아키도 랩스 vs 딜리네이트

아키도 랩스 장단점

• 전문의의 개입 시간을 최적화하여 환자 수용 능력을 기존 대비 최대 4~5배까지 높일 수 있으며, 실제로 예약 대기 시간을 대폭 단축하고 당일 진료 접근성을 개선했다는 실사용 지표를 보유하고 있습니다. 특히 사회적 결정 요인(SDOH) 데이터를 진료 과정에 결합하여 취약 계층이나 기그 워커(Gig worker) 등을 위한 맞춤형 예방 의료 서비스에서 높은 환자 만족도(NPS 90점 이상)를 기록 중입니다. 또한, 복잡한 설치 없이 기존 EHR 시스템과 유연하게 연동되어 파편화된 정보를 실시간 통찰력으로 변환하는 데 강점이 있습니다.

• AI가 제안한 진단명을 의사가 사후 검토하는 방식이기에, 바쁜 현장에서 의사가 비판적 검토 없이 AI의 의견을 그대로 수용하는 '자동화 편향(Automation Bias)'이 발생할 위험이 전문가들 사이에서 지적됩니다. 현재 FDA의 공식 의료기기 승인을 받지 않은 상태라 법적 책임 소재가 모호할 수 있으며, 주거·영양 등 민감한 개인 정보를 광범위하게 수집하는 과정에서 프라이버시 침해 우려도 존재합니다. 무엇보다 미국식 공공 의료 및 보험 체계에 맞춤 설계되어 있어 한국처럼 의료 수가 체계가 다른 환경에서는 도입 시 경제적 효용성이 낮을 수 있습니다.

딜리네이트 장단점

• 가장 큰 장점은 수작업으로 수개월이 걸리던 임상 데이터 수집 및 구조화 작업을 약 15배 이상 빠르게 처리할 수 있다는 점입니다. 특히 논문 속 그래프(Plots)에 숨겨진 수치를 정확하게 복원하는 능력이 뛰어나, 데이터가 소실된 과거 연구 결과도 다시 활용할 수 있게 해줍니다. 글로벌 Top 10 제약사들과 협업하며 검증된 높은 데이터 품질과 품질 관리(QC) 프로세스를 제공하며, 이를 통해 임상 설계 단계에서 하루만 앞당겨도 발생하는 수백만 달러의 기회비용을 절감하는 데 실질적인 도움을 줍니다.

• 제약 및 바이오 전문 엔터프라이즈 솔루션 특성상 일반 사용자가 접근하기 어려운 폐쇄적인 가격 정책을 가지고 있으며, 도입 비용이 상당히 높을 것으로 예상됩니다. AI가 추출한 데이터라 할지라도 임상 시험이라는 특수성 때문에 최종 단계에서는 반드시 전문가의 검토가 필요하다는 인적 리소스 부담이 여전히 존재합니다. 또한 현재는 영어권 기반의 연구 자료 처리에 최적화되어 있어, 한국어 등으로 작성된 국내 특허나 로컬 임상 자료에 대한 처리 정확도는 상대적으로 낮을 수 있다는 한계가 있습니다.

아키도 랩스 주요 기능

• FHIR/HL7 기반 EHR 데이터 상호운용성 및 실시간 통합
• AI 기반 환자 위험군 계층화 및 예측 분석
• 사회적 결정 요인(SDOH) 데이터 통합 관리
• 폐쇄형 의뢰 시스템(Closed-loop Referrals)으로 의료-복지 서비스 연결
• 환자 관리 대시보드 및 인구 건강 분석
• ScopeAI 기반 실시간 진료 질문 및 진단 후보 제안

딜리네이트 주요 기능

• AI 에이전트 기반 체계적 문헌 고찰 자동화
• 컴퓨터 비전을 활용한 그래프·도표 수치 추출(plot digitization)
• 100% 감사 가능한 데이터 출처 추적
• 특정 약물 계급에 특화된 대규모 데이터셋 구축
• 비구조화 문서(PDF·특허)의 구조화 변환
• 멀티소스 파라미터 추출 및 생물학적 메커니즘 탐색