🏥 AI 기반 의학 연구 보고서 자동화 사례
AI 기반 의학 연구 보고서 생성 NAA 시스템 사례 소개
원천 데이터에서 전문 보고서 500페이지까지 — AI Agent가 만들어 가는 연구 자동화의 모든 것
작성: 나무기술 CAIO 고우주
연구자가 실험 데이터를 엑셀에 정리하고 나서 해야 할 일이 있다. 수십 개의 측정값을 통계 처리하고, 그래프를 그리고, 정해진 양식에 맞춰 수백 페이지짜리 보고서를 작성하는 것이다. 이 과정은 숙련된 연구원도 8~12시간이 넘는 시간을 소비하게 만드는 반복 업무다.
의학/뷰티 전문 연구 기관인 고객사 G는 이 문제를 정면으로 해결하기 위해 나무기술(주)의 NAMU AI Agent(이하 NAA)를 도입하기로 결정하였다. 이글에서는 그 구체적인 워크플로우, 즉 핵심 내용 추출에서부터 보고서 생성, Canva 편집, 그리고 최종 검증에 이르는 전 과정을 상세히 소개한다.
STEP 1. 추출 — 원천 데이터를 AI가 읽는다
모든 것은 연구원이 엑셀 파일을 업로드하는 단순한 행위에서 시작된다. 피부 수분량, 각질량, 피부 자극 진정 수치, 시너지 효과 등 인체적용시험에서 측정된 다항목 데이터가 엑셀 셀 하나하나에 담겨 있다.
“D 시험 원천 데이터로 한글과 영문 보고서를 동시에 만들어줘” — 연구원의 한 마디로 NAA의 자동화 파이프라인이 가동된다.
NAA는 RAG(Retrieval-Augmented Generation) 기반의 데이터 추출 엔진을 탑재하고 있다. 단순히 셀 값을 읽는 것을 넘어, 과거에 작성된 보고서들을 학습 데이터로 삼아 어떤 수치가 어느 섹션에 들어가야 하는지까지 학습한 상태다. 덕분에 데이터 구조가 다소 불규칙하더라도 맥락에 맞게 항목을 식별하고 정리할 수 있다.
이 단계에서 수행되는 작업은 크게 세 가지다. 첫째, 원시 측정값을 항목별로 분류하고 정규화한다. 둘째, 보고서 생성에 필요한 통계 연산(평균, 표준편차, 유효성 검정 등)을 SPSS 수준의 정밀도로 자동 처리한다. 셋째, 시각화에 쓰일 데이터셋을 별도로 구성한다. 이 모든 과정은 사람의 개입 없이 수 초 내에 완료된다.
| STEP 1 | RAG 기반 데이터 추출
엑셀 업로드 → 항목 분류 → 통계 처리 → 시각화 데이터셋 구성 |
STEP 2. 변환 — 데이터를 그래프와 통계 텍스트로 변환한다
추출된 데이터는 두 방향으로 동시에 변환된다. 하나는 막대 그래프·꺾은선 그래프 등의 시각화 결과물이고, 다른 하나는 통계값을 서술한 자연어 텍스트다.
NAA의 그래프 생성 모듈은 기존 의학 보고서 스타일 가이드를 학습하였다. 따라서 색상 팔레트, 범례 위치, 오차 막대 표시 방식 등이 기존 보고서와 일치한 형태로 자동 생성된다. 연구원이 그래프를 직접 수작업으로 그리던 시간이 통째로 사라진다.
통계 텍스트 변환에서 가장 중요한 것은 ‘문맥 유지’다. 단순히 숫자를 나열하는 것이 아니라, 시험군과 대조군의 비교 맥락 속에서 수치의 의미를 서술하는 형태로 자연어가 생성된다.
고품질 AI 번역 단계에서는 정확성(Accuracy), 유창성(Fluency), 문화적 적합성(Cultural Fit)의 세 가지 기준을 균형 있게 유지하는 전략이 적용된다. 한국어 원문에서 흔히 발생하는 ‘생략된 주어’ 문제를 복원하는 로직이 별도로 내장되어 있으며, 의학 전문 용어는 별도 사전 데이터베이스를 참조하여 오역 없이 처리된다.
이 단계의 산출물은 완성된 그래프 이미지 파일들과 섹션별 한글 서술문이다. 이 두 가지 요소가 결합되어 다음 단계인 보고서 생성의 재료가 된다.
| STEP 2 | 데이터 → 시각화·자연어 변환
통계 연산 → 막대/꺾은선 그래프 자동 생성 → 한글 서술문 생성 → AI 영문 번역 |
STEP 3. 보고서 생성 — 최대 500페이지의 전문 문서를 자동 완성한다
이 단계가 NAA 시스템의 가장 핵심적인 가치를 보여주는 구간이다. 앞서 생성된 그래프와 서술문들이 미리 정의된 보고서 템플릿 위에 자동으로 배치되며, 최대 500페이지 분량의 전문 인체효능평가 보고서가 완성된다.
보고서 구조는 고객사가 사전에 정의한 표준 양식을 기반으로 한다. 커버 페이지, 목차, 시험 개요, 통계 분석 섹션, 결과 및 고찰, 결론, 참고문헌 등 각 챕터가 자동으로 채워진다. 페이지 번호, 헤더·푸터, 회사 로고 등 레이아웃 요소들도 템플릿에 따라 일관되게 적용된다.
수작업으로 8~12시간 걸리던 보고서 작성이 1시간 이내로 줄어든다. 이는 단순한 시간 단축이 아니라, 연구원이 실험 설계나 데이터 해석이라는 진짜 연구 업무에 집중할 수 있다는 것을 의미한다.
출력 형식은 한글 보고서와 영문 보고서 두 종류가 동시에 생성된다. 영문 보고서는 글로벌 학술지 수준의 문체와 전문성을 갖추도록 설계되어 있으며, 기존에 건당 50~100만 원이 소요되던 외부 번역 비용을 전면 대체한다.
모든 데이터 처리는 고객사내부의 온프레미스(사내 서버) 환경에서만 이루어진다. NVIDIA H200 GPU 서버와 vLLM 기반의 추론 엔진이 대용량 보고서 생성을 빠르게 처리하면서도, 민감한 연구 데이터가 외부로 유출되는 것을 원천 차단한다.
| STEP 3 | 전문 보고서 자동 생성 (최대 500p)
템플릿 배치 → 한글/영문 동시 출력 → 온프레미스 보안 처리 → PDF/DOCX 저장 |
STEP 4. Canva 워드 편집기 — 디자인 품질을 한 단계 높인다
AI가 생성한 보고서는 완성도가 높지만, 발표용 자료나 고객사 제출용 문서로 활용하려면 시각적 완성도를 더 높여야 하는 경우가 있다. 이 단계에서 Canva 워드 편집기가 등장한다.
NAA가 생성한 보고서 파일은 Canva와 호환되는 형식으로 내보내기가 가능하다. 연구원 또는 편집 담당자는 Canva의 직관적인 드래그 앤 드롭 인터페이스를 통해 그래프의 색상을 기관 브랜드 색상으로 교체하거나, 표지 디자인을 전문적인 레이아웃으로 변경하거나, 이미지와 텍스트 박스의 위치를 미세하게 조정하는 작업을 손쉽게 수행할 수 있다.
코딩이나 전문적인 편집 툴 교육 없이도, Canva의 UI 덕분에 누구나 보고서의 시각적 완성도를 빠르게 높일 수 있다. 이는 연구 부서와 마케팅 부서 사이의 협업 병목을 크게 줄여준다.
특히 다국어 보고서를 제작할 때 Canva의 역할이 두드러진다. NAA가 생성한 한글 보고서와 영문 보고서를 Canva에서 불러와 양쪽을 나란히 편집하면, 동일한 레이아웃 구조 아래 두 언어 버전을 일관된 디자인으로 완성할 수 있다. 이 과정에서 소요되는 시간은 기존 수동 편집 대비 70% 이상 단축된다.
Canva 편집이 완료된 보고서는 PDF 또는 DOCX 형식으로 최종 출력된다. 이 파일이 다음 단계인 검증 단계로 넘어간다.
| STEP 4 | Canva 워드 편집기 활용
보고서 내보내기 → Canva 임포트 → 디자인 보정 → 브랜드 적용 → 최종 출력 |
STEP 5. 검증 — AI 결과물이 신뢰받는 연구 자료가 되기까지
AI가 생성한 보고서가 아무리 정교하더라도, 의학 연구 보고서는 인간 전문가의 최종 검토 없이 제출될 수 없다. NAA 시스템은 이 검증 단계를 지원하는 체계적인 워크플로우를 갖추고 있다.
첫 번째 검증 레이어는 자동화 품질 검사다. 보고서 생성 직후, 시스템이 자체적으로 데이터 무결성 검사를 수행한다. 원천 데이터의 수치와 보고서 내 기재된 수치가 일치하는지, 그래프의 Y축 스케일이 데이터 범위와 맞는지, 필수 섹션이 누락되지 않았는지를 자동으로 점검한다. 이 단계에서 발견된 오류는 즉시 연구원에게 알림으로 전달된다.
두 번째 검증 레이어는 전문가 리뷰다. 자동 검사를 통과한 보고서는 담당 연구원의 최종 확인을 거친다. NAA 시스템은 이 리뷰 과정을 효율화하기 위해 변경 추적(Track Changes) 기능을 지원하며, 연구원이 수정한 내용은 다음 보고서 생성 시 학습 데이터로 반영된다. 시스템이 사용하면서 점점 더 GMRC의 스타일에 맞게 스스로 개선되는 선순환 구조가 형성된다.
검증 단계에서 중요한 것은 ‘AI가 틀릴 수 있다’는 전제 하에 사람이 최종 책임을 지는 구조를 유지하는 것이다. NAA는 전문가의 시간을 대체하는 것이 아니라, 전문가가 핵심 판단에 집중할 수 있도록 반복 업무를 대신 처리하는 도구다.
세 번째 검증 레이어는 데이터 보안 감사다. 온프레미스 환경에서 처리된 모든 데이터는 접근 로그가 기록되며, NDA 기반의 데이터 보호 정책에 따라 주기적으로 감사를 받는다. 민감한 임상 데이터가 외부로 유출되지 않았음을 제도적으로 보증하는 이 단계는, 의학 연구 기관이 NAA와 같은 AI 시스템을 신뢰하고 도입하기 위한 필수 조건이다.
| STEP 5 | 3단계 검증 프로세스
① 자동 품질 검사 → ② 전문가 리뷰 (피드백 학습) → ③ 데이터 보안 감사 |
도입 기대 성과
NAA 도입을 통해 고객ㅅ 달성한 성과는 수치로 보고서 작성 시간은 기존 대비 85% 이상 단축되었고, 외부 번역 비용은 80% 이상 절감이 예상되며, 동일 인력으로 연간 수행 가능한 연구 프로젝트 수는 30% 이상 늘어날 예정이다. 이는 단순한 업무 자동화를 넘어, 전체의 연구 역량이 한 단계 도약함을 의미한다.
특히 주목할 점은 데이터 자산화 효과다. 그동안 엑셀 파일에 분산 저장되어 재활용되지 못했던 방대한 연구 데이터들이 RAG 기반 학습 자산으로 전환한다. 이는 보고서 품질의 지속적인 향상으로 이어지며, NAA 시스템이 사용할수록 더 똑똑해지는 구조를 완성한다.
G사의 NAA 도입 사례는 AI 기반 연구 자동화가 단순한 트렌드가 아닌, 의학 연구 기관의 핵심 경쟁력이 될 수 있음을 증명한 실증 사례다.
결론: 의료·바이오·뷰티 연구 자동화의 표준
추출(Extraction) → 변환(Transformation) → 보고서 생성(Generation) → Canva 편집(Editing) → 검증(Validation)의 다섯 단계로 구성된 NAA 워크플로우는, 의학 연구 보고서 작성의 패러다임을 완전히 바꾸고 있다. 연구원은 더 이상 데이터를 복사하고, 그래프를 그리고, 문장을 교열하는 데 하루를 소비하지 않아도 된다.
이 시스템의 성공 요인은 단순한 기술력에만 있지 않다. AI의 처리 속도와 일관성, 그리고 Canva라는 친숙한 편집 도구의 조합, 그 위에 인간 전문가의 최종 검증이 더해진 사람과 AI의 협업 구조가 핵심이다. 나무기술은 이 구조를 만들어가고 있으며, 이 경험은 의료·바이오·뷰티 분야의 연구 자동화 표준이 될 것이다.
