DocDoc은 해외 또는 의료 자원이 부족한 환경에서 근무하는 의료진을 지원하기 위해 개발한 AI 기반 의학 논문 탐색 도우미입니다.
프로젝트는 두 가지 문제에서 출발했습니다. 첫째, 열악한 현장 환경에서는 환자 사례 기록이 분산되거나 불완전하게 관리될 수 있으며, 교대 근무 과정에서 인수인계가 원활하지 않을 수 있습니다. 둘째, 업무가 바쁘거나 네트워크 환경이 좋지 않은 지역에서 근무하는 의료진은 최신 의학 논문, 진료 지침, 연구 기반 지식을 지속적으로 확인하기 어렵습니다.
DocDoc은 의료진이 환자 사례를 보다 체계적으로 관리하고, AI 요약과 RAG 기반 질의응답을 통해 관련 의학 논문 정보를 효율적으로 탐색할 수 있도록 설계했습니다.
프로젝트는 부산대학교 × Upstage AI Agent 해커톤에서 Finalist로 선정되었습니다.
저는 백엔드 및 RAG 개발을 중심으로 의학 논문 검색, 벡터 검색, 리랭킹, LLM 기반 답변 생성, 실시간 답변 스트리밍(SSE)을 담당했습니다.
DocDoc은 4인 팀으로 개발했습니다.
시스템은 React 프론트엔드, Node.js 백엔드 서버, 별도의 RAG 서버, 의학 논문 크롤러, 구조화된 데이터를 저장하는 MySQL, 벡터 검색을 위한 Pinecone으로 구성했습니다.
RAG 파이프라인은 파싱된 의학 논문 텍스트를 기반으로 임베딩, 벡터 유사도 검색, 리랭킹, LLM 기반 답변 생성을 수행해 의학 논문에 근거한 문맥 기반 답변을 제공하도록 설계했습니다.
Upstage의 Document Parser를 활용해 의학 논문을 파싱하고, Upstage Embeddings로 벡터화했으며, Solar LLM을 논문 요약과 답변 생성에 사용했습니다.