AKASA의 CTO 및 공동 창립자 Varun Ganapathi – 인터뷰 시리즈

Varun Ganapathi는 의료 분야의 AI를 개발하는 AKASA의 CTO이자 공동 창립자입니다. AKASA는 의료 기관이 수입 주기를 비롯한 운영을 개선해 수익과 효율성을 높이고 환자 경험을 향상하도록 돕습니다. Varun은 AKASA 이전에 두 AI 회사를 성공적으로 창업했으며, 하나는 Google (GOOGL )에, 다른 하나는 Udacity에 인수되었습니다.

당신은 기계 학습 분야에서뛰어난 경력을 가지고 있습니다. 스탠퍼드에서 헬리콥터를 자율 비행하게 만든 초기 경험에 대해 이야기해 주시겠습니까?

스탠퍼드에서 물리학을 전공하는 학부생일 때 컴퓨터 과학과 머신러닝(ML)에도 큰 관심이 있었습니다. 저에게 AI와 ML은 모든 것을 하나로 결합했습니다. 디지털화할 수 있는 어떤 현상에든 물리학을 자동으로 적용하는 방법이기 때문입니다.

그 프로젝트에서는 대형 드론처럼 생겼지만 싱글 침대 매트리스보다 약간 작은 헬리콥터를 사용했습니다. 당시에는 드론이 흔하지 않았습니다. 사람들은 헬리콥터를 조종해 거꾸로 정지 비행하는 등의 곡예를 했습니다. 매우 어려운 일이지만, 우리는 사람에게서 이 헬리콥터의 자율 비행 방법을 배우는 ML 알고리즘을 만들고 싶었습니다.

실제 헬리콥터를 바탕으로 물리 시뮬레이터와 움직임 예측을 학습하는 ML 알고리즘을 만들었습니다. 시뮬레이터 안에서 강화학습으로 제어기를 개발하고 소프트웨어를 실제 헬리콥터에 올렸습니다. 전원을 켜자 첫 시도에 작동했습니다! 헬리콥터는 곧바로 스스로 거꾸로 정지 비행할 수 있었고 매우 인상적이었습니다. 팀은 ML로 다른 곡예 비행도 자동화하는 연구를 계속했습니다.

당신은 또한 Google Books에서 일했습니다. 당신이 작업한 알고리즘과 회사가 Google에 인수된 경위에 대해 이야기해 주시겠습니까?

2004년 스탠퍼드에서 수업을 들으면서 Google에서 인턴으로 일했습니다. 헬리콥터 프로젝트 직후였습니다. 당시 세계의 모든 책을 스캔하던 Google Books 프로젝트에 ML을 적용하고 있었습니다.

Google은 사람들에게 책의 페이지, 목차, 저작권 등의 정보를 표시하도록 비용을 지불했습니다. 매우 오래 걸리는 작업이었습니다. ML을 쓸 수 있는지 확인했더니 매우 잘 작동했습니다. 수작업으로 표시할 때 생기는 사람의 실수가 대부분의 오류를 차지했기 때문에 사람보다 더 뛰어나고 정확했습니다.

이 경험 때문에 ML에 매우 흥미를 느꼈습니다. 단조로운 일을 더 적은 오류로 일관되게 수행하면서도 경계 사례를 처리해, 사람 수준에서 초인적인 수준으로 나아갈 수 있음을 보여 주었기 때문입니다.

그 뒤 스탠퍼드에서 박사과정을 밟으며 ML과 초기에는 이론적 논문에 집중했습니다. 학위논문에서는 깊이 카메라로 사람의 모든 관절 움직임을 실시간 추적하는 동작 포착 알고리즘을 개발했습니다. 이는 사용자 상호작용을 위한 동작 추적과 컴퓨터 비전에 집중한 첫 회사 Numovis의 기반이 됐고, Google이 인수했습니다.

저의 경력은 헬리콥터 프로젝트, Google Books, 자율 주행 자동차, 그리고 현재의 헬스케어 운영까지 기계 학습의 강력한 가능성을 보여주는 것입니다.

AKASA의 창립 배경에 대해 이야기해 주시겠습니까?

우리는 AKASA를 헬스케어 운영의 큰 문제를 해결하기 위해 설립했습니다. 헬스케어 운영은 비용이 많이 들고 오류가 발생하기 쉽습니다. 이는 환자에게 불필요한 금융적 스트레스를 줄 수 있습니다. 행정 부문에는 새로운 기술이 부족했고 이를 위해 특별히 만든 것도 없었습니다. AI와 ML 같은 기술로 이런 운영 문제를 혁신적으로 해결할 수 있다고 보았습니다. 우리는 여러 헬스케어 시스템과 리더들과의 대화에서 이 생각을 확인했습니다. 이후 AKASA는 2019년에 설립되었습니다.

AKASA의 목표는 인간의 건강을 증진시키고 AI를 적용하여 헬스케어의 미래를 구축하는 것입니다. 우리는 인간의 지능과 최신의 AI 및 기계 학습을 결합하여 헬스케어 시스템이 운영 비용을 줄이고 자원을 효율적으로 할당할 수 있도록 지원하고 있습니다.

시스템에 구애받지 않는 유연한 플랫폼으로 현재 미국 50개 주의 475개 이상의 병원 및 의료 시스템과 8,000개 이상의 외래 시설을 대표하는 고객에게 서비스를 제공합니다. Epic, Cerner 같은 전자의무기록(EHR) 제공업체나 다른 EHR, 추가 시스템 등 어떤 것을 쓰든 지원하며 좋은 성과를 내고 있습니다.

고객들의 합산 순환자진료수익은 1,100억 달러를 넘습니다. 미국 메디케어·메디케이드 서비스 센터에 따르면 이는 미국 의료 시스템 전체 연간 지출의 10% 이상에 해당합니다. AKASA의 모델과 알고리즘은 거의 2억 9천만 건의 청구 및 지급 자료로 훈련되었습니다.

헬스케어의 운영은 매우 복잡하지만, 인간의 건강에 큰 영향을 미칩니다. 우리는 이러한 운영을 자동화하여 개선시키고 있습니다.

AKASA가 헬스케어에서 자동화하는 작업은 무엇입니까?

우리의 전문가가 포함된 자동화 접근법은 기계 학습과 인간의 판단 및 주제 전문 지식을 결합하여 헬스케어 운영에 강력하고 탄력적인 자동화를 제공합니다. AKASA는 헬스케어 재무 기능 내의 종단간 작업을 빠르고 효율적으로 자동화하고 스트림라인할 수 있습니다. 이러한 작업에는 환자 자격 확인, 보험 정보 문서화 및 확인, 환자 비용 추정, 편집, 청구 및 항소, 거부 예측 및 관리 등이 포함됩니다.

이런 자동화는 사람의 실수와 환자의 대기 지연을 줄이고 예상하지 못한 의료비 청구를 예방하도록 돕습니다. 또한 수작업으로 반복하는 일을 완전히 덜어 의료 인력이 환자 경험에 가치를 더하는, 더 보람 있고 도전적인 일에 집중하도록 해 줍니다.

AKASA에서 사용하는 기계 학습 알고리즘은 무엇입니까?

AKASA는 자율 주행 자동차를 가능하게 만든 것과 같은 기계 학습 접근법을 사용하여 헬스케어 시스템에 단일 솔루션을 제공합니다. 이 접근법은 기계 학습을 중심으로 하여 자동화의 능력을 확장하여 더 복잡한 작업을 수행할 수 있습니다.

우리는 컴퓨터 비전, 자연어 이해, 구조화된 데이터 문제를 위한 최첨단 알고리즘을 개발하고 있습니다. 우리의 플랫폼은 컴퓨터 비전 기반의 RPA를 시작으로 현대적인 AI와 기계 학습, 그리고 전문가가 포함된 자동화를 제공합니다.

작동 방식에 대한 높은 수준의 개요를 제공하면, 우리의 독점적인 솔루션은 먼저 헬스케어 직원이 작업을 수행하는 방식을 관찰합니다. 그런 다음 우리 팀은 데이터를 레이블링하고 알고리즘을 교육하여 기술이 헬스케어 직원과 시스템이 작동하는 방식을 이해하고 학습할 수 있도록 지원합니다. 이후 플랫폼은 이러한 워크플로를 자동으로 수행합니다. 마지막으로, 우리는 전문가가 포함된 루프를 사용하여 시스템이 플래그를 설정한 예외와 아웃라이어를 처리합니다. AI는 이러한 경험에서 지속적으로 학습하여 더 복잡한 작업을 수행할 수 있습니다.

사람이 과정에 참여하는 접근법이 왜 중요하며, 왜 RPA를 대체하게 될까요?

냉정한 현실은 RPA가 수십 년 된 기술로, 작은 변화에도 취약하고 기능에 분명한 한계가 있다는 것입니다. 단순하고 분리된 선형 업무의 자동화에는 가치가 있습니다. 하지만 삶은 복잡하고 계속 변하기 때문에 자동화가 기대에 못 미치는 경우가 많습니다.

기본 RPA 방식은 해결하려는 문제나 경로마다 봇을 만드는 것입니다. 컨설턴트나 엔지니어가 특정 문제용 봇을 만들면 일련의 단계를 대신합니다. 화면을 보고 행동하고 반복합니다.

소프트웨어나 사용자 인터페이스가 바뀌면 봇이 고장 날 수 있습니다. 기술은 계속 발전하고 환경도 역동적으로 변하므로 RPA 봇은 자주 실패합니다.

또 다른 문제는 처리하려는 상황마다 봇 하나를 만들어야 한다는 점입니다. 결국 많은 기술이 필요하지 않은 작은 행동을 하는 봇이 수없이 생깁니다.

두더지 잡기 게임과 같습니다. 소프트웨어 변경, 갑작스러운 대화 상자나 새로운 입력 때문에 매일 어느 봇이든 고장 날 수 있습니다. 작동을 유지하는 데 비용이 많이 듭니다. Forrester 연구에 따르면 RPA에 1달러를 쓰면 컨설팅 자원에 추가로 3.41달러가 듭니다.

즉 RPA 소프트웨어 자체가 비용의 대부분은 아닙니다. 계속 작동하도록 하는 모든 작업이 더 큰 비용이며, 많은 조직이 이 지속 비용을 고려하지 않습니다.

복잡하고 변하는 삶의 많은 일은 RPA의 범위를 벗어납니다. ML은 어려운 일을 자동화하도록 해 줍니다. 저희가 보는 핵심은 알고리즘을 가르쳐 개선하는 사람입니다.

알고리즘이 무엇을 할지 확신하지 못하면 사람에게 넘깁니다. 사람은 예시에 라벨을 붙이고 현재 모델이 처리하지 못하는 사례를 찾습니다. 검토했을 때 AI가 올바르게 처리했다면 잘 작동하는 작업입니다.

사람이 문제를 발견하는 작업은 기계가 제대로 처리하지 못한 사례입니다. 그 자료를 데이터셋에 추가해 새 상황을 다루도록 ML 모델을 재훈련합니다.

시간이 지나면 모델은 새 경계 사례에 대한 대응력을 쌓습니다. 시스템은 새 예외와 이상 사례에 강하고 유연해지며 점점 나아집니다. 자동화가 개선되고 사람의 개입 필요성은 줄어듭니다.

AI를 더 똑똑하고 빠르고 좋게 만들려면 사람 전문가의 참여가 중요합니다. 모든 산업, 특히 역동적인 의료 분야에서 피할 수 없는 이상 사례를 다루도록 AI를 올바르게 훈련하려면 사람이 필요합니다.

AKASA의 인간이 포함된 자동화 솔루션인 Unified Automation™에 대해 이야기해 주시겠습니까?

Unified Automation은 헬스케어를 위한 플랫폼입니다. AI, 기계 학습, 그리고 의료 청구 전문가 팀을 사용하여 완전히 통합된 맞춤형 솔루션을 제공하여 가치 실현을 빠르게 지원합니다. 이는 거의 유지 보수나 예외 큐가 필요하지 않습니다.

이 플랫폼은 예외와 아웃라이어를 고려하여 설계되었습니다. 새로운 문제가 발생하면 플랫폼은 문제를 AKASA의 전문가 팀에게 플래그 설정하여 해결하고 시스템이 학습할 수 있도록 지원합니다. 이는 우리를 다른 솔루션과 차별화시키며 플랫폼이 지속적으로 학습하고 개선할 수 있도록 합니다.

Unified Automation은 의료 산업의 역동성에도 적응합니다. 원활히 통합되고 맞춤화된 해결책으로 운영 비용을 줄이고, 직원들이 인간적인 배려가 필요한 더 보람 있는 일을 하도록 돕고, 의료 시스템의 수입 확보와 환자의 금융 경험을 개선합니다.

Unified Automation의 작동 방식은 다음과 같습니다.

자체 소프트웨어가 관찰합니다: Worklogger™ 도구는 의료 인력이 일을 수행하는 방식을 원격으로 관찰합니다. 팀이 그 자료에 라벨을 붙여 자동화 시스템에 입력하면 현재 업무 흐름과 절차를 종합적으로 파악할 수 있습니다. 직원 성과를 더 잘 볼 수 있고 자동화의 기반이 되는 업무 흐름 데이터와 정확한 작업별 소요 시간 분석을 얻습니다.

AI가 수행합니다: 관찰과 학습을 통해, 우리의 AI는 이러한 작업을 자동으로 수행합니다. 이는 지속적으로 학습하여 더 복잡한 작업을 수행할 수 있습니다. Unified Automation은 작업 대기열의 앞단에서 적절한 일을 스스로 배정하고 팀을 방해하지 않으면서 완료합니다. 또한 자동으로 프로세스를 최적화하여 직원의 개입이 필요하지 않습니다.

인간의 전문 지식이 보장합니다: 시스템은 자동으로 AKASA의 의료 청구 전문가 팀에게 예외와 아웃라이어를 플래그 설정하여 해결하고, AI를 실시간으로 교육합니다. 이는 인간이 포함된 루프입니다. 지속적인 학습이 내장되어 있기 때문에, Unified Automation 플랫폼은 시간이 지남에 따라 더 지능적이고 효율적으로 되며 작업은 언제나 완료됩니다.

AKASA에 대해 더 이야기해 주시겠습니까?

우리는 연구를 우선하는 접근 방식을 취하고 있습니다. 이는 고객이 최신 기술에 접근할 수 있도록 지원합니다. 우리는 또한 우리의 AI와 접근 방식을 피어 리뷰된 출판물에 발표하여 헬스케어 운영에서 AI의 새로운 기준을 설정하고 산업을 앞으로 나아가도록 지원하고 있습니다.

예를 들어, 우리의 연구는 국제 기계 학습 회의, Natural Language Processing (NLP) Summit, 기계 학습을 위한 헬스케어 회의 등에서 발표되었습니다. 모델을 엄격하게 시험하고 시장의 최첨단 AI 방법들과 성능을 비교합니다.

저희의 거절 예측 해결책은 의료 청구 거절을 기존 기준 방법보다 22% 이상 높은 정확도로 예측할 수 있는, 최초로 발표된 딥러닝 기반 시스템으로 여겨집니다. 임상 기록에서 의료 청구를 자율 코딩하는 Read, Attend, Code 모델은 업계의 새로운 최첨단 기준으로 인정받았으며 기존 모델보다 18% 더 뛰어나고 사람 코더의 생산성도 넘어섰습니다. 이런 행정 지원 혁신이 미국 의료 시스템을 대규모로 개선하는 데 중요하다고 믿으며, 계속 발전시키고 맞춤 해결책을 만들겠습니다.

헬스케어에서 AI에 대한 많은 홍보가 있지만, 기업은 실제 기술의 능력을 과장할 수 있습니다. 알고리즘이 하는 일을 검증하는 연구는 훨씬 더 어렵습니다. 우리는 이러한 의미 있지만 어려운 길을 걸어 AKASA의 Unified Automation 플랫폼이 병원과 헬스케어 시스템에서진정으로 긍정적인 변화를 가져오는 것을 증명하기 위해 노력하고 있습니다.

우리는 미래와 AKASA에서 일어날 일에 대해 흥분하고 있습니다. 우리는 AI와 함께 헬스케어의 미래를 구축하고 있습니다.

감사합니다. 더 많은 정보를 원하는 독자는 AKASA를 방문하시기 바랍니다.