간호사 AI 활용법: 절대 붙여넣으면 안 되는 식별자 18가지와 대안

간호사는 ChatGPT, Claude, Gemini에 무엇을 붙여넣어도 될까요?

HIPAA Safe Harbor 규정에서 HHS가 나열한 식별자 18가지에 해당하지 않는 내용은 가능하고, 해당하는 내용은 전혀 안 됩니다. 2026년 9월 27일에 세 업체의 HIPAA 안내 페이지를 직접 읽었습니다. Anthropic은 "Team plans and individual plans (Free, Pro, and Max) can't enable HIPAA."라고 밝힙니다. Google은 Workspace BAA에서만 Gemini 앱을 다루는데, 이는 "applies to the extent Customer is acting as a Covered Entity or a Business Associate"일 때 적용되므로 개인 Gmail을 쓰는 간호사에게는 해당하지 않습니다. OpenAI의 무료 ChatGPT for Clinicians는 설정에서 직접 BAA에 서명할 수 있는 유일한 개인용 요금제인데, 대상은 "physicians (MD/DO), nurse practitioners (NP), physician assistants (PA), and pharmacists"입니다. 개인 계정을 쓰는 RN은 어디에서도 BAA를 받을 수 없으므로, 아래 목록이 규칙의 전부입니다.

18가지 식별자는 45 CFR 164.514(b)(2)에 있으며, 여기서는 HHS 안내 페이지의 문구를 그대로 인용하고 간호 기록에서 각 항목이 숨어 있는 곳을 붙였습니다. HHS는 이를 "of the individual or of relatives, employers, or household members of the individual"의 식별자로 규정하므로 딸의 이름도 해당됩니다.

18가지 중 두 가지는 신경 썼다고 생각하는 사람도 놓칩니다. 날짜는 연도만 남기고 그보다 작은 단위는 모두 지우며, 89세를 넘는 나이는 "90 or older"로 바꿉니다. 지역은 우편번호 앞 세 자리가 포괄하는 지역의 인구가 20,000명을 넘을 때만 HHS가 허용합니다. 같은 페이지는 작은 정보가 왜 중요한지도 설명합니다. 생년월일, 성별, 5자리 우편번호의 조합은 "is unique for over 50% of residents in the United States"입니다. 이름이 없다고 해서 비식별화된 기록은 아닙니다.

작업 방법은 세 단계입니다. 지우기: 챗봇에 아무것도 닿기 전에 텍스트 편집기에서 18개 항목을 차례로 훑으며 바꿉니다. 요청하기: 구체적 정보가 있던 자리에 자리표시자를 두고 다시 쓰기, 문구, 안내문, SBAR을 요청합니다. 다시 넣기: 초안을 붙여넣을 때 실제 세부 정보는 있어야 할 곳인 EHR 안에서 되돌려 넣습니다. 이 페이지를 발행하는 Whizi도 여기서는 ChatGPT, Claude와 같은 줄에 있습니다. 로그인 하나로 GPT, Claude, Gemini 등 280+ 모델을 쓰는 개인 워크스페이스이고, BAA도 EHR 연동도 없으며, 개인정보 처리방침에는 프롬프트가 OpenRouter와 모델 제공업체로 전달되고 Whizi 소유 AI 모델의 학습에는 쓰이지 않는다고 적혀 있습니다. 이 목록은 Whizi에도 그대로 적용됩니다.

대부분의 독자는 기댈 만한 병원 정책도 없습니다. Wolters Kluwer가 2026년 1월 27일에 발표한 2025 Future Ready Healthcare Survey에서 간호사의 57%가 개인정보와 데이터 보안을 생성형 AI의 주요 위험으로 꼽았고, 소속 기관에 공식 사용 지침이 있다고 답한 비율은 22%였습니다. 소속 기관에 지침이 생기기 전까지는 18개 항목이 곧 지침입니다. AI 채팅에 절대 붙여넣으면 안 되는 것은 일상의 나머지 영역에 적용되는 같은 규칙입니다.

환자 정보 없이 AI로 간호 기록을 쓸 수 있을까요?

가능합니다. 다만 결과물은 붙여넣는 기록만큼만 깨끗합니다. 모델 세 개에 식별자를 지워 달라고 했더니 그중 하나는 작업을 끝까지 마치지 못했기 때문입니다.

기록은 심부전으로 입원한 가상의 환자였고, 환자 이름, 딸의 이름, 거리, 우편번호가 있는 마을, 생년월일, 입원일, 92세라는 나이, 전화번호, 이메일, MRN, Medicare 번호, 심박동기 일련번호까지 식별자 12개를 심었습니다. 프롬프트에는 규칙을 명시했습니다. "Remove every identifier listed under the HIPAA Safe Harbor method (45 CFR 164.514(b)(2)(i), items A through R) from the nursing note below and replace each one with a bracketed placeholder such as [NAME], [DATE] or [MRN]. Keep every clinical detail unchanged." 2026년 9월 27일에 모델당 1회, temperature 0.2로 실행했습니다. GPT-5.6 Terra와 Gemini 3.7 Flash는 12개를 모두 교체했습니다. Claude Sonnet 5는 11개를 교체했고 첫 줄을 "[NAME], 92 F"로 돌려줬습니다. HHS 항목 C가 "all ages over 89"라고 하므로 그 기록은 여전히 PHI입니다.

더 큰 문제는 이 누락보다 앞단에 있습니다. 모델에게 기록을 지우게 하려면 기록을 붙여넣어야 하는데, 붙여넣는 순간이 곧 유출입니다. 그래서 지우기는 직접 손으로 하고, 모델에는 자리표시자 버전만 줘야 합니다. 그렇게 했을 때 돌아오는 결과는 다음과 같습니다. 모델: Claude Sonnet 5, 2026년 9월 27일. 프롬프트: "Rewrite this de-identified nursing progress note as an SBAR shift handover (Situation, Background, Assessment, Recommendation). Keep every number exactly as written, add nothing that is not in the note, and keep it under 170 words. Plain text, four short labelled paragraphs." 뒤에 지운 기록(89세 초과 여성, [DATE]에 만성 심부전 급성 악화로 입원, HFrEF, 박동기 작동, CKD 3, 활력징후, 수포음, 2+ 부종, 체중 1.4 kg 감소, 0600 furosemide, 소변량 650 mL, 40 feet 보행, 딸이 침상 곁에 있음)을 붙였습니다.

출력, 143단어, 굵은 표시 제거: "Situation: Female patient, over 89 years old, admitted for acute on chronic heart failure exacerbation, currently on diuresis with improving fluid status. Background: History of HFrEF, dual-chamber pacemaker placed 2019, CKD stage 3, hypertension. Weight down 1.4 kg from admission to 71.2 kg. IV furosemide given at 0600 per order. Assessment: At 0800, alert and oriented x3, BP 132/78, HR 74 paced, RR 20, SpO2 94% on 2 L nasal cannula, temp 36.8. Bilateral crackles to mid lung fields, 2+ pitting edema to knees. Urine output 650 mL over the shift. Mild dyspnea on exertion, none at rest, no chest pain. Ambulated 40 feet with walker and standby assist. Daughter at bedside, requests discharge teaching by email. Recommendation: Continue diuresis, daily weights, strict I and O, fluid restriction 1.5 L. PT re-eval tomorrow. Discharge planning has started; coordinate email discharge teaching with daughter."

모든 숫자가 그대로 살아남았고 추가된 내용도 없었습니다. 이런 재작성에서 확인할 것은 이 두 가지뿐입니다. 첫 줄의 "improving fluid status"는 체중 추세에서 모델이 추론한 문장이므로 판단이 아니라 초안으로 읽어야 하며, 1900에 소리 내어 읽기 전에 고칠 문장이 바로 이것입니다.

환자가 전혀 등장하지 않는 또 다른 기록 활용법은 문구입니다. "Give me ten objective ways to chart that a patient declined a scheduled oral medication, each under 20 words, no judgment words, no diagnosis"라고 하면 휴대폰 메모에 보관할 만한 문구 모음이 나옵니다. 통증 재평가, 부상 없는 낙상, 목욕 거부, 전화로 폭언한 보호자에도 같은 형식이 통합니다. 병원용 버전인 Epic의 Art와 Microsoft의 Dragon Copilot은 병원 자체 BAA 아래 EHR 안에서 작동하며, Epic은 2026년 2월 26일에 Mercy에서 근무 종료 기록이 3.5분에서 약 32초로 줄었다고 밝히면서 "Nurses review and edit the draft before signing"이라고 덧붙였습니다. 개인용 챗봇은 차트를 볼 수 없으므로 문구는 챗봇이 맡고 붙여넣기는 직접 하세요.

환자 안내문을 6학년 읽기 수준으로 만들려면 어떻게 해야 할까요?

프롬프트에 학년을 적으세요. 수준을 지정하지 않으면 테스트한 세 모델 모두 AHRQ 권장보다 높은 수준으로 썼습니다. AHRQ의 Health Literacy Universal Precautions Toolkit은 자료를 "at the 4th or 6th grade level as recommended"로 써야 하고, "the average reading level for U.S. adults is 8th or 9th grade"이며, 미국 성인의 거의 4분의 1이 낮은 문해력을 가졌다고 말합니다. 안내문에는 환자가 없으므로 이 페이지에서 처음부터 초안을 쓰기에 가장 안전한 작업입니다.

두 번 모두 같은 250단어 고관절 치환술 안내문을 요청했습니다. "Write a one-page patient handout titled 'Caring for yourself at home after a hip replacement'. Cover wound care, activity and movement, and the warning signs that mean the patient should call the clinic. Plain text, no markdown, no bullet symbols, about 250 words." 두 번째에는 이렇게 덧붙였습니다. "Write it at a sixth-grade reading level: short sentences, common words, Flesch-Kincaid grade 6 or lower." 결과물 6개는 textstat 라이브러리의 Flesch-Kincaid 학년 공식으로 점수를 매겼습니다. 지시가 없을 때 Gemini는 "Taking proper care of yourself at home is essential for a safe and smooth recovery."로 시작했고, 지시를 받자 "Keep your cut clean and dry."라고 썼습니다. 모든 모델이 목표를 지나쳐 2.6~3.9학년까지 내려갔으므로, 결과가 동화책처럼 읽히면 "6 or lower" 대신 "grade 5 to 6"을 요청하세요.

읽기 공식이 확인하지 못하는 것이 두 가지 있습니다. 정확성: 경고 징후, 체중 부하 규칙, 상처 관리 단계는 임상 내용이므로 환자 자료를 승인하는 담당자가 소속 병동의 표준 안내문과 대조해야 합니다. 모델은 지어낸 배액관 제거일이나 운전 규칙을 단정적으로 말하기 때문입니다. 실행 가능성: AHRQ는 가독성 공식이 "focus on the length of the words and sentences, not on meaning"이라고 지적하며, 환자가 안내문대로 행동할 수 있는지는 PEMAT 도구를 보라고 안내합니다. 번역은 승인된 영어 버전을 먼저가 아니라 마지막에 하고, 같은 주의점의 환자용 버전은 ChatGPT가 혈액 검사 결과를 읽을 수 있을까요를 참고하세요.

간호사를 위한 AI 도구는 무엇이 있고 가격은 얼마일까요?

간호사용 도구는 진료 상황을 녹음해 BAA 아래에서 기록 초안을 쓰는 스크라이브와, 환자를 전혀 보지 않는 학습 앱으로 나뉩니다. 범용 어시스턴트는 스크라이브보다 저렴하고, 녹음을 제외한 이 페이지의 모든 작업을 처리합니다. 가격은 2026년 9월 27일 각 업체의 공식 가격 페이지 기준이며 미국 달러입니다.

Whizi가 밀리는 부분은 바로 이 표의 행입니다. EHR 연동도, 환자 진료의 앰비언트 녹음도, BAA도 없어서 스크라이브가 돈을 받는 핵심 업무는 할 수 없고, 녹음된 인계를 원하는 간호사에게 Heidi의 무료 플랜을 대신하지도 못합니다. 단일 업체 요금제에 없는 것은 두 번째 모델입니다. 위의 비식별화 테스트가 그 근거입니다. 같은 지운 기록을 모델 두 개에 돌리면 어느 쪽이 숫자를 지켰고 어느 쪽이 "improving fluid status"를 지어냈는지 보입니다. 나란히 비교는 Pro부터 시작하며, Starter에서는 지운 기록을 두 모델에 차례로 돌리고, 두 번째 실행은 두 번째 $20 구독이 아니라 크레딧이 듭니다. 간호사에게 해당하는 파일 쪽 규칙은 짧습니다. 차트 내보내기, 퇴원 요약, 스캔한 안내문 첫 장은 올리지 않습니다.

AI로 NCLEX를 공부하고, 인계를 작성하고, 관리자에게 이메일을 쓸 수 있을까요?

세 가지 모두 가능하며, 어느 것에도 환자는 들어가지 않습니다. 숫자가 붙는 것은 NCLEX입니다. Nurse.org가 2026년 2월 18일에 보도한 NCSBN의 2025년 잠정 수치에 따르면 NCLEX-RN 전체 응시자 합격률은 2024년 73.3%에서 내려간 69.1%이고, 2025년 11월 1일 기준 미국에서 교육받은 최초 응시자는 87.1%가 합격했습니다. 이 시험은 2023년 4월 1일부터 사례 연구와 임상 판단 문항이 있는 Next Generation NCLEX이며, 요청할 형식도 이것입니다. "Write five Next Generation NCLEX-style case study questions on fluid overload in heart failure, with a rationale for every option, and name the client needs category each one tests." 모든 해설은 복습 교재와 대조하세요. 모델은 검사 수치 범위나 약 용량을 기억에 의존해 말하고, 출처를 요청하면 출처를 지어내기도 합니다. 위 표의 문제은행은 사람이 쓰고 검수한 것이며, 모델은 새벽 2시에 이해하지 못한 설명을 풀어 주는 용도입니다.

인계는 구조이고, 구조에는 PHI가 필요 없습니다. IHI는 SBAR를 "an easy-to-remember, concrete mechanism useful for framing any conversation, especially critical ones, requiring a clinician's immediate attention and action."이라고 설명합니다. 2번째 섹션의 프롬프트는 지운 글머리표를 한 번에 문단 네 개로 바꿔 주며, 과제 전체용 버전은 이렇습니다. "Here are de-identified bullet points for four patients, labelled bed A to D. Write each as an SBAR handover under 100 words, same order, and flag any bed where the recommendation is missing." 표시 기능이 유용한 부분입니다. 모델은 C 침상에 사정은 있는데 계획이 없다는 점을 잘 알아챕니다.

관리자에게 보내는 이메일은 간호사들이 과소평가하는 활용법입니다. 야간 근무를 마치고 0730에 쓴 초안은 읽히고 싶은 초안이 아니기 때문입니다. "I am a staff nurse on a 32-bed medical unit. Write a 150-word email to my nurse manager asking for a meeting about the last three night shifts, where the ratio was 1 to 7 against a unit standard of 1 to 5. State the three dates, keep it factual, no blame, and end with a specific ask." 실제 날짜는 직접 넣으세요. 환자의 것이 아니라 본인의 정보입니다. 같은 프롬프트로 근무 교환, 자격증 비용 환급 요청, 민원에 대한 서면 답변도 처리됩니다.

지켜야 할 선은 ANA의 것입니다. 2022년 12월 ANA 이사회가 승인한 간호 실무에서의 AI 윤리적 사용에 관한 2022년 입장문은 윤리강령을 인용합니다. "Systems and technologies that assist in clinical practice are adjunct to, not replacements for, the nurse's knowledge and skill." 그래서 이 페이지의 모든 프롬프트에 같은 규칙이 적용됩니다. 18개 항목을 어기게 된다면 넣지 않습니다. 어기지 않는다면 모델은 빠른 첫 초안이고, 서명하는 사람은 당신입니다.