생성 AI를 통한 공중 보건의 변곡점

[힘힘]

생성 AI를 통한 공중 보건의 변곡점

2024년 2월 28일| 기사

작성자: Steve Davis , Saumya Singh , Nikhil Srinidhi 및매트 윌슨

공유하다

인쇄

다운로드

구하다

공중 보건 조직은 생성 AI를 책임감 있게 사용하여 서비스 제공을 개선하고, 발병 대비를 강화하고, R&D를 가속화하고, 지역 사회의 건강 결과를 향상시킬 수 있습니다.

다운로드

기사(10페이지)

1796년 세계 최초의 백신 개발을 시작으로 역사 전반에 걸쳐 과학적 혁신은 공중 보건에 큰 발전을 가져왔습니다.11928년 페니실린 발견.2가장 최근에는 공중 보건 생태계가 약 300일 만에 안전하고 효과적인 코로나19 백신을 개발하기 위해 막대한 노력을 동원하고 실행했습니다(일반적으로 10년 이상 소요되는 일정과 비교).삼) 약 2년 만에 전 세계적으로 70% 이상의 커버리지를 달성했습니다.4

이제 기술 혁신, 즉 생성 AI(gen AI)는 공중 보건 및 의료 분야에서 강력하고 새로운 발전을 가져올 수 있습니다. Gen AI는 다음을 수행하는 공중 보건 조직의 능력을 향상시킬 수 있는 잠재력을 가지고 있습니다.

• 다양한 커뮤니티의 환자 및 사람들과 교류하세요. 그 예로는 보다 효율적인 개인화된 문의 응답, 향상된 챗봇 성능, 빠르고 신뢰할 수 있는 정보에 대한 향상된 액세스 등이 있습니다.
• 간결한 통찰력을 종합하세요. 많은 양의 정보를 수집하고 통찰력을 정제하면 의사 결정을 개선하고 시간을 절약할 수 있습니다. 예를 들어 보조금 작성 및 검토를 가속화할 수 있습니다. Gen AI는 제약 및 의료 제품 R&D에서 15~20%의 생산성 향상을 가져올 것으로 예상되며, 이러한 이점 중 상당 부분은 규제 제출을 가속화하는 임상 연구 보고서 초안을 자동으로 작성함으로써 얻을 수 있습니다.5이는 전 세계 결핵 R&D에서만 약 1억~2억 달러를 절약할 수 있습니다.6
• 더욱 맞춤화된 콘텐츠를 만들어 보세요. 예를 들어, Gen AI를 사용하여 텍스트, 이미지 및 기타 미디어의 초안을 작성하고 편집하면 보다 효율적인 콘텐츠 생성을 통해 공공 참여 지출을 5~15% 절감할 수 있습니다.7McKinsey 분석에 따르면 2021년 미국 연방 정부의 백신 관련 캠페인 지출에 적용하면 연간 8,500만 달러에서 3억 달러 사이의 비용 절감 효과를 얻을 수 있다고 합니다.8
• 코드 생성 및 업데이트의 효율성을 높입니다. 생성적 AI 기반 도구는 개발자가 수동 및 반복 작업을 신속하게 처리하고, 첫 번째 코드 초안을 빠르게 시작하고, 코드 완성을 지원하고, 기존 코드에 대한 업데이트를 가속화하고, 새로운 과제를 더 쉽게 해결할 수 있도록 지원함으로써 엄청난 생산성 향상을 가능하게 합니다(예: 개발자가 신속하게 익숙하지 않은 코드 베이스나 언어를 다시 살펴보세요.)

Gen AI는 제약, 의료 기기, 산업 분야의 다양한 기능에 점점 더 많이 적용되고 있습니다.9그리고 헬스케어 분야.10의료 기관(예: 치료 제공 기관, 연구실, 지불자)과 제약, 생명 공학, 의료 기기 제조업체 외에도 다양한 공중 보건 이해 관계자가 Gen AI의 긍정적인 효과를 경험할 수 있습니다. 여기에는 정부 공중 보건 관련 기관 및 정책 입안자(예: 연방, 주, 지방, 부족, 자치령 기관 및 건강 정보 교환 기관)가 포함됩니다. 기부자 및 다자간 기관; 구현 파트너(비정부, 지역사회 기반, 신앙 기반 조직) 연구원(대학 및 제품 개발 파트너).

그러나 올바른 세대의 AI 파일럿을 구현하는 것뿐만 아니라 파일럿 규모에 따라 가치를 유지하려면 위험 관리, 변경 관리 및 기술 구축에 동시에 초점을 맞춰야 합니다. 공중 보건 이해관계자를 위한 Gen AI의 뚜렷한 잠재력과 기타 관련 산업과의 관련성을 고려하여 우리는 명확한 사용 사례(전시)가 있는 4가지 공중 보건 영역을 식별했습니다. 서비스 제공 및 운영; 탄력성, 준비성 및 발병 대응; 제품 연구개발; 데이터 및 기술 지원자, 인재 지원자, 정책 및 표준을 포함한 공중 보건 활동의 기초. 이 문서에서는 이러한 각 공중 보건 영역에서 Gen AI의 잠재적 사용 사례, Gen AI를 채택하는 조직에 대한 고려 사항, 완화 및 관리해야 할 공중 보건 관련 위험, 시작을 위한 팁을 간략하게 설명합니다. (책임있게 사용하는 방법을 포함하여 Gen AI에 대한 개요는 McKinsey의 기사 "모든 CEO가 Generative AI에 대해 알아야 할 사항"을 참조하세요.11)

전시하다

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

공중 보건 분야의 Gen AI 사용 사례

가장 인기 있는 통찰력

1. 2024년 주요 M&A 트렌드: 차세대 거래의 성공을 위한 청사진
2. 생성 AI의 경제적 잠재력: 차세대 생산성 개척지
3. CEO 여정: 모든 단계에서 성공 찾기
4. 조직의 건강은 (여전히) 장기적인 성과의 핵심입니다
5. 소비자: 더 적게 구매하기 위해 더 많이 지출

공중 보건 지도자들은 공중 보건과 관련된 위험 및 구현 고려 사항을 설명하면서 인접 산업의 혁신과 투자로부터 학습함으로써 이익을 얻을 수 있습니다. 공중 보건에 인접한 두 분야인 생명 과학 및 민간 부문 의료 서비스 제공은 이미 Gen AI 기회를 포착하고 고유한 위험을 완화하는 방법을 고려하기 시작했습니다. Gen AI는 제약 및 의료 제품 산업에서 전 세계 산업 수익의 3~5%, 즉 전 세계적으로 600억~1,100억 달러의 생산성 향상을 제공할 것으로 예상됩니다.12Gen AI는 다른 많은 산업보다 의료 분야의 생산성에 더 큰 영향을 미칠 가능성이 높습니다.13개인 지불자, 병원 및 의사 그룹은 잘 표현된 사용 사례와 새로운 채택을 갖고 있습니다.14

새로운 기술 제공과 업계 혁신이 이러한 노력을 뒷받침하고 있습니다.15예를 들어, Epic과 Microsoft는 UC San Diego Health, 위스콘신의 UW Health, Stanford Health Care를 포함한 여러 의료 시스템과 제휴하여 온라인 포털의 환자 메시지에 대한 응답 초안을 자동으로 작성하는 도구를 개발했습니다.16의료 및 생명 과학을 위한 Gen AI의 빠른 혁신 속도는 글로벌 공중 보건 생태계가 초기 사용 사례에서 빠르게 적응하고 학습할 수 있음을 시사합니다. 세계보건기구(WHO)와 같은 공중 보건 기관의 AI 설계, 개발, 훈련, 검증, 재훈련 및 배포에 대한 최근 공중 보건 관련 지침17국내 및 국제 당국은 이러한 초기 사용 사례의 안전한 확장을 보장하는 데 도움을 줄 수 있습니다. 2023년 12월에 발표된 유럽 연합 AI법과 미국 보건복지부(HHS)의 AI 투명성 규제 규정은 공중 보건 기관의 사용 사례에 더 많은 보호책을 추가했습니다.18

공중 보건 지도자들은 인접 산업에 대한 혁신과 투자를 통해 학습함으로써 이익을 얻을 수 있습니다.

서비스 제공 및 운영 간소화

Gen AI는 일선 공중 보건 및 지역 사회 보건 종사자를 위한 서비스 제공 및 운영을 간소화하고, 관리 부담을 줄이고, 공급망 효율성을 최적화하며, 다양한 지역 사회와의 효과적이고 맞춤형 참여를 보장할 수 있습니다. 이러한 세대 AI 애플리케이션 중 일부를 다른 자동화 기술과 결합하여 채택하면 의료 종사자의 생산성이 15~40% 증가할 수 있습니다.19이는 127개 저소득 및 중간 소득 국가(LMIC)의 약 2,500만~3,500만 명의 의료 종사자를 위해 약 70억~260억 시간의 업무 능력을 제공할 수 있습니다.20자연어 처리의 혁신을 효과적으로 구축하는 Gen AI 강화 도구를 사용하여 다음을 수행할 수 있습니다.

• 중요한 공중 보건 주제에 대한 원활한 대화에 대중을 참여시키세요(예: 백신 추가 접종을 위한 인근 장소 찾기). 2023년 8월 공평한 인공 지능(AI) 사용을 촉진하는 그랜드 챌린지 수혜자 48명 중 66%가 일종의 챗봇과 관련된 Gen AI 기반 프로젝트를 배포했습니다.21
• 의사, 간호사, 의사, 기타 의료 종사자를 위한 맞춤형 교육 콘텐츠와 시뮬레이션을 개발하여 필요에 맞게 맞춤화하세요. 예를 들어, 교육은 지역, 사용 언어, ​​전문 분야, 인구 통계에 따라 맞춤화될 수 있습니다.
• 연구, 초안 작성 및 보조금 신청 조정의 속도와 품질을 개선하여 보조금 작성을 가속화합니다. 개발된 데모 프로토타입의 경우, 특정 보조금의 일부 섹션 초안을 작성하기 위해 Gen AI 기술을 사용하는 한 국가의 보조금 작성 팀이 15~25주를 절약할 수 있는 것으로 추정되었습니다.22이 기술은 국가 전략 계획과 같은 배경 문서를 종합하여 보조금 컨텍스트 섹션의 첫 번째 초안을 준비할 수 있습니다.
• 과거 글로벌 건강 캠페인의 효과를 평가하고 향후 캠페인을 위한 콘텐츠와 자료를 자동으로 생성합니다. 예를 들어, Gen AI 애플리케이션은 질병을 완전히 제거하기 위해 말라리아에 대한 인식과 예방을 높이는 것을 목표로 하는 Zero Malaria 캠페인과 같은 대규모 공중 보건 활동을 위한 맞춤형 메시지를 생성하는 데 도움이 될 수 있습니다. 2021년에 이 캠페인은 약 14억 명에게 도달했으며 2,400만 건 이상의 디지털 상호 작용을 생성했습니다.23AI 세대와 출력 확인을 위한 인간의 지원을 받아 빠르게 생성된 맞춤형 메시징은 캠페인의 도달 범위와 참여도를 향상하고 말라리아 퇴치 목표를 더욱 발전시킬 수 있습니다.

탄력성, 대비성, 발병 대응 강화

Gen AI, 그리고 더 광범위하게 AI는 공중 보건 탄력성, 준비 및 발병 대응 전반에 걸쳐 광범위한 사용 사례를 지원할 수 있습니다. 얼리 어답터 사용 사례에는 GPT-4를 사용하여 역학 데이터, 임상 기록 및 연구 문헌을 분석 및 해석하여 발병을 예측하거나 의료 대응을 가속화하는 것이 포함되었습니다.24한편 농부들은 AI에 최적화된 도구를 사용하여 아픈 동물의 사진을 업로드하여 조언을 받고 위험을 평가하고 있으며, AI가 제공하는 핫스팟 지도는 보건 당국이 잠재적인 인수공통병 발병을 더 잘 모니터링하는 데 도움이 됩니다.25

Gen AI는 다음을 포함하여 더 광범위한 공중 보건 탄력성 전략과 밀접하게 일치하는 애플리케이션에도 적용될 수 있습니다.

• 진행 중인 백신 접종 캠페인 중 백신 접종 장소 전체의 일일 사후 검토 보고서에서 구조화되지 않은 텍스트를 합성합니다.
• 합성 데이터 생성26역학 모델 훈련을 강화하고 공중 보건 위협 예측을 개선합니다.
• 여러 데이터 소스(예: 열 매핑 및 위성 이미지)의 이미지를 처리하여 수차를 표시하고 시뮬레이션을 생성하여 폐수 감시를 강화하여 잠재적인 미래 질병을 예측합니다.27

대규모로 적용하고 공중 보건 비상 상황에 처할 경우 Gen AI 사용 사례의 위험을 추가로 평가해야 할 수도 있습니다. 발병 대응과 관련된 사용 사례에 Gen AI를 사용하려면 투명성과 문서화는 물론 데이터 품질에 대한 엄격하고 지속적인 평가가 더욱 강조되어야 합니다(예: 위의 일일 사후 검토 보고서 합성에 대한 사용 사례).

제품 R&D 가속화

생명과학 기업은 출시 기간을 단축하기 위해 R&D 가치 사슬 전반에 걸쳐 AI(세대 AI 포함)에 수억 달러를 투자하고 있습니다. 예를 들어, 제품 R&D와 관련된 Gen AI 사용 사례에는 다음이 포함될 수 있습니다.

• 임상 연구 보고서 및 시험 프로토콜의 기타 일반적인 기술 문서와 표, 목록 및 그림을 포함하여 80% 정확한 제출물에 대한 초안 문서 생성을 자동화합니다.
• 임상 시험 관리자가 진행 중인 시험에서 운영 병목 ​​현상을 더 빠르고 쉽게 해결할 수 있도록 지원
• 의료 작가들이 규제 지침의 통찰력을 바탕으로 고품질의 건강 평가 설문지 응답 초안을 작성할 수 있도록 지원
• 기존 및 새로운 작용 메커니즘에 대한 적응증 식별 및 우선순위 지정 지원

전 세계 공중 보건 이해관계자들은 이러한 발전을 바탕으로 HIV, 말라리아, 결핵과 같은 전 세계의 주요 건강 부담을 안고 있는 질병을 보다 효과적으로 해결하기 위한 기회를 갖게 되었습니다. 예를 들어 Gen AI는 중개 연구에서 얻은 통찰력을 종합하는 데 사용될 수 있습니다.28다양한 LMIC 상황에서 생물의학 연구 논문을 이해하고 요약하여 세계 보건과 가장 관련성이 높은 논문을 식별하고(예: BioGPT 사용) 임상 연구 보고서 생성을 가속화합니다. 또한 제품 R&D에서 Gen AI 사용 사례는 새로운 병원체에 대한 백신 개발에 걸리는 시간을 단축하려는 100일 미션과 같은 공동 글로벌 공중 보건 노력을 지원할 수 있습니다.29

공중보건 활동을 위한 기반 구축

Gen AI는 데이터, 기술, 기술 인재의 잠재력을 최대한 활용하고 표준 채택을 가속화함으로써 공중 보건 활동과 의사 결정을 더욱 광범위하게 강화할 수 있습니다. 예를 들어, 정부 공공 보건 기관에서는 예산 제약으로 인해 고품질의 기술 인재를 유치, 유지 및 교육하는 것이 어려운 경우가 많습니다.30

Gen AI를 사용하면 개발자의 생산성이 최대 50% 향상되고 교육 및 개발을 지원할 수 있습니다.31다른 산업에서는 이미 gen AI를 사용하여 개발자가 코드를 작성하고 번역하는 데 도움을 주고 있으며, 공중 보건 조직은 기술 개발을 가속화하기 위해 이를 기반으로 구축할 수 있습니다.

얼리 어답터 사용 사례에는 다음이 포함될 수 있습니다.

• Gen AI 프로그래머 지원 및 코드 완성 도구(예: OpenAI Codex, AlphaCode, Codegen 및 GitHub Copilot)를 사용하여 페어 프로그래밍을 가속화하세요. 예를 들어, 한 연구에서 Copilot을 사용하는 소프트웨어 개발자는 도구를 사용하지 않는 개발자보다 작업을 56% 더 빠르게 완료했습니다.32
• AI 기능을 기존 건강 소프트웨어 시스템에 통합하여 유용성을 개선하거나 보다 효율적이고 빠르게 만듭니다.
• 반복적인 HR 작업을 지원하기 위해 대량의 비정형 데이터를 처리하는 등 관리 작업을 자동화하여 수동 부담을 줄입니다.

공중 보건에서 Gen AI를 시작하는 5가지 단계

많은 공중 보건 조직은 임무에서 Gen AI의 미래 잠재력을 인식하고 학습과 투자를 시작하기를 원하지만 어디서부터 시작해야 할지, 위험을 관리하는 방법, 빠르게 변화하는 이 분야를 탐색하는 방법을 파악하는 데 어려움을 겪고 있습니다. 비즈니스 파트너와 마찬가지로 정부, 다자간, 비정부 조직 전반의 공중 보건 리더는 특정 상황과 조직 준비 상태에 따라 필요에 따라 조정하여 Gen AI에 대한 순차적이고 구조화된 접근 방식의 이점을 누릴 수 있습니다.33

기존의 전략적 우선순위를 향상시키는 영향력이 큰 사용 사례를 식별합니다.

기관과 가장 가까운 협력 파트너의 광범위한 공중 보건 임무를 근본적으로 가능하게 할 수 있는 "가능한 기술" 세대 AI 사용 사례를 광범위하게 고려하는 것은 가치 있는 활동입니다. 그러나 기존의 단기 전략 우선순위를 가장 효과적으로 발전시킬 수 있는 "등대" 사용 사례의 작은 하위 집합(아마도 1~3개)을 신속하게 파악하는 것도 중요합니다.

공중 보건 예산은 다양한 우선 순위와 자금 조달의 연간 변동 가능성을 충족해야 합니다. 예를 들어, 미국 질병통제예방센터(CDC)는 2023년 연방 부채 한도 협상으로 인해 자금을 약 13억 달러 삭감하기로 결정했습니다.342010년부터 2020년까지 미국의 주 공중보건부에 대한 지출은 17% 감소했습니다.35결과적으로 이러한 기관은 우선 순위와 예산에 대해 어려운 선택을 하기 때문에 Gen AI 파일럿이 측정 가능한 효율성으로 이어지는 방법과 전략적 우선 순위 제공의 개선에 초점을 맞추면 대규모 Gen AI 구현을 위한 비즈니스 사례를 구축하는 데 도움이 될 수 있습니다. 공중 보건 기관과 기부자들은 비용이 AI 세대에 대한 초기 작업을 방해할 수 있다고 우려합니다. 실제로 기초 모델을 처음부터 구축하는 것은 대부분의 공중 보건 기관 및 기부자에게 엄청난 비용이 들 수 있습니다. 대신, 공중 보건 조직은 업계의 발전을 활용하여 비용을 관리하고 공중 보건에 미치는 영향을 측정하는 동시에 시작할 수 있습니다. 2024년 1월 현재 공중 보건 분야의 얼리 어답터 대부분은 대규모 언어 모델을 내부 데이터 및 시스템과 통합하여 더욱 맞춤화된 결과를 생성하는 "셰이퍼" 또는 코딩과 같은 특정 틈새 사용 사례에 대한 "수용자"를 선택했습니다. 채팅 인터페이스나 API를 통해 공개적으로 사용 가능한 모델(사용자 정의가 거의 또는 전혀 없음)을 사용합니다.36

또한 Gen AI 사용과 관련된 위험을 완화하는 데 필요한 노력과 같은 기타 타당성 고려 사항은 조직이 잠재적인 Gen AI 사용 사례 목록을 체계적으로 선별하는 데 도움이 될 수 있습니다. 예를 들어, 한 대규모 다자간 공중 보건 조직은 내부 사용자가 서로 다른 문서 저장소에 저장된 구조화되지 않고 분류되지 않은 정보를 쉽게 쿼리 및 합성하고 지역, 건강 유형별로 필터링할 수 있도록 세대 AI 기반 지식 기반에 대한 개념 증명을 개발하고 있습니다. 비상사태, 자원, 제약. 대중을 대상으로 하거나 환자를 대상으로 하는 모든 작업에 Gen AI를 구현할 위험이 상대적으로 높다는 점을 고려하여 조직은 내부 대상 사용 사례의 우선순위를 정하는 것부터 시작하기로 결정했습니다.

Gen AI 구현을 위한 조직 준비 상태 평가

공중 보건 조직은 현재의 기술과 역량이 초기에 개념 증명을 지원하고 최종적으로는 완전한 규모의 구현을 지원할 수 있는지 평가할 수 있습니다. Gen AI 사용 사례를 개발하고 이를 완전히 확장하려면 조직은 올바른 데이터, 기술 및 인재 역량을 갖추어야 합니다. Gen AI는 공중 보건 환경에서 흔히 발견되는 비정형 데이터를 처리할 수 있다는 점에서 다른 형태의 AI에 비해 고유한 이점을 제공합니다. 따라서 데이터 관점에서 Gen AI 파일럿을 시작하는 것이 상대적으로 쉬울 수 있지만, 공중 보건 조직은 여전히 ​​전사적 롤아웃(예: 전 세계에 걸쳐 사용자 교육)을 지원하기 위해 적절한 역량 구축 및 위험 완화가 있는지 확인해야 합니다. 신속한 엔지니어링을 위한 조직).

예를 들어, 미국의 한 대규모 공중 보건 기관은 현재 내부 AI 태스크 포스를 집중하여 Gen AI 투자를 최대한 활용하기 위해 배치해야 하는 직원과 기술 인프라를 정의하고 있습니다. 2023년 9월 현재, 여러 미국 주 정부(예: 캘리포니아, 캔자스, 펜실베이니아)는 주 공중 보건 기관을 포함하여 Gen AI의 사용 및 채택을 관리하는 행정 명령을 발표했습니다.37예를 들어 여기에는 Gen AI 파일럿에 대해 공급업체와 협력하기 위한 샌드박스 인프라 환경 구축에 대한 지침과 직원을 위한 Gen AI 사용 및 인증에 대한 교육 자료 조항이 포함되었습니다.

공중 보건에서 Gen AI 구현에 따른 고유한 위험 고려

Gen AI를 개발하고 배포하는 데에는 조직 여정의 일부로 평가하고 관리해야 하는 여러 가지 과제와 위험이 따릅니다. 여기에는 모델의 공정성과 편견이 포함되지만 이에 국한되지는 않습니다. 개인 정보 보호, 지적 재산권 침해 및 규정 준수 문제; 모델의 해석 가능성 및 유용성; 잘못된 권장사항을 무시하기 위한 인간의 감독과 책임의 필요성; Gen AI 모델이 가장 높은 확률의 응답을 기반으로 잘못된 응답을 제시하는 잘못된 정보나 환각으로 인한 성능 부정확성.38이러한 일반적인 위험 각각은 공중 보건 맥락에서 구체적인 고려 사항을 제시합니다. 예를 들어, Gen AI 모델은 편견이 있거나 사실이 잘못되었거나 저작권이 있는 소스에서 불법적으로 스크랩한 콘텐츠를 환각하고 생성할 수 있습니다. 이 문제를 해결하려면 모델 출력을 확인하고 생성된 출력을 사용하거나 폐기할 시기를 인식하는 방법을 포함하여 루프에 있는 사람을 위한 적절한 교육이 필요합니다.

이러한 새로운 도구를 사용하는 모든 조직은 위험을 식별하고 위험을 완화하기 위한 전략과 접근 방식을 채택할 책임이 있지만, 이 작업으로 인해 공중 보건 조직이 임무를 지원하는 Gen AI 사용 사례를 시작하는 것을 막을 필요는 없습니다.

공중 보건에서 Gen AI와 관련된 정책, 건강 형평성 및 보안 영향을 고려하십시오.

얼리 어답터는 AI, 특히 AI 세대의 책임감 있는 사용에 대한 지침을 글로벌 공중 보건 생태계의 주요 이해관계자에게 문의할 수 있습니다. WHO는 자율성과 안전을 보호하고, 투명성과 책임성을 제공하고, 포용성과 형평성을 보장하는 것을 목표로 하는 6가지 핵심 원칙을 제시합니다.39 록펠러 재단(Rockefeller Foundation)과 USAID의 보고서인 글로벌 건강의 인공 지능(Artificial Intelligence in Global Health) 도 마찬가지로 개인 정보 보호, 보안 및 투명성의 중요성을 강조합니다.40

또한, WHO가 최근 발표한 논문 인 건강을 위한 인공 지능에 대한 규제 고려 사항에서는 공중 보건 기관이 취할 수 있는 몇 가지 예방 조치를 자세히 설명하고 국가가 건강에 AI 사용을 규제할 때 고려할 수 있는 조치를 간략하게 설명합니다.41여기에는 외부적으로 데이터 검증, 애플리케이션의 의도된 사용 문서화, 이전에 발행된 지침 준수,42모델의 안전성과 성능에 대한 시판 전 보증 테스트를 수행하고 실제 성능 모니터링을 수행합니다. 이는 빠르게 발전하고 혁신적인 분야입니다. 공중 보건 조직은 WHO의 위험 관리에 대한 지침과 EU AI법, 투명성에 관한 HHS 규칙과 같은 지역 규정의 진화하는 지침을 지속적으로 모니터링하기 위한 조치를 취할 수 있습니다.

이해관계자는 효과적이고 공평한 채택을 보장하기 위해 제한된 광대역 및 인터넷 액세스와 같은 문화적 장벽과 인프라 문제를 포함하여 Gen AI 채택의 특정 과제를 해결하기 위한 조치를 취할 수 있습니다. 예를 들어, 최근 Nature 기사에서는 현지 맞춤형 증거 기반 정책을 통해 아프리카 맥락에서 Gen AI 연구 의제를 기반으로 삼을 것을 제안합니다.43

Gen AI 모델을 정의하고 교육할 때 공중 보건 조직은 노인 인구, 부족 또는 서비스를 제공하는 특정 취약 인구와 같이 제대로 표현되지 않은 인구를 적절하게 포함할 수 있습니다. 또한 특정 사용 사례에서 건강 결과에 영향을 미칠 수 있는 특정 위험, 문화적 민감성, 지역 의료 인프라 및 정책을 고려할 수도 있습니다.

파트너십에 투자하세요

공중 보건 기관은 Gen AI의 이점을 얻기 위해 스스로 노력할 필요가 없습니다. 업계 및 학계의 파트너는 초기 AI 사용 사례를 설계, 테스트 및 확장하는 데 도움을 줄 수 있습니다. 예를 들어, 영국 정부는 AI의 안전한 채택을 지원하기 위해 업계 파트너인 DeepMind, OpenAI 및 Anthropic과의 파트너십을 발표했습니다.44미국에서는 국립보건원(National Institutes of Health)과 같은 여러 연방 공중보건 관련 기관이 AI를 채택하는 의료 기관의 지침과 건강 형평성에 미치는 영향을 정의하는 것을 목표로 하는 연합에 참여하고 있습니다.45

---

Gen AI는 공중 보건을 위한 무한한 가능성의 시대를 열고 있습니다. 치료 제공 최적화 및 미래 위협에 대한 더 나은 대비부터 고부담 질병 치료법 개발 가속화에 이르기까지 Gen AI는 전 세계, 국가, 주 및 지역 공중 보건 시스템의 과제를 해결하는 능력을 향상시키는 혁신적인 힘이 될 수 있습니다. 궁극적으로 이는 지역사회의 건강 개선 결과로 이어질 수 있습니다.

저자 소개

Steve Davis 는 McKinsey 시애틀 사무소의 수석 고문이고, Saumya Singh 은 뉴저지 사무소의 어소시에이트 파트너이며, Nikhil Srinidhi 는 베를린 사무소의 어소시에이트 파트너이며, Matt Wilson 은 뉴욕 사무소의 시니어 파트너입니다.

저자는 Marie-Renée B-Lajoie, Shriya Beesam, Sam Bourton, Ankit Fadia, Jessica Kahn, Nafees Khan, Jessica Lamb, Anthony Nguyen, Mark Nichols, Keerthana Sundar, Wouter Versluijs, Chaitanya Adabala Viswa 및 QuantumBlack의 다른 분들께 감사의 말씀을 전하고 싶습니다. , 이 기사에 기여해 주신 McKinsey의 AI 및 McKinsey 공중 보건 도메인에 감사드립니다.