단국대병원 안상현 센터장 참여… 다학제팀, 임상 데이터톤 대상
인계 요약·보호자 설명문 생성·검증 시스템 제안… 의료진이 최종 확인

신생아중환자실 의료진은 교대 때마다 여러 기록에 흩어진 환아의 상태와 치료 경과를 확인해야 한다. 작은 변화도 놓치지 않아야 하는 이 업무를 돕기 위해 AI가 인계 내용을 요약하고, 별도의 AI가 원자료와 대조해 오류를 점검하는 시스템이 제안됐다.

단국대병원은 안상현 AX센터장(가정의학과 임상부교수)이 참여한 다학제 연합팀이 지난 16∼18일 서울대 평창캠퍼스에서 열린 ‘코리아 클리니컬 데이터톤 2026(KCD 2026)’에서 대상을 받았다고 21일 밝혔다.

단국대병원 안상현 교수. 단국대병원 제공

올해 5회째인 이번 대회는 ‘자율형 AI(Agentic AI): 빛과 그림자’를 주제로 열렸다. 의료진과 연구자, 개발자 등 60명이 10개 팀으로 참가해 임상 데이터를 활용한 의료 현장 문제 해결 방안을 겨뤘다. 서울대병원 국가전략기술 특화연구소·헬스케어AI연구원, 서울아산병원, 서울대 보라매병원, 미국 MIT LCP 등이 공동 주최·주관했다.

전체 1위를 차지한 제3팀은 안 센터장과 경복대 정수정 교수, 서울대병원 천보경 PM·김태하 연구원·신동민 연구원, 서울아산병원 류가연 연구원 등 6명으로 구성됐다.

팀이 주목한 것은 신생아중환자실의 인계 업무다. 환아의 재태주수와 생후 일수, 체중은 물론 시간에 따른 상태 변화를 정확하게 전달하려면 의료진이 여러 기록을 찾아 종합하고 확인하는 과정을 거쳐야 한다.

이에 팀은 국내 다기관 중환자 데이터베이스인 ‘K-MIMIC’을 활용한 ‘Scribe×Lantern: 신생아중환자실 임상 요약 생성·검증 시스템’을 제안했다. 핵심은 요약을 작성하는 AI와 이를 검증하는 AI의 역할을 분리한 데 있다.

‘Scribe’가 임상 데이터를 바탕으로 의료진 인계 요약과 보호자 설명문 초안을 만들면, ‘Lantern’은 생성된 내용을 원자료와 대조한다. 처방 기록을 실제 투약한 것으로 잘못 요약하거나 필수 정보를 빠뜨렸는지 등을 점검하도록 설계했다. 의료진은 요약문과 검증 결과를 함께 검토한 뒤 최종 승인한다.

기록 작성의 효율성을 높이는 데 더해 AI가 만든 내용의 정확성을 확인하는 절차를 마련했다는 점에서 의미가 있다. 다만 이번 수상은 시스템 제안에 대한 성과로, 실제 진료 현장에서의 효과와 안전성이 검증됐다는 의미는 아니다.

안 센터장은 “임상 현장에서 줄여야 할 것은 단순한 타이핑 시간이 아니라, 흩어진 기록 속에서 환아의 중요한 변화를 찾아내고 확인해야 하는 의료진의 부담”이라고 말했다. 이어 “AI가 요약을 만들고 별도의 검증 AI가 원자료와 대조해 점검한 뒤 의료진이 최종 확인하는 체계를 통해, 현장에서 안심하고 활용할 수 있는 병원 인공지능 전환(AX) 모델로 발전시켜 나가겠다”고 밝혔다.