Overview
제품
Vital PICASO는 일반 병동 입원환자의 저산소, 저혈압, 심정지 악화의 조기 신호를 24시간 이내에 예측하고, Risk Score 기반 알람을 제공하는 Intelligent monitoring solution 입니다.
배경
상급종합병원의 일반병동 간호사 1명은 평균 16명 내외의 환자를 담당하며, 보통 교대 시점 또는 하루 2회(아침/저녁) Vital sign을 체크합니다. 그 사이 악화가 진행되는 흐름을 놓치기 쉽습니다. 이를 모니터링하기 위한 목적으로 일부 병원에서는 신속대응팀(Rapid Response Team)을 운영하며 위급 상황에 선제적으로 대응(연락/출동/조치)합니다. 신속대응팀 3~4명이 전체 일반병동에 발생하는 경보를 확인하며, 대응하기에는 한계가 있습니다. 특히, 기존 알람 시스템 NEWS/NEWS2(National Early Warning System)은 평균 알람 10회 중 9회 오알람이 발생할 정도로 신뢰하기 어렵습니다.
기회
대학병원과의 연구 탐색 과정에서 50만 건 이상의 환자 데이터를 분석한 결과, 심정지나 쇼크 같은 중증 악화가 발생하기 전, 많은 환자에서 산소 투여(O2) 또는 혈압 지지 처치(Vasopressor)가 먼저 이뤄지는 상황이 발생하였고, Vital Signs(산소포화도/혈압/체온/심박 등)의 이상 징후가 먼저 나타나는 케이스를 확인했습니다.
이를 기회로 전환하여 중증악화 및 임상악화를 예측 모니터링하는 모델과 소프트웨어 개발에 착수하였습니다.
중증 악화 이전 단계에서 자주 관찰되며 임상적으로 스크리닝이 가능한 저산소와 저혈압 상태를 조기에 예측하는 목표로 인공지능 모델이 탑재된 의료소프트웨어 설계를 주도했습니다.
My Role & Responsibility
•
직책: Lead Product Manager
Vital PICASO 기획부터, 개발, QA, 임상, 인허가, 계약/도입 등 End-to-End 상용화 리드
•
조직 구성:
◦
Product Lead (1)
◦
Service Platform (PD 1, FE 1, BE 2)
◦
AI (3)
◦
QA (1)
◦
Business (2)
◦
Regulatory Affairs (2)
◦
Medical Affairs (3)
Key Achievements
•
2024.08~2025.01 MVP(AI model, Software) 구축•
2025.01~2025.06 임상시험계획 승인 (식약처)•
2025.08 핵심 의료진 15명 대상 사용적합성 평가 통과 (서울대병원 부속 평가기관)•
2025.10 바이탈 피카소 ‘혁신의료기기’ 지정 (식약처)•
2025.12 인공지능 모델 임상 통과 (서울대병원)•
2025.12 식약처 품목허가 패키지 제출 (임상/적합성평가/기술/사이버보완 문서 통합)Customer Segments
일반병동 의료진
역할 및 책임
•
상급종합병원 기준, 간호사 1명이 평균 16명 내외의 입원환자를 담당하며 병동 운영 수행
•
환자별 Vital sign은 간호사 교대 시점 또는 하루 2회(아침/저녁) 확인, 기록
•
환자의 상태 변화를 관찰하고, 이상 징후가 의심되면 담당 의사에게 보고하고 필요한 조치로 연결
•
교대 시점마다 환자 상태와 리스크를 정리해 인수인계 수행
•
위험도가 높은 환자에 먼저 대응하며, 필요한 검사/처치/협진 결정
자주하는 고민
•
지금 이 시점에, 더 자주 확인해야 하는 환자는 누구인가?
수많은 환자의 Vital Signs 상태 확인이 일정 간격으로 이뤄지다 보니, 미세한 상태변화를 놓치지 않기 위해 고민한다.
•
Vital sign 변화가 있는 환자는 병동에서 관찰로 충분한가, 아니면 신속대응팀에 연락이 필요한 상황인가?
불필요한 호출은 줄이면서도 조치가 늦어지지 않도록, 환자의 상태 변화가 ‘경과 관찰 가능한 수준’인지 ‘즉시 공유가 필요한 신호’인지 고민한다.
신속대응팀 의료진 (응급실/중환자실 근무 경험)
역할과 책임
•
전체 일반병동의 알람 신호(병동 호출, 모니터링 경보, EMR 등)를 파악하고, 출동 여부 결정
•
중증 악화로 진행될 가능성이 높은 환자에게 먼저 개입해, 심정지/쇼크 등 악화에 대응
•
병동 의료진과 환자에게 필요한 처치/전실/모니터링 의사결정 조율
•
출동과 조치 결과를 정리하고, 반복되는 위험 패턴과 운영 이슈를 프로세스 개선에 반영
자주하는 고민
•
지금 발생하는 알람이나 개별 Vital Signs 신호 중, 위험이 발생할 가능성이 높은 환자는 누구인가?
여러 병동에서 동시에 호출과 경보가 발생하면 우선순위 판단 자체가 병목이 된다. 제한된 시간과 의료진의 리소스를 어디에 먼저 투입할지 매 순간 결정해야 한다.
•
병동에서 먼저 대응 가능한 상황인가, 아니면 지금 처치/전실/집중 모니터링으로 전환해야 하는 상황인가?
‘조금 더 지켜봐도 되는 환자’와 ‘지금 조치를 바꾸면 결과가 달라질 환자’를 구분해야 한다. 이 판단이 늦어지면 악화가 진행될 수 있고, 반대로 조치가 과도하면 병동과 ICU 자원에 부담이 된다.
(Problem) Root Cause
의료진이 반복적으로 하는 질문과 고민의 배경에는 모니터링 정책과 높은 오알람 비율, 그리고 제한된 의료진 리소스가 복합적으로 얽힌 구조적 문제가 있었습니다. 일부 기능을 추가하거나 화면을 개선하는 방식만으로는 임상 환경에서 의미 있는 변화를 만들기 어렵고, 워크플로우 관점에서 문제의 Root Cause를 정의했습니다.
•
Root Cause 1. 일반병동 모니터링 정책은 ‘오전/오후’ 전제로 운영되어, 그 사이 환자 상태가 악화되는 과정에서 모니터링 사각지대가 발생한다.
일반병동에서는 Vital sign 확인과 기록이 교대 시점 또는 하루 2회 중심으로 이뤄지는 경우가 많고, ICU처럼 연속 모니터링을 전제로 운영되지 않는다. 이 구조에서는 환자의 악화가 “기록 사이 시간”에 진행될 수 있어, 조기 신호가 누락되거나 늦게 인지될 가능성이 높다.
•
Root Cause 2. 기존 알람 시스템은 False 알림이 자주 발생하여, 이 중 악화 신호를 판단하는 과정에서 의료진의 리소스 낭비가 발생한다.
다수 병원에서 사용하는 NEWS 알람 시스템의 오알람으로 인해, 실제 중요한 알림의 확인 및 조치가 지연될 수 있다. (의료진 체감상 10회 중 9회가 오알람이며, 관련 논문에서 평균 52건 중 1건 오알람으로 확인됨)
•
Root Cause 3: 병동과 신속대응팀의 제한된 인력으로 다수 환자를 커버해야 하므로, 발생하는 알람을 즉시 확인하고 필요한 조치까지 연결하기에 물리적 한계가 있으며, 이로 인해 대응 지연이 반복될 수 있다.
병동은 간호사 1인당 다수 환자를 담당하고, RRT는 소수 인력이 병동 전체(1,000명 이상)를 커버한다. 따라서 문제의 본질은 정보의 부재라기보다 “신뢰 가능한 신호를 빠르게 선별하고 행동으로 연결할 시간과 인력이 부족한 상태”에 가깝다.
Hypothesis
악화 예측 모델 성능뿐 아니라, 병동/신속대응팀의 상황 공유와 판단, 조치로 신속하게 연결되도록 원내 워크플로우를 개선하는 방향성으로 가설을 수립했습니다.
•
가설 1. 심정지/쇼크는 24시간 이내 저산소, 저혈압 악화와 같은 선행 변화가 나타나는 경우가 많다. 이를 조기에 탐지해 개입 시점을 앞당긴다면 중증 악화를 효과적으로 예방할 수 있다. (악화징후 조기 감지 필요성)
•
가설 2. 알람 발생이 곧 병동 의료진과 신속대응팀 모두의 상황 인지와 개입으로 이어진다면,
골든타임 이내 악화를 효과적으로 예방할 수 있다. (EMR Vital PICASO 연동 필요성)
Vital PICASO 연동 필요성)
Solution
PRD, 세부 화면, 상세 로직을 공개하지 않는 범위에서 공유드립니다.
Product Success Criteria
1. 효과성 의료진의 피로도를 줄이며 신뢰를 높일 수 있는 알람 정확도를 보장해야 한다.
2. 효율성 알람은 직관적이며, 알람 발생이 곧 병동 의료진의 움직임으로 이어져야 한다.
3. 신뢰성 원내 시스템과의 통합 연동(데이터 송수신)과정에서 안전과 보안을 보장해야 한다.
4. 최적화 모델 성능과 의료진의 피드백을 수집 및 분석하기 위한 프로토콜과 시스템을 갖추어야 한다.
5. IP 보호 경쟁사의 특허 회피 전략과 제품과 기술 자산을 보호하는 특허를 마련한다.
AI Model
•
목표: 저산소, 저혈압, 심정지 위험을 24시간 이내 AUROC 0.9 성능 수준으로 예측 모델 개발
•
입력 데이터: 수축기혈압(SBP), 이완기혈압(DBP), 심박수(HR), 호흡수(RR), 체온(BT), 산소포화도(SpO2)
•
출력: 3개 대상 이벤트(저산소/저혈압/심정지)별 위험도 점수(1–99) 제공
•
학습/검증 데이터: 서울대병원 일반병동 약 50만 건 규모의 환자 데이터를 기반으로 학습 및 검증 수행
예측 항목 | 예측 대상 | 예측 범위 | 검증 성능(AUROC) |
저산소증
(Hypoxia) | 산소포화도(SpO₂) 저하 위험(94% 미만) | 24시간 이내 | 0.912 |
저혈압
(Hypotension) | 수축기혈압(SBP) 저하 위험(90 mmHg 미만) | 24시간 이내 | 0.894 |
심정지
(Cardiac Arrest) | 급성 심정지 위험(혈압, 심박수, 호흡수 등 활력징후 변화 기반) | 24시간 이내 | 0.923 |
Web Application
모델이 산출한 3가지 위험도 점수 트렌드와 임계값을 기준으로 알람을 제공하는 Web application 설계
핵심 JTBD
•
신속대응팀으로서 병동 환자의 특수한 상태에 따라 알림이 과도해지거나 반대로 놓치는 문제가 생기지 않도록, 대상 이벤트(저산소, 저혈압, 심정지)별 알림 민감도를 직접 조정하며 일관되게 관리하고 싶다. 이로써 조치가 필요한 수준으로 알람을 발생시켜 중요한 위험 신호를 놓치지 않을 수 있다.
•
병동 의료진 및 신속대응팀으로서 여러 병동의 알람으로 혼선이 생기지 않도록 본인이 전담하는 병동의 알람만 우선적으로 파악하고 싶다. 이로써 불필요한 알람 확인을 줄이며 필요한 대응을 놓치지 않을 수 있다.
Workflow Overview
1. 입원환자의 Vital Sign 데이터 분석 (EMR 연동)
•
원내 구축형(On-premise) 방식으로 EMR에 기록되는 활력징후 데이터 수신
•
수신된 활력징후를 기반으로 모델이 저산소/저혈압/심정지 3개 대상 이벤트별 Risk Score(1-99) 표시
2. 적응증 3종 알람 발생
•
환자별 Risk Score(1–99)로 표시되며, 임계값 기준 초과 시 알람 발생 및 *상태 표시
상태 구분 | 상황 | 행동 |
At Risk | 악화 예측이 감지되어 확인이나 조치가 필요할 가능성이 높은 상태
1) Risk Score가 임계값 이상으로 상승하여 위험 알림이 생성되었거나,
2) Clear/In Action 상태였으나 다시 임계값 이상으로 재상승(재발 알림) | 의료진은 해당 환자의 세부적인 임상 데이터를 확인하여 조치 여부를 판단하여, In Action 또는 Clear 상태로 변경 처리한다. |
In Action | 의료진이 알람을 인지한 상황으로, 현재 대응(집중 모니터링/검사/처치/연락/출동/전실 검토 등)이 진행 중이거나 예정된 상태 | 병동 또는 신속대응팀은 환자에 대한 조치를 진행하고 있음을 상태 변경으로 처리하여 공유한다. |
Clear | 추가 조치가 필요하지 않은 상태 | 1) 의료진은 임상 맥락(약물/처치/검사 결과 등)을 확인한 뒤, 조치 ‘불필요’ 또는
2) 경과가 안정되어 케이스 종료 처리한다. |
3. 환자의 임상 데이터 확인
•
의료진은 알람이 발생한 환자의 EMR 임상 정보를 확인하며 조치 여부 판단
◦
환자 임상 정보(주 진단, 최근 경과)
◦
약물/처치(예: 산소 투여, 혈압 지지 등)
◦
조치 기록 및 기존 위험 이벤트 이력
4. 병동/신속대응팀 대응
•
신속대응팀의 조치가 필요한 경우, 의사와 대응 계획을 수립하여 지원
◦
환자의 집중 모니터링 전환
◦
(산소 / 혈압수축제 / CPR 등) 악화 상태에 따라 조치 진행
◦
중환자실 전실 검토 및 결정
5. 조치 상태 공유 및 기록
•
알림 이후 진행 상태(예: 확인됨, 조치 중, 해제됨 등)와 주요 조치 내용 기록 (EMR/Vital Picaso 연동)
사용적합성 총괄 평가
•
목적: 의도된 임상 환경 및 사용자 대상으로 위해요인 및 오류 발생 여부 확인 및 안전성 검증
•
대상 신속대응팀(RRT) 및 일반병동 의료진 총 15명
•
기간: 2025.07.02 ~ 2025.07.22
•
절차:
◦
1on1 평가 오리엔테이션 및 제품 교육
◦
시나리오 기반 Usability Test 수행(31개 세부 시나리오)
◦
설문/인터뷰
•
결과: 사용자 만족도 설문 평균 4.8/5.0 획득
◦
총 465 작업 수행(31개 상세 시나리오 × 15명) 중
작업 실패 1건/사용오류 1건(동일 케이스), 오류 0건
Regulatory Strategy
바이탈 피카소 제품은 신의료기술 평가 유예(비급여) 트랙으로 2025년 10월 식약처 ‘혁신의료기기’ 인증을 획득하였습니다.
(식약처)임상 계획 승인 → (병원)임상 → (식약처)품목허가 및 유사 기술 검토 → (NECA)신의료기술 평가 유예 → 비급여 처방 매출 발생 → 다기관 근거 확보 → (NECA)신의료기술 본 평가 → (심평원)보험 급여 등록/연동
→ 처방 매출 발생
•
품목허가: “의료현장에서 제품이 사용될 수 있는 법적 자격” 확보
•
NECA 평가유예(비급여) 트랙: “시장 진입”을 고려한 제한된 조건에서 실사용 근거 축적
•
다기관 레퍼런스: 급여 전환을 위한 핵심 관문으로 여러 기관에서 재현되는 근거
•
급여 전환: 임상 가치 + 안전성 + 확장성 + 사용성 + 경제성이 종합적으로 근거를 확보해야 가능
Lesson Learned
Vital PICASO 제품의 사용적합성 총괄평가 및 임상 검증은 제품 개발과 병행해 별도의 트랙으로 진행했습니다. Product Manager & Division Leader로서 제품 로드맵을 설계하고, 여러 기능 조직과 OKR을 달성하는 경험을 통해 리더쉽 역량을 배우는 계기가 되었습니다.
모델 성능은 출발점이고, 워크플로우 효율로부터 제품의 Market Fit이 결정된다.
모델의 예측 성능이 확보되더라도, 병동 운영 환경에 알람이 적절한 조치(행동)로 이어지도록 워크플로우와 운영 기준이 설계되지 않으면 효과가 제한될 수 있음을 확인했습니다.
그래서 초기 기획 과정부터 알람이 임상적 의사결정과 조치로 이어지는 제품 요구사항과 핵심 지표를 명확히 정의하는 것이 중요하다는 점을 배웠습니다. 예를 들어 Time to action, Action conversion 등 지표를 통해 “대규모 임상현장(상급종합병원)에서 운영될 수 있는 수준”을 타겟하여 솔루션을 구현했습니다.
의료 한계점의 배경은 수동적인 모니터링 환경/시스템과 의료진의 리소스 부족이다.
휴이노에서 2개 제품을 상용화를 주도하는 과정에서 체감한 의료현장의 문제 Root Cause는 동일했습니다.
•
첫째, 기존 진단기기/시스템의 검사 데이터 품질이 낮아 부정확한 진단이 반복될 수 있다는 점과,
•
둘째, 행정 업무와 환자 케어 업무량은 계속 증가하는데 반해 의료진 인력은 충분히 확보되지 않아, 제한된 리소스로 다수 환자를 커버해야 하는 어려움이 고착화되어 있다는 점이었습니다.
환자 상태는 계속 변하지만 병동에서는 교대 시점 또는 하루 2회 등 정해진 주기로 Vital signs을 확인/기록하는 경우가 많아, 그 사이 변화가 누적되는 구간을 놓치기 쉬웠습니다. 기존 Rule-based 시스템은 False alarm 비율이 높았고, 알림 피로와 대응 지연이 반복될 수 있었습니다. 결과적으로, 병동과 신속대응팀 모두 한정된 인력으로 여러 환자의 변화를 동시에 케어/모니터링해야 하므로, 동시다발적으로 발생하는 알람을 선별하며 조치로 이어지는 과정에서 Pain point가 가장 높았습니다.
저는 인공지능 기반 모니터링 제품의 핵심은 ‘추가적인 정보를 보여주는 것’이 아니라, 병동과 신속대응팀의 워크플로우 과정마다의 의사결정을 지원하는 것이라고 판단했습니다. 그래서 병동/신속대응팀의 각 책임 범위와 모니터링, 조치 기준을 제품 설계의 중심에 두고, 원내 통합 시스템(EMR)과 함께 동작하도록 설계했습니다.
사용적합성 평가는 위해 리스크를 줄이는 안전성을 검증하는 과정이다.
IEC 62366-1 기반 사용적합성 총괄평가를 통해, 핵심 사용자 그룹이 의도된 시나리오에서 제품을 안전하고 효과적으로 사용할 수 있는지 객관적으로 확인할 수 있었습니다. 다만 이 결과는 상용화로 충분하다는 의미가 아니라, 상용화로 가는 과정에서 중요한 리스크(사용오류/현장 혼선)를 줄였다는 근거로 해석하는 것이 더 정확했습니다.
평가 과정에서 발견된 작은 혼선들은 단순 UI 선호의 문제가 아니라, 운영 정책과 화면에서 전달되는 신호가 일치하는지(예로 상태값, 알림 구분, 관리자 설정의 실수 가능성) 관점에서 개선 방향성을 수립하는 계기가 되었습니다.
Product Lead로서 핵심 역할은 사업과 제품전략을 수립하며 이를 기반으로 유관팀의 시너지를 이뤄낼 수 있는 협업 프로세스를 설계하는 것이다.
인공지능은 성능 / 플랫폼은 연동과 안정성 / 임상은 유효성 / 인허가는 근거 문서의 완결성을 봅니다. 상용화 전 단계에서는 목표가 쉽게 분산되기 때문에, 각 팀의 산출물이 동일한 “사용자 경험” 성공 기준으로 연결되도록 조율하는 것이 무엇보다 중요했습니다.
임상적 효과(모델 성능) 워크플로우 효율, 시스템 안정성, 제도 트랙(평가유예→다기관→급여) 프레임으로 목표와 산출물을 수립하고, 이를 Division 로드맵과 OKR로 연결해 팀이 동일한 방향성으로 실행할 수 있는 시스템/문화를 만들어 낼 수 있었습니다.