지속적 인텔리전스로 의료 분야 신속·정확 진단 실현

지속적 인텔리전스(CI)는 의료 분야에 혁신적 접근을 가능하게 하여 임상의에게 빠르고 더 정확한 진단 능력을 제공합니다.

의료 기관은 환자 상태를 평가하고 치료 계획을 처방하기 위한 풍부한 데이터를 축복받았습니다. 점점 더 빠르고 정확한 진단을 내리는 능력은 스트리밍 데이터의 실시간 분석에서 파생된 지속적 인텔리전스(CI)를 필요로 합니다.

두 가지 요인이 이 변화를 주도합니다. 첫째, 환자 기대가 변하고 있습니다. 치료 품질이 점점 더 중요해지고 있습니다. 환자가 어떻게, 누구와 의료 서비스를 이용할지 선택할 권리를 행사하기 시작하면서. 그들은 데이터와 프로세스의 투명성을 요구합니다. 결과적으로 의료 기관은 환자에게 의미 있는 방식으로 품질 결과를 달성하는 방법에 집중해야 합니다.

참고: AI가 정신건강 가이드? 정신과 의사들 "아직 일러"

동시에, 새로운 데이터 소스의 가용성으로 의료는 큰 변화를 겪고 있습니다. 구체적으로, IoT 웨어러블과 연결된 의료 기기의 부상입니다. 의료 기관이 더 많은 연결된 디바이스, 전자건강기록(EHR), 환자와의 가상 방문을 사용함에 따라 점점 더 많은 데이터가 쏟아지고 있습니다.

그러나 그 데이터는 일반적으로 사일로에 앉아 있으며, 미래 사용을 위해 검토되고 보관되기 전까지 환자 치료를 개선하지 않습니다. 진전을 이루려면 다양한 데이터 소스를 쉽게 활용하고 즉석에서 그 데이터에 실시간 분석을 적용할 수 있는 솔루션이 필요합니다.

진단을 위한 실시간 데이터

데이터 장애물을 극복하는 솔루션은 새로운 기회를 엽니다. 예를 들어, 스트리밍 데이터를 사용하면 많은 영역에서 다양한 건강 상태의 조기 진단에 도움이 될 수 있습니다. 한 예는 음성 통신을 의료 상태 진단에 적용하는 것입니다.

다음 시나리오를 고려하세요: 한 여성이 최근 기억력 문제가 있는 어머니의 건강을 걱정하며 전화를 겁니다. 어머니가 클리닉의 간호사 트리아지 라인에 전화하고, 간호사가 진단을 위해 정보를 수집하려고 다섯 가지 질문을 합니다. 간호사와의 음성 통신에 감정 분석이 실행됩니다. 그 분석에서 도출된 정보는 간호사가 실시간으로 볼 수 있는 어머니의 웨어러블 디바이스에서 캡처된 건강 데이터와 결합됩니다. 간호사는 그 정보를 사용하여 알츠하이머병이 높은 확률로 있다고 판단합니다. 결과적으로 이 상호작용은 딸이 어머니의 다음 의료 단계를 결정하는 데 도움이 됩니다.

오늘날 수많은 연결된 디바이스를 사용하면, 음성 통신을 진단(또는 진단 확률 결정)에 사용하는 것이 궁극적인 의료 봇에 가깝습니다.

음성 통신 분석을 특정 의료 상태의 조기 진단에 사용하는 것은 오늘날의 현실에 가깝습니다. 예를 들어, 애플 워치는 이제 심전도(EKG) 기능을 탑재하여 사용자에게 심장 박동 정보를 제공하고 미진단 상태를 알리는 데 도움을 줍니다. 애플 워치 같은 웨어러블이 제공하는 실시간 데이터는 특정 건강 상태 진단의 첫 단계가 되고, 데이터가 무언가 잘못되었음을 나타낼 때 환자가 제공자와 상담하도록 경고할 수 있습니다.

실시간 분석과 AI 결합

실시간 분석을 사용하여 상태를 진단하는 것은 의료 치료를 새로운 수준으로 밀어 올립니다. 더 진보된 것은 예측 분석과 인공지능(AI)을 사용하여 질병이나 상태의 발병을 예방하는 애플리케이션입니다.

이 예방 기술 적용의 한 예는 HCA Healthcare가 패혈증 사망 위협을 줄이기 위해 수행하는 작업입니다.

패혈증은 신체에 큰 피해를 줄 수 있는 용서 없는 상태입니다. 사람들이 다른 상태를 치료하기 위해 이미 병원에 입원한 후 밤의 도둑처럼 슬그머니 다가옵니다. 신체가 감염과 싸울 때 발병하며, 신체가 혈류로 보내 감염과 싸우는 생화학 물질의 불균형에 의해 촉발됩니다. 패혈증이 패혈성 쇼크로 진행되면 장기가 손상되고 혈압이 떨어집니다. 잠재적으로 치명적인 상황입니다. 패혈증은 미국에서만 연간 270,000명의 사망을 초래합니다.

일반적으로 패혈증 진단은 교대 근무 중 환자 차트 수동 검토로만 가능합니다. 문제는 이 방식으로 패혈증이 감지될 때는 너무 늦을 수 있다는 것입니다. "진단이 1시간 지연될 때마다 사망 위험이 4~7% 증가합니다."라고 HCA Healthcare의 임상 서비스 사장이자 최고 의료 책임자 조나단 펄린(Jonathan Perlin) 박사는 말합니다.

이 지연은 용납할 수 없었습니다. 임상의, 데이터 과학자, 기술 전문가 팀이 뭉쳐 환자의 패혈증을 더 정확하고 빠르게 탐지하기 위한 실시간 예측 분석 시스템을 만들었습니다.

과제는 패혈증 이전 상태와 관련된 데이터를 포착하는 것이었습니다. 의료 회사의 연간 3,000만 건 이상의 환자 상호작용에서 1,800개 치료 사이트 전반에 걸쳐 충분한 데이터가 생성되었습니다. 그러나 대부분 이질적인 시스템과 애플리케이션에 사일로화되어 있었습니다.

기존 데이터 인프라는 대규모 비즈니스 인텔리전스와 보고를 위해 설계되지 않았습니다. 필요한 것은 생명을 구하는 조치를 빠르게 취할 수 있도록 우리 모든 시설에서 실시간 데이터를 수집, 분석, 공유하는 방법입니다. 이 과제를 해결하기 위해 팀은 SPOT(패혈증 예측 및 치료 최적화)라는 실시간 예측 분석 시스템을 만들었습니다.

SPOT으로 임상의는 환자의 패혈증을 더 정확하고 빠르게 탐지할 수 있습니다. 플랫폼은 환자 위치, 활력 징후, 약국, 실험실 데이터 같은 임상 데이터를 수집하고 분석하여 간병인에게 실시간으로 조기 패혈증 치료 개시를 알립니다.

SPOT 도구로 HCA Healthcare는 조기 탐지를 개선할 수 있습니다. 임상의는 전통적인 선별 방법보다 최대 20시간 일찍 패혈증 초기 지표를 탐지하고 식별할 수 있습니다.

분석의 의료 사기 조기 탐지 역할

진단 외에도 실시간 분석은 다른 의료 애플리케이션을 위해 주목받고 있습니다. 예를 들어, 오늘날 의료 산업의 주요 문제 중 하나는 발생하는 의료 사기의 양입니다. 2017년 미국 보건복지부 감찰관실에 따르면 13억 달러의 허위 청구가 있었습니다. 분석은 의료 사기 탐지뿐만 아니라 의료 상태의 조기 진단 지원에도 중요한 역할을 할 수 있습니다.

의료 사기를 시도하는 환자의 전화에 음성 분석 기술을 사용하는 의료 콜센터를 상상해 보세요. 소프트웨어에 내장된 분석으로 환자 목소리의 위험 신호를 정확히 짚어낼 수 있습니다. 전화를 받는 사람은 분석을 통해 의미하는 우려 신호에 경고받아 상황을 더 깊이 조사할 수 있습니다. 분석은 약속 예약 과정부터 잠재적 사기를 조기에 경고함으로써 의료 사기 조기 탐지에 핵심 역할을 할 수 있습니다.

진짜 과제: 데이터와 함께 일하기

모든 노력에서 주요 과제는 수많은 데이터 소스를 효율적으로 사용하는 방법입니다. 적합한 솔루션은 다음을 할 수 있어야 합니다:

다른 데이터 소스 지속적 융합: 의료 디바이스는 심전도(ECG), 심박수, 혈중 산소 포화도(SpO2), 호흡수 같은 생리적 스트림을 통해 활력 징후의 시각적 디스플레이를 제공합니다. 전 세계 전자건강기록 이니셔티브가 더 많은 의료 데이터 소스를 만듭니다. 원내 감염, 기흉, 뇌실내 출혈, 뇌실주위 백질연화증 같은 생명을 위협하는 상태는 다른 데이터 소스를 융합하는 분석으로 탐지될 수 있습니다.

고도로 개인화된 치료 제공: 징후를 더 일찍 탐지하여 환자 결과 개선과 입원 기간 단축. 데이터 스트림 이벤트와 의료 상태 간 새로운 관계 식별을 위한 자동화된 또는 임상 주도 지식 발견.

사전 예방적 치료 지원: 개인화된 데이터 스트림 기반으로 각 환자 프로파일 구축하고 지속적으로 인사이트 수신

결론

간단히 말해, 오늘날 의료 산업의 다양한 과제를 완화하기 위한 분석의 실시간 잠재력은 엄청납니다. 환자 경험의 차세대로 의료를 고양시킬 새 기술 창출에 이루어진 모든 진전을 고려할 때, 조기 의료 진단, 의료 사기 및 기타 애플리케이션을 위한 실시간 분석 배포가 따르는 것은 자연스럽습니다.