원래 Amazon Web Services에서 게시했습니다.
우리는 CRISPR 유전자 편집에서 3D 프린트 기관 및 표적 암 치료법에 이르기까지 놀라운 의학적 발전 시대를 통해 살고 있습니다. 그러나 미래 세대가 우리 시대를 되돌아 보면, 그들은 이러한 놀라운 혁신을 기억하거나 우리의 진정한 유산이 우리의 의료 시스템을 괴롭히는 놀라운 비 효율성과 긴장이 될 것인가?
오늘날 암 환자의 도전적이고 깊은 감정적 여정을 고려하여 치료의 불확실성과 진단의 무게로 표시됩니다. 환자의 투쟁과 함께, 또 다른 긴장 층이 있습니다 : 간호 팀이 직면 한 문제. 임상의는 정확한 치료 계획을 개발하기 위해 의료 이미지, 실험실 결과 및 환자 이력을 포함하는 다양한 양식 및 데이터 소스의 산을 체질해야합니다. 한편, 의료진은 수십 명의 상충되는 요인을 탐색하면서 수많은 환자들을위한 약속을 예약하고 요법을 조정하기 위해 지칠 줄 모르고 일하며 종종 스트레스와 소진으로 이어집니다.
이 기사는 의료 서비스 제공 업체에게 실시간 지원을 제공하고 복잡한 의료 사례를 해독하고 종양학, 방사선학 및 수술과 같은 여러 전문 부서에서 응집성 치료 계획을 조정하는 것과 같은 복잡한 작업을 처리함으로써 의료 서비스 제공자에게 실시간 지원을 제공함으로써 이러한 짐을 완화 할 수있는 에이전트 AI 시스템의 잠재력을 탐구합니다.
건강 관리의 데이터 과부하
2025 년까지 180 개가 넘는 Zettabytes의 데이터가 전 세계적으로 생성 될 것이며 의료는 3 분의 1 이상을 기여할 것입니다. 오늘날, 의료 데이터의 3%만이 효과적으로 사용됩니다. 주로 멀티 모달 데이터를 규모로 처리 할 수없는 비효율적 인 시스템으로 인해 임상의는 수동으로 데이터를 정렬하여 환자 치료에 대한 통찰력을 도출해야합니다. 그리고이 도전은 곱하는 것입니다. NIH는 의료 지식이 73 일마다, 특히 종양학, 심장학 및 신경학에서 두 배가된다고 추정합니다.
이것을 원근법으로 표현하기 위해, 전립선-특이 적 항원 (PSA) 결과를 검토하는 종양 전문의는 모든 약물, 치료법, 절차, 증상, 의료 영상, 생검 및 여러 문서 및 시스템에 걸쳐 15-30 분의 상담 내에서 산란 된 데이터를 포함한 공동 체질성을 고려해야합니다..
간호 제공자는 또한 물류 문제에 직면합니다. Solutions Reach의 연구에 따르면, 암 환자는 25%의 누락 된 치료 율을 가지고 있으며, 일정을 복잡하게하고 백 로그가 발생하여 고위험 환자의 우선 순위를 정하는 것이 거의 불가능합니다..
문제의 삼위 일체
인지 과부하, 치료 계획 오케스트레이션 및 시스템 조각화의 문제는 현재 의료 환경에서 환자가 종종 단편화 된 여행과 지연에 직면하는 현재의 의료 환경에서 분명합니다.
일상적인 종양 전문의 방문을 살펴 보겠습니다. PSA 테스트 후, 결과가 EMR (Electronic Medical Record) 시스템에 입력되어 종양 전문의가 수동으로 비정상적인 수준을 확인하고 추가 테스트를 요청해야합니다. 긴급 성을 깃발하고 우선 순위를 자동화하는 지능형 시스템이 없으면 추가 테스트 요청이 지연되어 환자 치료에 영향을 줄 수 있습니다.
또한 종양학 간호사는 시스템을 자동으로 전송하고 처리 일정을 처리하는 대신 이미징 장치 및 수술 부서에 요청을 수동으로 보냅니다. 문제를 더욱 복잡하게하기 위해 MRI 기술자는 환자의 병력을 알지 못하는 MRI 기술자가 MRI 기계의 자기장이 맥박 조정기의 기능을 방해 할 수있는 맥박 조정기와 같은 개별 요인에 대한 전문가의 조언을 수동으로 찾아야합니다. 그리고 마취과 의사는 수술 약물과의 상호 작용을 유발할 수있는 환자의 약물 및 알레르기를 수동으로 연구해야하며, 종종 치료를 지연시키는 맞춤형 계획과 상담이 필요합니다..
이러한 과제는 점진적인 솔루션 이상의 것을 요구합니다 :바카라사이트는 AWS와의 파트너십을 통해 AI 및 클라우드 혁신을 활용하고 있습니다의료 워크 플로우를 변화시키고 처음부터 치료 전달을 원활하게 통합합니다. 파트너십은 지능적인 에이전트 시스템이 의료 서비스를 향상시키고 오류를 줄이며 원활한 환자 경험을 제공 할 수있는 방법을 탐구하고 있습니다.
기회는 에이전트 시스템을 사용하여 현재 의료 데이터에 갇힌 지능을 활용하는 데 있습니다. 그렇게하면 다 분야의 추론, 협업 및 프로세스 자동화를 확장하여 의료 제공자를 지원하여 환자와 더 많은 시간을 할애 할 수 있습니다..
에이전트 시대
대규모 언어 (LLM) 및 다중 모달 기초 모델 (FMS)으로 구동되는 에이전트 시스템, 즉 임상 노트, 환자 이력, 실험실 결과, 의료 지침, 심지어 진단 영상 및 심지어 진단 이미지를 추출하여 환자의 관리를 개선하고 개선 할 수 있도록 광대 한 데이터 세트를 처리하여 의료 서비스를 전환 할 것을 약속합니다. 의료 계획을 조정하고 의료 인프라 전체의 데이터를 통합함으로써 이러한 시스템은인지 부담을 완화하고 워크 플로우를 간소화하며 자원 효율성을 극대화하는 것을 목표로합니다..
에이전트 시스템은 적극적이고 목표 중심적이며 적응 형 학습이 가능합니다. API 또는 디지털 도구를 통해 환경과 상호 작용하여 데이터에 액세스하고 비즈니스 로직을 실행하며 전략을 실시간으로 개선합니다. 그들은 '사전'및 '반응성'에이전트를 사용하여 LLM을 활용하여 명령 및 분석 작업을 실행합니다. 이 시스템의 지능은 내부 사고 과정에 중점을 둡니다.이 과정은 외부에서 '사고의 사고'또는 '사고의 나무'로 반영되어 설정 목표에 중점을 두어 문제 해결을 안내합니다..
작업 세부 사항, 컨텍스트, 논리 프레임 워크 및 탐색 도구를 통해 에이전트 시스템은 종합 치료 계획을 고안하고 귀중한 통찰력을 추출하며 부서 간 복잡한 치료를 조정할 수 있습니다. 이러한 기능으로 변형 된 의료 시스템에서 사일로가 고장되고 응용 프로그램은 서로 통신하여 환자 치료를 최적화합니다.
건강 관리에서 에이전트 시스템의 잠재력에 대한 그림
이제 원래의 예로 돌아가서, 종양 전문의가 진보적 인 전립선 암 환자 인“John Doe”에 대한 암 치료 계획을 개발하고 실행하도록 돕는 렌즈를 통해 에이전트 시스템의 실질적인 적용을 설명해 봅시다..
이 예에서, 새로운 임상 데이터 (예 : PSA 수준, MRI 결과, 생검 보고서)를 EMR에 입력 한 경우, 조정 에이전트는 이질적인 소스의 정보를 집계하고 사전 정의 된 논리를 기반으로 워크 플로를 시작합니다. 데이터의 중요성에 따라 전문 에이전트는 '가상 종양 보드'의 일부로 활성화됩니다.
특수 요원은 다음과 같습니다.
- 임상 데이터 전문가: NLP (Natural Langua바카라사이트 Processing)를 사용한 임상 음표를 분석하여 중요한 결과를 식별하여 현재와 역사적 문제를 구별합니다.
- 분자 테스트 데이터 에이전트: 개인화 된 치료를 지원하기 위해 BRCA1/2 및 PSMA와 같은 바이오 마커를 식별하기 위해 생검 샘플에서 게놈 데이터를 해독합니다.
- 생화학 데이터 전문가: 불규칙한 PSA 수준과 같은 비정상적인 생화학 적 활동을 평가하고 암 공격성과 질병 진행에 대한 통찰력을 제공합니다.
- 방사선 데이터 전문가: 전이를 감지하고 치료 영향을 평가하기 위해 AI 구동 기술을 사용하여 의료 영상 데이터를 해석합니다..
- 생검 데이터 전문가: 디지털 병리학 알고리즘을 통한 생검 보고서, 글리슨 점수를 지정하고 암 준비를 결정하여 전립선 암의 공격성 또는 병기를 평가하기 위해 암 준비를 결정하고, 더 높은 점수는 더 공격적인 암을 나타냅니다..
이 에이전트는 정의 된 범위 내에서 자율적으로 작동하여 API를 통해 추가 데이터 세트에 액세스하여 역사적 환자 데이터 또는 사례 연구와 같은 보충 정보를 검색하여 질병 진행 평가를 위해
에이전트 협업 및 권장 사항 합성 과정을 통해 평가는 조정 에이전트에 의해 합성되어 임상 결정 지원 알고리즘을 적용하여 EMR에 안전하게 저장된 치료 제안을 생성하는 권장 생성기를 활성화합니다.
종양 전문의 대신 결과를 수동으로 확인하고 후속 조치 테스트를 예약하는 대신 상황 중심의 반응성 워크 플로우가 중요한 요청을 자동화합니다. 의료 NLP를 활용하여 메모를 분석하고 MRI 일정과 조정하는 임상 언어 처리 에이전트를 사용하여 최적화 에이전트는 시스템 용량의 균형을 맞추면서 약속을 우선 순위를 정할 수 있습니다. 중요한 사례를 방해하지 않고 긴급 스캔을위한 스케줄링 에이전트 슬롯, 호환성 에이전트는 MRI 위험을 선점하기 위해 상호 참조 맥박 조정기 모델을 통해 안전을 보장합니다..
개인화 된 치료 계획은 치료 계획 에이전트를 사용하여 작성됩니다. 암 치료의 치료 계획 제제는 단일 세션에서 진단과 치료를 결합한 통일 된 접근법 인 Theranostics의 원활한 통합을 가능하게합니다. 스케줄러와 동기화함으로써, 이들 제제는 화학 요법, 수술 또는 방사선 요법과 같은 다른 치료법, 자원 할당 최적화, 임상 환경의 일정 효율성 향상, 환자에 대한 과속 치료와 함께 theranostic 세션을 조정함으로써.
이 자동화는 현재 의료 서비스 제공의 현재 매뉴얼 프로세스에서는 불가능한 효율성과 통찰력을 제공함으로써 환자와 임상의에게 부담을 줄일 수 있지만 규정 준수와 감독의 필요성은 여전히 가장 중요합니다. 의료 정보학 전문가는 에이전트가 필요할 때 모니터링 및 개입을 위해 직관적 인 대시 보드에서 지원하는 의료 논리, 데이터 표준 및 임상 워크 플로를 준수하도록합니다. 각 모듈 식 에이전트는 HL7, FHIR, HIPAA 및 GDPR과 같은 표준을 따르며 John Doe의 복잡한 암 관리를 전문가 디자인, 공동 작업 알고리즘 및 모듈 식 구조를 통해 정확하고 효율적이며 반응적인 치료 여행으로 전환하는 응집력있는 시스템을 형성합니다.
MRI 시스템을 개인화 된 치료 도구와 연결하는 것과 같은 미래의 통합은 치료를 더욱 혁신 할 수 있습니다. 에이전트 시스템은 방사선 요법에 대한 맞춤형 선량 측정 계획을 계산하고, 치료 영역을 정확하게 타겟팅하고 지연을 줄일 수 있습니다. 이 시스템은 또한 방사선 복용량을 모니터링하여 기술자에게 편차를 알리고 안전 표준을 유지하기위한 수정을 제안 할 수 있습니다. 이 사전 상호 연결된 접근 방식은 에이전트 시스템이 전통적인 사일로를 깨고 치료 표준을 높일 수있는 방법을 보여줍니다.
건강 관리를위한 안전하고 이용할 수 있으며 수행하는 에이전트 시스템을 구축하려면 상당한 기본 작업이 필요하며, 이는 AWS가 단순화하고 가속화됩니다. 데이터 및 메타 데이터 스토리지 용 S3 및 DynamoDB와 같은 AWS 서비스를 활용하여 개인 서브넷을 사용하여 VPC를 사용하여 제한된 액세스, 암호화를위한 KMS, Compute Engines를위한 KMS,로드 밸런싱을위한 ALB 및 OIDC/OAUTH2 바카라사이트HC의 ID 및 인증 관리자, Frontend Application for Infructure Mana바카라사이트ment 및 Cloudfront for Infrucature Mana바카라사이트ment 및 Cloudfront를위한 Cloudfront를 사용한 OIDC/OAUTH2 유효성을 보장합니다. 대시 보드, 에이전트 AI에 대한 연구는 몇 달 동안의 노력에서 며칠로 줄어들 수 있습니다.
while바카라사이트의 연구팀이 다중 에이전트 시스템을 개발하고 있습니다처음부터 도로에서 Amazon Bedrock과 같은 서비스로 혁신을 가속화하여 조정 에이전트가 전문 에이전트의 워크 플로우를 원활하게 조정할 수있는 시스템을 구축 할 수 있습니다. Bedrock의 메모리 유지는 시스템이 에이전트 간의 동작을 시퀀싱하고 상호 작용에 대한 맥락을 유지하여 궁극적으로 환자 관리 및 개인화 된 경험의 연속성을 보장 할 수 있습니다.
추적 기능을 통해 모든 에이전트의 사고 체인에서 투명성을 만들고, 추론을 조사하며, 오케스트레이션 흐름을 문제 해결하여 행동을 개선하고 결과를 향상시킬 수 있습니다. 이러한 시스템을 구축하려면 Bedrock의 직관적 인 설정을 활용하여 데이터 통합 및 비동기 실행 기능을 위해 검색 된 생성 생성을 결합하여 복잡한 작업을 간소화 할 수 있습니다..
다중 에이전트 건강 시스템을위한 단순화 된 미니멀리스트 클라우드 아키텍처
에이전트 AI 시스템에 대한 신뢰
에이전트 AI를 사용하면 신뢰와 안전이 중요합니다. 표준 데이터 개인 정보 보호 및 사이버 보안 조치 외에도 이러한 시스템이 치료 결정에 영향을 미치면 특정 보호 조치가 있어야합니다. 한 가지 중요한 위험은 에이전트가 허위 정보를 생성 할 가능성이 있습니다. 강력한 탐지 시스템과 광범위한 맥락 데이터는이를 완화하는 데 도움이 될 수 있으며, 인간의 루프 전략은 AI 생성 계획의 임상 검증을 보장하여 안전을 유지하고 건강 관리의 인간의 접촉을 유지할 수 있습니다. 정기 감사 및 독립적 인 검증 루프는 이러한 시스템의 신뢰성을 더욱 향상시킬 수 있습니다.
고립 된 의료 구조에서 응집력있는 에이전트 시스템으로 전환함에 따라 최적화되고 지능적이며 상호 연결된 환자 치료를 잠금 해제 할 수 있습니다. 에이전트는 AI 통찰력으로 의료 전문가의 기술을 동적으로 상호 작용, 적응 및 조화시켜 효율성과 결과를 향상시킬 수 있습니다. 에이전트 시스템을 통해, 우리는 의료 진화의 직전에 서서 모든 사람들을위한 포괄적이고 연결되고 자비로운 돌봄을 희망합니다.
생명 과학, 의료 기기, 지불 인, 데이터 서비스 및 의료 ISV 및 OEM의 모든 AWS 고객을 지원하는 AWS의 의료 및 생명 과학 산업 사업부 (HCLS IBU)를 이끌고 있습니다. HCLS IBU는 고객이 AWS 클라우드 및 머신 러닝 서비스 및 AWS 파트너의 솔루션을 활용하여 새로운 치료법, 진단 및 장치를 발견하고 개발하며 향상된 환자 결과를 통해보다 효율적으로 의료 서비스를 제공하도록 도와줍니다. 2019 년에 AWS에 합류하기 전에 Dan은 만성 질환 예방 및 관리를위한 원격 건강 및 기계 학습에 중점을 둔 두 개의 디지털 건강 스타트 업을 설립하고 이끌었습니다. 댄은 시애틀 지역에 살고 있습니다. 그는 노스 웨스턴 대학교에서 MBA를, 조지 타운 대학교에서 BS를 보유하고 있습니다.
, 바카라사이트의 글로벌 과학 기술 책임자이며 의료 및 기술 교차점에서 유명한 혁신가입니다. 기계 학습의 부사장/저명한 엔지니어이자 최고 의료 책임자 인 아마존에서 그의 이전 역할은 Amazon Healthlake, Amazon Pollended Medical 및 Amazon Pharmacy를 포함한 중추적 인 건강 기술 프로젝트를 주도하는 것을 보았습니다. 또한 Covid-19 Pandemic 동안 Amazon의 진단 실험실을 설립하는 데 중요한 역할을했습니다. 아마존에서 재직하기 전에 Kass-Hout 박사는 미국 FDA의 최초의 최고 보건 정보 책임자였으며 OpenFDA 및 PrecisionFDA와 같은 이니셔티브를 통해 데이터 투명성을 옹호했습니다. 텍사스 대학교를 졸업하고 MD와 MS를 졸업하고 하버드의 베스 이스라엘 디코 네스 의료 센터 (Beth Israel Deaconess Medical Center)의 임상 훈련을 통해 의료 기술에 대한 Dr. Kass-Hout의 기여는 2024 년 시애틀 Global CIO Of the Year Orbie Award로 인정 받았으며, Health Crare Delivery 및 Public Health를 강화하는 데 큰 영향을 미쳤습니다..
