EverHealth의 제품 책임자 Grant Lunney – 인터뷰 시리즈

Grant Lunney는 EverHealth의 제품 책임자로, 헬스케어 기술, 임상 운영 및 제품 전략 분야에서 약 20년간 경험을 쌓았습니다. 그의 경력은 Boulder Community Health, OTTO Health, NextGen Healthcare, CrowdHealth에 걸쳐 있으며, 외래 진료와 의료기관이 직면하는 실질적인 과제에 중점을 두어 왔습니다. EverHealth에서는 임상 문서 작성과 의료기관 업무 흐름 전반에 AI를 적용해 임상의가 환자 진료에 더 많은 시간을 쓸 수 있도록 하는 일을 하고 있습니다.

EverHealth는 전자의무기록, 의료기관 운영 관리, 의료비 청구, 환자 소통을 아우르는 헬스케어 기술을 제공합니다. EverHealth Scribe는 앰비언트 AI를 활용해 환자와 의료진의 대화를 전자의무기록(EHR) 안에 초안 임상 기록으로 작성하며, 임상의가 이를 검토하고 승인할 수 있도록 합니다. 이번 인터뷰에서 Lunney는 행동 건강 분야의 기록 작성, 환자 동의와 개인정보 보호, 임상적 감독, 그리고 AI가 독립 의료기관의 행정 업무를 줄이는 방법에 대해 이야기합니다.

귀하는 Boulder Community Health에서 임상 운영과 전략을 담당한 때부터 OTTO Health, NextGen Healthcare, CrowdHealth, 그리고 현재 EverHealth에서 제품 리더십을 맡기까지 헬스케어 기술 분야에서 약 20년에 걸친 경력을 쌓아 오셨습니다. 이러한 경험은 의료 분야에서 AI가 어떤 역할을 해야 하는지에 대한 귀하의 관점을 어떻게 형성했으며, EverHealth에서 제품 혁신을 이끌 기회에 어떤 점이 매력적으로 다가왔나요?

저는 거의 20년 동안 헬스케어 기술 분야에서 일해 왔으며, 주로 외래 진료 분야에 종사했습니다. 그동안 의사들이 진료를 수행하도록 돕기 위해 제공된 도구가 놀라울 정도로 발전하는 모습을 지켜봤습니다. 전자 처방이 큰 화제였던 때가 기억납니다. 의사가 전자 방식으로 처방전을 보내면 환자가 약국에 도착할 때쯤 약을 받을 수 있다는 발상은 의미 있는 진전이었습니다. 그 이후로 점점 더 정교한 전자의무기록 시스템(EHR), 업무 자동화, 상호운용성 등 의료를 더 효율적으로 만들기 위한 온갖 도구가 도입됐습니다.

저는 AI도 이와 비슷한 관점에서 바라봅니다. 대규모 언어 모델, 생성형 AI, 예측 모델 등 어떤 기술을 말하든, 모두 우리가 활용할 수 있는 도구가 하나 더해지는 것입니다. 목표는 변함없습니다. 임상의의 업무 효율을 높이고 궁극적으로는 임상의가 제공하는 진료의 질을 개선하는 것입니다.

환자 2,500명 또는 3,000명을 담당하는 일차 진료 의사를 생각해 보세요. 하루 대부분을 급성 질환 진료, 약물 관리, 여러 만성 질환을 앓는 환자 돌보기에 씁니다. 하지만 그런 의사들이 환자와 더 많은 시간을 들여 예방적이고 선제적인 건강 관리를 하고 싶어 하지 않을 거라고는 조금도 생각하지 않습니다. 영양, 운동, 행동 건강, 그리고 개인의 건강에 영향을 미치는 사회적 요인에 관해 이야기하는 것이죠. 애초에 다음 만성 질환이 생기지 않도록 도울 수 있는 의미 있는 변화를 사람들이 만들어 가도록 돕는 일입니다. 의사들이 의대에 진학한 이유도 바로 그런 일 때문입니다.

AI에 기대를 거는 이유가 바로 여기에 있습니다. 행정 업무와 정보 처리의 상당 부분을 임상의의 부담에서 덜어 주어, 임상의가 진료에 더 많은 시간을 쓸 수 있도록 하는 기술이 개발되기 시작했습니다.

제가 EverHealth에 매력을 느낀 이유는 이 기술을 의료기관 전반에 단계적으로 적용할 수 있기 때문입니다. 저는 한 가지 문제를 탁월하게 해결한 뒤 다음 문제로 넘어가는 방식이 중요하다고 생각합니다. 임상 기록 작성을 개선하고, 진단 인식, 코딩, 오더, 처방, 의료기관 운영 순으로 개선해 나갈 수 있습니다. 시간이 지나면 이러한 개선 사항이 서로 연계되어 작동하기 시작합니다.

EverHealth Scribe는 AI를 사용해 환자와 의료진의 대화를 구조화된 임상 기록으로 변환합니다. 대화 녹음부터 임상 기록 생성까지 기술이 어떻게 작동하는지 설명해 주시겠습니까? 또한 귀사의 접근 방식이 다른 AI 기반 의료 기록 솔루션과 어떻게 다른지도 알려 주세요.

간단히 말해, AI 기록 보조 도구는 환자와 임상의의 대화를 듣고 음성 인식을 통해 누가 어떤 말을 했는지 파악한 다음, 대규모 언어 모델을 활용해 임상적으로 중요한 정보를 구조화된 기록으로 정리합니다. 임상의는 해당 정보를 검토하고 필요한 부분을 수정한 뒤 최종 기록을 승인합니다.

현재 대부분의 우수한 앰비언트 AI 기록 보조 도구가 이 기본적인 업무를 매우 능숙하게 수행하는 수준에 이르고 있다고 생각합니다. 모델마다 정교함과 정확도에는 차이가 있지만, 차별화를 위한 더 큰 기회는 점차 이 과정의 주변 업무 전반에서 나올 것이라고 봅니다.

저희는 기록을 생성한 뒤 임상의의 업무를 얼마나 더 많이 처리할 수 있는지부터 살펴봅니다. 이미 진단 및 CPT 코드 추천 기능을 추가했으며, 전자의무기록 시스템에 직접 통합된 오더 및 처방 기능도 확대하고 있습니다. 또한 이전 진료, 병력, 진료 전 문서의 맥락도 반영합니다. 15분간의 대화는 훨씬 더 큰 임상적 이야기에서 작은 일부에 불과하기 때문입니다. 아울러 임상의가 관찰하고 기록하지만 말로 표현하지는 않는 내용을 담는 주석 기능도 개발하고 있습니다.

이러한 모든 기능에는 신뢰성도 확보했습니다. 임상의가 환자와 30분을 보낸 뒤 녹음에 실패했다는 사실을 알게 된다면 치명적인 경험이 될 수 있습니다. 따라서 마이크 배치부터 불안정한 Wi-Fi 연결까지 모든 요소를 고려해야 합니다.

이 모든 사항을 제대로 해내면, 진료가 끝날 때 임상의는 문서화 작업을 거의 모두 마친 상태여야 합니다. 임상의에게 남는 일은 임상 내용을 검토하고, 판단을 내리며, 적절하다고 여기는 권고 사항을 실행하는 것입니다.

정신 건강 상담에서는 매우 사적인 대화와 미묘한 감정 표현, 민감한 고백이 오가는 경우가 많습니다. 행동 건강 분야의 AI 기록 보조 도구를 개발할 때 고유하게 마주하는 기술적 과제는 무엇이며, 맥락을 잘못 해석하거나 불필요한 개인 정보를 기록하지 않으면서 임상적으로 중요한 정보를 정확히 포착하도록 시스템을 어떻게 보장하나요?

50분간 진행되는 심리 치료 세션, 15분간의 행동 건강 상담, 7분간의 내과 진료는 서로 매우 다른 대화입니다. 각 진료에서 작성되어야 하는 기록도 서로 다릅니다.

그래서 임상의부터 시작해 거꾸로 접근합니다. 어떤 정보를 포착해야 할까요? 어떻게 정리해야 할까요? 임상적으로 적절한 세부 정보의 수준은 어느 정도일까요? 그리고 진료 내용을 정확히 반영한다고 의료진이 확신할 수 있으려면 최종 기록은 어떤 형태여야 할까요?

그 기준을 정한 다음에는 그 기대에 부합하는 기록을 작성하도록 AI를 설정하고 개선할 수 있습니다. 매우 길고 복잡하며 지극히 사적인 대화에서 환자 진료에 실제로 필요한 임상 정보만 추려내는 것이 목표입니다.

이 점은 특히 행동 건강 분야에서 중요하다고 생각합니다. 세션 중에 어떤 말이 나왔다고 해서 그 내용이 반드시 환자의 영구 의료 기록에 포함되어야 하는 것은 아닙니다. 모델은 임상적 의미도 정확하게 해석해야 합니다. 행동 건강 분야에서는 맥락에 따라 같은 말도 전혀 다른 의미를 가질 수 있습니다. 그래서 임상의의 검토와 판단이 여전히 필수적입니다.

우리는 모델의 지능이 얼마나 뛰어난지에 대해 자주 이야기하지만, 가장 중요한 작업 중 일부는 모델이 기록을 생성하기도 전에 이루어진다고 생각합니다. 성공적인 임상 기록의 기준을 정하고, 그 기준에 맞는 결과를 얼마나 안정적으로 만들어 내는지 지속적으로 개선하는 일입니다.

간단히 말해, 우리의 절차는 좋은 결과의 기준을 정하고 그 기준에서 출발해 거꾸로 접근한 다음, 그 기준을 달성했는지 최종 판단은 임상의에게 맡기는 것입니다.

KFF의 조사에 따르면 미국 성인의 77%가 AI 도구와 공유하는 의료 정보의 개인정보 보호를 우려합니다. 특히 환자 데이터 보관 기간, 제3자 접근, 민감 정보의 AI 모델 학습 또는 개선 목적 사용과 관련해 EverHealth는 이러한 우려에 어떻게 대응하나요?

그런 우려는 타당하며, 환자가 더 나은 진료를 받기 위해 개인정보 보호를 포기해야 해서는 안 된다고 생각합니다. 동시에 기술 기업이 자사의 보호 조치를 무조건 믿으라고 요구해서도 안 됩니다. 환자와 의료기관은 어떤 정보를 사용하는지, 누가 접근할 수 있는지, 얼마나 오래 보관하는지에 대해 명확한 답변을 들을 권리가 있습니다.

EverHealth Scribe는 임상 기록 작성과 진료의 연속성을 지원하기 위해 환자 정보를 처리합니다. CarePilot을 포함한 기술 파트너와 협력할 때는 사업 협력자 계약 등의 계약상 보호 조치를 적용해 보호 대상 건강 정보의 처리 방식을 규정합니다. 또한 암호화와 접근 통제를 적용하며, 환자를 식별할 수 있는 정보는 AI 모델 학습에 사용하지 않습니다. Scribe 녹취록은 최대 180일 동안 이용할 수 있어 임상의가 여러 진료에 걸친 관련 맥락을 다시 확인할 수 있습니다. 다만 의료기관은 녹취록 삭제를 요청할 수도 있습니다.

궁극적으로 개인정보 보호는 혁신이 이루어진 뒤에 덧붙일 수 있는 것이 아닙니다. 무엇을 만들고, 무엇을 연결하며, 무엇을 보관할지에 관한 의사결정에 처음부터 반영되어야 합니다.

EverHealth Scribe를 도입한 Mentavi Health는 환자 접수 과정에서와 각 진료 전에 환자의 동의를 받습니다. 환자의 신뢰를 쌓는 데 이러한 지속적 동의 방식은 얼마나 중요하며, 환자가 AI 지원 기록 작성을 거부하거나 세션 도중 동의를 철회하면 어떻게 해야 하나요?

Mentavi가 환자 접수 과정에서 동의를 받고 각 진료 전에 다시 동의를 구하는 방식은 환자가 자신의 진료가 제공되는 방식에 대해 의견을 낼 수 있다는 점을 분명히 합니다.

저는 경력의 상당 부분을 원격 의료 분야에서 보냈습니다. 그래서 환자들은 기술이 어떤 가치를 제공하는지 알 수 있으면 대체로 이를 기꺼이 받아들인다고 생각합니다. 이상적으로는 환자가 의료진과 더 자주 눈을 맞추고 더 직접적으로 소통할 수 있어야 합니다. 의료진이 노트북 뒤에 앉거나 업무용 컴퓨터에 입력하는 대신 대화에 집중할 수 있기 때문입니다. 이는 상당히 설득력 있는 가치 제안입니다.

물론 그런 가치를 제공하려면 환자에게 선택권도 있어야 합니다. 환자는 기술이 어떻게 사용되는지 이해하고 편안하게 거부할 수 있어야 합니다. 환자가 진료 중 동의를 철회하면 녹음을 중단하고, 임상의는 평소 업무 절차에 따라 진료를 계속하고 기록할 수 있어야 합니다. 이미 수집된 정보는 관련 동의 및 개인정보 보호 요건에 따라 처리해야 합니다.

궁극적으로 신뢰는 꾸준히 가치를 제공하는 데서 나온다고 생각합니다. 임상의가 환자와 소통하는 데 더 많은 시간을 쓸 수 있도록 돕고 환자도 실제로 그 차이를 느낀다면, 우리는 제대로 해내고 있는 것입니다.

AI가 생성한 임상 기록에는 환각으로 잘못된 정보를 만들어 내거나, 세부 사항을 누락하거나, 환자의 진술을 부정확하게 해석하는 등 잠재적 위험이 따릅니다. EverHealth는 이러한 오류를 찾아내기 위해 어떤 안전장치를 마련했으며, 임상의가 AI 생성 문서를 그저 승인하는 데 그치지 않고 실질적인 감독을 유지하도록 어떻게 보장하고 있습니까?

임상의는 기록 도구와 긴밀히 협력하며, AI가 생성한 기록을 진료 기록에 추가하기 전에 직접 편집할 책임이 있습니다. 이는 최종 결과물에 불일치가 생길 가능성을 최소화하기 위한 것입니다.

임상의는 해당 정보를 진료 기록에 반영하기 전에 검토하고 편집해야 합니다. 기록이 진료 내용을 정확하게 반영하는지, 중요한 내용이 누락되거나 잘못 해석되지는 않았는지를 판단하는 최종 책임은 여전히 임상의에게 있습니다.

또 다른 핵심 요소는 지속적인 피드백입니다. 매 진료가 끝난 뒤 임상의에게 문서화가 도움이 되었는지 묻는데, 응답 중 96%를 넘는 비율이 긍정적이었습니다. 이는 우리가 꾸준히 가치를 제공하고 있다는 고무적인 신호입니다.

임상의가 문제를 보고하면 우리 팀은 직접 소통하며 무슨 일이 있었는지 파악하고, 근본 원인을 찾아 경험을 어떻게 개선할 수 있을지 검토합니다. 기술을 사용하는 사람들과 직접 관계를 맺는 일은 제품을 개발하고 다듬는 과정에서 매우 중요한 부분입니다.

궁극적으로 이런 방식이 AI 지원 문서화에 대한 신뢰를 쌓는 길이라고 생각합니다. 근거가 되는 정보를 확인할 수 있게 하고, 임상의의 실질적인 감독을 보장하며, 기술이 실제로 도움이 되는지 지속적으로 평가하는 것입니다.

Mentavi Health는 최근 면허를 보유한 임상의 30명 이상이 참여하고 AI 지원 임상 기록을 14,000건 넘게 작성한 단계적 도입 사례를 발표했습니다. 이 과정에서 구조화된 문서화와 진단 코드 기록률이 개선되었습니다. 이번 도입에서 가장 중요한 성과는 무엇이었으며, AI 기록 도구가 임상의의 생산성, 문서의 정확성, 환자 진료를 실제로 개선하는지는 어떻게 측정합니까?

Mentavi의 도입 사례에서 얻은 가장 중요한 교훈 중 하나는 성공적인 정착에 기술 자체보다 훨씬 더 많은 요소가 필요하다는 점입니다. Mentavi는 임상, 행정, 기술 분야의 전문성을 한데 모아 문서화 기준을 정하고, 품질 측정 지표를 마련했으며, 새로운 기능을 신중하게 도입했습니다. 이러한 협력은 책임 있는 의료 혁신이 어떤 모습이어야 하는지를 잘 보여 줍니다.

Scribe가 해결하려는 문제는 단순합니다. 임상의가 진료 내용을 기록하는 데 너무 많은 시간을 쓴다는 것입니다. 그렇다면 그 시간과 노력을 얼마나 줄일 수 있을까요?

문서화에 걸리는 시간과 임상의의 만족도를 살피고, 진단 인식이나 CPT 코드 추천 같은 기능이 업무 과정의 추가 단계를 얼마나 효과적으로 줄이는지도 측정합니다. 오더와 처방으로 기능을 확장할 때도 같은 관점을 적용할 것입니다. 각 기능은 임상의의 하루에서 의미 있는 업무를 하나씩 덜어내야 합니다.

진단 코드 기록률의 개선은 특히 고무적이었습니다. 평가 결과, Scribe를 사용한 진료에서는 진단 코드 기록률이 거의 80%에 달한 반면, 사용하지 않은 경우에는 약 26%였습니다. 이는 구조화된 임상 문서의 일관성이 크게 향상된 것이며, AI가 단순히 기록을 생성하는 데 그치지 않고 가치를 창출할 수 있음을 보여 주는 좋은 사례입니다.

생성된 기록의 수치도 고무적이지만, 실제로 줄인 업무량과 우리가 작성하도록 돕는 문서의 품질 및 일관성이야말로 중요한 성과입니다.

독립적으로 운영되는 의료 및 정신건강 진료기관은 대형 의료 시스템에 비해 행정 자원이 부족한 경우가 많습니다. AI 기반 문서화는 소규모 진료기관의 경쟁력 강화에 어떻게 도움이 될 수 있으며, 도입 비용, 업무 흐름 통합, 기술 수용과 관련해 여전히 해결해야 할 장애물은 무엇입니까?

독립 진료기관이 얻을 수 있는 가장 큰 기회는 선택의 폭이라고 생각합니다. 임상의와 직원의 행정 업무를 덜어 주면, 진료기관은 시간과 자원을 어떻게 쓸지 더 나은 결정을 내릴 수 있습니다. 의사는 더 많은 환자를 진료하고 싶을 수도 있습니다. 이미 진료 중인 환자에게 더 많은 시간을 쓰고 싶을 수도 있습니다. 또는 마지막 진료를 오후 5시에 마치고 문서를 15분 동안 검토한 뒤, 밀린 업무를 따라잡느라 두 시간을 더 보내는 대신 집에 가고 싶을 수도 있습니다. 이 모두 의미 있는 성과이며, 무엇이 가장 중요한지는 진료기관이 직접 결정할 수 있어야 합니다.

도입과 관련해서는 이미 해당 진료기관에 기술을 제공하고 있으므로, 업무 흐름 통합은 진료기관이 아니라 우리가 책임질 일입니다. Scribe는 임상의가 이미 보유한 기기에서 작동하며, 교육을 한두 차례만 받아도 시작할 수 있습니다. 다만 소규모 진료기관은 기술적 문제를 감당할 여지가 거의 없습니다. 따라서 가능한 한 별도의 도움 없이 직접 설정해 사용할 수 있도록 하는 것이 우리의 목표입니다.

궁극적으로 AI는 독립 진료기관에도 과거에는 훨씬 규모가 큰 조직에서만 가능했던 기능과 운영 효율성을 제공한다고 생각합니다. 그만큼 중요한 점은 진료기관에서 일하는 사람들이 시간을 어떻게 쓸지 더 큰 통제권을 갖게 된다는 것입니다.

주마다 의료 분야, 특히 행동 건강 분야의 AI를 규제하는 법률이 점점 더 다양해지는 가운데, EverHealth는 이렇게 파편화된 규제 환경에 어떻게 대응하고 있나요? 여러 관할권의 환자 동의, 데이터 개인정보 보호, 임상의 감독 요건을 두루 충족해야 하는 AI 제품을 개발할 때 어떤 어려움이 발생하나요?

이런 상황은 전에 겪어 본 것 같습니다. 코로나19 이전에 저는 경력의 상당 기간을 원격 의료 분야에서 보내며 면허, 환자의 위치, 동의, 처방, 보험 상환과 관련한 주별 차이에 대응했습니다. 그러다 거의 하룻밤 사이에 규정이 바뀌었고, 규정이 계속 바뀌는 와중에도 사업 규모를 키워야 했습니다.

AI 분야의 상황도 비슷하게 느껴집니다. 저희는 입법 동향을 앞서 파악하고, 주 및 연방 차원의 세부적인 차이를 이해하며, 이에 맞춰 조정할 수 있는 제품을 만드는 데 집중하고 있습니다.

이는 한 임상의가 여러 주의 환자를 진료할 수 있는 행동 건강 원격 의료에서 특히 중요합니다. 동의, 개인정보 보호, 임상의 감독은 서비스의 기본 요소로서 상황에 맞게 설정할 수 있어야 합니다.

그 경험에서 얻은 진정한 교훈은 처음부터 규제 변화에 유연하게 대응할 수 있도록 제품을 설계해야 한다는 것입니다. 이것이 EverHealth가 AI에 적용하는 철학입니다. 임상의가 진료에 집중할 수 있도록 복잡한 문제를 최대한 저희가 해결하는 것이 우리의 역할입니다.

앞으로 AI 기능은 문서화 업무를 넘어 임상 의사결정 지원, 환자 참여, 그리고 점점 더 자율화되는 의료 업무 흐름으로 빠르게 확장되고 있습니다. 특히 정신건강 분야에서 AI의 지원과 인간 임상 판단 사이의 경계는 어디에 두어야 한다고 보시나요? 또한 향후 3~5년 동안 EverHealth의 기술이 어떻게 발전할 것으로 예상하시나요?

AI는 듣고, 정리하고, 관련 맥락을 제시하고, 제안할 수 있습니다. 하지만 임상적 판단은 임상의의 몫입니다.

이는 환자의 병력이나 말투의 변화, 심지어 입 밖에 내지 않은 말까지도 실제로 한 말만큼 의미가 있을 수 있는 정신건강 분야에서 특히 중요합니다. 기술은 임상의가 그런 순간에 더 집중할 수 있도록 도와야지, 집중력을 떨어뜨려서는 안 됩니다.

향후 3~5년 동안의 기회는 더 똑똑한 진료 기록 보조 도구를 만드는 것보다 훨씬 더 큽니다. EverHealth의 비전은 지능형 외래 진료 여정을 구현해, 진료 전과 진료 중, 진료 후의 여러 순간을 기술로 연결하는 것입니다.

중요한 정보를 기억하는 진료소를 상상해 보세요. 필요할 때 관련 병력을 확인할 수 있고, 임상의는 흩어진 정보를 맞춰 보느라 애쓰는 대신 환자에게 집중할 수 있으며, 임상적 판단은 문서화, 코딩, 진료 조정, 후속 관리로 더욱 매끄럽게 이어집니다. 저희는 개별 업무를 더 빠르게 처리하는 데 그치지 않습니다. 각 업무 사이의 걸림돌을 줄이고자 합니다.

저희가 하는 모든 일의 궁극적인 목표는 모든 환자가 온전히 이해받는다고 느끼고, 모든 의료진이 확신을 가지고 유기적으로 연결된 진료를 제공하는 데 필요한 명확한 정보를 갖추도록 하는 것입니다.

훌륭한 인터뷰에 감사드립니다. AI 기반 임상 문서화와 연계된 의료 업무 흐름을 살펴보고 싶은 독자는 EverHealth를 방문해 보세요.