Pieces Technologies가 AWS 서비스를 활용하여 환자 예후를 예측하는 방법

미래를 예측할 수 있다면 어떻게 하시겠어요?

예측 인공 지능(AI)/기계 학습(ML) 도구의 기능이 발전함에 따라, 적어도 확률적으로는 미래를 예측하는 것이 가능해질 수 있습니다.

의료 및 생명과학 Startup인 Pieces Technologies, Inc.(Pieces)는 예측 AI/ML 분야에서 새로운 길을 개척하고 있습니다. Pieces는 병원의 전자 의료 기록(EHR)에 통합되는 서비스형 소프트웨어(SaaS) 기반 AI 플랫폼입니다. 이 회사는 환자 여정 전반에 걸쳐 임상 인사이트를 제공함으로써 치료 예후를 개선하는 것을 사명으로 합니다. 퇴원 예상 날짜, 퇴원하는 데 걸림돌이 될 것으로 예상되는 임상 및 비임상적 장벽, 재입원 위험 등, 건강 상황에 대한 예측 정보를 사전에 제공합니다. 또한 Pieces는 의료 서비스 제공자에게 자연어로 인사이트를 제공하고 환자의 임상 문제에 대한 전반적인 명확성을 최적화하여 치료팀이 더 효율적으로 일할 수 있도록 합니다.

CEO 겸 설립자인 Ruben Amarasingham 박사는 의료 서비스 제공자와 환자가 더 나은 예후를 얻을 수 있도록 돕기 위해 Pieces를 설립했습니다. Ruben 박사는 “의료 업무는 필수적인 일입니다. 하지만 의사, 간호사를 비롯한 여러 관계자들은 번아웃과 무력감 때문에 치료를 포기하고 있습니다. 우리 삶의 많은 부분에서 엄청나게 정교한 기술들이 활용되고 있는데, 그것을 의학에 적용할 수는 없는 걸까요?”라고 설명합니다.

Ruben은 13년 동안 병원 의사로 일하면서 “병원에 계속 재입원하는 환자가 속출하고 있다는 것을 알게 되었습니다. 이들 환자는 병원에 와서 치료를 받은 후 1~3주 후에 재입원”하는 경우를 많이 봐왔습니다. 대학원에서 생의학 정보학을 전공하고 임상 이벤트 예측에 중점을 둔 덕분에 Ruben은 이러한 추세에 힘입어 도움을 줄 수 있었습니다.

“제 연구 배경, 임상 진료, 그리고 병원에서 벌어지고 있는 일들 사이에 교차점이 있다는 것을 알게 되었습니다.”

이론을 실제 사용 사례에 적용하기 위해 “저희는 환자의 특성을 기반으로 재입원할 가능성이 있는 환자를 수학적으로 모델링하기 시작했습니다. 그런 다음 사회적 결정 요인을 비롯한 임상 및 비임상 리소스를 위험성이 높은 환자에게 적용했습니다. 그리고 재입원이 발생하기 전에 재입원 가능성이 있는 환자를 식별하고 재입원을 예방할 수 있다는 사실을 알게 되었습니다.”

환자의 재입원을 예측하는 기능을 바탕으로 Ruben은 2016년에 Pieces를 설립했습니다. 이후 의료 서비스 제공자와 환자를 위한 Pieces의 서비스 범위는 빠르게 확대되었습니다. 현재 “저희는 모든 종류의 환자 부작용에 대해 ‘미리 예측할 수 있을까?’를 고민합니다. 그럴 수 있는 경우에는 현장에 있는 개인이 조치를 취할 수 있도록 사전에 인사이트를 제공합니다.”

Ruben은 AI 엔진을 대규모로 배포하고 유지 관리하기 위해서는 Amazon Web Services(AWS)가 필수적이라고 말합니다. “믿을 수 없을 정도로 동적이고 확장 가능한 클라우드가 없었다면 이렇게 할 수 없었을 것입니다. 온프레미스에서는 불가능합니다. 이러한 모델링 시스템이 대규모 데이터 세트에서 학습하도록 해야 하고, 클라이언트 간에 대규모로 AI 성능을 조작하거나 수정할 수 있어야 합니다.”

Pieces가 온프레미스 환경을 사용하던 인큐베이션 기간이 지난 직후, “AWS로 전환했는데 이후 저희는 한 번도 뒤돌아보지 않았습니다. 정말 대단했어요. AWS 환경에 정말 감사하고 있습니다.”

Pieces가 프로덕션 환경에서 대규모로 모델을 실행하는 데 사용하는 가장 중요한 두 가지 AWS 서비스는 Amazon Managed Workflows for Apache Airflow (Amazon MWAA)와 Amazon Elastic Kubernetes Service (Amazon EKS)입니다. Ruben은 “Amazon EKS를 사용하여 Amazon Elastic Compute Cloud (Amazon EC2)와 Amazon Relational Database Service(RDS)의 Kubernetes 인스턴스를 실행합니다”라고 설명합니다. Pieces에게는 의료 시스템 클라이언트 사이트를 실시간으로 모니터링하는 기능이 매우 중요하므로, Amazon EC2와 Amazon OpenSearch Service를 사용하여 실시간 애플리케이션 모니터링을 위한 분석 결과를 로깅합니다.

Ruben은 연관성이 높고 쉽게 액세스할 수 있는 AI/ML 예측 기능을 만드는 데 열정을 쏟고 있습니다. “자연어 생성 기능을 소프트웨어에 통합하게 되어 정말 기쁩니다. 이것이 바로 현재 Pieces가 AI를 활용해야 하는 기능입니다.” Pieces는 자연어 생성 기능을 활용하여 의료 서비스 제공자에게 상황에 따라 일반 언어로 예측 결과를 제공합니다. 자연어를 사용하면 의료 서비스 제공자가 덜 중요한 예측 결과는 제쳐두고 가장 중요한 환자 니즈에 대한 AI의 판단을 더 손쉽게 평가할 수 있습니다. 이를 통해 정보에 입각한 조치를 적시에 이익이 되는 방식으로 손쉽게 취할 수 있습니다.

“자연어 생성 기능은 의료 서비스 제공자와 환자가 가장 효과적으로 받아들일 수 있는 방식으로 정보를 대규모로 번역함으로써 도움을 줄 수 있습니다. 의사를 위한 임상 요약이든, 중학교 1학년 교육 수준의 가족 구성원을 위한 퇴원 지침이든 말이죠.”

가까운 장래에 Pieces는 필요한 경우 의사들이 다른 의사에게 환자를 인계하는 데 활용할 수 있는 핸드오프 요약 보고서를 출시할 것으로 예상됩니다. 이 요약 보고서는 AWS 솔루션에서 Pieces가 수집하도록 허용한 일부 임상 데이터를 사용하여 생성됩니다. 연합위원회에 따르면, ‘심각한 의료 사고의 약 80%가 환자를 이송하거나 인계할 때 간병인 간의 잘못된 의사소통으로 인해 발생’한다고 합니다. Pieces는 이 작업을 자동화함으로써 환자의 치료 예후를 개선하는 동시에 “엄청나게 복잡한 시스템에 의료 행위의 보람을 더할 수 있기를 바라고 있다”고 Ruben은 설명합니다.

Pieces의 발자취를 따라가고자 하는 Startup에게 Ruben은 이렇게 조언합니다. “의료 서비스는 규제가 엄격하고 매우 정밀한 분야이기 때문에 소매업 Startup보다 더 엄격하게 모든 것을 테스트해야 합니다. 천천히 진행해도 괜찮습니다. 의료 환경과 점진적인 발전의 이점을 이해하는 투자자와 후원자를 찾는 것이 중요합니다.”

Ruben은 성공에는 그만한 가치가 있다고 말합니다. “이 모든 단계를 거치고 나면 그 효과가 엄청나기 때문입니다. 더 나은 세상을 만드는 일을 하게 되니까요.”

관련 리소스:

• AWS Activate: AWS에서 시작하기
• Healthcare & Life Sciences Startups
• Startup을 위한 기계 학습