임상 운영 인텔리전스는 Lakehouse에 있어야 한다
영어 원문을 AI가 번역했습니다. 영어로 보기
오픈소스 Databricks App인 Site Feasibility Workbench를 통해 이제 외부 API 호출과 동기화 파이프라인 없이 Databricks 워크스페이스 안에서 임상시험 사이트 선정을 완결할 수 있다. 이 솔루션은 단절된 임상 운영 데이터라는 아키텍처 과제를 해결하며, TA로 세그먼트한 LightGBM 모델과 감사 가능한 SHAP 기반 설명으로 등록 목표 달성률을 높인다.
* 개요: Site Feasibility Workbench는 임상시험 사이트 선정을 Databricks 워크스페이스 안에서 완결해 수행하는 오픈소스 Databricks App이다. ML 기반 사이트 스코어링, 운영 상태를 담당하는 Lakebase, 자연어 데이터 접근을 담당하는 AI/BI Genie를 결합하며, 외부 API 호출이나 동기화 파이프라인이 전혀 필요 없다. * 해결하는 과제: 연구자 사이트의 37%가 등록 목표를 달성하지 못하며, 그 근본 원인은 아키텍처에 있다. 임상 운영 데이터와 이를 사용하는 애플리케이션이 단절된 시스템에 존재하는 탓에 의사결정이 스프레드시트로 밀려나고, 통합 부담과 자격 증명의 난립, 동기화 지연이 발생해 데이터에 대한 신뢰를 무너뜨린다. * 결과와 성과: 업계 평균이 아니라 자사의 CTMS, EDC, IRT 이력으로 학습한 TA 세그먼트 LightGBM 모델은 포트폴리오가 커질수록 개선되는 스코어를 만들어내며, SHAP 기반 설명은 거버넌스가 적용된 버전 관리 Delta 테이블로 저장된다. 모든 예측에는 Delta 테이블로 저장되는 SHAP 기반 기여도가 담겨, 모델의 근거를 스코어 자체만큼 감사 가능하고 버전 관리된 형태로 만든다.