AWS를 활용하여 임상 시험 인텔리전스 분야의 패러다임 혁신을 불러온 Lokavant

게스트 게시물: Lokavant Senior Director IT and DevOps Brian Monroe, Lokavant CEO Rohit Nambisan

시제약에 대한 임상 시험 6건 중 1건은 데이터 관리 및 해석 방식에서 비롯된 문제, 즉 약물 후보의 안전성이나 효능과는 전혀 관련이 없는 문제로 인해 미 식품의약국(FDA) 및 유럽 의약품청(EMA)과 같은 기관의 규제를 통과하지 못합니다. 규제를 통과하지 못한 의약품은 일정 지연과 예산 초과로 인해 피해를 유발합니다. 실제로 승인된 의약품을 개발하는 데 드는 평균 비용은 지난 10년 동안 26억 USD로 두 배 이상 증가했습니다. 이러한 운영 실패로 인해 임상 시험 의뢰사와 위탁 연구 기관(CRO)은 직접 비용으로만 수천만 USD의 손실을 입을 수 있으며, 시장 진입 지연으로 인한 판매 손실에 따른 기회 비용도 훨씬 더 커질 수 있습니다. 하지만 이용할 수 있는 치료 옵션이 그만큼 한정되고 의약품 가격 상승으로 인한 부담도 안게 되는 환자들이 누구보다 큰 고통을 겪습니다.

Lokavant는 신약 개발에 드는 시간과 비용을 줄이는 것을 사명으로 하는 임상 시험 인텔리전스 회사입니다. Lokavant는 수십 가지 의약품을 개발 중인 나스닥 상장 바이오제약 회사인 Roivant Sciences에서 분사했습니다. Lokavant의 팀은 Roivant와 같은 회사가 R&D 파이프라인에 수억 달러를 투자하고서도 임상 시험에서 운영상의 리스크로 인해 어려움을 겪고 있다는 사실을 알게 되었습니다. 임상 시험에서 운영 리스크를 완화하는 가장 좋은 방법은 임상 팀이 사후 대응적 태도가 아니라 사전 예방적이고 예측적인 태도를 취할 수 있도록 지원하는 것입니다. Lokavant와 이 회사의 Oversight 및 Insight 제품은 바로 이러한 기능을 제공합니다. 두 제품 모두 임상 시험에 대한 데이터 인사이트를 수집하고 상관관계를 분석하여 해당 데이터를 제공합니다. Oversight는 Lokavant의 리스크 기반 품질 관리 애플리케이션으로, 연구 팀과 경영진에 연구, 국가, 현장 및 환자 수준에서 새로운 리스크를 알립니다. Lokavant의 후원사 및 CRO 고객은 Insight를 통해 2,000건 이상의 과거 임상 시험 데이터를 사용하여 Lokavant의 전용 리포지토리와 비교하면서 임상 시험의 성과를 벤치마킹할 수 있습니다. Lokavant의 제품은 연구 팀이 사용하기 쉽고, 미래 지향적인 인사이트를 생성하는 기계 학습 모델을 제공하며, 신뢰성, 보안, 확장성이 뛰어납니다. Lokavant는 소스에 구애받지 않고 실시간으로 데이터를 수집하고 통합하여 유용한 인사이트를 그 어느 때보다 빠르게 도출하는 기반 기술 계층인 Clinical Intelligence 플랫폼을 기반으로 제품을 배포합니다.

제품 및 플랫폼 개발을 처음 시작할 당시 저희는 불필요한 비용과 작업으로 비즈니스에 지장을 주지 않으면서 구축 및 배포에 착수할 수 있는 최상의 환경을 제공할 파트너를 찾아야 했습니다. Lokavant는 시급히 필요한 솔루션을 제공해줄 파트너로 AWS가 제격이라는 사실을 금방 깨달았습니다. Lokavant는 AWS와의 협력을 통해 인프라 관련 작업에 소요되는 시간을 줄이고, 기술 팀이 Lokavant의 성장하는 제품군 제품을 구축하는 데 집중할 수 있도록 시간과 리소스를 확보할 수 있었습니다. 또한 이를 통해 Lokavant는 회사의 현재 성숙도에서 가장 적합한 항목에 지출을 할당할 수 있었습니다. AWS는 Lokavant가 안정적으로, 그리고 회사에 적합한 속도로 확장하고 솔루션을 훨씬 더 빠르게 제공하는 데 필요한 솔루션을 제공했습니다.

저희 마이크로서비스 아키텍처는 Amazon Elastic Container Service(Amazon ECS)를 기반으로 하며, Snowflake는 백엔드 데이터 마트와 분석 스토어를 지원합니다. AutoScaling 기능을 지원하는 Amazon ECS를 사용하면 필요에 따라 스케일 업/스케일 다운되는 Elastic Load Balancer(ELB)를 통해 노출되는 컨테이너화된 비즈니스 로직과 마이크로 서비스 인터페이스를 손쉽게 배포할 수 있습니다. AWS Fargate가 작업을 덜어주므로 자체 인프라와 운영 체제의 복잡성에 대해 걱정할 필요 없이 컨테이너 기반 솔루션에 집중할 수 있습니다.

Amazon ECS 및 ELB에서 실행되는 핵심 백엔드 서비스를 보완하기 위해 Amazon CloudFront에 고객용 애플리케이션을 배포하고, Amazon API Gateways에서 복합 서비스를 제공합니다. Amazon API Gateways에서는 AWS Lambda를 활용하여 여러 백엔드 AWS 서비스와 통합되는 비즈니스 로직을 신속하게 배포합니다. Cloudfront를 통해 세계 여러 리전에 이러한 사용자 인터페이스를 배포할 수 있게 되고, 따라서 전 세계의 고객이 더 빠르게 액세스할 수 있습니다. 또한 Lokavant는 Amazon Cognito를 사용하여 애플리케이션과 API를 인증합니다. 이를 통해 SAML2 및 OIDC Single Sign On 페더레이션을 활용하는 고객과 원활하게 통합할 수 있습니다. 이는 많은 후원사와 CRO의 핵심 요구 사항입니다.

백엔드에서 Lokavant는 정적인 특정 시점 인사이트뿐만 아니라, 예측 분석을 통해 새롭고 혁신적인 분석까지 제공하고 있습니다. 이러한 분석에서는 과거 임상 연구의 데이터와 결과를 마이닝하고 상관관계를 분석하는 Lokavant의 능력을 활용하여, 연구 리스크의 선행 지표를 제공할 모델을 구축하고 훈련합니다. 현재 저희는 준비, ETL 및 데이터 마트 생성 기능을 제공하는 별도의 컨테이너에 모델 엔진을 제공한 다음, 훈련과 실행을 병렬로 수행하는 다양한 Python 기반 패키지로 빌드된 모델을 배포하고 있습니다. Lokavant는 AWS Managed Apache Airflow를 통해 모든 데이터 수집 및 데이터 레이크 관리 작업을 수행합니다. AWS Managed Apache Airflow는 Amazon Simple Storage Service(S3) 및 Snowflake와 직접 인터페이싱하면서 높은 수준의 상관관계가 요구되는 여러 종속 워크플로를 준비하고 동기화합니다.

Lokavant는 컨테이너화된 모델 엔진을 사용하여 Managed Apache Airflow를 통해 실행되는 분산 ECS Fargate에서 작동하도록 강력한 원자 구성 요소를 구성하고 있습니다. 또한 이러한 컨테이너화된 엔진은 Amazon SageMaker의 노트북 기반 인터페이스를 통한 자체 컨테이너 통합을 기반으로 새로운 기능을 활용할 수 있게 해 줍니다. 이러한 추가 도구를 통해 Lokavant는 기존 모델 출력과 함께 조사 데이터 과학을 실행하여 궁극적으로 제품을 개선하고 고객의 임상 시험 운영을 개선할 새로운 트렌드와 데이터 패턴을 식별할 수 있습니다.

Lokavant는 배포 및 실행 환경 외에 지속적 통합 및 지속적 전달(CICD)에도 막대한 투자를 해왔습니다. 저희는 이해 관계자의 생산성을 지속적으로 개선하고 있으며 애플리케이션 개발, 데이터 엔지니어링 및 데이터 과학 그룹을 위한 자동화된 전달 채널을 만들고 있습니다. Lokavant는 AWS CodePipeline과 AWS CodeBuild를 사용하여 GitHub 리포지토리를 통합하고 자동 조정된 ECS 및 Lambda 인프라에 대한 배포를 자동화합니다. 모든 파이프라인 구성은 AWS Systems Manager Parameter Store를 기반으로 하며, 칠 또는 몇 주가 아닌 몇 시간 만에 완전히 새로운 분야의 스택을 가동할 수 있습니다. 저희의 빌드 파이프라인은 AWS Chatbot과 Slack을 통해 대화식으로 운영되므로, 개발자가 빌드 및 배포 상태는 물론 상위 수준 환경에 필요한 승인 또는 제한된 상호 작용에 대해 계속 정보를 얻을 수 있습니다.

결론

운영 리스크는 결국 임상 시험에서 데이터를 관리하고 해석하는 방식에서 비롯됩니다. 지난 10년 동안 임상 시험을 통해 생성된 데이터와 이러한 데이터를 수집하는 데 사용되는 전자 임상 시스템이 급증했습니다. 어떤 경우든 데이터는 많을수록 좋다고 생각할 수도 있지만 온라인 임상 시스템 전반에서 데이터의 단편화가 만연하고 있으며, 당연히 이러한 레거시 솔루션은 분산형 임상 시험과 같은 파괴적인 혁신 기능으로 인해 증가하는 데이터 유입에 대응하도록 설계되지 않았습니다.

Lokavant와 그 제품은 크고 작은 후원사와 CRO가 이러한 데이터 문제를 데이터의 이점으로 바꾸는 데 도움을 주었습니다. 한 연구에서, Lokavant는 12명 이상의 환자가 추적 상실되지 않도록 하여 연구의 질을 높였는데, 해당 환자들이 추적 상실될 경우 1백만 USD 이상의 연구 비용을 초래할 뻔한 중대한 리스크였습니다. 또 다른 연구에서는 Lokavant가 기존 사이트 관리 방법보다 몇 달이나 빠르게 사이트 규정 미준수 문제를 찾아냄으로써 6개월의 연구 지연을 방지하기도 했습니다. Lokavant는 데이터 과학 및 분석에 대한 지속적인 투자를 통해 등록 예측의 정확도를 최대 70배까지 개선하는 기계 학습 모델도 구축했습니다. 이는 새로운 임상 시험의 계획 단계에서 실수가 발생하기 쉬운 부분이었습니다.

수천 건의 신규 임상 시험을 지원하도록 솔루션을 계속 확장하고 임상 인텔리전스 분야의 신제품을 개발하면서, 임상 개발에 드는 시간과 비용을 절감하겠다는 저희의 사명을 실현해줄 핵심 파트너로서 AWS를 계속 활용할 것입니다.

관련 콘텐츠:

• Citus Health가 AWS를 사용하여 안전한 실시간 가상 환자 진료를 제공하는 방법
• Emerald Cloud Lab이 AWS를 활용하여 실험실을 혁신하는 방법
• 영국 AWS 의료 서비스 액셀러레이터, 첫 프로그램에 참여하도록 선정된 12개 Startup 발표