OpenAI, ChatGPT에 Epic 전자의무기록과 공식 의료 데이터 소스 연결

OpenAI는 9월 1일 의료기관이 Epic 전자의무기록에서 허가된 환자 맥락을 ChatGPT for Healthcare에 연결할 수 있게 됐다고 발표했다. 동시에 공식 의료 및 보건 데이터세트에 구조적으로 접근할 수 있는 Healthcare Public Data 플러그인도 공개했다. 이번 조치는 ChatGPT를 임상의, 연구자, 행정팀이 이미 사용하는 시스템에 더 가깝게 만들며, 기업용 AI 제품을 가장 규제가 엄격하고 위험도가 높은 의료 영역으로 더 깊이 끌어들이는 움직임이다.

Epic 통합은 승인된 사용자가 진료 기록, 검사 결과, 약물 목록, 전문의 문서 등을 수동으로 오가며 확인하는 부담을 줄이기 위해 설계됐다. OpenAI에 따르면 ChatGPT는 허가된 환자 기록에서 관련 정보를 모으고 중요한 변화를 요약하며 근거가 되는 차트 정보로 돌아갈 수 있도록 한다. 회사는 두 가지 배포 방식을 설명했다. 하나는 EHR 맥락을 ChatGPT로 가져오는 방식이고, 다른 하나는 지원되는 환경에서 ChatGPT를 EHR 화면 안에 직접 통합해 환자 차트를 떠나지 않고 AI 보조를 사용하는 방식이다. OpenAI는 이 기능이 기존 워크플로를 보완하기 위한 것이며 임상 판단을 대체하지 않는다고 강조했다.

공공 데이터 기능은 범위가 더 넓다. Healthcare Public Data 플러그인은 PubMed, DailyMed, RxNorm, ClinicalTrials.gov, CMS Coverage를 포함한 9개의 공식 공공 의료 출처에 연결된다. 의료 업무에서는 식별자, 버전, 의약품 라벨, 임상시험 기준, 보장 정책 같은 정밀한 정보가 중요하다. 연구팀은 모집 중인 임상시험을 비교할 수 있고, 약무팀은 약물의 최신 라벨과 경고를 확인할 수 있다. 당뇨 예방 프로그램을 계획하는 인구보건팀은 관련 연구, 활성 시험, Medicare 보장 정보를 근거가 연결된 하나의 화면에서 검토할 수 있다. OpenAI는 공식 기록에 기반을 두면서 여러 데이터베이스를 오가는 마찰을 줄이려는 것이다.

회사는 신뢰성 우려에 대응하기 위한 평가 결과도 공개했다. OpenAI는 60개국, 49개 언어, 26개 의학 전문 분야의 수백 명 의사와 협력해 ChatGPT의 건강 관련 답변을 정의, 측정, 개선한다고 밝혔다. 지금까지 의사들은 실제 의료 질문을 반영한 70만 건 이상의 모델 응답을 검토했다. 연결된 EHR 맥락을 다루는 성능을 보기 위해 의사들은 방문 전 검토, 임상 타임라인, 약물 검토, 인수인계 요약 등 27개 임상 사용 사례를 평가했다. 4,363건의 평가 중 99.1%가 안전하다는 평가를 받았다고 회사는 밝혔다. 별도 평가에서는 대규모 미국 의료 데이터세트를 기반으로 한 세밀한 질문에서 시험된 다섯 개 연결 데이터 소스 각각에 대해 93% 이상의 답변이 좋은 정확도 이상으로 평가됐다.

이 수치가 긍정적이지만 거버넌스 필요성을 없애지는 않는다. EHR 데이터에는 민감한 환자 정보가 들어 있고, 임상 업무에서는 누락된 요약이나 잘못 강조된 정보가 판단에 영향을 줄 수 있다. OpenAI는 ChatGPT for Healthcare를 역할 기반 접근, 단일 로그인, 감사 로그 같은 기업 통제를 갖춘 관리형 워크스페이스로 설명한다. 적용 가능한 Business Associate Agreement가 있는 고객은 HIPAA 준수를 지원하는 워크플로에서 ChatGPT Work, Codex, 앱, 플러그인을 사용할 수 있다고도 밝혔다. 미국의 적격 개인 임상의는 Healthcare Public Data 플러그인을 설치할 수 있지만, EHR 통합은 개인 계정에는 제공되지 않는다.

산업적으로 보면 AI 비서는 일반적인 의료 질문에 답하는 단계를 넘어 허가된 임상 및 운영 맥락을 다루는 단계로 이동하고 있다. 이는 차트 검토, 연구 종합, 행정 준비 시간을 줄일 수 있지만 병원과 클리닉이 모델 출력에 대한 강한 검토 관행을 유지할 때 가능하다. OpenAI의 발표는 의료 AI의 다음 단계가 독립형 챗봇이 아니라 신뢰할 수 있는 기록, 공식 데이터세트, 의료팀이 매일 사용하는 소프트웨어 환경에 연결된 모델임을 보여준다.