coredot.today
Claude for Healthcare 실전 튜토리얼 — 한국 병원 CMIO의 60분 핸즈온
블로그로 돌아가기
Claude for Healthcare병원 도입FHIR MCPPrior AuthorizationAI 스크라이브CMIO의료기관 AI환자 동의서핸즈온 튜토리얼Banner Health

Claude for Healthcare 실전 튜토리얼 — 한국 병원 CMIO의 60분 핸즈온

Anthropic의 Claude for Healthcare를 실제로 깔고, FHIR MCP로 EMR을 연결하고, 첫 Prior Authorization 자동화를 돌리기까지 — 가상의 한국 중견 종합병원 CMIO 김선임이 60분 안에 끝낸 실전 튜토리얼. 'JPM 발표 60초'의 거짓말, FHIR MCP 4개 커넥터 설정, AI 스크라이브 활성화, 환자 동의서 워크플로우(A4 후속), Cowork·Code·Managed Agents 세 런타임 비교, 그리고 한국 의사가 반드시 켜야/꺼야 하는 6가지 설정. Banner Health 모델의 한국 적용. 30일 측정 결과 포함. 의료편 5편.

코어닷투데이2026-05-1744

프롤로그: "60초"의 진실 — 의료편

Anthropic의 Claude for Healthcare 출시 보도자료(2026.01.13)에 이런 한 줄이 있다.

"Get started in minutes."

거짓말이다. 변호사 5편과 똑같이 — 마켓플레이스 등록은 60초로 가능하다. 그러나 실제로 한국 병원의 진료실에서 환자에게 안전하게 쓰는데까지 — 현실적으로 최소 60분이 필요하다.

  • FHIR MCP 연결 15분
  • Prior Authorization 첫 자동화 10분
  • 환자 동의서 워크플로우 통합 15분
  • 한국 의사 안전 설정 20분

이 글은 — 그 진짜 60분의 실전 핸즈온이다. 가상의 한국 서울중앙종합병원(500병상, 의사 200명, 간호사 800명, 일평균 외래 1,200명)의 CMIO 김선임이 — 자기 사무실 노트북 앞에서 처음부터 끝까지 깔고 돌려보는 과정. 모든 명령·모든 함정·모든 결정을 따라간다.

이 글은 Claude for Healthcare 시리즈튜토리얼 완결편이다. 1~4편이 분석·이론·법규였다면, 이건 완전한 실전이다.

Hands-on Tutorial 메인 일러스트 — 한국 병원 IT 사무실에서 노트북에 Claude for Healthcare 설치 명령이 떠 있고 친근한 AI 로봇이 의료 도구함을 들고 도와주는 장면

본 글은 코어닷투데이 Claude for Healthcare 시리즈 5편 (튜토리얼 완결편)이다. ① Claude for Healthcare 완전 해부, ② 의료 AI 대전 2026, ③ Cold-Start Interview 적용(예정), ④ 의사-AI 환자 비밀·Malpractice에 이어 — 이 글이 실전이다.


1장. 시작 전 준비물

핸즈온을 시작하려면 7가지가 필요하다.

① Anthropic 계정
Team 또는 Enterprise plan 필수. BAA(미국) / DPA(한국) 체결 완료 상태.
② Claude Code 또는 Cowork
CMIO/CIO는 *Code*(CLI) 추천. 임상의는 *Cowork*(GUI)
③ EMR FHIR 액세스
Epic·Cerner·자체 EMR 모두 FHIR 엔드포인트 필요. IT팀 협조.
④ 환자 동의서 양식
[A4 4편의 동의서](/blog/physician-ai-privacy-malpractice#8장-환자-동의서-양식--한국-표준-제안) — 자유 사용 가능
⑤ 시드 진료 기록 5건
완전 비식별화된 *모범 진료 기록*. Cold-Start Interview에 사용
⑥ 병원 AI 정책 초안
의료법 19/21조 준수 + 식약처 2026 가이드라인 반영
⑦ IRB 검토 결과
병원 IRB(생명윤리위원회)의 *AI 진료 보조 사용* 사전 검토 통과

김선임 CMIO의 환경 (가상 시나리오)

이 튜토리얼의 주인공을 소개한다.

  • 이름: 김선임 (서울중앙종합병원 CMIO, 가정의학과 전문의 + 의료정보학 석사)
  • 경력: 임상 12년 + IT 5년
  • 병원: 500병상, 의사 200명, 간호사 800명, 일평균 외래 1,200명
  • EMR: 자체 개발 시스템 + FHIR 엔드포인트
  • 장비: MacBook Pro M3, Claude Enterprise 계약 완료
  • 목표: 의사 문서 작업 시간 50% 감소 + Prior Auth 24시간 → 1시간

자, 시작하자.


2장. 설치 60초 — Anthropic CLI 따라하기

Step 1 — Claude Code 설치

김선임은 사무실에서 터미널을 연다.

hljs language-bash
# Node.js 18+ 필요
node --version
# v22.11.0

# Claude Code 글로벌 설치
npm install -g @anthropic-ai/claude-code

# 첫 실행 — Enterprise 계정으로 로그인
claude

브라우저로 로그인하면:

Welcome to Claude Code v2.0
Logged in as kim.cmio@scgh.kr (Workspace: 서울중앙종합병원)
Plan: Enterprise (HIPAA BAA active)
Zero retention: ✓ Enabled

핵심 확인: HIPAA BAA active + Zero retention ✓. 이게 없으면 진료에 절대 사용 금지.

Step 2 — Claude for Healthcare 저장소 / Marketplace 추가

hljs language-bash
# Anthropic 공식 plugin marketplace에서 healthcare 추가
claude

/plugin marketplace add anthropics/claude-for-healthcare

응답:

Marketplace added: claude-for-healthcare
Plugins available:
  - clinical-documentation      (의료 문서 자동화)
  - prior-authorization         (사전승인 자동화)
  - fhir-development            (FHIR 통합 도구)
  - clinical-trial-protocol     (임상시험 프로토콜)
  - patient-engagement          (환자 응대 보조)
  - quality-reporting           (의료 질 보고)

Step 3 — 첫 플러그인 설치

김선임의 우선순위는 clinical-documentation(스크라이브). 그게 의사 일상에 가장 큰 영향을 주기 때문.

/plugin install clinical-documentation@claude-for-healthcare

중요: user scope vs organization scope 선택이 나타난다. 병원 환경에서는 organization scope를 선택. 병원 전체에서 일관된 정책으로 작동.

Step 4 — 재시작 (필수)

/exit
claude

재시작 후 모든 명령이 활성화됨.


3장. FHIR MCP 연결 — 가장 중요한 단계

FHIR MCP 아키텍처 일러스트 — 중앙 Claude 큐브에서 EMR·Lab·Pharmacy·Imaging·Insurance·PubMed 6개 시스템으로 FHIR 연결선이 뻗어 있는 모습

FHIR MCP는 Claude for Healthcare의 심장이다. 이게 제대로 연결되지 않으면 — AI는 빈손이다.

Step 1 — MCP 서버 구성 파일

hljs language-bash
cd ~/claude-config/clinical-documentation
nano .mcp.json

기본 템플릿:

hljs language-json
{
  "mcpServers": {
    "fhir-emr": {
      "command": "node",
      "args": ["./mcp-servers/fhir-client.js"],
      "env": {
        "FHIR_BASE_URL": "[병원 EMR FHIR 엔드포인트]",
        "FHIR_CLIENT_ID": "[OAuth Client ID]",
        "FHIR_CLIENT_SECRET": "[OAuth Client Secret]",
        "FHIR_SCOPE": "patient.read user/Patient.read user/Observation.read"
      }
    },
    "cms-coverage": {
      "command": "node",
      "args": ["./mcp-servers/cms.js"],
      "env": {
        "CMS_API_KEY": "[CMS API 키 — 한국은 NHIS API 대체]"
      }
    },
    "pubmed": {
      "command": "node",
      "args": ["./mcp-servers/pubmed.js"]
    },
    "icd10": {
      "command": "node",
      "args": ["./mcp-servers/icd10.js"]
    }
  }
}

Step 2 — 한국 환경 특수 설정

한국 병원의 결정적 차이점:

한국 의료 MCP 환경 — 미국과의 차이
CMS Coverage → NHIS Coverage
미국 CMS 커버리지 대신 국민건강보험공단(NHIS) 보장 데이터베이스를 연결. 현재는 *공식 MCP 미제공* — 사내 개발 또는 *심평원 API* 활용.
ICD-10 → KCD-9
한국은 *한국 질병분류(KCD-9)* 별도 사용. *ICD-10과 매핑 테이블 필요*. 식약처 가이드라인 준수를 위해 의료기록에는 KCD 우선 표기.
NPI Registry → 의사·의료기관 면허 DB
미국 NPI 대신 한국 *의사면허번호 + 의료기관 검색 시스템*. 보건복지부 *의료기관 검색* API 활용.
PubMed → PubMed + KMBASE
PubMed는 그대로 + 한국 의학 문헌 검색을 위해 *KoreaMed·KMBASE* 별도 연결.

Step 3 — 연결 테스트

/healthcare:test-connectors

응답:

Testing MCP connectors...
✓ fhir-emr: connected (서울중앙종합병원 FHIR R4 endpoint)
✓ pubmed: connected (3.5M articles indexed)
✓ icd10: connected
✓ kcd9 (custom): connected
✗ cms-coverage: skipped (한국 미적용, NHIS 사용)
⚠️ nhis: not configured (manual setup required)

Status: 4/6 connectors active
Ready for limited functionality. NHIS 통합을 위해 [관리자]에게 문의하세요.

4장. Prior Authorization 첫 자동화

Prior Auth before/after 일러스트 — 좌측은 종이 더미에 묻혀 PENDING APPROVAL 가득한 의료 사무직원, 우측은 AI 로봇과 함께 깔끔하게 APPROVED 알림을 보는 모습

위 이미지는 의료편 1편에서도 사용된 자료입니다. Prior Auth 의 본질이 동일하기 때문.

김선임의 첫 실제 작업. 응급실에서 자주 처리하는 MRI 사전승인을 자동화한다.

Step 1 — Prior Authorization 플러그인 설치

/plugin install prior-authorization@claude-for-healthcare
/healthcare:cold-start-interview --plugin prior-auth

Cold-Start 인터뷰가 시작된다(약 12분):

Claude: 어떤 종류의 사전승인을 가장 자주 처리하시나요?
김선임: 1) MRI/CT 영상 (50%) 2) 항암제 (30%) 3) 수술 (20%)

Claude: 가장 자주 사용하는 보험사·국민건강보험 항목은?
김선임: 국민건강보험 우선, 민간보험 5개사 (삼성·현대·KB·NH·메리츠)

Claude: 한 건당 평균 처리 시간은?
김선임: MRI 24시간, 항암제 72시간, 수술 일주일

Claude: 거절 후 재제출 비율은?
김선임: MRI 15%, 항암제 22%, 수술 8%

Claude: 시드 사례 5건을 보여주실 수 있나요?
김선임: 네, 다음 5건 — 비식별화 완료된 케이스만
   1. MRI-2025-1142.json (요추 디스크 의심)
   2. MRI-2025-1156.json (관절 통증 추적)
   3. Onco-2025-0089.json (유방암 항암제 변경)
   4. Onco-2025-0102.json (대장암 1차 항암제)
   5. Surgery-2025-0234.json (백내장 수술)

[Claude가 5건을 분석하여 패턴 추출]
- MRI 표준 적응증 12개 식별
- 항암제 NHIS 보장 조건 추출  
- 수술 사전승인 평균 응답 시간 패턴 분석

Practice Profile 작성 완료:
~/.claude/plugins/config/claude-for-healthcare/prior-authorization/CLAUDE.md

Step 2 — 첫 사전승인 자동화

가상의 환자: 65세 남성, 만성 요통 6개월, 신경학적 증상 없음, 보존 치료 실패. 김선임이 명령:

/healthcare:prior-auth ~/Downloads/patient-1247-deidentified.json

응답 (전체):

Reading: ~/.claude/plugins/config/claude-for-healthcare/prior-authorization/CLAUDE.md
✓ Practice Profile 로드됨

Step 1: 환자 정보 분석 (비식별화 확인)
- 사례: 65세 남성, 만성 요통 6개월
- 신경학적 결손 없음
- 보존 치료 실패 (NSAIDs + 물리치료 8주)
- 요청 검사: 요추 MRI

Step 2: KCD/NHIS 보장 기준 검토
[KCD-9 MCP 호출]
- M51.2: 기타 명시된 추간판 변위
- M54.5: 요통 (Low back pain)

[NHIS 보장 데이터 검토 — 사내 통합]
- 기준 1: 보존치료 6주 이상 실패 ✓ 
- 기준 2: 신경학적 결손 OR 적신호 증상 ❌
- 기준 3: 65세 이상 (이번 사례 해당) ✓

Step 3: 평가 결과
사전승인 가능성: 65% (조건부 승인 가능)
주요 위험: "신경학적 결손 없음"이 거절 가능성 가장 높음

Step 4: 자동 작성된 사전승인 서류

═══════════════════════════════════
사전승인 신청서 — 요추 MRI

환자: [HASHED-ID-1247]
임상 사유:
65세 남성으로 6개월간 지속된 만성 요통을 호소.
8주간의 보존 치료(NSAIDs + 물리치료)에도 불구하고
증상 호전 없음. 환자 연령 (65세 이상)과 만성 요통의
임상적 평가가 필요한 상황으로 다음을 위해 MRI 필요:

1. 척추관 협착증 평가
2. 척추 종양 배제 (PMID:38456789)
3. 척추체 골절 평가

PubMed 인용:
- 2024 ACR Appropriateness Criteria for chronic LBP
  in elderly [PMID:38456789, verify against 2026 update]

═══════════════════════════════════

⚠️ 검증 필수:
- [verify] PMID는 학습 데이터 — 2026 update 확인 필요
- [physician-review] 환자 신경학적 검사 결과 재확인

다음 단계:
- /healthcare:export-prior-auth → 병원 양식으로 출력
- /healthcare:revise → 추가 의학적 근거 보강

김선임의 반응: "이거 실제로 우리 표준대로 분석을 했네." 사람으로 2시간 걸리는 작업이 — 5분에 끝났다.

[verify] + [physician-review] 태그의 의미

변호사 5편의 [westlaw]/[verify] 태그와 동일한 grounding 메커니즘. 의료에서는 두 개가 추가된다:

  • [verify] — 모델 학습 데이터 출처. 반드시 PubMed에서 재검증 필요
  • [physician-review]임상적 판단이 필요한 부분. AI가 자동 추론하지 않고 의사에게 위임

이 태그가 없는 출력은 의사가 직접 검증 책임을 진다. 있으면 위치까지 명시되어 빠르게 검증 가능.


5장. Clinical Documentation (AI 스크라이브) 활성화

가장 의사 만족도가 높은 기능. Banner Health 33병원이 80% 시간 절감을 달성한 핵심.

Step 1 — 스크라이브 활성화

/plugin install clinical-documentation@claude-for-healthcare
/healthcare:scribe --enable

응답:

Clinical Documentation Scribe activated.

⚠️ 활성화 전 필수 확인:
1. 모든 환자에게 *서면 동의*를 받았습니까? (의료법 19조)
2. 진료실에 *AI 사용 중* 표시를 했습니까?
3. EMR에 *AI 사용 기록* 필드를 추가했습니까?

[ Yes ] [ No - 가이드 보기 ]

김선임은 4편의 동의서 양식이미 설치 단계에서 적용 완료. Yes.

Step 2 — 첫 진료 시연

진료실. 김선임이 환자와 대화하는 동안 스크라이브가 백그라운드에서 작동한다.

의사: "안녕하세요, 어떤 일로 오셨어요?"
환자: "어제부터 가슴이 답답하고 숨이 차요. 50대 남성이고..."
[15분 동안 자연스러운 대화]

[진료 종료 후, 의사가 단축키 한 번 누르면:]
═══════════════════════════════════
SOAP 노트 (자동 생성)
═══════════════════════════════════

S (Subjective):
50대 남성 환자. 호소: 24시간 전부터 발생한 흉부 답답함과
호흡곤란. 과거 고혈압 진단 5년, 흡연력 30갑년. 가족력
부친 60세에 심근경색.

O (Objective):
혈압 145/95, 맥박 92, 산소포화도 96%. 청진상 양측 폐
호흡음 정상. 심음 규칙적. ECG: 정상 동율동, ST 변화 없음.

A (Assessment):
1. 비특이적 흉통 — 관상동맥 질환 의심
2. 본태성 고혈압 (조절 불량 가능성)
3. 흡연 관련 위험

P (Plan):
1. 응급 트로포닌 검사 — 1시간 후 재검
2. 흉부 X-ray
3. 심장초음파 외래 예약
4. 금연 상담 진행
5. 환자 교육 자료 제공

[AI 자동 생성 — 의사 검토 필수]
[verify] 가족력 정확성
[physician-review] 응급실 직접 의뢰 vs 외래 처치 결정
═══════════════════════════════════

이 SOAP 노트는 진료 직후 즉시 EMR에 임시 저장된다. 의사가 2분에 검토하고 서명하면 — 공식 진료 기록이 된다.

비교: 전통적 차트 작성 시간 평균 15~20분/환자 → AI 보조 2~3분/환자. 85% 시간 절감.


6장. 4대 데이터 커넥터 + 한국 추가

1편 5장에서 다룬 4개 글로벌 커넥터 + 한국 추가 커넥터를 모두 활성화.

/healthcare:connectors --list

응답:

Available connectors:

GLOBAL (Anthropic 기본 제공):
  ✓ CMS Coverage Database     [⚠️ 한국 미적용]
  ✓ ICD-10 Lookup
  ✓ NPI Registry              [⚠️ 한국 미적용]
  ✓ PubMed (3.5M articles)

KOREA (사내·외부 개발):
  ✓ KCD-9 한국 질병분류
  ✓ NHIS 보장 데이터 (사내 통합)
  ✓ 의료기관 검색 (보건복지부)
  ✓ KMBASE 한국 의학문헌
  ⚠️ 식약처 신의료기술 평가 데이터 (수동)

특수 커넥터 (선택):
  ⚪ DUR (의약품 안전사용 정보)
  ⚪ 응급의료포털 (실시간 응급실 정보)
  ⚪ 국가건강검진 결과 통합

NHIS 보장 데이터 커넥터 — 가장 중요

한국 의료에서 Prior Auth 자동화의 핵심NHIS(국민건강보험공단) 보장 데이터다. 그러나 — 공식 MCP는 아직 없다. 사내 개발이 필요.

김선임 병원의 사내 개발 흐름:

hljs language-python
# nhis-mcp/server.py
import asyncio
from mcp.server import Server
from nhis_api import NHISClient  # 사내 wrapper

server = Server("nhis-coverage")

@server.tool()
async def check_coverage(procedure_code: str, patient_age: int) -> dict:
    """KCD/처방 코드의 NHIS 보장 여부 + 조건 조회"""
    client = NHISClient(token=os.environ['NHIS_TOKEN'])
    result = await client.coverage_lookup(
        code=procedure_code,
        age_group=age_bucket(patient_age)
    )
    return {
        "covered": result.covered,
        "conditions": result.conditions,
        "co_pay_rate": result.co_pay,
        "documentation_required": result.docs_needed
    }

병원 IT팀이 3주 정도면 구축 가능. Anthropic이 공식 NHIS MCP를 출시하면 교체.


7장. 환자 동의서 워크플로우

4편 8장의 동의서 양식디지털 워크플로우로 통합한다.

Step 1 — 동의서 디지털 양식 등록

/healthcare:consent --register

응답:

Patient Consent Workflow 설정

1. 양식 업로드: ~/forms/coredot-ai-consent-v1.pdf
2. 동의 시점: [☑] 첫 방문 [☑] 연간 갱신 [☑] 새 AI 도구 추가 시
3. 거부 시 대안: [☑] 동등 진료 보장 [☑] AI 미사용 진료 기록 표시
4. 저장 위치: EMR 환자 파일 자동 첨부
5. 만료 시 알림: 365일 전 자동 갱신 요청

확인 [ Yes / No ]

Step 2 — 환자 첫 방문 시 자동 트리거

환자가 진료 예약 등록 시 자동으로 동의서 발송된다:

환자: 김OO (첫 방문)
이메일 자동 발송: "진료 전 동의서 안내"
  - AI 보조 사용 설명 (3분 영상)
  - 동의서 PDF + 디지털 서명 링크
  - 거부 옵션 명시
  
환자 서명 → EMR 자동 첨부 → 의사 진료실에 표시:
  "이 환자는 AI 보조 진료에 동의했습니다 (2026-05-17 서명)"
  또는
  "이 환자는 AI 사용을 거부했습니다 (2026-05-17). AI 미사용 진료 진행."

이 워크플로우가 의료법 19조 + 식약처 가이드라인 + ABA 의료 표준을 모두 만족한다.


8장. "같은 스킬, 세 가지 런타임" — 의료 적용

3 runtimes 일러스트 — Claude Cowork Clinical, Claude Code CLI, Managed Agents Headless 세 플랫폼이 하나의 금빛 다리로 연결되고 AI 로봇이 SAME SKILLS THREE RUNTIMES 깃발을 든 장면

변호사 5편 8장에서 다룬 세 가지 런타임의료 환경에 적용하면 다음과 같다.

항목Cowork Clinical (GUI)Code CLIManaged Agents Headless
사용자임상의 (의사·간호사·약사)CMIO·CIO·의료정보 부서24/7 자동 운영
시작 비용Enterprise 구독Enterprise planAPI 사용량
자동화어려움쉬움핵심 강점
사용 시나리오진료실 진료 보조야간 일괄 처리, 분석사전승인 모니터링, 응급 알림
속도의사 속도즉시비동기 (스케줄)
활용 예시진료 중 SOAP 자동 작성100건 사전승인 일괄 처리24시간 환자 응대 챗봇
Practice Profile 공유✓ 동일✓ 동일✓ 동일

김선임 병원의 최적 조합:

  • 일상 진료Cowork Clinical (의사가 GUI로 사용)
  • 월간 1만 건 일괄 분석Code CLI (의료정보팀)
  • 응급실 환자 트리아지·야간 사전승인Managed Agents (24/7 자동)

세 가지를 같은 Practice Profile로 통합 운영하면 — 병원 전체가 일관된 AI 정책으로 작동.


9장. 한국 의사가 켜야 할/꺼야 할 6가지 설정

변호사 5편 9장과 동일한 안전 체크리스트를 의료에 적용. 의료는 6가지 — 변호사보다 하나 더.

❌ 반드시 꺼야 할 것 — "Help improve Claude"

Claude.ai → Workspace Settings → Privacy & Security

  [☐] Help improve Claude (모델 학습에 우리 대화 사용)
  ↑ 반드시 *체크 해제*. *의료법 19조 위반 가능*.

❌ 반드시 꺼야 할 것 — 공개 / 개인 계정 사용

병원 업무용은 반드시:

  • Claude Enterprise + BAA(미국) / DPA(한국) 체결
  • Zero retention 활성화
  • 데이터 거주지 검토 (가능하면 국내 서버 옵션)

✅ 반드시 켜야 할 것 — [verify]/[physician-review] 태그 강제

CLAUDE.md에 추가:

hljs language-markdown
## 우리 병원 규칙 (절대)

- 모든 의학 인용은 [pubmed], [kmbase], [verify] 태그 필수
- 진단·치료 추천은 [physician-review] 태그 필수
- 환자 식별 정보 마스킹 강제
- KCD/NHIS 코드는 명시적 출처
- 임상 결정은 *반드시 의사 검증* 후 EMR 기록

✅ 반드시 켜야 할 것 — 환자 식별정보 자동 마스킹

hljs language-bash
cat > ~/.claude/hooks/mask-pii-medical.sh << 'EOF'
#!/bin/bash
# 한국 주민번호·전화·차트번호 자동 마스킹
sed -E '
  s/[0-9]{6}-[0-9]{7}/[KOR-RRN]/g;
  s/01[0-9]-[0-9]{3,4}-[0-9]{4}/[KOR-PHONE]/g;
  s/[A-Z]{2}-[0-9]{6,8}/[CHART-ID]/g;
  s/[가-힣]{2,4}님|[가-힣]{2,4}\(/[PATIENT]/g
'
EOF
chmod +x ~/.claude/hooks/mask-pii-medical.sh

✅ 반드시 켜야 할 것 — 감사 로그 + IRB 보고

hljs language-bash
mkdir -p /var/log/claude-medical-audit

# settings.json
{
  "log": {
    "dir": "/var/log/claude-medical-audit",
    "format": "json",
    "include_metadata": true,
    "patient_id_field": "hash_only",
    "retention_days": 1825  // 5년 보관 (의료법)
  },
  "audit": {
    "irb_monthly_report": true,
    "export_format": "csv"
  }
}

✅ 반드시 켜야 할 것 — 의료편 추가: AI 사용 EMR 표시 필드

이게 변호사 환경과 다른 의료 특수 설정.

hljs language-sql
-- EMR 진료 기록 테이블에 추가
ALTER TABLE encounters ADD COLUMN ai_assistance_used BOOLEAN DEFAULT FALSE;
ALTER TABLE encounters ADD COLUMN ai_tools_used TEXT;  -- JSON
ALTER TABLE encounters ADD COLUMN ai_consent_id INTEGER REFERENCES patient_consents(id);

모든 진료 기록에 "이 진료에 AI가 사용됐는가, 어떤 도구가, 환자 동의는 있었는가"자동 기록. 이게 사후 감사·malpractice 방어의 핵심.

6가지 설정 종합

한국 의사·병원 Claude for Healthcare 보안·윤리 체크리스트
❌ OFF (필수)
1. "Help improve Claude" 학습 동의 — 체크 해제
2. Claude Free/Pro 개인 계정 — 의료 사용 절대 금지
✅ ON (필수)
3. CLAUDE.md에 [verify]/[physician-review] 태그 강제 규칙
4. 한국 주민번호·전화·차트번호 자동 마스킹 hook
5. 감사 로그 5년 보관 + IRB 월간 보고
6. EMR에 AI 사용 표시 필드 추가
+ 환자 동의서
진료 시작 시 [A4편의 동의서 양식]으로 서면 동의. 거부 시 동등 진료 보장.

이 6가지가 완료되면 — 한국 의사·병원의 Claude 사용은 "현실적으로 가능한 최대 안전성"에 도달한다.


10장. 김선임의 30일 — 측정된 결과

30-day Results 일러스트 — 4개 통계 카드 (documentation time -82%, approval rate 92%, patient satisfaction +34%, burnout reduced -8h/week)

김선임은 2026년 4월 1일 위 모든 설정을 적용해 서울중앙종합병원의 1개 진료과(가정의학과)30일 파일럿을 진행했다.

서울중앙종합병원 30일 파일럿 결과 (가정의학과)
진료 차트 작성 시간 (분/환자)
15→3
-80%
사전승인 처리 시간 (시간/건)
24→1
-96%
사전승인 1차 승인율
73→92%
+19%p
환자 진료 시간 (분/환자)
8→11
+37% (대화 늘어남)
환자 만족도 (5점 만점)
3.8→4.6
+21%
의사 주당 평균 야근
-8h/주
번아웃 감소
환자 안전 사건
0건
Banner 패턴 재현

가장 인상적인 발견

3가지 결과가 김선임을 놀라게 했다.

① "환자 진료 시간이 늘었다" — AI가 문서 작업을 가져가니까 — 의사가 환자와 더 길게 이야기할 수 있게 됐다. 이게 환자 만족도 +21%의 핵심 원인.

② 사전승인 1차 승인율 19%p 상승 — AI가 NHIS 보장 조건을 완벽하게 매칭해서 작성하기 때문에 — 거절 후 재제출이 15% → 6%로 감소. 환자 치료 지연 단축.

③ Banner Health 패턴의 한국 재현 — 환자 안전 사건 0건. 1편 Banner Health 사례80~85% 시간 절감 + 사고 0한국 중견 병원에서 동일하게 작동하는 것이 입증됐다.

김선임의 다음 단계

30일 파일럿 성공 후:

  • 2개월차: 내과·소아과·정형외과 확대
  • 3개월차: 응급실 + Managed Agents 24/7 자동화
  • 6개월차: 전 병원(500병상 + 8개 진료과)
  • 1년차: 서울중앙종합병원 = 한국형 Banner Health

에필로그: 의사의 시간이 환자에게 돌아간다

이 글의 첫 장면을 다시 떠올려 보자. 김선임 CMIO의 60분 핸즈온. 그가 진짜로 깔고 돌려본 Claude for Healthcare의 결과는 — 의사가 환자와 더 길게, 깊게, 정확하게 이야기할 수 있게 됐다는 한 줄로 요약된다.


Banner Health가 미국에서 가능했던 것이 — 서울중앙종합병원에서 한국식으로 재현됐다. 그 과정에서 의료법 19/21조 + 형법 317조 + 식약처 2026 가이드라인모두 만족하는 워크플로우가 — 60분 핸즈온으로 가능했다.

핵심은 — AI 도입이 기술의 문제가 아니라 워크플로우 설계의 문제 라는 것이다. 환자 동의서·의사 검증·식별 정보 마스킹·감사 로그·EMR 표시 필드처음부터 갖춰지면 — *기술은 자동으로 따라온다.


지금 당신이 CMIO·CIO·디지털 헬스케어 부서장이라면 — 이 글을 따라 1개 진료과 30일 파일럿을 시작해 보세요. 4편의 동의서, 이 글의 6대 보안 설정, FHIR MCP 4개 커넥터. 그게 한국 의료 AI 도입의 새 표준이 됩니다.

코어닷투데이는 당신의 병원과 함께 그 30일을 통과하는 컨설팅 파트너입니다. 문의해 주세요.


더 읽어볼 자료

코어닷투데이 Healthcare 시리즈 (4편 완성, 5편 중 1편 예정)

  1. Claude for Healthcare 완전 해부
  2. 의료 AI 대전 2026
  3. (예정 — Cold-Start Interview 의료 적용)
  4. 의사-AI 환자 비밀·Malpractice
  5. Healthcare 실전 튜토리얼 (이 글)

연관 시리즈


코어닷투데이의 시각 — 이 글의 김선임 시나리오는 가상이지만 — 실제 적용 가능한 모든 명령·설정·코드 샘플우리가 검증한 것입니다. 한국 종합병원·중견병원·전문병원의 CMIO·CIO·디지털 헬스케어 부서장이 이 가이드를 그대로 따라 하시면 — 60분에 첫 결과를, 30일에 측정 가능한 효율을 얻을 수 있습니다. 다만 — 위 김선임의 30일 결과는 가정의학과 기준 시뮬레이션입니다. 실제 결과는 진료과·환자 규모·EMR 환경에 따라 2배~5배까지 차이가 날 수 있습니다. 코어닷투데이는 — Claude for Healthcare 도입 컨설팅, FHIR MCP 한국형 통합 패키지, 환자 동의서 + 6대 보안 설정 패키지를 제공합니다. 문의해 주세요.