병원 퇴원 요약서 자동 감사 시스템: 환자 치료 연계 과정 개선을 위한 제안

Automated Auditing of Hospital Discharge Summaries for Care Transitions

불완전하거나 일관성 없는 퇴원 기록은 환자 치료 단절과 불필요한 재입원의 주요 원인입니다. 퇴원 요약서는 환자 안전에 매우 중요한 역할을 하지만, 현재는 수동 검토에 크게 의존하며 확장성이 떨어집니다. 본 연구에서는 현지에서 구축된 대규모 언어 모델(LLM)을 활용하여 퇴원 요약서의 대규모 자동 감사 시스템을 제안합니다. 제안하는 방법은 치료 연계 과정의 핵심 요구 사항, 즉 후속 지침, 약물 병력 및 변경 사항, 환자 정보 및 임상 경과 등을 DISCHARGED 프레임워크를 기반으로 구조화된 검증 체크리스트의 질문으로 변환하여 운영합니다. MIMIC-IV 데이터베이스의 성인 입원 환자 퇴원 요약서를 사용하여, 개인 정보 보호 기능을 갖춘 LLM을 활용하여 주요 문서 요소의 존재 여부 또는 불명확성을 식별합니다. 본 연구는 확장 가능한 자동화된 임상 감사 시스템의 실현 가능성을 입증하고, 전자 건강 기록 문서의 체계적인 품질 개선을 위한 기반을 제공합니다.

Incomplete or inconsistent discharge documentation is a primary driver of care fragmentation and avoidable readmissions. Despite its critical role in patient safety, auditing discharge summaries relies heavily on manual review and is difficult to scale. We propose an automated framework for large-scale auditing of discharge summaries using locally deployed Large Language Models (LLMs). Our approach operationalizes core transition-of-care requirements such as follow-up instructions, medication history and changes, patient information and clinical course, etc. into a structured validation checklist of questions based on DISCHARGED framework. Using adult inpatient summaries from the MIMIC-IV database, we utilize a privacy-preserving LLM to identify the presence, absence, or ambiguity of key documentation elements. This work demonstrates the feasibility of scalable, automated clinical auditing and provides a foundation for systematic quality improvement in electronic health record documentation.