마이크로소프트, 헬스케어 AI용 애저(Azure) 패브릭 확장 공개

이러한 새로운 제품은 더 나은 분석을 위해 다양한 양식의 의료 데이터를 통합하고 의료 부조종사로서 임상의 측에 대규모 언어 모델을 제공합니다.

헬스케어 분야는 인공지능 분야에서 가장 유명한 기업들의 노력을 점점 더 많이 끌어들이고 있으며, 마이크로소프트가 가장 최근 사례이다.

지난 주, 회사는 5월에 공개한 데이터 분석 플랫폼인 Fabric의 확장을 발표하여 Fabric이 다양한 유형의 의료 데이터에 대한 분석을 수행할 수 있도록 했습니다. Microsoft는 또한 무엇보다도 대규모 언어 모델을 의료 보조원으로 사용하기 위한 Azure 클라우드 컴퓨팅 서비스의 새로운 서비스를 발표했습니다.

"우리는 Fabric One Lake에 통합된 다중 모드 데이터 기반을 구축하고 싶습니다. 여기서는 다양한 데이터 형식을 모두 통합하여 해당 데이터를 추론하고 AI 모델을 실행할 수 있습니다."라고 Umesh Rustogi 총괄은 말했습니다. ZDNET과의 인터뷰에서 Microsoft Cloud for Healthcare 관리자.

ZDNET이 이번 달 AI 특집 기사에서 살펴본 다중 양식의 추세는 의료 분야에서 점점 더 중요해지고 있다고 Rustogi는 말했습니다. "우리는 여러 고객으로부터 이 말을 들었습니다. 그들은 여러 양식의 데이터를 결합하면 새로운 통찰력을 얻을 수 있다고 믿고 있습니다. 이는 하나의 데이터 양식에 대해서만 연구하는 것만으로는 불가능합니다."라고 Rustogi는 말했습니다.

Microsoft Cloud for Healthcare의 총괄 관리자인 Umesh Rustogi입니다.

이러한 결합 양식의 예로는 "영상 결과와 임상 결과의 기준에 따라 환자 집단을 구축하는 것과 같은 간단한 일이 있는데, 이는 오늘날 매우 쉽지 않은 매우 일반적으로 원하는 사용 사례 중 하나"라고 그는 말했습니다. Rustogi는 권위 있는 저널 Nature에서 일부 사람들이 2020년 연구를 하고 싶은 것의 예시로 언급했습니다. 해당 기사는 "의료 영상을 EHR(전자 건강 기록)과 결합하기 위해 적용"할 수 있는 "데이터 융합" 기술에 대한 개요를 제공합니다.

새로운 패브릭 기능 중 또 다른 하나는 인공 지능의 기계 학습 형태를 사용하여 임상 데이터를 스크러빙하여 의사의 메모와 같은 데이터에서 환자 신원을 숨기는 "비식별화 서비스"입니다. "구조화되지 않은 임상 노트를 어떻게 수집하고 연구 커뮤니티에 여전히 의미가 있는 방식으로 이를 비식별화하는지는 업계에서 해결하기 매우 어려운 문제였습니다."라고 Rustogi는 말했습니다.

Rustogi의 동료이자 Microsoft의 건강 AI 및 건강 및 생명 과학 책임자인 Hadas Bitran은 Azure 웹 서비스 비즈니스에서 AI를 위한 몇 가지 새로운 제품에 대해 논의했습니다.

Azure AI Health Insights 제품은 미리 빌드된 기계 학습 AI 모델로 구성됩니다. 처음에는 미리보기 단계에서 세 가지 모델이 제공됩니다.

• "생성 AI를 사용하여 약물, 진단 및 절차와 같은 구조화되지 않은 데이터에서 주요 이벤트를 추출하고 이를 연대순으로 구성하여 임상의가 환자의 의료 기록에 대한 보다 정확한 보기를 제공하여 치료 계획에 더 나은 정보를 제공하는" 환자 타임라인
• "생성 AI를 사용하여 임상의에게 의학 전문 용어를 받아들이고 이를 간단한 언어로 변환하는 동시에 임상 정보의 전체 본질을 보존하여 환자를 포함한 다른 사람들과 공유할 수 있는 기능을 제공하는" 임상 보고서 단순화
• "오류 및 불일치에 대한 피드백을 통해 품질 검사를 제공하는 방사선학 통찰력. 이 모델은 또한 방사선 전문의가 문서화한 측정값(크기)을 사용하여 임상 문서 내에서 후속 권장 사항 및 임상 결과를 식별합니다."

이 세 가지 모델은 임상 시험 일치 및 종양학 표현형 기반 모델을 위해 이미 제공되었던 여러 사전 구축 모델에 추가되고 있습니다.

Azure AI Health Bot이라는 새로운 제품은 대규모 언어 모델 기술을 사용하여 의료 기관의 자체 데이터베이스나 미국 국립보건원(National Institutes of Health) 및 미국 식품의약국(FDA)을 비롯한 소스에서 의료 질문에 대한 답변을 검색합니다.

"여기서 아이디어는 이 서비스가 고객이 전문적인 부조종사 경험을 만드는 데 도움이 된다는 것입니다"라고 Bitran은 Rustogi와의 동일한 인터뷰에서 ZDNET에 말했습니다.

Bitran은 "이것의 흥미로운 점은 계단식 효과를 낼 수 있다는 것입니다."라고 말했습니다. "따라서 자신만의 출처를 사용하고, 자신의 출처에 아무것도 없으면 신뢰할 수 있는 출처를 기반으로 답변을 제공할 수도 있습니다. 그런 다음 신뢰할 수 있는 출처에 아무것도 없으면 일반 답변으로 돌아갈 수 있습니다. 답변."

물론 현재 의료와 같은 민감한 업무에서 대규모 언어 모델과 같은 생성적 형태의 AI를 사용하는 것에 대해 회의적인 시각이 많이 있습니다. Microsoft는 그러한 우려에 대해 어떻게 생각합니까?

Hadas Bitran은 Microsoft의 건강 AI 및 건강 및 생명과학 부문 책임자입니다.

Bitran은 "이것은 매우 좋은 질문이고 매우 관련성이 높은 질문입니다."라고 말했습니다. "나는 좋은 결과를 제공하기 위해 대규모 언어 모델에 추가로 뭔가가 필요하다는 견해를 확실히 공유합니다."

Bitran은 "우리가 접근하는 방식은 우리가 만드는 모든 모델에 대해 대규모 언어 모델을 사용하는 경우 항상 의료 관련 보호 장치가 수반된다는 것입니다."라고 말했습니다.

Bitran은 "[보호에 대한] 가장 흥미로운 접근 방식 중 하나는 LLM과의 하이브리드 모델에서 더 작은 모델과 규칙 기반 모델을 사용하여 LLM을 정직하게 유지하는 것입니다"라고 말했습니다.

예를 들어, 임상 보고서 단순화를 위해 사전 구축된 모델에서 "우리는 언어 모델에 설명을 요청하는 것뿐만 아니라 다음을 수행할 수 있는 많은 전처리 및 후처리 논리도 구현하고 있습니다. 단순화의 결과를 가져와 단순화 성능 지표에 따라 측정합니다."라고 Bitran은 설명했습니다. "그런 다음 상호 참조를 적용하여 결과가 실제로 소스를 단순화한 것인지, 아니면 온갖 종류의 조작이나 누락된 것이 있는지 확인합니다."

Bitran은 의료에 대한 작업이 Microsoft가 계속해서 평가하고 있는 "책임 있는 AI 프레임워크"로 설명한 것 내에서 수행된다고 언급했습니다.

Bitran은 "책임 있는 AI 프레임워크는 개인 정보 보호, 보안, 접근성, 투명성 등에 관한 것이 아닙니다."라고 말했습니다. "그것은 또한 정확성과 책임, 그리고 공정성에 관한 것입니다."

Bitran은 "마지막으로 우리 모델은 의사를 대체하기 위한 것이 아닙니다."라고 말했습니다. "항상 인간 개인이 있습니다. 그들은 임상의에게 부담을 완화하고 업무에 도움이 되는 도구를 제공하기 위한 것입니다."