임상연구 업무를 수행하며 완성 직전의 연구계획서(Protocol) 내용을 각 기관의 IRB 제출 양식에 맞춰 매번 똑같은 항목에 복사 붙여쓰기를 하고 재작성해야 했습니다. 원문 텍스트를 복사해 옮기는 과정에서 대상자 수, 연구 기간, 개인정보 보관 조건 등 필수 정보의 누락이나 문서 간 데이터 불일치가 일어나는 행정적 병목이 고질적으로 발생했습니다. 이러한 반복적인 서류 변환과 교차 검증에 드는 현장의 피로도를 근본적으로 줄이고 업무 효율을 높이고자 AX(AI Transformation) 관점에서 ‘공용IRB 초안 작성’ 서비스를 직접 기획하고 제작하게 되었습니다.

Claude와의 대화형 프롬프팅을 적극 활용하여 서비스의 전체적인 기능과 사용자 화면, 백엔드 로직 및 API 처리 흐름을 정의하고 코드를 구현했습니다. 연구자가 작성해 둔 연구계획서(Protocol Synopsis)를 시스템에 입력하면, AI가 핵심 필드를 구조화하여 추출하고 이를 바탕으로 공용IRB 권고 서식(HWPX) 초안과 e-IRB 입력용 답변을 한꺼번에 준비할 수 있도록 설계했습니다. 이 과정에서 개발자가 아닌 실무 연구자로서 현장에서 경험한 어려움을 AI에게 명확한 업무 맥락(Context)으로 전달하고, 출력된 프로토타입 결과물을 실시간으로 확인 및 교정하는 피드백 루프 방식으로 개발을 진행했습니다.

기존에 개발 경험이 많지 않았음에도 불구하고, AI를 실무 파트너로 활용함으로써 현업의 페인포인트(Pain Point)를 실제 동작하는 풀스택 웹앱 형태의 프로토타입으로 빠르게 시각화해낼 수 있었습니다. 아이디어를 실제 작동하는 UI와 데이터 연동 구조로 직접 만들어보며 AI를 실제 업무 현장에 사용하여 도움을 보는 경험을 가지는 기회가 되었습니다. 현재 구축된 서비스의 실제 작성 시간 단축률이나 서류 오류 감소 효과 등 구체적인 성능 수치는 향후 연구 책임자(PI) 및 연구 코디네이터(CRC) 대상의 사용자 테스트(User Testing)를 진행하여 정량적으로 검증하고 고도화할 계획입니다.

기관별로 IRB 양식이 다르기 때문에 모든 기관을 대상으로 시작하기 보다 공용IRB를 첫번째 타겟으로 잡았습니다. 선택 이유는 처음부터 전국의 모든 병원이나 연구기관별 개별 IRB 서식을 지원하려 하기보다, 표준화된 ‘공용IRB의 인간대상연구’로 범위를 명확히 좁혔습니다. 공용IRB는 자체 IRB가 없거나 개인 연구를 수행하는 연구자들의 이용률이 높기 때문에, AI의 데이터 추출 정확도를 측정하고 공공기관 필수 서식인 HWPX 문서 생성을 안정적으로 실증할 수 있는 최적의 타겟이기 때문입니다.

해외 사례를 분석했을 때, 해외에서는 대형 언어 모델(LLM)을 활용해 피험자 동의서(ICF)의 가독성을 대폭 개선하거나, RAG 기반의 임상 프로토콜 서작 및 데이터 자동화(Protocol Authoring)를 다룬 논문과 선행 연구가 활발히 발표되고 있습니다. 반면 국내에서는 「생명윤리법」 및 KGCP 등 고유의 규제 환경과 HWPX/e-IRB 시스템을 결합한 IRB 초안 작성 AI 서비스가 부재한 실정입니다. 본 프로젝트는 이 같은 해외 AI 연구 흐름을 한국형 실무 환경에 맞춰 최초로 접목했다는 점에서 차별점이 있다고 생각합니다.

AI가 작성되지 않은 연구 내용을 거짓으로 자동 작성(Hallucination)하는 리스크를 방지하기 위해, 계획서에서 확인되는 사실 기반 정보와 추가 확인이 필요한 항목을 명확히 구분하도록 했습니다. 화면상에 확인이 필요한 부분이나 책임 연구자의 컨펌이 필요한 부분은 '판단 보류 버튼'을 제공하여, AI는 서류 변환 업무만 보조하고 최종 윤리적·임상적 결정은 연구자가 하도록 안전장치를 설계했습니다.

누구나 본인의 실무 경험을 바탕으로 시작할 수 있다고 생각합니다. 매일 반복하는 일상 업무 중 비효율적인 구간을 효율적이게 자동화하고 싶다는 욕심만 있다면 누구나 AI를 활용해 할 수 있다고 생각합니다.
다만, IRB 업무처럼 높은 정확성과 개인정보 보호가 철저히 요구되는 도메인에서는 개인정보와 같은 민감 데이터의 보안 로직을 정밀하게 계획해야합니다.