캘리포니아 대학교 샌디에이고 의과대학의 연구자들이 주도한 파일럿 연구에 따르면, 고급 인공지능(AI)이 병원 품질 보고를 더 쉽고 빠르며 효율적으로 만들 수 있는 잠재력을 가지고 있으며, 높은 정확성을 유지할 수 있다고 한다. 이는 의료 서비스 제공을 향상시킬 수 있다.
2024년 10월 21일 온라인판 뉴잉글랜드 저널 오브 메디신(NEJM) AI에 발표된 연구 결과에 따르면, 대형 언어 모델(LLMs)을 사용하는 AI 시스템이 병원 품질 지표를 정확하게 처리할 수 있으며, 수동 보고와 90%의 일치를 달성할 수 있다고 한다. 이는 의료 보고 접근 방식을 더 효율적이고 신뢰할 수 있게 만들 수 있다.
연구자들은 UC 샌디에이고 헬스(JCHI)와 협력하여 LLMs가 복잡한 품질 지표에 대한 정확한 추출을 수행할 수 있음을 발견했으며, 특히 심각한 패혈증 및 패혈성 쇼크에 대한 메디케어 및 메디케이드 서비스 센터(CMS) SEP-1 지표의 어려운 맥락에서 그렇다고 한다.
LLMs의 병원 업무 흐름 통합은 의료 서비스 제공 방식을 혁신할 가능성을 가지고 있으며, 이를 통해 실시간으로 프로세스를 개선하고 개인화된 치료를 향상시키며 환자가 품질 데이터에 접근할 수 있는 기회를 늘릴 수 있다. 연구가 진행됨에 따라 품질 보고가 단순히 효율적일 뿐만 아니라 전반적인 환자 경험을 개선하는 미래를 구상하고 있다고 한다.
UC 샌디에이고 의과대학의 박사후 연구원이자 연구의 주 저자인 아론 부시나(Aaron Boussina)는 전통적으로 SEP-1의 추출 과정은 방대한 환자 차트를 세심하게 평가하는 63단계의 과정을 포함하며, 여러 검토자의 수주에 걸친 노력이 필요하다고 설명했다. 그러나 이 연구는 LLMs가 환자 차트를 정확하게 스캔하고 몇 초 만에 중요한 맥락적 통찰을 생성함으로써 이 과정에 필요한 시간과 자원을 극적으로 줄일 수 있음을 발견했다고 한다.
품질 측정의 복잡한 요구를 해결함으로써 연구자들은 이 발견이 더 효율적이고 반응적인 의료 시스템을 위한 길을 열어준다고 믿고 있다. UC 샌디에이고 헬스의 품질 및 환자 안전 책임자이자 연구 공동 저자인 채드 반덴버그(Chad VanDenBerg)는 "우리는 기술을 활용하여 의료의 행정적 부담을 줄이고, 그 결과 품질 개선 전문가들이 의료 팀이 제공하는 뛰어난 치료를 지원하는 데 더 많은 시간을 할애할 수 있도록 하는 길을 계속 모색하고 있다"고 말했다.
연구의 다른 주요 발견으로는 LLMs가 오류를 수정하고 처리 시간을 단축시켜 효율성을 개선하고, 작업을 자동화하여 행정 비용을 낮추며, 거의 실시간 품질 평가를 가능하게 하고, 다양한 의료 환경에서 확장 가능하다는 점이 있다. 향후 연구팀은 이러한 발견을 검증하고 신뢰할 수 있는 데이터 및 보고 방법을 향상시키기 위해 이를 구현할 예정이다.
이 연구의 공동 저자에는 UC 샌디에이고 소속의 샤밈 네마티, 리시바르단 크리슈나무르티, 킴벌리 킨테로, 셰리얀시 조시, 가브리엘 와르디, 헤이든 푸어, 니콜라스 힐버트, 아툴 말호트라, 마이클 호가스, 에이미 시타파티, 카란딥 싱, 크리스토퍼 롱허스트가 포함된다. 이 연구는 알레르기 및 전염병 연구소, 국립 의학 도서관, 일반 의학 과학 연구소 및 JCHI의 지원을 받았다.
