벙커힐 헬스 vs 딜리네이트

벙커힐 헬스 장단점

• 다양한 인종과 환경이 포함된 다기관 데이터를 활용하므로 AI가 특정 병원 데이터에만 최적화되어 성능이 떨어지는 문제를 효과적으로 방지합니다. Carebricks 플랫폼을 통해 파편화된 환자 기록을 대화형으로 분석할 수 있어 의사의 행정적 업무 시간을 단축하며, 세쿼이아와 YC 같은 신뢰도 높은 투자사의 지원을 받아 시스템 운영의 안정성이 높습니다. 특히 임상 연구자들이 가장 어려워하는 데이터 접근 권한과 규제 준수 문제를 컨소시엄 인프라 내에서 해결해 준다는 점이 큰 장점입니다.

• 컨소시엄이 주로 미국의 주요 대학 병원 위주로 구성되어 있어, 한국 등 아시아권 의료 환경이나 표준화되지 않은 중소 병원 데이터에 적용했을 때 동일한 성능을 보장하기 어려울 수 있습니다. 생성형 AI를 활용하는 대화형 기능은 환자의 생명과 직결된 정보를 다루는 만큼, 기술적 한계로 인한 오류(할루시네이션) 발생 가능성에 대해 항상 사용자의 주의가 요구됩니다. 또한 대형 의료 기관 시스템과의 연동 과정에서 발생하는 초기 데이터 표준화 작업과 보안 승인 절차가 까다로울 수 있다는 한계가 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.

벙커힐 헬스 주요 기능

• 기회적 스크리닝(Opportunistic Screening) 자동화
• 다기관 연합 학습 및 데이터 검증
• FDA 승인 프로세스 엔드투엔드 관리
• Epic·Cerner 임상 워크플로우 통합
• 임상 시험 적격 환자 자동 식별
• Carebricks AI 에이전트 플랫폼 기반 케어 조정

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