사회 인프라를 위한 필수 Daifuku 기술 AI 기반 처방 감사 시스템으로 약국 업무량 감소

유사한 이름과 포장을 가진 약물의 분배 오류 위험 감소

약국에서 약사가 환자에게 처방약을 제공할 때 일반적으로 약사는 선반에서 약을 꺼내 시각적으로 검사하여 올바른 약을 선택했는지 확인합니다.

"audit" 시리즈 처방 audit 시스템은 이미지와 무게를 사용하여 약물의 유형과 수량을 식별하고, 이 데이터를 처방 정보와 교차 참조하여 오류를 확인합니다. 이 시스템은 또한 이러한 감사에 대한 기록을 자동으로 생성합니다. 약물을 트레이에 놓기만 하면 시스템이 내부 카메라로 이미지를 캡처하고 영수증 데이터를 가져옵니다. 이 시스템은 함께 묶인 약물의 경우에도 유형과 수량을 정확하게 식별합니다.

audit 시리즈의 개발은 10년 이상 전에 시작되었습니다. 신사업 개발 프로젝트 그룹의 프로젝트 코디네이터인 켄지 타카히라는 다이후쿠로부터 제품 기획 제안을 받고 약국과 인터뷰를 시작했습니다. 이러한 인터뷰를 통해 그는 시각 검사로 수행했을 때 분배 오류율이 약 0.25%라는 것을 알게 되었습니다. 한편, 물류 산업에서는 새로운 기술과 장비가 오류를 사실상 0으로 줄이고 있었고, 켄지는 약국 운영에 개선의 여지가 충분하다는 것을 깨달았습니다.

Contec의 신규 사업 개발 프로젝트 그룹의 프로젝트 코디네이터, Kenji Takahira

"약국과 물류 허브는 산업과 규모 면에서 다르지만, 피킹, 검사, 유통 등 워크플로우 측면에서는 유사점이 많습니다. 우리는 Daifuku의 전문성이 처방 오류의 위험을 줄이는 데 도움이 될 수 있다고 생각했습니다. 처음에는 약물 이미지와 바코드를 마스터 데이터와 교차 참조하여 감사를 수행하려고 했지만, 약물의 고유한 포장은 반사 및 투명한 가방과 같은 다양한 과제를 안겨주었습니다." Kenji가 회상합니다.

이러한 과제를 해결하기 위해 팀은 균일한 조명으로 약품 이미지를 캡처하기 위한 공간을 장치 내부에 추가하여 약품 자체와 포장에 인쇄된 바코드의 이미지 인식 정확도를 높였습니다. "내장된 저울의 정보와 이미지 데이터를 결합하여 약물 처방의 유형과 수량을 동시에 식별할 수 있었습니다. 다른 회사도 이미지 기반 인식 시스템을 제공하지만 audit 시리즈만이 여러 약물 유형과 수량을 동시에 식별합니다."라고 Kenji는 말합니다.

일부 약물의 이름이나 포장이 유사하고, 포장 디자인이 바뀌고 제네릭 약물이 추가되면서 오류 위험이 커져 약사의 정신적 부담이 커졌으며, 약사는 혼동을 피하기 위해 항상 경계해야 합니다.

하인리히의 법칙에 따르면 모든 심각한 사고는 29건의 경미한 사고와 300건의 비상해 사고(위험 사고)가 선행됩니다. 따라서 다양한 산업 협회는 의료 안전을 증진하기 위해 위험 사고를 적극적으로 수집하고 분석하고 있습니다. 그러나 주의 깊게 주의하더라도 인적 오류는 완전히 없앨 수 없으며, 약물 혼동과 처방 누락이 발생합니다. audit 시리즈는 오류 위험을 줄이고 약사의 정신적 부담을 덜어주며 환자가 잘못된 약이나 수량과 같은 불일치 사항을 보고할 때 audit 기록을 제공합니다.

일본 후생노동성도 최근 약국에서 업무 중심 서비스보다 환자 중심 서비스를 강화하도록 권장하고 있습니다. 여기에는 처방 세부 정보 설명, 긴 처방에 대한 안내 제공, 처방 상태 확인 등이 포함됩니다. 감사 프로세스를 간소화하면 약사가 환자와 소통하는 데 더 많은 시간을 할애할 수 있습니다.

차이 추출 기술을 활용해 AI 이미지 인식 개선

2012년에 출시된 이전 audit 시리즈 모델의 약 2,000개가 일본 전역의 약국에 설치되었습니다. 약국에서 취급하는 약물의 종류가 해마다 증가함에 따라 더 작은 장치에 대한 수요가 증가하고 있습니다. 그러나 당시의 기술은 이미징을 위한 전용 공간이 필요하여 작은 장치를 설계하는 데 제한이 있었습니다. 켄지는 이러한 크기 감소 문제에 대한 해결책으로 AI의 잠재력을 보았습니다.

컨텍 응용개발그룹 기술부문 슈퍼바이저 요코야마 유스케

거의 같은 시기에 Contec의 기술 부문 응용 개발 그룹의 감독자인 요코야마 유스케는 완전히 다른 이유로 AI에 대한 연구를 시작했습니다. "전자 회로 기판의 결함과 조립 오류를 감지하기 위해 AI 기반 이미지 인식 기술을 사용하는 것을 검토하기 시작하면서 회사는 AI 응용 프로그램에 대한 논의로 들끓었습니다. 2020년 봄, 켄지는 AI를 사용하여 의약품을 식별할 가능성에 대해 저에게 접근했습니다. 저는 먼저 9,000개의 서로 다른 이미지 유형을 구별할 수 있는 오픈 소스 AI에 대해 알게 되었지만, 사람과 개와 같은 명확하게 구별되는 물체만 구별할 수 있었고, 유사한 포장의 의약품은 구별할 수 없었습니다."라고 유스케는 회상합니다.

해결책을 찾기 위해 유스케는 다양한 이미지 검색 기술을 조사했습니다. "비슷한 포장의 약물을 구별하는 방법을 찾는 동안 이미지의 차이점을 추출하는 기술이 적용될 가능성이 높다는 것을 알게 되었고, 이러한 사고 방식의 변화가 궁극적으로 우리가 찾던 돌파구로 이어졌습니다." 유스케가 말합니다.

Contec의 응용개발그룹 기술부문 멤버인 Shota Kawase

기술부 응용개발그룹의 쇼타 카와세가 2021년 봄에 프로젝트에 합류했습니다.

이 단계에서는 수만 개의 약물 중에서 올바른 약물을 식별하는 기본 AI 기술이 이미 확립되었습니다. 그러나 시스템 카메라로 촬영한 이미지에는 여전히 인식 문제가 있었습니다. "이미지 처리 중에 때때로 조명 조건으로 인해 약물을 올바르게 인식할 수 없거나 이미징에 사용된 트레이가 약물 포장과 같은 색상인 경우 두 가지가 섞여 인식이 너무 어려웠습니다. 우리는 AI를 사용하여 약물의 시각적 특성을 식별하고 약물을 배경에서 분리한 다음 약물 자체의 이미지만 추출하여 이 문제를 해결했습니다. 이를 통해 인식 정확도가 크게 향상되어 조명이나 배경색에 관계없이 대상을 식별할 수 있었습니다."라고 Shota는 설명합니다.

COVID-19 팬데믹으로 인해 시스템 개발 기간 동안 재택근무가 많았지만, 이로 인해 놀라운 이점이 생겼습니다. Shota는 "이번에 성공한 이유 중 하나는 사무실뿐만 아니라 집에서도 서로 다르고 다양한 환경에서 이미지 인식을 테스트할 수 있었다는 사실이라고 생각합니다."라고 말합니다.

포장 디자인이 변경되거나, 신약 또는 제네릭 약물이 출시될 때마다 AI는 새로운 정보로 업데이트되어야 합니다. 이미지 처리 기능을 직접 대체하는 표준 AI에 대한 이러한 추가 학습은 각 학습 세션에 8~12시간이 걸리는 것으로 나타났습니다. "약국은 기다릴 시간이 없습니다. 그래서 우리는 AI 처리를 주요 강점인 모양과 포장 디자인과 같은 외부 특징을 포착하는 것으로 제한하는 새로운 프로세스를 개발했습니다. 추가 학습 중에는 추출된 특징과 약물 이름만 등록되어 프로세스가 상당히 빨라집니다. 이제 약물 식별에 1초 이상 걸리지 않고 추가 학습에 3초 이상 걸리지 않습니다. 우리는 이 새로운 방법에 대한 특허를 받았습니다."라고 Kenji는 말합니다.

이전 모델에서는 패턴 매칭을 사용하여 캡처된 이미지를 마스터 이미지와 비교했습니다. 즉, 이미징 장치와 환경이 마스터 이미지와 동일해야 합니다. 그러나 AI 기반 기능 추출을 사용하면 이미징 환경이 동일할 필요가 없으며 학습된 데이터 세트도 온라인에서 더 쉽게 공유할 수 있습니다.

AI를 도입함으로써 audit-i 시스템은 완화된 영상 조건 요구 사항과 시스템 전체 크기의 60% 감소로 상당히 향상된 성능을 제공합니다.

시스템을 인터넷에 연결하는 기능은 또 다른 중요한 변화로, 다양한 클라우드 서비스를 사용할 수 있게 해줍니다. audit 기록의 클라우드 기반 중앙 집중화는 여러 위치를 관리하는 회사에 매우 의미가 있을 수 있으며, 이 데이터는 약국 관리, 계획 및 직원 교육에 유용합니다. "위험에 처하기 쉬운 약물의 추세와 약국 위치와 베스트셀러 제품 간의 관계를 분석할 수 있다면 제약 제조업체에 다양한 면에서 도움이 될 수 있습니다. 더 많은 위치로 서비스를 확장함으로써 약사에게 더 나은 작업 환경을 제공하고 전국의 환자에게 더 편리한 시스템을 제공하고자 합니다."라고 Kenji는 말합니다.