Amazon Bedrock와 AWS HealthLake를 사용한 AI 헬스케어 청구 처리 파이프라인 자동화 방법

Amazon Bedrock와 AWS HealthLake를 사용하여 자동화된 AI 헬스케어 청구 처리 파이프라인 구축 방법

소개

헬스케어 산업에서는 서류 기반의 폼을 수동으로 처리하는 데 여전히 많은 비용이 발생하고 있습니다. 사람의 관여를 통해 데이터 추출 오차를 보정해야 하는 경우도 많습니다. 이 글에서는 Amazon Bedrock의 두 가지 주요 기능, 데이터 자동화와 AgentCore를 활용하여 자동화된 청구 처리 파이프라인을 구축하는 방법을 소개합니다.

본문

Amazon Bedrock는 변화하고 있는 헬스케어 청구 처리 흐름에서 차세대 AI 기술을 통해 데이터 추출의 정확도를 높입니다. 이를 AWS HealthLake와 결합하여 수동 처리를 줄이고 정확성을 유지할 수 있도록 도와줍니다. 이 글에서는 Amazon Bedrock 데이터 자동화를 통해 의료 청구 폼의 데이터를 추출하고 AgentCore를 사용해 AWS HealthLake에 FHIR 형식으로 변환하는 워크플로우를 구성하는 방법을 소개합니다.

자동화 솔루션 개요

이 솔루션은 AI 기반 서비스들을 통해 헬스케어 청구 폼을 자동으로 처리하는 워크플로우를 구현합니다. 예를 들어, 의료 제공자가 CMS-1500 청구 폼을 PDF 형식으로 Amazon S3 버킷에 업로드하면 AWS Lambda 함수가 자동으로 실행되며, Amazon Bedrock 데이터 자동화가 폼의 데이터를 추출하고 AI 에이전트가 해당 데이터를 의료 기록과 대조 검토합니다. 모든 검증이 통과되면, AWS HealthLake에 FHIR 클레임 리소스를 생성하고 결과를 SNS를 통해 전달합니다.

구축 및 활용 방법

AWS CDK와 AgentCore CLI를 사용해 자동화 솔루션을 배포합니다. 우선, git 저장소를 클론하고 필요한 라이브러리를 설치한 후, Lambda 및 SNS와 연동하여 자동화된 청구 처리 솔루션을 완성합니다. 이에 따라 성공과 실패 시나리오를 시뮬레이션해볼 수 있으며, 처리에 오류가 있는 경우 사용자에게 알림을 보낼 수도 있습니다.

결론

이 자동화 패턴은 AI 에이전트를 문서 워크플로우에 통합함으로써 청구 처리의 효율성을 높이고자 하는 방법을 보여줍니다. AI 에이전트는 청구 데이터의 잠재적 이슈를 식별하고, 인간 검토가 필요한 부분을 강조하며, 환자 친화적인 상태 메시지를 생성함으로써 처리 시간을 줄이고 정확성을 유지할 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/build-an-agentic-ai-healthcare-claims-pipeline-with-amazon-bedrock-and-aws-healthlake/