펀딩

Banner Health, Layer Health 시리즈 A에 투자하고 레지스트리 업무 전환

Lila Rowan
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트배너 헬스는 비용을 절감하고 품질 데이터를 통제하기 위해 레지스트리 추상화를 사내로 이전하고 있다.
더 보기
  • 배너 헬스는 비용을 절감하고 품질 데이터를 통제하기 위해 레지스트리 추상화를 사내로 이전하고 있다.
  • 배너 헬스는 이 플랫폼이 출시 시점에 레지스트리 추상화 작업의 약 60%를 자동화할 것으로 기대한다.
  • 레이어 헬스는 레지스트리를 의료 시스템 전반에 걸친 더 광범위한 임상 지능의 첫 번째 증거로 규정한다.

Layer Health는 2026년 11월 19일, Banner Health가 시리즈 A 투자 라운드에 전략적 병원 투자자로 참여하고 Banner의 전체 의료기관에 걸쳐 AI를 활용한 임상 레지스트리 데이터 추출 업무를 표준화하기 위한 다년간의 협력을 시작했다고 발표했습니다.

발표에서 미국 최대 규모의 비영리 의료 시스템 중 하나로 소개된 Banner Health는 레지스트리 업무의 대부분을 Layer Health 플랫폼으로 통합하고 있습니다. Layer Health는 심혈관, 외과, 종양 및 뇌졸중 진료 분야에 걸친 12개 이상의 레지스트리를 지원하며, 이를 통해 American Heart Association, American College of Surgeons, American College of Cardiology 등 전국 단위 인증 기관에 자료를 제출할 수 있게 됩니다.

레지스트리 운영을 내부화하다

Banner는 외주에 맡기던 레지스트리 업무의 상당 부분을 내부 프로그램으로 전환하고 있습니다. 이 의료 시스템이 밝힌 목표는 총소유비용을 낮추고, 레지스트리 데이터에 대한 통제력을 높이며, 내부 팀이 해당 데이터를 품질 개선에 활용하도록 하는 것입니다. 레지스트리 제출을 주로 규정 준수 업무로 취급하던 방식에서 벗어나려는 것입니다.

Layer Health에 따르면, 이 플랫폼은 구조화 데이터와 비구조화 데이터를 포함한 환자의 전체 종단 기록을 읽고 모든 답변에 출처가 연결된 근거를 제공합니다. 이 링크를 통해 각 레지스트리 데이터 추출 결과를 원본 진료 기록과 대조할 수 있습니다. 이는 내부에서 관리하고 인증 보고에 활용하려는 Banner의 프로그램에 중요한 기능입니다.

Banner는 시스템 가동이 시작될 때 레지스트리 데이터 추출 업무의 약 60%를 자동화해 직원의 업무 여력을 확보하고, 더 신속하고 확장성 있는 품질 보고를 지원할 것으로 기대합니다. 이 예상치는 전체 의료기관에 시스템을 도입하는 시점에 관한 것이며, 이미 자동화가 완료됐다는 뜻은 아닙니다.

Banner의 최고품질책임자인 Dr. Will Holland는 Layer Health가 이미 레지스트리 프로그램의 속도와 일관성, 신뢰도를 높였다고 말했습니다. 그는 “Layer Health는 단순한 솔루션 제공업체라기보다 앞으로 수년간 우리 시스템 전반의 품질과 진료 제공 방식을 혁신하는 데 함께할 전략적 파트너라고 생각합니다”라고 말했습니다.

앞서 발표된 시리즈 A 투자

Layer Health는 2025년 3월 27일 시리즈 A 투자로 2,100만 달러를 유치했다고 앞서 발표했습니다. 이 투자 라운드는 Define Ventures가 주도했으며 Flare Capital Partners, GV, MultiCare Capital Partners가 참여했습니다. 투자금은 AI 플랫폼 확장, 팀 확대, 회사 모델 고도화, 의료 시스템 및 기타 의료 기관과의 파트너십 강화 등에 사용될 예정이라고 밝혔습니다.

Layer Health의 CEO 겸 공동 창업자인 David Sontag는 레지스트리가 임상 인텔리전스의 더 폭넓은 활용 가능성을 검증하는 첫 시험대라고 설명했습니다. 그는 “레지스트리는 임상 인텔리전스가 처음으로 가치를 입증하는 분야입니다. 하지만 환자 기록을 정확히 읽고 그 내용을 바탕으로 추론하는 능력은 의료 시스템이 수행하는 수많은 업무의 기반입니다”라고 말했습니다.

Banner의 투자와 도입은 이러한 더 큰 목표를 구체적인 운영 변화와 연결합니다. Banner는 레지스트리 비용을 낮추고 품질 데이터에 대한 직접적인 통제력을 확보하려 하며, Layer Health의 기록 검토 기술은 전국 단위 인증 기관 제출을 지원하는 내부 프로그램에서 전체 의료기관에 걸쳐 검증될 예정입니다. 이번 도입의 의의는 예상된 자동화가 레지스트리 보고에 필요한 일관성과 감사 가능성을 유지하면서 직원의 업무 여력을 확대할 수 있는지에 달려 있습니다.

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.