트라이얼비의 매트 월즈 CEO – 인터뷰 시리즈

Matt Walz는 기술 기반 환자 모집 분야의 글로벌 선도 기업 Trialbee의 CEO로, 생명과학 업계에서 20년 넘게 소프트웨어와 리더십 경험을 쌓았습니다. 개발자로 경력을 시작해 Rollins Corporation, PSCI, Microsoft (MSFT ), Morgan Lewis, Datalabs에서 기술 및 리더십 직책을 맡았습니다. 2006년 임상·품질·규제 문서 관리 분야의 글로벌 기업으로 성장한 NextDocs를 공동 창업해 9년 동안 CTO, CSO, 이사를 역임했습니다. Trialbee에 합류하기 전에는 NextDocs를 인수한 Aurea Software에서 생명과학 총괄 및 전략 고객 담당 부사장으로 5년간 근무했습니다.

Trialbee는 임상시험 환자 모집을 간소화하는 헬스케어 기술 기업입니다. 데이터 분석, 디지털 홍보, 실사용 근거를 활용해 환자를 연결하고 참여시키며 사전 적격 심사를 수행해 등록을 앞당깁니다. 플랫폼은 모집 출처와 파트너 전반의 투명성을 제공해 의뢰자, CRO, 시험기관이 현장 부담을 줄이면서 모집 파이프라인을 효율적으로 관리하도록 돕습니다.

헬스테크 스타트업과 대규모 임상 연구 플랫폼에서 모두 일하셨습니다. 환자 모집에서 AI의 가능성과 위험을 인식하게 한 경험은 무엇입니까?

임상 개발에서 20년 넘게 일하며 본 기술 추세 중 AI가 가장 빠릅니다. 초기 클라우드 도입보다도 빠릅니다. 새 기술 도입이 느린 업계에서 AI가 개념에서 운영으로 빠르게 이동했고 FDA 같은 규제기관도 우선순위를 두는 점이 인상적입니다. 환자 모집에서는 아직 최적의 활용처를 배우는 초기 단계입니다. 공급업체와 의뢰자들은 연구팀의 주요 마찰 지점인 프로토콜 개발, 페르소나와 타기팅, 데이터 보강, 현지화, 커뮤니케이션과 참여에 AI를 시험하고 있습니다.

하지만 가능성과 함께 위험도 있습니다. 대형 제약사 리더들은 워크플로 곳곳에 AI가 들어가더라도 통제 없이 운영해서는 안 되며 인간의 감독이 기반이어야 한다고 강조합니다.

이는 품질과 보안 때문이기도 하지만 Trialbee 같은 회사가 희망을 찾는 환자와 가족을 연결하기 때문입니다. 매우 인간적이고 공감이 필요한 경험은 AI가 의미 있게 대체할 수 없습니다.

임상시험 모집은 다양성, 속도, 정확성 문제를 겪어 왔습니다. AI는 어떻게 돕고 있으며 어디서 부족합니까?

AI는 가장 느리고 자원이 많이 드는 절차를 간소화합니다. 수십 개 언어로 연구 자료를 번역하는 작업은 수주에서 수시간으로 단축되어 더 많은 시장에서 빠르게 모집을 시작할 수 있습니다.

정확성 측면에서는 AI 에이전트가 자료 제작, 사전 심사, 챗봇에 이르기까지 기준에 맞는 일관된 상호작용을 제공하기 시작했습니다. 이는 모집을 늦추는 이탈 지점을 줄이는 데 유용합니다.

다양성은 여전히 어렵습니다. AI의 대표성은 훈련 데이터에 달려 있고, 환자 대면 역할에서 AI 사용을 제한하는 국가별 규정 같은 외부 요인도 있습니다. 임상 연구에서 신뢰 구축은 오래된 과제이며 AI 도구에 대한 회의감도 다양합니다. 따라서 참가자가 의료 전문가나 AI 에이전트 중 선택할 수 있어야 합니다. 서로 다른 편안함 수준을 수용하고 감독을 강화하되, 에이전트형 AI에는 별도 추론 엔진 같은 보호장치를 넣어야 합니다.

AI 도구 도입이 과거 혁신보다 빠르지만 규제기관은 따라가기 어렵습니다. 다국적 임상 캠페인의 가장 시급한 감독 공백은 무엇입니까?

가장 큰 공백은 지역 간 규제 정렬 부족입니다. 미국 FDA는 새 프레임워크와 초기 검토로 AI를 받아들이는 반면 유럽은 더 엄격한 검토와 신중한 접근을 취합니다.

글로벌 기업에는 한 국가에서 허용되는 것이 다른 곳에서는 금지될 수 있다는 문제가 생깁니다. 규정뿐 아니라 Facebook (META ) 같은 채널을 모집에 쓰는 방법, 개인정보 처리, 동의 수집도 다릅니다. 이는 운영 민첩성과 지역 윤리·규정에 대한 깊은 이해를 요구합니다. 혁신의 역사와 글로벌 문화는 역동적인 AI 환경을 헤쳐 가는 자산입니다.

규제의 국제적 불일치가 AI 도입을 어떻게 방해하며 실제 결과를 본 적이 있습니까?

환자 모집용 디지털 광고가 좋은 예입니다. Facebook은 효과적인 글로벌 플랫폼이지만 허용 국가 안에서도 타기팅 수준과 사용할 수 있는 데이터가 크게 다릅니다. 우리는 이 차이를 극복할 내부 전문성을 구축하고 있으며 AI 규제도 비슷한 경로를 따를 것으로 봅니다.

실제로 모집팀은 캠페인 시작 지연, 윤리위원회와의 추가 검토, 더 복잡한 준수 절차를 겪습니다. 국가마다 환자 대면 AI를 어떻게 해석하는지 알지 못하면 시험이 늦어지거나 승인 장벽에 부딪힙니다.

Trialbee는 데이터, 기술, 환자 참여가 만나는 곳에 있습니다. AI가 환자를 데이터 점으로 축소하지 않고 인간적인 연구를 강화하도록 어떻게 보장합니까?

AI는 인간을 대체하는 것이 아니라 역량을 키워야 합니다. 우리가 하는 일은 전 세계 여러 세대의 건강한 삶을 돕는 매우 개인적인 산업입니다. 사람을 연결하는 따뜻한 사업이며 중심에는 언제나 인간이 있습니다.

Honey Platform™에서 이상적인 AI는 데이터와 추세를 분석하고 시험기관과 연구팀에 조치가 필요한 지점을 알려주는 것입니다. 모집 진행 상황을 매일 제시하거나 예측 모델링으로 특정 환자 후속 조치를 알릴 수 있습니다.

내부에서도 AI를 체계적이고 협업적으로 사용합니다. 모집 자료 번역과 잠재적 개인식별정보 억제가 예이며, 항상 경험 있는 인간이 감독합니다. AI가 훌륭한 팀을 강화하도록 쓰는 것입니다.

임상 연구팀이 AI 도구를 책임 있게 안내하고 관리하려면 어떤 역량이 중요합니까?

임상 전문성, AI 이해도, 규제 지식의 교차점이 중요합니다. 팀은 AI에 정밀하게 지시하고 결과를 비판적으로 검토해야 합니다. 특히 환자 상호작용 보호를 위해 별도 추론 엔진을 구축하는 에이전트형 AI에는 규제 통찰이 필요합니다. AI 번역물의 정확성과 문화적 적절성도 윤리위원회 제출 전에 검증해야 합니다.

AI 통합의 복잡성 때문에 망설이는 임상시험 관계자에게 어떤 조언을 하시겠습니까?

AI와 일할 때는 먼저 “실제 지능”을 사용하라는 말이 있습니다. 머신러닝은 놀라운 일을 할 수 있지만 도메인 전문가의 지식, 맥락, 보호장치가 있어야 합니다.

작게 시작하고 지금 제공할 수 있는 것에 집중하십시오. 큰 실수는 AI 전환이 어떻게 작동하고 언제 준비되는지 설명하지 않은 채 모호한 약속에 몰입하는 것입니다. 이는 실제 계획의 근거가 없어 신뢰를 깎습니다.

명확한 결과가 있는 작은 단계로 나누고, AI가 마찰을 줄이는 영향력 높은 한두 영역을 선택해 적절한 감독을 붙이십시오. 도구와 설정, 민감정보 보호 방식을 구체적으로 설명해야 합니다. Trialbee는 실제 구축 중이며 대개 3개월 안에 제공할 역량만 이야기합니다.

우리는 매주 다른 부서가 성공한 사용 사례를 발표하게 합니다. 방법과 이유, 교훈과 어려움, 해결책을 공유해 효율성, 고객 제공, 모집 결과를 개선한 성공을 재현합니다. ChatGPT나 Claude를 쓴다면 민감정보 분리와 인간 감독을 포함한 구성을 설명합니다. 번역 시간 절약이나 초기 환자 심사 속도 향상을 확인하면 다음 사례도 받아들이게 됩니다. 거대한 비전을 파는 것보다 단계별로 가치를 증명하는 일입니다.

FDA 등 규제기관이 의약품 개발 AI에 더 까다로운 질문을 합니다. 어떤 투명성, 검증, 감사 기준이 업계 표준이 되어야 합니까?

업계는 완전한 투명성과 모든 AI 보조 결정에 대한 인간 감독으로 나아가야 합니다. 에이전트형 AI에서는 규제 논리를 별도 추론 엔진에 내장해 대화를 실시간 평가하고 교정하는 방안을 개발 중입니다. 이런 내부 통제는 모든 환자 대면 앱의 표준이어야 합니다. 벤치마크 시험과 지속적 성능 평가를 포함한 검증 절차도 공식화해야 합니다.

무엇보다 기준은 나중에 덧붙이지 말고 제품 개발 과정에 통합해야 합니다. 이러한 엄격함이 환자 안전, 규제 신뢰, 글로벌 임상 캠페인에서 책임 있는 확장에 필수입니다.

과거 데이터에는 의료 시스템의 편향이 반영될 수 있습니다. 대표성이 낮은 인구를 포함한 공정성과 다양성을 어떻게 보장합니까?

임상 연구의 다양성을 막아 온 것은 AI 부재가 아니라 우선순위가 있는 계획의 부재입니다. 진정한 약속이 생기면 AI는 대표성이 낮은 집단에 효과적으로 접근하는 강력한 도구가 되지만 의도적으로 설계해야 합니다. Trialbee는 모델의 데이터 범위를 넓히고 지역사회 파트너십을 구축하며 어느 집단도 뒤처지지 않도록 모집 결과를 계속 감시합니다.

올해 새 AI 제품을 출시한다고 했습니다. 해결하려는 문제와 책임 있는 AI 철학을 어떻게 반영하는지 소개해 주십시오.

Trialbee에는 혁신 문화가 있고 AI의 비중이 커지고 있습니다. 올해 Honey Platform은 새로운 시험기관 워크플로, 의뢰자별 환자 등록부, BMSClinicalTrials.com 같은 글로벌 바이오제약 브랜드의 시험 검색 사이트를 지원하는 사례를 출시했습니다. 앞으로 3개월, 6개월, 12개월 이후에 챗봇과 스마트 도구 등 새 기능을 Honey 안에 내놓고 고객 절차를 간소화할 방법을 평가합니다. 내부에서는 모든 의사결정을 숙련된 팀원이 주도하고 모델의 맥락을 해석하면서 더 정밀하고 의도적이며 포용적이고 효율적으로 일하는 데 사용합니다.

5년 뒤 AI가 임상 연구에 더 깊이 들어가면 Trialbee의 역할은 어떻게 바뀌며, 윤리적이고 효율적이며 국제적으로 조화된 모집을 만드는 데 어떤 역할을 할까요?

5년 뒤 Trialbee는 임상 연구 환자 모집을 위한 선도적 AI 서비스 제공자가 될 것입니다. 생성형 AI를 속도와 정확성을 높이거나 환자 선택권을 넓힐 수 있는 모든 모집 절차에 통합하고 있습니다. 환자가 선호도와 편안함에 따라 의료 전문가 또는 AI 에이전트와 상호작용하도록 선택하는 도구도 평가 중입니다. 이 선택권이 장기적인 신뢰와 참여를 높입니다.

윤리적으로는 규제의 엄격함과 투명성을 지키고, 감독 장치를 기술 자체에 넣으며 시스템 작동 방식을 공개할 것입니다. 모든 부서와 팀의 문화에 AI를 구축해 기술 변화에 적응할 준비를 하고 있습니다. 책임 있는 AI 활용 방식을 정의하는 회사가 된다면 시험은 더 빠르고 포용적이며, 거주지나 언어와 관계없이 환자가 접근하기 쉬워질 것입니다.

좋은 인터뷰에 감사드립니다. 자세한 내용은 Trialbee에서 확인할 수 있습니다.