생성형 AI 기반 의료 문서 자동화 사례와 구축 가이드

의료 문서 자동화를 위한 생성형 AI 기반 IDP 가이드 – Myriad Genetics 사례를 중심으로

도입

의료 산업에서 수많은 문서는 진료, 보험, 검사 등 다양한 목적으로 생성되고 처리됩니다. 하지만 이들 문서는 형태가 다양하고 복잡하여 기존의 시스템으로는 자동화에 한계가 있었습니다. Myriad Genetics는 이러한 문제를 해결하기 위해 AWS의 생성형 AI 기반 IDP(지능형 문서 처리) 가속기를 활용했습니다. 본 포스팅에서는 AWS GenAI IDP Accelerator를 활용한 문서 분류/추출 자동화 구축 사례와 함께 효과적인 생성형 AI 모델 선정, 프롬프트 엔지니어링, 자동화 구축 방법론을 안내합니다.

본론

1. 기존 과제와 문제점
   Myriad Genetics는 여성 건강, 정신 건강, 종양학 등 다양한 부서에서 하루 수천 건의 의료 관련 문서를 처리합니다. 기존에는 Amazon Textract와 Amazon Comprehend를 활용한 문서 분류 시스템을 사용했지만 다음과 같은 문제가 있었습니다.

• 운영 비용: 건당 평균 3센트, 월 15,000달러 이상 비용 소요
• 낮은 처리 속도: 문서 한 건당 평균 8.5분 소요
• 키 정보 추출(Key Information Extraction)은 수작업으로 진행되어 막대한 인건비 발생

2. AWS Bedrock 및 GenAI IDP Accelerator의 도입
   기존 시스템의 한계를 극복하기 위해 Myriad는 AWS의 생성형 AI 기반 오픈소스 IDP 가속기인 GenAI IDP Accelerator를 도입했습니다. 이 가속기는 미리 설정된 구성(config 파일)과 아키텍처 기반으로 다양한 의료 문서를 자동으로 분류하고 중요한 정보를 추출합니다.

이 구조는 서버리스 기반으로 쉽게 확장되며 비동기적으로 여러 문서를 동시에 처리할 수 있어 속도가 비약적으로 향상됩니다.

3. 선택된 패턴과 커스터마이징
   GenAI IDP Accelerator는 용도에 따라 3가지 패턴 중 하나를 선택할 수 있습니다. Myriad는 Pattern 2(Amazon Textract + Amazon Nova Pro/Premier + Claude)를 선택하여 커스터마이징을 진행했습니다. 웹 UI와 구성 파일을 활용하여 문서 유형과 추출 필드를 정의하고, LLM 하이퍼파라미터와 프롬프트를 설정할 수 있습니다.

4. 생성형 AI 기반 기술 적용 사례
   Myriad는 다음과 같은 고급 AI 활용 기법을 적용했습니다.

• AI 기반 분류 프롬프트 최적화: LLM의 문맥 이해력을 활용하여 유사 문서 간 오분류를 줄이기 위한 고급 문장 구성 기법 활용
• Negative Prompting 기법: 문서의 부적절한 분류를 유도하지 않도록 “주의 유도” 문장 삽입
• Few-shot 학습: 샘플 문서 이미지와 정답 출력을 함께 입력하여 문서 구조에 대한 시각적 이해 향상
• Chain of Thought Reasoning: 중첩 체크박스 등을 정확히 추출하기 위한 단계별 사고 과정을 LLM 프롬프트에 삽입

또한 체크박스 추출 정확도를 향상시키기 위해 Amazon Textract의 FORMS 및 TABLES 기능을 적극 활용하였습니다.

5. 성능 개선 및 운영 성과

문서 분류 성능:

• 정확도: 기존 94% → 98%로 상승
• 비용: 77% 절감 (문서당 3.1센트 → 0.7센트)
• 시간: 80% 단축 (8.5분 → 1.5분)

키 정보 추출:

• 정확도: 수작업 기준과 동일한 90% 달성
• 비용: 0.09달러/페이지 사용
• 처리 시간: 문서당 약 1.3분 소요 (10명의 인력 × 78시간 요청 시간 대체)

이러한 개선으로 인해 Myriad는 연간 약 13만 2천 달러의 문서 처리 비용 절감과 월 300시간의 인력 시간 절감 효과를 보았습니다.

결론

Myriad 조직이 달성한 성공적인 생성형 AI 활용 자동화는 단순한 도입이 아니라 적절한 활용법과 맞춤형 배포 가이드, 프롬프트 엔지니어링, 모델 비교 및 선택, 자동화 기법이 결합된 결과입니다. 이들은 AWS GenAI Innovation Center와의 긴밀한 협업을 통해 정확도, 속도, 비용 면에서 탁월한 성과를 이뤄냈으며, 해당 방법은 의료 산업뿐 아니라 다양한 분야에서도 손쉽게 확장 가능한 접근 방식이 될 수 있습니다.

사용자는 GenAI IDP Accelerator 오픈소스를 통해 본 솔루션을 직접 활용 및 테스트할 수 있으며, GUI 기반의 설정으로 복잡한 코드 없이도 도입이 가능합니다. 이제 생성형 AI 기반의 문서 자동화는 현실적인 비용과 높은 정확성으로 가치를 창출하고 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-myriad-genetics-achieved-fast-accurate-and-cost-efficient-document-processing-using-the-aws-open-source-generative-ai-intelligent-document-processing-accelerator/