스탠퍼드 ChatEHR, 에픽 안에서 의료진 1,450명 사용
스탠퍼드 헬스케어가 에픽(Epic) 전자의무기록 안에 직접 만든 차트 챗봇 스탠퍼드 ChatEHR를 2026년 1월 중순 기준 대상 의료진 약 7,000명 가운데 1,450명이 썼다고, STAT이 2026년 1월 28일 보도했어요. 이 도구는 환자의 기록 전체를 읽고 그에 대한 질문에 답해요. 개발 연구실은 자동 검토로 감염 감시 차트 검토 같은 업무가 40% 줄었다고 말해요. 병원에게 이 사례는 IT 조직 안의 팀이 몇 시간짜리 차트 읽기를 직원이 바로 조치할 수 있는 짧은 사례 목록으로 바꿀 수 있다는 걸 보여 줘요.
의료진에게 차트를 더 빨리 읽는 방법이 필요했던 이유
진료 전에 환자 기록을 읽는 일은 정보가 여러 곳에 흩어져 있어서 느려요. STAT은 펜 메디슨의 최고 의료정보책임자인 심장내과 의사 스리나트 아두수말리(Srinath Adusumalli)가 진료 전날 이전 진료, 검사, 영상, 다른 병원에서 온 스캔 문서를 전자의무기록의 탭마다 하나씩 넘겨 보며 준비하는 모습을 소개했어요.
스탠퍼드 헬스케어도 같은 일을 대규모로 마주했어요. 자체 연구실이 드는 예가 있어요. 환자 차트 150개에 걸쳐 차트 하나당 5~20분의 검토가 필요한 선별 작업이에요.
스탠퍼드가 도구를 사는 대신 만든 것
스탠퍼드는 ChatEHR를 직접 만들어 에픽 전자의무기록과 연결했고, 2025년 9월 의료 시스템 전체에 배포했어요. 이 프로젝트를 기록하는 샤 연구실(Shah Lab)은 이를 특정 업체에 묶이지 않고 내부에서 관리하는 플랫폼이라고 부르며, 환자의 전체 종단 기록을 토큰 이천만 개까지 실시간으로 모델의 컨텍스트 창에 바로 넣는다고 설명해요.
이를 만든 팀은 IT 조직 안에 있는 데이터 과학 그룹이에요. 소프트웨어 엔지니어, 프로덕트 매니저, 데이터 과학자로 구성되고 학계 연구자와 바로 연결돼 있어요. 연구실은 이 작업의 출발을 2023년 4월의 샌드박스로 잡아요. 2023년 11월 ChatEHR가 됐고, 2024년 중반까지 여러 시제품을 거쳐 2025년 초 시범 운영에 들어갔으며, 2025년 8월에는 임상 사용자 150명에 이르렀어요.
ChatEHR가 의료진의 하루 안에서 작동하는 방식
의료진은 기록 안에서 ChatEHR 탭을 열고, 먼저 데이터 출처와 기간을 골라 모델에 불러올 데이터를 정해요. 이어서 채팅 창이 열리고, 사용자는 질문을 하거나, 답에 좋아요나 싫어요를 표시하거나, 메뉴로 돌아가 새 세션을 시작해요.
채팅은 사용량의 40%를 차지해요. 나머지 60%는 양이 많고 반복적인 업무를 자동화하는 API로 돌아가요.
"자동화는 정해진 환자 집단에 적용하는 고정된 프롬프트예요." 스탠퍼드 샤 연구실, ChatEHR의 자동 검토 방식에 대해
연구실은 이런 방식으로 만든 업무 흐름 일곱 가지를 꼽아요. 환자를 알맞은 진료 환경에 배치하는 일과 감염 감시 강화부터 청구 계정 검증까지예요.
스탠퍼드가 자동화로 보고하는 시간 절감
연구실은 업무 흐름마다 수치를 제시하는데, 이는 자체 측정치예요. 환자 선별은 차트 150개 검토를 가능성이 높은 사례 약 30건으로 줄여요. 수술 부위 감염 감시는 차트 검토를 40% 줄이고, 연구실에 따르면 감염 보고도 더 제때 이뤄지게 해요.
컨택센터에서는 의뢰 분류 시간이 17.7% 줄고, 처리량은 17.8% 늘었으며, 밀린 업무는 닷새에서 이틀로 줄었어요. 입원 호스피스 선별은 환자 차트 600개를 읽어 대상 사례 10~40건을 찾아내고, 연구실은 이로써 매일 18~20시간의 일을 덜어 낸다고 말해요. 정형외과에서는 의뢰 분류가 4,700건 넘는 문서를 처리하고 하루 최소 1.7시간의 직원 시간을 아껴요. LoA 청구 보류 계정 검토는 계정 하나당 10~15분을 아껴요. 왕(Wang) 연구팀은 JAMA 네트워크 오픈에 실린 전향적 연구에서 수술 환자 분류에 쓰인 ChatEHR를 살펴봤어요.
배포 이후 도입이 늘어난 과정
STAT은 2026년 1월 중순 기준 대상 사용자 약 7,000명 가운데 1,450명의 의료진이 ChatEHR를 썼다고 보도했어요. 2025년 6월 끝난 인터페이스 시범 운영에는 사용자 150명과 채팅 세션 3,000건이 있었어요. 전사 배포 후 첫 3개월 동안 사용자 1,075명이 교육 영상을 마치고 23,000건이 넘는 세션을 실행했으며, 처리된 토큰은 190억 개가 넘었어요. 이 기간 사용자에는 상급 진료 인력(APP) 180명, 의사 424명, 전공의 151명, 전임의 60명이 있었어요.
연구실이 나중에 집계한 2026년 7월 기준 수치는 활성 사용자 3,400명 이상, 세션 15만 건 이상, 처리 토큰 1,400억 개예요.
병원 자체 개발 AI가 다른 의료 시스템에 주는 의미
스탠퍼드만 그런 게 아니에요. 2026년 1월 펜 메디슨은 의료진이 챗봇 같은 화면으로 환자 기록을 조회하고 요약하는 비슷한 도구 차트 히어로(Chart Hero)를 선보였고, 펜 의료진 약 70명이 이를 시험하고 있었어요. 듀크 헬스와 필라델피아 아동병원의 팀들도 비슷한 앱을 개발하고 있어요.
병원에게 이 사례는 지금까지 측정된 절감이 어디에 있는지 보여 줘요. 채팅 창 자체보다는 의뢰 대기열, 감염 보고, 호스피스 선별, 청구 검토예요. 스탠퍼드의 방식은 도구를 만들고 관리할 수 있는 IT 조직 안의 팀, 그리고 특정 AI 업체에 묶이지 않은 플랫폼에도 기대고 있어요.
자주 묻는 질문
스탠퍼드 ChatEHR는 무엇인가요?
스탠퍼드 헬스케어 의료진이 에픽 전자의무기록 안에서 환자의 전체 기록을 조회할 수 있게 해 주는 자체 개발 도구예요. 정해진 환자 집단에 고정된 프롬프트를 돌려 차트 검토를 자동화하기도 해요.
ChatEHR를 쓰는 의료진은 몇 명인가요?
STAT은 2026년 1월 중순 기준 대상 사용자 약 7,000명 가운데 의료진 1,450명이 쓴다고 보도했어요. 스탠퍼드 연구실은 2026년 7월 기준 활성 사용자를 3,400명 이상으로 집계했어요.
ChatEHR는 직원 시간을 아껴 주나요?
연구실은 특정 업무 흐름에서 그렇다고 말해요. 의뢰 분류 시간은 17.7%, 수술 부위 감염 차트 검토는 40% 줄었고, 정형외과 의뢰 분류는 하루 최소 1.7시간의 직원 시간을 아껴요.
MOZGII의 시각
우리라면 이렇게 만듭니다
지금 병원에서 AI가 가장 도움이 되는 곳은 아무도 시간을 낼 수 없는 읽기 작업이에요. 진료 전 차트 검토, 선별 목록, 의뢰 대기열, 청구 보류요. 스탠퍼드의 수치도 바로 그곳에 있어요. 저희가 ChatEHR 같은 시스템을 만든다면, 의뢰 분류처럼 책임자가 분명하고 끝나는 상태가 분명한 대기열 하나로 시작하고, 그다음에야 채팅 창을 더할 거예요. 시간을 돌려주는 건 채팅이 아니라 자동화예요.
시스템에는 세 가지가 필요할 거예요. 첫째, 전자의무기록에서 실시간으로 가져온 환자 기록 전체와, 답마다 기록된 데이터 출처와 기간이에요. 둘째, 바꿔 끼울 수 있는 모델이에요. 자산은 기록이지 모델이 아니니까요. 셋째, 누군가 조치하기 전에 짧은 목록마다 승인하는 지정된 간호사, 코딩 담당자, 의사예요. 이 시스템은 기록이 불완전할 때, 예를 들어 모델이 읽지 못하는 외부 스캔 문서가 있을 때, 그리고 고정된 프롬프트가 지금 병원이 일하는 방식에서 멀어질 때 깨져요.
저희가 지켜볼 지표 하나는 자동화가 표시한 사례 가운데 사람이 확인했을 때 실제로 맞는 사례의 수예요. 그 비율이 떨어지면 프롬프트나 데이터가 바뀐 거예요. 다음으로는 싫어요 표시를 모두 그 프롬프트를 맡은 팀에 보내는 피드백 고리를 더해서, 업무 흐름마다 불만이 나온 뒤가 아니라 정해진 일정에 따라 검토되게 할 거예요.
출처
이 기사의 사실은 다음 출처에서 가져왔습니다.