의료 및 생명과학

SaMD의 새로운 시대: 2026년 클라우드 인프라가 디지털 헬스케어의 기반이 되는 이유

Wed, 13 May 2026 23:00:00 +0000

해당 블로그의 원문은 2026년 5월 14일 Google Cloud 블로그(영문)에 게재되었습니다.

헬스케어 및 생명과학 산업에서 속도는 곧 생명을 구하는 길이지만, 규제 요구 사항과 행정적 부담은 의료 기기 소프트웨어(SaMD) 제조업체들의 발목을 잡는 요소로 작용해 왔습니다. 이러한 소프트웨어 기기에는 암 감지를 위한 AI 이미지 분석, MRI 판독용 진단 모바일 앱, 그리고 인슐린 복용량을 정밀하게 계산하는 프로그램 등이 포함됩니다.

오늘날 의료 기기 산업은 거대한 변곡점을 맞이하고 있습니다. 우리는 사후 진단 중심에서 선제적인 예방 및 예측 중심의 학습형 시스템으로 나아가고 있습니다. 현대의 SaMD는 임베디드 펌웨어, 모바일 앱, 그리고 클라우드 기반 서비스의 유기적 상호작용을 통해 임상 기능을 발휘하는 '통합 복합 시스템'입니다.

이러한 패러다임의 변화는 우리가 시스템의 '통제 상태'를 증명하는 방식을 근본적으로 재구상할 것을 요구합니다. 단순히 온프레미스 서버를 대체하는 수준을 넘어, 이제 클라우드 인프라는 규제 대상 의료 소프트웨어를 구동하는 데 있어 한층 더 우수한 기반으로 자리 잡았습니다.

2026년의 규제 환경: FDA QMSR 및 EU AI 법안 (EU AI Act)

2026년 초의 규제 환경은 국제적 표준 조화(Harmonization)와 위험 기반의 감독 방식으로 정의할 수 있습니다. 글로벌 비즈니스를 전개하는 기업들에게는 다음의 두 가지 주요 이정표가 컴플라이언스 로드맵을 좌우하는 핵심 축이 됩니다.

FDA QMSR(품질관리시스템 규정) 전환

FDA는 올해 초 품질관리시스템 규정(QMSR, 21 CFR Part 820)을 ISO 13485:2016 표준에 맞춰 정비했습니다. 이는 문서 통제와 변경 관리를 자동화하는 클라우드 네이티브 패턴의 가치를 다시 한번 입증한 조치입니다.

새로운 의료기기 제조업체 준수 감사 프로그램에 따라, FDA는 과거의 QSIT(품질 시스템 심사 기법) 하위 시스템에서 탈취하여 변경 관리와 아웃소싱 분야를 면밀히 점검하는 위험 기반 전략으로 전환했습니다. 이 모델에서는 디지털 기록 보존과 자동화된 감사 추적(Audit trails)이 가장 확실한 객관적 증거로 인정받으며, 수동 문서 작업에 대한 의존도를 획기적으로 낮춰 줍니다.

EU AI 법안 적용

오는 8월 2일부터 유럽연합(EU)의 AI 법안(EU AI Act)에 따른 고위험 AI 시스템 의무 사항들이 전면 적용됩니다. SaMD 제조업체들은 이에 발맞추어 의료 기기에 대한 엄격한 데이터 거버넌스, 투명성, 그리고 인간의 감독(Human oversight) 체계를 반드시 구축해야 합니다.

'코드형 컴플라이언스(Compliance as Code)'로의 전환

기기 플랫폼이 실시간으로 끊임없이 업데이트되는 오늘날의 환경에서, 수동 기반의 수동적인 행정 통제 모델은 더 이상 확장성을 가질 수 없습니다. 대신 우리는 코드형 컴플라이언스(Compliance as Code, CaC)를 수용해야 합니다. 5년 전만 해도 CaC는 기업의 경쟁 우위 요소 중 하나였으나, 2026년인 지금은 규제 준수를 위한 필수 생존 전략이 되었습니다.

CaC 모델에서 규제 준수 요건들은 프로그래밍 방식으로 표현되며 플랫폼 정책을 통해 강제됩니다. 모든 통제 장치가 플랫폼 정책에 내장되어 실행되기 때문에 파이프라인 게이트 단계에서 즉각적으로 변경 관리가 통제되며, 시스템 구동 프로세스 자체에서 컴플라이언스 증적 자료가 자동으로 연속 생성됩니다. 시스템이 정의된 정책 통제를 벗어나 작동하는 것 자체가 원천 차단되므로, 기업은 규제 기관에 위변조가 불가능한 완벽한 규제 준수 기록을 상시 제시할 수 있습니다.

기술적 청사진: 3개 영역 모델 (The Three-Plane Model)

상시적인 감사 대비 상태(Continuous audit readiness)를 유지하기 위해, 구글은 아키텍처를 다음과 같이 세 개의 고유 영역(Plane)으로 나누어 구성합니다. 이러한 구조적 분리는 기술적 강제 집행과 규제적 책임의 한계를 명확하게 구분해 줍니다.

데이터 영역(Data Plane): 임상 또는 의료 데이터가 고유의 목적(웨어러블 기기의 생체 텔레메트리 전송, 진단 분석용 의료 영상 전송 등)을 달성하기 위해 시스템 내에서 이동하는 경로를 관장합니다. 구글 클라우드에서 이 영역은 기능적 경계를 관리하고, 데이터의 정적(At-rest) 및 전송 중(In-transit) 암호화를 통해 데이터 무결성을 확실히 보장합니다. 또한 고객 관리 암호화 키(CMEK)와 키 액세스 정당성(KAJ)을 적용하여 의료 제조업체가 데이터 복호화 이벤트에 대한 최종 제어 권한을 온전히 보유하도록 지원합니다. 이는 HIPAA 및 GDPR 준수를 위한 핵심 필수 요건입니다.
제어 영역(Control Plane): 신원 정보, 네트워크 경계, 그리고 설정 제약 조건을 정의하는 거버넌스 레이어입니다. 2026년형 아키텍처에서 제어 영역은 제로 트러스트(Zero Trust) 보안 원칙을 기반으로 설계됩니다. 네트워크 경계선에 의존하는 대신 사용자의 신원, 기기 보안 상태, 접속 맥락을 종합적으로 평가하여 Identity-Aware Proxy(IAP)를 통해 최소한의 액세스 권한만을 승인합니다. 아울러 조직 정책 서비스를 통해 외부 공개 데이터 버킷이 실수로 생성되는 등의 비규격 설정을 프로그래밍 방식으로 원천 차단합니다.
증적 영역(Evidence Plane): 기술적 운영 상태가 규제 증적 자료와 만나는 지점입니다. 위변조가 불가능한 감사 추적, 빌드 인증, 그리고 모니터링 이력을 완벽하게 수집합니다. Binary Authorization 및 Artifact Registry 등의 도구를 활용하면 모든 보안 및 검증 게이트를 통과한 검증된 코드만이 실제 프로덕션 환경에 배포되도록 수학적으로 강제할 수 있습니다. 이 증적 영역은 FDA가 필수적으로 요구하는 소프트웨어 자재 명세서(SBOM) 및 출처 메타데이터를 정밀하게 자동 생성해 줍니다.

에이전트 중심의 엔터프라이즈 확장성

단순히 질문에 답하는 수준을 넘어 추론하고 행동하는 단계로 AI가 비약적으로 성숙함에 따라, 고도화된 AI 에이전트들은 자율 컴플라이언스 모니터링 작업을 정밀하게 보조할 수 있게 되었습니다. 이를 통해 기존에 수주가 소요되던 수동 검토 작업을 지속적인 실시간 감사 체계로 전면 대체하는 동시에, 최종 품질 승인을 위한 'Human-in-the-loop(인간의 개입)' 승인 워크플로우를 유기적으로 지원합니다.

구글의 AI 최적화 인프라는 이러한 혁신의 든든한 뼈대 역할을 담당합니다. 노드와 파드가 비약적으로 빠르게 시작되고 모델 로딩 속도가 대폭 단축되어, 임상의나 환자가 시스템을 조작하는 그 즉시 SaMD 에이전트가 가동 대기 상태를 유지합니다. 이러한 극대화된 응답 속도는 지연 시간(Latency)이 환자의 치료 예후에 직접적인 영향을 미치는 임상 현장에서 필수적인 핵심 요소입니다.

클라우드 상에서의 위험 관리 방식

클라우드 인프라를 도입한다고 해서 의료 기기의 안전성과 성능에 대한 제조업체 고유의 법적 책임이 사라지는 것은 아닙니다. 그러나 이는 구현 모델을 전통적인 책임 분담(Shared responsibility) 모델에서 한 걸음 더 나아간 '공동 운명(Shared Fate)' 모델로 진화시킵니다. 즉, 클라우드 제공업체가 기술적 통제 도구(데이터 레지던시를 위한 Assured Workloads 등)를 선제적으로 제공하고, 제조업체는 이를 적절히 세팅하여 자사 고유의 의료 품질 시스템을 안전하게 구현하는 유기적인 구조를 뜻합니다.

새로 발행된 백서 클라우드 인프라 기반의 의료 기기 소프트웨어(SaMD) 구축 가이드에서 상술하듯, 이러한 공동 운명 모델은 빈번하게 발생하는 주요 SaMD 보안 위험들을 해결하는 최상의 아키텍처를 제시합니다.

정책 일관성 유지(Policy drift): 비허가 지역에 리소스가 배포되거나 약한 수준의 IAM(계정 및 접근 제어) 설정이 구성되는 것을 조직 정책 수준에서 상시 원천 차단합니다.
완벽한 감사 가시성: 위변조가 불가능한 데이터 액세스 로그 및 키 액세스 정당성(KAJ)을 적용하여 민감한 임상 데이터에 가해진 모든 세부 상호작용 기록을 오랜 기간 장기 보존할 수 있는 강력한 법적 증적으로 수집합니다.
공급망 무결성 보호: 암호학적으로 안전하게 서명된 빌드 인증 정보를 대조하여, 검증되지 않은 미확인 아티팩트가 서비스 환경(Production)으로 침투하는 사고를 예방합니다.

자세한 세부 구축 프레임워크와 아키텍처 청사진은 백서 전문에서 바로 확인해 보실 수 있습니다.

Google, 고객 관리형 암호화 키 서비스를 통해 클라우드 HSM을 Google Workspace 클라이언트 측 암호화에 통합

Mon, 18 Aug 2025 16:00:00 +0000

해당 블로그의 원문은 2025년 8월 19일 Google Cloud 블로그(영문)에 게재되었습니다.

정부, 국방, 금융 서비스, 의료 등 고도의 규제가 적용되는 분야의 조직들은 민감한 데이터를 보호하기 위해 엄격한 기준을 충족해야 합니다. Google Workspace 클라이언트 측 암호화(Client-Side encryption, CSE)는 고객 데이터의 기밀성을 유지하고, 고객이 데이터의 유일한 관리자가 될 수 있도록 하는 독점적인 개인정보 보호 기능으로, 엄격한 규제 준수를 지원합니다.

Google Workspace 클라이언트 측 암호화(CSE)는 Google Workspace가 기본적으로 제공하는 암호화 외에 파일, 이메일, 회의, 이벤트 등 조직의 데이터에 또 다른 암호화 계층을 추가합니다. 특히 민감하고 규제가 적용되는 데이터를 저장하는 조직에 다음과 같은 이점을 제공할 수 있습니다.

기밀성: 민감한 지적 재산, 의료 기록, 금융 데이터를 다루는 조직을 위한 기밀성을 보장합니다.
규정 준수 지원: ITAR 및 EAR 요구 사항이 있는 고도의 규제 산업 내 조직의 규정 준수를 지원합니다.
데이터 주권: 특정 지리적 위치나 국가 경계 내와 같이 정의된 경계 내에 보관할 수 있는 암호화 키를 사용하여 데이터 제어를 증명해야 하는 조직에 데이터 주권을 제공합니다.

고도의 규제가 적용되는 조직들이 암호화 키 서비스 의무를 충족하도록 지원하기 위해, 이제 Google은 Google Workspace 클라이언트 측 암호화(CSE) 고객을 대상으로 Cloud HSM for Google Workspace (CHGWS)를 제공하여, Google Cloud의 최고 수준 규정 준수 등급을 Workspace 클라이언트 측 암호화(CSE) 고객에게도 확장합니다. Cloud HSM은 FIPS 140-2 Level 3를 준수하는 HSM(하드웨어 보안 모듈)에 하드웨어 기반 키를 저장하여 클라우드 규모로 운영되는, 가용성과 확장성이 뛰어난 완전 관리형 키 관리 서비스입니다.

현재 미국에서 이용 가능하며, 향후 몇 달 내에 전 세계적으로 출시될 CHGWS는 설정 및 유지가 간편한 정액 요금제를 제공합니다.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud 보안 제품을 경험해 볼 수 있는 $300의 무료 크레딧을 드립니다.'), ('body', <wagtail.rich_text.RichText object at 0x7fbc36cd2370>), ('btn_text', ''), ('href', ''), ('image', None)])]>

규제 의무를 충족하기 위한 Cloud HSM 활용

Cloud HSM은 가장 엄격한 보안 및 규제 의무가 적용되는 클라우드 워크로드를 지원하도록 설계되었으며, FedRAMP High, DISA IL5, ITAR, SOC 1/2/3, PCI DSS를 포함한 다양한 규제 및 인증에 대해 포괄적인 감사를 거치고 준수 요건을 달성했습니다.

Google Workspace용 Cloud HSM 보안 태세의 핵심은 FIPS 140-2 Level 3 인증을 받은 Marvell LiquidSecurity HSM에 의존한다는 점입니다. 특히, 이 서비스는 펌웨어 버전 3.4 build 09를 실행하는 CNL3560-NFBE-2.0-G 및 CNL3560-NFBE-3.0-G 모델을 사용합니다. 이 인증 수준은 암호화 모듈이 하드웨어 및 소프트웨어 구성 요소에 대한 최고 수준의 보안 기준을 충족했음을 나타내므로 매우 중요합니다.

이처럼 광범위한 인증 목록은 고도의 규제 시장 부문에 속한 고객에게 최고 수준의 규제 및 규정 준수 프레임워크에 따라 키 관리 및 데이터 보호 요구 사항이 충족된다는 확신할 수 있습니다.

광범위한 규정 준수 강조는 이들 조직이 직면한 부담을 완화하고, 법적 및 감사 요건을 충족하면서 암호화 키를 자신 있게 배포 및 관리할 수 있도록 지원합니다.

Google Cloud는 보안 및 규정 준수가 가장 중요하다고 생각하는 한편, 고객에게 고가용성 및 확장성이 매우 중요함을 인식하고 있습니다. CHGWS는 고가용성 및 표준 규정 준수를 지원하는 클라이언트 측 암호화(CSE) 키 서비스를 몇 분 안에 신속하게 배포할 수 있게 하여 이러한 요구를 충족하도록 돕습니다.

신속한 배포 기능과 내재된 고가용성은 중요한 암호화 서비스에 항상 접근할 수 있도록 보장하여 운영 중단을 최소화합니다.

Google Workspace용 Cloud HSM 작동 방식

CHGWS는 Google Workspace 클라이언트 측 암호화(CSE)의 개인정보 보호 및 규정 준수를 강화합니다. 데이터는 종단간 암호화되며, 접근 권한이 있는 사용자만 복호화할 수 있습니다.

데이터 암호화

Step 1: 사용자가 Google Workspace에서 콘텐츠를 생성하면, 클라이언트 측 암호화(CSE) 라이브러리가 DEK(데이터 암호화 키)를 생성하여 CHGWS 서비스로 전송합니다.

Step 2: CHGWS 서비스는 고객이 관리하는 ID 공급자와 Google Cloud IAM을 사용하여 사용자의 신원을 확인합니다

Step 3: CHGWS 서비스는 Cloud HSM에 저장된 CMEK(고객 관리형 암호화 키)를 사용하여 DEK를 암호화하고, 암호화된 DEK를 다시 보냅니다. 그러면 클라이언트 측 암호화(CSE) 라이브러리는 DEK를 사용하여 콘텐츠를 암호화하고, 암호화된 DEK는 콘텐츠와 함께 저장됩니다.

암호화된 데이터 읽기

사용자가 암호화된 콘텐츠에 접근하려고 하면 프로세스는 역순으로 진행됩니다.

Step 4: 먼저 클라이언트 측 암호화(CSE) 라이브러리는 콘텐츠와 함께 저장된 암호화된 DEK를 CHGWS 서비스로 보냅니다. CHGWS 서비스는 고객이 관리하는 ID 공급자를 사용하여 사용자의 신원을 확인합니다.

Step 5: CHGWS 서비스는 Cloud HSM에 저장된 CMEK를 사용하여 DEK를 복호화하고 다시 보냅니다.

Step 6: 클라이언트 측 암호화(CSE) 라이브러리는 복호화된 DEK를 사용하여 콘텐츠를 복호화합니다.

CMEK를 사용한 모든 암호화 및 복호화 작업은 항상 HSM 내에서 수행됩니다. 고객이 암호화 키와 데이터 접근에 대한 완전한 통제권을 유지하도록 보장하기 위해, CMEK는 HSM 보호 경계를 벗어나지 않습니다

Cloud Logging을 사용한 감사 로그 생성: 모든 Google Cloud 서비스와 마찬가지로, Cloud HSM 서비스는 Google Cloud 리소스 내 관리 활동 및 접근을 기록하는 감사 로그를 작성합니다. 감사 로그는 온프레미스 환경과 동일한 수준의 투명성을 가지고 Google Cloud 리소스에서 "누가, 무엇을, 어디서, 언제 했는지"에 대한 질문에 답하는 데 도움을 줍니다. 이는 당사의 포괄적인 Access Transparency 서비스의 일부입니다.

감사 로그를 활성화하면 보안, 감사, 규정 준수 담당자들이 Google Cloud 데이터 및 시스템의 잠재적 취약점이나 외부 데이터 오용을 모니터링하는 데 도움이 될 수 있습니다. KMS 감사 로깅에 대한 자세한 내용은 여기에서 확인할 수 있습니다.

리전 가용성 및 SLA

당사의 Cloud HSM 서비스는 암호화 및 복호화 작업에 대해 99.95%의 가동 시간을 제공합니다. 자세한 내용은 Cloud Key Management Service 및 Cloud HSM SLA를 검토하시기 바랍니다. 시작하려면 온보딩 지침을 참조하세요.

Cloud CISO Perspectives: 구글은 지방 의료 기관의 사이버 보안을 어떻게 개선할 수 있을까?

Wed, 03 Jul 2024 16:00:00 +0000

* 본 아티클의 원문은 2024년 6월 29일 Google Cloud 블로그(영문)에 게재되었습니다.

2024년 6월 두 번째 CISO 관점(Cloud CISO Perspective)의 주요 내용을 정리해 보았습니다.

"2024년 6월 두 번째 클라우드 CSIO 관점에 오신 것을 환영합니다. 이번 뉴스레터에서는 구글 CISO 오피스의 디렉터인 테일러 레만이 국가안전보장 회의에서 발표한 농촌 의료 네트워크 보안 강화 방안에 대한 내용을 공유합니다. 모든 CISO 관점 뉴스레터는 구글 클라우드 블로그에도 게시됩니다. 구독하면 뉴스레터로 편히 받아 볼 수 있습니다."

--필 베너블스 부사장(VP), 구글 클라우드, TI 보안 및 CISO

aside_block: <ListValue: [StructValue([('title', '구글 클라우드와 함께하는 CISO 인사이트'), ('body', <wagtail.rich_text.RichText object at 0x7fbc36c30b20>), ('btn_text', '허브 방문하기'), ('href', 'https://cloud.google.com/solutions/security/leaders?utm_source=cloud_sfdc&utm_medium=email&utm_campaign=FY23-Q2-global-PROD418-email-oi-dgcsm-CISOPerspectivesNewsletter&utm_content=ciso-hub&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

구글은 농촌 지역 의료 기관의 사이버 보안을 어떻게 개선할 수 있을까?

테일러 레만, 구글 클라우드 CISO 오피스 디렉터

의료 기관들은 수십 년 동안 복잡하고 중요한 기술을 보호하기 위해 애써왔습니다. 이러한 기술은 아픈 사람을 치료하는 데 꼭 필요한 것입니다. 사회가 제대로 기능을 하려면 사람들이 적시에 의료 서비스를 받을 수 있어야 합니다. 사이버 공격은 이처럼 사회의 기본 중 하나인 의료 서비스가 제대로 이루어지는 것을 어렵게 만들고 있고, 관련 공격은 나날이 거세지고 있습니다.

올 상반기만 해도 병원과 각종 물품을 공급하는 업체를 노린 공격으로 결제 시스템이 마비되고, 환자들이 필요한 치료를 제때 받지 못하고, 몇몇 경우 환자가 위험에 처하기도 하였습니다. 그 결과 병원과 클리닉은 한계를 체감하였고, 몇몇은 문을 닫는 일까지 벌어졌습니다.

테일러 레만, 구글 클라우드 CISO 오피스 디렉터

사이버 공격에 특히 취약한 곳은 농촌 지역의 의료 기관입니다. 한 자료에 따르면 미국의 경우 1,800에서 2,100개의 농촌 지역 병원과 클리닉이 6천만 명 이상의 사람에게 의료 서비스를 제공하고 있으며, 이 중 다수는 다른 병원에서 약 56킬로미터 떨어진 곳에 있는 필수 진료 병원(Critical Access Hospital)입니다. 참고로 필수 진료 병원은 농촌 지역에 위치한 작은 규모의 병원으로 인구가 적은 지역에 필수 의료 서비스를 제공하는 의료 기관입니다.

56킬로미터는 멀지 않게 느껴질 수 있지만, 긴급을 요구하는 경우 이야기가 다릅니다. 가령 필수 진료 병원이 사이버 공격을 받으면 해당 지역의 뇌 손상을 입은 환자가 가까운 곳에 있는 병원이 아니라 더 먼 병원으로 가야 할 수도 있기 때문입니다. 응급 상황에서 첫 60분은 환자의 생존에 매우 중요한 시간입니다. 이 시간에 적절한 치료를 받지 못하면 생존 가능성이 낮아질 수도 있습니다.

사이버 공격에 영향을 받으면 병원에 있는 환자와 의료진도 곤란한 상황에 직면합니다. 갑자기 컴퓨터가 작동을 멈추면 의료 서비스에 영향을 미칩니다. 뇌졸중을 진단하는 데 필요한 방사선 서비스, 아픈 아기들을 돌보는 데 필요한 신생아 집중실의 시스템, 환자에게 적절한 약물을 전달하고 복용량을 관리하는 침상 약물 관리 시스템, 환자의 정보를 담고 있는 전자 의료 기록(EMR)이 중단되거나 손상될 수 있습니다.

구글은 보안 기술을 의료 기관에 제공해 사이버 위협에 대응하는 능력을 향상하고, 의료 서비스 중단 같은 사이버 리스크를 완화하기 위해 각종 보안 기술과 서비스를 할인한 가격이나 무료로 제공하고 있습니다.

사이버 공격으로 전자 의료 기록(EMR) 시스템이 다운되면 임상의들은 종이와 펜으로 모든 것을 기록하며 최선을 다할 수밖에 없습니다. 그럼에도 환자의 의료 기록에 접근할 수 없어 생명을 구하는 간단한 절차마저 지연되거나 중단될 수 있습니다. 의료 기관을 대상으로 한 사이버 공격 결과는 상상해야 하는 시나리오가 아닙니다. 우리는 이미 여러 번 상황을 목격했습니다.

미국의 농어촌 필수 진료 병원 체계는 사이버 공격이 일어났을 때 제 기능을 다할 수 없습니다. 할 수 있는 것이라곤 환자가 공격받은 병원이 아니라 다른 병원으로 이송되었을 때 해당 병원이 정상적으로 의료 서비스를 제공할 수 있기를 바라는 것뿐입니다.

이런 이유로 백악관, 보건복지부, 보건부문조정위원회 등 여러 기관이 체계적으로 문제를 식별하고, 구글을 포함한 여러 조직과 협력해 농촌 의료 시설의 사이버 회복력을 높이기 위해 실질적이고 구체적인 해결책 마련에 노력을 기울이고 있습니다. 구글은 이러한 새로운 접근을 기대하고 있으며, 지역 사회와 의료 시스템을 지원할 준비가 되어 있습니다.

바이든-해리스 행정부는 6월 10일에 사이버 공격에 대한 백악관의 대응을 요약한 문서를 발표했습니다. 이 문서에서 백악관은 의료 기관들이 지역 사회, 지역, 전국적으로 중요한 역할을 한다는 점을 인식하고, 병원과 기타 의료 기관을 더 잘 보호하기 위해 공공과 민간의 파트너십이 필요하다고 강조했습니다.

구글은 보안 기술 부문의 혁신자이자 보안의 중요성을 앞장서 강조하고 있습니다. 구글의 다양한 서비스를 보호하는 보안 기술과 방법을 여러 유형의 조직이 보안 강화를 위해 활용할 수 있게 지원해 왔습니다. 구글은 이러한 보안 기술을 의료 기관이 도입하여 사이버 위협에 대처할 수 있는 능력을 키우고, 의료 서비스 중단 사태를 일으킬 수 있는 사이버 위험을 완화하기 위해 돕고 있습니다. 이를 위해 다양한 보안 기술과 제품을 무료 또는 할인된 가격으로 제공하고 있습니다.

정보 공유는 의료 부문의 보안을 확보하는 데 있어 중요한 요소입니다. 의료 부문에 관련된 위협 정보뿐만 아니라 다양한 정보를 수집하고 공유할 수 있는 더 나은 메커니즘이 필요합니다.

구글은 백악관의 노력을 지지하며 기여할 기회를 환영합니다. 구글을 포함한 여러 조직이 각자의 방식으로 도움을 줄 수 있다고 믿습니다.

1. 설계부터 기본까지 보안

많은 의료 시스템이 상호 운용성을 위해 설계된 기술을 도입해 운영하고 있지만, 강력한 보안 조치를 충분하지 않습니다.

구글은 처음부터 보안을 고안하여 설계한 '보안 기본 설계(Secure by Design)' 기술을 개발합니다. 소프트웨어나 시스템을 개발이나 도입한 후 보안을 더하는 것이 아니라 개발 단계부터 보안을 핵심으로 고려하는 것입니다. 다행히 미국 정부와 전 세계 다른 정부도 '보안 기본 설계와 기본 기술(secure by design and by default technologies)' 방식으로 전환하는 것을 권장하거나 의무화하고 있습니다. 의료 기술의 보안과 회복력에 중요한 보안 기술을 설계부터 운영까지 적용하는 원칙은 다음과 같습니다.

사용자가 실수로 위험하게 소프트웨어나 서비스를 사용해도 안전을 보장할 수 있도록 설계
취약성 및 오류 방지 관련 작업을 더 신속하고 효율적으로 할 수 있는 개발자 커뮤니티
공격을 받을 때도 일관성을 유지하는 속성을 기반으로 소프트웨어를 개발하여 복원력을 강화
위와 같은 기본 속성을 대규모로 검증할 방법 마련

병원이 도입하는 기술은 반드시 '보안 기본 설계와 기본 기술' 요건을 갖추어야 합니다. 이러한 기술은 유지 보수, 업그레이드, 패치, 필요한 경우 교체가 쉬워야 합니다. 또한, 이미 복잡한 환경에 더 많은 복잡성을 더해도 안 됩니다. 공격을 받은 후나 공격 중에도 안전하게 작동해야 합니다. 이러한 기술을 만드는 사람들은 보호 조치를 처음부터 적용해야 앞서 소개한 요건을 충족할 수 있다는 것을 압니다

2. 위협, 대응책, 성공 사례 정보 공유

정보 공유는 의료 부문의 보안 확보에 중요한 요소입니다. 의료 부문은 위협 정보 외에 다양한 보안 정보를 수집해 공유할 수 있는 더 나은 메커니즘이 필요합니다. 여기에는 선진 사례와 모범 사례 등이 포함되어야 하며 침해 탐지와 대응에 실패한 사례에 대한 정보도 필요합니다.

구글은 더 나은 정보 공유 메커니즘이 자리를 잡도록 돕기 위해 Health ISAC을 비롯해 10개 이상의 중요 인프라 부문을 아우르는 여러 정보 공유 및 분석 센터와 파트너십을 맺고 있으며 앞으로 더 큰 노력을 기울일 예정입니다. 구글은 Health ISAC 및 SCC(Sector Coordinating Council) 같은 기관들이 본연의 역할인 정보 공유를 더 잘할 수 있도록 지원하고 싶습니다.

구글은 병원과 의료 기관에 필요한 협업 및 보안 제품을 대부분 무료 또는 큰 폭으로 할인해 제공할 것입니다.

정보 공유의 장애물도 없애야 합니다. 더 많은 조직이 정보 공유 수준을 높여야 합니다. 단순히 정보를 수용하는 것만으로는 충분하지 않습니다. 조직적이고 신속한 정보 공유와 검증할 수 있는 대응은 성공적인 방어와 취약한 방어의 차이를 만들 수 있습니다.

3. 구글의 보안 도구를 병원에 제공

구글은 병원과 의료 기관에 협업 및 보안 제품을 대부분 무료 또는 큰 폭으로 할인한 비용으로 제공할 것입니다. 관심이 있다면 rural-health@google.com.으로 이메일을 보내주시기를 바랍니다. 참고로 본 내용은 미국의 지역 의료 기관에 한정된 것입니다.

구글이 의료 기관에 제공할 제품이 무엇인지 알아보겠습니다.

Chrome Enterprise Browser & ChromeOS: 이 두 제품은 다른 브라우저와 운영체제 조합보다 더 강력한 보안을 제공합니다. 이들 제품은 의료 시스템이 인터넷상에 있는 자원이나 내부 기술 자원에 안전하게 접근할 수 있도록 도와줍니다.

Google Workspace Enterprise Essentials Plus: HIPPA 준수를 지원하는 구글 워크스페이스는 Docs, Slides, Sheets, Drive 등의 생산성 도구와 Gmail, Chat 등의 메시징 애플리케이션, Cloud Identity Premium 같은 신원 증명 기반, 데이터를 안전하게 보호하기 위한 고급 보안 도구를 갖춘 협업 플랫폼입니다. 구글 워크스페이스를 사용하면 관리자, 임상의, 환자는 더 간편하고 효과적으로 소통할 수 있고, 소통 과정과 내용은 강력한 보안을 통해 안전하게 보호됩니다.

4. 교육을 통한 사이버 보안 전문성 향상

또한, 구글은 더 많은 사이버 보안 전문가를 양성해야 한다고 믿습니다. Google.org 보조금은 대학교와 대학의 사이버 보안 클리닉을 지원하여 지역 사회의 농촌 및 소외된 병원을 지원합니다. 구글은 미국의 25개 사이버 보안 클리닉에 2,500만 달러를 지원할 예정입니다.

이외에도 사이버 보안에 중점을 둔 학생과 교직원을 지역 사회에 배치하여 IT 시스템을 더 잘 보호할 수 있도록 돕는 대학과 대학교에 추가 클리닉을 설립하는 것을 지원하고 있습니다. Eastern Washington University, Massachusetts Institute of Technology, Rochester Institute of Technology, Tougaloo College, Turtle Mountain Community College, University of Texas 등의 학교가 이러한 프로그램을 통해 소규모, 소외된, 농촌 의료 시스템 및 공중 보건 기관을 보호하는 데 힘쓰고 있습니다.

교육 및 훈련 노력을 지원하기 위해 맨디언트 아카데미(Mandiant Academy) 프로그램 과정을 제공하고 있습니다.

구글 클라우드와 맨디언트는 의료 산업과 의료 기관에 각종 물품과 서비스를 제공하는 파트너의 보안 강화를 지원하는 프로그램을 제공합니다.

맨디언트 교육 및 훈련 과정

교육과 훈련은 농촌 및 소외된 병원과 클리닉의 보안 강화에 필수입니다. 교육과 훈련 노력을 지원하기 위해 구글은 맨디언트 아카데미 프로그램 과정을 제공합니다.

구글은 Health ISAC에 20개의 온디멘드 교육 과정을 무료로 제공합니다. 또한, Health ISAC에 10개의 공공 강사 주도 교육 과정에 대한 크레딧을 제공합니다. 교육 과정을 마치면 사건 대응 및 위협 인텔리전스 인증을 받을 수 있습니다.

또한, 맨디언트 아카데미의 세 가지 인기 과정 할인 혜택도 제공할 예정입니다.

AIM for Health ISAC: 맨디언트는 Health ISAC와 협력해 AIM(Applied Intelligence Mentorship)을 제공합니다. 맨디언트 인텔리전스의 AIM 프로그램은 4주간의 집중 멘토링으로, 직접적인 코칭과 실습으로 숙련된 사이버 위협 인텔리전스(CTI) 전문가를 양성합니다.
ThreatSpace: 맨디언트 컨설팅은 사고 대응 팀이 현실적인 APT 수준의 공격에 대비하여 기술을 연마할 수 있도록 돕는 몰입형 교육인 ThreatSpace를 제공합니다.
Digital Forensics and Incident Response Bootcamp: 이 과정은 10일 일정으로 진행되는 부트캠프로 위협 행위자와 칩입 시나리오에 대응하기 위한 기본적인 조사 기술을 학습합니다. 8일간의 교실 학습 후, 학생들은 2일간의 실습으로 적의 활동과 국가 수준의 위협에 대응하는 과정을 경험합니다.

교육과 훈련 과정 제공은 시작에 불과합니다. 구글은 여러 조직을 위해 기술 및 서비스 관련 무료 및 할인 제공을 준비하고 있습니다. 더 자세한 내용은 rural-health@google.com으로 문의 바랍니다.

aside_block: <ListValue: [StructValue([('title', '구글 클라우드 CISO 커뮤니티에 참여하세요.'), ('body', <wagtail.rich_text.RichText object at 0x7fbc36c30520>), ('btn_text', '자세히 알아보기'), ('href', 'https://rsvp.withgoogle.com/events/ciso-community-interest?utm_source=cgc-blog&utm_medium=blog&utm_campaign=2024-cloud-ciso-newsletter-events-ref&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

Google Cloud의 보안 관련 최신 소식

Here are the latest updates, products, services, and resources from our security teams so far this month:

Project Naptime, LLM의 공격 보안 능력 평가: 구글의 프로젝트 제로 보안 연구원들이 파운데이션 모델의 능력을 평가하여 테스트 방법을 개선한 결과 취약점 발견 능력이 상당한 수준으로 향상됨을 알 수 있었습니다. <더 알아보기>
하이브리드 배포가 PQC 전환 보안에 중요한 이유: 양자 암호화(PQC) 시대에서 하이브리드 배포의 장점을 탐구하고, 구글의 추천 이유를 분석하고, 하이브리드 체계를 구현하는 방법에 대한 지침을 제공합니다. <더 알아보기>
빈 의자, 사이버 보안 모의 훈련에 누가 빠졌을까요?: 모의 훈련은 조직이 사이버 공격에 대비하는 데 도움이 됩니다. 그러나 OT와 ICS 전문가를 초대하는 것을 잊지 않았나요? <더 알아보기>
번개처럼 빠른 의사결정, AI가 사이버 보안에서 OODA 루프의 영향을 강화하는 방법: 이사회에서 오랫동안 사용되어 온 OODA 루프는 리더들이 더 나은, 더 빠른 결정을 내릴 수 있도록 돕습니다. AI를 활용해 OODA 루프를 더 효과적으로 만드는 방법을 소개합니다. <더 알아보기>
Cloud KMS Authkey로 리소스를 빠르고 효율적으로 암호화하기: CMEK 구성 효율을 높이기 위해 CMEK 키 제어 작업을 자동화하는 Cloud KMS Autokey를 살펴봅니다. <더 알아보기>

aside_block: <ListValue: [StructValue([('title', 'Learn something new'), ('body', <wagtail.rich_text.RichText object at 0x7fbc36c30670>), ('btn_text', '비디오 보기'), ('href', 'https://www.youtube.com/watch?v=J4Naxhm9y5g'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

위협 인텔리전스 소식

감추어진 스파이 활동, UNC3886 첩보 작전: 맨디언트는 UNC3886에 대한 새로운 연구를 발표하였습니다. 이 공격 그룹은 중국과 연관된 것으로 의심되는 사이버 스파이로 전 세계 주요 전략 조직을 표적으로 삼아왔습니다. <더 알아보기>

Google Cloud 생성형 AI 의료 분야 소식 발표

Wed, 17 Apr 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 3월 13일 Google Cloud 블로그(영문)에 게재되었습니다.

AI가 생활 곳곳에서 강력한 영향력을 발휘하고 있으며 의료 분야에서는 특히 더 큰 AI의 혜택을 누리게 될 것입니다. 의사와 간호사들은 이미 의료 기록 관련 작업에 AI를 활용하거나 의료 영상 작업에 AI를 사용하여 질병을 발견하는 등 다양한 방식으로 이 유능한 보조 도구를 사용하기 시작했습니다. 하지만 이는 궁극적으로 모두가 더 건강해지는 방향으로 나아가게 될 혁신적 여정의 시작에 불과합니다.

연구부터 실제 적용까지: Google Cloud 의료 AI 도구의 발전

Google Cloud에서는 의료 전문가의 업무 부담을 덜어주는 동시에 환자의 경험을 혁신할 수 있는 AI를 빌드하고 있으며, 이러한 사명을 더욱 빠르게 이행하기 위해 세 가지 중요한 발전 사항을 발표했습니다. 즉, 의료용 Vertex AI Search가 이제 MedLM 및 Healthcare Data Engine(HDE)과 통합되어 정식 버전으로 출시되었고, HDE를 전 세계에서 사용할 수 있게 되었으며, 고객이 테스트할 수 있도록 MedLM에 새로운 기능이 추가된다는 소식입니다.

달라진 점과 중요성:

시간을 절약할 수 있는 더욱 스마트한 의료 검색: 의료용 Vertex AI Search는 의료 전문가와 관련 직원들이 건강 기록과 의료 문서에서 핵심적인 정보를 찾는 방식을 크게 개선합니다. 의료 정보는 복잡한 어휘와 줄임말로 인해 기존 방식으로는 검색하기가 까다롭지만, 이 도구를 사용하면 뉘앙스까지 파악해 주므로 지능형 검색 한 번에 정보를 찾을 수 있습니다. 또한 의료 업종에 맞게 세밀하게 조정된 Google Cloud의 모델 제품군인 MedLM과의 통합에 힘입어, 의료용 Vertex AI Search는 환자 기록에 대해 질문하면 답변을 생성하는 방식으로 정보를 더 쉽게 찾고 이해할 수 있도록 해줍니다. 과중한 업무 부담에 시달리는 의료진을 위해 AI가 기록을 요약하고 알아야 할 정보를 정확히 찾아내 준다면 얼마나 많은 시간을 절약할 수 있을지 상상해 보세요. 시간 낭비를 줄일수록 환자에게 집중할 수 있는 시간을 더 많이 확보할 수 있습니다. (오늘부터 의료용 Vertex AI Search는 HDE와 통합 제공되며, 일부 사전 체험판 고객은 MedLM 통합을 이용하실 수 있습니다.)
대규모 언어 모델을 사용하면서 검색과 동시에 사실성까지 확보: Vertex AI Search는 조직의 데이터를 검색에 사용하며, 이 데이터를 바탕으로 생성형 AI 출력을 제공하여 할루시네이션이나 부정확한 응답의 위험을 줄입니다. 또한 이 도구는 정보의 내부 소스 원본을 인용하고 링크로 연결할 수 있으므로 사용자가 정보의 출처에 대해 확신을 갖게 됩니다.
의학적 이해도 심화: 이제 Vertex AI Search는 복잡한 의학 언어를 이해하도록 의료 분야에 맞게 조정 설계된 Google Cloud의 AI 모델 및 도구 제품군인 MedLM과 통합됩니다. 이 강력한 조합으로 의료진의 질문에 더욱 풍부한 맥락을 담은 답변을 제공합니다.
의료 전용 데이터 플랫폼 글로벌 서비스: 의료 및 생명과학 기업에서 의료 데이터를 더욱 유용하게 활용하는 데 필요한 플랫폼인 Healthcare Data Engine(HDE)을 이제 전 세계 국가에서 사용할 수 있습니다. HDE는 환자 데이터의 상호 운용 가능한 종단적 기록을 가능하게 하고 의료 업계 표준인 FHIR 형식으로 임상적 인사이트를 제공합니다. AI의 성능은 사용하는 데이터의 품질에 달려있는 만큼 이제 전 세계 기업에서 핵심적인 도구를 활용할 수 있게 된 것입니다.
더욱 간편하게 고품질 데이터 기반을 구축: HDE는 고객이 플랫폼에서 얻는 가치에 더 잘 부합하도록, 사용한 만큼만 지불하는 간소화된 가격 정책을 제공합니다. 또한 제품의 관리형 서비스 버전을 만들어 HDE를 더 쉽게 배포, 업그레이드, 관리할 수 있도록 했습니다. 그리고 데이터를 HDE로 더 쉽게 가져올 수 있도록 Google 연구팀과 협력하여 제품에 그래픽 매핑 인터페이스를 제공하는 새로운 데이터 매핑 도구인 Data Mapper를 도입했습니다.
Cloud 고객에게 Google 연구팀의 더 많은 성과 제공: 사전 고객 테스트를 위해 MedLM에 2가지 새로운 기능을 추가할 예정입니다. 첫째는 수술과 검사, 진단 관련 사용 사례를 위한 흉부 엑스레이 분류에 도움을 줄 수 있는 흉부 엑스레이용 MedLM이고 둘째는 Condition Summary라고 불리는 작업별 API로, 허용 목록에 추가된 고객에게 곧 제공될 예정입니다.

놀라움 그 이상: 이 기술을 통해 혁신을 이루고 있는 의료 분야 리더들

HCA Healthcare, Highmark Health, MEDITECH, Oscar Health, TELUS Health와 같은 조직에서 이미 Google Cloud의 생성형 AI 도구를 활용하여 의미 있는 변화를 주도하고 있습니다.

HCA Healthcare는 Google Cloud와 협력하여 문서화 프로세스를 간소화하고 의사와 간호사의 업무 부담을 덜어주고 있습니다. Highmark Health는 AI 기반 인사이트를 통해 가입자를 위한 맞춤형 의료 서비스 제공을 강화하는 방법을 모색하고 있습니다. MEDITECH는 데이터 검색 및 요약 기능을 개선하기 위해 전자건강기록(EHR) 시스템에 AI를 통합했으며, 현재 Google Cloud와 협업하여 임상의 업무의 핵심 지점에서 임상 문서의 자동 생성을 지원하고 있습니다.

한편, Oscar Health는 AI를 활용하여 혼란을 줄이고, 경험을 간소화하며, 소비자와 의료진의 만족도를 높이고 있습니다. 여기에는 청구 거부나 진료 의뢰와 같이 흔히 발생하는 갈등 지점을 비롯해 지금까지 의료 서비스 경험을 번거롭게 했던 프로세스를 간소화하는 것이 포함됩니다. 또한 TELUS Health는 강력한 데이터 기반과 검색 및 기타 생성형 AI 도구를 결합하여 의료 데이터를 활용해 전 세계 약 7천만 명을 지원하고 있습니다.

Vertex AI Search는 생명과학 기업에도 큰 영향을 미치고 있습니다. 중증 및 희귀 질환 환자의 삶을 변화시킨다는 사명을 지닌 글로벌 바이오 제약 회사 Insmed Incorporated는 2023년부터 Google Cloud와 협업을 통해 생성형 AI의 강력한 기능을 활용하면서 가장 긴요한 의약품을 개발하고 제공하기까지 걸리는 시간을 단축하고 효율성을 높이기 시작했습니다.

Insmed는 Vertex AI Search와 외부 데이터를 사용하여 생명과학 문헌의 검색을 지원하는, 널리 사용되는 무료 리소스인 PubMed의 사용 방식을 혁신했습니다. 일반적으로 질병이나 치료 분야 관련 정보를 검색하려면 사용자가 여러 개의 검색 결과를 살펴보는 데 상당한 시간이 걸립니다. 이제 Insmed 사용자들은 Vertex AI Search 지원 기능을 통해 가장 관련성이 높은 정보를 선별하고 독자가 찾고 있는 정보를 근거에 기반하여 요약해 주는 생성형 답변을 얻을 수 있습니다. 기존 검색 결과보다 훨씬 더 맞춤화된 결과를 얻을 수 있으며 여기에는 특정한 자료나 링크도 포함됩니다. 이러한 문맥에 따른 검색 접근 방식은 연구 및 개발 프로세스 전반에 걸쳐 효율성을 높일 수 있는 잠재력이 있습니다.

또한 Insmed의 마케팅 리서치 그룹에서는 Vertex AI Search를 사용하여 프레젠테이션 및 최종 연구 보고서에서 정보를 빠르게 검색, 요약하고 있습니다. 이제 팀에서는 특정 질문에 대한 답을 찾기 위해 방대한 양의 내부 데이터를 빠르게 선별하고 적절한 참고 자료를 간편하게 찾을 수 있습니다. Insmed는 시장 조사를 넘어 회사 전체의 모든 데이터를 사용하여 엔터프라이즈 검색을 가능하게 하는 개념 증명에 착수하고 있으며, 이는 Vertex AI Search를 기반으로 합니다.

이러한 사례는 생성형 AI가 이론적 장점을 넘어 의료 업계에서 실질적인 개선을 이루고 있음을 보여줍니다. 이러한 발전은 전 세계로 확산되면서 세계 곳곳의 의료 조직과 시스템을 혁신할 잠재력을 드러내고 있습니다.

가장 중요한 것에 집중하기

Google Cloud의 발전은 연구부터 실제 적용까지 의료진의 업무 부담을 덜어주고 환자 치료의 결과를 개선할 수 있는 가능성을 제시합니다. AI 기반 도구로 인간의 전문성을 지원함으로써 모든 사람이 맞춤형 데이터 기반 치료에 접근할 수 있고, 의료 전문가가 가장 중요한 일, 즉 환자의 건강을 돌보는 일에 진정으로 집중할 수 있는 미래에 한 발 더 다가갈 수 있습니다.

의료 분야에서 생성형 AI를 책임감 있게 개발하는 여정

Tue, 18 Jul 2023 05:00:00 +0000

* 본 아티클의 원문은 2023년 4월 14일 Google Cloud 블로그(영문)에 게재되었습니다.

의료 분야의 혁신은 과학적 엄격성, 인간의 통찰력, 연민을 통해 세상을 변화시키고 인류에게 희망을 가져다 줍니다. Google은 AI가 연구자, 의료 기관 등 보다 광범위한 생태계와 밀접하게 협업하여 이러한 변화에 기여할 수 있다고 믿습니다.

오늘은 이러한 이니셔티브의 놀라운 성과를 공유하고 Google의 의료 분야 대규모 언어 모델(LLM)인 Med-PaLM 2에 대해 제한적인 액세스 권한을 부여한다는 소식을 전해드립니다. 앞으로 몇 주 내에 Google Cloud의 선별된 고객 그룹에게 제한적인 테스트 목적으로 서비스가 제공됩니다. Google은 해당 고객들이 사용 사례를 탐색한 후 제공하는 의견을 토대로 이 기술을 안전하고 책임감 있으며 의미 있는 방식으로 활용할 방법을 조사할 계획입니다.

Med-PaLM 2는 Google의 LLM 기능을 활용하며 의료 업계와 협력하여 의료 관련 질문에 보다 정확하고 안전한 답변을 제공합니다. 그 결과 Med-PaLM 2는 LLM 최초로 미국 의사면허시험(USMLE) 양식 질문의 MedQA 데이터 세트에 대해 '전문' 응시자 수준의 성능을 발휘했으며 85% 이상의 정확도를 달성했습니다. 또한 AI 시스템 최초로 인도 AIIMS 및 NEET 의학 시험 질문으로 구성된 MedMCQA 데이터 세트에 대해 72.3%의 점수로 합격선을 넘었습니다.

Med-PaLM 2와 같은 업종별 맞춤형 LLM은 급성장 중인 생성형 AI 기술군의 일부이며 의료 서비스 경험을 크게 향상할 잠재력을 지니고 있습니다. Google은 고객과의 협력을 통해 어떻게 Med-PaLM 2가 풍부하고 유익한 토론을 촉진하고, 복잡한 의료 관련 질문에 답변하며, 복잡하고 비정형 의료 텍스트에서 유용한 정보를 도출하는 데 사용될 수 있을지 파악할 수 있기를 기대합니다. 또한 고객들은 짧거나 긴 형식 답변의 초안 작성을 지원하고, 내부 데이터 세트 및 과학 지식 기관에서 얻은 문서와 유용한 정보를 요약하는 기능도 탐색할 수 있습니다.

AI를 활용한 책임감 있는 혁신

작년부터 Google은 Med-PaLM과 Med-PaLM 2를 연구하고 평가하면서 과학적 합의, 의학적 추론, 지식 회상, 편향, 잠재적 유해성 등 여러 기준에 대하여 다양한 배경 및 국가의 의료진과 비의료진의 평가를 받았습니다.

Med-PaLM 2가 의료 시험 양식의 질문에서 얻은 인상적인 성적은 미래가 기대되는 성과이지만 이 기술이 의료 분야 종사자, 연구원, 관리자, 환자들에게 어떻게 혜택을 줄 수 있을지 파악해야 합니다. Google은 Med-PaLM 2를 빌드하면서 안전성, 형평성, 불공정한 편향에 대한 평가에 초점을 두었습니다. Google Cloud의 선별된 고객에게 제한적으로 액세스를 제공하는 시도는 이러한 노력을 한 단계 더 발전시킨 것으로 의료 및 생명과학 생태계 전반의 전문성을 더할 중요한 발걸음입니다.

또한 Google Cloud는 제품에 새로운 AI 기술을 도입할 때 두 가지를 약속합니다. 즉 혁신적인 기술을 제공할 뿐 아니라 이러한 기술에 조직, 사용자, 사회를 위한 적절한 보호가 포함되도록 한다는 것입니다. 이를 위해 2017년에 마련된 AI 원칙은 첨단 기술 구축, 연구 수행, 제품 개발 정책 입안에 대한 Google Cloud의 접근 방식을 안내하는 '살아있는 기준'을 제시합니다.

AI에서 생성형 AI로

Google은 오랫동안 AI를 연구했기에 생성형 AI 기술과 관련된 작업에 정통합니다. 대규모 학습 데이터 세트에서 복잡한 관계를 발견한 후 학습한 내용을 일반화해 새로운 데이터를 생성할 수 있는 것입니다. Transformer와 같은 혁신 기술 덕분에 LLM을 비롯한 대규모 모델이 수십억 개의 매개변수로 확장됨에 따라 생성형 AI가 초기 AI의 제한된 패턴 추적 기능을 넘어 음성부터 과학적 모델링에 이르는 다양한 콘텐츠의 새로운 표현을 생성하는 단계에 진입했습니다.

Google Cloud는 Alphabet의 연구 노력이 반영된 제품을 시장에 선보이기 위해 노력하고 있습니다. 2022년에는 Google Cloud와 Alphabet의 AI 연구 조직을 긴밀하게 통합하면서 Vertex AI가 DeepMind의 획기적인 단백질 구조 예측 시스템인 AlphaFold를 실행하는 토대가 마련되었습니다.

그 외에도 다양한 기능이 공개될 예정입니다. 생성형 AI는 혁명적인 기술입니다. 그러나 또 한편으로는 컴퓨팅의 발전으로 데스크톱 퍼블리싱부터 인터넷, 소셜 네트워크, 모바일 앱에 이어 오늘날 생성형 AI에 이르기까지 새로운 산업이 형성된다는 새로울 것 없는 이야기일 수도 있습니다.

선도적인 AI 기술을 토대로 발전

아울러 오늘 Google에서는 의료 보험금 승인과 청구 처리 이전의 프로세스를 간소화기 위해 설계된 새로운 AI 기반 Claims Acceleration Suite를 발표합니다. Claims Acceleration Suite를 사용하는 의료 보험 제공업체와 의료 서비스 제공업체는 비정형 데이터를 정형 데이터로 전환하여 전문가의 의사 결정 속도를 앞당기고 시의적절하게 환자를 치료할 수 있도록 접근성을 개선함으로써 운영 효율을 높이고 관리 부담과 비용을 줄일 수 있습니다.

지난해에는 임상 분야에서 AI 지원 진단 기술인 Medical Imaging Suite를 발표했습니다. Hologic에서는 자궁경부암 진단의 개선을 위해, Hackensack Meridian Health에서는 전립선암 환자의 전이 예측에 이 제품을 사용하고 있습니다. 또한 Google은 Mayo Clinic과 두경부암의 치료를 개선하기 위한 AI 알고리즘에 대해 협력했습니다. 최근 Google Health는 AI를 사용한 유방암 검진 개선을 위해 iCAD와 협력하고 있습니다.

이밖에도 많은 사례를 통해 의료 업계가 AI를 테스트하는 단계를 벗어나 워크플로 개선, 비즈니스 문제 해결, 치료 속도 향상을 위해 AI를 배포하는 단계로 발전했음을 분명히 알 수 있습니다. 이를 고려하면 생성형 AI 기술에 대한 관심과 도입이 빠르게 증가할 것으로 기대됩니다. 의료 조직은 생성형 AI에 대해 배우고 이 기술을 어떻게 사용해야 실질적인 변화를 이끌어낼 수 있는지 알아보기를 원합니다.

향후 계획

Google Cloud는 AI를 활용해 개인 정보 보호, 보안, 투명성 향상을 위한 노력을 강화했습니다. Google Cloud의 플랫폼은 데이터 및 모델 계보 기능, 통합 보안 및 ID 관리 서비스, 서드 파티 모델 지원, 모델 및 비용에 대한 옵션 및 투명성, 통합 청구 및 사용 권한 지원, 여러 언어로 제공되는 지원 등을 포함하여 유연하게 설계되었습니다.

Google은 Med-PaLM 2와 같이 의료 분야에 초점을 둔 혁신적인 기술뿐만 아니라 모든 업종에 관련된 제품도 갖추고 있습니다. 지난달에는 Vertex AI의 생성형 AI 지원과 생성형 AI 앱 빌더를 포함해 Google Cloud에 도입될 여러 생성형 AI 기능을 발표했으며 이미 다수의 고객이 기능을 테스트하고 있습니다. 개발자와 비즈니스는 이미 Vertex AI를 사용해 머신러닝 모델과 AI 애플리케이션을 규모에 맞게 빌드 및 배포하고 있으며, 최근 Google은 Vertex AI에 생성형 AI 지원을 추가했습니다. 이를 통해 고객은 기반 모델을 자체 데이터에 맞춰 미세 조정할 수 있고, 생성형 AI라는 강력한 신기술을 활용하여 애플리케이션을 배포할 수 있습니다. 또한 Google은 조직이 대화형 AI 흐름을 즉시 사용 가능한 검색 환경 및 기반 모델과 연결하여 몇 분 또는 몇 시간 내에 자체 AI 기반 채팅 인터페이스와 디지털 어시스턴트를 빌드할 수 있는 생성형 AI 앱 빌더를 출시했습니다.

AI가 그 가치를 입증함에 따라 의료 및 생명과학 분야에서 고품질 데이터 수집과 선별에 대한 관심이 높아질 전망입니다. 의료 시스템 전반에서 데이터 흐름과 통합, 즉 데이터 상호 운용성을 개선하는 것은 AI 활용에서 가장 중요한 요소 중 하나이며 조직의 운영 효율성을 높이고, 환자 치료를 개선하며, 사람들이 보다 건강한 삶을 살 수 있도록 도와줍니다. 앞으로도 Google은 기술, 인프라, 데이터 거버넌스에 투자를 이어갈 것입니다.

Google은 의료 분야에서 생성형 AI 기술의 잠재력을 실현하기 위해 최선을 다하고 있습니다. 초기부터 신뢰할 수 있는 일부 의료 조직과 협업하여 이 기술로 무엇을 이룰 수 있고 어떻게 하면 기술이 안전하게 발전할 수 있는지에 대해 자세히 알아보고자 합니다. 생성형 AI에 대한 전망은 모두를 고무시키고, 겸허한 마음이 들게 하며, 기대감을 높이고 있습니다.

Cloud의 생성형 AI에 대해 자세히 알아보려면 신뢰할 수 있는 테스터 프로그램에 가입하거나 Google Cloud 영업 담당자에게 문의하세요.

Google Cloud Korea 헬스케어 뉴스레터 - 2022년 4월

Mon, 11 Apr 2022 00:00:00 +0000

Google Cloud Korea 헬스케어 팀에서는 매월 헬스케어 업계 고객을 위한 뉴스레터를 발송합니다.

Google 및 Google Cloud의 헬스케어 관련 제품 및 솔루션, 그리고 고객 사례를 이메일로 편하게 받아보고 싶으신 경우, 구독을 신청해주세요.

본 블로그 포스트에서는 2022년 4월호에 실린 내용을 소개합니다.

‘Google AI Propose a Deep Learning–based Algorithm to Improve Medical Ventilator Control for Invasive Ventilation

Google 은 딥러닝을 활용한 인공호흡기 시스템을 자동화하는 기술을 릴리즈 하였습니다. 인공 폐 신호로 기도압을 측정하고 기류에 필요한 조정을 계산하는 제어 알고리즘으로 작동하는 방식 입니다. 인공 폐의 신호로 기도압을 측정하고 그 값과 일치하기 위해 기류에 필요한 조정을 계산하는 제어 알고리즘을 설계하였습니다.

Healthcare Natural Language Processing

Google Cloud Healthcare NLP(Natural Language API)는 의료텍스트에서 유용한 정보를 도출하는 머신러닝 솔루션을 제공합니다. 해외 GIGAOM 에서 리뷰한 메이저 클라우드 3사의 Healthcare NLP 제품에 대한 벤치마크 테스트 결과를 확인하시기 바랍니다.

‘클라우드 정밀의료 병원정보시스템’ 의료분야 디지털대전

과학기술정보통신부·복지부, P-HIS 사업성과 및 정밀의료 빅데이터 구축·활용 비전을 공유하였습니다. 상급병원의 클라우드 전환이 가속화함에 따라 정밀의료 병원정보시스템이 앞으로 정밀의료 구현, 보건의료 빅데이터 구축, 의료 마이데이터 활용 등 의료서비스 혁신에 큰 역할을 하게 될 것 입니다.

Google I/O

Google I/O는 5월 11일부터 12일까지 생중계됩니다. Google의 신기술을 알아보실 수 있는 좋은 기회이니 등록하세요.

여기까지 Google Cloud Korea 헬스케어 팀이 준비한 2022년 4월 뉴스레터의 내용을 소개해드렸습니다.

다음 달에도 받아보고 싶으시면 지금 구독 신청을 해주세요.

Google Cloud Korea 헬스케어 뉴스레터 - 2022년 2월

데이터 상호 운용성의 개선이 생명을 살릴 것이라 기대하는 의사들

Fri, 07 Jan 2022 00:00:00 +0000

* 본 아티클의 원문은 2021년 7월 20일 Google Cloud 블로그(영문)에 게재되었습니다.

코로나19로 인해 전 세계가 팬데믹을 이해하고 퇴치해야 하는 과제에 직면하면서 의료 부문에서 데이터의 중요성이 새삼 확인되었습니다. 수십 년간 환자 데이터의 데이터 사일로 현상이 지속됨에 따라 의사와 요양보호사가 환자의 건강 상태를 제대로 파악하기 위해서는 여러 소스에서 다양한 정보를 찾아야 했습니다. 이러한 데이터 상호 운용성의 결여는 요양보호사의 업무 속도를 둔화시켰을 뿐만 아니라 최선의 치료를 제공하는 역량도 저해했습니다.

반면 의료 데이터의 상호 운용성에 대한 투자는 치료를 개선하여 생명을 구할 수 있는 많은 가능성을 열어줍니다. 의학 박사인 제가 기술 분야에서 경력을 쌓기 시작한 것도 이러한 이유가 한몫했습니다.

Google Cloud는 데이터 상호 운용성의 진정한 영향력을 이해하기 위해 The Harris Poll에 미국 전역의 300명이 넘는 의사를 대상으로 한 설문조사를 의뢰했습니다. 이번 조사에서는 의료 서비스 개선을 위한 기술 사용에 매진해온 전문가들조차 놀랄 만한 결과가 나왔습니다.

거의 모든 의사(96%)가 중요 정보에 대한 액세스가 쉬워지면 생명을 살리는 데 도움이 될 것이라는 데 동의했습니다. 95%는 데이터 상호 운용성이 향상되면 궁극적으로 환자의 치료 성과가 개선될 것이라고 응답했으며 86%는 진단 시간이 크게 단축될 것이라고 전망했습니다. 대다수의 의사(63%)가 많은 시간이 걸리며 번거로운 보고 시스템을 가장 큰 고충으로 지목했습니다. 거의 모든 의사(94%)가 소속된 의료 조직의 데이터 상호 운용성 개선에 우호적이었으며 데이터 상호 운용성 조치가 마련되어 있는 조직의 의사 가운데 95%는 상호 운용성 조치가 최상의 환자 치료를 제공하는 데 도움이 된다고 답했습니다.

이번 설문조사에서 확인된 4가지 주요 결과를 소개합니다.

의료 데이터 상호 운용성은 환자의 경험과 치료 성과를 개선합니다. 대다수의 의사(92%)가 기술이 환자의 경험을 개선하는 데 긍정적인 영향을 미칠 수 있다고 답변했습니다. 대부분의 의사가 데이터 상호 운용성이 향상되면 환자 진단 시간이 크게 단축되며(86%) 궁극적으로 환자의 치료 성과가 개선될 것(95%)이라고 내다봤습니다. 또한 의사들은 환자 데이터에 대한 액세스가 개선되면 환자와 보다 원활하게 소통하고(60%) 고위험군의 환자를 더 빠르게 식별하며(59%) 적절한 치료를 권할 수 있고(56%) 보다 정확하고(53%) 신속한(49%) 진단이 가능할 것이라고 답했습니다. 거의 모든 의사(96%)가 중요 정보에 대한 손쉬운 액세스가 생명을 살리는 데 도움이 될 것이라는 데 동의했습니다.

대다수의 의사가 운영 효율성이 향상되면 보다 맞춤화된 진료를 제공할 수 있다는 데 동의했습니다. 대부분의 의사(91%)가 소속된 의료 조직이 보다 효율적으로 운영되어 맞춤화된 진료를 제공할 수 있는 시간이 확보되기를 원했습니다. 90%가 넘는 의사가 환자 데이터를 치료 계획에 효율적으로 통합하는 능력이 협진에 중요하다고 답했으며(91%), (과도한 스크롤, 팝업, 수동 데이터 입력 등을 요하는) 비효율적인 전자 건강 기록 시스템의 사용이 양질의 진료를 제공하는 데 부정적인 영향을 미쳤다고 응답했습니다(92%). 대부분의 의사(90%)가 환자의 의료 기록을 검토/업데이트하는 시간을 5%만 줄여도 보다 맞춤화된 진료를 제공할 수 있을 것이라고 답했습니다.

의사들은 비효율적인 보고 시스템으로 인해 어려움을 겪고 있습니다. 대다수의 의사(63%)가 현재 의료 조직에서 겪는 가장 큰 고충으로 번거롭고 시간이 많이 걸리는 보고 시스템을 꼽았습니다. 의사들은 일반적으로 환자의 의료 기록을 검토하거나 업데이트하는 데 매일 평균 4시간을 사용하며 10명 중 1명에 육박하는 9%는 환자의 의료 기록 업데이트에 매일 10시간 이상을 할애한다고 답했습니다. 대다수가 동일한 환자/임상 데이터를 여러 시스템에 입력해야 하는 경우가 많고(62%) 여러 건강 기록 시스템 간에 전환하는 데 지나치게 많은 시간이 든다(68%)고 생각합니다.

사실상 설문조사에 참여한 모든 의사들이 상호 운용성에 우선순위를 두어야 한다고 입을 모았습니다. 거의 모든 의사(94%)가 의료 기관의 데이터 상호 운용성 개선에 우호적이었으며 대다수(86%)는 상호 운용성 개선에 따른 이점이 잠재적 과제보다 훨씬 크다고 생각했습니다. 이미 데이터 상호 운용성 조치를 마련한 의사 중 거의 모두(95%)가 최상의 환자 치료를 제공하는 데 이러한 조치가 도움이 된다고 답했으며 4명 중 1명(26%)은 매우 큰 도움이 된다고 답했습니다. 이를 통해 의료 기관이 당장 데이터 상호 운용성에 우선순위를 두어야 한다고 답한 의사가 10명 중 9명 수준(87%)에 이르고, 높은 우선순위를 두어야 한다고 답한 의사도 5명 중 2명 수준(38%)에 달하는 이유를 알 수 있습니다.

CMS(Centers for Medicare & Medicaid Services)에서 규정한 상호 운용성 및 환자 데이터 액세스 관련 정책 및 규칙이 적용됨에 따라 의료 조직에서 적절한 기술을 구현하여 해당 정책을 지원하는 것이 그 어느 때보다 더 중요해졌습니다. Google Cloud는 Google Cloud Healthcare 상호 운용성 준비 프로그램을 통해 의료 및 생명과학 조직의 상호 운용성 전환 여정을 함께하며 궁극적으로 환자의 생명을 살리는 일에 기여한다는 데 자부심을 가지고 있습니다. 설문조사 결과를 요약한 인포그래픽을 다운로드하려면 여기를 클릭하세요.

^{설문조사 방법: Google Cloud의 의뢰로 The Harris Poll이 미국에서 2020년 6월 9일부터 2020년 6월 29일까지 해당 주에서 적절한 면허를 취득하고 환자를 진료하는 가정 의학과, 일반 진료 또는 내과 전문의 303명을 대상으로 온라인 설문조사를 실시했습니다. 버몬트에서 활동하는 의사들은 이번 설문조사에서 제외되었습니다. 이 온라인 설문조사는 확률 표본을 사용하지 않으므로 이론적 표본 오차 추정치를 계산할 수 없습니다.}

Lumiata, Google Cloud로 의료 업계 내 AI 대중화 실현

Tue, 06 Jul 2021 15:53:00 +0000

* 본 아티클의 원문은 2021년 4월 21일 Google Cloud 블로그(영문)에 게재되었습니다.

편집자 주: 이번 게시글은 의료용 AI 플랫폼인 Lumiata에 관한 내용입니다. Lumiata에서 어떻게 Google Cloud 기반 플랫폼으로 데이터 준비, 모델 빌드, 배포를 수행하여 의료 기관 고유의 과제를 해결하고 있는지 소개합니다.

의료 혁신을 위한 적기가 있다면 2020년이 바로 그런 해였습니다. Lumiata는 2013년부터 보다 스마트하고 비용 효율적인 의료 서비스를 제공한다는 사명을 실천해 왔습니다. 하지만 코로나19 팬데믹으로 인해 인공지능(AI)을 쉽고 접근 가능하게 만든다는 비전을 시급하게 실현할 필요성이 새로 생겼습니다. 의료 조직에서 사용하면 좋은 기술 정도였던 AI가 이제는 필수적으로 갖춰야 할 요소로 바뀌었습니다. 만성질환이나 동반질환으로 인해 입원해야 할 가능성이 높은 집단을 식별할 수 있다면 위험에 대한 계획 또는 평가가 얼마나 달라질지 상상해 보세요.

Lumiata AI Platform은 의료 기관에서 예측 분석 기능을 직접 빌드할 필요 없이 AI를 사용해 의료 품질을 개선하고 위험을 최소화하며 비용을 절감하도록 도와줍니다. Lumiata는 의료 기관에서 최신 기술을 활용해 대량의 데이터에서 유용한 정보를 도출하고 궁극적으로 환자에게 더 나은 진료를 제공할 수 있도록 지원하고 있습니다.

AI 우선 접근 방식을 취하는 Lumiata는 변화하는 고객 니즈를 충족하기 위해 새로운 시도를 감행했으며 Google Cloud 인프라를 통해 솔루션을 신속하게 실험하고 개발할 수 있습니다(AI 제공을 위해 Google Cloud를 선택한 이유를 다룬 이전 게시글 참조).

고객이 원하는 것: 속도와 접근성이 우수한 AI

AI는 무한대에 가까운 수의 실용적인 애플리케이션으로 의료 기관에 막대한 기회를 제공합니다. AI는 스위치만 켜면 작동하는 솔루션이 아닙니다. 적절하고 목적에 맞게 빌드된 솔루션을 구현해야만 데이터에서 정확하고 유용한 정보를 도출할 수 있습니다.

의료 업계에서 AI는 차세대 기술이지만 혁신이 더디게 이루어지는 경우도 있습니다. Lumiata의 도움을 받고 있지 않은 많은 조직이 해결해야 할 문제를 파악했음에도 불구하고 데이터 준비에서 모델 빌드 및 배포에 이르기까지 AI 운영에 어려움을 겪고 있습니다. 수준 높은 데이터 과학팀을 구성하는 것만으로는 부족합니다. 프로젝트를 배포하려면 속도, 유연성, 복원력이 우수한 인프라를 마련해야 합니다. 의료 AI 프로젝트는 종종 고차원 데이터의 복잡성, 이를 단순화하는 데 필요한 작업, 엔지니어링팀에서 AI를 제품화하는 데 필요한 작업에 대한 이해 부족으로 인해 난항을 겪습니다. 또한 성공을 위해 필요한 변화를 설득하기 어려울 때도 많습니다.

더군다나 의료 기관은 약속한 결과를 제공하기 위한 지속적 개선과 피드백 루프가 결여된 폭포수(Waterfall) 모델로 기술을 구축하고 있습니다. AI의 투자 가치를 빠르게 입증하지 못한다면 시작하기도 전에 많은 프로젝트가 실패하고 말 것입니다.

Lumiata는 바로 이러한 문제를 해결해 줍니다. 고객이 몇 주 내로 빠른 쿼리와 정확한 AI 및 ML 기반 예측을 수행할 수 있는 역량을 갖추도록 돕는 것을 목표로 삼고 있습니다. AI 기반 통계와 예측을 생성하기에 충분한 의료 데이터가 확보되어 있으나 기존 시스템에 갇혀 활용되지 못하는 경우가 많습니다. 또한 모든 요소를 직접 구축할 수 있는 리소스를 가지고 있지 않은 조직도 많습니다. Lumiata는 큰 부담 없이 머신러닝을 활용하길 원하는 의료 기업에 코딩이 거의 필요 없는 Google Cloud 기반의 데이터 모델링 도구와 솔루션이 포함된 예측 제품을 제공하고 있습니다. 이 제품을 사용하면 조직은 이러한 기능을 자체적으로 구현할 팀이 없더라도 모델을 시작하고 실행할 수 있는 역량을 갖추게 됩니다.

Google Cloud를 선택한 이유는 보안 인프라, 직관적인 AI 도구, 멀티 클라우드 애플리케이션 관리 기술 때문이었습니다. Google의 서버리스 데이터 웨어하우스인 BigQuery를 사용하면 방대한 양의 데이터에 액세스할 수 있습니다. Google Cloud Dataflow와 Apache Beam을 사용해 데이터 수집 및 추출 프로세스를 구축하여 이질적인 환자 기록과 데이터 세트를 조인하고 정규화하고 있습니다. 전체 시스템이 Google Kubernetes Engine을 기반으로 빌드되어 인프라 요구사항에 맞게 빠르게 확장할 수 있으며 Kubeflow가 머신러닝 파이프라인의 개발과 제공을 도와줍니다.

또한 Google Cloud의 완전 관리형 서비스 덕분에 인프라 구축 및 운영에 대해 고민할 필요가 없습니다. 대신 고객을 위한 업무와 고객의 데이터 니즈를 처리하는 데 리소스를 투자하고 있습니다.

Lumiata가 고객에게 AI 솔루션을 제공하는 데 있어 일반적인 ML 빌드 프로세스 단계별로 Google Cloud가 어떤 도움을 주는지 살펴보겠습니다.

1.원시 입력부터 360도 보기에 이르는 데이터 준비

의료 기관은 상호 운용성이 부족한 정보 데이터 사일로 때문에 사용 가능한 데이터와 통계의 총량을 제대로 파악하지 못하는 경우가 많습니다. 모든 개인의 건강 기록에 대한 포괄적인 종단적 개인 레코드(LPR)를 보유한 기업이 거의 없는 실정입니다.

머신러닝과 관련해서는 대부분의 시간을 데이터 정리 및 준비에 사용하고 있습니다. 이는 속도가 더디고 무척 많은 시간이 걸리는 작업입니다. 또한 빠르게 작업을 처리해야 하지만 온프레미스 환경에서 작업하면 충분한 탄력성을 얻지 못합니다. 클라우드만이 AI용 데이터 준비를 지원할 용량을 확보하고 있습니다.

그래서 Lumiata는 정리되지 않은 원시 데이터를 가져와 머신러닝용으로 완벽하게 준비된 데이터로 변환해 주는 데이터 준비 프로세스를 만들었습니다. 데이터 관리 파이프라인이 환자의 이질적인 원시 데이터 세트를 수집하여 Lumiata Person360 레코드로 변환합니다. BigQuery와 Dataflow를 사용해 원시 데이터 덤프를 수집하고 기존 또는 합성된 식별자와 연결하며 약물, 수술, 진단 코드, 검사 결과를 바탕으로 검증, 정리, 정규화합니다. 이후 데이터를 단일 개인 레코드와 연결하고 해당 레코드와 관련된 질병 코드로 태그를 지정합니다.

Lumiata의 자동화된 파이프라인을 통해 매우 빠른 속도로 데이터를 가져오며 Google Cloud의 확장성 덕분에 방대한 양의 데이터 세트도 원활하게 처리할 수 있습니다. 예를 들어 6,300만 개의 개인 레코드(약 2.5테라바이트의 데이터)를 가져와 전체 데이터 관리 파이프라인을 통해 실행하는 데 4시간이 채 안 걸렸습니다.

의료 기관에서는 보호 건강 정보를 다루고 건강 보험 이동성 및 책임법(HIPAA) 규정을 준수해야 하므로 Lumiata에서는 항상 최고 수준의 보안과 규정 준수를 반드시 갖추어야 합니다. 이를 위해 전체 플랫폼의 단일 테넌트 인스턴스를 자체 Kubernetes, 네트워킹, 버킷, BigQuery 테이블, 서비스가 포함된 자체 Google Cloud Platform 프로젝트로 배포하고 있습니다.

2.데이터 모델 학습 부담 해소

모델을 빌드하는 데 있어 가장 어려운 문제는 다양한 데이터 소스에 대한 투명한 액세스를 지원하는 인프라를 개발하는 것입니다. 인프라 설정에는 시간과 리소스가 필요하며 광범위한 데이터 표현, 아키텍처, 데이터 품질을 관리하는 방식을 결정할 때 복잡성이 생겨나는 경우도 많습니다. 분석해야 할 데이터가 증가할수록 ML 파이프라인도 계속 확장되어야 한다는 점에서 복잡성이 한층 더 가중됩니다. Lumiata는 궁극적으로 고객이 기본 인프라에 대해 염려하지 않기를 바랍니다.

Kubernetes와 Kubeflow를 사용해 방대한 양의 데이터 세트를 지원할 수 있는 확장형 ML 파이프라인과 딥 러닝 아키텍처를 구축하고 있습니다. Lumiata 플랫폼은 Person360 환자 레코드로부터 수백만 개의 입력 변수(머신러닝 특성)를 도출하여 이를 1억 1,000만 개에 달하는 자체적인 내부 구성원 데이터 애셋과 조합합니다. 이렇게 얻은 데이터를 복잡한 데이터 모델 학습에 사용하여 비용, 위험, 발병, 의료 사고를 예측합니다.

또한 Google AI Platform 덕분에 1억 2,000만 개의 레코드에서 도출한 대규모 학습 데이터 세트를 사용해 손쉽고 빠르게 실험을 수행할 수 있게 되었습니다. 예를 들어 보다 전통적인 머신러닝(그래디언트 부스티드 결정 트리 등)에서 벗어나 140개가 넘는 질병에 대한 다중 예측이 가능하고 특정 시간 차원에 걸쳐 분석할 수 있는 대규모 딥 러닝 모델로 전환했습니다.

고객이 플랫폼에 데이터를 입력하여 첫 데이터 세트가 생성될 때까지의 속도에 그 실질적인 가치가 있습니다. 자동화된 머신러닝 파이프라인을 사용하면 첫 출력을 얻는 데 걸리는 시간이 몇 개월에서 몇 주로 단축됩니다. 예를 들어 1,100만 명이 포함된 특성 매트릭스로 모델을 학습시키는 데 걸리는 시간은 2시간 미만입니다. 분산 학습을 위해 인프라를 설정할 필요도 없어 시간이 낭비되지 않습니다.

3.프로덕션에 모델 배포 및 제공

복잡한 ML 모델의 제품화에는 많은 과제가 따릅니다. 모델을 학습시키고 배포 준비를 마친 후 조직의 새로운 사용 사례나 요구사항에 맞춰 모델 배포를 확장할 경우 일관성을 유지하기 어려울 수 있습니다.

Lumiata의 데이터 과학 및 머신러닝 엔지니어링팀에서는 Google AI Platform을 사용해 오프라인 실험(Kubeflow 외부)을 실행하기 때문에 팀원 한 명이 하루에 여러 실험을 진행할 수 있습니다. 제대로 작동하는 모델이 마련되면 Kubeflow에 배포하기 전에 학습 파이프라인, 선행 학습된 모델, 추론 파이프라인에 버전을 지정합니다. Lumiata AI Platform에서는 서버리스 분산 학습을 이용할 수 있어 데이터 과학자가 한 주에 더 많은 모델을 학습시킬 수 있으며 BERT 기반 딥 러닝 모델을 사용해 보다 신속한 진행이 가능합니다.

Kubernetes 및 Kubeflow를 기반으로 구축한 덕분에 고객에게 모델을 배포하고 제공할 수 있는 신속하고 확장 가능한 경로를 확보했습니다. Kubeflow의 재사용 가능한 구성요소 덕분에 처음부터 빌드할 필요 없이 확장할 수 있습니다. 모델 학습의 미묘한 차이, 미세 조정, 배포를 걱정할 필요가 없으며 고객이 데이터만 업로드하면 예측을 얻을 수 있습니다.

프로덕션에서 ML 및 AI 실행

AI 구현 간소화의 실질적인 효과는 아직 발견되지 않은 개선 가능성을 찾을 수 있다는 데 있습니다.

예를 들어 최근에는 약국 방문 데이터를 활용해 만성질환 관리를 개선하는 AI 기반 개입 도구인 Pharmacy Intelligence를 출시했습니다. 캐나다의 소매 약국 체인인 FGC Health와 제휴하여 치료 부족으로 인해 심혈관 합병증이 발병할 가능성이 있는 당뇨병 환자의 식별을 도왔습니다. 이 도구는 전문의 방문, 약물 용량 적정 또는 기존 약물 요법 조정과 같은 간단하고도 실행 가능한 개입을 추천합니다. AI를 사용해 일반적인 치료 부족 문제를 해결하는 것이 생명을 살리는 데 얼마나 효과적인지 잘 보여주는 사례입니다.

Lumiata는 Google Cloud가 자사 플랫폼의 핵심으로서 혁신 속도를 앞당겨 준다고 생각합니다. 이를 통해 보험금 청구액 무결성, 입원 및 재입원 예측, 맞춤 진료를 위한 질환 진행 지문 식별 등 새롭고 흥미로운 문제의 해결책을 제공하고 있습니다. 또한 의료 기관이 이미 보유하고 있는 정보를 새로운 방식으로 차세대 환자 치료에 활용하여 더 스마트하고 강력하며 효과적인 서비스를 제공하도록 돕고 있습니다.

Google Cloud로 제약 업계의 신속한 신약 개발을 지원하는 BenchSci

Fri, 19 Feb 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 1월 20일 Google Cloud 블로그(영문)에 게재되었습니다.

모든 스타트업은 비록 목표에 도달하는 방법에 대해 100% 확신하지 못하더라도 원대한 목표를 가져야 합니다. 캐나다의 바이오테크 스타트업인 BenchSci는 과학자가 환자에게 신약을 제공하는 속도를 2025년까지 50% 높인다는 목표를 세우고 있습니다. BenchSci는 2015년에 설립된 이래로 공개 데이터 세트, 연구 자료, 독점 고객 데이터 세트 등 광범위한 카탈로그를 마이닝함으로써 과학자들이 보다 나은 실험을 계획할 수 있도록 돕는 플랫폼을 구축해 왔습니다. 이 플랫폼은 전적으로 Google Cloud를 기반으로 하며 Google Cloud의 다양하고 심층적인 기능을 통해 목표를 향해 나아갈 수 있었습니다.

제약 R&D는 비효율적일 수 있으므로 BenchSci는 이러한 목표를 빨리 추진하고자 했습니다. 예로 임상전 연구를 살펴보면, 한 연구에 따르면 임상전 연구 비용의 절반 정도가 낭비되는 것으로 추정되는데, 이는 미국에서만 연간 282억 달러 규모이며 세계적으로는 486억 달러에 달합니다¹. BenchSci의 추정에 의하면 임상전 연구 낭비의 36.1%가 과학자의 부적절한 시약(생명과학 실험에서 사용하는 항체 등의 물질) 사용에서 기인합니다.

이에 따라 BenchSci는 첫 제품으로 AI 지원 시약 선택 도구를 만들었습니다. 이 도구는 관련 과학 논문과 시약 카탈로그를 수집하고, 수집된 데이터에 독점 머신러닝 모델을 적용하여 관련 데이터 포인트를 추출하며, 추출된 결과를 과학자들이 사용하기 쉬운 인터페이스를 통해 검색할 수 있게 해줍니다. 과학자는 기존 실험 증거를 바탕으로 특정 시약이 해당 실험에 적합한지 여부를 미리 빠르게 판단할 수 있으므로 실질적인 결과물을 낼 가능성이 가장 높은 실험에 집중할 수 있어 환자들에게 새로운 치료제를 더욱 빠르게 제공할 수 있습니다.

이 모든 과정이 바로 Google Cloud에서 이루어집니다. 먼저 논문, 자료, 제품 카탈로그, 의학 및 생물학 데이터베이스, 기타 데이터를 수집하여 Cloud Storage에 저장합니다. 그런 다음 Dataflow, BigQuery 등의 도구에서 구축한 파이프라인을 사용하여 데이터에서 유용한 정보를 정리 및 추출합니다. 다음으로 BenchSci의 머신러닝 알고리즘으로 데이터를 처리하고 그 결과를 Cloud SQL과 Cloud Storage에 저장합니다. 과학자는 Google Kubernetes Engine(GKE), Cloud Load Balancer, IAP(Identity-Aware Proxy), Cloud CDN, Cloud DNS, 기타 서비스에 구축된 웹 인터페이스를 통해 결과에 액세스할 수 있습니다. 마지막으로 여러 클라우드 프로젝트, IAM, 코드형 인프라를 사용하여 데이터 보안을 유지하고 각 고객을 격리된 상태로 유지합니다. 이렇게 함으로써 운영 하드웨어를 비롯하여 가장 전문화된 R&D 인프라를 제외한 일체의 것을 유지할 필요가 없어졌으며 관리 오버헤드도 크게 줄어들었습니다.

또한 Google Cloud의 관리형 서비스와 손쉽게 확장 가능한 영구 컨테이너 및 VM을 함께 사용함으로써 최소한의 관리로 새 기능을 프로토타입으로 제작하고 테스트한 뒤 출시할 수 있게 되었습니다.

BenchSci의 니즈에 따라 Google Cloud도 함께 확장했습니다. 3년 동안 BenchSci에서 분석하는 데이터의 양은 엄청나게 증가했으며 BigQuery 및 Cloud SQL 등으로 전환하면서 상당 부분의 운영 오버헤드가 사라졌습니다. BigQuery의 유연성 덕분에 텍스트 처리 ML 파이프라인의 주요 단계를 처리할 수 있었으며 Cloud SQL의 안정성 덕분에 원활한 데이터 액세스가 가능했습니다.

시간이 지남에 따라 데이터 처리 파이프라인도 진화했습니다. 관리형 Hadoop 서비스인 Dataproc으로 시작했지만 결국에는 Apache Beam을 사용하는 Dataflow에서 이 시스템을 다시 작성했습니다. Dataflow를 통해 수백 테라바이트를 처리할 수 있으므로 기본 인프라 관리보다는 비즈니스 로직 구현에 집중할 수 있습니다.

최근 BenchSci는 비공개 데이터 세트를 지원하도록 플랫폼을 확장했습니다. 처음에는 모든 고객에게 동일한 기본 공개 데이터를 다양한 뷰로 제공했지만 시간이 지나자 일부 고객이 자신의 독점 약학 데이터를 BenchSci 시스템에 포함할 수 있는지 문의했습니다. BenchSci에서는 시스템 간에 프로젝트를 엄격하기 격리하는 멀티테넌트 시스템을 관리하는 대신 GKE와 Config Connector를 활용하여 고객 각각의 데이터에 맞는 고유한 환경을 제공하므로 팀에 대한 운영 관련 요구사항이 증가하지 않습니다.

요약하자면 Google Cloud 덕분에 컴퓨팅 인프라 및 서비스의 구축과 운영에 신경 쓰지 않고 문제 해결에 집중할 수 있었습니다. Google Cloud 기반 운영으로 BenchSci는 앞으로도 더욱 성장할 수 있을 거라는 자신감을 얻었습니다. 더 많은 양의 폭넓은 데이터 소스를 수집하고, ML 알고리즘으로 각 데이터 단위에서 더 많은 정보를 추출하며, 더욱 광범위하고 독점적인 데이터를 처리하고, 다양한 인터페이스 모음 및 액세스 포인트를 통해 광범위한 고객 니즈를 충족할 수 있기 때문입니다. BenchSci의 목표는 여전히 야심 차지만 Google Cloud와 함께라면 실현 가능하다고 생각합니다.

Google Cloud 기반의 의료 및 생명과학 솔루션에 대해 자세히 알아보기

^{1. https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002165}