From Days to Minutes: An Autonomous AI Agent Achieves Reliable Clinical Triage in Remote Patient Monitoring

Created by

Haebom

저자

Seunghwan Kim (AnsibleHealth Inc., San Francisco, USA), Tiffany H. Kung (AnsibleHealth Inc., San Francisco, USA, Stanford School of Medicine, Stanford, USA), Heena Verma (AnsibleHealth Inc., San Francisco, USA), Dilan Edirisinghe (AnsibleHealth Inc., San Francisco, USA), Kaveh Sedehi (AnsibleHealth Inc., San Francisco, USA), Johanna Alvarez (AnsibleHealth Inc., San Francisco, USA), Diane Shilling (AnsibleHealth Inc., San Francisco, USA), Audra Lisa Doyle (AnsibleHealth Inc., San Francisco, USA), Ajit Chary (AnsibleHealth Inc., San Francisco, USA), William Borden (AnsibleHealth Inc., San Francisco, USA, George Washington University, Washington, D.C., USA), Ming Jack Po (AnsibleHealth Inc., San Francisco, USA)

💡 개요

원격 환자 모니터링(RPM)에서 발생하는 방대한 데이터를 효과적으로 처리하기 위해, 본 연구는 자율 AI 에이전트 'Sentinel'을 제안합니다. Sentinel은 21가지 임상 도구와 다단계 추론을 활용하는 Model Context Protocol(MCP)을 통해 문맥 기반의 생체 신호 분류를 수행합니다. 이를 통해 기존 RPM의 데이터 과부하 문제를 해결하고, 사망률을 30% 감소시킨 24/7 의사 주도 모니터링의 확장 가능한 대안을 제시합니다.

🔑 시사점 및 한계

•

원격 환자 모니터링 데이터를 효율적으로 분류하여 임상 인력의 부담을 획기적으로 줄일 수 있습니다.

•

AI 에이전트가 개별 임상의보다 응급 상황 감지 및 실행 가능한 경고 분류에서 더 높은 민감도를 보여, 질병 조기 발견 및 치료에 기여할 수 있습니다.

•

심각한 과잉 분류 사례에 대한 독립적인 의사 판결에서 AI의 에스컬레이션 결정이 높은 비율로 타당성을 입증받았으며, 이는 임상적 방어 가능성을 보여줍니다.

•

AI 에이전트의 분류 결과가 임상의와 불일치할 경우, 특히 과잉 분류로 치우치는 경향이 있으며, 이를 해결하기 위한 추가적인 연구와 임상 검증이 필요합니다.

PDF 보기

Made with Slashpage