의료 분야 조직들은 환자 관리를 개선하고, 운영을 간소화하며, 더 나은 결과를 도출할 수 있는 AI 기술을 도입해야 한다. 또한 다양한 기능을 평가하고 위험을 완화하면서 복잡하고 혼잡한 AI 공급업체 시장을 효과적으로 탐색해야 한다.

의료 분야 리더들이 업계의 까다로운 요구와 기대를 충족할 수 있도록 돕기 위해 인포테크 리서치 그룹은 ‘의료 기관 대규모 언어 모델 솔루션 탐색’에 관한 지침을 발표했다. 이 새로운 자료는 의료 산업의 IT 리더들에게 AI 역량을 평가하고, 전략적 도입을 지원하며, 궁극적으로 효과적인 대규모 언어 모델 솔루션을 통해 의료 결과를 개선하는 데 필요한 도구와 통찰력을 제공한다.

인포테크 리서치 그룹의 연구 책임자인 샤론 아우마 에반얏(Sharon Auma-Ebanyat)은 “의료 분야의 생성AI는 빠르게 발전하고 있으며, 많은 공급업체들이 자사의 AI 기능이 의료 과제를 해결할 수 있다고 주장하고 있다. 그러나 시장 포화로 인해 잠재적 공급업체를 탐색하고 원하는 기능을 결정하는 과정이 복잡해졌다.”라고 말했다.

인포테크는 의료 IT 리더들이 주요 문제점을 해결하면서 실제 가치를 제공할 수 있는 대규모 언어 모델 기능에 대한 상세한 통찰력을 획득해야 한다고 강조한다. 그러나 모든 공급업체는 의료 분야의 가장 시급한 문제에 대한 해결책을 약속하고 있고, 예산은 한정돼 있으며, 명확한 전략적 프레임워크는 부족함으로 인해 생성AI 솔루션 도입에 어려움을 겪고 있다.

인포테크는 많은 공급업체들이 자사의 AI 도구를 의료 기관의 특정 운영 요구사항과 일치시키지 못해 구현, 구성 및 지원이 더 어려워진다고 지적한다.

또한 대규모 언어 모델을 훈련시키는 데 사용되는 데이터가 민감한 개인 환자 정보를 포함하고 있어 발생하는 개인정보 보호 위험에 대해 경고한다. 생물의학 응용 분야에서 사용될 때 대규모 언어 모델은 상세한 환자 특성에 접근할 수 있어 개인정보 보호 문제를 야기할 수 있다.

인포테크는 의료 IT 리더들이 LLM 공급업체를 선정할 때 고려해야 할 세 가지 주요 단계를 제시한다.

①단계: 조직의 목표, 환자 요구사항 및 대규모 언어 모델의 고유한 과제와 일치하는 주요 활용 사례를 이해한다.

②단계: 공급업체를 평가하기 위한 가중치 평가 기준을 개발하여 조직의 요구사항 및 책임 있는 AI 관행과의 일치를 확인한다.

③단계: AI 기능과 주요 공급업체 제품을 평가하고 검토한다.

대규모 언어 모델을 효과적으로 활용함으로써 의료 전문가들은 더 나은 정보에 기반한 의사결정을 내리고, 진단 및 치료 계획을 개선하며, 비용 절감과 수익 최적화, 운영 효율성을 통해 가치를 제공할 수 있다.