Dyania Health, 수십 년 치 병원 환자 기록 분석하는 온프레미스 AI 구축

병원에는 의사의 수기 메모와 수술 기록지부터 병리 판독문, 퇴원 요약지에 이르기까지 수십 년간 축적된 비정형 의료 기록이 쌓여 있다. 이러한 수년 치의 차트를 수작업으로 검토하는 데는 의료진의 막대한 시간이 소요된다. 이러한 병목 현상을 해결하기 위해 미국 뉴저지 기반의 임상 AI 스타트업 Dyania Health는 환자 개인정보를 침해하지 않으면서 복잡한 병력을 분석하도록 설계된 보조형 임상 추론 엔진인 Synapsis AI를 선보였다.

병원 방화벽 내부에서 직접 수행되는 임상 추론

Synapsis AI는 환자의 전자의무기록(EHR) 내 메모, 보고서, 검사 결과 등을 종합적으로 분석해 수년에 걸친 서로 다른 소견들을 연결한다. 또한 기록 내 정확한 출처까지 역추적할 수 있는 임상 신호를 생성해 긴급한 처치가 필요한 환자를 의료진에게 알린다.

엄격한 데이터 보안 요구 사항을 충족하기 위해 Synapsis AI는 의료 시스템의 기존 방화벽 내부에서 NVIDIA 가속 컴퓨팅을 활용해 전적으로 온프레미스로 구동된다. 모든 기록이 병원 내 GPU 서버에서 로컬로 처리되므로, 환자 데이터가 외부로 전송되거나 서드파티 네트워크를 통해 공유되지 않는다.

Dyania Health는 NVIDIA NeMo 오픈 라이브러리를 사용해 임상 모델을 개발하고 훈련한다. 이어 해당 모델들은 NVIDIA TensorRT 및 TensorRT-LLM을 통해 추론에 최적화되어, 로컬 하드웨어에서 더욱 빠르고 리소스 효율적으로 실행된다. 이 시스템은 철저히 보조 도구로 기능하며, 최종 감독 권한을 가진 의료진이 추출된 근거를 검토하고 모든 진료 결정을 내린다.

Cleveland Clinic에서의 실제 임상 검증

이 기술의 실질적인 효과는 Cleveland Clinic의 주요 심장학 연구 프로젝트를 통해 입증됐다. 해당 의료 기관은 2005년부터 2021년 사이에 대동맥판막 치환술을 받은 환자 7,800여 명을 조사하는 연구를 지원하기 위해 Synapsis AI를 도입했다.

Synapsis AI는 수술 후 기록된 과거 심장초음파 검사를 포함해 수년간 누적된 코호트 전체를 검토했다. 이는 의료진이 수작업으로 진행했다면 수년이 걸렸을 작업이다. 플랫폼은 이 데이터를 바탕으로 수술 후 3년, 5년, 10년 시점의 심장판막 기능 저하 및 재수술(재중재술) 가능성을 평가하는 예측 모델 구축을 지원했다.

Cleveland Clinic 심장·혈관·흉부 연구원(Heart, Vascular & Thoracic Institute)의 라스 스벤손(Lars Svensson) 원장은 "이식된 심장판막의 수명을 예측하는 데 도움이 되는 정보를 기술을 통해 취합하고 분석하는 것은 치료 결과 개선과 환자 맞춤형 치료를 향한 유망한 진전"이라고 밝혔다.

심혈관 진료 분야 외에도 동일한 차트 검토 프레임워크가 임상시험 환자 매칭, 임상 등록부(레지스트리) 작성, 진행 중인 심장학 및 종양학 치료의 공백 식별 등 다양한 복잡한 의료 워크플로우에 맞추어 도입되고 있다.