한국 응급실 ↔ 119 구급대원 / 병원 간 통화를 모사한 합성(synthetic) 한국어 통화 전사문 38,532건과, 통화마다 환자 수·환자별 성별·나이대·Pre-KTAS 주증상 라벨입니다. "통화에서 환자 정보를 추출해 주변 병원에 일괄 전달하는 모델"의 학습·평가용으로 만들었습니다.

A synthetic Korean dataset of 38,532 emergency-call transcripts (EMS ↔ ED, or hospital ↔ hospital), each labeled with the number of patients and, per patient, sex, age band, and a Pre-KTAS (Korean prehospital triage) chief complaint. All records are generated text; no real patient data or call recordings are included.

형식 / Format

각 줄은 하나의 JSON 레코드입니다. id 필드는 없고 데이터는 무작위로 섞여 있습니다(시드 고정).

{"text": "여보세요, 응급실이죠? ... 66세 남자입니다. ...",
 "label": {"patient_count": 1,
           "patients": [{"gender": "남성", "age_group": "60대",
                          "cc_major": "I 심혈관계", "cc_minor": "흉통(심장성)"}]}}

필드	값
`text`	통화 전사문. 화자 라벨·줄바꿈 없이 한 덩어리(음성인식 출력처럼 발화를 공백으로 이음)
`label.patient_count`	이 통화에서 구급대(또는 전원 의뢰 기관)가 이송할 병원을 찾고 있는 환자 수
`label.patients`	환자별 라벨 리스트. 길이 = `patient_count`, 통화에 언급된 순서
`gender`	`남성` / `여성` / `판단 보류` — 의학적(생물학적) 성별
`age_group`	`10대 미만` `10대` `20대` … `80대` `90대이상` / `판단 보류` — 만 나이
`cc_major`	Pre-KTAS 주증상 대분류 17개(A 물질오용 ~ Q 일반) / `판단 보류`
`cc_minor`	그 대분류 아래 주증상 소분류(169개 중 하나) / `판단 보류`

파일: data.jsonl (split: train, 38,532 rows, 환자 43,310명)
판단 보류는 통화에 근거가 없어 정할 수 없다는 뜻입니다(예: 신원 미상, 대형 사고에서 개별 정보가 없는 환자).

라벨 기준 / Labeling criteria

환자 수: 이 병원의 수용·거절과 무관하게, 구급대가 병원을 찾고 있다고 제시한 환자 전원. 보호자·신고자·단순 동승자 제외. 병원 밖 출산 직후 산모와 신생아는 신생아가 따로 간다는 언급이 없으면 둘 다 환자. 분만 전 임신부는 1명. 현장 사망자 제외.
성별·나이: 직접 언급이 없어도 유추 가능하면 라벨링(배우자 관계, 성별 고유 신체·질환, 임신·분만, 출생연도, 학년 등). 직업·신분만으로는 유추하지 않음. 출생연도("칠십 오 년생")만 말하면 나이 = 2026 − 출생연도로 나이대를 정합니다.
주증상(Pre-KTAS): 구급대가 이송하려는 주된 이유 하나. 받는 병원이 필요한 자원을 판단할 수 있고 의학적으로 정확한 쪽을 고르도록 정한 세부 기준을 따랐습니다. 예: 외상/비외상을 먼저 구분, 첫인상 평가 항목(심정지·무호흡·GCS 3–8·경련 중 등)을 원인보다 우선, 통화 중 가장 위중했던 상태 기준, 심전도로 확인된 STEMI는 흉통이 없어도 흉통(심장성), 저에너지 낙상은 가장 중한 손상 하나로 분류 등.
주증상 목록은 공식 KTAS 코드표와 직접 대조하지 못했습니다(기존 MF_BERT의 대분류 17·소분류 169 목록 사용).

주증상 소분류 목록 (169)

A 물질오용: 물질오용/중독, 과다복용, 물질금단
B 정신건강: 불안/위기상황, 환각/망상, 불면증, 폭력/살인행위, 우울증/자살/자해, 사회문제, 기괴한 행동, 환자의 안녕에 대한 고려(학대, 방임), 소아의 파괴적 행동
C 신경계: 의식수준의 변화, 착란, 현훈, 두통, 발작, 보행장애/운동실조/강직, 사지약화/뇌졸중 증상, 두부손상, 떨림(Tremor), 감각상실/이상감각, 기억상실, 축 늘어진 소아(Floppy child)
D 눈: 눈의 화학물질 노출, 눈의 이물질, 시력장애, 눈통증, 눈충혈·분비물, 눈부심, 복시, 안와주위 부종, 눈의 외상
E 코: 코피, 코막힘, 코의 이물질, 상기도감염 증상 호소, 코의 외상
F 귀: 이통(Earache), 귀의 이물질, 청력손실, 이명, 귀의 삼출물, 귀의 손상
G 입,목/얼굴: 치아/구강 문제, 안면외상, 인후통, 목의 부종/통증, 목의 외상, 연하장애/연하곤란, 안면 통증(비외상성/비치아성)
H 호흡기계: 숨참, 호흡정지, 과다호흡증후군, 객혈, 기침/코막힘, 호흡기 이물질, 알레르기반응, 협착음, 영아의 무호흡 발작, 천명음(다른 증상 호소 없음)
I 심혈관계: 심정지(비외상성), 심정지(외상성), 흉통(심장성), 흉통(비심장성), 심계항진/불규칙한 심장박동, 고혈압, 전신쇠약, 실신/전실신, 전신부종, 다리 부기/부종, 맥박이 없거나 차가운 사지, 일측성의 홍조 띤 뜨거운 사지
J 소화기계: 복통, 식욕부진, 변비, 직장내 이물질, 샅고랑부위 통증/종괴, 구토/구역, 항문/직장/회음부 통증, 설사, 토혈, 혈변/흑색변, 황달, 딸꾹질, 복부종괴/팽만, 항문/직장/회음부 외상, 이물질 삼킴, 신생아 수유곤란, 신생아 황달
K 임신/여성생식계: 월경 문제, 질내 이물질, 질 분비물, 질통증/가려움, 질출혈, 음순부종, 20주 미만의 임신, 20주 이상의 임신, 성폭행, 생식기의 외상, 출산 후 문제(6주 이내)
L 비뇨기계/남성생식계: 옆구리 통증, 혈뇨, 생식기의 분비물/피부병변, 음경부종, 고환 통증/부종, 소변 배출장애, 요로감염 증상, 핍뇨증, 다뇨증, 생식기의 외상, 성폭행(남성)
M 근골격계: 목·등·허리 통증, 외상성 목·등·허리 손상, 절단, 상지 통증, 하지 통증, 상지 손상, 하지 손상, 관절 부종, 석고붕대 확인, 소아의 보행장애/보행 시 통증
N 몸통외상: 몸통을 포함한 다발성 외상, 단독 흉부외상-관통상, 단독 흉부외상-둔상, 단독 복부외상-관통상, 단독 복부외상-둔상
O 환경손상: 동상/한랭손상, 온열손상, 유해물질흡입, 전기손상, 화학물질 노출, 저체온증, 익수
P 피부: 물림(Bite), 쏘임(Sting), 찰과상, 열상/천공, 화상, 혈액이나 체액에 노출, 피부의 이물질, 상처확인, 스테이플/봉합사 제거, 발진, 유방의 발적/압통, 국소성 부종/발적, 혹·돌기·굳은살, 감염 가능성 확인, 청색증, 외상없이 저절로 멍듦, 소양증, 기타피부상태
Q 일반: 감염성 질환에 노출, 열, 고혈당, 저혈당, 전문진료를 위해서 의뢰된 환자, 드레싱교체, 영상검사/검사실 검사, 의료장비문제, 처방전/투약문의, 반지제거, 비정상 검사결과, 창백함/빈혈, 수술 후 합병증, 경증 및 비특이적 증상 호소, 영유아의 달랠 수 없는 울음, 소아의 선천적 문제, 방금 태어난 신생아

분포 / Statistics

항목	값
환자 수 (통화 단위)	1명 36,926 · 2명 1,002 · 3명 231 · 4명 80 · 5명 이상 293
성별 (환자 43,310명)	남성 19,171 · 여성 17,801 · 판단 보류 6,338
나이대	30대 4,770 · 50대 4,753 · 40대 4,731 · 60대 4,573 · 10대 미만 4,299 · 20대 4,092 · 70대 3,865 · 10대 2,850 · 80대 2,536 · 90대이상 870 · 판단 보류 5,971
주증상 대분류 상위	소화기계 3,962 · 피부 3,852 · 신경계 3,811 · 환경손상 3,377 · 심혈관계 3,314 · 일반 3,230 · 근골격계 2,983 · 호흡기계 2,889
주증상 판단 보류	대분류 3,006명, 소분류만 880명. 사용된 소분류 168 / 169
길이	평균 611자. 보강 8~~16차(10,931건)는 대부분 150~~600자의 짧은 통화

라벨링 방법 / How labels were made

성별·나이대: 다수는 직접 학습한 추출 모델 MF_BERT로 1차 라벨링한 뒤, 다수 환자 의심·출산·판단 보류·의심 건 등 약 2,900건은 Claude Code(LLM 에이전트)가 전문을 읽고 판정했습니다. MF_BERT 라벨만 남은 건에서 무작위 300건을 검수한 결과 일치율 99.7%(불일치 1건은 수정).
환자 수·환자별 라벨(2명 이상)·주증상: Claude Code가 전문을 읽고 판정했습니다. 주증상은 최초 13,382건 전부. 배치마다 에이전트 간 판단이 갈린 유형을 찾아 하나의 기준으로 통일했습니다.
보강 통화 25,150건(아래 "구성")은 먼저 목표 라벨(환자 수·성별·나이대·주증상)을 설계하고 통화를 만든 뒤, 설계를 보지 않는 별도의 라벨러(Claude Code 에이전트, 6·7차 보강은 Claude Opus 5.5 API)가 원문만 보고 독립적으로 라벨링했습니다. 설계 목표와 독립 라벨이 일치한 비율은 보강 1차 97.0%, 2차 99.1%, 3차 99.6%, 4차 100%, 5차 99.9%입니다. 6차(1,974건)와 7차는 일치한 건만 넣었습니다. 7차는 설계 10,000건 중 생성 점검을 통과한 9,038건을 라벨링해 8,409건(93.0%)이 일치했습니다. 일치하지 않은 건은 라벨러 라벨을 정답으로 쓰거나(설계 힌트 문제·기준상 라벨러가 더 정확한 경우) 제외했습니다.
보강 8~16차의 설계·독립 라벨 전체 일치율은 8차 100%, 9차 95.8%, 11차 93.6%, 12차 93.6%, 13차 90.7%, 14차 94.2%, 15차 93.2%, 16차 96.7%입니다. 불일치는 대부분 인접 소분류의 경계와 "생성이 성별·나이를 빼먹어 라벨이 판단 보류"인 경우라서, 11차부터는 독립 라벨을 정답으로 넣었습니다(라벨러의 명백한 계산·누락 실수 몇 칸만 손으로 고침).
라벨 기준 정정: 최초 공개 뒤 주증상 기준(Pre-KTAS 10-3-47·48)을 고쳐 13,382건 중 260건의 주증상을 바꿨습니다(감염 가능성 확인 → 국소성 부종/발적·수술 후 합병증, 흉통(심장성) 일부 → 흉통(비심장성)).
최종 파일(13,382건 시점) 무작위 20건 전문 검수: 20/20 기준 부합. 보강 통화는 배치마다 형식·길이·라벨 용어 누출·기존 데이터/벤치마크/다른 통화와의 4-gram 유사도(0.35 미만)를 점검했습니다.
원문 자체가 모순인 1건("82세 남성" + "질출혈")은 제외했습니다. 이전 text-only 버전(13,385건)에서 이 1건과 짧은 통화 2건이 빠졌습니다.

구성 / Composition

아래 건수는 통화 생성 당시(13,385건) 기준입니다. 현재 버전은 그중 3건이 빠진 13,382건입니다.

구성	건수	평균 길이	특징
기존 합성 통화	8,385	약 490자	구급대 → 응급실 수용 문의 중심
확장 1	1,000	약 640자	"여보세요" 등 다양한 시작, 전문 의학 용어, 새로운 상황
확장 2	500	약 1,180자	정보 밀도가 높은 장문, 병원 간 협의·의료지도 포함
확장 3	500	약 1,170자	장문 + 의도적인 STT(음성인식) 오인식 전 건
확장 4	2,000	약 870자	구급대원 ↔ 응급실, 부족했던 40개 분야(고혈압 위기, 다수 사상자, 학대 의심, 열·한랭 손상, 감염병 격리, 호스피스·DNR 등), 30%에 STT 오인식
확장 5	1,000	약 1,170자	기존에 거의 없던 질환(희귀·특이 질환) 중심, 전 건 1,000자 이상, 30%에 STT 오인식

보강 통화 (최초 공개 이후 추가, 25,150건) — 10차는 실험 중이라 넣지 않았습니다.

구성	건수	특징
보강 1	1,076	환자 2~4명 통화 400, 사례가 적은 소분류 426, 90대·10대 등 희소 칸 200, 주증상 판단 보류 50
보강 2	760	건수가 40 미만인 소분류 56종 보충 460, 모델이 헷갈린 항목 쌍의 대비 사례 300
보강 3	500	경계 사례. 환자 5명 이상 대형 사고 통화 80(5~25명)과 헷갈리기 쉬운 쌍 420
보강 4	500	외상 부위·의식수준의 변화·열·복통 주변의 약한 경계 사례
보강 5	1,000	환자 5~29명 통화 150, 일반·물질오용·신경계로 끌리는 반대편·입목얼굴·피부·몸통외상 등 약한 곳 850
보강 6	1,974	사례가 적은 소분류, 검증에서 약했던 소분류, 판단 보류. 힌트·통화·라벨 전 과정을 Claude Opus 5.5 API로 생성
보강 7	8,409	소분류마다 최소 100명을 채우는 대량 보강(평균 약 980자). 환자 1·2·3명 통화 91 : 8 : 1, 상황 힌트와 통화는 Claude Haiku 5.5, 독립 라벨은 Claude Opus 5.5. 활력징후 수치는 소분류별 실제 환자 수치를 따라 설계하고, 도입부·용어를 통화마다 달리 배정

| 보강 8 | 500 | 100450자 짧은 통화. 숫자를 전부 한글로 읽음("백 삼십에 팔십"), 통화 중간에서 시작·끊김, 성별·나이 언급 없음 35% | | 보강 9 | 488 | 정보가 거의 없는 짧은 통화: 활력징후만 부르는 재통화·도착 확인·과거력만 등 주증상 판단 보류 중심 | | 보강 11 | 3,343 | 150600자 짧은 통화. 주증상 판단 보류·대분류만 확실한 통화 1,340 + 소분류 167개 고르게 2,004. 생성 Claude Haiku, 라벨 Claude Sonnet | | 보강 12 | 1,100 | 11차와 같은 조건 | | 보강 13 | 1,500 | 구급대원이 증상·활력징후를 영어 의료 약어의 한글 음차로 말하는 짧은 통화("멘탈 얼러트", "세츄", "디스프니아", "멜레나"), 약어 한 마디로만 이송 이유를 말하는 재통화, 나이를 출생연도로만 말하는 통화 | | 보강 14 | 1,000 | 13차 + 새 통화 구조(빠른 브리핑, 상황실이 병원을 돌림, 조건 되묻기, 정정, 이어지는 재통화)와 현장 줄임말 문체 | | 보강 15 | 2,000 | 14차와 같은 조건, 소분류 상황을 새로 설계 | | 보강 16 | 1,000 | 실제 응급실 통화의 말투("~~거든요", "~~가지고", "노티드리고 연락드릴게요"), 음성인식 꼴 약어("세축", "필스", "얼라트"), "칠 도 칠"처럼 삼십을 뺀 체온, 바로 거절·병원 되묻기·병원 간 전원 같은 통화 구조. 생성·라벨 Claude Sonnet |

보강 16차는 실제 통화 전사문에서 말투·약어·구조의 특징만 뽑아 지침으로 만든 뒤 내용을 새로 지어 쓴 합성 통화입니다. 실제 통화의 문장이나 환자 사례는 들어 있지 않습니다(실제 전사문과 공백을 뺀 30자 이상이 같은 통화는 생성 점검에서 막았습니다).

보강 통화에도 clean / rough(문장부호 없음·더듬음) / STT 오인식 문체를 섞었습니다(1~7차 설계 비율은 대략 50 / 20 / 30%, 8차부터는 rough·STT·현장 줄임말 위주).

STT 오인식 통화는 최초 13,382건 중 약 1,400건입니다. 오인식은 음운이 비슷한 단어로의 오인식, 영어 약어의 한글 전사(예: EKG → 이케이지), 숫자·띄어쓰기 오류, 단어 탈락 등이며, 임상 내용은 문맥으로 복원 가능하도록 만들었습니다. STT 포함 여부를 나타내는 필드는 없습니다.

품질 관리 / Quality control

병원·구급대·인명은 모두 가상입니다.
통화 원문: 확장 1, 2, 3, 5는 모델 기반 전수 검수를 거쳤고, 확장 4(2,000건)는 생성 단계 오류 규칙만 적용했습니다.
라벨은 모두 AI(MF_BERT, Claude Code)가 만들었고 임상의 검수는 거치지 않았습니다. 의료 조언이나 임상 의사결정 근거로 사용해서는 안 되며, 연구·모델 학습·평가용 합성 데이터로만 사용하세요.

이전 버전 / Previous versions

커밋 0710a02a8a: 27,601건 (보강 1~7차 반영판, text에 발화별 줄바꿈 있음)
커밋 f6934fe406: 19,192건 (보강 1~6차 반영판)
커밋 093b285435: 13,382건 라벨판 (최초 라벨판)
커밋 54cf67b7d4: 13,385건 text-only
커밋 db44e409db: 10,385건 text-only
커밋 ffa178eaae: 8,990건, train 7,196 / val 1,794, Claude Haiku 4.5 구조화 라벨 v2 포함

주의 / Limitations

합성 데이터이므로 실제 통화의 분포와 다릅니다. 보강 통화는 약한 분류와 경계 사례를 채우려고 설계해서 희귀·경계 사례의 비중이 실제보다 높습니다. 실제 통화에서 흔한 말투("~거든요" 등)와 음성인식 꼴 약어는 16차에만 들어 있어 전체에서는 아직 드뭅니다.
출생연도로 정한 나이대는 2026년 기준입니다. 다른 해에 녹음된 통화에 적용하면 한 나이대씩 어긋날 수 있습니다.
활력징후에서 "구십 이요"처럼 수사 뒤에 어미가 붙은 숫자는 원문 자체가 모호합니다(이 데이터셋에는 활력징후 라벨을 넣지 않았습니다).
의료 내용과 라벨은 모델이 생성·판정한 것이며 정확성을 보장하지 않습니다. 특히 희귀 질환(확장 5)과 경계 사례의 주증상 선택은 판단이 갈릴 수 있습니다.
다수 환자 통화에서 환자별 정보가 없을 때는 언급 순서대로 배정했거나 판단 보류로 두었습니다.

Downloads last month: 108

Total file size:

64.1 MB