이미 데이터 속에 답이 있다면 어떨까요?

이미 데이터 속에 답이 있었다면 어땠을까요?

Kythera Labs는 모든 의료 시스템이 신뢰할 수 있고 필요한 전문 인텔리전스에 접근할 수 있도록 지원하는 AI 네이티브 헬스케어 전략 플랫폼을 Databricks 상에 구축하고 있습니다.

회의는 늘 그렇듯 아무도 빠르게 답할 수 없는 질문과 함께 끝납니다. CEO, CIO, CFO는 기획 세션을 마치며 종양학(oncology) 분야의 매출이 얼마나 외부로 유출되고 있고 어디로 흘러가고 있는지 파악하라는 지시를 받습니다. 리소스가 풍부한 의료 시스템이라면 이 질문은 컨설팅 회사로 넘어가 6주일 뒤 수십만 달러의 비용과 함께 답으로 돌아옵니다. 하지만 대부분의 의료 시스템에서는 BI 툴을 사용하는 분석가에게 전달되어, 데이터가 허용하는 수준의 신뢰도만을 가진 채 언제 나올지 모르는 답변을 기다려야 합니다.

이 두 가지 경험 사이의 격차를 줄이기 위해 Kythera Labs가 설립되었습니다.

아무도 말하지 않는 인텔리전스의 격차

의료 시스템 경영진은 불완전한 데이터를 가지고 환자 수 증대, 보험사 계약 최적화, M&A 대상 평가, 확장을 위한 미개척 시장 발굴, 행정 비용 절감 등 복잡한 전략적 의사결정을 동시에 내려야 합니다. 이러한 결정은 가치 창출 동력과 직결되는데, 역사적으로 이는 기관의 예산 규모와 거의 비례하는 전문적인 분석 역량을 필요로 해왔습니다.

"지금까지 시장은 청구 데이터 위에 얹어진 BI 툴에 의존해 왔습니다." Kythera Labs의 CEO인 Jeff McDonald는 말합니다. "BI 툴은 데이터에 있는 내용을 보여주는 데는 유용합니다. 하지만 데이터에 없는 것이 무엇인지 알려주는 데는 서툽니다. 이는 툴의 원래 설계 목적과 정반대되는 일이죠."

이러한 격차를 메울 수 있는 분석가(청구 데이터의 누락과 편향을 이해하고, 파편화된 청구 기록에서 환자의 여정을 재구성하며, 청구서에 적힌 내용과 실제 임상에서 일어난 일의 차이를 아는 전문가)를 육성하는 데는 수년이 걸립니다. 대형 의료 시스템은 이들을 고용하지만, 소규모 기관들은 이들 없이 버티거나 컨설팅 회사에 수백만 달러를 지불하고 프로젝트 단위로 그 전문성을 빌려 씁니다. 미국 헬스케어 분야의 전략적 인텔리전스 격차는 근본적으로 데이터의 문제가 아닙니다. 바로 전문성 분포의 문제입니다.

Kythera Labs는 AI를 통해 이 문제를 해결하고 있습니다.

데이터가 우선되어야 합니다

에이전트가 전략적 질문에 신뢰할 수 있는 답변을 내놓으려면, 에이전트가 추론하는 기반 데이터부터 신뢰할 수 있어야 합니다. 이는 말처럼 쉽지 않은 문제입니다.

청구 데이터는 의료 제공자가 비용을 상환받기 위해 생성되는 청구 프로세스의 부산물일 뿐, 경영진이 시장 전략을 결정하도록 만들어진 것이 아닙니다. 이를 다른 용도로 활용하려면 수십 개의 경쟁 소스에서 의료 제공자의 식별 정보를 확인하고, 130개의 표준 의학 용어 체계 전반에서 처치 코드를 조화롭게 맞추며, 체계적인 누락을 보정하고, 단절된 청구 이벤트의 모음이 아닌 시간 순서에 따른 환자의 여정으로 재구성해야 합니다.

그 해답은 바로 Kythera의 헬스케어 데이터 기술에 있습니다. 이 기술은 3억 명 이상의 환자를 대변하는 3,390억 건의 의료 및 처방약 청구 데이터, 8년 간의 이력, 3페타바이트 이상의 스토리지를 활용하여 에이전트가 실제로 추론할 수 있는 결과물을 만들어 냅니다. 즉, 무릎 관절 치환술을 단순한 청구 코드가 아니라 수술 전 이력, 퇴원, 수술 후 관리 궤적을 포함하는 하나의 수술 이벤트로 취급하는 이벤트 기반 구조를 구축하는 것입니다. 이 모든 과정은 Databricks 상에서 이루어집니다. 이러한 변환 작업이 핵심입니다.

이것이 바로 에이전트의 답변을 신뢰할 수 있게 만드는 요인이기도 합니다. Kythera의 운영 레이어는 Lakebase, Delta Lake, Delta Sharing, Unity Catalog 및 서버리스 인프라에서 실행되므로, 실시간 워크플로우를 구동하는 트랜잭션 데이터가 에이전트가 추론하는 분석 데이터와 거버넌스가 적용된 단일 기반을 공유합니다. ETL도, 데이터 이동도 필요 없습니다. 질문과 답변 사이에 어떠한 단절도 존재하지 않습니다.

실제 운영 환경에서 그 효과가 증명되었습니다. 루이지애나주의 한 의료 시스템은 2024년 12월에 Kythera와 계약을 체결하고 크리스마스 전에 서비스를 개시했습니다. 계약 후 단 10일 만에 첫 번째 인사이트를 확보하며 이전에는 전혀 보지 못했던 환자 인구에 대한 가시성을 확보했습니다.

• 환자 접촉(encounter)에 대한 가시성 150% 향상,

• 자체 네트워크 환자 유지율(keepage) 12% 증가,

• 외부 환자 유출(leakage) 22% 감소, 그리고

• 유지된 환자 접촉을 통한 연간 추정 가치 380만 달러 창출.

이처럼 빠른 가치 실현 시간(time to value)은 데이터 기반이 이미 구축되어 있었기에 가능했습니다.

가이드형 분석 경험

의료 시스템의 Databricks 워크스페이스에 배포된 Agent Bricks 프레임워크 기반의 Kythera Healthcare Strategy Agent를 통해, 최고전략책임자(CSO)는 대화를 시작하며 다음과 같이 질문합니다. “우리 병원에서 제공하는 서비스를 받기 위해 비제휴 의료 제공자에게 의뢰된 암 환자는 몇 명인가요?”

그 이후에 일어나는 일은 단순한 대시보드 새로고침이 아닙니다. 에이전트는 숙련된 분석가처럼 질문을 분석하여 의뢰된 6,800명의 종양학 환자를 찾아내고, 이들을 유치한 경쟁 의료 제공자의 이름을 밝히며, 유출률이 가장 높은 의뢰 의사의 이름을 식별하고, 2,310만 달러에 달하는 잠재적 상환 기회를 제시합니다. 이어서 구체적인 환자 유지 전략이 제안됩니다. 이 모든 과정은 단 몇 분 만에 완료됩니다.

이 답변에 포함된 모든 결과는 원래 인간 분석가가 직접 작성하고, 테스트하고, 검증하고, 통합해야 했을 쿼리들을 나타냅니다. 에이전트는 이를 단 몇 분 만에 실행합니다.

"저희가 하는 일의 상당 부분은 이러한 데이터셋을 다루는 전문성을 지능형 에이전트로 패키징하여, 소수의 전문가 그룹에만 역량이 국한되지 않도록 하는 것입니다." 공동 창립자이자 최고분석책임자(CAO)인 Ryan Leurck는 말합니다. "적임자가 있더라도 복잡한 질문에 답하는 데는 며칠 또는 몇 주가 걸릴 수 있습니다. 저희의 목표는 이러한 전문성에 더 쉽게 접근할 수 있도록 하여 사람들이 훨씬 더 빠르게 답을 얻을 수 있도록 돕는 것입니다."

종양학 시나리오는 보험사 믹스 최적화 및 수요 예측부터 신규 시장 규모 산정, M&A 대상 평가에 이르기까지 10가지가 넘는 전략적 질문 유형을 해결하도록 구축된 플랫폼의 한 가지 예시일 뿐입니다. 동일한 플랫폼이 보험사 계약 성과를 묻는 CFO, 경쟁사 포지셔닝을 묻는 서비스 라인 디렉터, 인수 대상을 묻는 비즈니스 개발 팀의 요구를 각각의 언어로 충족시키며, 각자의 맥락에 맞게 조정된 답변을 제공합니다. 정형화된 에이전트 워크플로우를 벗어나 데이터를 탐색하고자 하는 의료 시스템 팀의 경우, Databricks Genie를 통해 동일한 접근성을 확장할 수 있습니다. 이를 통해 모든 사용자가 BI 팀이나 SQL 전문 지식 없이도 일상적인 언어로 엔터프라이즈 데이터에 질문을 던질 수 있습니다.

신뢰할 수 있을 만큼 안전한 거버넌스

의료 시스템 경영진이 에이전트의 답변을 신뢰할 수 없거나, CIO가 컴플라이언스 팀에 이 배포의 정당성을 입증할 수 없다면 이 모든 것은 아무런 의미가 없습니다.

헬스케어 AI 플랫폼에서 '신뢰'는 구체적인 의미를 갖습니다. 재무 분석가가 보험사 계약 성과에 대해 질문할 때 다른 서비스 라인의 데이터가 실수로 노출되지 않아야 함을 의미합니다. 에이전트 쿼리가 HIPAA 요구사항을 충족하는 감사 가능한 추적 기록을 남겨야 함을 의미합니다. 또한 모델이 데이터에 접근하기 전에 에이전트가 추론하는 데이터가 검증되고, 품질 검사를 거치고, 거버넌스 승인을 받았음을 의미합니다. 단 한 번의 데이터 접근 위반으로도 심각한 법적, 평판적 결과를 초래할 수 있는 규제 산업에서 이러한 사항들은 있으면 좋은 것이 아니라, 배포 자체가 가능하기 위한 필수 조건입니다.

Kythera의 해답은 모든 고객 배포 환경에서 거버넌스 레이어로 구현된 Databricks Unity Catalog입니다. Unity Catalog는 전체 플랫폼에서 데이터 접근, 보안 및 계보(lineage)를 위한 단일 제어 플레인을 제공합니다. 즉, SQL 쿼리를 제어하는 동일한 정책이 에이전트 쿼리에도 적용되며, BI 보고서에 적용되는 동일한 접근 제어가 AI가 생성한 권장 사항에도 적용됩니다. 서비스 라인 디렉터는 자신의 시장을 보고, CFO는 자신의 재무 데이터를 보며, 전략 경영진은 권한이 부여된 전체 그림을 봅니다. 그 누구도 허용된 것 이상을 볼 수 없으며, 모든 접근 이벤트는 기록됩니다.

헬스케어 분야에서 32년을 보낸 Jeff McDonald는 이것이 실제 환경에서 무엇을 의미하는지 단도직입적으로 말합니다. “해결하기 복잡한 문제이지만, Databricks는 모든 요소를 한곳에 모아줍니다. Unity Catalog 덕분에 단 하루 만에 3대 클라우드 전체에 배포할 수 있으며, Delta Sharing을 통해 페타바이트 규모의 데이터에 거의 즉각적으로 접근할 수 있습니다. 덕분에 마찰이 줄어들고 더 빠르게 실행할 수 있습니다.”

전통적인 엔터프라이즈 아키텍처에서 거버넌스는 여러 계층의 맞춤형 툴링, 별도의 액세스 관리 시스템, 그리고 지속적인 대규모 엔지니어링 작업을 필요로 합니다. Unity Catalog는 이를 '한 번 설정하면 어디서나 적용되는' 정책 구성으로 단순화합니다. 규제가 엄격한 산업에서 55개 이상의 의료 시스템에 서비스를 제공하는 기업에게 이는 확장 가능한 플랫폼과 그렇지 못한 플랫폼을 가르는 결정적인 차이입니다.

답변에서 행동으로

이제 최고전략책임자(CSO)는 종양학 분석 결과를 확보했습니다. 어떤 의사에게 연락해야 할지, 어떤 경쟁업체에 대응해야 할지, 그리고 매출 기회가 어떤지 파악하고 있습니다. 하지만 모든 인사이트가 궁극적으로 던지는 질문은 동일합니다. '이제 무엇을 해야 할까?'입니다.

이 질문은 Kythera의 장기 로드맵의 시작이자, 더 나은 분석과 진정한 의사 결정 사이의 차이가 극명해지는 지점입니다. 헬스케어 데이터 분야에서 AI의 발전 궤적은 익숙한 단계를 거쳐왔습니다. 무슨 일이 일어났는지 알려주는 정적 대시보드에서, 다음에 무슨 일이 일어날지 예측하는 도구로, 그리고 이제는 조직의 어떤 리더든 일상적인 언어로 복잡한 질문을 던지고 자신의 역할과 상황에 맞게 조정된 답변을 얻을 수 있는 가이드형 분석(guided analytics)으로 발전했습니다. Kythera는 거버넌스가 확보된 인프라 위에서 이러한 세 번째 단계를 프로덕션 규모로 실현했습니다.

하지만 이 회사의 야망은 질문에 더 빠르게 답하는 데 그치지 않습니다. Kythera가 발표한 비전에 따르면, 헬스케어 분석의 미래는 단순히 현상을 설명하는 데 그치지 않고 예측적이고 처방적이며 점차 자율화되는 방향으로 나아가고 있습니다. Wayfinder의 다음 단계는 인사이트가 단순히 의사 결정에 참고되는 것을 넘어 워크플로우를 시작하는 플랫폼입니다. 환자 유출(referral leakage) 분석 결과가 가장 영향력 있는 추천 의사들에게 연락하는 시퀀스를 자동으로 트리거하고, 시장 격차 분석 결과가 부동산 팀으로 직접 전달되는 플랫폼입니다. 전략적 질문에서 운영상의 행동에 이르는 모든 과정이 데이터가 레이크하우스를 벗어나지 않고 단일 거버넌스 플랫폼 위에서 실행됩니다.

"데이터 자체를 원하는 사람은 없습니다"라고 McDonald는 말합니다. "사람들은 답변을 원합니다. 그리고 왜 답변을 원할까요? 누군가를 위해 무언가를 행동에 옮기기 위해서입니다. 그것이 바로 답변과 맞닿아 있는 워크플로우입니다."

이는 가이드형 BI에서 복합 의사 결정(compound decisioning)으로의 전환을 의미합니다. 즉, 단순히 인텔리전스를 시각화하는 것을 넘어, 헬스케어 규제 환경이 요구하는 거버넌스 아키텍처의 가드레일 내에서 직접 행동으로 옮기는 시스템입니다. 이를 대규모로 실현하려면 애초에 분석 레이어를 가능하게 했던 것과 동일한 요소가 필요합니다. 바로 에이전트가 데이터에 접근하기 전에 환자 중심으로 마스터링되고, 조화롭게 통합되며, 거버넌스가 확보된 데이터입니다.

Kythera의 엔지니어링 팀이 관찰한 바에 따르면, 적절하게 학습되고 검증된 에이전트는 인간보다 더 깊고 철저하게 데이터를 탐색할 수 있으며, 해석의 맥락을 지속적으로 인지하고, 지치지 않고 이 작업을 수행할 수 있습니다. 이러한 특성은 시스템이 질문에 답하는 수준을 넘어 행동을 취하는 단계로 나아갈수록 그 가치가 더욱 빛을 발합니다.

그 영향력은 단일 의료 시스템에만 국한되지 않습니다. 200개 병상을 갖춘 지역 병원이 대형 통합 의료 네트워크와 동일한 전략적 질문을 던지고, 컨설팅 자문료 없이도 동일한 속도와 전문적인 인텔리전스 품질로 답변을 얻어 행동에 옮길 수 있게 됩니다. 이는 완전히 새로운 형태의 헬스케어 시장입니다. 이것이 바로 Kythera가 Databricks 위에서 개별 의료 시스템을 하나씩 혁신하며 구축해 나가고 있는 시장입니다.

그리고 충분히 많은 의료 시스템이 자본을 어디에 배치할지, 의료 접근성을 어디로 확장할지, 행정적 낭비를 어디서 줄일지에 대해 더 나은 의사 결정을 내리고 이를 더 빠르게 행동으로 옮길 수 있다면, '의료 비용을 실질적으로 낮출 수 있다'는 설립 당시의 포부가 마침내 실현 가능한 목표로 다가오기 시작할 것입니다.

실제 작동 모습 확인하기

Kythera의 헬스케어 전략 플랫폼을 살펴보고 Healthcare Strategy Agent의 데모를 요청하려면 kytheralabs.com을 방문하세요. 거버넌스, 확장성, 그리고 차세대 자율 의사 결정을 지원하는 Databricks 기술(Genie, Agent Bricks, Unity Catalog, Lakebase)에 대해 자세히 알아보거나 Built On 파트너 프로그램을 살펴보려면 여기에서 시작하세요.

Kythera Labs는 Databricks Built On 파트너입니다. 자세한 내용은 kytheralabs.com에서 확인하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)