음성인식(speech recognition) 자동기록은 구급활동일지 작성 시간을 줄여 주지만, 소음이 심한 현장에서는 입력 오류가 발생하기 쉽습니다. 이 문제의 핵심은
의무기록의 정확성(accuracy)과
수정 절차의 무결성(integrity)을 분리해서 이해하는 것입니다.
오류 발생 기전과 임상적 의미
음성인식 소프트웨어는 음향 신호를 텍스트로 변환할 때 주변 소음, 발음의 유사성, 문맥 정보 부족 때문에 단어를 잘못 인식할 수 있습니다. '호흡곤란(dyspnea)'이 '호흡 안 한다(apnea)'로 바뀐 것은 단순한 오타가 아니라
환자의 호흡 상태를 정반대로 기술하는 중대한 의미 왜곡입니다. 응급구조학과 병원전 처치(prehospital care) 관점에서 구급활동일지는 환자 상태, 현장 처치, 이송 중 변화를 기록하는 법적·의학적 문서이므로, 잘못된 기록은 이후 병원 진료의 방향을 흐트러뜨리고 법적 분쟁 시 신뢰성을 떨어뜨립니다. 음성인식 보조 문서화에서도 각 단계마다 오류가 발생할 수 있다는 점이 보고된 바 있습니다
[1].
수정 원칙: 삭제가 아니라 추적 가능한 정정
의무기록에서 오류를 발견했을 때 원칙은
핵심! 원래 기록을 지우거나 숨기지 않고,
오류 내용과 수정 내용, 수정 사유, 수정한 사람, 수정 시점을 함께 남기는 추적 가능한 방식으로 정정하는 것입니다. 보기 4번이 정답인 이유는 여기에 있습니다. 보기 1번처럼 전체를 삭제하고 새로 작성하면 원래 어떤 오류가 있었고 왜 바뀌었는지 이력이 사라집니다. 보기 2번처럼 수정 사실을 남기지 않고 내용만 바꾸면 나중에 기록의 진위성과 신뢰성이 훼손될 수 있습니다. 보기 3번과 5번처럼 오류를 방치하거나 타인에게 떠넘기는 것은 환자 안전과 기록의 연속성을 해치는 행위입니다.
자동 기록과 사람의 책임
음성인식 프로그램이 입력했다고 해서 사람이 수정하면 안 된다는 생각은 타당하지 않습니다. 자동 음성인식(automatic speech recognition)은 보조 도구일 뿐, 최종 기록의 정확성에 대한 책임은 작성자인 응급구조사에게 있습니다. 특히 한국 의료 현장처럼 한국어와 영어 의학 용어가 섞여 쓰이는 환경에서는 음성인식 오류 가능성이 더 커질 수 있으므로
[3], 작성 후 반드시 원본 음성이나 기억과 대조하여 기록을 검토해야 합니다. 철자 오류를 자동으로 찾아 교정하는 시스템도 연구되고 있지만
[2], 최종 확인과 수정은 여전히 사람의 판단이 필요합니다.
국가고시 빈출 포인트
이 문제는 '의무기록 작성 및 관리' 영역에서 자주 출제되는 유형입니다.
혼동 주의! '오류를 고친다'는 행위 자체보다 '어떻게 고치는가'가 더 중요합니다. 수정액이나 삭제로 원본을 훼손하는 방식은 모두 부적절하며, 원본을 남기고 수정 사항을 추가하는 방식이어야 합니다. 구급활동일지도 의무기록의 일종이므로 같은 원칙이 적용됩니다.
| 구분 | 적절한 수정 | 부적절한 수정 |
|---|
| 원본 기록 | 남겨 두고 정정 표시 | 삭제하거나 덮어씀 |
| 수정 사실 | 수정자·시점·사유 기록 | 남기지 않음 |
| 책임 소재 | 작성자가 직접 정정 | 타인에게 전가하거나 방치 |
| 오류 인식 | 의미 왜곡이므로 즉시 정정 | 사소한 오타로 간주 |
음성인식 오류는 기술의 한계이지 기록자의 책임을 덜어 주는 근거가 되지 못합니다. 오히려 자동화 도구를 사용할수록
기록자가 최종 검토와 정확성 보장의 책임을 더 적극적으로 수행해야 하며, 오류를 발견하면 원본을 보존한 채 추적 가능하게 정정하는 것이 병원전 응급의료 기록의 신뢰성을 지키는 방법입니다
[1].
참고 문헌 (논문 출처)
- [1]
Analysis of Errors in Dictated Clinical Documents Assisted by Speech Recognition Software and Professional Transcriptionists.일반논문Zhou L, Blackley SV, Kowalski L, Doan R, Acker WW, Landman AB (2018) · DOI: 10.1001/jamanetworkopen.2018.0530
- [2]
Automated misspelling detection and correction in clinical free-text records.일반논문Lai KH, Topaz M, Goss FR, Zhou L (2015) · DOI: 10.1016/j.jbi.2015.04.008
- [3]
Dictionary-Augmented Large Language Model Postprocessing for Bilingual Code-Switched Medical Speech Recognition: Development and Evaluation Study.일반논문Oh C, Hwangbo Y, Cheon W, Lee J. (2026) · DOI: 10.2196/91696