기존 의료 서비스를 혁신하고 계신가요? 완전한 질병 관리를 가능하게 하는 구글의 AI 시스템 AMIE

Google의 연구원들은 최근 연구 개발에서 자사의 인공지능 시스템인 AMIE(Articulate Medical Intelligence Explorer)의 기능이 크게 향상되어 초기 진단 지원에서 장기적인 질병 치료 및 관리로 확장되었다고 발표했습니다. 무작위 연구에서 AMIE의 관리 추론 능력은 전문 의료진과의 여러 차례의 상담에서 임상의와 비슷하거나 더 나은 것으로 나타났습니다. 이는 검사, 치료, 처방을 정확하게 계획하고 권위 있는 임상 지침을 적절히 적용하는 AMIE의 능력으로 입증되었습니다.

원본: https://research.google/blog/from-diagnosis-to-treatment-advancing-amie-for-longitudinal-disease-management/

임상 추론의 중요성과 과제

효과적인 임상 추론은 의료 서비스의 초석이며 환자 치료의 모든 주요 결정을 포괄합니다. 수준 높은 임상 추론을 위해서는 정확한 진단뿐만 아니라 질병의 진행, 치료에 대한 반응, 안전한 약물 사용, 환자와의 공동 의사 결정에서 가이드라인이나 증거의 합리적 사용에 대한 심도 있는 사고가 필요합니다. 진단이 내려진 후에도 최적의 관리 계획을 수립하려면 환자의 경과와 경험을 지속적으로 모니터링하고 개별화된 치료 계획을 수립하며 환자 개인의 필요, 선호도 및 의료 시스템 현실에 적극적으로 적응하는 정보에 기반한 공유 의사결정이 필요합니다. 대규모 언어 모델(LLM)은 진단 대화를 지원하는 데 있어 잠재력을 보여주었지만, 장기적인 질병 관리에 대한 추론 능력은 아직 더 연구해야 할 부분입니다.

AMIE: 진단에서 질병 경과 관리로의 도약

구글의 연구팀은 '질병 관리를 위한 대화형 AI를 향하여' 연구에서 의료 추론 및 대화를 위한 AI 연구 시스템인 AMIE가 이미 질병 진단에 탁월한 능력을 갖추고 있으며, 임상 관리 추론 및 대화에 최적화된 LLM 인텔리전스의 기능을 통합하여 그 성능을 더욱 향상시키는 방법을 시연했습니다. - 연구팀은 질병 진단에서 이미 탁월한 능력을 발휘하고 있는 AMIE에 임상 관리 추론과 대화에 최적화된 LLM 인텔리전스의 기능을 통합하여 AMIE의 성능을 더욱 향상시켰습니다.

이 향상된 버전의 AMIE는 다음을 기반으로 구축되었습니다. 쌍둥이자리 고급 장거리 상황 추론과 매우 낮은 착각률 등 모델 군의 핵심 강점에 더해졌습니다. 이를 통해 AMIE는 장기적인(즉, 시간에 따른 순차적인) 질병의 진행, 치료에 대한 반응, 안전한 약물 사용 및 임상 지침에 대한 정보를 다룰 수 있습니다. 이는 AMIE의 기능이 단순한 진단에서 복잡한 후속 단계에서 환자와 의료진을 위한 보다 포괄적인 지원으로 확장되었음을 의미합니다. 최근의 발전으로 AMIE는 지속적으로 업데이트되는 권위 있는 임상 지식을 기반으로 한 추론 과정과 공인된 가이드라인에 부합하는 체계적인 관리 계획을 제공할 수 있는 능력을 통해 환자와 의사의 장기적인 상호작용이 가능하다는 것이 입증되었습니다.

이제 AMIE는 임상 가이드라인에 기반한 추론과 여러 차례의 방문을 통해 환자의 요구에 적응할 수 있는 기능을 통해 장기적인 질병 관리를 지원합니다.

질병 관리의 복잡성

임상 치료의 과제는 초기 진단을 넘어 훨씬 더 광범위합니다. 질병 관리에는 치료 부작용, 환자 순응도, 생활 습관 교정, 지속적으로 업데이트되는 의학 연구 및 임상 지침 등 다양한 요소가 복합적으로 고려되어야 합니다. 관리 추론을 수행하는 능력은 AI 시스템의 미개척 과제였으며, AMIE의 등장은 이를 변화시킬 것으로 기대됩니다.

AMIE는 Gemini의 장거리 컨텍스트 기능을 사용하여 임상 가이드라인에 액세스하고 분석하여 근거 기반 의학에 기반한 권장 사항을 보장합니다.

이중 지능 바디 아키텍처: 추론 강화

질병 관리의 문제를 해결하기 위해 Google의 연구팀은 인간 임상의가 관리 문제에 접근하는 방식과 유사한 이중 LLM 기반 인텔리전스 아키텍처를 혁신했습니다.

대화 에이전트사용자와 직접 대면하여 환자의 상태에 대한 즉각적인 이해를 바탕으로 신속하게 대응할 수 있습니다. 이 인텔리전스는 환자의 상태에 대한 정보 수집, 질문에 대한 답변, 의사와 환자 간의 신뢰 구축 등 의사-환자 대화의 모든 측면을 처리합니다. 대화 인텔리전스는 자연어 처리와 공감적 커뮤니케이션 기술을 사용하여 원활하고 매력적인 사용자 경험을 보장합니다.

Mx 인텔리전스(관리 추론 에이전트)Mx Intelligence: 임상 지침 및 환자별 데이터를 포함한 기존 정보를 지속적이고 심층적으로 분석하여 환자 관리 솔루션을 최적화합니다. mx Intelligence는 Gemini의 고급 장거리 컨텍스트 기능을 활용하여 여러 방문에 걸친 환자 대화 기록과 수백 페이지의 임상 지침을 포함한 대량의 정보를 통합하고 추론하여 모든 것을 고려합니다. -- 그리고 이 모든 것을 고려합니다. 그 결과 Mx Intelligence는 최신 의학적 증거, 이전 방문 시 수집한 정보 및 개별 환자의 선호도를 고려한 구조화된 검사, 치료 및 후속 조치 계획을 수립할 수 있습니다.

AMIE의 이중 인텔리전스 아키텍처: 대화 인텔리전스는 환자와 상호작용하고, Mx 인텔리전스는 임상 지침에 따라 구조화된 관리 계획을 개발합니다. 관리 계획에는 환자에게 권장되는 검사 및 치료 순서가 명시되어 있습니다.

임상 지침에 따른 관리 결정

AMIE의 관리 추론의 신뢰성과 안전성을 보장하기 위해 주로 테스트 시간 계산을 확장하여 심층 추론과 구조화된 제약 조건을 수행하는 동시에 모든 권장 사항이 권위 있는 임상 지식을 기반으로 하도록 보장하며, AMIE는 다시 Gemini의 장거리 맥락 이해 기능을 사용하여 결과를 관련 최신 임상 진료 지침 및 약물 공식에 맞게 조정합니다.

여기에는 국립보건의료연구원(NICE) 가이드라인 및 BMJ 모범 사례 가이드라인과 같은 신뢰할 수 있는 출처를 다루는 포괄적인 임상 가이드라인 라이브러리에서 문서를 선택하고 처리하는 것이 포함되며, Mx Intelligence Body는 이를 통해 의사 결정 과정을 지원하여 의료 분야에서 인정된 모범 사례에 부합하고 근거에 기반한 권고안을 제시합니다.

복잡한 구조의 제약 조건은 지정된 추론 전략을 통해 모델을 안내하는 데 도움이 되며, 반복적으로 초안을 작성하고 병합하여 생성된 계획은 계획의 품질을 개선하는 데 도움이 됩니다. 이를 통해 AMIE는 근거에 기반하고 개별 환자의 필요에 맞는 맞춤형 관리 계획을 수립할 수 있습니다.

AMIE는 구조화된 제약 조건(A)이 있는 심층 추론을 사용하여 사례 분석(C)과 방문 중 수행할 검사, 예정된 검사 및 치료 권장 사항을 포함하는 명시적 관리 목표(D)를 기반으로 하는 구조화된 관리 계획(B)을 생성하며, 이 모든 것은 참조(E)에 의해 지원됩니다. 가상의 환자에 대한 추론 과정의 예가 여기에 나와 있습니다.

AMIE의 성과 평가: 다각적인 OSCE 연구

연구팀은 AMIE의 장기적인 질병 관리 능력을 비판적으로 평가하기 위해 문자 채팅 상담을 시뮬레이션하는 무작위, 맹검, 가상 객관적 구조화 임상시험(OSCE) 연구를 실시했습니다. 이 연구에서는 실제 임상 환경에서 AMIE의 성능을 평가하기 위해 100개의 다회진 상담 사례 시나리오에서 20명의 주치의(PCP)와 AMIE를 비교했습니다.

무작위 다회차 OSCE 연구 개요.

연구팀은 OSCE 연구의 다라운드 상담 설계를 통해 1) 이전 상호작용에서 얻은 정보를 기억하고 통합하며 2) 변화하는 환자 증상과 검사 결과에 따라 관리 계획을 조정하고 3) 치료 과정 내내 환자와 일관되고 공감적으로 소통하는 AMIE의 능력을 평가할 수 있었습니다.

전문가들은 적절성, 완전성, 임상 지침 사용, 환자 중심성 등 여러 기준에 따라 AMIE 관리 계획의 품질을 평가했습니다.

(계획의 출처를 알지 못하는) 전문의들은 AMIE의 관리 계획이 일반의보다 열등하지 않다고 평가했으며 치료 정확도에서 통계적으로 유의미한 개선을 보였습니다. 여기서 주요 지표에는 적절한 검사 선택과 부적절한 검사 회피(즉, 알려진 정보에 근거한 불필요한 검사 회피)가 포함됩니다. 통계적으로 유의미한(p < 0.05) 차이가 있는 p-값이 표시되어 있습니다.

또한 환자 역할 플레이어와 전문의가 AMIE를 평가하여 환자의 행동이 임상적 요구와 우선순위를 반영하는지 여부를 판단했습니다. 연구팀은 관리 추론의 주요 특징을 파악한 이전 연구에서 영감을 얻어 이러한 특징을 기반으로 관리 추론 경험 주요 특징(MXEKF)이라는 파일럿 평가 척도를 만들었습니다. MXEKF의 주요 측정 항목에는 선호도, 제약 및 가치의 우선순위, 의사소통 및 공유 의사 결정, 다양한 시나리오 간의 대조 및 선택, 관리 계획 모니터링 및 적응, 예후 역량 등이 있습니다. .

AMIE는 핵심 관리 추론 지표(MXEKF)에서 일관된 성과를 거두었으며, 환자 플레이어와 전문가들로부터 호평을 받았습니다.

RxQA: 약물 치료 추론의 벤치마킹

약물의 안전하고 효과적인 사용은 질병 관리의 핵심 요소입니다. 적절한 사실과 주제별 추론을 통해 약물 관련 지식을 안정적으로 기억하는 것은 필요조건이지만 충분조건은 아닙니다. 이러한 영역에서 AMIE의 능력을 측정하기 위해 연구팀은 미국 식품의약국(FDA)과 영국 국가 처방집(BNF)을 포함한 국가 의약품 처방집에서 파생된 새로운 객관식 문제 세트인 RxQA를 구성했습니다.

RxQA에는 약물 적응증, 금기 사항, 복용량, 부작용 및 상호 작용에 대한 지식을 평가하기 위해 고안된 600개의 질문이 포함되어 있습니다. 이 문항은 정확성과 임상 실무와의 관련성을 보장하기 위해 약사 자격증을 소지한 약사들이 신중하게 검증했습니다.

약물 지식과 추론을 평가하기 위해 고안된 RxQA 벤치마크 테스트의 예시 문제입니다. 그림에 표시된 모든 데이터는 합성 데이터입니다(실제 환자 데이터가 아닌 합성 데이터).

AMIE는 RxQA 벤치마킹 테스트에서 우수한 성적을 거두며 약물 정보 및 가이드라인에 대한 심도 있는 이해를 입증했습니다. 점선은 무작위 추측을 통해 달성할 수 있는 정확도를 나타냅니다.

제한 사항

이러한 결과는 새롭게 부상하고 있는 중요한 AI 의료 응용 분야에서 AMIE의 잠재력을 보여주지만, 고려해야 할 몇 가지 한계가 있습니다. 시뮬레이션된 OSCE 시나리오는 표준화된 평가에는 유용하지만 차트 검토, 전자 건강 기록과의 상호 작용, 광범위한 환자 및 병리 상황을 포함하는 실제 임상 진료의 복잡성을 의도적으로 단순화했습니다. 이번 평가에서는 단일 의료 시스템의 가이드라인만 선택했으며, AMIE의 잠재적 강점 중 하나인 현지 상황에 맞게 조정하려는 시도는 하지 않았습니다. 모의 방문과 텍스트 기반 인터페이스 사이의 짧은 간격(실제 원격 의료의 다중 모드 경험과 달리)은 실제 세계의 어려움을 과소평가할 수 있으며, MXEKF 척도는 파일럿 평가 척도로서 유망하지만 추가 검증이 필요합니다.

결론 및 전망

이번 평가에서 AMIE가 보여준 강력한 성능은 의사의 질병 관리를 지원하는 강력한 도구로서 대화형 AI의 잠재력을 입증하는 데 있어 중요한 진전입니다. 장기적인 추론, 임상 가이드라인 기반, 다중 지능형 신체 시스템 설계를 결합함으로써 AMIE는 AI 시스템이 감별 진단을 넘어 장기적인 관리로 나아갈 수 있는 '가능성의 기술'을 보여줍니다.

AMIE가 임상 워크플로와 환자 결과에 미치는 잠재적 영향과 실제 제약 조건 내에서 시스템의 안전성과 신뢰성을 더 잘 이해하려면 실제 적용하기 전에 더 많은 연구가 필요합니다. Google은 임상 파트너와 협력해 왔습니다. 전향적 연구가 수행되었습니다.. 그러나 이 연구는 책임감 있는 AI 개발과 근거 기반 의료 서비스에 대한 접근성을 개선하기 위해 AI를 사용할 수 있는 잠재력을 보여주는 중요한 이정표입니다.