생성형 AI로 임상시험 환자 사전 선별 시간 40% 단축… AWS 솔루션 공개

의료진들이 환자들에게 적합한 임상시험을 찾고 등록하는 과정은 여러 난관에 직면해 있다. 인식 부족, 정보 접근성 제한(특히 희귀질환의 경우), 시간적 제약이 주요 장애물이다. 의료진은 임상시험 대상자 선정을 위해 환자의 진단, 병기, 치료 이력 등의 의료 정보를 수집하고, 임상시험 등록부와 기관심사위원회를 검토하며, 적격성 기준을 확인하는 등 복잡한 과정을 거쳐야 한다. 이러한 과정을 간소화하기 위한 해결책으로 인공지능을 활용한 사전 선별 자동화가 제시되고 있다.

AWS가 공개한 새로운 솔루션은 아마존 베드록(Amazon Bedrock)의 지식 기반과 에이전트를 활용해 암 환자와 적합한 임상시험을 매칭하는 시간을 획기적으로 단축했다. 하나의 암 임상시험에는 수많은 포함 및 제외 기준이 있으며, 각각을 환자의 구체적인 병력과 현재 상태에 대해 확인해야 한다. 생성형 AI를 통한 자동화로 이 선별 과정에서 약 40%의 시간 절감 효과를 달성했다.

이 솔루션은 환자의 의료 상태와 나이, 성별, 국가 등 인구통계학적 데이터를 기반으로 관련 임상시험을 찾는다. 특히 포함 및 제외 기준에 따른 매칭 과정에서 체인오브솟(Chain of Thought) 추론을 적용해 임상시험 선정 또는 제외 사유를 설명하고, 추천된 매칭 간의 주요 차이점을 비교할 수 있도록 했다.

아마존 베드록은 단일 API를 통해 고성능 기초 모델을 제공하며, 보안, 개인정보 보호, 책임 있는 AI를 갖춘 생성형 AI 애플리케이션 구축에 필요한 기능을 제공한다. 아마존 베드록 에이전트는 기초 모델, 데이터 소스, 지식 기반, 소프트웨어 애플리케이션, 사용자 대화 간의 상호작용을 관리하며, 작업 실행을 위한 API 호출을 자동화하고 이와 관련된 정보를 지식 기반에서 가져와 보강한다.

이 솔루션의 아키텍처는 아마존 베드록 에이전트, 지식 기반, 아마존 오픈서치 서비스(Amazon OpenSearch Service), AWS 람다(Lambda) 함수 등을 통합적으로 활용한다. 의료진이 환자 정보로 임상시험 에이전트에 쿼리를 시작하면, 시스템이 의료 기록을 가져오고, 지식 기반을 활용하며, 다양한 API를 호출하여 포함 및 제외 기준에 따라 적합한 임상시험을 추천한다.

아마존 베드록의 에이전트 기반 프레임워크는 개발자들이 여러 시스템과 데이터 소스에 걸친 다단계 작업을 실행하여 복잡한 시스템을 모델링하고 시뮬레이션할 수 있게 한다. 전체 워크플로우는 1) 환자 관련 이력 정보 가져오기 2) 임상시험 등록부 조회를 통한 환자 현재 상태 관련 임상시험 검색 3) 환자 이력 속성과 임상시험 관련 포함/제외 기준 매칭을 통한 특정 임상시험 선별 등 여러 작업을 포함한다.

아마존 베드록의 에이전트 기반 프레임워크는 개발자들이 여러 시스템과 데이터 소스에 걸친 다단계 작업을 실행하여 복잡한 시스템을 모델링하고 시뮬레이션할 수 있게 한다. 전체 워크플로우는 1) 환자 관련 이력 정보 가져오기 2) 임상시험 등록부 조회를 통한 환자 현재 상태 관련 임상시험 검색 3) 환자 이력 속성과 임상시험 관련 포함/제외 기준 매칭을 통한 특정 임상시험 선별 등 여러 작업을 포함한다. 이 프로세스를 통해 기존에 수 시간이 걸리던 임상시험 사전 선별 과정이 몇 분으로 단축되었다.

AWS의 이번 솔루션은 의료 서비스 제공자들이 임상시험 등록 과정을 효율화하고 생명을 구하는 치료법 개발을 가속화할 수 있는 새로운 가능성을 제시했다. 생성형 AI가 발전함에 따라 의료 분야에서의 잠재적 응용 범위는 매우 광범위하며, 환자 치료와 의학 연구의 다양한 측면에서 혁신을 가져올 것으로 기대된다. AWS는 의료계의 특정 요구에 맞게 솔루션을 조정하고 새로운 가능성을 모색할 것을 권장하며, 깃허브를 통한 기능 개선 제안이나 문제점 보고 등 커뮤니티의 협력을 환영한다고 밝혔다.

기사에 인용된 리포트의 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기