Corti, 의료 부문에서 정확성을 재정의하는 AI 시스템 출시

코펜하겐에 본사를 둔 Corti는 의료 부문에서 가장 지속적인 운영적인 도전 중 하나인 의료 부호화에 대한 새로운 AI 시스템을 도입했습니다. 회사의 최신 릴리스인 Symphony for Medical Coding은 단순한 자동화 도구가 아니라 임상 데이터가 해석되고 구조화되고 보건 시스템 전반에서 사용되는 방식에 대한 근본적으로 다른 접근 방식입니다.

Symphony의 출시에는 Corti의 더广泛한 “임상 등급 AI”로의 추진이 포함되어 있습니다. 여기서 정확성, 추적 가능성 및 실제 배포가 원시 모델 성능만큼 중요합니다.

의료 부호화가 여전히 의료 시스템을 고장시키는 이유

의료 부호화는 임상 치료, 청구, 공중 보건의 교차점에 위치합니다. 모든 진단, 치료, 결과는 ICD-10과 같은 표준 부호로 번역되어야 합니다.

문제는 단순히 규모가 아니라 해석입니다.

부호화에는 임상 기록에서 의미를 추출하고 불일치를 조정하며 발전하는 지침을 적용하는 것이 포함됩니다. 실제로는 종종 누락된 신호와 불완전한 데이터로 이어집니다.

한 가지 예는 이러한 문제의 심각성을 설명합니다. 환자 기록의 대규모 분석에서 실제로 부호화된 것보다 임상 기록에 훨씬 더 많은 자살 시도가 문서화된 것으로 나타났습니다. 이러한 경우가 구조화된 데이터 세트에 기록되지 않으면 보건 시스템은 중요한 추세에 대한 가시성을 잃게 되며, 이는 자금 배분에서 예방 전략까지 모든 것을 저해합니다.

예측에서 추론으로: 접근 방식의 전환

Corti의 핵심 주장은 의료 부호화가 분류 문제가 아니라 추론 문제라는 것입니다.

이 구별은 Symphony의 아키텍처를 형성합니다. 패턴 인식만으로 코드를 할당하는 대신, 시스템은 인간 부호화자가 작동하는 방식을 반영합니다. 임상 데이터에서 증거를 식별하고, 맥락을 평가하고, 계층적 부호화 시스템을 탐색하며, 출력을 현재 지침에 대해 검증합니다.

이 접근 방식은 회사의 이전 연구에서 다루어진 다중 에이전트 AI 시스템에 기반합니다. “Code Like Humans” 프레임워크는 복잡한 작업을 더 작은 추론 단계로 분해하기 위해 여러 조정된 AI 에이전트를 사용하여 정확성과 일관성을 모두 개선합니다.

결과는 Corti에 따르면 측정 가능한 성능 격차입니다. Symphony는 임상 부호화 정확도 벤치마크에서 주요 AI 제공업체의 경쟁 모델을 능가한다고 보고하며, 최대 23%의 개선이 있습니다.

모델의 기반 인프라

Symphony는 독립된 모델이 아닙니다. Corti의 더广泛한 에이전트 기반 인프라인 Corti Agentic Frameworkの上에 위치합니다.

전통적인 대규모 언어 모델이 고립된 출력을 생성하는 반면, 이 프레임워크는 AI 시스템이 임상 워크플로우 전반에서 추론, 정보 검색 및 구조화된 동작을 수행하도록 허용합니다. 전적으로 사전 훈련된 지식에만 의존하는 대신 외부 데이터 소스와 연결할 수 있도록 설계되었습니다.

플랫폼은 또한 의료 환경에서 필수적인 가드레일을 도입합니다. AI 에이전트가 수행하는 모든 동작은 기록되며, 추적 가능하며, 감사 가능합니다. 이는 각 결정 뒤에 명확한 추론 사슬을 생성합니다.

이러한 감사 가능성에 대한 강조는 우연이 아닙니다. 규제 환경에서 의사 결정의 설명과 정당화 능력은 자체적으로 의사 결정만큼 중요할 수 있습니다.

AI 출력을 검증 가능하게 만드는 것, 정확성만이 아니라

의료 분야에서 AI에 대한 반복되는 비판 중 하나는 “블랙 박스” 문제입니다. 모델이 올바른 출력을 생성하더라도 투명성의欠如로 임상 또는 규제 주도 환경에서 신뢰하기 어렵습니다.

Corti는 이 문제를 직접 해결하려고 합니다.

Symphony는 생성된 각 코드를 정당화하는 임상 증거에 연결합니다. 또한 모호성 또는 경계 사례를 강조하여 인간 검토자가 판단이 어디에서 내려졌는지 빠르게 이해할 수 있도록 합니다.

이것은 AI를 인간의 감독을 대체하는 도구에서 보완하는 도구로 전환합니다. 특히, 코딩 결정을 검증하는 데 책임이 있는 규정 팀과 감사관에게 특히 그렇습니다.

전 세계적인 의료 복잡성을 위한 시스템

의료 부호화의 또 다른 도전은 단편화입니다. 다른 지역은 다른 표준을 사용하며, 많은 AI 시스템은 운영하기 위해 광범위한 재훈련을 필요로 합니다.

Symphony는 지역별 세분화 없이 US 및 유럽의 의료 부호화 시스템에서 작동하도록 설계되었습니다. 이는 진단 부호화 프레임워크와 청구 및 보상에 사용되는 절차 기반 시스템을 모두 포함합니다.

이것은 의료 소프트웨어 벤더와 다국적 제공업체에게 중요합니다. 여기서 여러 지역화된 AI 모델을 유지하는 것은 빠르게 병목 현상이 될 수 있습니다.

더 큰 그림: 의료 데이터 레이어의 자동화

의료 부호화는 좁은 사용 사례로 보일 수 있지만, 의료 시스템이 작동하는 방식에서 기초적인 역할을 합니다.

코딩을 통해 생성된 구조화된 데이터는 보험 청구, 임상 연구 및 국가 보건 정책을 포함한 모든 것에 공급됩니다. 이 레이어의 오류는 전체 시스템에 전파됩니다.

Corti의 더广泛한 전략은 이 현실을 반영합니다. 플랫폼은 이미 문서화, 임상 의사 결정 지원, 치료 조정을 포함한 다양한 작업을 위한 AI 에이전트를 지원합니다. 모두 동일한 기본 인프라 위에 구축됩니다.

회사의 논지는 의료가 점점 더 행정 및 임상 워크플로를 동시에 처리하는 조정된 다중 에이전트 시스템에 의존할 것이라는 것입니다.

파일럿에서 생산으로 이동

의료 AI에서 정의하는 도전 중 하나는 유망한 프로토タイプ와 실제 배포 간의 격차입니다.

Corti는 Symphony를 실험 모델이 아니라 생산 준비 모델로 пози션합니다. 여기에는 기업 배포 옵션, 상호 운용성 표준 지원 및 기존 의료 소프트웨어 스택 통합이 포함됩니다.

중점은 AI가 무엇을 할 수 있는지 보여주는 것보다 안전하게, 일관되게, 실제 임상 환경에서 규모에 따라 작동할 수 있는지 확인하는 것입니다.

조용하지만 의미 있는 전환

Symphony의 출시에는 의료 분야에서 발생하는 더广泛한 전환을 반영합니다.

일반적인 목적의 더 큰 모델을 구축하는 대신, 회사들은 고위험 도메인용으로 특별히 설계된 시스템에 초점을 맞추고 있습니다. 이러한 시스템은 원시 생성 능력보다 추론, 추적 가능성 및 통합에 우선합니다.

의료 부호화는 진단 또는 약물 발견만큼 많은 주목을 받지 않을 수 있지만, 현대 의료 인프라의 대부분을 지원합니다. 이를 개선하면, 비록 점진적으로라도, 운영 효율성과 환자 결과 모두에 대한 영향이 크게 나타날 수 있습니다.

Corti의 정확성 및 감사 가능성 주장이 실제 배포에서 유지된다면, Symphony는 의료 기관이 실제로 신뢰할 수 있는 AI 시스템으로 대표할 수 있는 의미 있는 단계를 나타낼 수 있습니다.