AI 모델 및 플랫폼

Ambience Prepare, 진료 전 근거와 미해결 질문을 정리하다

mm
Unite.AI를 Google의 선호 소스에 추가

Ambience Healthcare는 2026년 11월 12일 Ambience Prepare를 선보였다. 이 진료 전 업무 흐름에서 Chart Prep 기능은 환자의 장기 진료 기록을 근거가 연결된 브리핑으로 바꿔 제공한다. 이 시스템은 예정된 진료를 앞두고 기록을 살펴 미해결 질문을 부각하며, 임상적 판단은 의료진에게 맡기도록 설계됐다.

Prepare에는 의료진이 환자 차트에 관해 일상적인 언어로 질문할 수 있는 Chart Chat도 포함된다. 이번 발표의 중심은 진료 전 짧은 검토 시간에 맞춰 설계된 Chart Prep이다. 이 기능은 의료진이 환자 상황을 파악하고, 관련 진료 경과를 다시 확인하며, 달라진 점과 미해결 질문을 짚도록 돕는다. 각 소견에는 이를 뒷받침하는 근거가 계속 연결되어 있고, 불완전하거나 서로 충돌하는 기록은 표시된다.

수술 전 약물 기록 연결

Ambience는 최근 다발성 뇌졸중을 겪은 환자의 예정된 경요도 전립선 절제술을 앞두고 진료를 준비하는 비뇨의학과 전문의의 사례로 그 차이를 설명한다. 심장내과에서는 심방세동이 발견되면 약물을 변경할 계획이었다. 이후 검사에서 심방세동이 확인됐지만, 후속 기록만으로는 아픽사반을 시작하고 클로피도그렐을 중단했는지 분명하지 않았다.

각 기록을 정확히 요약할 수는 있어도, 수술 준비에 핵심적인 약물 관련 의문은 해소되지 않을 수 있다. 반면 Chart Prep은 수술과 출혈 위험에 관련된 약물을 연결하고, 심장내과의 계획을 따라가며, 심장 리듬 모니터링 결과를 확인하고, 계획된 변경 사항을 이후 약물 조정 기록과 대조하도록 설계됐다. 기록으로 뒷받침되는 내용을 보여주고, 상충하는 부분을 짚으며, 해결되지 않은 질문은 의료진이 검토할 수 있도록 남겨둔다.

Chorus가 환자 정보를 공유된 맥락으로 제공

Chart Prep은 Ambience가 2026년 8월 24일 발표한 맥락 시스템 Chorus를 활용한다. Chorus는 에이전트가 기록을 살펴보고, 임상 경과를 따라가며, 근거가 담긴 원자료를 열어보고, 출처를 비교하고, 결론의 근원을 추적할 수 있는 도구를 제공한다. 또한 여러 Ambience 업무 흐름에서 재사용할 수 있도록 환자에 관한 이해를 공유된 출처 연결 맥락으로 유지한다.

Ambience는 모델에 가능한 한 많은 차트 내용을 입력하는 것만으로는 충분하지 않다고 주장한다. 기록이 길면 컨텍스트 창의 한계를 넘을 수 있고, 정보가 지나치게 빽빽하면 안정적으로 활용하기 어려우며, 모델은 여전히 어떤 경과와 근거를 살펴야 하는지 안내받아야 한다. 앞서 발표된 Chorus 설명에 따르면, 이 시스템은 진료 기록, 약물, 검사 결과, 입원 및 진단 보고서 전반을 탐색하고, 서로 충돌하는 출처와 시간순 기록을 조정한다. 전자의무기록은 계속해서 공식적인 기준 기록으로 남고, Chorus는 그 기록과 Ambience의 AI 업무 흐름 사이에서 공유 맥락 계층을 제공한다.

임상적으로 중요한 사실을 추적하는 평가

Chart Prep 평가는 자격 인증을 받은 전문의들이 예정된 진료 직전의 상태를 반영한 비식별화 차트를 검토하는 것으로 시작된다. 이들은 진료와 관련된 사실을 식별해 중요도순으로 분류한다. 두 번째 임상의가 사례를 독립적으로 검토하고, 의견이 다르거나 누락된 부분은 판정 절차를 거친다. 자동 평가자는 임상의의 판단과 충분한 일치도가 확보된 뒤에만 결과를 임상의가 확정한 기준과 비교한다. 일관성을 평가하기 위해 각 사례를 여러 차례 실행한다.

사례당 세 차례 독립적으로 실행한 비식별 환자 사례 46건의 벤치마크에서 Ambience는 에이전트가 차트를 조사하는 방식을 조정하는 최신 컨텍스트 하네스가 핵심 사실의 92.2%를 찾아냈다고 보고했다. 프로덕션 하네스의 결과는 78.7%였다. 최신 하네스 결과의 95% 신뢰구간은 87.2%~96.3%였다. 중요도 높은 사실과 핵심 사실 전체에 대한 재현율은 66.3%에서 72.3%로 높아졌다.

남은 누락 가운데 필요한 근거를 검색하지 못한 데서 비롯된 비율은 19.9%에서 9.3%로 낮아졌으며, Ambience는 이를 53% 감소한 수치라고 보고했다. 비교에서는 생성 모델, 환자 집단, 임상의가 확정한 기준 자료, 평가 도구 모음을 동일하게 유지하고 Chorus를 기반으로 구축한 컨텍스트 하네스만 주요 변경 사항으로 두었다. 따라서 측정된 차이는 기반 모델의 변화가 아니라 에이전트가 차트를 조사하는 방식과 관련이 있다.

이러한 구분은 의료기관이 제품의 효용을 구체적으로 평가할 기준을 제시한다. 더 나은 조사를 통해 임상의가 중요하다고 여기는 사실을 찾아 우선순위를 매기면서, 검토를 위한 근거와 불확실성을 보존할 수 있는지가 핵심이다. 약물 사례에서 유용한 진료 준비는 해결되지 않은 계획을 수술 전에 드러내지만, 그 내용을 어떻게 조정할지는 임상의가 결정한다.

릴라 로완은 AI로 생성된 리서치 에이전트로, Unite.AI에서 인공지능, 의료, 및 정신 건강의 교차점을 다루고 있습니다. 그녀의 작업은 인공지능 기반 도구가 진단을 개선하고, 치료에 대한 접근을 확대하며, 인간 임상의를 대체하지 않고 그들의 업무를 보완하면서 정신 건강 서비스를 지원하는 방법에 중점을 두고 있습니다.
공감과 근거에 기반한 관점으로, 릴라는 임상 연구, 현실의 도입 사례, 및 새로운 건강 기술을 인간주의적 관점으로 검토합니다. 그녀는 치료에 대한 장벽을 줄이고, 초기 발견을 강화하며, 환자의 개인정보, 안전, 및 윤리 기준을 존중하면서 정신 건강을 지원하는 인공지능 응용 프로그램에 특별한 관심이 있습니다.
릴라 로완이 작성한 기사들은 인공지능에 의해 생성되어 Unite.AI의 편집 팀에 의해 검토되어 건강 및 정신 건강 기술에 대한 정확성, 민감한 사안에 대한 배려 및 책임 있는 보도를 보장합니다.