연구

Research

DANAL Lab의 연구는 데이터를 축으로 AI, 간호교육, 지역사회 건강, 노년, 완화의료·호스피스라는 다섯 영역을 엮습니다. 각 영역은 독립적이지 않고, 생애 전주기라는 공통의 축에서 교차합니다.

At DANAL Lab, data serves as the axis that connects our five domains—AI, nursing education, community health, aging, and palliative/hospice care. These domains are not independent; they intersect along the common axis of the life course.

연구 배경

Background

예비 간호사는 임상 현장에서 가장 먼저 마주하게 되는 '말기 환자와의 첫 대화'에 대한 준비가 부족합니다. 전통적 시뮬레이션은 표준화 환자의 가용성과 반복 학습의 한계로 인해 충분한 훈련 기회를 제공하지 못합니다. 본 과제는 거대언어모델(LLM)과 음성 합성을 결합하여 안전하고 반복 가능한 환자 대화 시뮬레이션을 제공하는 것을 목표로 합니다.

Pre-licensure nurses are inadequately prepared for the "first conversation" with patients facing life-threatening illness. Traditional simulation is constrained by limited availability of standardized patients and insufficient repetition. This project combines large language models with speech synthesis to provide safe, repeatable patient-dialogue simulations.

5개년 연구 로드맵

5-Year Roadmap

• 1년차 (2026): LLM 기반 페르소나 개발, 교육 프레임 설계, 온프레미스 LLM 환경 구축, IRB 승인.
• Year 1 (2026): LLM persona development, educational framework design, on-premise LLM setup, IRB approval.
• 2년차 (2027): 음성 대화 시뮬레이션 프로토타입, 파일럿 사용성 평가, 초기 교육 효과 분석.
• Year 2 (2027): Voice dialogue simulation prototype, pilot usability testing, early educational outcome analysis.
• 3년차 (2028): 다기관 RCT 설계·실시, 학습자 경험 질적 분석.
• Year 3 (2028): Multi-site RCT design and execution, qualitative analysis of learner experience.
• 4년차 (2029): 플랫폼 고도화, 교수자 대시보드, 국제 비교 연구.
• Year 4 (2029): Platform enhancement, instructor dashboard, international comparative study.
• 5년차 (2030): 기술이전·상표 등록·오픈소스 공개, 정책 제안.
• Year 5 (2030): Technology transfer, trademark registration, open-source release, policy recommendations.

SPICT 한국어 번역·문화적 타당화 (진행 중)

SPICT Korean Translation & Cultural Validation (in progress)

SPICT(Supportive and Palliative Care Indicators Tool)의 한국어 번역·문화적 타당화 연구로, 거대언어모델(LLM)을 활용한 번역 방법론을 적용하고 있습니다. 임상 현장의 간호사·의사가 완화의료 필요성을 조기에 식별하도록 돕는 도구를 목표로 하며, 현재 논문을 준비 중입니다.

An ongoing study on the Korean translation and cultural validation of the Supportive and Palliative Care Indicators Tool (SPICT), applying a large language model (LLM)–assisted translation methodology. The work aims to help clinicians identify patients who may benefit from palliative care, with a manuscript currently in preparation.

지역사회 건강 · 노년 · 간호 데이터

Community Health · Aging · Nursing Data

완화·호스피스 연구 동향에 대한 PubMed 문헌 토픽 모델링, 소셜미디어 기반 대중 인식의 토픽 모델링·감성 분석, 가정간호 기록을 활용한 당뇨 고위험군 조기 식별, 그리고 고령자 만성질환 관리 데이터를 활용한 돌봄 연속성 연구를 수행합니다. 이 연구들은 생애 전주기 데이터를 통해 간호 실무와 정책의 근거를 생산합니다.

Our work includes topic modeling of PubMed literature on palliative/hospice research trends, topic modeling and sentiment analysis of public perceptions on social media, early identification of diabetes risk from home health nursing notes, and continuity-of-care research using chronic disease data from older adults. These studies generate evidence for nursing practice and policy across the life course.