의료에 동료검토가 있듯,
의료 AI엔 3-Model Peer Review
+ 의료진 검수
사람의 판단이 동료의 검토로 단단해지듯, 차트원샷의 요약은 백본이 다른 3개 모델의 교차검증을 거칩니다. 합성 차트에 의도적으로 오류를 심어 돌린 실행 결과와 모델 간 불일치를 가감 없이 그대로 기록합니다 — 잘한 것도 놓친 것도 감사(audit) 가능하게. 다만 이것은 내부 회귀 지표이며, 의료진 판정을 거친 임상 효용은 아직 검증되지 않았습니다.
3-백본 교차검증
백본이 다른 3개 모델을 동시에 돌려 불일치점을 뽑고, 불일치는 자문 교수 판단으로 검증합니다.
의도적 오류주입
합성 데이터에 의료적 오류를 심고 각 모델이 제대로 잡는지 측정합니다. (합성 데이터 오류는 교수가 디자인·설계합니다)
누락·불확실 투명
요약이 원문에서 뺀 것과 이유까지 드러냅니다. 단순 누락만이 아니라, 분과마다 ‘놓치면 안 될’ 중점 항목이 빠졌는지까지 봅니다 — 후보는 모델 간 대조로 찾고, 확정은 자문 교수진 검토로 합니다(AI 혼자 판정하지 않음). 오탈자도 고치지 않고 보존(원문 무교정).
우리가 실제로 돌린 기록
실제 의무기록의 서식·임상 논리만 참고해 새로 쓴 합성 차트를 3개 모델로 돌린 결과입니다. 숨긴 실행은 없고, 모델이 인용 검증을 통과하지 못한 것도 그대로 적었습니다.
외과 · 유방 DCIS 수술 후 2년 추적
응급의학과 · 복통 초진, 진행성 대장암 의심
안과 · 라섹 후 안구건조증 처방 시계열
가정의학과 · 의원 외래 반복 방문 1년
불일치 건수는 성능 지표가 아닙니다 — 모델들이 서로 다르게 말한 지점의 수일 뿐이고, 그중 무엇이 임상적으로 중요한지는 의료진 판정을 거쳐야 알 수 있습니다. 아래는 그 판정을 통과한 것만 싣는 자리입니다.
3-모델 불일치 케이스 중 자문 교수 검증을 통과한 것만 여기 게시됩니다. 잘한 것과 놓친 것을 가리지 않고 공개하는 것이 원칙입니다.
3-모델 라이브 Peer Review
GPT-5.6 Sol · Claude Fable 5 · MedGemma 27B 세 백본을 실시간 호출하는 정밀 검증이라 비용이 큽니다. 실물 검증 결과는 교수 검증을 거친 뒤에만 공개합니다. 우리가 마주친 오류·트러블슈팅도 가감없이 기록해 신뢰 자산으로 쌓습니다.
합성 케이스 실측 리포트 보기 — 모델별 수치와 실패까지Features
긴 EMR을 정확하게 압축하는 4가지 핵심 기능
Split View 비교
원본 EMR과 AI 요약을 한 화면에서 대조해 신뢰성을 검증합니다. 길고 반복되는 차트가 핵심 trend로 압축되는 과정을 한 눈에.
환자 단위 시계열 요약
여러 차수의 외래·입원 기록 중 핵심 질환만 추출. 주요 trend는 화살표 위, 부수 이슈는 아래에 분리해 보여줍니다.
약어·은어 풀이·정리
분과별 약어·은어 사전을 참고해 풀이합니다. 사전에 없는 항목은 임의로 추측하지 않고 원문 그대로 두어, 원문에 없는 표현을 만들지 않도록 합니다.
s/p→status post · 사전 lookup분과 은어→풀이 + 은어 추정 표시사전에 없음→원문 유지 · LLM 추측 금지
데이터 주권
MedGemma 27B 기반으로 분과별 특화 어댑터를 구축해 나갑니다(목표 스택). 병원 배포 시 환자 데이터와 가중치는 폐쇄망(온프레미스) 안에서 다뤄지도록 설계했습니다.
How It Works
데이터가 인사이트로 변하는 과정 — 비식별부터 인용 검증까지
분과 관점으로 재정렬 · 시계열 추이 중심
모든 문장 원문 인용 강제 · 미인용 문장 제거
쉽게 말하면 — 이름·주민번호 같은 개인정보를 먼저 지우고, 차트를 조각으로 나눈 뒤, 요약한 문장마다 ‘원문 어디서 나왔는지’를 붙입니다. 근거를 못 붙인 문장은 화면에 내보내지 않습니다.
EMR 업로드 · 비식별
텍스트·PDF·이미지·HWP·DOCX 등 여러 형식을 올리면, 성명·주민번호·전화·병록번호 같은 식별정보를 먼저 가립니다. 원문은 저장하지 않고 비식별본만 처리합니다.
AI 분석
선택한 분과의 관점(가장 먼저 봐야 할 것·핵심 블록)으로 비식별 텍스트를 요약합니다. 검사값은 방향·속도가 드러나는 시계열로 정리하고, 각 문장은 원문 근거 구절을 인용합니다.
결과 대시보드
원문과 요약을 나란히 보는 Split View로 반환합니다. 요약 문장을 클릭하면 원문 근거 위치로 이동·하이라이트되고, 인용이 확인되지 않은 문장은 표시되지 않습니다.
EMR 업로드 · 비식별
텍스트·PDF·이미지·HWP·DOCX 등 여러 형식을 올리면, 성명·주민번호·전화·병록번호 같은 식별정보를 먼저 가립니다. 원문은 저장하지 않고 비식별본만 처리합니다.
AI 분석
선택한 분과의 관점(가장 먼저 봐야 할 것·핵심 블록)으로 비식별 텍스트를 요약합니다. 검사값은 방향·속도가 드러나는 시계열로 정리하고, 각 문장은 원문 근거 구절을 인용합니다.
결과 대시보드
원문과 요약을 나란히 보는 Split View로 반환합니다. 요약 문장을 클릭하면 원문 근거 위치로 이동·하이라이트되고, 인용이 확인되지 않은 문장은 표시되지 않습니다.
분과 관점으로 재정렬 · 시계열 추이 중심
모든 문장 원문 인용 강제 · 미인용 문장 제거
쉽게 말하면 — 이름·주민번호 같은 개인정보를 먼저 지우고, 차트를 조각으로 나눈 뒤, 요약한 문장마다 ‘원문 어디서 나왔는지’를 붙입니다. 근거를 못 붙인 문장은 화면에 내보내지 않습니다.
검토 시간 근거: Nolan et al., Mayo Clinic 다기관 설문연구, Applied Clinical Informatics (2017)
Interactive Demo
AI로 생성된 가상 환자 데이터입니다. 실제 환자 정보가 아닙니다.
당신이 의사라면, AI보다 빠를까요?
긴 외래 차트를 읽고 환자의 핵심 정보를 파악해보세요.
차트원샷이 같은 작업을 초 단위로 끝내는 동안, 당신은 몇 초가 걸리는지 비교합니다.