Qualified Health와 University of Texas System, Claude로 생명을 구하는 치료가 필요한 환자를 식별하다

Qualified Health는 생명을 구하는 치료와 개선된 증거 기반 관리의 대상자이지만 발견되지 않을 수 있는 환자를 식별하는 의료 특화 AI 플랫폼입니다. 미국 텍사스주의 공립 대학교 시스템(University of Texas System)은 미국 최대 공립 대학 시스템 중 하나로, 텍사스 전역의 환자를 진료하는 의료 기관을 보유하고 있습니다.

Claude를 사용하여 Qualified Health와 UT System이 거둔 성과는 아래와 같습니다.

• 200만 명의 환자 모집단을 스크리닝하여 생명을 살리는 중재 대상자 식별
• 적격 환자를 지원 문서와 함께 임상의의 워크 플로우로 직접적으로 연결
• 이전에 광범위한 수동 추상이 필요했던 차트 리뷰를 몇 분 내에 완료
• 약물 최적화, 치료적 중재 또는 추가적인 논의가 필요한 환자 식별
• 2026년 말까지 심장내과에서 일차진료, 혈관, 소화기내과, 류마티스내과, 신경과로 확대 계획

문제점

텍사스주에서는 거의 모든 카운티가 심각한 의사 부족 현상을 겪고 있습니다. 의료 서비스 제공자들은 질병을 조기에 발견하는 것이 더 나은 결과로 이어진다는 것을 알고 있습니다. 그렇지만 위험 환자를 식별하는 것에 필요한 정보는 의료진이 대규모로 검토하기에는 불가능한 단편화된 임상 데이터 속에 묻혀 있는 상황입니다.

텍사스 대학교 의과대학(University of Texas Medical Branch, UTMB)의 디지털 및 AI 최고 책임자인 Peter McCaffrey 박사는 다음과 같이 말했습니다. "사람들은 AI 증강 없이는 의료 인력이 현실적으로 제공할 수 없는 수준의 의료 접근성을 원하고 또 마땅히 받아야 하는 것입니다."

의료 시스템은 몇 년간의 기록을 디지털화하는 데 투자했지만, 디지털화가 데이터를 활용할 수 있는 수준으로는 만들지 못했습니다. McCaffrey 박사는 이렇게 말했습니다. "저희가 직면한 문제는 말 그대로 검색, 검색 결과 추출, 그리고 이해의 문제입니다. 이 작업이 저희 업무의 90%를 차지합니다. 의료 인력의 대부분이 소진하는 영역이며, 대부분의 진료 격차가 축적되는 부분입니다. 데이터의 규모와 범위는 계속 커지고, 환자에 대한 저희의 책임 범위도 계속 커지고 있는 상황이지만, 의료 인력은 이 속도를 따라잡지 못하는 상태에 있습니다.

의료 기관에서는 대량의 비정형 임상 노트, 영상 보고서, 검사 결과가 서로 연결되지 않은 상태에 있는 시스템에 흩어진 상황에 놓이게 된 것입니다. 환자가 심부전이라는 새로운 진단을 받고 치료를 시작할 수 있지만, 그 약물과 용량이 최신 가이드라인과 일치하지 않을 수 있는 것입니다. 한편, 같은 병원의 심장내과 팀은 최신 가이드라인을 알고 있을 수 있지만, 새로 진단받은 환자가 가이드라인에 따른 치료를 받고 있는지는 알 수 없을 것입니다. 사망률을 개선함에도 불구하고 말입니다. 텍사스주에서는 매년 추정 4~6백만 명의 환자가 증거 기반 중재 대상자이지만 식별되지 못하고 있습니다. 이로 인해 예방 가능한 사망, 피할 수 있는 합병증, 의료 시스템에 대한 부담 증가가 발생하고 있는 상황인 것입니다.

Claude로 모집단 규모의 환자 식별 수행

Qualified Health는 Claude Sonnet 4.5를 활용하여 의료 시스템이 모집단 규모에서 입증된 증거기반 중재 대상자를 식별할 수 있도록 도움을 드리는 AI 플랫폼을 구현했습니다. Claude는 임상 정보를 정확하게 추출하고, 환각 현상을 최소화하며, 원본 데이터로 완전히 추적 가능한 결과를 생성하는 성능을 기반으로  여러 개의 모델에 대한 구조화된 평가를 거쳐 선정된 것입니다. 이는 임상 환경에서 안전하게 사용하기 위해 필요한 것입니다.

본 플랫폼에서는 노트, 검사 결과, 영상, 시술 기록 등 단편화된 임상 데이터를 통합하고,  광범위한 심장학 진료 케이스 전반에서 환자 적격성을 판단하기 위해서 정밀한 가이드라인 기반 임상 기준을 적용하는 것입니다.

해당 기준을 충족하는 환자는 검토를 진행하기 위해서 임상의의 기존 워크 플로우로 직접 연결된 상태로 나타나게 되는 것이며, 이에 발견된 각 내용은 원본 데이터를 사용하여 추적 가능하도록 지원 문서를 생성하게 되는 것입니다. 이러한 접근 방식은 임상의의 감독을 유지하면서 식별에서 치료까지의 경로를 단축합니다. 이로써 의료 시스템이 이전에는 불가능했던 규모로 더욱 일관된 수준으로 증거 기반 진료를 제공할 수 있도록 하는 것입니다.

대응적 치료에서 선제적 중재로

의사이자 컴퓨터 과학자인 Justin Norden 박사는 의료 시스템이 임상 및 관리 운영 전반에 걸쳐 AI를 안전하고 대규모로 배포할 수 있도록 도움을 드리기 위해서 Qualified Health를 설립했습니다. 이로써 임상의들이 그렇지 않으면 치료를 받을 수 있는 기회를 놓치게 되는 환자들을 발견하여 치료할 수 있게 된 것입니다. 그가 이전에 운영하던 기업은 자율주행차 응용 분야에 인수되기 이전에 고위험 환경에서의 알고리즘 안전성과 신뢰성에 초점을 맞췄던 적이 있습니다. 이후 이러한 배경이 Qualified Health의 접근 방식을 형성했습니다. 고위험 의료 환경에서 AI 성능을 모니터링, 검증 및 관리하는 데 필요한 인프라를 구축하는 것입니다.

Norden 박사는 다음과 같이 말했습니다. "환자를 더 일찍 발견하고 중재한다면 모두에게 더 좋을 것입니다. 이는 잘 알려진 사실입니다. 아직 널리 알려지지 않은 것은 오늘날 저희가 그것을 실현할 잠재력을 갖고 있다는 것입니다."

UT 시스템과의 파트너십은 McCaffrey 박사가 UTMB에서 AI 리더십 역할을 확대하던 시기에 비롯된 것이었습니다. UTMB에서는 단순히 흥미로운 실효성 없는 테스트를 해보는 것에 그치는 것이 아니라 의료 현장에서 실질적인 성과를 입증해줄 파트너가 필요했던 것입니다. McCaffrey 박사는 이렇게 설명했습니다. "포스터에서 훌륭해 보이는 연구 결과만으로는 성에 차지 않았습니다." "이 단계에서 저희에게는 AI가 실제 의료 현장에 배포되어 실질적인 성과를 가져오는 진정한 사례가 필요합니다. 그것이 저희의 사명이기 때문입니다."

UTMB 실리 심장 및 혈관 센터(Sealy Center for Cardiovascular Health)의 심장내과 전문의의 워크 플로우는 간단합니다. Qualified Health 플랫폼에 로그인하게 되면 AI가 사전 스크리닝한 환자 목록이 표시됩니다. 또한 심부전 및 판막 질환 등의 영역에서 더 최적화된 관리 기회가 있는 환자들을 확인할 수 있습니다. 그런 다음 시스템은 증거 기반 적절성 기준과 균형을 이루고있 는 관련 의료 및 과거 이력을 제시하여, 그렇지 않으면 눈에 띄지 않을지도 모르는 환자지만 개선된 관리를 통해 치료 혜택을 받을 수 있는 환자를 강조합니다. Claude 기반 AI 플랫폼은 각 환자의 차트에서 관련 세부 사항을 추출하고 이를 종합하여, 환자 모집단 전체에 걸쳐 수동으로 취합하는 것이 불가능한 상태에 있는 정보를 제공해 드립니다.

Norden 박사는 다음과 같이 말했습니다. "차트를 살펴본다면 우려되는 상태의 환자를 찾는 데 몇 시간을 할애할 수 있습니다. 하지만 10,000명의 환자에게 그렇게 할 수는 없는 일입니다." 이 시스템은 임상적 판단을 대체하는 것은 아니라고 그는 덧붙였습니다. 임상의가 이전에는 불가능했던 범위에서 그들의 전문성을 돋보일 수 있도록 해주는 것입니다.

임상 정확도를 향한 Claude를 선택하기

Qualified Health는 자동화된 테스트와 임상 전문의의 구조화된 리뷰를 결합한 엄격한 내부 벤치마킹 프로세스를 통해 여러 개의 대규모 언어 모델을 지속적으로 평가합니다. 모델은 복잡한 원본 데이터에서 구조화된 임상 정보를 정확하게 추출하고, 환각 현상과 같은 실패 모드를 최소화합니다. 또한 기본 기록으로 완전하게 추적 가능한 인용을 제공하는 성능을 평가받는 것입니다.

Norden 박사는 다음과 같이 말했습니다. "당사의 초점은 정밀도와 신뢰성에 있습니다. 당사는 올바른 임상 신호를 일관되게 식별하고, 오류 유입을 차단하며, 모든 결과물을 원본 데이터로 완전히 참조할 수 있는 모델이 필요합니다. 이번 작업에 대한 평가에서 Claude가 이러한 차원에서 가장 강력한 성과를 보여줬던 것입니다."

Norden 박사는 덧붙였습니다. "의료 분야에서 안전성은 반드시 지켜져야 하는 원칙입니다. Anthropic은 강력한 안전성 기반을 갖춘 모델을 구축하는 것에 있어 명확한 개척자이며, 이는 당사의 의사결정에 중요한 요소였습니다."

검증 프로세스는 Qualified Health의 알고리즘 안전성과 임상적 엄밀성에 대한 정체성을 반영합니다. 각 배포는 과거 데이터를 기반으로 한 사후 검증, 자동화된 평가, 구조화된 임상의 리뷰, 파트너와의 광범위한 사용을 하기 전에 관리된 단계적 배포를 포함하는 단계적 접근 방식을 따릅니다.

Norden 박사는 이와 같이 강조했습니다. "어떤 임상 결정도 완전히 자동화된 상태로 이루어지지는 않습니다." "모든 결과에 대한 내용은 임상의가 검토하는 것이며, 원본 데이터와 직접적으로 비교하여 검증되는 것입니다. 인간의 감독이 시스템 설계에 내재되어 있는 상태입니다."

성과물

도입 첫 달 동안, 본 플랫폼은 심부전 환자의 최대 3분의 1이 가이드라인 기반 약물 요법 최적화를 향상시킬 기회가 있다는 것을 밝혔습니다. 초기 리뷰 단계에서 이는 심장내과 전문의가 검증하고 진료 팀에 통보할 수 있는 약물 관리의 증거 기반 향상 기회를 가지고 있는 수십 명의 환자로 이어지게 되었던 것입니다. McCaffrey 박사는 다음과 같이 말했습니다. "이것은 AI가 임상 인력을 적극적으로 보강하는 훌륭한 사례입니다. 많은 심부전 환자가 향상된 약물 관리로 혜택을 받을 수 있다는 것은 잘 알려진 사실이지만, 전체 대상군에 걸쳐 이 복약 순응도와 약물 투여 관행을 검토하는 것은 현실적으로 불가능합니다. 당사에게는 그런 업무를 하기위한 임상 인력이 부족한 상황입니다."

이 접근 방식은 심장내과를 뛰어넘어 확장됩니다. McCaffrey 박사는 다음과 같이 언급했습니다. "심장내과에서 비롯됏지만, 이것은 단순한 심장내과 도구에 불과한 것은  아닙니다. 모든 진료과에서 동일한 문제가 벌어집니다. 소화기내과에는 초기 간경변 환자가 있고, 혈관외과에는 한 번도 위험군으로 분류된 적이 없는 동맥류 환자가 있습니다. 해당 데이터는 시스템 상에 존재하고 있는 상태였습니다. 당사는 해당 데이터를 대규모로 가시화하여 활용해 볼 수 있는 확장 가능한 방법이 부족했던 것입니다. AI가 의료적 의사결정을 내리는 것이 아니라, 임상의가 의료적 의사결정을 할 수 있도록 누락된 데이터를 가시화하여 임상의가 최적화된 의료 결정을 내릴 수 있도록 해주는 것이 필요합니다."

심장내과는 확립된 진단 기준, 명확한 임상 가이드라인, 생명을 구할 수 있는 잠재력을 가진 입증된 중재 방안의 가용성을 갖춘 전문 분야로서 전략적 발판이었던 것입니다.

UTMB의 성공을 바탕으로, 이 이니셔티브는 이제 시스템 전반으로 확장되고 있는 것입니다. 2026년 말까지 새로운 도입를 통해 텍사스 전역의 의료 시스템이 일차 의료를 비롯해 혈관외과, 소화기내과, 류마티스내과, 신경과 전문 분야에서 증거 기반 치료 대상자를 식별할 수 있도록 도움을 드릴 것입니다. McCaffrey 박사는 모든 UT System 의료 기관의 AI 업무를 총괄하고 있으며, 시스템은 탁월한 지리적, 의료적, 사회경제적 다양성을 가진 모든 텍사스 환자 관리에 대한 책임을 지고 있습니다.

McCaffrey 박사는 이와 같이 덧붙였습니다. "해당 지능형 시스템, 그 임상적 추론을 모든 환자에게, 어느 곳에나 확대할 수 있다는 것은 그 자체로 본질적인 사회적 기여를 하는 일인 것입니다."