귀사의 AI 매칭 도구는 중심정맥관과 심장 카테터 삽입술을 구분하지 못합니다. 그것이 하루 80만 달러의 비용을 발생시키고 있습니다.

온톨로지 기반 매칭은 Tempus나 IQVIA가 이미 제공하는 것과 어떻게 다릅니까?

Tempus Patient Query와 IQVIA의 매칭 도구는 대규모 언어 모델을 사용해 임상 기록을 읽고 시험 기준에 대한 관련성을 점수화합니다. 이는 단순한 기준에는 잘 작동하지만 온톨로지적 구분에서는 무너집니다. 프로토콜이 "심장 카테터 삽입술"을 제외하고 환자 기록에 "중심정맥관 삽입"이 언급될 때, 벡터 유사도로 작동하는 LLM은 심혈관계와 관련된 두 개의 카테터 시술을 보고 매칭으로 표시합니다. SNOMED-CT 기반 시스템은 이것들이 시술 위계의 완전히 다른 분기에 위치함을 인식하고(SCTID 41976001 vs. 392230005) 환자를 올바르게 적격으로 판정합니다.

실질적 차이는 스크린 실패율에서 나타납니다. LLM 기반 매칭은 일반적으로 잘 구조화된 기준에서 85~94% 정확도를 달성하지만, 복잡한 온톨로지적 구분, 시간 로직, 또는 예외 조항이 있는 프로토콜에서는 70~80%로 떨어집니다. 온톨로지 기반 매칭은 모든 기준 유형에서 95% 이상의 정확도를 유지하는데, 이는 적격성 판단이 언어 모델에 의해 예측되는 것이 아니라 기호 추론기에 의해 계산되기 때문입니다.

또 다른 구조적 차이는 감사 가능성입니다. LLM은 관련성 점수를 생성합니다. 우리 시스템은 추론 추적을 생성합니다: 환자는 SCTID X를 가지고 있고, 기준은 SCTID Y가 아닐 것을 요구하며, SNOMED 위계상 X는 Y의 하위 유형이 아니므로, 따라서 적격. 그 추적이 바로 규제 업무 팀이 FDA 제출 문서에 필요로 하는 것입니다.

이것이 환자 데이터를 외부 API로 보내지 않고 기존 EHR 시스템과 통합될 수 있습니까?

예, 그리고 이것은 사후 고려가 아니라 핵심 아키텍처 원칙입니다. neuro-symbolic 아키텍처는 신경망 계층(엔티티 추출용 LLM)과 기호 계층(지식 그래프 및 논리 솔버)을 분리합니다. 둘 다 귀사의 방화벽 내에서 완전히 실행될 수 있습니다.

LLM 추출 계층은 로컬 모델로 배포되며, 일반적으로 귀사 인프라 또는 보안 프라이빗 클라우드 인스턴스에서 실행되는 미세조정된 임상 언어 모델입니다. 원시 환자 텍스트를 외부 API로 절대 보내지 않습니다. 지식 그래프(Neo4j 또는 동등 제품)와 SNOMED-CT 온톨로지는 온프레미스에 위치합니다. FHIR R4가 입력 표준입니다. Epic 환경의 경우, 우리는 App Orchard를 통해 제공되는 FHIR R4 엔드포인트에 맞춰 구축하여 Patient, Condition, Procedure, MedicationAdministration 리소스를 가져옵니다. Oracle Health(Cerner)의 경우, 통합은 Millennium FHIR API를 사용합니다.

추출 계층은 임상 기록을 로컬에서 처리하고, 엔티티를 SCTID에 매핑하며, 기호 추론기는 프로토콜 기준에 대해 적격성을 평가합니다. 보호 대상 건강 정보는 귀사의 보안 환경을 절대 떠나지 않습니다. 우리는 첫날부터 HIPAA BAA 준수를 위해 아키텍처를 설계하며, 여기에는 감사 로깅, 최소 필요 접근 통제, 그리고 시스템 간 이동이 필요한 모든 데이터에 대한 비식별화 기능이 포함됩니다.

이것은 어떤 치료 영역에 적용되며, 온톨로지 설정에는 얼마나 걸립니까?

SNOMED-CT가 350,000개 이상의 의학 개념을 포괄하므로 이 아키텍처는 모든 치료 영역에 적용됩니다. 변수는 온톨로지 깊이, 즉 귀사의 특정 프로토콜에 대해 얼마나 많은 도메인별 매핑, 동의어, 위계적 관계가 사전 구성되어 있는가입니다.

종양학은 우리가 대부분의 계약을 시작하는 곳인데, 기준이 가장 복잡하기 때문입니다: 바이오마커 요건(PD-L1 발현 수준, BRCA1/2 변이 상태, EGFR 변이), 병기 시스템(TNM, AJCC 8판), 시간 제약을 포함한 이전 요법 이력, 그리고 수행 능력 점수. 상위 50개 바이오마커, 200개 이상의 치료 요법, 표준 병기 시스템을 포괄하는 프로덕션 준비 종양학 온톨로지를 구축하고 검증하는 데 6~8주가 걸립니다.

심혈관과 CNS가 그다음으로 가장 흔합니다. 심혈관 온톨로지는 시술 위계(심장 카테터 삽입술 구분은 수십 가지 중 하나일 뿐), CYP 효소 경로를 통한 약물 상호작용 체인, 그리고 사이트별 참조 조정을 포함한 검사 수치 범위에 초점을 둡니다. CNS는 주관적 평가변수 처리와 인지 평가 점수 매핑을 추가합니다.

희귀질환은 초희귀 질환에 대한 SNOMED 커버리지가 빈약할 수 있어 기술적으로 가장 까다롭습니다. 우리는 Orphanet 온톨로지 매핑으로 보완하고 그래프로 다시 피드백되는 맞춤형 개념 확장을 구축합니다. 희귀질환 치료 영역의 설정은 8~12주가 걸립니다. 각 온톨로지는 가동 전 귀사 시험 포트폴리오의 실제 프로토콜 기준에 대해 검증됩니다.

이것은 현대 시험 프로토콜의 복잡한 "단(unless)" 및 "예외(except)" 조항을 어떻게 처리합니까?

이것이 결정론적 로직이 확률론적 언어 모델보다 가장 분명하게 앞서는 지점입니다. 표준 NLP는 적격성 기준을 해석되어야 할 텍스트로 취급합니다. 우리는 그것을 계산되어야 할 형식 논리로 취급합니다.

실제 기준 하나를 봅시다: "고혈압이 있는 환자를 제외하되, 안정적인 약물로 최소 3개월 잘 조절된 경우는 예외." LLM은 "고혈압"이라는 단어를 보고 문맥으로부터 제외할지 결정해야 합니다. 대부분 이를 정확히 해내지만, "대부분"이라는 것은 모든 시험에서 적격 환자를 놓친다는 뜻입니다.

우리 파서는 이를 의무 연산자로 분해합니다. 금지: 고혈압 존재. 허용 조건: 고혈압 AND 조절됨(프로토콜 정의에 따라 BP 140/90 미만) AND 안정적 약물(동일 항고혈압 요법) AND 시간 제약(3개월 이상 지속). 그런 다음 시스템은 지식 그래프에서 환자의 약물 이력을 쿼리하고, 항고혈압제를 식별하며, 처방 시작일을 확인하고, 스크리닝 날짜 대비 지속 기간 차이를 계산하며, 관찰 기간 내 혈압 측정값을 검증합니다. 각 단계는 검증 가능한 출력을 생성합니다.

동일한 로직이 "신보조 요법이 6개월 이전에 완료된 경우가 아니면 이전 항암화학요법 없음" 같은 체인을 요법 의도 속성(신보조 vs. 보조 vs. 완화), 종료일, 시간 차이를 확인함으로써 처리합니다. 이것들은 예외적 사례가 아닙니다. IQVIA 데이터에 따르면 프로토콜은 이제 평균 27개 이상의 적격성 기준을 가지며, 다수가 중첩된 조건을 포함합니다. 프로토콜당 잘못 처리된 예외 조항 하나가, 스크리닝된 수백 명의 환자에 걸쳐, 수십 건의 모집 손실로 누적됩니다.

일반적인 계약은 어떤 모습이며, 플랫폼 라이선스 대비 비용은 얼마입니까?

일반적인 계약은 14~20주에 걸쳐 세 단계로 진행됩니다. 1단계(3~4주)는 모집 운영 감사입니다: 우리는 현재 스크린 실패율을 분석하고, EHR 데이터 환경을 매핑하며, 귀사 시험 포트폴리오의 대표 프로토콜 10~15개를 검토하고, 가장 많은 위양성과 놓친 매칭을 유발하는 특정 기준 유형을 식별합니다. 이 단계는 기술 아키텍처 문서와 귀사의 실제 데이터 기반 ROI 모델을 제공합니다.

2단계(8~12주)는 구축입니다: 귀사의 우선순위 치료 영역에 대한 온톨로지 개발, 귀사의 임상 기록 패턴에 대한 LLM 미세조정, 지식 그래프 구축, 기호 추론기 구성, 그리고 귀사 EHR 환경과의 FHIR 통합. 3단계(3~4주)는 검증입니다: 모집 결과가 알려진 완료된 시험에 대한 후향적 테스트, 정확도 벤치마킹, 그리고 코디네이터 워크플로 통합.

비용은 범위에 따라 다릅니다. 하나의 EHR 통합을 포함한 단일 치료 영역 구축은 일반적으로 18만~35만 달러입니다. 다중 치료 영역 또는 다중 사이트 배포는 온톨로지 폭과 통합 복잡성에 따라 확장됩니다. 비교하자면, Tempus와 IQVIA 플랫폼 라이선스는 연간 20만~50만 달러 이상이며 그 위에 환자당 또는 시험당 수수료가 붙습니다.

근본적인 경제적 차이는 소유권입니다. 플랫폼 라이선스는 벤더 종속이 있는 반복 지출입니다. 맞춤형 구축은 귀사가 소유하고, 유지하고, 확장하는 자산입니다. 연간 20개 이상의 시험을 운영하는 조직의 경우, 맞춤형 구축은 일반적으로 18개월 이내에 플랫폼 라이선스 대비 손익분기점에 도달하며, 귀사의 특정 프로토콜 복잡성에 맞춰진 매칭 정확도라는 추가 이점이 있습니다.

이것은 FDA 승인이 필요합니까, 아니면 CDS 면제에 해당합니까?

여기서 관련 프레임워크는 FDA의 2026년 1월 업데이트된 임상 의사결정 지원(CDS) 지침입니다. 핵심 질문은 시스템이 자율적인 임상 결정을 내리는지 아니면 인간의 의사결정을 지원하는지입니다.

우리 아키텍처는 21세기 치유법(21st Century Cures Act) 제3060조에 따른 CDS 면제를 위해 설계되었습니다. 시스템은 네 가지 면제 기준을 모두 충족합니다: 의료 영상이나 신호를 획득, 처리, 또는 분석하려는 의도가 아니며; 권고의 근거(전체 추론 추적)를 표시하고; 독립적 검토 역량을 가진 의료 전문가를 위한 것이며; 적격성 판정에서 임상적 판단을 대체하지 않습니다.

실제로 이것은 시스템이 신뢰도 점수와 추론 추적을 포함한 순위가 매겨진 환자-시험 매칭을 출력함을 의미합니다. 사이트 코디네이터 또는 임상연구 담당자가 환자 접촉 전에 각 매칭을 검토합니다. 시스템은 절대 자동 등록하지 않습니다.

그렇지만 CDS 범위에 대한 FDA의 해석은 계속 변화하고 있습니다. 귀 조직이 인간 검토 없이 환자를 자동으로 제외하기 위해 매칭 출력을 사용할 계획이라면, 시스템은 510(k) 승인 또는 De Novo 분류가 필요한 의료기기 영역으로 넘어갈 수 있습니다. 우리는 설계 단계 초기에 FDA의 디지털 헬스 우수센터(Digital Health Center of Excellence)와 협력할 것을 권장합니다. 우리는 CDS 면제 정당화, 의도된 사용 진술서, 임상 평가 보고서를 포함한 규제 문서를 1단계의 표준 산출물로 구축합니다.