과제: 민원 처리를 간소화하고, 사안별 우선순위를 명확히 하며, 자원을 보다 효과적으로 배분하여, 환자 중심의 케어에 집중할 수 있는 시스템 구축

해결 방안: 민원 자동 분류, 표준화 및 우선순위 설정을 위한 웹 애플리케이션 개발

주요 성과:

• 자원 배분의 효율성 증대
• 응답 품질 향상
• 운영 효율성 개선
• 데이터 기반 의사결정 가능
• 직원 업무 부담 감소
• 환자 서비스 결과 향상

성과 지표:

• 민원 주제 식별 정확도 66% 향상 → 더 빠른 대응 및 해결 가능

Methods Analytics는 실질적인 문제 해결과 서비스 품질 향상을 목표로, 의료 분야에 AI 기반 솔루션을 적용해왔습니다. 이번 프로젝트에서는 Python 기반 자연어 처리(NLP) 파이프라인을 구축해 민원 텍스트에서 핵심 주제를 분석하고, 이를 ‘민원/우려/칭찬’ 등으로 분류하는 커스텀 텍스트 분류기를 개발했습니다. 이와 함께, 이름 엔티티 인식(NER) 기술로 관련된 직원, 부서, 역할 정보를 자동 추출하고, UMLS(의료 언어 지식 체계)를 활용해 각 정보를 유형, 정의, 유사어 등 맥락적 데이터로 풍부하게 보완했습니다.

이 모든 기능은 웹 애플리케이션으로 통합되어, 실시간 민원 분류 및 우선순위 설정이 가능해졌습니다. 일상적인 처리는 자동화하고, 보다 복잡하고 중요한 사안에는 집중할 수 있게 되었으며,Power BI 기반 대시보드를 통해 민원 유형과 경향에 대한 인사이트도 확보할 수 있습니다.

Methods Analytics는 Python을 사용하여 민원 텍스트를 분석하고 핵심 주제를 식별하는 자연어 처리(NLP) 파이프라인을 개발했습니다. 텍스트 분류기를 통해 불만(complaints), 우려(concerns), 칭찬(compliments)을 구분하고, 이름 엔티티 인식(NER)을 활용해 관련 직원과 부서를 식별합니다.식별된 주제와 엔티티는 의료 지식 기반(UMLS)을 통해 보강됩니다. Power BI는 대시보드 개발 및 리포트 생성을 지원합니다. 이 전체 솔루션은 웹 애플리케이션에 통합되어 민원 분류 프로세스를 간소화하고 사용자 인터페이스를 제공합니다.

이 분류 어시스턴트는 시간과 자원을 절약하는 것을 넘어, 병원이 가장 중요한 일 — "고품질의 진료 제공과 환자의 우려 사항에 대한 효과적인 대응" — 에 집중할 수 있도록 돕습니다. AI 기술이 계속 발전함에 따라, 이와 같은 솔루션은 더욱 민첩하고 데이터 기반의 의료 시스템을 실현하는 데 기여하며, 환자와 의료 제공자 모두에게 더 나은 결과를 가져다줄 것입니다.