eCOA의 새로운 시대: AI의 실질적 도입으로

최근 임상시험 업계에서 인공지능(AI)은 가장 뜨거운 화두입니다. 하지만 전자임상결과평가(eCOA)와 같이 구현과 실행이 매우 복잡한 분야에서는 AI의 이론적 가능성(Hype)과 실질적 가치(Reality)를 냉정하게 구분해야 합니다.

eCOA의 진화 역사와 AI 도입의 전제 조건

• 1980년대 (PRO의 등장): 환자 보고 결과(PRO)가 처음 도입되었을 때, 임상적 지표(ClinRO)나 바이오마커에 비해 신뢰성이 떨어진다는 의심을 받았으나, 점차 환자의 삶의 질을 측정하는 필수 요소로 인정받았습니다.
• 2010년대 (전자화): 종이 문서에서 전자 형식(eCOA)으로 전환될 때 데이터 무결성 우려가 있었으나, 검증 연구를 통해 종이보다 데이터 품질과 운영 효율성이 높음이 입증되었습니다.
• 2020년대 (BYOD 및 분산형 임상시험): 환자 개인 기기를 사용하는 BYOD(Bring Your Own Device) 방식 역시 초기엔 측정의 동등성 문제가 제기되었으나, 팬데믹을 거치며 현재는 표준으로 자리 잡았습니다.
• 2025년 이후 (AI 시대): AI 역시 단순한 과대광고가 아닌, 이전의 혁신들처럼 실제 문제를 해결하는 실용적인 솔루션으로 접근해야만 규제와 과학적 타당성을 충족할 수 있습니다.

왜 환자 대면 AI가 아닌 '스터디 빌드'인가?

• 규제 기관의 우려: 환자 대면 AI는 환자의 행동이나 응답에 의도치 않은 편향을
• 유도하거나 안전성 위험을 초래할 수 있습니다. 또한 데이터가 어떻게 수집, 처리, 보호되는지에 대한 명확한 가시성과 감독 가능한 통제 장치가 필요합니다.
• 과학적 검증의 한계: AI가 프롬프트 몇 줄로 새로운 eCOA 양식을 뚝딱 만들어내는 것은 기술적으로 가능하지만, 임상시험에 쓰이는 평가지표는 저작권자의 허가와 엄격한 과학적 타당성 검증을 거친 것들이어야 하므로 AI가 이를 임의로 우회하거나 수정할 수 없습니다.

이러한 이유로 메디데이터는 현재 eCOA 스터디 빌드(Study Build)에 집중하고 있습니다.

이 분야는 AI를 통제되고 규정을 준수하는 방식으로 적용하여, 인간의 판단력과 감독 권한을 유지하면서도 수작업을 줄이고 일정을 단축하며 일관성을 높일 수 있는 영역입니다. 중요한 점은, 이러한 집중이 향후 환자와 임상시험 기관을 위한 혁신을 배제하는 것이 아니라, 오히려 그러한 미래를 구축할 수 있는 강력하고 신뢰할 수 있는 토대를 마련한다는 것입니다.

AI 기반 스터디 빌드 자동화의 3가지 핵심 세부 기능 (인간 참여형 AI)

메디데이터 디자이너(Medidata Designer) 플랫폼에 통합된 AI는 스터디 빌드 과정의 핵심 병목 구간을 다음과 같이 해결합니다.

1. 프로토콜 디지털화 및 SoA(임상시험 일정표) 자동 구축
   -  AI가 기존의 PDF 프로토콜을 TransCelerate와 CDISC가 공동 개발한 기계 판독 표준 프레임워크인 USDM(Unified Study Definition Model) 형식으로 변환합니다.
   -  이를 통해 임상 설계 요소를 분석하고, 어떤 평가지표를 어느 방문 주기에 수집해야 하는지를 명시한 SoA를 단 몇 분 만에 자동으로 생성합니다.
2. 글로벌 라이브러리를 활용한 스마트 eCOA form 추천
   -  AI는 양식을 무에서 유로 창조하는 대신, 앞서 생성된 SoA를 바탕으로 글로벌 라이브러리에 이미 저장된 '검증되고 승인된 평가 도구'를 지능적으로 검색하여 추천하고 불러옵니다.
   -  이는 라이선스 및 검증 요구사항을 준수하면서도, 새 연구를 세팅할 때마다 반복되던 수작업을 없애 복리후생적인 효율성 향상을 가져옵니다.
3. 자동화된 UAT(사용자 인수 테스트) 스크립트 작성 및 사전 검증
   -  시스템 오픈 전 진행되는 UAT를 위한 테스트 스크립트 작성은 통상 스터디 빌더가 최대 40시간을 쏟아야 하는 고된 수작업이었습니다.
   -  AI는 확정된 스터디 빌드 구성을 바탕으로 이 UAT 스크립트를 단 몇 분 만에 자동 생성합니다.
   -  또한 시뮬레이션 된 UAT를 AI가 자체적으로 점검하여 구성 품질에 대한 사전 확신을 제공합니다. 단, 최종 UAT 테스트 자체는 여전히 인간이 주도하여 품질을 보장합니다.

규제 성숙도에 맞춰 준비 중인 '미래의 AI 적용 분야'

현재는 스터디 빌드에 집중하고 있지만, 향후 규제 프레임워크가 성숙해짐에 따라 환자와 시험기관을 직접 지원하는 방향으로 AI를 확장할 계획입니다.

• 환자 맞춤형 알림 오케스트레이션(Notification Orchestration): 단순히 정해진 시간에 일괄적으로 알림을 보내는 것을 넘어, AI가 개별 환자의 참여 및 반응 패턴을 학습합니다. 환자별로 순응도를 극대화할 수 있는 타이밍, 빈도, 메시지 채널을 개인화하여 알림 피로도를 줄이고 데이터 입력 완료율을 높입니다.
• 실시간 데이터 품질 모니터링(CNS 임상 중심): 중추신경계(CNS) 임상시험처럼 임상의의 주관적 평가가 개입되는 경우, 오디오 녹음 및 자동 텍스트 변환 내용을 AI가 실시간으로 지능형 분석합니다. 평가자의 유도 질문, 일관성 없는 투여, 프로토콜 위반 등의 성능 문제를 사후 쿼리가 아닌 실시간으로 즉시 감지하고 시정할 수 있게 돕습니다.
• 새로운 AI 바이오마커 발굴: 수집된 환자의 오디오 녹음 데이터에서 미세한 음성 패턴의 변화를 AI로 감지합니다. 이는 주관적인 설문 응답을 보완하여 환자의 상태를 파악하는 새롭고 객관적인 평가지표로 활용될 잠재력이 있습니다.

메디데이터는 'AI가 무엇을 할 수 있는지' 이론이 아닌, 엄격한 규제와 과학적 타당성이 요구되는 임상시험에서 '지금 당장 어디에 AI를 적용해야 실질적인 가치를 낼 수 있는가'하는 실제 변화에 초점을 맞추고 있습니다. 스터디 빌드부터 시작해 점진적으로 환자 대면 혁신으로 나아가는 것이 가장 책임감 있고 확실한 AI 도입 전략입니다.