암 치료는 최근 몇 년 동안 큰 진전을 이루었습니다. 그러나 어떤 경우에는 시도 된 치료에 맞지 않습니다. 이 환자들의 사례는 방사선 전문의, 병리학 자, 종양 전문의, 외과 의사 및 최상의 치료를 제공하는 전문 지식을 모으는 다른 전문가를 포함하는“종양 보드”로 보내집니다.

Stanford Health Care의 데이터 과학자이자 Stanford University School of Medicine의 Cancer Biology 및 Biomedical Informatics의 MD 및 박사 과학자 인 Timothy Keyes는 종양 보드는“고위험 환자를위한 고도의 고비용 회의”라고 말합니다.

의대생으로서, Keyes는 종양 전문의가 종양 보드에 제시되도록 사례를 준비하는 데 도움을주었습니다. “그들은 준비하는 데 많은 시간이 걸립니다”라고 그는 말합니다. 전자 건강 기록에서 영상 스캔, 의학 문헌에 이르기까지 다양한 출처에서 정보를 구별해야하며 찾기가 쉽지 않을 수 있습니다. 종양 보드에 제시하기 위해 모두 요약되어야합니다.

지금, Microsoft가 개발 한 새로운 도구 Stanford 데이터 과학자와 개발자가 AI 에이전트를 구축하고 테스트하여 이러한 행정 부담을 완화하고 종양 보드 준비를위한 워크 플로우 속도를 높일 수 있습니다. Microsoft의 새로운 의료 에이전트 오케스트레이터입니다 이제 Azure AI Foundry의 에이전트 카탈로그에서 다른 사람들이 사용할 수 있습니다..

의료 에이전트 오케스트레이터는 스탠포드 팀이 이질적인 데이터 소스를 참조하고 시간이 걸릴 수있는 작업에 대해 협력하는 자율 AI 에이전트를 구축하고 테스트하는 데 도움이되었습니다. 시간이 소요되는 작업, 현재 문헌을 합성, 치료 지침을 참조하고, 임상 시험을 소싱하며, 임상 적으로 지식을 발휘하여 정확하고 재정의 가능한 결과를 제공합니다. Stanford Health Care는 여전히 연구 환경에서 의료 에이전트 오케스트레이터의 적용을 테스트하고 있지만 아직 실시간 임상 용도로 사용하지 않았습니다.

모든 에이전트가 함께 일합니다 Microsoft 365 Copilot 따라서 바쁜 임상의는 에이전트를 사용하기 위해 보드 딩에 소중한 시간을 소비 할 필요가 없습니다. 워크 플로에 다른 애플리케이션을 추가하지 않고도 팀이나 단어와 같은 앱에서 자연스러운 언어로 원하는 것을 입력 할 수 있습니다. Stanford Health Care는 Microsoft의 의료 에이전트 오케스트레이터를 파운드리에 넣는 한 기관 일뿐입니다.

에이전트는 임상의 노트, 보험을 다루는 직원의 메모, 간호사의 메모, 병리학 슬라이드와는 매우 다른 CT 스캔과 같은 이미지의 조각화를 지나갈 수 있다고 Keyes는 말합니다.

“채팅 모델이이를 수행하기가 정말 어렵습니다.”라고 그는 말합니다. 그러나 에이전트는 의료 에이전트 오케스트레이터가 적절한 대리인에게 요청을 지시함에 따라 전문화 된 작업에 중점을 둘 수 있습니다. 시작하는 것은 정말 쉽습니다. Stanford Health Care는 Azure AI Foundry Agent Catalog의 초기 에이전트를 설정하고 약 10 분 안에 테스트를 위해 Microsoft 팀에 배치했다고 Keyes는 말합니다.

데이터 주최자는 임상 노트, 실험실, 약물 및 게놈 데이터를 가져 오는데,이 데이터는 모두 다른 형식으로 제공되며 정보를 간결한 초록으로 구조화하여 임상의가 신속하게 확인하거나 관련 섹션을 심층적으로 볼 수 있습니다.

Keyes는 다른 의료 연수생과 그의 주치의와 함께 전자 건강 기록에서 방사선과 보고서를 요청하는 것을 회상합니다. “그리고 클릭, 클릭, 클릭, 클릭, 클릭, 클릭 – 100 개의 클릭 대 ‘오, 바로 여기에 있습니다.’

방사선 약제는 Azure AI Foundry의 주요 특수 AI 모델을 사용하여 방사선과 이미지를 읽고 병리학 제제는 전체 슬라이드 이미지를 분석하고 관련 병리 연구 결과를 제공합니다. 다른 에이전트는 환자가 자격이있는 임상 시험을 식별합니다.

의료 연구 에이전트는 추론 모델을 사용하여 암에 대한 과학 논문을 검색하여 전체 문서를 빠르게 검색 할 수있는 링크를 제공합니다.

프로세스가 끝나면 보고서 작성 에이전트는 종양 보드에서 논의 할 환자 사례의 주요 구성 요소를 요약하여 Word 문서 또는 PowerPoint로 전환합니다.

종양 보드를 위해 단일 환자의 사례를 준비하는 데 몇 시간이 걸릴 수 있습니다. 테스트에서 AI 요원은 작업을 10 배 빠르게 만들 수 있다고 그는 말했다. 스탠포드 건강 관리에는 약 4,000 명의 환자에게 서비스를 제공하는 12 개 이상의 종양 보드가 있으므로 시간 절약이 빠르게 증가 할 것입니다.

Keyes는“에이전트는 작업을보다 쉽고 빠르며 효율적으로 수행 할 수있게 될 것입니다. 이는 시간이 정말 소중한 10 명의 임상의와의 회의에 대해 이야기 할 때 중요합니다. 환자들에게도 시간도 소중합니다.

“나는 많은 산업에서 그들이 에이전트를 생각할 때 매우 흥분한다고 생각합니다. ‘매우 자율적으로 일할 것입니다. 결정을 내릴 것이며, 한 번에 한 번에 무엇을하고 있는지 볼 수 있습니다.” 그것은 우리가 실제로 상상하는 것이 아닙니다.

“저는 의사가 자신의 최고의 버전이되고 시간이 많이 걸리는 문서 구성 요소에서 해방시켜 환자와 더 많은 시간을 보낼 수 있도록 AI의 아이디어에 흥분 할 것입니다.”라고 그는 말합니다.

VoiceFlow의 클라우드 인프라 책임자 인 Xavier Portilla Edo는“모든 것이 가능하지만 AI 에이전트를 사용하면 더 빠르고 간단합니다.

VoiceFlow의 고객은 대규모 국제 브랜드부터 소기업 또는 식당과 같은 지역 비즈니스를위한 맞춤형 AI 에이전트를 개발하는 대행사에 이르기까지 다양합니다. 이러한 유형의 AI 에이전트는 구두 또는 서면 대화를 통해 기업을위한 비즈니스 작업을 자동화합니다.

코드가없는 플랫폼은 많은 코딩을 작성해야합니다. 그렇기 때문에 Portilla는 Github Copilot을 사용하여 에이전트 모드를 이용해 온 이유입니다. 이는 개발자가 다른 작업에 집중하는 동안 개발자가 배경에서 일하는 동안 개발 작업을 속도를 높이기 위해 해당됩니다.

비주얼 스튜디오 코드의 에이전트 모드 개발자에게 Github Copilot가 여러 파일, 외부 시스템 및 데이터 소스에서 컨텍스트를 수집하여 코드 변경을 적용하고 명령을 제안하며 문제를 해결하기 위해 반복하는 편집 경험을 제공합니다. 그리고 Copilot 편집 자연어를 사용하여 여러 파일에서 개발자의 작업 공간에서 인라인을 변경합니다. 에이전트 모드와 Copilot 편집을 통해 개발자는 통제 상태를 유지합니다-변경 검토, 작동하는 변경 사항을 받아들이고, 후속 조치를 반복하여 흐름을 유지하면서.

Github Copilot의 새로운 에이전트 기능은 VoiceFlow 플랫폼에서 작업하는 개발자들이 개념 증명을 훨씬 빠르게 만들고 반복하는 데 도움이되었다고 Portilla는 말합니다. VoiceFlow 개발자는 여러 번 개념 증명을 검증하기를 원했고 유효성 검사 프로세스를 처음부터 구축하기보다는 에이전트 모드가 첫 번째 균열을 가져 왔습니다. Portilla는“정말 잘 진행되었습니다.

그는 AI 에이전트를 사용하는 또 다른 이점은 개발자가 지식 분야 밖에서 일할 수 있도록 할 수 있다는 것입니다. Portilla는“백엔드 엔지니어이며 백엔드에 내장 된 솔루션이 있으며이를 테스트 할 사용자 인터페이스가 없다고 가정 해 봅시다. “우리는 일반적으로 Github Copilot 에이전트가 UI를 빌드하고 있습니다. 그리고 다른 방법은 당신이 프론트 엔드 개발자이며 새로운 UI 기능을 테스트하기 위해 백엔드가 필요하다고 가정 해 봅시다.

새로운 프로세스와 마찬가지로 AI 에이전트를 이해하는 데 시간이 걸리므로 요청 및 질문이 원하는 결과를 생성 할 수있는 방식으로 제시되도록 시간이 걸립니다. 동료들과 마찬가지로 모든 에이전트 도구는 다릅니다. “특정 에이전트를 사용하는 경우 해당 에이전트와 상호 작용하는 방법을 알고 있지만 다른 에이전트를 사용할 때 해당 에이전트와 상호 작용하는 방법을 배워야합니다.”라고 그는 말합니다.

그러나 전반적으로 Github 에이전트 도구의 학습 곡선은 매끄럽습니다. 그는 아침이나 하루 종일 하루 종일 섭취했던 개념의 증거는 몇 시간 안에 이루어질 수 있다고 그는 말했다.

많은 대기업처럼 JM 가족 기업‘자회사는 광범위한 비즈니스 활동에 참여합니다. 세계 최대의 독립 Toyotas 유통 업체의 본거지는 차량 처리 및 부품 유통, 금융 서비스, 소매 자동차 판매, 홈 서비스 등의 개인적으로 보유하고있는 다양한 회사가 운영됩니다.

JM 가족을 위해 일하는 개발자는 비즈니스의 어느 부분에서도 솔루션을 개발하거나 프로세스를 현대화하도록 요청받을 수 있습니다. 새로운 프로젝트를 해결할 때 회사의 비즈니스 분석가는 해당 팀의 정보를 수집하고 그들이 달성하고자하는 것과 그 이유를 설명하는 간결한 “사용자 스토리”를 만듭니다. 이를 통해 소프트웨어가 필요한 기술 기능을 설명하는보다 자세한 요구 사항이 있으며 개발자는 코드를 작성하는 데 사용합니다. 그런 다음 품질 보증 전문가는 결과를 확인하기 위해 테스트를 생성합니다.

JM Family는 스토리 작성에서 테스트 계획 및 문서 설계에 이르기 까지이 소프트웨어 개발 라이프 사이클을 표준화하고 속도를 표준화하고 속도를 높이기 위해 사용자와 함께 일할 수있는 AI 에이전트를 소개했다고 말합니다. Amit SethiJM 가족의 AI 및 ML 연구 과학자 교장.

JM Family는 많은 사람들로부터 며칠까지 요건을 작성하는 과정을 줄인 다중 에이전트 솔루션을 개발했다고 Sethi는 말합니다. 이 회사는 비즈니스 분석가에게 40 %의 시간 절감 효과와 품질 보증을위한 테스트 사례 설계에서 60 %의 시간 절약을 발견했습니다. Sethi는 비즈니스 분석가들은 작업을 수동으로 개선해야하더라도 AI 생성 사례로 시작하는 선호하는 선호하는 선호하는 선호하는 선호하는 것을 선호하며, 예를 들어, 처음부터 시작하기보다는 자동차의 전달을 예측하는 데 필요한 모든 데이터 포인트를 모을 수 있다고 Sethi는 말합니다.

그들이 Baqa Genie (비즈니스 분석가/품질 보증을위한)라고 명명 한 다중 에이전트 솔루션의 또 다른 이점은 표준화입니다.“모든 사람이 자신의 일을하는 방식을 가지고 있기 때문에 큰 프로젝트가 있으면 문제가됩니다.”라고 Sethi는 말합니다.

AI 에이전트로 인한 “Crystal-CLEAR”요구 사항은 전체 개발 사이클을 훨씬 빠르게 만듭니다. “이것은 우리에게 전반적인 프로세스 효율성이 증가합니다.”라고 그는 말합니다.

JM 가족은 2024 년 2 월에 AI 요원 여행을 시작했습니다. Microsoft의 오픈 소스 Autogen 도구 고위 경영진에게. Sethi는“ ‘AHA’순간이었고, 요원이 서로 의사 소통 한 다음 귀하를 대신하여 조치를 취할 수있는 순간이었습니다.

처음에는 AI 요원의 관리가 복잡했다고 그는 인정했다. 그러나 Azure AI Foundry Agent Service와 Multi Agent Workflows는 이제“이러한 모든 문제를 처리합니다. Microsoft 플랫폼에 뒷받침되기 때문에 모든 터치 포인트와 잘 통합됩니다.”

JM Family는 Azure AI Foundry의 Microsoft Tools 제품군을 활용하여 다양한 전문 분야를 가진 에이전트를 구축했습니다. 요구 사항 에이전트, 스토리 작가 에이전트, 코딩 에이전트, 문서 에이전트 및 기타. 오케스트레이터 요원은 모두 함께 일하도록 도와줍니다.

현재 에이전트는 다른 프로세스를 처리 한 다음 다른 단계를 수동으로 수행하기 위해 사람에게 전달하지만 JM Family는 더 많은 작업을 수행하고 사람들이 요구 사항을 강화하거나 확인하기 위해 의존하는 에이전트로 진화하기를 원합니다. 세티는“우리가 책임있는 AI에 전적으로 최선을 다하고 있기 때문에 우리가 항상 갖고 싶은 원칙 중 하나는 루프의 인간입니다.

JM Family는 다중 에이전트 솔루션으로 성공을 거두어 Baqa Genie를 상용화 할 계획입니다. Sethi는“우리는이 기능으로 직접 잠금을 해제하는 것을 보았습니다. “이것은 모든 엔터프라이즈 기술 노력의 과제이므로 다른 고객에게 해당 가치를 공유하도록 제공하고 싶었습니다.”

“기본적으로 저는 에이전트 모드에 살고 있습니다. “요즘, 내가 그것을 끄는 것은 그다지 일반적이지 않습니다.”

고객이 최신 개발 동향을 유지하도록 돕는 Microsoft MVP 및 Github 스타 인 BOS는 최근 AI의 진화를 목격하는 데 앞장서 좌석을 가졌습니다. “우리는 정기적 인 채팅으로 시작했습니다. 그것은 상호 작용하고 복사하고 붙여 넣기입니다. 그런 다음 현재 채팅을 현재 코드에 적용했습니다. 이미 도움이되었습니다.” “그러면 우리는 더 빠르게 진행되는 편집 모드를 가졌으며 기능을 추가하려는 물건과 파일을 즉시 변경하기 시작했습니다. 에이전트 모드그것은 단지 속도에 집중하는 것입니다.”

에이전트 모드에 특정 작업을 수행하도록 요청한 후에는 편집과 마찬가지로 이러한 변경 사항이 변경됩니다. “가장 좋은 점은 변경 사항이 실제로 이해되는 경우 검증을 시작할 수 있다는 것입니다. 실제로 작업중인 스크립트를 실행하고 출력을 검증 할 수 있습니다. 단위 테스트 또는 회귀 테스트와 같은 것이 있으면 해당 테스트를 실행 한 다음 결과에서 배우고 작업이 완료 될 때까지 계속할 수 있습니다.”

MCP (Model Context Protocol) 서버의 출현으로 소프트웨어 경계에서 작업이 가능하다고 덧붙였다.

그가 구축 한 파이프 라인 중 하나에서 BOS는 GitHub 리포지토리에 데이터를 수집 한 다음 에이전트 모드에 해당 데이터를 기반으로 보고서를 인수하고 보고서를 작성하도록 요청했거나 에이전트에게 이미 수행 한 작업에 따라 새 스크립트를 작성하여 리포지토리의 과거 패턴을 기반으로 다음 단계를 유추 할 것이라고 말했습니다. “제 생각에는 저장소에서 기존 코드의 많은 맥락을 제공하거나 다른 곳에서 사용한 유사한 설정을 제공하는 것이 가장 좋습니다.”

예를 들어, 그는 에이전트에게 Azure 웹 애플리케이션에서 실행되는 실패한 가용성 테스트를보고 로그에서 버그에 대해 가능한 한 많은 정보를 수집 한 다음 좋은 문제 세트로 변환하도록 지시 할 수 있습니다.

AI 에이전트는 소프트웨어 엔지니어와 함께 일하는 모든 사람이 기여를 시작하도록 권한을 부여하고 있습니다. Bos는“예를 들어, 운영 중이기 때문에 이러한 오류를보고 있다면 이제 많은 추가 정보를 가져 와서 소프트웨어 개발 수명주기의 시작으로 다시 작동하여 제품 소유자가 실제로 달성하고자하는 사용자 스토리를 작성할 수있게 해줄 수 있습니다. “이것은 더 많은 사람들이 소프트웨어 개발 프로세스에 기여하고 엔지니어로서 우리가 매일 운영하는 방식을 바꿀 수있는 혁명입니다.”

BOS는 원래 지침이 너무 광범위한 경우 에이전트가 원하는 것과 다른 방향으로 이동할 수 있기 때문에 AI 에이전트를 사용할 때 연수생에게 작게 시작하도록 지시합니다.

대신, 그는 에이전트와 대화를 시작할 것을 권고합니다. “당신은 응답을 얻습니다. 실제로 작동하는지, 그리고 그것이 이해 될 때까지 전체 스토리 라인을 구축하기 시작한 다음 특정 일에 대해 행동하고 싶다”고 그는 말한다. “이것은 당신이 길을 따라 수정을 할 수있게합니다.”

많은 에이전트 기능이 나오면서 BOS는 고객이 호기심을 유지하고 친숙한 것을 고수하지 말라고 권장합니다. “지금 당장 가능한 여분의 것들이 끊임없이 있습니다.”

최고 이미지 : Stanford Health Care의 데이터 과학자 인 Timothy Keyes이자 Stanford University School of Medicine의 암 생물학 및 생물 의학 정보학의 MD 및 박사 후보자. Microsoft의 John Brecher의 사진.