Doctor-Developer Mar 31, 2026

벡터 DB 입문 — 의료 지식 검색 엔진 만들기

…

한줄 요약

벡터 DB는 의미로 검색하는 데이터베이스다 — “패혈증 치료”를 검색하면 그 단어가 없어도 관련 프로토콜을 찾아준다.

일반 검색 vs 벡터 검색

일반 DB 검색은 키워드가 정확히 일치해야 찾아준다. 마치 색인집에서 단어를 찾는 것처럼. 반면 벡터 검색은 의미가 비슷한 것을 찾는다.

일반 검색: “패혈증” → “패혈증”이 포함된 문서만
벡터 검색: “패혈증” → “sepsis”, “혈액감염”, “균혈증”도 함께 검색

의료 문서는 같은 개념을 다양한 용어로 표현한다. 벡터 검색이 훨씬 유용하다.

임베딩이란

텍스트를 숫자 배열로 변환하는 것이다. 의미가 비슷한 텍스트는 숫자 공간에서도 가까이 위치한다.

"패혈증 치료" → [0.12, -0.34, 0.89, ...]  (1536차원)
"sepsis management" → [0.11, -0.36, 0.87, ...]  # 비슷!
"당뇨 식이요법" → [-0.78, 0.45, -0.23, ...]  # 멀리 있음

설치

pip install chromadb sentence-transformers

ChromaDB 기본 사용법

import chromadb
from chromadb.utils import embedding_functions

# 로컬 DB 생성 (파일로 저장)
client = chromadb.PersistentClient(path="./medical_db")

# 한국어 지원 임베딩 모델 사용
embedding_fn = embedding_functions.SentenceTransformerEmbeddingFunction(
    model_name="jhgan/ko-sroberta-multitask"
)

collection = client.get_or_create_collection(
    name="hospital_protocols",
    embedding_function=embedding_fn
)

의료 문서 추가

protocols = [
    "패혈증 초기 대응: 혈액 배양 후 1시간 이내 광범위 항생제 투여, 30mL/kg 수액 소생",
    "급성 심근경색 STEMI: 첫 의료 접촉에서 90분 이내 PCI 목표, 아스피린 300mg 즉시 투여",
    "뇌졸중 tPA 투여 기준: 증상 발현 4.5시간 이내, NIHSS 4-25, 출혈 없음 확인",
    "아나필락시스: 에피네프린 0.3mg IM 허벅지 외측, 5-15분 후 반응 없으면 반복",
    "고혈압 응급: 수축기 180 이상, 1시간 내 25% 이내로 점진적 감압",
    "당뇨 케톤산증: 0.9% 생리식염수 1L/h, 인슐린 0.1unit/kg/h, K+ 모니터링",
]

ids = [f"protocol_{i:03d}" for i in range(len(protocols))]
collection.add(documents=protocols, ids=ids)

print(f"저장된 프로토콜: {collection.count()}개")

의미 검색

def search_protocol(query: str, n: int = 3) -> list[dict]:
    results = collection.query(
        query_texts=[query],
        n_results=n,
        include=["documents", "distances"]
    )

    output = []
    for doc, dist in zip(results["documents"][0], results["distances"][0]):
        similarity = 1 - dist  # 거리 → 유사도
        output.append({"content": doc, "similarity": round(similarity, 3)})
    return output

# 검색 예시
results = search_protocol("혈압이 너무 높을 때 어떻게 해야 하나")
for r in results:
    print(f"[유사도 {r['similarity']}] {r['content'][:60]}...")

벡터 DB 비교

도구	특징	추천 상황
ChromaDB	로컬, 무료, 설치 쉬움	개인/팀 내부용
Pinecone	클라우드, 관리형	대용량, 운영 환경
Weaviate	오픈소스, 강력한 필터	복잡한 메타데이터 검색
FAISS	Facebook, 매우 빠름	대규모 검색 최적화

시작은 ChromaDB로 충분하다.

청킹 전략 — 의료 문서 특성에 맞게

def chunk_medical_document(text: str, chunk_size: int = 300,
                            overlap: int = 50) -> list[str]:
    """오버랩이 있는 청킹 — 문맥 단절 방지"""
    chunks = []
    start = 0
    while start < len(text):
        end = start + chunk_size
        chunks.append(text[start:end])
        start += chunk_size - overlap  # 50자 겹침
    return chunks

의료 문서는 문단 단위 청킹을 권장한다. 용량 계산 공식, 투여 기준처럼 맥락이 끊기면 위험한 정보가 많기 때문이다.

핵심 정리

벡터 DB는 의미 기반 검색 — 키워드가 없어도 관련 문서를 찾는다
chromadb.PersistentClient()로 로컬에 영구 저장할 수 있다
한국어는 jhgan/ko-sroberta-multitask 임베딩 모델이 효과적이다
의료 문서 청킹은 문맥이 끊기지 않도록 오버랩을 두자
RAG 시스템의 핵심 인프라 — 먼저 이해하면 RAG 구현이 쉬워진다

#cu2604021805#의사개발자#Python#자동화#vector-db-basics