[ 병원 주치의 업무 AI 비서 ]

① 어떤 상황에서 AI를 활용했나요?

암환자 입원 진료를 하는 요양병원에서, 수술 후 회복기·항암치료·방사선치료 시기에 있는 환자의 상태를 매일 파악하고 기록하는 업무에 AI를 활용했다. 신환의 경우 적게는 2~3장, 많게는 100장에 가까운 타병원 진료기록을 가져오는 경우가 있다. 이 자료는 원무과에서 스캔하여 전자차트에 업로드되지만, 의료진이 짧은 시간 안에 여러 장의 스캔 문서를 직접 읽고 병력, 검사 결과, 치료 경과, 현재 문제를 정리하는 데에는 상당한 시간이 필요했다. 환자 1명당 진료기록을 파악하고 차트에 정리하는 데 10~20분 정도 소요되는 경우도 많았다.

또한 회진 중 환자와 나눈 대화, 증상 변화, 검사 결과, 처방 내용 등을 진료 후 다시 기록해야 하므로 반복적인 문서 업무 부담이 컸다. 기록 업무에 시간이 많이 소요되면 실제 환자 상담과 상태 확인에 사용할 수 있는 시간이 줄어들 수 있어, 진료 현장에 맞는 AI 기반 업무 보조 시스템이 필요했다.

② 어떤 AI를 어떻게 활용했나요?

이 문제를 해결하기 위해 직접 개발한 병원 업무용 프로그램인 “병원 주치의 업무 AI 비서”에 여러 AI 기술을 결합해 활용하고 있다.

먼저 타병원 진료기록 스캔 이미지는 병원 내부 서버에서 PaddleOCR을 이용해 텍스트로 변환한다. 이후 환자명, 등록번호, 주민등록번호, 전화번호 등 개인정보는 규칙 기반 방식으로 마스킹하고, 비식별화된 텍스트를 ChatGPT/Codex 기반 LLM에 입력해 병력, 진단명, 수술, 항암치료, 방사선치료, 검사 결과, 현재 문제를 지정한 형식으로 요약하도록 했다. 요약 결과는 웹페이지에서 확인하고 필요한 부분을 복사해 전자차트에 기록할 수 있도록 구현했다.

회진 업무에는 faster-whisper 기반 음성인식을 활용했다. 환자 진료 중 나눈 대화를 녹음한 뒤 텍스트로 변환하고, 개인정보 비식별화 과정을 거친 후 AI가 SOAP 형식의 진료기록 초안을 작성하도록 했다. 여기에 병원 전자차트 데이터베이스의 상병 정보, 활력징후, 처방, 자가약 투약 내용, 당뇨 기록지, 혈액검사 결과 등을 함께 조회하여 환자의 상태를 날짜별로 통합적으로 볼 수 있게 만들었다. AI가 생성한 초안은 의료진이 최종 검토하고 수정한 뒤 사용하는 방식으로 운영하고 있다.

③ 활용 결과 어떤 변화가 있었나요?

AI 활용 후 기록 작성 시간과 문서 검토 시간이 뚜렷하게 줄었다. 회진 후 환자 1명당 기록 작성 시간은 기존 약 3~5분에서 1~2분 정도로 감소했다. 스캔 진료기록 리뷰도 초진 문서 기준 약 10분 걸리던 작업을 약 2분 안팎으로 단축할 수 있었다. 현재 하루 평균 30~40명의 입원 환자 진료에 활용하고 있으며, 반복적인 기록 업무 시간이 줄어든 만큼 환자 상담과 상태 확인에 더 많은 시간을 사용할 수 있게 되었다.

단순히 시간만 줄어든 것은 아니었다. 회진 중 환자가 호소한 증상, 불편감, 치료 반응, 생활상의 변화가 텍스트로 남고 AI가 이를 SOAP 형식으로 정리해 주면서, 차트 내용이 더 풍부해졌다. 진료 후 기억에 의존해 기록할 때보다 환자가 말한 세부 증상이 누락되는 경우를 줄일 수 있었고, 기록의 양과 질을 함께 개선할 수 있었다.

예상하지 못한 상황에서도 도움이 되었다. 혈액검사를 의뢰하는 업체가 홈페이지를 개편하면서 응급 혈액검사 결과가 JSON 형식으로는 응답되지만 웹페이지에는 표시되지 않는 문제가 있었다. 기존에 개발해 둔 AI 기반 업무 프로그램과 스크래핑 기능을 활용해 검사 결과를 빠르게 확인할 수 있었고, 실제 환자 진료에 유용하게 사용할 수 있었다.

또한 풍부하게 정리된 진료기록은 퇴원 요약, 회복 리포트, 보험사 제출용 소견서 작성에도 도움이 되었다. 다만 소견서처럼 문구의 정확성이 중요한 문서는 LLM이 직접 작성하도록 하지 않고, AI는 프로그램 개발과 업무 자동화에 활용하며 최종 문구는 규칙 기반 방식으로 생성되도록 구현했다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

이 사례의 가장 큰 특징은 AI를 이용해 AI를 쓰는 병원 업무 시스템을 직접 만들었다는 점이다. 단순히 상용 AI 서비스에 문서를 입력해 요약한 것이 아니라, 실제 병원 진료 흐름에 맞춰 OCR, 음성인식, 개인정보 마스킹, 전자차트 데이터베이스 연동, 웹페이지 구현, 회복 리포트 생성, 소견서 작성 보조 기능을 하나의 업무 흐름으로 연결했다.

AI 보조 코딩, 즉 바이브코딩을 활용하지 않았다면 이런 시스템을 개인이 직접 개발하기는 매우 어려웠을 것이다. 하지만 AI를 개발 도구로 활용하면서 병원 내부 업무 구조에 맞는 맞춤형 프로그램을 만들 수 있었고, 이를 다시 진료기록 요약과 업무 자동화에 적용해 생산성과 기록의 질을 함께 높일 수 있었다.

또 하나의 개선 포인트는 개인정보 보호 방식이다. 의료기관에서는 환자 개인정보 보호가 매우 중요하기 때문에, 환자 정보가 포함된 원본 자료를 무조건 외부 AI에 보내지 않는다. 병원 내부 서버와 로컬 AI를 이용해 OCR과 음성인식을 먼저 수행하고, 환자명·등록번호·주민등록번호·전화번호 등 개인정보를 규칙 기반 방식으로 마스킹한 뒤 비식별화된 자료를 AI 요약에 활용한다. 의료진이 최종 검토하는 구조를 유지하여 AI 결과를 그대로 진료 판단으로 사용하지 않고, 진료기록 작성과 문서 정리를 보조하는 도구로 활용하고 있다.

⑤ 다른 사람도 따라 할 수 있나요?

다른 의료기관에서도 충분히 응용할 수 있다. 모든 기능을 처음부터 완성형으로 만들 필요는 없고, 업무 부담이 큰 부분부터 단계적으로 적용하면 된다. 예를 들어 타병원 진료기록 스캔 문서가 많은 기관은 OCR과 요약 AI를 먼저 적용할 수 있고, 회진 기록 부담이 큰 기관은 음성인식과 SOAP 초안 생성을 먼저 도입할 수 있다. 퇴원 요약이나 보험 관련 서류 작성이 많은 기관은 전자차트 데이터를 정리해 의료진 검토용 초안을 만드는 방식으로 활용할 수 있다.

특히 개인정보가 중요한 의료기관에서는 로컬 컴퓨터나 병원 내부 서버에서 OCR, 음성인식, 개인정보 마스킹을 먼저 처리하고, 비식별화된 자료만 고난도 요약 작업에 활용하는 방식이 현실적인 대안이 될 수 있다. 이 방식은 암환자 입원 진료뿐 아니라 수술 후 회복 환자 관리, 만성질환 입원 관리, 퇴원 요약 작성, 의무기록 검토, 보험 관련 서류 준비 등 여러 의료기관의 반복적인 문서 업무에도 적용 가능하다.

따라서 “병원 주치의 업무 AI 비서” 활용 사례는 의료진이 행정적 기록 부담을 줄이고 환자 진료에 더 집중할 수 있도록 돕는 실용적인 AI 활용 모델이라고 생각한다.