# AI가 교수도 평생 한 번 봤다는 진단(OIH)을 찾아냈습니다 — 환자 의무기록 수만 장을 구조화한 결과

> Clean Markdown view of GeekNews topic #30764. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=30764](https://news.hada.io/topic?id=30764)
- GeekNews Markdown: [https://news.hada.io/topic/30764.md](https://news.hada.io/topic/30764.md)
- Type: news
- Author: [blackfan](https://news.hada.io/@blackfan)
- Published: 2026-06-24T00:07:57+09:00
- Updated: 2026-06-24T00:07:57+09:00
- Original source: [perslyai.com](https://www.perslyai.com/blog/ai-found-what-the-professor-missed)
- Points: 1
- Comments: 0

## Topic Body

- 한국에서 오랜 기간 투병 중인 환자의 의무기록을 제주에서 서울까지 전국 병원에서 대신 발급해, 종이 수만 장을 스캔·OCR·구조화한 뒤 AI로 분석했다.  
- 그 과정에서 AI가 OIH(오피오이드 유발 통각과민) 가능성을 제시했고, 담당 교수가 "평생 한 번밖에 못 본 케이스"라며 자신이 놓쳤음을 인정, 척수자극기 수술이 앞당겨졌다.  
  
###### 출발점: 흩어진 기록, 읽지 못하는 환자  
- 오래 투병한 환자일수록 자신의 의료 기록을 하나로 통합해 보지 못한다. 기록은 병원마다 흩어져 있고, 전원할 때마다 종이 사본을 떼어 제출하는 방식으로만 흐른다.  
- 이번 환자는 후종인대 골화증(OPLL)에 의한 척수병증으로 감압·유합술을 받았으나, 수술 후 통증이 심해지는 FBSS(척추수술 후 통증 증후군)가 발생했다.  
- 거쳐 간 병원만 해운대백병원 → 서울대병원 → 부산성모병원, 그리고 교수가 옮겨 간 제주대병원까지. 서울대 한 곳에서만 종이 사본이 천 수백 장이었다.  
  
###### 우리가 한 일: 전국 발급 → 데이터화  
- 환자를 대신해 부산·서울·제주에 흩어진 병원 4곳에서 의무기록을 직접 발급받았다. 종이로 수만 장 규모.  
- 그 안에는 의사의 진료 노트, 수년치 검사 결과 추이, 수술·약물·행정 서류가 뒤섞여 있었다. 사람이 수만 장을 읽고 시계열로 정렬하는 것은 사실상 불가능하다.  
  
###### 파이프라인: 스캔 → OCR → 구조화 → 시계열 통합  
- 스캔으로 디지털화하고, OCR로 손글씨 진료 노트·인쇄 검사지를 텍스트로 추출, 날짜·병원·검사 항목·수치·약물·수술 이벤트를 표준 스키마로 정규화했다.  
- 병원 4곳의 기록을 하나의 타임라인으로 합쳐 5년치 longitudinal EMR을 구성. 단일 LLM에 몇 줄 입력하는 것과는 데이터 기반 자체가 다르다.  
  
###### 발견의 순간: 마약성 진통제의 역설  
- 환자는 통증으로 마약성 진통제를 썼으나, 용량을 늘려도 통증이 잡히지 않고 오히려 심해지는 비정상 반응을 보였다.  
- 이 비전형 경험을 기록과 함께 입력하며 질문을 이어가던 중, AI가 OIH(Opioid-Induced Hyperalgesia, 오피오이드 유발 통각과민)를 제시했다. 환자는 그 전까지 이 개념의 존재 자체를 몰랐다.  
  
###### 결과: 교수가 놓친 것, 그리고 앞당겨진 수술  
- 다음 외래에서 교수에게 상의하자 교수는 "나도 평생 한 번밖에 못 본 케이스"라며 자신이 놓쳤음을 인정했다.  
- OIH 해석이 서자 마약성 진통제를 줄이고, 척수자극기(SCS) 삽입 필요성에 확신을 얻었으며, 막연히 고려만 하던 수술을 확실히 진행하기로 결정. 정보 제공에서 멈추지 않고 실제 행동의 변화로 이어졌다.  
  
###### 이것이 의미하는 것  
- 모델이 똑똑해서가 아니라 데이터 기반이 달라서 가능했던 일이다. 가장 어려운 일은 추론이 아니라 제주에서 서울까지 흩어진 수만 장의 종이를 기계 판독 가능한 하나의 데이터로 만드는 것이었다.  
  
> 본 사례는 환자 동의 하에 개인 식별 정보를 제거하고 재구성했다. 의학적 판단은 반드시 담당 의료진과 상의해야 한다.

## Comments



_No public comments on this page._