결과

40+

이전에 해결되지 않았던 희귀 질환 진단

결과

60,000

AI 기반 워크플로우 (workflows)를 통해 절감된 시간

결과

$7M+

운영 시간 절감을 통해 재배치된 노동력 가치

결과

50+

운영 워크플로우 (operational workflows)를 지원하는 자동화

Boston Children’s Hospital은 단순히 새로운 기술을 실험하기 위해 인공지능 (AI)을 추구한 것이 아닙니다. 이 병원은 소아 환자, 특히 복잡하고 희귀한 질환을 가진 환자들에게 제공되는 의료 서비스의 질을 개선하기 위해, 임상 및 운영 인프라의 핵심 요소로서 조직 전반에 AI를 내재화했습니다. 일상적인 워크플로우 (workflows)에 AI를 통합함으로써, 팀은 운영 비용을 절감하고 의료 접근성을 향상시켰으며, 이전에 해결되지 않았던 40개 이상의 희귀 질환을 진단하는 데 도움을 주었습니다.

Boston Children’s Hospital은 세계 최대 규모의 소아 전문 의료 기관 중 하나로, 연간 약 100만 건의 외래 방문객을 대상으로 40개 이상의 전문 분야에서 환자들을 돌보고 있습니다.

많은 의료 시스템과 마찬가지로, 이 병원 또한 증가하는 행정적 부담을 관리하는 동시에 엄격한 재정적 제약 하에 운영되고 있습니다. 공급망 (supply chain), 청구 (billing) 및 운영 (operations) 전반의 팀들은 송장 처리부터 일정 조정에 이르기까지 방대한 양의 반복적인 업무를 처리합니다. 이러한 프로세스는 필수적이지만 시간이 많이 소요되며, 직원들이 더 가치 있는 업무에 집중하는 것을 방해합니다.

동시에 임상 팀들은 다른 종류의 한계에 직면해 있습니다. 희귀 질환 사례는 종종 파편화된 유전 데이터, 불완전한 임상 기록, 그리고 압도적인 양의 의학 문헌을 포함합니다. 선도적인 연구 기관에서조차 의사들이 모든 정보를 모든 진단에 도달할 수 있을 만큼 빠르게 종합하기란 불가능합니다.

"문제는 노력이 아닙니다."라고 Boston Children’s의 최고 혁신 책임자 (Chief Innovation Officer)인 John Brownstein은 말합니다. "그것은 인간의 인지적 한계입니다."

Boston Children’s는 문서화 및 번역 도구를 포함한 개별적인 AI 활용 사례(use cases)로 시작했습니다. 하지만 이러한 초기 노력은 파편화된 접근 방식의 한계를 빠르게 드러냈습니다.

“일회성 솔루션에만 의존할 수는 없습니다,”라고 Brownstein는 말합니다.

이 병원은 Brownstein가 '엔터프라이즈 AI 레이어 (enterprise AI layer)'라고 부르는 것을 구축하는 방향으로 전환했습니다. 이는 연구, 임상 및 행정 팀 전반에서 사용되는 보안이 확보된 내부 ChatGPT 환경을 의미합니다. 조직은 AI를 단순한 도구의 집합으로 취급하는 대신, 새로운 역량을 빠르게 개발하고 배포할 수 있는 공유된 기반을 만들었습니다.

이 시스템을 통해 각 팀은 내부 데이터에 접근하거나, 의학 문헌을 합성하거나, 워크플로 (workflows)를 간소화하는 등 자신의 역할과 직접적으로 관련된 방식으로 AI를 활용할 수 있습니다. 기술과 함께 거버넌스 (Governance) 구조가 구축되어 안전성, 모니터링 및 일관된 평가를 보장합니다.

이러한 전환은 혁신의 속도를 바꾸어 놓았습니다. 과거에는 긴 개발 주기가 필요했던 도구들을 이제는 며칠 만에 배포할 수 있게 되어, 조직이 운영상의 요구와 임상적 필요 모두에 빠르게 대응할 수 있게 되었습니다.

오늘날 임상, 연구 및 행정 기능을 아우르는 전체 직원의 3분의 1 이상이 일상 업무의 일부로 AI를 사용하고 있습니다.

Boston Children’s는 AI가 측정 가능한 운영상의 영향을 줄 수 있는 영역에 먼저 집중했습니다. 공급망 운영 (supply chain operations) 분야에서 AI는 현재 송장 접수, 라우팅 (routing) 및 응답을 관리합니다.

이와 병행하여, 병원은 수술 일정 예약에 AI를 적용했습니다. 임상 기록을 분석하고 환자의 중증도 (acuity)를 추정함으로써, 시스템은 수술실 시간 할당 방식을 개선합니다. 이를 통해 일정을 더 미리 계획할 수 있어 활용도를 높이고, 더 많은 환자가 필요한 치료를 더 빠르게 받을 수 있도록 합니다.

또한, 의사들은 의사결정 지원 (decision support) 및 복잡한 임상 정보의 합성을 위해 AI를 사용합니다. 연구자들은 데이터 분석 및 코호트 (cohort) 구축에 AI를 적용합니다. 행정 팀은 문서 초안 작성, 코딩 및 워크플로 개선을 위해 AI에 의존하고 있습니다.

이 조직은 이러한 변화를 측정 가능한 결과와 직접적으로 연결합니다. 50개 이상의 자동화(automation)를 통해 Boston Children’s는 약 60,000시간의 시간 절감 효과를 거두었으며, 이는 재배치된 노동력 가치로 700만 달러 이상의 가치와 맞먹습니다.

이 조직은 AI를 별도의 독립적인 이니셔티브(initiative)로 도입하기보다 일상적인 업무에 유의미하게 적용하는 데 집중해 왔습니다.

"여기서 핵심은 사람들이 있는 곳에서 그들을 만나는 것입니다"라고 Brownstein은 말합니다.

운영 개선과 더불어, Boston Children’s는 임상적 발견(clinical discovery)을 위한 AI에 투자했습니다. 이 병원은 유전 데이터, 표현형(phenotypic) 정보 및 글로벌 의학 문헌을 통합하도록 설계된, 이른바 "공동 조종사 유전학자 (co-pilot geneticist)"라고 설명하는 시스템을 개발했습니다.

이 시스템은 의학에서 가장 어려운 과제 중 하나인, 수년간 설명되지 않았던 희귀 질환을 진단하는 문제를 해결합니다.

이러한 노력의 결과로, 지금까지 이전에는 불가능하다고 여겨졌던 40개 이상의 진단이 내려졌습니다. 또한 이 작업은 새로운 유전자 타겟(gene targets)과 잠재적인 치료 경로(therapeutic pathways)를 식별하는 결과로 이어졌습니다.

"우리는 유전 정보, 표현형 정보, 문헌 검색, 그리고 AI의 추론을 결합하여, 한때 아무런 답을 얻지 못했던 가족들에게 진단을 제공합니다"라고 Brownstein은 말합니다.

환자와 가족들에게 그 영향은 즉각적이고 실질적입니다. 한때 해결되지 않은 채 남아있던 사례들이 이제는 답을 찾아내고 있으며, 어떤 경우에는 새로운 치료 방향을 제시하고 있습니다.

"이전에는 상상할 수 없었던 일이었지만, 이제는 수많은 가족에게 희망을 주고 있습니다"라고 Brownstein은 말합니다.

Boston Children’s AI 전략의 다음 단계는 더 깊은 통합과 더 넓은 채택에 초점을 맞추고 있습니다. 경영진은 사용량과 영향력을 모두 확장할 수 있는 상당한 기회를 보고 있습니다.

병원은 AI를 임상 의사 결정(clinical decision-making)에 더욱 완전하게 내재화하고, 다양한 전문 분야로 도구를 확장하며, OpenAI와의 협력을 통해 모델을 지속적으로 개선하기 위해 노력하고 있습니다.

시간이 흐름에 따라, AI는 의료 실무의 핵심 구성 요소가 될 것으로 기대됩니다.

“전 세계의 모든 의학 지식을 갖춘, 엄청나게 잘 훈련된 의사가 곁에 있다면 원하지 않을 이유가 있을까요?”라고 Brownstein는 말했습니다.

Boston Children’s에서 AI는 진료 제공, 연구 및 발견을 지원하는 인프라의 일부가 되고 있으며, 임상의(clinicians)와 환자 모두에게 무엇이 가능한지를 재정의하고 있습니다.