하고 효과적인 치료 계획을 세울 수 있도록 지원하여 환자 결과를 개선하고 오진, 의료 과실의 위험을 줄이고 보상 비용을 낮춥니다.
의료 분야의 AI 사례
현재 헬스케어 산업을 위한 AI 기반 솔루션이 너무 많아 그 중 5개만 골라내기가 정말 어려웠습니다. 그러나 우리는 구현에 필요한 예산 측면에서 다르지만 그럼에도 불구하고 탐색할 가치가 있는 가장 많이 언급된 옵션을 선택했습니다.
관리 작업 및 워크플로우 자동화
AI 기반 솔루션을 사용하여 의료 조직 운영의 거의 모든 측면에 연결된 관리 작업을 간소화할 수 있습니다. 몇 가지 예로는 챗봇, 의료 청구, 환자 분류, 재고 관리 및 EHR 관리를통한 약속 일정 자동화가 있습니다.
좀 더 명확한 예를 들기 위해 환자 분류의 예를 자세히 살펴보겠습니다. 환자의 데이터를 받은 후 AI 도구는 증상과 이전 병력을 분석하여 상태의 심각성과 의료 긴급 수준을 결정할 수 있습니다. 이러한 방식으로 위독한 상태에 있는 환자는 높은 우선순위로 표시될 수 있으며 위독하지 않은 환자보다 더 일찍 필요한 치료를 받을 수 있습니다.
AI는의료 기록 자동화 에도 사용할 수 있습니다. 이를 통해 의료 전문가는 환자를 직접 돌보는 데 더 많은 시간을 할애하여 환자 결과와 만족도를 높일 수 있습니다.
임상 결정 지원 시스템
CDSS는 환자 정보를 분석하고 증거 기반 치료 권장 사항을 제시함으로써 의료 전문가의 의사 결정을 지원하는 복잡한 소프트웨어 시스템입니다. 이러한 시스템은 일반적으로 지식 기반 시스템, ML 알고리즘 및 NLP 시스템을 비롯한 여러 기술을 기반으로 합니다.
예를 들어,DXplain은 매사추세츠 종합 병원에서 의료 전문가가 정확한 진단을 내릴 수 있도록 돕기 위해 개발한 CDSS입니다.이 시스템은 환자 데이터를 의료 지식 데이터와 비교하여 잠재적 진단 목록, 추가 의료 검사 권장 사항 및 적절한 치료 계획을 생성합니다.
가상 간호 조수
2023년 5월 현재 미국 간호사의 3분의 1이 직장을 그만둘 계획입니다. 이것은 자연히 전염병 이후 업계가 직면한간호사 부족을 더욱 악화시킬 것입니다.ML, NLP, 컴퓨터 비전 및 데이터 처리 기능과 같은 기술을 결합하는 가상 간호 보조가 이 문제에 대한 올바른 솔루션일 수 있습니다.
일반적으로 앱인 이 AI 기반 도구는 NLP 기반 챗봇을 통해 환자와 소통하고, 증상에 대한 정보를 얻고, 특히 만성 질환을 다룰 때 치료 전략에 대한 지침을 제공할 수 있습니다.
또한 이러한 앱은 환자의 상태를 원격으로 모니터링하고, 치료 계획 준수 여부를 확인하고, 직접적인 치료가 필요할 때 의료 전문가에게 알릴 수 있습니다. 의료 종사자들이 처리해야 하는 극심한 업무량을 줄이는 것 외에도 가상 간호 보조원은 연중무휴로 일하고 의료 시설이 환자 결과를 개선하면서 비용을 절감하도록 도울 수 있습니다.
이 기술의 훌륭한 예 중 하나는Care Angel 입니다.이 가상 간호 보조원은 Amazon Echo 또는 Google Home과 같은 음성 지원 장치에 연결하여 만성 질환이 있는 환자와 상호 작용하여 치료 품질을 향상시킬 수 있습니다.
환자와 간병인에게 지원을 제공하는 것 외에도 어시스턴트는 의료 전문가를 위한 귀중한 데이터와 통찰력을 수집하고 치료 계획의 효율성을 높이는 데 도움을 줍니다.
의료 영상 분석
의사가 아무리 자격이 있더라도 환자 스캔을 읽을 때사람이 실수할 위험이 항상 있습니다.또한 특정 징후는 사람의 눈으로 식별하기에는 너무 작기 때문에 AI 도구에서 두 번째 의견을 얻고진단 정확도를 향상시키는 것이 이치에 맞습니다.
예를 들어 몇 년 전 Fujifilm SonoSite는 SonoSite Synchronicity 라는 AI 기반 초음파 시스템을 개발했습니다.딥 러닝 모델을 사용하여 초음파 이미지를 실시간으로 분석하고 다양한 해부학적 구조를 측정하며 의료 종사자가 보다 정확한 진단을 내릴 수 있도록 지원합니다.
회사는 의료의 최일선에서 일하는 의료 전문가의 요구를 충족시키기 위해 제품을 지속적으로 개선하고 업그레이드합니다.
향상된 진단 외에도 AI 알고리즘은 다양한 의료 이미지에서 패턴을 식별하고 의사가 치료에 대한 환자의 반응을 예측하는 데 도움을 주며 특정 조건의 특성에 대한 기타 유용한 통찰력을 제공할 수 있습니다.
인공지능 로봇 수술
[출처: ohcare.com]
의료 시설이 이 기술을 채택하는 이유는 인공 지능으로 향상된 로봇 공학이 기존 수술 관행과 비교할 때 더 정확하다는 사실에 있습니다.
AI 기반 로봇은 완벽하게 정밀한 움직임을 수행하도록 프로그래밍 및 훈련될 수 있으며, 이는 신경학적 수술과 같은 위험한 수술을 수행할 때 특히 유용합니다. 예를 들어,다빈치 수술 기법은 복강경 수술과 같은 최소 침습 수술을 수행하는 데 자주 사용됩니다.
그건 그렇고, 그것은 그 과정에서 인간 외과의를 배제하지 않습니다. 실제로 이 시스템에는 수술 도구와 카메라가 장착된 로봇 팔이 포함되며 콘솔을 작동하는 외과의가 완전히 제어합니다.
전반적으로 AI 지원 로봇 수술 접근 방식은 인적 오류의 위험을 줄이고 안전성을 개선하며경우에 따라더 빠른 회복으로 이어집니다. 로봇 수술은 일반적으로 최소 침습이기 때문입니다.
의료 분야에서 AI를 사용한 실제 성공 사례
데이터 보안, 편견 및 투명성 부족과 관련된 AI의 여러 문제로 인해 의료 분야는 인공 지능 채택에 대해 매우 신중했습니다. 그러나 기술이 더욱 발전하고 특정 산업에 맞게 조정됨에 따라 점점 더 많은 의료 시설이 치료 결과를 개선하기 위해 AI를 채택하고 있습니다.
다음은 환자의 이익을 위해 인공 지능을 성공적으로 사용하는 의료 시설 및 건강 기술 회사에 대한세 가지 고무적인 이야기 입니다.
AI를 사용하여 유방암을 감지하는 헝가리 클리닉
모든 질병이 그렇듯이 유방암은 조기에 발견될수록 환자가 회복할 기회가 더 많습니다. 그러나 미국 국립 암 연구소(National Cancer Institute)가 추정한 바와 같이 유방암 사례의 약 20%는 유방조영술 선별 검사 중에 누락됩니다. 당연히 이것은 환자들로 넘쳐나는 의사, 특히 방사선 전문의에게 훨씬 더 많은 부담을 줍니다. 그리고 다시 한 번 AI가 구조하러 올 수 있습니다.
2021년에는 매년 35,000건 이상의 검사를 수행하는 헝가리의 5개 병원과 진료소에서 AI 시스템을 채택하여 간과되었을 수 있는 유방암 징후를 확인했습니다.
선별 시스템은 AI 소프트웨어 회사인 케이론 메디컬 테크놀로지스 가 개발했다.제작자는 AI에 수백만 개의 유방 X선 사진을 제공하고 방사선 전문의를 고용하여 모양, 위치 및 밀도를 분석하여 암 성장을 감지하는 알고리즘을 교육했습니다.
이 회사는 275,000건이 넘는 유방암 사례에 대해 모델을 테스트한 후 AI 기술이 스캔의 두 번째 리더인 의사만큼 적어도 암을 감지할 수 있다고 주장했습니다. 또한 추가 테스트에서 AI가 인간보다 더 많은 악성 종양을 식별하여 탐지율을 13% 높인 것으로 나타났습니다.
2021년부터 2023년 3월 현재 AI를 사용하는 헝가리의 MaMMa Klinika 사이트 5곳에서 방사선과 전문의가 놓친 AI 감지 암 22건이 확인되었으며 더 많은 사례가 검토 중입니다.
The New York Times와의 인터뷰에서 클리닉 체인 책임자인 Dr. Andras Vadaszy는 "이 과정이 한두 명의 생명을 구할 수 있다면 그만한 가치가 있을 것"이라고 말했습니다.
911 디스패처를 돕는 덴마크 회사
사람이 급심정지(SCA)로 쓰러지면 CPR이나 제세동 없이 생존할 확률이 60초마다 10%씩 떨어집니다. 그렇기 때문에 EMT가 도착하기를 기다리지 않고 출동원의 지시에 따라 즉시 필요한 도움을 주는 것이 중요합니다. 문제는 전화 통화를 통해 SCA를 어떻게 인식할 수 있습니까?
이 문제는 인공 지능을 통해 환자 상담을 혁신한 덴마크 회사 Corti SA가 구축한 프로그램인Corti AI 의 생성을 촉발했습니다.
처음에는 기계 학습을 사용하여 발신자의 말과 회선의 소음을 분석했습니다. 이 알고리즘은 150,000회 이상의 호출에서 테스트되었습니다. 그 결과, 소프트웨어는 93%의 사례에서 심장 마비를 정확하게 감지했으며, 이는 인간 디스패처가 보여준 73% 결과와 비교됩니다. 게다가 프로그램은 이 결론에 30초 이상 빠르게 도달했습니다. 덕분에 디스패처는 발신자에게 CPR을 수행하는 과정을 신속하게 안내할 수 있었습니다.
AI를 성공적으로 테스트한 후 Corti SA는 전 세계 국가에서 실시간 통화로 대규모 시험을 실시했습니다. 그들은 또한 다른 중요한 조건을 감지하도록 시스템을 교육하기 시작했습니다.
2021년에 스타트업은 환자 상담을 개선하기 위해 시리즈 A 펀딩에서 2,700만 달러를 모금했습니다. 오늘날 AI 프로그램은 모든 종류의 환자와의 만남을 듣고, 기록하고, 안내하고, 코딩함으로써 실시간 의사 결정 지원을 통해 의료 종사자를 지속적으로 돕습니다.
패혈증과 싸우고 있는 듀크 대학교 병원
Global Sepsis Alliance에 따르면 패혈증은 개발도상국뿐만 아니라 매년 4,700만~5,000만 명에게 영향을 미칩니다. 미국에서 매년 오피오이드 과다복용, 전립선암 및 유방암을 합친 것보다 패혈증으로 인한 사망이 더 많습니다. 게다가 병원에서 사망하는 환자 3명 중 거의 1명이 패혈증을 앓고 있으며, 패혈증은 87%의 사례에서 도착하기 전에 진행되기 시작합니다.
동시에 패혈증으로 인한 사망은 빠른 진단으로 예방할 수 있지만 다른 질병의 증상이 흔하기 때문에 감지하기 어려울 수 있습니다. 그렇기 때문에 2018년 11월 Duke University Health System의 응급실은 의료 종사자가 질병의 초기 징후를 발견하는 데 도움을 주기 위해 만들어진 딥 러닝 도구인 Sepsis Watch 의 첫 번째 버전을 출시했습니다.
의사와 간호사를 참여시킨 팀이 이 제품을 만드는 데 3,5년이 걸렸습니다. 그들은 42,000개 이상의 입원 환자 사례에서 얻은 3,200만 개 이상의 데이터 포인트로 AI 모델을 교육했습니다. 결과적으로 이 간단해 보이는 iPad 앱은 매시간 환자의 데이터를 검토하여 패혈증 발병 가능성을 판단하고 고위험 사례를 표시합니다.
그 후 몇 년 동안 팀은 Duke 병원 3곳에서 Sepsis Watch를 개선하고 테스트했습니다. 새로운 AI 도구를 구현하는 데 있어 가장 큰 과제 중 하나는 기술 개발이 아니라 사회적 통합입니다.
새로운 의사 소통 지침, 교육 자료 및 직장 정치에 대한 조정을 통해 혁신을 임상의의 일상적인 작업 흐름에 통합하려면 엄청난 노력이 필요합니다. Sepsis Watch가 널리 보급되기까지는 아직 갈 길이 멀지만 실제 병원 환경에서 테스트되고 있다는 사실은 매우 유망한 프로젝트입니다.
의료 분야에서 AI 및 ML의 미래
의학 분야에서 AI의 미래는 적어도 부분적으로는 예측하기 어렵지 않습니다. 결국, 이 기사에서 언급한 기술은 아직 널리 채택되지 않았으며 더 발전된 형태라 할지라도 우리와 함께 할 가능성이 높습니다.
AI 솔루션이 포함될 가장 유망한 영역에는 정밀 의학, 약물 발견, 원격 환자 치료, 로봇 수술, 영상 분석 및 EHR 시스템의 보다 효율적인 관리가 포함됩니다. 즉, 의료 분야에서 AI의 미래에는 이전에 들어보지 못한 것이 없습니다.
그러나 많은 의료 기관이 간과하는 인공 지능 채택 측면이 있습니다. 바로 의료 분야의 AI 시스템 개발 및 배포에 대한 당사의 접근 방식입니다. 매년 140만 명 이상의 환자에게 서비스를 제공하는 Mayo Clinic의 사장 겸 CEO인 Dr. Gianrico Farrugia는 다음과 같이 말합니다.
“전통적인 파이프라인 모델은 새로운 아이디어를 제시하는 것부터 공급자와 환자가 사용할 독립형 제품으로 전환하는 것까지 선형적인 일련의 포인트에 의존합니다. 대신 플랫폼 접근 방식은 지속적인 협업 생태계에 의존합니다. 시간이 지남에 따라 지속적으로 학습하는 종적 환자 데이터 및 알고리즘을 기반으로 디지털 플랫폼을 통해 통합 솔루션을 공동 생성하기 위해 제공자, 의료기기 회사, 의료 기술 스타트업, 환자 및 지불인을 함께 모아야 합니다.”
또한 Gianrico Farrugia 박사는 연합 데이터 인프라를 사용하여 AI 기술을 채택할 때 민감한 환자 데이터의 개인 정보 보호 및 보안의 중요성을 강조합니다.
“데이터를 AI 모델로 보내는 대신 AI 모델을 비식별 데이터로 가져와 외부 협력자가 데이터가 플랫폼을 떠나지 않고도 결과에 액세스할 수 있는 '유리벽'을 만듭니다.
의료 분야의 비용 절감 AI 솔루션은
이점에 대한 섹션에서 이미 AI 솔루션이 의료 시설과 환자 모두에게 비용 절감에 도움이 될 수 있다고 언급했습니다. 그러나 우리는 실제로 얼마나 많은 비용 절감에 대해 이야기하고 있습니까?
AI가 의료비 지출에 미치는 잠재적 영향에 관한 2023년 논문에 따르면 AI의 광범위한 채택으로 미국 의료비 지출이 5~10% 절감될 수 있습니다. 이는 향후 5년 이내에 2019년 달러로 대략 연간 2,000억 달러에서 3,600억 달러로 해석됩니다.
언급된 비용 절감액에는 병원, 건강 보험사 및 개인 지불인이 포함됩니다. 예를 들어 병원은 주로 행정 및 임상 운영의 AI 기반 최적화를 통해총 비용의 4%~11%를 절약 할 수 있습니다.개인 지불자는 총 지출의 7~9%를 절약할 수 있습니다.
또한 계산하기 어렵지만 그럼에도 불구하고 매우 중요한 병원에 대한 재정 관련 혜택이 있습니다. 전 세계 의료 시스템은 병원이 입원 환자 치료와 같은 중요한 서비스의 수를 줄이거나 완전히 폐쇄하는 등 위기에 직면해 있습니다.
더욱이 많은 의료기관이 코로나19 대유행으로 악화된 인력 부족으로 어려움을 겪고 있습니다. AI 솔루션은 병원과 클리닉이 절차 작업을 자동화하고 의료 전문가가 가장 중요한 환자 치료에 집중할 수 있는 방법이 될 수 있습니다.
AI 기반 리소스 최적화 도구와 함께 치료 자동화는 잠재적으로 병원이 동일한 수의 인력으로 더 많은 환자를 치료하고 더 나은 환자 경험을 제공하여 수익을 증가시키는 데 도움이 될 수 있습니다.
결론
만성 질환의 유병률 증가, 생활 방식의 변화, 업계의 기술 발전으로 현대 의료는 환자의 기대를 충족하기 위한 예방 치료 및 조기 진단에 중점을 둡니다. 그리고 AI 및 ML 알고리즘의 역할은 의료 서비스 제공자에게 가져올 수 있는 재정적 이점은 말할 것도 없고 이러한 접근 방식에 매우 중요합니다.
로봇 공학 및 기타 복잡한 기술에 대한 투자는 규모가 작거나 자금이 부족한 의료 시설에 불가능한 비용이 들 수 있습니다. 그러나 관리 작업 자동화 또는 가상 간호 조무사 통합을 목표로 하는 AI 프로젝트는 특히 합리적인 비용으로 아웃소싱 회사에서 제공하는 경우 현실적일 수 있습니다.
인공 지능을 통해 조직의 워크플로우를 간소화하는 방법을 찾고 있다면 — Mind Studios는 예산에 맞는 가능한 구현 전략을 안내할 준비가 되어 있습니다. 간단한 문의 양식을 작성하시면 비즈니스 개발팀이 곧 무료 상담 일정을 잡을 것입니다.
2