이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Risa는 종양학 의료 워크플로우를 자동화하기 위해 4개의 특화된 AI 에이전트를 DAG 구조로 연결하여 인간 개입 없는 엔드투엔드 처리를 구현했다. Ingestion, EV, Medical Reasoning, Submission 에이전트가 순차적으로 데이터를 처리하며, LLM을 활용해 비정형 문서를 구조화하고 임상 가이드라인에 따라 의료적 필요성을 판단한다. 이 시스템은 20개 이상의 병원에서 수천 건의 보험 승인 요청을 매시간 처리하며, 수백 명의 의료 인력이 수행하던 업무를 효율적으로 대체한다.
챕터별 상세
Risa의 종양학 워크플로우 자동화 소개
Risa는 종양학 의료 워크플로우를 자동화하기 위해 4개의 특화된 AI 에이전트를 DAG 구조로 연결했다. 각 에이전트는 특정 단계를 처리하고 결과를 다음 에이전트로 전달하여 인간 개입 없이 엔드투엔드 처리를 수행한다. 이 시스템은 20개 이상의 병원에 배포되어 10만 명 이상의 환자를 지원한다.
사전 승인(Prior-auth) 프로세스
사전 승인(Prior-auth) 프로세스는 주문 접수, 자격 확인, 주문 결정, 승인 요청, 제출 및 문서 업로드의 5단계로 구성된다. Risa는 이 과정에서 인간 개입을 최소화하고 예외적인 경우에만 인간이 개입하도록 설계했다. 자동화된 에이전트들이 대부분의 일상적인 업무를 처리한다.
4개 에이전트로 구성된 DAG 구조
시스템은 Ingestion, EV, Medical, Submission 에이전트가 DAG 구조로 연결되어 있다. 각 에이전트는 독립적인 결정을 내리고 결과를 다음 단계로 전달한다. 이 구조는 복잡한 의료 워크플로우를 효율적으로 자동화한다.
보험 포털과 API 파편화 문제
보험 포털과 API는 파편화되어 있어 정보 접근이 어렵다. Risa는 통합 서비스를 구축하여 다양한 소스에서 데이터를 정규화하고, 결정 엔진을 통해 자동화 가능한 케이스를 선별한다. 이 접근 방식은 수작업을 줄이고 처리 효율을 높인다.
EV 에이전트의 보험 자격 확인
EV 에이전트는 환자의 보험 자격과 보장 범위를 확인한다. API가 있는 경우 API를 호출하고, 없는 경우 포털을 자동화하여 표준화된 결과를 도출한다. 이 결과는 보장 내용, 환자 부담금, 보험 활성화 여부를 포함한다.
LLM을 활용한 데이터 추출
LLM은 비정형 의료 문서에서 환자 세부 정보, 약물, 진단을 추출한다. 추출된 데이터는 과거 기록과 대조되어 중복 작업을 방지한다. 이 과정은 데이터의 정확성을 높이고 처리 시간을 단축한다.
다중 데이터 소스 결합
다중 데이터 소스를 결합하여 신뢰도 높은 의사결정을 도출한다. 임상 노트, 승인 편지, 보험 규칙 데이터베이스를 통합하여 의사결정의 정확성을 높인다. 이 방식은 단일 소스보다 높은 신뢰도를 제공한다.
의료적 필요성 에이전트
의료적 필요성 에이전트는 임상 가이드라인과 보험 규칙을 기반으로 치료의 적절성을 평가한다. 복잡한 가이드라인을 단순한 예/아니오 기준으로 분해하여 환자 데이터와 대조한다. 신뢰도 점수에 따라 자동 진행 여부를 결정한다.
쿠버네티스 기반 제출 자동화
제출 에이전트는 쿠버네티스에서 100개 이상의 브라우저를 병렬로 실행하여 보험 포털에 양식을 제출한다. 각 포털의 양식에 맞게 자동으로 탐색하고 임상 질문에 실시간으로 답변을 생성한다. 이 시스템은 시간당 수천 건의 제출을 처리한다.
자동화 성과 및 결론
Risa의 자동화 시스템은 20개 이상의 병원에서 10만 명 이상의 환자를 지원한다. 결정론적 체크, 다중 소스 증거, 자가 치유 자동화, 추론 레이어를 통해 효율성을 극대화한다. 이 시스템은 의료 워크플로우의 자동화 가능 범위를 지속적으로 확장한다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 07. 20.수집 2026. 07. 20.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
