미국 하버드대학의 베스 이스라엘 디컨네스 의료 센터(BIDMC, Beth Israel Deaconess Medical Center)가 AWS에서 학술 연구 후원을 받아 머신러닝이 어떻게 환자 진료를 개선시킬 수 있는지를 수년간 연구하고 있습니다. 하버드 의과대학 협력 부속 병원은 다양한 AWS 머신러닝 서비스를 이용해 머신러닝을 활용하는 새로운 방법들을 밝혀낼 것입니다. 이 기술들이 실제 진료에 적용되면 임상 치료를 강화하고, 운영을 간소화하고, 낭비를 없애 치료가 개선되고 환자의 삶의 질이 높아질 수 있습니다.
머신러닝 통해 환자 관리 개선
병원을 비효율적으로 관리하고 운영하면 의료 서비스 제공자, 보험자, 환자 및 납세자에게 매우 많은 비용이 들 뿐만 아니라 환자를 치료할 때 귀중한 자원을 활용하지 못하게 됩니다. 의료 비용이 늘어나고 생명을 위협하는 의료 과실이 생길 수 있습니다.
현재 BIDMC에서 진행 중인 작업은 환자의 치료 결과를 더 좋게 하고, 입원 및 재입원이 감소하며, 모든 미국인의 의료 비용을 절감할 수 있는 새로운 방법을 찾아서 의료 업계 전반에서 공유할 수 있도록 노력하고 있습니다. 이러한 과제를 해결하기 위해 BIDMC는 데이터 기반 솔루션과 프로세스를 만들고, 의료 산업 전반에서 환자 치료를 개선할 수 있는 머신러닝 연구를 하고자 합니다.
초기 BIDMC 연구 프로젝트는 머신러닝으로 수술실 41개의 예약 일정을 최적화하고, 이 일정에 맞춰 입원 환자 운용을 개선하는 것이었습니다. 또 다른 프로젝트로는 머신러닝을 이용해 수술실 안에서 작업 흐름을 개선하기 위해 머신러닝을 활용하는 것이 있었습니다. 예정된 수술에 관한 문서 패키지는 이미지로 스캔돼 Amazon SageMaker에서 TensorFlow로 처리될 것입니다. Amazon SageMaker는 BIDMC의 AWS 클라우드에서 안전하게 관리합니다. 머신러닝 중심의 프로세스는 동의서를 자동으로 인식하고 해당 전자 건강 기록(EHR)에 삽입합니다. 이는 병원 직원이 수작업을 하는 시간을 줄여줍니다. BIDMC는 완성된 동의서와 같은 기본적인 구성 요소가 갖춰졌는지를 확인하기 위해 전자 건강 기록(EHR)을 스캔하는 머신러닝 모델을 만들었습니다. 동의서가 없으면 전자 건강 기록(EHR)에 신호가 나타나 간호사들이 그 환자들에 대한 후속 조치를 취하게 됩니다.
BIDMC는 입원환자 의료/수술용 침대를 490개 이상 보유하고 있으며, 연구팀은 환자를 적시에 치료하고 수술을 성공적으로 진행해 환자가 회복할 수 있도록 노력하고 있습니다. 그런데 수술 진행 전 필요한 의료기록과 신체검사 자료가 팩스로 병원에 전달돼도 해당 문서를 찾기 어려워 수술이 지연되거나 일정이 변경되기도 합니다. BIDMC는 이러한 문제를 해결하기 위해 선별한 주요 의학 용어와 인사이트를 머신러닝 모델에 적용하고 Amazon Comparenced Medical로 의료기록과 신체검사 자료를 식별합니다. 이를 통해 귀중한 시간을 절약하고 수술이 지연되거나 일정을 변경해야 하는 문제를 예방할 수 있습니다.
베스 이스라엘 디컨네스 의료 센터(BIDMC)의 최고 정보책임자 Manu Tandon은 “기술 그리고 인공지능의 한 종류인 딥러닝이 발달하면서 진료 서비스가 개선되고 수천 명의 환자와 의료 서비스 제공자의 삶에 의미 있는 변화가 일어날 수 있게 됐다”고 말했습니다.
BIDMC의 의료기술탐색센터 소장 겸 하버드 의대 국제보건혁신센터 교수를 맡고 있는 John Halamka도 “불필요하게 복잡한 사무업무와 관리 절차에 시간이 낭비되면서 생산성이 감소하고 환자 치료에 직접적인 영향을 미친다”며 “머신러닝 연구 후원은 건강관리에 기발한 신기술을 적용하겠다는 저희의 노력을 뒷받침해 전 세계 환자들을 위한 치료법을 변화시킬 것”이라고 말했습니다.
BIDMC, 환자에 대한 지속 치료 이행 및 수술실 효율성 제고 노력
BIDMC는 환자가 예약된 진료 시간에 올 것인지를 예측하는 프로젝트도 진행하고 있습니다. 이 프로젝트는 Apache MXNet 딥러닝 API와 Amazon SageMaker를 이용해 진행되고 있습니다. BIDMC가 예약 진료를 놓칠 수 있는 환자들에게 적절한 시점에 진료를 제공하면 환자의 경험과 치료결과도 개선될 것입니다.
또한 BIDMC는 AWS를 기반으로 한 또 다른 머신러닝 모델을 개발해, 간단히 수술실 일정을 조정하는 것만으로 효율성을 향상시키고 비용을 절감하며, 병원이 바쁠 때 해야 하는 일의 균형을 맞출 수 있습니다. 동시에, 이 머신러닝 모델은 수술실 일정을 변경하면 나타나게 될 결과를 예측할 수 있으며 어떻게 하면 환자 치료에 미치는 부정적인 영향을 최소화할 수 있는지도 파악할 수 있습니다.
응급실에서도 사전에 더 쉽게 계획하기
향후 프로젝트에서는 중환자실의 전반적인 위험 수준을 평가하고 병원이 예상치 못하게 많은 수의 환자를 받게 되는 시기를 예측하는 것을 목표로 하고 있습니다. 예를 들어, BIDMC의 응급실(ED)은 일반적으로 주중에 급격하게 많은 환자들이 병원을 방문하게 되면 병원 자원에 한계가 올 수 있습니다. BIDMC와 학술 연구 협력사는 Amazon QuickSight와 Amazon Forecast와 같은 서비스를 사용하여 응급실 진료, 의료기관을 변경한 진료, 의뢰, 사전예약 수술, 환자 퇴원 등의 변수들을 포함하여 데이터세트 분석을 하게 됩니다.
수집되는 데이터 양이 많아질수록 BIDMC는 AWS 클라우드로 필요한 데이터를 신속하게 로딩하고 처리할 수 있으며, 이에 따라 머신러닝 모델은 더 빠른 속도로 학습할 수 있게 될 것입니다. BIDMC의 연구원들은 Amazon SageMaker와 같은 머신러닝 서비스를 이용해 예상치 못한 환자들이 왔을 때 병원이 어디에서 언제 한가로워질지를 정확히 예측을 할 수 있는 심층 모델을 구축할 것입니다. 이러한 프로젝트들은 장기적인 관점에서 의료업계뿐만 아니라 다른 분야들에서도 효과적인 머신러닝 모델을 구축하는 데 참고가 될 것입니다.
AWS의 머신러닝 부사장 Swami Sivasubramanian은 “머신러닝 기술을 활용해 환자들에게 개인 맞춤형 관리를 제공하고 환자들의 치료 경험이 개선되는 데 앞장서는 BIDMC를 지원하면서 저희도 의료 분야 혁신에 일조하고 있다는 자부심을 느낀다”고 말했습니다. 또한 “BIDMC와 AWS가 오랜 기간 쌓아온 관계를 생각하면 BIDMC에 머신러닝 서비스들과 전문기술을 지원하는 것은 자연스러운 일”이라고 설명했습니다. 그는 “AWS는 BIDMC의 연구원들이 환자 치료 개선 머신러닝 모델을 더 빨리 개발할 수 있도록 도울 수 있어 기쁘다”며 “Amazon SageMaker와 같은 AWS 머신러닝 서비스를 이용하는 BIDMC의 혁신은 전국의 다른 의료 서비스 제공자들도 생명을 구하고 비용을 절감할 수 있는 길을 열 것”이라고도 덧붙였습니다.
AWS는 공공, 교육, 의료 및 그 외 분야의 모든 개발자들을 머신러닝에 동원해 BIDMC의 연구를 후원하는 것을 자랑스러워 합니다.
원문 URL : https://aws.amazon.com/ko/blogs/machine-learning/improving-patient-care-with-machine-learning-at-beth-israel-deaconess-medical-center/
** 메가존클라우드 TechBlog는 AWS BLOG 영문 게재글중에서 한국 사용자들에게 유용한 정보 및 콘텐츠를 우선적으로 번역하여 내부 엔지니어 검수를 받아서, 정기적으로 게재하고 있습니다. 추가로 번역및 게재를 희망하는 글에 대해서 관리자에게 메일 또는 SNS페이지에 댓글을 남겨주시면, 우선적으로 번역해서 전달해드리도록 하겠습니다.