의료에서 AI: 약속에서 실무까지

의료는 오늘날보다 더 많은 기술적 약속이나 더 많은 압력을 가하지 않았습니다.

기술 혁신은 놀랍습니다. 생성형 AI는 항소서를 작성하고, 임상 기록을 요약하고, 주변 도구를 구동하며, 가정에서 환자와의 상호작용을 가능하게 합니다. 현재 미국의 입원 환자 병원 중 96% 이상이 전자 건강 기록 시스템(EHR 시스템)을 사용하고 있습니다. 이것은 무결한 지능형 의료의 시대가 되어야 합니다. 그러나 잠재력과 실제 사이 어딘가에서 गत도가 손실됩니다.

레거시 인프라, 분산된 거버넌스, 노동력 피로, 그리고 넓어지는 자원 격차는 진행을 지연시키는 요인입니다. 더욱 도전적인 것은 보험 제공자, 의료 제공자, 환자들이 각자 디지털 능력을 개발하고 있지만, 공통의 리듬이 없다는 것입니다.

한편, 더 나은 치료를 제공하고 비용을 줄여야 하는 압력이 증가하고 있습니다. 미국의 700개 이상의 병원, 많은 경우 시골 지역의 병원들이 폐쇄의 위험에 있습니다. 입법 변경은 수백만 명의 보험 적용을 줄일 수 있습니다.

이 시점에서 점진적인 혁신이 아니라 대규모 혁신만이 진정으로 치료를 변화시킬 수 있습니다. 혁신을 지속 가능하게 확장하기 위해 의료는 실제 워크플로우 내에 혁신을 내장하고, 상호 운용성을 기반으로 하고, 의도적으로 거버넌스를 구축하며, 시스템 전반에 걸쳐 정렬을 구축해야 합니다.

모두가 혁신을 추구하고 있습니다. 그러나 여전히 단절된 느낌이 듭니다.

문제는 혁신이 고립된 상태에서 발생할 때 시작됩니다. 의료 시스템은 GenAI와 디지털 도구를 실험하고 있지만, 공유 인프라나 전사적 정렬 없이 이러한 시도는 거의 확장되지 않습니다.

4분의 1의 시스템만이 GenAI 사용을 책임 있게 관리하기 위한 거버넌스 모델을 가지고 있으며, 대부분은 여전히 분산된 데이터 환경과 씨름하고 있습니다. 이는 치료를 단순화하는 대신 임상 작업에 더 많은 복잡성을 추가합니다.

예를 들어 수익サイクル(revenue cycle)을 살펴보면, AI는 이제 항소서를 몇 분 안에 생성할 수 있지만, 보험 제공자는 여전히 수동으로 처리합니다. 이는 비대칭을 생성하고 행정 비용을 증가시킵니다.

의료에서 AI를 확장하기 위해 필요한 것

앞으로 나아가기 위해 리더들은 수렴을 위한 설계를 해야 합니다. 이는 혁신을 실제 치료의 일부로 만드는 것을 의미합니다. 팀과 워크플로우를 연결하고, 모든 노력이 모든 주요 이해관계자에게 더 나은 결과를 가져오는지 확인하는 것입니다.

이것이 실제로 무엇을 의미하는지 살펴보겠습니다:

1. 노동력을 재설계하는 것, 대체하는 것이 아닌

의료에서 확장 가능한 혁신은 실제로 치료 팀이 어떻게 작동하는지 다시 생각하는 것에서 시작합니다. 2024년, 57%의 의료 시스템 경영진이 노동력 부족을 최상위 전략적 우려로 꼽습니다. 디지털 변환의 장벽 중 하나인 노동력 준비 부족도 강조됩니다. 이는 현장에서 인력 준비와 기술 도입 사이에 넓은 간격을 강조합니다.

미래 지향적인 제공자는 다양한 방식으로 대응하고 있습니다:

• 그들은 노동력 회복력을 투자합니다. 간호사는 하이브리드, 기술을 지원하는 역할을 위해 업스킬링되고 있습니다. 이는 임상 직관을 대체하기 위해 değil, 강화하기 위해입니다.
• 그들은 인지 부담을 줄이는 GenAI 도구를 배치합니다. 예를 들어, 주변 문서화는 임상자가 노트 작성과 재입원 위험을 자동화하는 것을 도와줍니다. 방문 전 요약은 또한 필수적입니다. 이는 환자 맥락을 방문 전에 표면화하여 치료 제공을 간소화합니다.
• 그리고 그들은 워크플로를 재구상하여 시간과 용량을 재확보합니다. 워크플로우 재설계와 지능형 위임은 15-30%의 시간 절약을 제공할 수 있습니다. 이는 거의 300,000명의 입원 간호사를 구할 수 있습니다^[8].

이것은 더 지속 가능한 치료 모델의 가능성입니다. 혁신은 치료를 제공하는 사람들의 경험에 기반하지 않으면 성공할 수 없습니다.

2. AI를 위한 변화 관리 프레임워크 구축

의료에서 AI를 활용하는 방법은 하나만 있는 것이 아닙니다. 이것은 단순히 또 다른 기술 론칭이 아닙니다.

클라우드 마이그레이션과 달리, 인프라가 먼저 오지 않습니다. AI는 먼저 작업, 인지, 마찰, 지원이 가장 필요한 곳을 이해해야 합니다. 우수 센터는 제공자에게 이것을 올바르게 구현하는 데 도움이 됩니다.

이 센터는 거버넌스를 공식화하고, 워크플로우를 정렬하며, 배치에서 안전성, 평등성, 신뢰를 보장합니다. 이러한 센터가 없으면 혁신은 표면에서 정체될 위험이 있습니다. 이는 이론적으로 유용하지만 치료의 실제와 분리된 것입니다.

존스 홉킨스에서, 예측적 병상 관리 대시보드는 최전선 팀과 공동으로 설계되어 일일 의사 결정의 필수적인 부분이 되었습니다. 이것이 통합이 의미하는 것입니다. AI를 확장하기 위해서는 먼저 치료의 리듬에 맞춰야 합니다.

3. 임상 AI에서 신뢰 격차를 메우기

혁신은 의료 시스템 전반에 걸쳐 균일하게 환영받지 못합니다. AI는 의료의 백오피스에서 발판을 마련했지만, 임상 환경에서는 아직 목소리를 찾고 있습니다. 자동화는 낮은 위험의 영역에서 빠르게 확장하고 있습니다. 그러나 진단, 트라이어지, 치료 계획과 같은 경우에는 주저함이 더 깊습니다. 이는 이해할 수 있는 것입니다. 최전선 임상가는 자신이 구축하지 않은 도구를 신뢰해야 하며, 오류는 실제 인적 비용을 초래합니다.

그러나 임상 혁신이 중단되어서는 안 됩니다. 다르게 안내되어야 합니다.

임상 실제에서 AI가真正한 차이를 만들기 위해서는 임상가의 작업량을 줄여야 합니다. 기회는 인구 건강 위험 계층화, 감시, 환자 역사 요약, 용량 관리와 같은 작업을 지원하는 것입니다. AI가 의사 결정에 보조 역할을 하고, 인지 피로를 줄이고, 자연스럽게 치료 제공에 맞물리면 신뢰를 구축합니다.

4. ROI를 달러 이상으로 재정의하기

의료에서 AI를 확장하기 위해 ROI를 더广い 관점에서 볼 필요가 있습니다. ROI를 비용 절감과 예산 삭감으로 정의할 때, 진정으로 중요한 것을 간과할 수 있습니다. 성공은 더 나은 결과와 임상가와 환자 사이의 더 강한 연결을 보여야 합니다.

의료 조정, 임상 요약, 제공자-환자 참여와 같은 중요한 작업은 직접 청구할 수 없기 때문에, ROI는 달러만으로 측정할 수 없습니다. 시간을 재확보하고, 신뢰를 구축하고, 더 생각 깊게 치료를 제공하는 것을 고려해야 합니다.

미래 지향적인 의료 시스템은 대화를 전환하기 시작했습니다. 그들은 자동화하는 것만으로 성공을 측정하는 대신, 치료를 개선하는 것에 집중하고 있습니다. 우리는 임상가에게 일상적인 작업을 더 쉽게 해주고 있습니까? 환자와 함께 시간을 보낼 수 있는 시간을 해방시켜주고 있습니까? 이러한 질문에 대한 명확한答案이 매일 필요합니다.

인간 중심의 치료를 통해 의료 AI 재창조

의료 AI의 다음 전선은 증강입니다. 시스템은 백엔드 자동화에서 환자 맞춤형 지능으로 전환하고 있습니다. 이는 AI가 치료 예약, 증상 분류, 종단 기록을 해석하여 의사 결정에 도움을 주는 것을 가능하게 합니다. 올바르게 설계된 이러한 도구는 신뢰를 구축하고, 인지 부담을 줄이고, 접근성을 개선하며, 환자와의 연결 시간을 해방시킵니다.

의료 CEO 중 거의 60%가 현재 GenAI를 최상위 투자 우선순위로 꼽고 있으며, 79%는 장기적인 성장에 대해 낙관적입니다. 그러나 70%는 규제 불확실성을 확장의 주요 장벽으로 지적합니다.

앞으로의 길은 대담한 제공자 리더십을 요구합니다. 진행은 화려한 배치나 빠른 승리에서 오지 않습니다. 실제로 시스템을 앞으로 나아가게 하는 작업에서 오는 것입니다. 이것에는 체계적인 낭비를 제거하고, 보험 제공자와 제공자 사이에 공유 데이터 기반을 만들고, 강력한 변화 관리 프레임워크를 마련하며, 금전적 및 비금전적 가치에 대한 측정 가능한 가치를 유지하는 것이 포함됩니다.

의료에서 AI를 더 근본적이고, 신뢰할 수 있고, 투명하며, 치료의 실제에 깊이 맞춤된 무언가로塑造하기 시작할 때입니다. AI의 영향은 모든 워크플로우, 모든 결정, 모든 상호작용을 조용히 그리고 무결하게 가능하게 하는 것입니다. 그리고 최종적으로 진전은 기술을 제공해야 하는 사람들에게 의미 있게 가져가는 것입니다.