의사에게 배우는 연구 에이전트
진료 데이터부터 논문·리비전까지
Claude Code & LLM Wiki
한 번 구축해 여러 연구에 계속 써먹는
알아서 일하는 AI 연구팀 만들기!⏰
본 강의는 10월 26일에 신규 런칭한 강의로
사전 구매하신 분들께 얼리버드 혜택을 제공하고 있습니다.
스페셜 얼리버드 +2만원 런칭 쿠폰✨
10월 26일 ~ 11월 1일까지
정가 700,000원
판매가 229,000원
12개월 할부 적용시
쿠폰적용시
월 19,083원
스페셜 얼리버드
11월 2일 ~ 11월 8일까지
정가 700,000원
판매가 249,000원
12개월 할부 적용시
쿠폰적용시
월 20,750원
슈퍼 얼리버드
11월 9일 ~ 11월 30일까지
정가 700,000원
판매가 259,000원
12개월 할부 적용시
쿠폰적용시
월 21,583원
정가
700,000원
기획 배경
응급 수술, 외래, 전공의 교육도 끝냈는데
연구와 논문 작성은 오늘도 제자리인가요?
진료 데이터를 논문으로 바꿔줄 구조와
축적되는 연구 지식 시스템이 없기 때문입니다.
EMR 데이터 정리부터 논문 작성까지,
이 긴 사이클이 벅찬 선생님들은 주목해주세요.
바쁜 임상의를 위한
나만의 AI 연구 Team 만들기
끊기지 않는 연구 맥락
Claude Code가 연구 폴더의 데이터와 규칙을 기억해, 중간에 멈춰도 다시 설명 없이 바로 이어집니다.
나만의 지식 시스템 구축
읽은 논문과 분석 결과가 LLM Wiki에 쌓이고 연결되어, 다음 연구는 내 지식 위에서 시작합니다.
통합 연구 에이전트
데이터 정리부터 원고 작성, 수치 대조까지 에이전트 하나로 이어지고, 내가 다른 일을 하는 동안에도 멈추지 않습니다.
Why CLAUDE code?
아직도 ChatGPT로 연구하고 계신가요?
매일 처음 출근하는 인턴에게 연구를 맡기고 계신 겁니다.
내 연구 폴더와 지난 분석까지 기억하는 전담 펠로우,
Claude Code와 함께라면 어제 하던 연구를 오늘 그대로 이어갈 수 있습니다.
강사 소개
연구하는 임상의의 고민을 가장 가까이에서 아는 동료 의사, 이정우입니다.
안녕하세요, 원주세브란스기독병원 정형외과 의사 이정우입니다.
외래와 수술 사이에 연구를 이어가다 보면, 어디까지 했는지 기억이 안 나처음부터 다시 훑어보는 일이 반복됩니다. 아이디어가 논문이 될지,이 통계가 맞는지 물어볼 동료가 늘 곁에 있는 것도 아닙니다. 근감소증 바이오뱅크를 운영하는 바이오바이츠를 창업하면서 그 고민은 더 커졌습니다.
저는 개발자가 아닙니다. 코드를 몰라도 말로 일을 시킬 수 있는 Claude Code를 연구에 써 보면서, 제 연구를 기억하고, 문헌을 찾고, 통계를 검증하고, 투고 전에 리뷰어처럼 약점을 짚어 주는 '연구 동료'를 하나씩 만들어 왔습니다.
이 강의에서는 그 과정을 그대로 보여 드립니다. 진료와 연구를 함께 하는 선생님들이 강의를 마칠 때 자기 컴퓨터에 자기만의 연구 동료를 갖게 되는 것이 목표입니다.
외래와 수술 사이에 연구를 이어가다 보면, 어디까지 했는지 기억이 안 나처음부터 다시 훑어보는 일이 반복됩니다. 아이디어가 논문이 될지,이 통계가 맞는지 물어볼 동료가 늘 곁에 있는 것도 아닙니다. 근감소증 바이오뱅크를 운영하는 바이오바이츠를 창업하면서 그 고민은 더 커졌습니다.
저는 개발자가 아닙니다. 코드를 몰라도 말로 일을 시킬 수 있는 Claude Code를 연구에 써 보면서, 제 연구를 기억하고, 문헌을 찾고, 통계를 검증하고, 투고 전에 리뷰어처럼 약점을 짚어 주는 '연구 동료'를 하나씩 만들어 왔습니다.
이 강의에서는 그 과정을 그대로 보여 드립니다. 진료와 연구를 함께 하는 선생님들이 강의를 마칠 때 자기 컴퓨터에 자기만의 연구 동료를 갖게 되는 것이 목표입니다.
연구 에이전트 아키텍처
저와 함께 진료 데이터를 논문으로 바꾸는
나만의 연구 에이전트를 만들어봅시다.
핵심 포인트 요약
POINT 01
코드 한 줄 몰라도,
말로 일을 시키는 연구 동료를 완성합니다
말로 일을 시키는 연구 동료를 완성합니다
Claude Code 설치부터 첫 데이터 점검까지
강사님 화면을 그대로 따라가고,
이후에는 동료에게 말하듯 분석을 맡길 수 있습니다.
강사님 화면을 그대로 따라가고,
이후에는 동료에게 말하듯 분석을 맡길 수 있습니다.
POINT 02
진료 데이터가 논문이 되는
전 과정을 그대로 따라갑니다
전 과정을 그대로 따라갑니다
데이터 정리, 통계 분석, 결과 검증, 문헌 근거, 원고 작성,
리뷰어 통계 대응까지 다룹니다.
리뷰어 통계 대응까지 다룹니다.
POINT 03
쓰고 버리는 대화가 아니라,
쌓이는 연구 시스템도 구축합니다
쌓이는 연구 시스템도 구축합니다
이번 논문에서 만든 것들이 다음 논문의 출발점이 될 수 있도록
옵시디언 기반 나만의 연구 위키(LLM Wiki)를 만듭니다.
옵시디언 기반 나만의 연구 위키(LLM Wiki)를 만듭니다.
POINT 04
완강 후 바로 적용 가능한
'나만의 연구 에이전트' 파일 세트를 제공합니다
'나만의 연구 에이전트' 파일 세트를 제공합니다
데모 연구 폴더, 각종 템플릿, 통합 연구 에이전트 세트까지 제공드립니다.
강의가 끝나면 바로 내 연구에 붙여 쓸 수 있어요.
강의가 끝나면 바로 내 연구에 붙여 쓸 수 있어요.
EMR 데이터 정제부터 통계 분석, 나만의 지식 체계 시스템, 연구 에이전트 구축까지!
진료 데이터를 논문으로 바꾸는 연구 에이전트를 5 STEP으로 완성합니다.
커리큘럼
STEP 1.
Claude Code & 환자 데이터 세팅
진료 데이터가 논문이 되지 못하는 이유를 짚고,
가명처리부터 연구 프로토콜까지 Claude Code가 안전하게 일할 환경을 만듭니다.
가명처리부터 연구 프로토콜까지 Claude Code가 안전하게 일할 환경을 만듭니다.
Part 01. 왜 연구 에이전트인가, Claude Code 시작하기
CH01 · Why Research Agent
진료 데이터가 논문이 되지 못하는 구조적 이유
∙ Step 1. 축적된 진료 데이터가 논문으로 전환되지 못하는 병목 진단
∙ Step 2. 진료 일정으로 반복 단절되는 분석 흐름의 문제
∙ Step 3. 엑셀 한 장에서 Table 1까지, Claude Code가 일하는 과정 미리보기
∙ Step 2. 진료 일정으로 반복 단절되는 분석 흐름의 문제
∙ Step 3. 엑셀 한 장에서 Table 1까지, Claude Code가 일하는 과정 미리보기
CH02 · Claude Code Setup
Claude Code 설치하고 시작하기
∙ Step 1. ChatGPT·Gemini에 데이터를 올리는 것과 Claude Code의 차이
∙ Step 2. Claude Code 설치와 내 연구 폴더 연결하기
∙ Step 3. 작업 승인 설정, 되돌리기, 대화 정리하는 법
∙ Step 2. Claude Code 설치와 내 연구 폴더 연결하기
∙ Step 3. 작업 승인 설정, 되돌리기, 대화 정리하는 법
Part 02. 환자 데이터 보호와 연구 프로토콜 설계
CH03 · Data Governance
환자 데이터 보호와 분석용 데이터 준비
∙ Step 1. 환자 데이터를 AI로 분석해도 될까? 법적·윤리적 허용 범위
∙ Step 2. 가명처리 적용 범위와 기준
∙ Step 3. EMR 추출 데이터의 분석용 구조 설계
∙ Step 2. 가명처리 적용 범위와 기준
∙ Step 3. EMR 추출 데이터의 분석용 구조 설계
CH04 · Research Protocol
내 연구 프로토콜과 분석 원칙을 기억하는 Claude
∙ Step 1. CLAUDE.md 파일 하나에 연구 프로토콜·분석 원칙 적어두기
∙ Step 2. 원본 데이터를 실수로 바꾸지 않도록 보호 장치(Hooks) 걸어두기
∙ Step 3. 자주 하는 분석을 ‘나만의 명령어’로 저장해 반복 사용하기
∙ Step 2. 원본 데이터를 실수로 바꾸지 않도록 보호 장치(Hooks) 걸어두기
∙ Step 3. 자주 하는 분석을 ‘나만의 명령어’로 저장해 반복 사용하기
| 강사님 Comment |
진료실에는 환자 데이터가 계속 쌓이는데, 정작 논문으로 이어지지 않는 경우가 대부분입니다. 저 역시 Claude Code에
익숙하지 않았지만, 강의를 준비하며 직접 써보면서 데이터를 다루는 방식이 달라졌습니다. 다만 환자 데이터는 가명처리와 원본 보호가 먼저입니다. STEP 1에서는 에이전트가 안전하게 일할 수 있는 연구 환경부터 함께 설계합니다.
STEP 2.
엑셀 데이터 정리부터 Table 1까지
EMR 원자료를 분석 가능한 데이터셋으로 정제하고,
Table 1과 집단 비교까지 논문 수준으로 완성합니다.
Table 1과 집단 비교까지 논문 수준으로 완성합니다.
Part 03. 데이터 정리와 Table 1 작성
Phase 1
데이터 품질 점검과 분석 변수 생성
결측치·이상값을 점검하고 진단 기준에 맞춘 파생변수와 추적 기간을 산출해, 대상자 선정 흐름도까지 완성합니다.
Phase 2
Table 1과 집단 간 비교 분석
저널 형식의 Table 1을 작성하고 변수 특성에 맞는 비교 검정을 선택해, 분석 결과를 논문 문장으로 옮깁니다.
| 강사님 Comment |
분석보다 먼저 막히는 건 데이터 정리입니다. 결측치나 이상값, 진단 기준에 맞춘 변수 하나만 잘못 만들어도 이후의
모든 결과가 흔들립니다. STEP 2에서는 EMR 원자료를 분석 가능한 데이터셋으로 정리하고, 모든 임상 논문의 출발점인 Table 1까지 완성합니다.
STEP 3.
연구 질문별 분석 설계
위험 요인, 진단 정확도, 예후까지
임상 연구에서 가장 많이 쓰는 분석을 연구 질문에 맞춰 수행합니다.
임상 연구에서 가장 많이 쓰는 분석을 연구 질문에 맞춰 수행합니다.
Part 04. 연구 질문별 핵심 통계 분석
CH07 · Analysis Design
연구 질문에 맞는 분석 설계
∙ Step 1. 연구 질문 유형별 분석 방법 선택
∙ Step 2. 표본 크기 산정과 검정력 분석
∙ Step 3. DAG로 보정 변수 선정하기
∙ Step 2. 표본 크기 산정과 검정력 분석
∙ Step 3. DAG로 보정 변수 선정하기
CH08 · Regression & Diagnostic Accuracy
회귀분석과 진단 정확도 평가
∙ Step 1. 로지스틱 회귀 기반 위험 요인 분석과 해석
∙ Step 2. 연속형 결과변수의 선형 회귀분석
∙ Step 3. 민감도·특이도 산출과 ROC 곡선 분석
∙ Step 4. 최적 절단값 도출과 보고
∙ Step 2. 연속형 결과변수의 선형 회귀분석
∙ Step 3. 민감도·특이도 산출과 ROC 곡선 분석
∙ Step 4. 최적 절단값 도출과 보고
CH09 · Survival & Advanced Analysis
생존분석과 심화 분석
∙ Step 1. Kaplan-Meier 생존곡선 작성
∙ Step 2. Cox 비례위험 회귀로 위험비 산출
∙ Step 3. 하위군 분석과 상호작용 검정
∙ Step 4. 다중대체를 통한 결측 데이터 보완
∙ Step 5. 저널 형식에 맞춘 논문용 그림 제작
∙ Step 2. Cox 비례위험 회귀로 위험비 산출
∙ Step 3. 하위군 분석과 상호작용 검정
∙ Step 4. 다중대체를 통한 결측 데이터 보완
∙ Step 5. 저널 형식에 맞춘 논문용 그림 제작
| 강사님 Comment |
통계 분석은 외주를 맡기려 해도 비용 부담이 커서, 초기 연구자일수록 혼자 붙잡게 됩니다. 그래서 임상 연구에서 가장 많이 쓰는 로지스틱 회귀, ROC 분석, 생존분석을 연구 질문에 맞춰 직접 수행하는 법을 다룹니다. 계산은 Claude가 돕되,
어떤 분석이 맞는지 판단하는 기준은 연구자가 갖도록 설계했습니다.
STEP 4.
PubMed 검증 & 연구 지식 Wiki 구축
AI가 낸 결과를 재현 가능한 근거로 검증하고,
선행연구와 분석 결과를 LLM Wiki에 축적합니다.
선행연구와 분석 결과를 LLM Wiki에 축적합니다.
Part 05. 분석 검증과 재현성 확보
CH10 · Reproducibility
AI 분석 결과 검증과 재현성 확보
∙ Step 1. AI가 낸 통계 결과, 다른 방법으로 다시 계산해 검증하기
∙ Step 2. 재현 가능한 분석 코드·기록 관리
∙ Step 3. 통계만 따로 검토하는 ‘AI 통계 리뷰어’ 만들기
∙ Step 4. 원고 수치와 분석 결과 대조 점검
∙ Step 2. 재현 가능한 분석 코드·기록 관리
∙ Step 3. 통계만 따로 검토하는 ‘AI 통계 리뷰어’ 만들기
∙ Step 4. 원고 수치와 분석 결과 대조 점검
Part 06. 문헌 근거 확보와 LLM Wiki 구축
CH11 · Evidence Base
PubMed 연결 문헌 검색과 인용 검증
∙ Step 1. Claude에 PubMed 연결하기, 웹 검색과 무엇이 다른가
∙ Step 2. 비교 대상 선행연구 탐색과 구조화
∙ Step 3. AI가 지어낸 가짜 논문·잘못된 인용 걸러내기
∙ Step 2. 비교 대상 선행연구 탐색과 구조화
∙ Step 3. AI가 지어낸 가짜 논문·잘못된 인용 걸러내기
CH12 · LLM Wiki
LLM Wiki로 연구 지식 축적하기
∙ Step 1. LLM Wiki란? 읽은 논문과 분석 결과가 쌓이는 나만의 연구 위키
∙ Step 2. 옵시디언 + Claude Code로 연구 위키 만들기
∙ Step 3. 논문 PDF와 분석 결과를 넣으면 자동으로 정리·저장
∙ Step 4. 위키에 질문하고, 중복·오류는 자동으로 점검하기
∙ Step 5. 강사의 실제 연구 위키 운영 사례
∙ Step 2. 옵시디언 + Claude Code로 연구 위키 만들기
∙ Step 3. 논문 PDF와 분석 결과를 넣으면 자동으로 정리·저장
∙ Step 4. 위키에 질문하고, 중복·오류는 자동으로 점검하기
∙ Step 5. 강사의 실제 연구 위키 운영 사례
| 강사님 Comment |
AI가 낸 숫자를 그대로 믿으면 안 됩니다. 결과를 다시 계산하고, 코드를 남기고, 원고의 수치와 대조하는 검증 단계가
반드시 필요합니다. 여기에 선행연구와 분석 결과를 LLM Wiki에 쌓아두면, 논문을 쓸 때 근거와 맥락을 바로 꺼내 쓸 수 있습니다.
STEP 5.
논문 작성부터 연구 자동화 시스템 구축
분석 결과를 Methods·Results로 옮기고,
새 데이터가 들어와도 알아서 다시 도는 나만의 연구 에이전트로 완성합니다.
새 데이터가 들어와도 알아서 다시 도는 나만의 연구 에이전트로 완성합니다.
Part 07. 나만의 연구 에이전트 구축
Phase 1
Methods·Results 작성
분석 기록으로 Methods·Results를 쓰고,
선행연구 비교로 서론·고찰의 논리를 세웁니다.
선행연구 비교로 서론·고찰의 논리를 세웁니다.
Phase 2
투고 준비와 리뷰어 대응
STROBE·STARD 누락 점검과 리뷰어 통계 지적 대응,
저널 정책에 맞춘 AI 사용 고지 문구까지 준비합니다.
저널 정책에 맞춘 AI 사용 고지 문구까지 준비합니다.
Phase 1
데이터 자동 분석
정해둔 시간에 새 데이터를 확인해
정리부터 표·그림까지 분석 전체를 다시 실행합니다.
정리부터 표·그림까지 분석 전체를 다시 실행합니다.
Phase 2
하나로 묶는 나만의 연구 에이전트
강사의 실제 시행착오를 짚고, 지금까지 만든 기능을
하나의 연구 에이전트 세트로 묶어 그대로 제공합니다.
하나의 연구 에이전트 세트로 묶어 그대로 제공합니다.
| 강사님 Comment |
분석이 끝나도 논문은 이제 시작입니다. STEP 5에서는 분석 결과를 Methods와 Results로 옮기고, 리뷰어의 통계 지적에 대응하는 법을 다룹니다. 마지막으로 새 데이터가 들어와도 알아서 다시 도는 나만의 연구 에이전트로, 지금까지 만든 기능을 하나로 묶습니다.
부가혜택
강사님이 실제 연구에 쓰는 설정을 그대로 담은
수강생 전용 연구 키트
'부가혜택은 2차 오픈일(27/01/08)에 전체 제공될 예정입니다.'
커뮤니티
강의를 듣다 막히는 순간, 혼자 고민하지 마세요.
선생님들의 질문에 강사님이 직접 답해드리는 Q&A를 함께 운영합니다.
* QnA 채팅방은 카카오톡 오픈 채팅방을 통해 운영됩니다.
* 수강생 공지를 통해 접속할 수 있는 링크를 전달드립니다.
* 채팅방은 2026. 12. 04. 부터 2027. 3. 04.까지 3개월 간 운영됩니다.
* 강사님 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 수강생 공지를 통해 접속할 수 있는 링크를 전달드립니다.
* 채팅방은 2026. 12. 04. 부터 2027. 3. 04.까지 3개월 간 운영됩니다.
* 강사님 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
본 강의에서 사용될
프로그램 안내 드립니다.
프로그램 안내 드립니다.
* Claude Pro 플랜 이상 유료구독
* Obsidian(무료)
* macOS 또는 Windows
* 프로그램은 제공되지 않습니다.
* Obsidian(무료)
* macOS 또는 Windows
* 프로그램은 제공되지 않습니다.
[주의사항]
* 툴이나 프로그램 사용 환경과 버전 업데이트에 따라, 강의 내 화면(UI) 구성이나 기능이 실제 수강 시점과 다를 수 있습니다.
* 본 강의는 촬영 시점의 버전을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 버전 업데이트에 따른 내용 수정이나 추가는 제공되지 않습니다.
* 강의에서 안내되는 AI 툴의 무료 크레딧 제공 여부 및 요금제 가격은 각 서비스 제공사의 정책에 따라 변경되거나 종료될 수 있습니다. 이용 전 반드시 해당 서비스의 최신 정책 및 요금을 확인해 주시기 바랍니다.
묶음 상품
한 번 구축해 여러 연구에 계속 써먹는
‘알아서 일하는 AI 연구팀’ 만들기 패키지
의료 데이터 분석부터 논문 작성·리비전까지,
Claude Code로 구축하는 나만의 의학 연구 시스템!
총 2과목
의사에게 배우는 연구 에이전트 : 진료 데이터부터 논문·리비전까지 w. Claude Code & LLM Wiki정가 600,000원
의사에게 배우는 '노코딩' 의료 데이터분석 with 바이브코딩정가 400,000원
현직 의사에게 배우는 노코딩 의료 데이터 분석부터 논문 작성·리비전까지! Claude Code와 바이브코딩으로 데이터 분석과 논문 작성 과정을 자동화하고, 여러 연구에 계속 활용할 나만의 AI 연구 시스템을 구축하세요.
가격1,000,000원
할인 판매가58% 할인413,000원
12개월 할부월 34,417원
QnA
Question 1.
Claude Code나 Obsidian을 안 써봤는데 따라갈 수 있나요?
네. 이 강의는 코드를 모르는 의사를 기준으로 만들었습니다. 설치부터 첫 명령까지 화면을 따라 진행하고(Part 1), 모든 실습은 말로 요청하는 방식입니다. Obsidian도 이 강의에 필요한 기능만 골라 처음부터 설명합니다(Part 6). 클립마다 '실습 수준'을 표시해 두었기 때문에, 프롬프트만 입력하는 실습부터 시작해 단계적으로 넘어가면 됩니다.
Question 2.
제 전문과가 달라도 적용할 수 있나요?
네. 실습 예시는 강사의 전공인 근감소증 연구를 사용하지만, 다루는 과정(문헌 검색, 서론 쓰기, 통계 검증, 리뷰어 대응, 저널 선택, IRB 서류, 연구 위키)은 임상연구라면 과와 관계없이 공통입니다. 연구 프로토콜(CLAUDE.md)에 본인의 전공과 연구 주제를 적으면, 이후 모든 실습이 본인 분야에 맞춰 진행됩니다.
Question 3.
바쁜 진료 일정 중에도 따라갈 수 있나요?
네. 클립 하나가 10분 안팎이라 외래 사이나 퇴근 후에 하나씩 볼 수 있습니다. 강의 자체도 바쁜 의사를 위한 내용입니다. 한 번 만든 명령어와 연구 프로토콜은 계속 재사용되고, Part 7에서는 진료 보는 동안 문헌 검색이나 진행 요약을 예약 실행해 두는 방법을 다룹니다. 시간이 부족할수록 앞부분(Part 1·2)만 먼저 끝내도 바로 효과를 볼 수 있습니다.