Rxly.ai

진료 대화를 실시간으로 분석해 차팅을 대신 수행하는 AI 의료 상담 어시스턴트. 기획부터 출품까지 한 달이 걸렸고, 기획·개발을 혼자 하면서 임상 요구사항은 미국 현직 의사들과 함께 정리했습니다. Anthropic의 ‘Built with Opus 4.6’ Claude Code 해커톤에 출품해 지원자 약 13,000명 중 결선 230인에 들었습니다. 결선 진출자 중 한국인은 저 한 명이었습니다.

문제

진료의 상당 부분은 진료가 아니라 기록입니다. 의사는 환자를 보면서 동시에 차트를 쓰고, 진료가 끝난 뒤에도 문서를 정리합니다. 이 시간은 환자에게 쓰이지 않습니다.

받아쓰기만 하는 도구는 이 문제를 절반만 해결합니다. 전사본은 차트가 아니고, 전사본을 차트로 바꾸는 일이 실제 부담이기 때문입니다.

파이프라인

Rxly.ai는 대화에서 EMR 레코드까지를 하나의 경로로 처리합니다.

1. 전사와 화자 분리 — 의료 용어에 최적화한 STT로 진료 대화를 실시간 전사하고, 의사와 환자의 발화를 자동으로 구분합니다.
2. 임상 인사이트 — 진료가 진행되는 동안 핵심 소견, 위험 신호, 액션 체크리스트를 실시간으로 생성합니다. 진료가 끝난 뒤가 아니라 진료 중에 쓰이는 것이 목적입니다.
3. 감별진단(DDx) — ICD-11 코드를 포함한 근거 기반 감별진단을 자동 생성합니다.
4. SOAP 노트 — 구조화된 진료 기록 초안을 만들고, FHIR R4로 EMR에 넘깁니다. 자체 포맷이 아니라 표준으로 내보내는 것이 병원 시스템에 들어갈 수 있는 유일한 조건입니다.

근거를 고정하는 방법

LLM이 만든 임상 정보는 근거가 없으면 쓸 수 없습니다. 그래서 답변은 다섯 개의 공개 의료 지식 소스에 RAG로 연결했습니다 — OpenFDA, ClinicalTrials.gov, DailyMed, PubMed, Europe PMC.

소스를 다섯 개로 나눈 이유는 커버리지가 서로 다르기 때문입니다. 약물 라벨은 DailyMed에, 시판 후 안전성 정보는 OpenFDA에, 진행 중인 시험은 ClinicalTrials.gov에 있고, 문헌은 PubMed와 Europe PMC로 갈라집니다. 소스를 하나만 연결하면 그 소스가 다루지 않는 질문에는 근거를 반환하지 못합니다.

임상 요구사항

기능 목록은 개발자가 정할 수 있지만 무엇이 임상적으로 쓸 만한지는 정할 수 없습니다. 미국에서 진료 중인 의사들과 요구사항을 정리했고, 그 과정에서 바뀐 것 중 하나가 인사이트를 진료 후가 아니라 진료 중에 제공한다는 결정이었습니다.

보안

의료 데이터를 다루는 이상 보안은 부가 기능이 아닙니다. HIPAA를 기준으로 AES-256-GCM 암호화, 감사 로그, CSP·HSTS·레이트 리밋을 적용했습니다.

해커톤 출품작에 감사 로그를 넣은 이유는, 이 제품이 실제로 쓰이려면 “누가 언제 무엇을 봤는가”에 답할 수 있어야 하고 그건 나중에 붙이는 기능이 아니기 때문입니다.

결과

• Anthropic ‘Built with Opus 4.6’ Claude Code 해커톤 결선 230 / 약 13,000명, 결선 진출자 중 한국인은 저 한 명
• 기획부터 출품까지 1개월, 기획·개발 단독

한계

• 해커톤 기간에 만든 것이라 임상 검증을 거치지 않았습니다. 실제 진료에 쓰려면 별도의 검증과 규제 절차가 필요합니다.
• 전사 정확도는 사용한 STT의 성능에 종속됩니다. 의료 용어 최적화를 적용했지만 별도로 측정하지는 않았습니다.
• FHIR R4 연동은 표준을 따라 구현했고, 실제 병원 EMR과의 상호운용성은 검증하지 않았습니다.

데모

출품 데모 영상 · rxly.ai