Reconstructing End-User Demand under Batch-Level Ambiguity: Flow-Constrained Record Linkage and Audit Allocation in Orthopedic Consignment Networks

현대 수술의 긴박한 세계에서, 외과의가 의료 기기를 사용하는 순간은 복잡한 행정적 여정의 시작일 뿐입니다. 병원에서 부러진 뼈를 고정하기 위한 나사(screw)와 같은 정형외과용 임플란트를 사용할 때, 해당 사건을 기록하기 위한 임상 기록이 생성됩니다. 그러나 그 나사가 누구의 비용으로 결제되었고 어디에서 왔는지를 확인하는 재무 기록은 종종 나중에 도착하며, 때로는 다른 형식으로, 그리고 빈번하게 다른 기기들과 함께 묶여서 도착합니다. 수술이라는 물리적 행위와 상업적 서류 추적 사이의 이러한 간극은 사각지대를 만듭니다. 병원과 유통업체는 재고 관리와 청구를 위해 정확히 어떤 기기가 사용되었는지 알아야 하지만, 기록이 늦게 도착하거나 묶음으로 전달될 때 특정 나사를 특정 수술과 매칭하는 것이 어려워집니다. 이러한 불확실성은 단순한 서류상의 번거로움이 아닙니다. 이는 수익 손실, 부정확한 재고 주문, 그리고 의료 용품이 시스템 내에서 실제로 어떻게 이동하는지에 대한 명확성 결여로 이어질 수 있습니다.

연구자 홍지에 장(Hongjie Jiang)은 정형외과 위탁 네트워크라는 구체적인 맥락 내에서 이 퍼즐을 해결하고자 했습니다. 이러한 네트워크에서는 의료 기기가 판매되기 전에 병원에 배치되는데, 즉 병원이 재고를 보유하되 사용한 만큼만 비용을 지불하는 방식입니다. 문제는 사용된 내용에 대한 기록이 일괄적으로 도착하는 경우가 많아, 유통업체의 특정 나사 배치가 특정 수술과 어떻게 대응되는지 파악하기 어렵다는 점입니다. 장(Jiang)은 대규모 유통 네트워크에서 사용되는 특정 척추 나사 제품군에 집중했습니다. 한 달간의 수술 기록을 살펴보고 이를 9개월간의 정산 데이터와 비교함으로써, 연구는 서류 추적이 불완전하거나 지연되더라도 이러한 기구들의 실제 수요를 재구성하고자 했습니다. 목표는 단순히 어떤 나사가 사용되었는지를 파악하는 것을 넘어, 왜 일부 기록이 매칭되지 않는지 이해하고, 이러한 불일치를 해결하기 위해 한정된 시간과 자원을 어떻게 투입해야 하는지를 알아내는 것이었습니다.

연구는 이 매칭 과정을 단순한 목록 비교가 아닌 흐름(flow) 문제로 취급하며 시작되었습니다. 마치 고유한 열쇠 세트를 자물쇠 세트에 맞추려는 상황을 상상해 보십시오. 이때 어떤 열쇠는 여러 자물쇠에 맞을 수도 있고, 어떤 자물쇠는 늦게 도착한 열쇠에 의해 열렸을 수도 있습니다. 연구자는 시스템의 물리적 한계를 준수하는 모델을 구축했습니다. 즉, 유통업체는 자신들의 배치(batch)에 있는 것보다 더 많은 나사를 공급할 수 없으며, 단일 수술은 기록된 것보다 더 많은 나사를 사용할 수 없다는 규칙입니다. 이러한 엄격한 규칙을 적용함으로써, 모델은 어떤 매칭이 가능하고 어떤 매칭이 불가능한지를 결정할 수 있었습니다. 모델을 실행한 결과, 비교 가능한 540개의 수술 기록 중 229개만이 정산 기록과 명확한 단일 매칭을 가졌습니다. 나머지 84개는 매칭은 되었으나 여러 가능성 중 하나였습니다. 남은 311개의 기록은 명확한 매칭이 전혀 없었습니다. 이로 인해 이해가 필요한 거대한 '미결' 수요 그룹이 남게 되었습니다.

이 311개의 미매칭 기록을 이해하기 위해, 연구는 누락된 연결 고리의 시점과 성격을 조사했습니다. 불일치의 원인은 무작위가 아니었습니다. 미매칭 기록의 약 3분의 1은 단순히 서류가 도착하기를 기다리고 있는 상태였습니다. 즉, 수술은 이루어졌으나 마감 기한까지 재무 정산이 처리되지 않은 것입니다. 미매칭 기록의 또 다른 4분의 1은 여러 수술이 동일한 나사 배치(batch)를 두고 경쟁하거나, 유통업체의 기록이 너무 모호하여 단일 출처를 특정할 수 없었기 때문에 차단되었습니다. 가장 큰 그룹인 거의 절반에 달하는 미매칭 기록은 완전히 다른 경로에 속해 있는 것으로 보였습니다. 이들은 도매 채널이나 연구 대상인 특정 위탁 기록에는 나타나지 않는 다른 재고 시스템을 통해 이동했을 가능성이 높은 나사들이었습니다. 모델은 각 시나리오에 확률을 할당하여, 불확실성이 어디에 위치해 있는지에 대한 지도를 효과적으로 만들어냈습니다.

연구의 가장 중요한 부분은 단순히 불일치를 식별하는 것이 아니라, 이를 얼마나 효율적으로 해결하느냐를 찾아내는 것이었습니다. 병원과 유통업체는 이러한 기록을 검토할 인력과 시간이 제한되어 있습니다. 모든 미매칭 항목을 일일이 확인할 수는 없습니다. 연구자는 다음과 같이 질문했습니다. 만약 기록의 아주 작은 부분만을 검토할 수 있다면, 가장 많은 명확성을 얻기 위해 어떤 것을 골라야 할까요? 흔히 큰 주문을 먼저 확인하는 것이 중요하다는 직관이 있지만, 연구 결과 이 접근 방식은 비효율적이었습니다. 많은 대규모 주문은 이미 명확하고 안정적이었기에, 이를 확인하는 것은 새로운 정보를 거의 제공하지 못했습니다. 대신, 연구는 "정보의 가치(value of information)"에 기반한 전략을 제 제안했습니다. 이 방법은 수량도 많으면서 불확실성도 높은 기록을 우선순위에 둡니다. 즉, 어떤 수술이 세 곳의 서로 다른 유통업체로부터 공급받을 수 있었는지와 같이, 검토를 통해 큰 모호함을 해소할 수 있는 특정 사례를 찾는 것입니다.

연구자가 이 새로운 전략을 가장 큰 주문을 확인하는 기존 방식과 테스트했을 때, 그 차이는 극명했습니다. 기록의 20%만을 검토할 수 있는 예산 내에서, 새로운 전략은 전체 불확실성의 절반 이상을 해결했습니다. 반면, 가장 큰 주문을 확인하는 전통적인 방식은 불확실성의 약 3분의 1만을 해결했습니다. 새로운 접근 방식은 기존 방식이 유사한 결과를 얻기 위해 필요했던 것보다 40% 적은 검토 횟수로도 동일한 수준의 명확성을 회복할 수 있었습니다. 이는 단순히 숫자가 가장 큰 기록을 찾는 것이 아니라, 혼란이 가장 높은 특정 기록에 집중함으로써 조직이 시간을 절약하고 비용을 줄이면서도 공급망에 대한 훨씬 더 명확한 그림을 얻을 수 있음을 의미합니다.

또한 연구는 이러한 결과가 데이터가 약간 달라지더라도 유효한지 테스트했습니다. 예를 들어, 일부 기록이 동일한 수술에 대한 중복 기록이라면 어떨까요? 혹은 가장 활발한 유통업체를 분석에서 제외한다면 어떨까요? 모든 시나리오에서 새로운 전략은 우위를 유지했습니다. 데이터가 단순화되거나 네트워크가 변경되더라도, 고불확실성·고물량 기록을 타겟팅하는 방식은 일관되게 표준적인 접근 방식을 능가했습니다. 또한 연구는 불확실성이 균등하게 퍼져 있지 않음을 보여주었습니다. 불확실성은 특정 유통업체와 특정 시기, 특히 기록 지연이 발생하기 쉬운 월말 결제 주기 근처에 집중되어 있었습니다.

궁극적으로 이 연구는 의료 공급망의 보이지 않는 간극을 관리하기 위한 실질적인 가이드를 제공합니다. 이는 불확실성이 단순히 더 많은 데이터를 확인한다고 해결되는 문제가 아니라, '올바른' 데이터를 확인함으로써 관리해야 할 자원임을 입증합니다. 사건의 타이밍과 재고의 물리적 한계를 결합함으로써, 이 연구는 혼란스러운 미매칭 기록 더미를 명확하고 실행 가능한 계획으로 바꾸는 방법을 제시합니다. 이 네트워크를 관리하는 관리자들에게 주는 메시지는 분명합니다. 단순히 가장 큰 숫자만을 보지 마십시오. 이야기가 불분명한 곳을 찾고, 그곳에 주의를 집중하십시오. 이 접근 방식을 통해 그들은 계정을 더 빠르게 정산하고, 재고를 더 정확하게 관리하며, 서류 추적이 불완전한 상황에서도 환자를 치유하는 데 사용된 기구들이 제대로 관리되도록 할 수 있습니다.