부인과 진료에 바로 사용 가능한 인공지능 만들기: 문진부터 설명·추적까지, 우리 진료실의 다섯 짚인간

• 일시: 2026년 10월 18일(일) 11:20 ~ 11:50 (Session II 부인과 I)

• 장소: 서울 스위스 그랜드 호텔 컨벤션센터 A룸 (2026 직선제 대한산부인과개원의사회 제22차 추계학술대회)

• 발표: 이수화 (서울대학교 빅데이터혁신융합대학 연구교수)

• 실시간 시연 시뮬레이터: aiobs.soohwalee.com / mdt.soohwalee.com

---

프롤로그: 인지과학의 외재화(Externalization)와 진료실의 AX

지난 5월 인문학 포럼에서 AI 에이전트를 사역하여 인간 인지의 한계를 확장하는 2차 사이버네틱스적 전환을 이야기했고, 6월 한양대학교 의과대학 산부인과학교실 연수강좌에서는 AI 짚인간을 거느리는 새로운 전문의 모델인 ‘광색역 의사(Wide-gamut Obstetrician)’를 제안한 바 있습니다. 이번 2026 직선제 대한산부인과개원의사회 추계학술대회 강연은 그 철학적·인지과학적 명제를 개원가 진료실의 구체적인 소프트웨어(HTML 로컬 웹앱)로 구현해 낸 실전 설계도입니다.

인지과학적으로 인간 뇌의 작업 기억(Working Memory)은 지극히 제한된 용량만을 처리할 수 있습니다. 하루 100명의 환자를 마주하는 개원의의 피로는 혈액검사 수치 같은 정형 데이터가 아니라, 환자가 쏟아내는 두서없는 하소연과 맥락이라는 방대한 ‘비정형 컨텍스트’를 짧은 진료 시간 안에 엮어내야 하는 인지적 과부하에서 비롯됩니다.

지식 독점과 정보 비대칭이 무너진 시대, 의사에게 필요한 것은 수천만 원짜리 서버 공사가 아니라 내 진료실 PC(Localhost) 안에서 환자의 맥락을 구조화하고 다학제적 반론을 제기해 주는 다섯 명의 AI 에이전트(‘짚인간’)를 하네스(Harness)하는 일입니다. 학술대회 현장에서 발표한 슬라이드 전반부(Part 1) + 실시간 웹앱 시뮬레이터 시연(Part 2) + 슬라이드 후반부(Part 3)의 전체 화면과 강연 녹취록 전문을 공유합니다.

---

PART 1. 슬라이드 전반부: 하우스 박사의 화이트보드와 진료실 셋팅

[Slide 01 ~ 02] 오프닝: 30분 뒤, 첫 짚인간을 만드는 법을 가지고 나가십니다

🎙️ 강연 전문:
안녕하십니까, 서울대학교 빅데이터혁신융합대학 이수화입니다. 귀한 일요일 오전 자리해 주신 원장님들, 그리고 이 세션을 기획하시고 오전 사회를 맡아주신 한상훈 학술이사님께 깊이 감사드립니다.

오늘 제 강의 제목은 〈부인과진료에 바로 사용가능한 인공지능 만들기: 문진부터 설명·추적까지, 우리 진료실의 다섯 짚인간〉입니다. 저는 오늘 거창한 미래 의학 이야기를 하러 오지 않았습니다. 딱 30분 뒤 이 문을 나가실 때, 예전엔 개발자 수십 명이 수년간 매달려야 했던 진료실 맞춤형 소프트웨어를 원장님의 말 몇 줄로 직접 만들어 쓰는 설계도를 손에 쥐여 드리겠습니다.

---

[Slide 03 ~ 04] 오늘의 지도 & 화제의 〈동네 치과의 AX전환기〉 비교

🎙️ 강연 전문:
오늘 강의는 한상훈 학술이사님께서 개원의 선생님들의 현장 질문을 미리 모아 보내주신 것에 하나씩 답하며, 1부 하우스 박사의 통합적 접근부터 2부 어떤 AI를 써야 하는지, 3부 한 환자와 다섯 짚인간 셋팅 및 증례, 4부 AI 에이전트로 HTML 만들기와 설치, 5부 지킬 것과 배울 곳까지 빠르게 가보겠습니다.

본론에 앞서, 며칠 전 온라인을 발칵 뒤집어놓은 〈동네 치과의 AX전환기〉 이야기를 보셨습니까? 구인난과 서류 노가다에 지친 현직 치과 원장님이 병원 뒷방에 수천만 원을 들여 전용 AI 서버(DGX급) 12대, 맥미니 3대, UPS 6대를 직접 깔고 전화 응대(STT)부터 밀린 보험 서류 3,400장 줄 대조와 회계 리포트까지 자동화한 구축기입니다. 그 원장님이 남긴 결론 한 줄이 기가 막힙니다. “비전공자도 된다. 병원 일을 제일 잘 아는 사람은 결국 원장이니까.”

하지만 우리 산부인과는 뒷방에 서버 12대 깔고 전기공사 하실 필요가 전혀 없습니다! 치과는 시술하는 동안 백오피스 행정만 맞추면 되지만, 산부인과는 환자의 하소연 속 맥락을 짚고, 민감한 치료 선택지를 설득하고, 귀가 후 출혈·초기임신을 챙기는 ‘프론트오피스 임상 맥락과 소통’이 핵심입니다.

놀라운 건 두 접근법의 핵심 설계 원리 두 가지는 100% 똑같다는 점입니다:

1. 첫째, 예외 필터링: 치과가 서류 77%는 자동 확정하고 23%의 '확인 필요'만 직원이 보듯, 우리 산부인과 앱도 환자가 답 안 한 문진은 '미확인', 위험 신호는 '확인 필요'만 띄웁니다.

2. 둘째, 모델 엇갈림 포착: 치과가 두 AI 판정이 다르면 '모델 엇갈림'을 띄우듯, 우리 MDT 2.0도 4개 AI 배역의 '합의'와 '이견'을 분리해 지우지 않고 원장님이 최종 결정합니다.

단, 우리는 수천만 원 서버 대신 초기 비용 0원, 원장님 기존 PC(Localhost) 바탕화면에 단일 HTML 파일 딱 한 장으로 이 상황실을 만듭니다.

---

[Slide 05 ~ 10] 1부. 하우스 박사: 워킹 메모리의 한계와 Wide-gamut Obstetrician

🎙️ 강연 전문:
혈액검사 수치 같은 정형 데이터를 읽는 건 어렵지 않습니다. 진짜 문제는 하루 100명의 환자가 무심코 던지는 피곤하고 두서없는 하소연, 어제 먹은 점심 메뉴, 가족의 묘한 행동, 때로는 거짓말 같은 방대한 ‘비정형 컨텍스트’입니다. 숫자로 치환되지 않는 이 맥락을 짧은 진료 시간 내에 엮어내는 것은 인간 워킹 메모리의 한계상 물리적으로 불가능합니다.

그래서 진료실에 다가온 파도를 대하는 우리의 질문도 근본적으로 바뀌어야 합니다. “이 거대한 AI의 도입을 어떻게 저지하고 환자를 통제할 것인가?”라는 방어적 접근에서, “AI를 어떻게 실무에 완벽히 통합하여 진료의 질과 효율을 동시에 끌어올릴 것인가?”라는 통합적 접근으로 말입니다.

미드 〈하우스(House M.D.)〉를 떠올려 보십시오. 하우스 박사의 천재성은 검사 수치가 아니라 환자의 일상 ‘컨텍스트(맥락)’를 엮어내는 데 있습니다. 현재의 대형언어모델(LLM) 역시 정확히 이 방식으로 작동합니다.

핵심 요소	미드 〈하우스〉 (House M.D.)	AI 진료실 (Multi-Agent LLM)
Data (데이터)	환자의 중언부언, 어제 먹은 점심 메뉴, 거짓말 (일상 컨텍스트)	비정형 텍스트 데이터 (Unstructured Data & Voice-to-Text)
Workspace (처리 공간)	벽면을 가득 채운 화이트보드	수십억 개의 파라미터가 작동하는 프롬프트 윈도우 (Context Window)
Reasoning (추론 과정)	3명의 펠로우가 벌이는 치열한 설전과 앵커링	각 특화 에이전트(문헌, 차트, 영상)의 다차원 교차 검증 (Multi-Agent Debate)
Decision (최종 결정)	닥터 하우스	원장님 (The Audience)

AI는 원장님의 진료실에 설치되는 ‘무한한 크기의 화이트보드’이자, 지치지 않는 ‘3명의 엘리트 부하 의사’입니다. 지능의 본질은 글 조각(토큰) 사이의 관계를 한꺼번에 계산해 맺는 것입니다. 43세 여환, 임신 희망이라는 중심 조건에 월경량 증가, Hb 9.8, 점막하 근종, 그리고 NICE NG88 가이드라인이라는 근거를 컨텍스트 창에 넣어주면 파편화된 정보를 완벽하게 연결해 냅니다.

AI 에이전트들이 다차원으로 정리해 화이트보드에 올려주면, 의사는 진료실의 하우스 박사가 되어 최종 진단, 처방, 설명, 책임을 통합합니다. 이것이 바로 Wide-gamut Obstetrician(광색역 산부인과 전문의)입니다. 누가 더 오진을 안 하고, 누가 더 환자를 꽉 잡겠습니까?

---

[Slide 11 ~ 12] 2부. AI가 진료실에 들어왔다: 4대 LLM 교통정리와 API

🎙️ 강연 전문:
학회에서 주신 두 번째 질문은 “GPT, 클로드, 제미나이, 퍼플렉시티 네 개를 다 다뤄야 합니까? 장단점은 무엇입니까?”였습니다. 결론부터 말씀드리면 네 개 다 유료 구독하실 필요 절대 없습니다! 모델 성능 순위는 매달 바뀝니다. 바뀌지 않는 것은 쓰는 방식입니다.

• ChatGPT (G): 환자들이 가장 많이 쓰는 기준점입니다. 환자가 진료실에 들고 오는 답의 출처가 대개 여기서 옵니다.

• Claude (C): 긴 문서·글쓰기·코딩에 최강입니다. 가이드라인을 통째로 읽히고 프롬프트 기반으로 직접 앱을 만들 때 씁니다.

• Gemini (G): 구글 생태계·이미지·영상에 강합니다. 복잡한 진료 자료 정리, 초음파 및 영상 자료 시각화 연결에 유리합니다.

• Perplexity (P): 출처가 붙는 실시간 검색 도구입니다. 답마다 원문 링크를 제공하므로 교차 검증 및 최신 가이드라인 확인용으로 씁니다.

따라서 주력 모델 하나(Claude 또는 GPT)를 깊게 쓰시고, 교차 검증용으로 Perplexity 하나를 곁들이는 ‘1+1 조합’으로 시작하시면 충분합니다.

이때 반드시 구분하셔야 할 세 가지 개념이 챗봇, API, 에이전트입니다:

• 챗봇 (Chatbot — 식당 홀에서 주문한다): 사람(원장님)이 웹에서 대화하고 답을 직접 읽고 옮겨 적는 월 구독 방식입니다.

• API (주방 직통 주문서): 프로그램(앱)이 AI를 직접 부르는 데이터 통로이며, 쓴 만큼만(건당 몇 원 수준) 요금을 지불합니다.

• 에이전트 (Agent — 요리를 통째로 맡긴다): AI가 검색, 파일, 프로그램을 스스로 도구처럼 쓰며 여러 단계를 완수합니다.

• 주의: 같은 GPT라도 웹 챗봇과 API는 계약과 데이터 보호 조건이 완전히 다릅니다 (일부 상용 API는 기본적으로 고객 입력·출력을 모델 학습에 쓰지 않지만, 보관·안전 로그·제로 데이터 보존 여부는 회사와 계약 및 기능마다 다르므로 별도 확인이 필요합니다).

---

[Slide 13 ~ 17] 3부. 한 환자, 다섯 짚인간: 진료실 셋팅과 라이브 시연 브릿지

🎙️ 강연 전문:
이제 오늘의 가상 환자(43세 여성 · 6개월째 월경량 증가 · 검진에서 근종 설명 들음 · 추가 임신 희망)가 진료 전부터 귀가 후까지 거치는 다섯 짚인간—① 사전 문진(Pre-triage) ➔ ② 진료 보조(Co-pilot) ➔ ③ MDT(다학제 팀) ➔ ④ 환자교육(Education) ➔ ⑤ 추적 관리(Follow-up)—셋팅법을 보겠습니다.

첫째, 물리적 셋팅(듀얼 모니터)입니다. 화면 하나는 환자 쪽으로 돌리십시오. AI를 숨기지 않고 환자와 함께 화면을 확인하는 쪽이 신뢰를 얻습니다. 왼쪽 원장님 화면에선 초안 검토 및 다차원 데이터를 보시고, 오른쪽 환자 화면엔 원장님이 확정·수정한 쉬운 설명만 띄웁니다. 물론 프롬프트에 넣는 것은 이름과 주민번호를 뺀 비식별 요약 데이터입니다.

둘째, 소프트웨어 셋팅(시스템 프롬프트 6줄)입니다. 매번 타이핑하지 마시고 ChatGPT(지침), Claude(Project), Gemini(Gem)에 아래 6줄 규칙을 딱 한 번 저장해 복사해서 쓰십시오:

1. 내가 준 자료와 근거만 쓴다. 없으면 '근거 부족'이라 말한다.

2. 진단을 확정하거나 약 이름/용량을 정하지 않는다.

3. 문헌 권고 / 이 환자의 사실 / 너의 해석을 세 칸으로 나눈다.

4. 어떤 정보가 바뀌면 답이 바뀌는지 적는다.

5. 환자용 설명은 쉬운 말 세 문장. 내가 고치기 전까지는 초안이다.

6. 심한 출혈, 실신 등이 나오면 무조건 '바로 진료' 안내를 낸다.

또한 한상훈 학술이사님께서 요청하신 두 가지 외래 다빈도 증례—증례 1: 34세 ASC-US + HPV 양성(ASCCP 2019 위험 기반 지침 ⇄ 국내 2015 검진 권고안 교차 대조)과 증례 2: 47세 부정출혈, 내막 14mm(32세 임신 희망 시 배란장애 평가 vs 58세 폐경 시 내막 4mm 기준 바로 추가 평가)—까지 포함하여, 지금부터 실제로 작동하는 웹앱(aiobs.soohwalee.com)을 라이브로 띄워 확인해 보겠습니다.

시뮬레이터에서 확인하실 핵심 장치는 세 가지입니다:

1. 사전 문진 & 추적 관리: '미확인'과 '확인 필요' 필터링 (응급 규칙 최우선 작동, 미응답 ≠ 정상)

2. 진료 보조 & 환자교육: 듀얼 모니터 3칸 분리와 이해도 역검증 (오답 시 원고 해당 문장 다시 듣기)

3. MDT 2.0 다학제 보드: '모델 엇갈림(이견)'과 동적 추론 (자궁근종, ASC-US+HPV 양성, 부정출혈 증례의 실시간 조건 변경)

---

PART 2. 라이브 웹앱 시뮬레이터 시연 (aiobs.soohwalee.com)

(※ 아래 시연 화면들은 aiobs.soohwalee.com에서 누구나 직접 화살표 키(→)와 숫자키(1~5)로 동일하게 작동시켜 보실 수 있습니다. 모든 환자·검사·영상·AI 응답은 교육용 가상 데이터입니다.)

[Web App 00] 시뮬레이터 런처 & 오늘의 가상 환자 (DEMO-01)

• 가상 환자 DEMO-01 (43세 여성) 프로필:

• 주호소: 6개월째 월경량 증가, 1–2일째 야간 패드 넘침

• 동반 증상 / 기왕력: 계단 오를 때 숨참, 기립 시 가끔 어지럼 / 검진에서 근종 설명 들음(크기·위치 모름)

• 환자 선호: 추가 임신 희망, 수술은 가능하면 피하고 싶음

• 주요 검사: 혈색소(Hb) 9.8 g/dL (L), 적혈구용적(Hct) 30.6%, MCV 74 fL, 페리틴 8 ng/mL (L), 소변 hCG 음성

• 영상 소견 (합성 예시): ① 점막하 근종 2.8 cm (내막을 밀며 자궁강 쪽으로 돌출, FIGO 1–2 추정), ② 후벽 벽내 근종 4.1 cm (내막에 닿지 않음, FIGO 4 추정)

---

[Web App 01] 사전 문진 (Pre-visit Triage): 환자의 긴 말을, 진료 전에 한 장으로

🎙️ 시연 해설:
왼쪽 휴대폰 화면처럼 환자가 대기실에서 *”첫날 둘째 날은 밤에 오버나이트를 해도 새서 이불 빨래를 할 정도예요… 회사에서도 한두 시간마다 화장실에 가야 해서 너무 불편하고요… 아이를 한 명 더 가질 생각이 있어서 수술은 가능하면 안 하고 싶어요”*라고 두서없이 길게 적으면, AI가 원장님이 정한 필수 항목 중 빠진 것(주기 간·성교 후 출혈, 어지럼·복용 약)만 최대 2개까지 추가로 질문한 뒤 오른쪽 ‘진료 전 한 장 요약’을 만듭니다.

• 원문 추적: 요약된 각 항목 밑에 환자가 쓴 원문 구절이 그대로 연결되어 요약이 어디에서 나왔는지 되짚어 볼 수 있게 하여, 거짓 요약과 환각을 찾아내고 검증할 가능성을 높입니다.

• ‘미확인’ 필터링: 하단 노란 박스의 ‘아직 확인하지 못한 정보 4건(최근 혈색소·페리틴 검사, 근종 크기·개수·위치, 자궁경부암 검진 시기, 임신 계획 시기)’을 주목해 주십시오. 치과 사례의 23% '확인 필요'와 똑같습니다. 답하지 않은 것을 멋대로 ‘없음’이라 쓰지 않고 '미확인'으로 남겨, 원장님이 환자 들어오자마자 이 4개만 여쭤보게 합니다.

• 응급 규칙 최우선 작동: 만약 환자가 “한 시간에 패드 2개 흠뻑, 어지럼·실신” 같은 말을 입력하면, AI 요약보다 원장님이 정한 빨간색 응급 규칙(응급 규칙 발동: AI 요약보다 먼저 직원에게 알림)이 최우선 작동합니다.

---

[Web App 02] 진료 보조 (In-consultation Co-pilot): 근거를 함께 열어 보는 화면

🎙️ 시연 해설:
왼쪽은 원장님 모니터, 오른쪽은 환자 쪽으로 돌려놓은 모니터입니다. 원장님이 확인하기 전까지 환자 화면은 까맣게 비어 있습니다(원장님이 확인하기 전에는 환자 화면에 표시하지 않습니다).

• 문헌 · 사실 · 해석 3칸 분리: 원장님 화면 중앙에는 허용된 근거(NICE NG88 지침)를 바탕으로 ① 문헌 권고, ② 이 환자의 사실(43세, Hb 9.8, 점막하 2.8cm), ③ 모델의 해석이 세 칸으로 엄격히 나뉘어 절대 섞이지 않습니다.

• 조건 변경에 따른 동적 선택지: 환자와 대화 중 *”임신 계획이 없다”*고 조건이 바뀌어 [임신 계획 없음] 버튼을 누르는 순간, 하단 선택지 표에 자궁동맥색전술과 자궁절제술 두 줄이 실시간으로 열립니다.

• 의사의 추인과 의료소송 방어: AI 초안의 단정적 표현(“자궁 안쪽으로 자란 근종이 출혈의 원인입니다”)을 원장님이 ***”출혈과 관련 있을 수 있어 위치를 한 번 더 확인하겠습니다”***로 한 줄 고쳐 승인하면, 그때서야 오른쪽 환자 모니터에 초록색 쉬운 설명이 뜹니다. 환자 신뢰 확보는 물론 설명의무 이행 과정을 남기는 중요한 기록이 됩니다.

---

[Web App 03] MDT 2.0 (Multi-Agent Council): 네 AI의 의견에서, 원장님의 검토 보드로

🎙️ 시연 해설:
홀로 진료실에서 복합 증례를 판단하셔야 하는 원장님을 위한 4인 다학제 위원회(MDT 2.0) 보드입니다.

• 4개 AI, 4개의 배역:

1. Claude (차트·시계열 분석 배역): 6개월간 혈색소가 12.1 ➔ 11.0 ➔ 9.8로 떨어진 추이 그래프를 그리고, ‘철분 보충 기록 없음 — 빈혈 교정이 빠져 있음’, ‘자궁경부암 검진 마지막 기록 2023년 — 기한 지남’ 누락 경보를 울립니다.

2. Gemini (영상 판독 배역): 경질 초음파와 골반 MRI를 대조해 점막하 근종 2.8cm(FIGO 1–2 추정)와 벽내 근종 4.1cm를 정리하고, 돌출 비율 확정을 위해 식염수 주입 초음파(SIS) 또는 자궁경 확인이 필요하다고 제안합니다.

3. Perplexity (문헌·가이드라인 배역): NICE NG88 지침을 제시하되, *‘43세 가임력과 치료 순서에 대한 권고는 없음(근거 부족)’*을 명확히 표시합니다.

4. GPT (반론 · 악마의 변호인 배역): *”가이드라인은 가임 보존을 말하지만 이 환자는 43세다. 시간이 가장 부족한 자원이다. 수술과 회복이 임신 시도를 늦출 수 있으니 난임 상담을 먼저 할지 따져야 한다”*라며 핵심 이견을 던집니다.

• ‘모델 엇갈림(이견)’ 분리와 의뢰서 자동 생성: 치과 원장님이 '모델 엇갈림'만 보셨듯, MDT 2.0도 점수나 다수결 없이 초록색 '합의'와 노란색 '이견(지우지 않음): 시험관 전 근종 처치 여부'를 나란히 띄웁니다. 원장님이 각 배역의 의견을 채택·수정하면 그대로 난임 전문의 의뢰서 초안이 완성됩니다.

• 외래 다빈도 증례 2건 확장: 34세 ASC-US + HPV 양성 증례에서는 ASCCP 2019 위험 기반 지침과 국내 2015 권고안을 교차 대조해 추적 일정을 도출하며, 47세 부정출혈(내막 14mm) 증례에서는 조건을 '32세 임신 희망'(배란장애 평가)과 '58세 폐경'(내막 4mm 기준 즉시 추가 평가)으로 바꿀 때마다 실시간으로 동적 추론이 전환됩니다.

---

[Web App 04] 환자교육 아바타 (Patient Education Avatar): 원장님 설명을 집에서도 다시 듣기

🎙️ 시연 해설:

• 영상보다 원고가 먼저: 원장님이 승인한 원고 ➔ 자막 대조 ➔ 영상 순서로 작동하며, 승인된 원고에 없는 진단·약물·수치는 절대 넣지 않습니다. 환자 눈높이에 맞춘 내 근종 위치 그림과 기억할 세 문장이 함께 제공됩니다.

• 틀린 답이 교육의 시작: 오른쪽 이해도 확인 퀴즈 “1. 근종이 있으면 꼭 수술해야 하나요?”에서 환자가 오답([네, 근종은 꼭 수술해야 해요])을 누르면, 즉시 원고의 4~5번째 문장(“근종이 있다는 사실만으로 치료 방법이 하나로 정해지지는 않습니다”)만 다시 재생해 줍니다.

---

[Web App 05] 추적 관리 (Post-visit Follow-up): 답이 없다는 것은 괜찮다는 뜻이 아닙니다

🎙️ 시연 해설:

• 미응답 ≠ 정상: 산부인과에서 연락이 두절된 미응답은 정상이 아닙니다. D+2에 31세 초기임신 추적(48시간 뒤 β-hCG 재검 예정) 환자가 문자에 답도 없고 내원도 하지 않자, 시스템이 자동으로 직원 '확인 필요' 목록에 올립니다. 직원이 17:20에 전화를 걸어 *‘어제부터 오른쪽 아랫배 통증이 심해졌다’*는 위험 신호를 조기에 포착해 즉시 내원시킨 기록입니다.

• 사람이 끝까지 확인: D+12에 오늘의 43세 환자가 *“이번엔 양이 많아서 한 시간마다 패드가 흠뻑 젖어요. 아침에 일어날 때 어지러웠어요”*라고 답장하자, 원장님이 정한 연락 조건에 걸려 [확인 필요]에 빨간불이 들어옵니다. 반드시 담당 직원이 통화 결과를 기록해야만 케이스가 ‘종료’됩니다.

---

PART 3. 슬라이드 후반부: 4줄 제작 공식, 일석이조 GEO 전략, 그리고 안전 원칙

[Slide 18 ~ 21] 4부. 지금 만들어 봅니다: 4줄 공식, 사이트 통째로 베끼기(GEO), 로컬 설치

🎙️ 강연 전문:
오늘 보신 다섯 앱은 완제품이 아니라 설계도입니다. 내일 바로 만들 수 있는 두 가지, 진단과 처방을 건드리지 않는 환자교육 원고와 사전 문진지부터 안전하게 시작하십시오.

앱을 만드는 법은 코딩이 아니라 네 가지 질문—① 입력(무엇을 받는가), ② 출력(무엇을 돌려주는가), ③ 규칙(AI가 아닌 내가 정할 금지·응급 기준), ④ 검수(제대로 됐다는 기준)—네 줄을 한글로 적는 것입니다. 이 네 줄이 곧 코딩 에이전트에게 내리는 지시어입니다.

빈 화면에서 시작하실 필요도 없습니다. 가장 빠른 제작법은 오늘 보신 aiobs.soohwalee.com을 통째로 베끼는 것입니다. Claude나 ChatGPT에 아래 문구를 그대로 복사해 넣으십시오:

“지금 aiobs.soohwalee.com 사이트 구조를 분석해서 내 PC에서 열리는 단일 HTML 웹앱을 만들어줘. 단, 주제는 자궁근종 대신 우리 병원의 [만성 질염 / 갱년기 호르몬(MHT) / 비만 주사]로 바꾸고, 내가 아래에 적는 4줄 규칙(입력·출력·규칙·검수)을 그대로 적용해 줘.”

이렇게 원장님이 자주 반복하시는 설명 원고 한 장으로 4줄 공식을 돌리시면 두 가지 강력한 무기가 동시에 생깁니다:

1. 진료실 안 (Internal AX): 외래 설명 시간을 단축하고 설명 과정을 표준화하고 기록하는 나만의 진료 보조 & 환자교육 웹앱이 만들어집니다.

2. 진료실 밖 (External GEO): 요즘 환자들은 네이버 대신 ChatGPT에게 *”어느 산부인과가 과잉진료 안 하고 설명 잘해주냐”*고 묻습니다. 우리 앱이 뱉어낸 ‘가이드라인 근거 + 조건별 선택지 표 + 핵심 3문장 Q&A’를 병원 홈페이지나 블로그에 게시하면, 감성 홍보 글을 무시하는 ChatGPT와 Perplexity 같은 답변형 검색이 근거로 인용할 가능성을 높이는 GEO(생성형 AI 검색 최적화) 자산이 됩니다. 다만 특정 병원의 노출이나 추천을 보장하지는 않습니다.

내 PC 설치법(Localhost)도 아주 심플합니다. 코딩 에이전트(Claude/Codex)가 생성해 준 HTML 파일을 원장님 PC 바탕화면에서 더블클릭하면 브라우저로 열립니다. 이번 시연용 HTML은 교육용 가상 데이터와 미리 작성한 응답을 로컬에서 재생하므로 환자 정보 전송이 없습니다. 그러나 실제 AI API에 연결하면 입력 내용은 API 제공사로 전송됩니다. API 키가 .env에 있다는 사실만으로 데이터가 PC 안에만 머무는 것은 아닙니다. 실제 진료 적용 전에는 비식별화, 기관 승인 도구와 계약, 보관·로그 설정, 접근 통제와 법적 검토를 별도로 거쳐야 합니다.

---

[Slide 22 ~ 25] 5부. 지킬 것: PERFORM 연구와 반드시 지켜야 할 3대 원칙

🎙️ 강연 전문:
산부인과 표준 임상 시나리오 60개를 평가한 PERFORM 연구(2025)에서 AI 대형언어모델(73.75%)이 산부인과 전공의(65.35%)를 유의하게 앞섰습니다(P < .001). 실제 진료 성능이 아니라 표준 시나리오 시험 결과이지만, 핵심은 환자가 이 수준의 도구를 손에 들고 진료실에 온다는 뜻입니다. 정보 비대칭을 전제로 하던 진료실이 흔들리고 있습니다.

환자가 *”선생님, GPT에게 물어봤더니 자궁선근증 가능성이 높다고 GnRH 작용제를 권하던데요?”*라고 할 때 원장님의 첫마디는 무엇이어야 할까요? 무시하거나 방어하면 환자는 집에 가서 의사가 틀렸다고 결론 내립니다. 정답은 ③번, 함께 검증한다입니다. “보신 답변, 저도 같이 볼게요. 어떤 근거로 그렇게 나왔는지 확인하고, 환자분 상황에서 다른 점을 말씀드릴게요.”

이때 반드시 지켜야 할 세 가지 원칙이 있습니다:

1. 환자 실명 데이터 입력 절대 금지: 실제 환자 정보(실명, 주민번호)를 개인 계정 웹 챗봇에 넣지 마십시오 (웹 챗봇과 API의 학습 사용·보관 정책은 회사, 요금제, 기능, 설정과 계약에 따라 다릅니다. 상용 API도 기본 로그 보관이나 예외가 있을 수 있으므로 공식 정책과 계약을 확인해야 합니다).

2. 무비판적 수용 금지: AI의 판단을 그대로 쓰지 마십시오. AI가 제시한 인용은 반드시 원문을 열어 교차 확인해야 합니다.

3. 응급 프로토콜 최우선: 응급 환자 안내는 AI의 자유로운 판단이 아닌 ‘원장님이 정한 시스템 규칙’이 최우선으로 출력되도록 설정해야 합니다.

미국의사협회(AMA)가 정의한 증강 지능(Augmented Intelligence)의 공식은 명확합니다:

AI 생성 초안 (Augmented Draft) + 의사의 추인 (Human Ratification) = 최종 책임 (Final Responsibility)

AI는 임상 판단을 덮어쓰지 않습니다. AI는 초안을 만들고, 사람은 추인합니다. 추인은 서명이고, 서명은 책임입니다.

---

[Slide 26 ~ 30] 마무리: 내일 당장 시작할 세 가지, 배울 곳, 그리고 참고문헌

🎙️ 강연 전문:
내일 진료실에서 당장 시작할 세 가지입니다:

1. 가장 자주 반복하는 설명 하나를 ‘나만의 원고’로 텍스트화합니다.

2. 오늘 배운 ‘시스템 프롬프트 6줄 규칙’을 내 챗봇 지침에 복사해 넣습니다.

3. 환자에게 AI 초안을 보내기 전, 반드시 원장님의 언어로 한 번 고쳐서(추인) 내보내는 루틴을 만듭니다.

마지막으로 “어디서 배우고, 어디서 AI 정보를 얻을 것인가?”에 대한 답입니다. 코딩 학원에 다니거나 자극적인 유튜브 영상을 찾아다닐 필요가 없습니다.

• 어디서 어떻게 배우나 (2단계 실전 학습법):

1. AI에게 직접 묻는 메타 프롬프팅(Meta-prompting): *”나는 산부인과 개원의야. 내 PC 바탕화면에 이 HTML 앱을 깔려면 뭘 눌러야 하는지 초보자 눈높이로 알려줘”*라고 AI에게 직접 묻는 것이 가장 빠릅니다.

2. 설계도 단어 바꾸기 실습: aiobs.soohwalee.com의 입력·출력·규칙·검수 4줄 공식에서 질환명과 규칙만 내 진료실에 맞게 수정해 보십시오.

• 의사는 어디서 정보를 얻나 (3대 핵심 출처):

1. 임상·규제 안전선 (필수 기준): 식약처 생성형 AI 의료기기 가이드라인, 개인정보보호위원회 안내서, 미국의사협회(AMA) 증강지능 원칙, 동료심사 저널(PERFORM 연구 등)

2. 개원가 야전 구축기 (실전 감각): 〈동네 치과의 AX전환기〉 같은 현직 개원의 도입 사례 및 학회 실전 세미나 (blog.soohwalee.com)

3. 빅테크 공식 채널 (도구 업데이트): OpenAI(GPT) · Anthropic(Claude) · Google(Gemini) 3사 공식 발표와 Perplexity만 확인하면 충분합니다.

“AI는 산부인과 의사를 대체하지 못한다. 그러나 AI를 쓰는 산부인과 의사는, AI를 쓰지 않는 산부인과 의사를 반드시 대체한다.”

지금 aiobs.soohwalee.com에 접속하시거나 QR코드를 스캔하시면 오늘 시연한 다섯 짚인간 시뮬레이터와 설계도를 직접 돌려보실 수 있습니다. 원장님의 진료실에, 원장님만의 든든한 상황실을 구축하시길 바랍니다. 감사합니다!

---

📚 참고 자료 (References)

1. Martinelli C, et al. The PERFORM Study: Artificial Intelligence Versus Human Residents in Cross-Sectional Obstetrics-Gynecology Scenarios Across Languages and Time Constraints. Mayo Clin Proc Digit Health. 2025;3(2):100206.

2. NICE NG88. Heavy menstrual bleeding: assessment and management. 2018, updated 2021.

3. Perkins RB, et al. 2019 ASCCP Risk-Based Management Consensus Guidelines. J Low Genit Tract Dis. 2020;24(2):102–131.

4. 민경진 외. 자궁경부암 검진 권고안. 대한의사협회지. 2015;58(5):398–407.

5. ACOG Practice Bulletin No. 128. Diagnosis of abnormal uterine bleeding in reproductive-aged women. 2012.

6. ACOG Committee Opinion No. 734. Transvaginal ultrasonography and the endometrium in postmenopausal bleeding. 2018.

7. American Medical Association. Principles for augmented intelligence development, deployment, and use. 2023.

8. 개인정보보호위원회. 생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서. 2025.8.

9. 식품의약품안전처. 생성형 인공지능 의료기기 허가·심사 가이드라인.

10. OpenAI · Anthropic · Google. API 데이터 사용·보관 정책 (2026년 10월 확인).

11. 문병로. 서울대학교 학부대학 특강. 2026.

12. 이수화. AI 에이전트와 지식노동의 재설계. 커뮤니케이션북스 (근간).

13. 이수화. Wide-gamut Obstetrician — AI 짚인간을 거느리는 새로운 산부인과 전문의. 한양대 산부인과 연수강좌, 2026.6.

---

---

핵심 Q&A

산부인과 진료실에서 AI를 쓸 때 가장 먼저 지킬 원칙은 무엇인가?

환자 식별정보를 입력하지 않고, 문헌 권고·환자 사실·모델 해석을 분리하며, 의사가 검토하기 전에는 결과를 환자에게 확정 정보처럼 제시하지 않는 것이다. 응급 규칙과 사람의 최종 확인 절차는 모델보다 우선해야 한다.

‘광색역 의사’는 AI가 의사를 대체한다는 뜻인가?

반대다. 여러 에이전트가 만든 다차원 컨텍스트를 의사가 통합해 최종 판단과 설명, 책임을 수행하는 전문의 모델이다. AI는 인지의 폭을 넓히지만 임상적 책임의 주체가 되지 않는다.

함께 읽으면 좋은 글

• AI 짚인간을 거느리는 광색역 의사 모델
• 진료실에 들어온 다섯 짚인간의 설계·배포 기록
• 설명가능성을 넘어 관계적 책임으로