대형 종합병원 의료 연구 AI 챗봇 구축으로 자료 탐색 시간 70% 단축

01 / THE CHALLENGE

문제의 출발점.

국내 대형 종합병원. 연구진이 논문, 임상 데이터, 내부 연구 자료 등 방대한 의료 레퍼런스를 수동으로 검색하고 있었다. 자료가 여러 데이터베이스에 분산되어 있어 하나의 주제를 조사하는 데에도 상당한 시간이 걸렸고, 최신 연구 동향 파악을 위해 수백 편의 논문을 직접 읽고 분류해야 했다. 기존 키워드 검색으로는 맥락적 의미를 반영한 정밀 검색이 불가능했다. 의료 도메인 특성상 높은 정확도가 필수였고, 한국어·영어 의학 문헌 동시 처리, 답변 시 원문 출처 명시, 환자 데이터 보안 처리까지 요구사항이 많았다.

02 / THE APPROACH

업무의 맥락부터, 설계에 담았습니다.

RAG(Retrieval-Augmented Generation) 아키텍처로 기존 의료 데이터를 벡터화하고, LLM이 근거 기반으로 응답하는 구조를 설계했다. 의학 전문 용어 사전을 구축해 임베딩 품질을 높이고, 논문의 구조적 특성을 반영한 도메인 특화 청킹 전략을 적용했다. 답변에는 관련 문헌의 원문 단락을 인용으로 첨부해 연구자가 근거를 즉시 확인할 수 있게 했고, 내부 의료 데이터에는 접근 권한 기반 필터링을 적용해 보안 요구사항을 충족시켰다.

03 / THE PROCESS

작은 검증을 쌓아, 작동하는 시스템으로.

1. 01

   의료 레퍼런스 데이터 분석 및 벡터화 파이프라인 설계

2. 02

   의학 전문 용어 사전 구축, 임베딩 품질 개선

3. 03

   논문 구조를 반영한 도메인 특화 청킹 전략 적용

4. 04

   원문 출처 인용 기반 답변 생성 구조 구현

5. 05

   내부 데이터 접근 권한 필터링으로 보안 요구사항 충족

6. 06

   연구진의 실제 질의 패턴을 수집해 검색 정확도 반복 개선

04 / THE OUTCOME

숫자와 업무 방식에 남은 결과.

• 자료 탐색 시간 70% 이상 단축, 하루 이상 걸리던 문헌 조사를 수십 분 내로 완료
• 출처 논문의 제목·저자·발행 연도 메타데이터 표시로 원문 검증 가능
• 응답 정확도에 대한 연구진의 신뢰 상승, 일일 활용 빈도 지속 증가
• 다른 진료과의 유사 시스템 도입 검토 및 임상 의사결정 지원 시스템 확장 논의로 이어짐

05 / THE HANDOVER

인도 이후에도, 팀의 자산으로.

의료 레퍼런스 전용 AI 채팅 플랫폼. 출처 인용 답변, 대화 이력 관리, 연구 주제별 대화 분류, 관리자 대시보드 포함.