Amazon Bedrock으로 구현하는 의료 콘텐츠 자동 검토 시스템

의료 콘텐츠 검토 자동화, AWS Bedrock 기반으로 간편하게 실현하기

의료 콘텐츠 관리의 자동화에 대한 수요는 날로 확산되고 있습니다. 특히, 빠르게 변화하는 의료 지식 환경에서 정확하고 최신 정보를 제공하는 것은 생명을 구하는 데도 필수적입니다. 이러한 배경 속에서 세계적인 여성 건강 앱 Flo Health는 AWS와 협업을 통해 의료 콘텐츠 자동 검토 및 개정 솔루션인 MACROS(Medical Automated Content Review and Revision Optimization Solution)를 개발했습니다. 이 글에서는 Flo Health의 사례를 중심으로 Amazon Bedrock과 AWS 생태계를 활용한 AI 기반 의료 콘텐츠 자동화 솔루션의 구축 및 활용 방법을 소개합니다.

Flo Health는 매년 수천 건의 의료 콘텐츠를 생성하며, 이들이 최신 가이드라인에 부합하는지 일일이 검토하는 작업은 막대한 시간과 인적 자원이 소모됩니다. 이를 해결하기 위해 Flo는 Amazon Bedrock의 생성형 AI를 활용한 MACROS 시스템을 통해 다음과 같은 핵심 기능을 구현했습니다.

1. 과학적 출처 기반의 콘텐츠 자동 분석
2. 오래되었거나 부정확한 정보 식별
3. 최신 가이드라인 준수하는 개정안 제안 및 자동 반영
4. 사용자 피드백 반영까지 고려한 지속적 개선 루프

MACROS는 UI와 API를 모두 지원하여 의료 전문가에게는 시각적인 검토 도구를 제공하고, 백엔드 통합을 통해 주기적 자동 분류 및 개정도 가능하게 했습니다.

기술 구성 요소 및 아키텍처

MACROS는 Amazon ECS, Lambda, API Gateway, Textract, Step Functions, Bedrock 등이 유기적으로 연결된 아키텍처로 설계되었습니다. 이 아키텍처의 주요 흐름은 다음과 같습니다:

• 사용자는 의료 콘텐츠를 PDF, TXT, JSON 등의 형식으로 업로드합니다.
• Amazon Textract를 통해 텍스트를 추출하고, Amazon Bedrock 기반 LLM으로 여러 가지 규칙(rule)과 비교하여 검토를 진행합니다.
• 규칙 위반 항목에 대해서는 자동으로 수정을 제안하고, Flo 스타일 가이드라인을 반영하여 자연스러운 어투로 개정합니다.
• 결과물은 XML 형태로 분석되고, S3에 저장됩니다.

MACROS는 LLM 기반 필터링 기술도 활용합니다. 콘텐츠와 연관성 있는 규칙만 식별해 불필요한 리소스를 줄이고 효율성을 극대화합니다.

콘텐츠 자동 검토 및 개정 처리 흐름

콘텐츠 검토는 총 5단계로 구성됩니다:

1. 필터링: 관련성이 낮은 규칙은 제외하여 처리 속도 향상
2. 청킹(chunking): 문단 단위로 나눠 정확도 향상
3. 리뷰: 각 청크를 규칙과 비교하여 위반 여부 확인
4. 개정: 위반된 문단을 개정어투로 자동 수정
5. 포스트 프로세싱: 수정 내용이 원문에 정교하게 통합

MACROS는 중복 검출 리스크를 줄이기 위해 '다중 호출(Multi-call)' 모드를 지원합니다. 하나의 규칙당 별도 LLM 호출을 통해 높은 정확도로 검토 작업이 진행됩니다. 모델 사용은 비용 및 성능 최적화를 위해 역할별로 Claude Haiku, Sonnet, Opus 모델 등을 구분하여 적용합니다.

다양한 문서 처리 모드 및 사용성

MACROS는 처리 범위에 따라 상세 문서 모드와 다중 문서 모드를 제공합니다.

• 상세 문서 모드: PDF, TXT, JSON, 텍스트 등 다양한 형식으로 단일 문서를 업로드하고, 특정 규칙 세트를 기반으로 상세 검토가 가능합니다.
• 다중 문서 모드: JSON 파일 기준으로 대량의 문서를 동시에 처리 가능하여 콘텐츠 관리 시스템(CMS)과의 연결도 수월합니다.

규칙 추출 및 최적화 기능

MACROS는 텍스트 중심 규칙이 없어도 기존의 비정형 문서에서 Medical Mode와 Style Mode를 통해 자동으로 내용을 정형화된 규칙으로 전환할 수 있습니다.

이처럼 생성형 AI의 강력한 언어 이해 능력을 바탕으로 MACROS는 규칙 자체를 자동화된 검토 지침으로 변환하고 사용자의 수작업 개입을 최소화합니다.

도입 시 주요 고려 사항

1. 데이터 표준화: 문서 형식 통일 및 일관된 구조 구성 필수
2. 비용 효율화: LLM 호출량 최소화 및 모델 선택 최적화 고려
3. 규제 및 윤리 대응: 의료 특성상 반복 점검과 전문가 최종 검토는 필수
4. 단계적 통합: 초기에는 독립 PoC -> 점진적 CMS 통합 구축 권장
5. 성과 지표 수립: 추출 정확도, 처리 효율, 개정 품질 등을 정량 측정

활용성과 예비 결과

FoC 기준 Flo Health는 MACROS 도입으로 다음과 같은 성과를 확인했습니다:

• 콘텐츠 검토 정확도 80% 이상 유지
• 90% 이상의 리콜율 확보
• 검토 시간은 최대 10배 단축
• 전문가의 개입 시간 감소 및 피드백 기반 성능 향상

결론 및 다음 단계

MACROS는 생성형 AI 기반 의료 콘텐츠 자동화를 위한 훌륭한 사례이며, 앞으로 AWS Bedrock Flows 등 새로운 기능을 도입해 더 완전한 자동화 솔루션으로 발전 가능성이 큽니다. 단순 텍스트 제공이 아닌 사용자 피드백과 규정 고도화를 바탕으로 ‘사람과 AI 간 하이브리드 운영’이 주효한 전략으로 자리 잡고 있습니다. 이제 의료 콘텐츠 자동화 여정을 시작해보세요.

[1] https://aws.amazon.com/blogs/machine-learning/scaling-medical-content-review-at-flo-health-using-amazon-bedrock-part-1/