흩어진 NANDA-I·NOC·NIC을 하나의 흐름으로 잇고, 가상 사례로 간호과정을 연습하는 학습 웹사이트 'Nursync'입니다.

🤖 활용 AI 도구
Codex(웹사이트 개발) · Gemini API(앱 안 사례 분석)

① 어떤 상황에서 AI를 활용했나요?
간호과정 과제를 할 때마다 같은 어려움을 겪었습니다. 사례를 읽고 간호진단을 고르면, 진단의 정의와 정의적 특성은 NANDA-I에서, 목표로 삼을 간호결과는 NOC에서, 간호중재는 NIC에서 따로 찾아야 했습니다. 세 분류체계가 서로 다른 책과 자료에 흩어져 있어 진단 하나를 정리하는 데도 자료를 여러 번 오가야 했습니다.
더 큰 어려움은 '연결'이었습니다. 예를 들어 '급성 통증'에는 어떤 결과와 중재가 핵심이고 어떤 것이 보조인지, 그 연결의 근거가 무엇인지 한눈에 확인하기 어려웠습니다. 그래서 과제에서 진단, 목표, 중재가 서로 따로 노는 경우가 많았습니다.
이 문제를 풀기 위해 AI를 두 가지로 활용했습니다. 하나는 방대한 NNN 자료를 정리해 웹사이트로 만드는 개발 도구였고, 다른 하나는 사례를 읽고 간호진단 후보를 정리해 주는 학습 보조 도구였습니다.

② 어떤 AI를 어떻게 활용했나요?

(1) 만드는 도구: Codex
자료 정리: NANDA-I 2024–2026 국문 정리본, NOC 제6판, NIC 제7판을 항목별 노트와 연결표(CSV)로 정리했습니다. 이를 웹에서 쓰는 데이터로 바꾸는 변환 스크립트를 Codex와 함께 만들었습니다.
원서 대조: NOC 제6판의 임상상황별 NOC↔NIC 표와 지식↔수행 결과 표는 원서 쪽수를 기록하며 옮기고, 원본과 대조하는 스크립트로 확인했습니다.
화면 구현: 검색, 진단·결과·중재 상세, 관계 그래프, 출처 화면을 말로 설명하면 Codex가 코드를 작성했습니다. 저는 실제 화면에서 직접 눌러 보며 오류와 어색한 부분을 찾아 고쳐 달라고 요청하는 과정을 반복했습니다. 분류 기준과 연결이 맞는지는 제가 직접 판단했습니다.

(2) 웹사이트 안의 AI: Gemini API
'AI 간호과정' 화면에 가상 교육 사례를 입력하면, Gemini가 사정 핵심을 요약하고 간호진단 후보를 최대 3개 제안합니다. 이때 Nursync에 등록된 NANDA-I 진단 277개 목록을 함께 주고 그 안에서만 고르게 했습니다. 확정 진단, 처치 지시, 약 용량 같은 의학적 판단은 하지 않도록 규칙을 정했고, 답은 정해진 형식(JSON)으로만 받습니다.
돌아온 후보는 서버가 다시 확인해 목록에 없는 코드를 버립니다. 후보에 붙는 NOC·NIC 연결은 AI가 쓰지 않고, Nursync의 연결 데이터에서 가져옵니다.
예를 들어 "복부 수술 후 1일째, 절개 부위 통증 NRS 7점, 기침할 때 얼굴을 찡그리며 심호흡과 보행을 주저함"이라는 가상 사례를 넣었습니다. 그러자 '00132 급성 통증'을 우선 검토 후보로, '00032 비효과적 호흡양상'을 검토 후보로 제시했습니다. 각 후보에는 핵심 결과(통증 수준, 통증 조절)와 핵심 중재(통증 관리, 진통제 투여, 자가조절진통 보조)가 연결되어 나왔습니다.

③ 활용 결과 어떤 변화가 있었나요?
책 세 권을 오가던 공부가 한 화면으로 바뀌었습니다. NANDA-I 진단 277개, NOC 결과 540개, NIC 중재 565개를 한글명·영문명·코드로 바로 찾을 수 있습니다.
연결이 보이기 시작했습니다. 진단→결과 1,584건, 진단→중재 3,017건의 연결을 핵심·보조·상황별로 나누어 보여 주고, 카드마다 근거 문헌(Ackley 12판, Carpenito 16판)을 표시했습니다. 임상상황별 결과↔중재 직접 연결 259건, 지식 결과↔수행 결과 연결 759건도 담았습니다.
예를 들어 '급성 통증'을 검색하면 정의와 정의적 특성 17개, 관련요인 3개가 나옵니다. 핵심 결과 '통증 수준'을 누르면 결과 지표 22개로, 핵심 중재 '통증 관리(급성)'를 누르면 중재 활동 20개로 이어집니다. 관계 그래프에서는 이 연결을 그림으로 보고, 노드를 눌러 해당 화면으로 바로 이동할 수 있습니다.
과제를 하는 방식도 달라졌습니다. 진단을 고른 뒤 목표(결과)와 중재를 따로 찾는 대신, 연결을 따라가며 "왜 이 목표와 이 중재인가"를 설명할 수 있게 되었습니다. 가상 사례로 진단 후보를 먼저 떠올려 보고, 실제 연결표와 비교하는 연습도 할 수 있습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
가장 신경 쓴 부분은 AI가 그럴듯하게 만든 답을 그대로 믿지 않도록 하는 것이었습니다.
첫째, 고를 수 있는 범위를 제한했습니다. AI는 등록된 진단 277개 안에서만 후보를 고르고, 서버가 그 코드를 다시 확인합니다.
둘째, 연결은 AI가 아니라 근거 자료가 맡도록 했습니다. 진단에 붙는 결과와 중재는 원서와 근거 문헌으로 만든 연결표에서만 가져옵니다. 원서에 없는 연결은 만들지 않았고, 특정 임상상황에서만 성립하는 연결은 그 상황에서만 보여 줍니다.
셋째, 개인정보를 막았습니다. 실제 환자 정보를 넣지 않도록 화면에 안내하고, 이메일·전화번호·주민등록번호·등록번호처럼 보이는 내용이 있으면 전송하지 않습니다. 분석 버튼을 누르기 전에는 아무 내용도 보내지 않으며, API 키는 비공개 서버에만 둡니다.
넷째, 최종 판단은 사람이 합니다. AI 결과는 '확정이 아닌 검토 초안'으로 표시하고, 간호학생이 최종판단합니다.

다만 한계도 있습니다. 학습 효과는 아직 다른 학생을 대상으로 평가하지 않았고, AI 후보의 정확도도 체계적으로 검증하지 않았습니다. 첫 AI 호출이 응답 지연으로 끊긴 적이 있어 안정성 개선이 필요합니다. 또 출판물에서 옮긴 내용이 있어, 공개 범위와 이용 허가를 확인하기 전까지는 비공개로 운영하고 있습니다. 앞으로 간호학과 학생들의 사용 평가를 진행하고, 정답이 있는 교육 사례로 AI 후보의 일치도를 확인할 계획입니다.

⑤ 다른 사람도 따라 할 수 있나요?
네. 코딩을 깊이 알지 못해도 사용할 수 있습니다.

웹사이트라서 설치 없이 브라우저로 쓸 수 있어, 공개 범위를 확인한 뒤에는 다른 간호학과 학생들도 간호과정 과제에 활용할 수 있습니다. 같은 방식은 약물과 부작용, 검사와 간호처럼 서로 연결된 지식을 공부할 때도 응용할 수 있습니다. 구체적인 화면과 안전 설계는 첨부한 PDF와 시연영상에 담았습니다.

단, 저작권 허락을 받지 못하여, vercel과 연동을 해두되 최종배포는 하지 않습니다.
[파일 첨부]
Nursync_프로젝트요약.pdf, Nursync_웹사이트시연_60초.mp4