About Papers GO AI
Papers GO AI는 비정형 문서를 구조화된 디지털 데이터로 자동 변환하는 VLM 기반 AI-OCR 플랫폼입니다. 손글씨, 팩스, 영수증처럼 형태가 제각각인 문서도 샘플 한 건만 업로드하면 AI 위자드가 추출 템플릿을 자동으로 생성합니다. 분류·추출·검수, 그리고 시스템 연동까지 전 과정을 하나의 플랫폼에서 완성합니다.
🔖 이 글의 핵심
진료기록 OCR은 종이 차트·진료기록·치과 차트에서 환자 정보, 진단, 처치, 의사 소견을 자동 추출하는 기술입니다.
핵심 기술은 ‘VLM OCR’ 입니다. 글자 모양만이 아니라 문서의 시각적 맥락까지 함께 해석합니다. 일반 OCR로는 풀리지 않는 이유는 의사 손글씨, 의료 약어, 양식 다양성, EMR 마스터 매칭입니다.
악어디지털의 페이퍼스 고 AI(Papers GO AI)는 복합한 서식 문서 OCR과 자동화 처리에 특화된 AI OCR 플랫폼입니다. 디지털화된 차트를 검색·조회로 활용하려면 Mingo(AI 지식베이스 플랫폼)와 연계합니다.
진료기록 OCR이란?
진료기록 OCR은 종이로 작성·보관된 진료기록·차트에서 환자 정보, 진단명, 처치 내역, 의사 소견 등을 자동으로 인식·추출해 EMR 같은 디지털 시스템에서 활용 가능한 형태로 변환하는 기술입니다.
일반적인 활자 OCR과 달리, 의사 손글씨·의료 약어·표·도장이 혼재된 의료 문서를 처리하기 위해 비전언어모델(Vision-Language Model) 기반의 VLM OCR 기술이 핵심으로 사용됩니다.
진료기록·차트 자동화가 어려운 4가지 이유
1. 차트 양식이 의료기관·진료과·시기별로 다르다.
종합병원과 의원, 치과와 한의원, 내과와 외과, 10년 전 차트와 작년 차트가 모두 다른 양식을 씁니다. 단일 템플릿 OCR로는 양식이 바뀔 때마다 매핑을 새로 해야 합니다.
2. 손글씨와 의료 약어가 가득하다.
자필 소견·처치 메모·수기 정정에 영문 약어(SOB, c/o, h/o, dx, tx)와 의료 표기(qd, bid, mg, mcg)가 빽빽합니다. 일반 OCR이 인쇄물에서 99%여도 진료 기록 손글씨에선 70%대까지 떨어지는 일이 흔합니다.
3. 검사 결과·도표·그림이 한 장에 섞여 있다.
정해진 칸, 자유 서술 소견, 검사 수치 표, 인체 도표(치과 차트의 치아 도식 포함), 도장과 서명이 한 장에 같이 있습니다. 영역 구분을 못 하는 일반 OCR은 어디서 어디까지가 한 필드인지 판단하지 못합니다.
4. EMR 마스터·환자 ID와 매칭되어야 한다.
차트에 '김○○ / 740101-1******'으로 적혀 있어도 EMR에는 'P0012345'로, '고혈압'은 'I10'(ICD-10 코드)으로 관리됩니다. 인식한 텍스트가 자동으로 마스터 데이터와 매칭되는 단계까지 자동화에 포함되어야 합니다.
VLM OCR이 다르게 작동하는 방식
악어디지털의 AI OCR 플랫폼 ‘페이퍼스 고 AI(Papers GO AI)’의 추출 엔진은 비전언어모델 기반의 VLM OCR입니다.
일반 OCR이 '글자 모양'을 인식한다면, VLM OCR은 '문서의 시각적 레이아웃과 맥락'을 함께 해석합니다. 차트 양식의 정해진 영역, 자유 서술 소견, 검사 결과 표, 도장·서명 영역, 치과 차트의 치아 위치 표시까지 구분해 의미 단위로 추출합니다. 서식이 혼재되어 있는 진료 기록 문서에 대해 자체 검증 기준 분류 정확도 99%, 추출 정확도 98% 수준입니다.
🔖
오인식을 잡아내는 방법?
다양한 서식의 문서를 분류하고 필요한 정보만 추출하는 과정에서 추출한 모든 값에 신뢰도 점수가 함께 부여되게 됩니다.
특정 신뢰도 점수 이상은 EMR 연계 API로 전달, 이하는 사람이 검수를 진행하는 흐름으로 설계할 수 있으며, 솔루션에서 제공되는 검수 인터페이스에서 원본 차트와 추출 결과를 나란히 보며 의심 항목만 수정하면 되어, 한 건당 검수 시간은 10초 내외 수준입니다.
💡
신뢰도 점수(Confidence Score)란?
AI 모델이 각 추출 결과의 정확성을 0~100 사이 수치로 평가한 값입니다. 점수가 높을수록 모델이 확신하는 결과이고, 낮을수록 사람의 검수가 필요합니다.
여기서 페이퍼스 고 AI의 특장점은 검수자가 수정한 결과가 다시 모델 학습 데이터로 쌓인다는 점입니다. 특정 문서의 같은 오인식의 반복을 최소화하는 구조이며, 이를 액티브 러닝(Active Learning, 능동 학습)이라 부릅니다.
🔖
"도입 시에 모든 차트 양식을 다 학습시켜야 하나요?
“새 양식이 추가되면 어떻게 하나요? ”도입 시 자주 나오는 우려입니다. 페이퍼스 GO AI는 샘플 문서를 업로드하면 AI 위자드가 추출 항목과 분류 기준이 담긴 템플릿을 자동 생성하므로 업로드 당일부터 현업에 투입할 수 있고, 새 양식이 들어오면 운영자가 1~3건 검수만으로 새 템플릿이 자동 학습되는 구조로 설계되어있습니다.
이를 통해 정확도가 두세 달 안에 높은 수준으로 자연스럽게 올라가게 됩니다. 환자 ID·진단 코드(ICD)·처치 코드 등 EMR 마스터와의 자동 매칭도 이 단계에서 처리됩니다.
EMR과의 실제 연계는 페이퍼스 GO AI가 제공하는 API 플레이그라운드에서 미리 테스트할 수 있습니다. 기관별 EMR API 호출 흐름을 정상·예외 케이스 모두 시뮬레이션한 뒤 사내 시스템에 안전하게 연결하는 구조입니다.
🔖
전자화 · 디지털화 문서 활용은 🐋Mingo로,
진료기록·차트 디지털화의 가치는 EMR 입력에서 끝나지 않습니다. 디지털화된 수십 년치 차트를 의료진이 진료 현장에서 빠르게 검색·조회할 수 있어야 진짜 활용이 시작됩니다.
페이퍼스 GO AI로 추출·구조화한 차트 데이터는 자매 제품인 Mingo(AI 지식베이스 플랫폼)와 연계해, 환자 과거 기록을 자연어로 질의·조회하는 RAG 검색 환경으로 확장할 수 있습니다. OCR이 1단계(디지털화)라면, 2단계(검색·활용)입니다.
🐳
About Mingo
Mingo는 기업의 문서를 AI로 읽고, 찾고, 관리하는 AI 도큐먼트 플랫폼입니다. 태생이 디지털이 아닌 문서의 디지털화부터 OCR 기반 전문검색, AI 문서 분석, 그리고 체계적인 권한관리까지. 문서가 생기는 순간부터 활용되는 순간까지의 전 과정을 하나의 플랫폼에서 완성합니다.
자주 묻는 질문 (FAQ)
Q1. 진료기록 OCR과 일반 OCR의 차이는 무엇인가요?
일반 OCR은 활자를 글자 모양 단위로 인식합니다. 진료기록 OCR은 의사 손글씨·의료 약어·표·도장이 혼재된 의료 문서를 처리하기 위해 VLM OCR 기술을 활용해 시각적 맥락까지 함께 해석합니다.
Q2. VLM OCR이란 무엇인가요?
VLM OCR은 비전언어모델(Vision-Language Model) 기반의 OCR 기술입니다. 텍스트 인식과 이미지 이해를 동시에 수행해, 표·도표·자유 서술이 섞인 비정형 의료 문서에서도 안정적인 추출이 가능합니다.
Q3. 손글씨 인식 정확도는 어느 정도인가요?
손글씨 비율과 의료 약어 분포에 따라 차이가 있습니다. 도입 후 액티브 러닝을 통해 정확도가 점진적으로 상승하는 구조로 설계되어있으며 도입 전 샘플 문서를 통한 PoC 검증을 추천드립니다.
Q4. 도입까지 얼마나 걸리나요?
샘플 문서 업로드로 AI 위자드가 템플릿을 자동 생성하기 때문에 별도의 사전 학습 없이 업로드 당일부터 투입 가능합니다. 일반적으로 PoC는 4~8주, 본 도입은 2~3개월 안에 마무리됩니다.
Q5. EMR과의 연계는 어떻게 이뤄지나요?
페이퍼스 GO AI가 제공하는 API 플레이그라운드에서 기관별 EMR 시스템과의 연계를 미리 테스트한 뒤, 사내 시스템에 안전하게 연결합니다.
Q6. 디지털화 이후 검색·조회는 어떻게 하나요?
디지털화된 차트 데이터를 검색·조회 용도로 활용하려면 지식베이스 시스템이 필요합니다. 페이퍼스 GO AI의 자매 제품인 Mingo와 연계하면 자연어 기반 검색·질의 환경을 구축할 수 있습니다.
Q7. 진료기록의 민감 정보 보안은 어떻게 보장되나요?
주민등록번호·환자 ID·진단 정보는 의료법상 최고 수준의 보호가 요구됩니다. 의료기관 정보보호 인증 요건에 맞춘 온프레미스 또는 프라이빗 클라우드 배포도 가능합니다.
Q8. 도입 비용은 어떻게 산정되나요?
처리 문서 종류, 월 처리량, 학습 양식 수, 연계 시스템 범위에 따라 산정됩니다. 일반적으로 PoC는 별도 비용 없이 진행 가능하며, 본 도입은 월 처리량 기반 SaaS 모델과 온프레미스 모델 중 선택할 수 있습니다. 정확한 견적은 무료 진단 후 안내됩니다.
Q9. 기존 EMR 시스템과 모두 호환되나요?
페이퍼스 GO AI는 EMR 솔루션에 종속되지 않습니다. API 플레이그라운드에서 기관이 사용 중인 EMR의 API 명세를 등록·테스트한 뒤 연계를 진행합니다.
Q10. 도입 후 운영 인력은 얼마나 필요한가요?
신규 도입 초기 2~3개월은 검수자 1~2명이 액티브 러닝을 위한 검수에 시간을 투입합니다. 정착 후에는 검수 워크플로우가 안정화되어 처리량 기준 시간당 100~200건을 1명이 검수할 수 있는 수준이 됩니다. 대량 백로그 디지털화 프로젝트의 경우 별도 검수 팀 구성을 추천드립니다.
정리하며
도입 단계의 첫걸음은 결국 '우리 의료기관의 차트가 실제로 얼마나 인식되는가?'를 확인하는 일입니다. 페이퍼스 GO AI는 실제 운영 환경의 진료기록과 차트를 그대로 업로드해, VLM OCR 기반 분류·추출 정확도와 EMR 연계 가능성을 무료로 진단해드립니다. PoC 이전 단계의 '가능성 진단'으로 부담 없이 시작하실 수 있습니다.
같이 보면 좋을 컨텐츠
Share article