언제든지 임상 검사실이 진단 수요를 충족하는 데 필요한 검사, 시약 및 소모품을 사용할 수 있도록 공급망을 관리하는 일은 어려운 과제일 수 있으며 이는 의료 시스템, 제조 회사, 유통업체, 심지어 개별 검사실이 공유하는 문제입니다.
그러나 팬데믹에서 그 난관은 매분매초 주먹을 꽉 쥐게 되는 공포가 됩니다. 2020년 초, COVID-19가 전 세계를 휩쓸면서 SARS-CoV-2 검사를 개발하고 배포하는 진단 제조사는 수요가 급증하고 있음을 깨달았습니다. 물론 공급은 그렇지 않았습니다.
선도적인 진단 제조사와 인공 지능(AI) 전문 컨설팅 업체인 IVADO Labs 간의 특별한 제휴는 테스트, 시약 및 소모품을 보다 공정하고 합리적인 방식으로 할당할 수 있는 예측 모델을 위한 길을 열었습니다. 이 접근 방식은 가능한 최악의 조건에서 스트레스 테스트를 거쳤지만 평상시의 광범위한 임상 실험실 요구에 대한 공급망 관리에도 유용할 수 있습니다.
2020년 초 팬데믹이 북미 전역으로 확산되자 IVD 제조업체의 캐나다 계열사는 해당 국가에 서비스를 제공하기 위해 매주 제한적이고 고정된 수의 SARS-CoV-2 검사를 할당했습니다. 그러나 검사를 분배하는 일은 쉽지 않았습니다. 각 검사에는 거의 12개의 소모품과 시약이 필요했으며 매주 이러한 모든 테스트를 임상 실험실에서 사용할 수 있도록 정확한 비율로 배포해야 했습니다.
검사, 소모품, 시약의 조합을 최적화하는 것만이 유일한 목표는 아니었습니다. 팀은 검사 할당의 제약이 지역 수요를 충족시키기에 충분하지 않다는 현실을 알고 있었지만 특정 실험실이나 커뮤니티를 배제하지 않는 방식으로 할당하고 싶었습니다. 그리고 그 때 IVADO Labs로 향했습니다.
일반적으로 IVADO Labs의 AI 전문가들은 조직이 수익을 최적화하기 위해 공급망을 보다 정확하게 예측하는 업무를 지원합니다. 하지만 이 프로젝트는 그렇지 않았습니다. IVADO Labs의 공동 설립자이자 과학 이사인 Andrea Lodi는 말합니다. “이 프로젝트는 수익에 관한 것이 아니다. 유일하게 중요한 점은 제품이 적시에 올바른 장소에 도착하고 궁극적으로 검사가 가장 필요한 환자에게 서비스를 제공할 수 있도록 전달하는 것이었다.” 캐나다에서 이 임무를 성취해야 할 필요성이 너무 긴급했기 때문에 Lodi와 그의 동료들은 기꺼이 팔을 걷고 나섰습니다.
그러나 공급망 관리를 전문으로 하는 AI 전문가들에게도 이 프로젝트는 호락호락하지 않았습니다. IVADO Labs 팀은 일반적으로 계절성 및 수요와 공급에 영향을 미치는 기타 요인을 포착하기 위해 2년 분량의 판매 데이터로 AI 모델을 구축하는 것을 선호합니다. IVADO Labs의 제품 관리 책임자 Jack Klejka가 회상하기로 SARS-CoV-2 테스트의 경우에는 2주 분량의 데이터만을 보유하고 있었다고 합니다. 팀은 프로젝트가 진행되며 시간이 지남에 따라 더 많은 데이터를 통합하고 필요한 시약과 소모품을 이해하기 위해 검사 프로토콜을 고려했습니다.
Klejka는 “곧바로 완벽한 무언가를 손에 쥐는 것에 대한 문제가 아니었다. 우리는 점차적으로 복잡성을 계속 확장해 나갔다”라고 말했습니다.
IVADO Labs 팀은 의사 결정에 도움이 되는 두 가지 기준점, 즉, (a) 모든 실험실의 사용 능력, (b) 각 성의 1인당 양성 사례 수를 기반으로 한 감염 유병률을 정했습니다. AI 모델은 많은 다른 정보와 함께 이 기준을 활용하여 테스트 요구를 예측하고 그에 따라 공급을 할당합니다. 나라의 한 지역에서 발병이 된다면 모델은 조정되어 해당 지역에서의 검사를 대폭 늘리면서 필요성이 적은 지역에 대한 공급은 줄입니다.
COVID-19의 혹독한 상황에서 IVADO Labs는 기록적인 시간에 모델을 제공했으며 새로운 접근 방식은 효과적이었습니다. 배포 8주 만에 AI 모델은 정확도를 80% 이상 향상시켰고 검사 용량도 평균 10% 향상시켰습니다. AI의 정확성은 인상적이었습니다. 예측은 일반적으로 주당 20키트 미만으로 실제 소비량과의 차이를 보였습니다. 그리고 매주 배정량의 변동성이 78% 감소하여 안정성이 향상되고 리소스 계획이 더 쉬워졌기 때문에 실험실 고객은 더욱 만족할 수 있었습니다.
IVADO Labs는 이 프로젝트의 성공을 바탕으로 이미 AI 기반 공급망 예측 모델을 다른 테스트 및 기타 국가로 확장하는 방법에 대해 논의하고 있습니다. Klejka는 “우리가 이 프로젝트를 시작했을 때 COVID-19를 넘어서는 훨씬 더 많은 잠재력이 있음이 분명해졌다. 데이터를 캡처할 때마다 무언가를 최적화할 기회가 있기 때문”이라며 소회를 밝혔습니다.
Lodi와 Klejka는 Helene Desmarais, Arnold Liwanag, Guy Desaulniers, Guillaume Rabusseau, Parnaz Tabrizian, Florian Soudan, Nabila Remli, Shima Nikfal 및 Benoit Bourbeau를 포함하여이 프로젝트를 가능하게 한 IVADO Labs의 다른 팀원의 노고에 감사를 표하고자 합니다.
