일상 언어로 데이터 준비
필요한 데이터를 설명하면 JAS가 테이블과 필드를 찾아, 분석가가 검토하고 재사용할 수 있는 쿼리를 작성합니다.
JAS가 복잡하기로 잘 알려진 예시 EHR 데이터베이스를 다룹니다. 일상 언어로 된 요청 하나로 관련 테이블과 필드를 식별하고, 쿼리를 작성하고, 데이터 뷰를 준비합니다 — 그렇지 않으면 몇 시간씩 테이블을 찾고 SQL을 직접 써야 하는 작업입니다.
eClinicalWorks(eCW) 같은 시스템과 대부분의 병원정보시스템은 서로 얽힌 수백 개의 테이블과 소수만 이해하는 필드명으로 이루어진 데이터베이스 위에서 운영됩니다. 표준 보고서는 일상 업무만 다룰 뿐이고, 맞춤 질문은 모두 몇 안 되는 전문가의 대기열로 들어갑니다. 그리고 보고서가 아직 작성되는 사이에 결정이 내려집니다.
TURBOARD는 팀과 스키마 사이에 AI 어시스턴트를 둡니다. JAS는 수천 개의 테이블로 이루어진 데이터베이스를 탐색하고, 요청에 필요한 SQL을 생성하고, 그 결과를 탐색 가능한 데이터 뷰로 만듭니다. 청구, 검사, 재무 데이터와 결합하고 정의를 거버넌스 아래에서 관리하세요 — 데이터는 물론 AI 모델까지 완전 온프레미스로 유지할 수 있습니다.
필요한 데이터를 설명하면 JAS가 테이블과 필드를 찾아, 분석가가 검토하고 재사용할 수 있는 쿼리를 작성합니다.
EHR 데이터 위에서 드래그 앤 드롭 대시보드, 드릴다운, 조건부 서식을 활용해 표준 보고서가 예상하지 못한 질문에 답합니다.
클리닉, 의료진, 환자군별 지표를 지난달 또는 전년 같은 날짜와 비교해, 개선 활동의 효과를 데이터 갱신에 따라 측정합니다.
EHR 데이터를 청구, 검사, 예약, 재무 데이터와 하나의 모델로 결합해 환자 여정과 진료 성과를 완전하게 파악합니다.
큐레이션된 뷰와 재사용 가능한 계산 측정값 덕분에 모든 보고서가 내원, 환자, 예약 부도를 같은 방식으로 셉니다.
행 수준 권한과 정기 보고서로 각 클리닉과 의료진에게 해당 수치만 PDF 또는 Excel로 이메일 발송합니다.
수백 개 테이블에서 데이터를 찾으려면 깊고 값비싼 기술 전문성과 많은 시간이 필요합니다.
일상 언어로 질문하면 JAS가 관련 테이블과 필드를 찾아 데이터 뷰를 준비하는 SQL을 생성합니다.
기본 제공 보고서는 특정 품질 프로그램, 운영상의 질문, 일회성 분석에 맞는 경우가 드뭅니다.
데이터 뷰가 준비되면 대시보드를 만들고, 데이터를 나누고 드릴다운하며, SQL 또는 Python Pandas로 계산 측정값을 추가합니다.
EHR을 청구, 검사, 예약, 재무 데이터와 결합하려면 대개 수작업으로 내보내고 합쳐야 합니다.
네이티브 커넥터와 API로 EHR 데이터베이스와 다른 시스템을 항상 최신 상태로 유지되는, 거버넌스가 적용된 하나의 모델로 모읍니다.
환자 데이터를 분석을 위해 외부 AI 서비스로 그냥 보낼 수는 없습니다.
TURBOARD와 JAS는 오프라인 언어 모델로 귀 기관의 인프라 안에서 전적으로 운영할 수 있으며, 필요하면 망분리도 가능합니다.
TURBOARD에 내장된 AI 어시스턴트 JAS는 데이터베이스의 필드, 거버넌스가 적용된 뷰, 팀이 큐레이션한 컨텍스트로부터 데이터베이스를 학습합니다. 먼저 신뢰할 수 있는 기존 보고서가 있는지 확인해 출처와 함께 답하고, 없으면 쿼리를 작성하고 차트를 만들며 지시에 따라 수정합니다. 이어서 JAS Explain이 읽는 사람의 역할에 맞춰 결과에 대한 해석을 작성합니다.
JAS 기능 자세히 보기 →귀 기관의 EHR 또는 HIS 데이터베이스 사본에 연결해, JAS가 귀 기관이 일상 언어로 요청한 내용으로 데이터 뷰를 준비하는 모습을 보여 드립니다.