Clario의 임상시험 소프트웨어 자동화 사례, Amazon Bedrock으로 구현한 Genie AI Service

클리니컬 트라이얼 소프트웨어 구성 자동화: Clario의 Amazon Bedrock 활용 사례

클리니컬 트라이얼(Clinical Trial, 임상시험)은 환자의 생명과 직결되는 중요한 절차인 만큼, 데이터의 정확성과 프로세스의 신속성이 매우 요구됩니다. 특히, 다양한 환자 조건 및 시험 프로토콜에 따른 소프트웨어 구성을 수작업으로 진행한다면, 오류 가능성은 물론 전체 일정에도 큰 영향을 미칠 수 있습니다.

이러한 과제를 해결하기 위해 글로벌 임상 데이터 솔루션 기업인 Clario는 Amazon Bedrock 기반 생성형 AI를 활용하여 소프트웨어 구성 프로세스를 자동화하는 'Genie AI Service'를 구축했습니다. 이번 포스트에서는 Clario가 어떻게 AI 기술을 활용해 업무 자동화, 효율화, 그리고 품질 향상을 동시에 달성했는지 구체적인 구현 방안과 도입 사례 중심으로 소개합니다.

본론: 생성형 AI(GAI)를 통한 소프트웨어 구성 혁신

Clario는 임상시험에 필요한 소프트웨어 아티팩트(Software Artifacts)를 자동 생성하는 목적을 가지고 Genie AI 서비스를 Amazon ECS와 Bedrock 기반 아키텍처로 구현하였습니다. 특히 Anthropic의 Claude 3.7 Sonnet 모델을 활용하여 문서로부터 데이터를 구조화하고, 이를 검증, 생성까지 이어지는 전체 프로세스를 자동화했습니다.

1. 프로세스 구성 요소와 자동화 흐름

• 스터디 코드 입력 → API 호출로 기본 정보 수집
• PDF 트랜스미탈 폼 업로드 → Amazon Bedrock 활용 데이터 추출
• 웹 기반 대시보드에서 정보 검토 및 수정
• AI 기반 XML 생성 → 소프트웨어 구성 파일 완성

이처럼 Clario는 Amazon Direct Connect를 통해 보안 연결된 환경에서 데이터를 송수신하며, 다양한 엔터프라이즈 시스템과 연동된 자동화된 아키텍처를 구성하였습니다.

2. 어떻게 데이터 추출과 검증을 자동화했는가
   Clario는 트랜스미탈 문서를 구조적으로 분석하기 위해 다음과 같은 자동화 기술을 적용하였습니다.

• Claude 모델이 문서 내에서 각 요소(예: 방문정보, 검사 조건, 개입사항 등)를 테이블형 데이터로 추출
• 실시간 구조 분석을 통해 프로토콜 정보, 조건, 필드 포맷 등을 자동 분류
• 사용자 검증 시, 대시보드를 통해 바로 수정 및 주석 가능

이러한 프로세스는 많은 수작업을 줄이는 동시에, 데이터의 일관성과 정확성을 높여줍니다. 특히 Human-in-the-loop 방식으로, AI와 사람이 협력하여 최고의 품질을 확보하는 것이 핵심 구조로 채택되었습니다.

3. SCS 문서 및 XML 자동 생성
   구성이 완료된 데이터는 표준화된 Software Configuration Specification(SCS) 문서로 정리되며, 내부 마이크로서비스인 ‘SCSXMLConverter’를 통해 XML 파일로 변환됩니다. 여기서도 Amazon Bedrock이 활용되며, 다음과 같은 기능이 포함됩니다.

• 포맷 검증
• 구성 값 매칭
• 테스트 로깅 저장

자동 생성된 XML은 Clario의 의료 임상 이미징 소프트웨어 빌드에 바로 활용될 수 있어, 궁극적으로 전체 시스템 배포 시간과 품질이 향상됩니다.

Clario의 자동화 도입 효과

도입 결과, Clario는 다음과 같은 가시적인 효과를 경험했습니다.

• 소프트웨어 구성 제작 시간 급감
• 수작업 오류 감소 및 품질 균일성 확보
• 팀 간 협업 증대 및 커뮤니케이션 표준화
• 새로운 스터디에 대한 확장성과 반복 가능성 강화
• 전체 워크플로우 자동화 → 규모 확장 가능성 확보

이러한 자동화는 단지 기술적 도입을 넘어, 임상시험 산업 전반의 프로세스를 혁신적으로 바꾸는 변화였습니다.

도입 사례에서 얻은 인사이트와 실무 고려사항

Clario는 생성형 AI 도입을 통해 다음과 같은 교훈을 얻었습니다.

• 프롬프트 설계(Prompt Engineering)의 중요성: 도메인 지식을 포함한 예제 기반 프롬프트가 결과 품질에 직접적인 영향을 미침
• 단계적(Pilot → 전체) 도입으로 사용자 저항 최소화
• 훈련 및 사후 피드백을 통한 모델 개선 반복
• 이중 시스템 싱크 문제 해결을 위한 양방향 통신 검토

특히, 자동화와 AI 도입을 고려 중인 기업이라면, 명확한 유즈케이스 정의, 검증 가능한 지표 설정, 그리고 사람과 AI의 영역을 명확히 나누는 작업이 성공적인 도입을 위한 핵심 포인트가 됩니다.

결론

Amazon Bedrock 기반 Genie AI Service를 통해 Clario는 기존 수작업 위주의 복잡한 소프트웨어 구성 프로세스를 자동화하는 데 성공했습니다. 이것은 단순한 기술 도입을 넘어, 조직 내 협업과 의사결정 방식, 그리고 전체 임상시험 운영 방식을 변화시키는 계기가 되었습니다.

기술이 중요한 만큼, 도입 방식 또한 전략적이어야 합니다. 향후 유사한 도입을 고려 중인 조직들은 Clario의 사례처럼 구체적이고 측정 가능한 유즈케이스를 선정하고, 생성형 AI와의 협업 구조를 설계함으로써 실질적인 비즈니스 효과를 얻을 수 있을 것입니다.

https://aws.amazon.com/blogs/machine-learning/clario-streamlines-clinical-trial-software-configurations-using-amazon-bedrock/