01보건관리 업무와 생성형 AI

검진 결과를 정리하고, 월간보고를 쓰고, 교육자료를 준비하는 일에는 여러 자료를 읽고 옮기는 작업이 반복됩니다. ChatGPT와 같은 대규모 언어모델(LLM)은 필요한 내용을 추리고 문장·수식·그림의 초안을 만드는 데 활용할 수 있습니다. 보건관리자가 통계모형을 직접 개발하기보다, 익숙한 업무에서 쓸 만한 결과물을 만들고 확인하는 것부터 시작하면 됩니다.

02LLM의 이해와 효과적인 사용 방법

LLM에는 일상적인 말로 일을 요청합니다. 다만 “보고서를 써 주세요”보다 사용할 자료, 보고받을 사람, 원하는 형식을 알려 주면 결과를 고치기 쉽습니다. 처음부터 완벽한 요청문을 만들 필요는 없습니다. “전체 합계를 추가해 주세요”, “두 문장으로 줄여 주세요”처럼 결과를 보며 수정합니다.

토큰은 모델이 글을 처리하는 단위입니다. 사용량을 줄이려면 관련 없는 자료와 반복 설명을 빼고, “A~D열만 사용하고 바뀐 수식만 보여 주세요”처럼 범위를 정합니다. 짧게 쓰더라도 대상 기간, 분모와 계산 기준은 남겨야 합니다. 파일 처리·그림 생성·예약 실행의 이용 범위는 서비스와 계정 환경에 따라 다릅니다.[1]

03개인정보 보호와 자료 준비

수식을 만드는 데는 실제 이름이나 검진 값이 필요하지 않을 때가 많습니다. 부서·대상 여부·완료 여부처럼 열의 구조와 몇 개의 예시 행을 주고, 받은 수식을 기관 내부 파일에 적용할 수 있습니다. 보고문만 필요하다면 “대상자 12명, 완료자 9명” 같은 집계 값으로 시작합니다.
이름을 지워도 사번·상세 생년월일·소수 부서가 남으면 개인을 알아볼 수 있습니다. 실제 건강정보를 입력할 때는 기관의 허용 범위와 서비스의 자료 처리 설정을 먼저 확인합니다. 업로드한 뒤 삭제를 요청하는 것으로 전송 자체를 막을 수는 없습니다.[2]

04보건관리 실무에서의 LLM 활용

① 자료 정리와 엑셀 업무
함수 이름을 몰라도 계산할 일을 설명하면 됩니다.
“B열은 부서, C열은 대상 여부, D열은 완료 여부입니다. 부서별 대상자·완료자 수와 완료율을 계산하고 하단에 전체 합계를 넣어 주세요.”
그림 2~3은 그 결과입니다.

일정표에는 업무별·월별 합계, 예산표에는 집행액·잔액을 추가합니다. 새 행의 누락과 종합행의 중복 합산을 확인하고, 여러 달의 완료율은 전체 완료 연인원을 전체 대상 연인원으로 나눕니다.

② 보고서와 안내문 작성
집계표와 함께 “부서장에게 제출할 상반기 실적표와 보고문을 작성해 주세요. 계획 대비 실적, 전월 대비 변화와 다음 확인사항을 넣고, 자료에 없는 원인은 추측하지 마세요”라고 요청합니다.

이어서 “미실시 사유와 재편성 일정을 확인한다”처럼 후속 검토사항을 붙입니다. 같은 자료로 부서장용 일정 협조문과 근로자용 상담 안내 문자도 요청할 수 있습니다. 숫자·날짜·회신처는 발송 전에 확인합니다.

③ 교육자료 제작
교육자료는 공식 자료를 바탕으로 내용을 정한 뒤 그림을 요청하면 편리합니다. 혈압 측정 교육이라면 대한고혈압학회의 교육 책자를 주고, “근로자에게 배포할 한 장짜리 자료로 정리해 주세요. 측정 전 준비, 바른 자세, 반복 측정과 기록을 넣고 출처 쪽수도 알려 주세요”라고 요청합니다.
문구를 확인한 뒤에는 다음처럼 그림을 요청합니다. “흰 바탕의 세로형 포스터를 그려 주세요. 제목은 ‘혈압, 바르게 재고 기록하기’입니다. 성인이 등받이에 기대고 두 발을 바닥에 둔 채, 맨살의 위팔에 커프를 착용하고 팔을 심장 높이로 받쳐 측정하는 모습을 그려 주세요. 아래 확인한 문구를 그대로 넣고 새로운 건강 조언은 추가하지 마세요.”

그림 4에는 측정 전 흡연·카페인 제한, 5분 휴식, 바른 자세, 1분 간격의 반복 측정과 기록을 담았습니다. 제목과 문구를 바꾸면 다른 주제에도 같은 방식을 적용할 수 있습니다. 완성 후에는 글자뿐 아니라 커프 위치, 팔과 발의 자세가 설명과 맞는지도 확인합니다. 전체 생성 요청문은 별도 예시 파일로 제공합니다.

④ 설문과 작업환경 자료 활용
기존 자연어 처리에서는 업무별 분류기를 만들기 위해 학습자료와 코드를 준비하는 부담이 있었습니다. 하지만 LLM은 “설문을 참여 시간·자료 형식·설명 분량으로 분류하고 원문도 남겨 주세요”처럼 말로 기준을 주어 시작할 수 있습니다. “교대시간과 겹친다”는 참여 시간, “설명이 길다”는 설명 분량으로 정리하는 방식입니다.
수백·수천 건도 같은 기준으로 나누어 처리하고 합칠 수 있습니다. 응답번호를 남겨 누락·중복을 확인하고, 일부는 원문과 대조합니다. 작업환경 보고서에도 “같은 공정의 측정값·단위·측정일·출처 쪽수를 표로 모아 주세요”라고 요청할 수 있습니다. 측정 조건이 다르면 단순 비교하지 않습니다.[4]

⑤ 반복 업무 자동화
한 번 끝낸 월간보고는 처리 방법을 MD 파일로 남기면 재사용하기 좋습니다. MD는 메모장에서도 열 수 있는 마크다운 문서입니다. “이번 작업의 입력자료, 계산식, 출력 형식과 검토 기준을 월간보고_자동화.md로 정리해 주세요”라고 요청합니다.

다음에는 “이 MD를 먼저 읽고 이번 달 보고서를 작성해 주세요”라고 요청합니다. 예약 기능을 쓰면 실행 날짜를 따로 정합니다. MD에는 재사용할 규칙을, 작업기록에는 이번 달 결과를 남깁니다. 예약 전에 해당 환경에서 파일에 접근할 수 있는지, 한 번 실행한 결과가 맞는지 확인합니다.[5]

05건강위험 예측서비스의 활용

앞으로는 검진 결과를 설명하고 사후관리에 연결하는 데 예측서비스도 활용할 수 있습니다. 보건관리자는 공개된 연구에서 대상자에게 맞는 모형과 필요한 항목을 먼저 찾아볼 수 있습니다. 한국인 자료로 개발한 K-CVD는 기존 심혈관질환이 없는 20~80세의 10년 심혈관 사망·심근경색·뇌졸중 발생위험을 추정하는 예입니다.[6]

“이 자료에 K-CVD 산식을 적용하고 10년 위험도를 설명해 주세요”라고 요청하면, 필요한 입력값을 정리하고 공개 산식을 코드로 구현하는 데 도움을 받을 수 있습니다. 그림 6의 흡연·당뇨병이 있는 65세 남성 자료에 검산한 산식을 적용한 결과, 10년 발생위험은 21.21%였습니다. 처음 구현한 산식을 검산한 뒤에는 다음 자료에도 같은 코드를 적용할 수 있습니다.
위험값은 해당 모형으로 계산하고 LLM은 입력자료 정리와 설명문 작성을 돕습니다. 결과에는 질환·예측 기간·확률을 함께 표시합니다. 한국인 모형도 현재 사업장에 맞는지 확인해야 하며, 예측값은 확정 진단이나 인사 판단에 사용하지 않습니다.

06마치며

익숙한 업무 하나에서 결과를 만들고, 확인한 요청문과 양식을 재사용해 보시기 바랍니다. 준비·수정·검토까지 포함해 시간적인 효율과 반복작업에 대한 효율성을 평가하며 계속해서 LLM을 활용할 업무를 판단할 수 있습니다.