헬스케어 사례 연구 - 비즈니스 모델과 연계

헬스케어 서비스는 의료 서비스를 기반으로 하는 것으로 보이지만 실제로는 웰니스 서비스를 연계한 빅데이터 서비스에 가깝다. 서비스의 시작이 빅데이터로 하기 때문에 분석과 통계 결과에 따라 다양한 비즈니스 모델로 접근이 가능하고, 더구나 헬스케어의 빅데이터는 크게 보면 개인별 데이터가 거의 실시간으로 모일 수 있기 때문에 조만간 빅데이터를 활용한 범국가적인 비즈니스가 나타날 것으로 예측된다. 이번 회에서는 빅데이터 기반의 헬스케어로 만들어 낼 수 있는 비즈니스에 대해 살펴보도록 한다.

사례 연구 전 확인 사항

헬스케어 패러다임의 변화

전염병을 막던 헬스케어 1.0에서 치료 중심의 의료 서비스가 시행되는 2.0, 그리고 질병의 예방과 관리를 위한 헬스케어 3.0 시대가 나타나고 있다(표1). 이러한 패러다임의 변화는 불특정(1.0)에서 질병이 발생한 사람(2.0)으로, 그리고 모든 사람(3.0)으로 헬스케어 대상을 확대하고 있다.

<표1> 헬스케어 패러다임의 변화

출처: 삼성경제연구소

또, 헬스케어 패러다임의 변화는 정부 중심(1.0)에서 병원 중심(2.0), 그리고 타 산업도 포함한 다양한 주체 중심(3.0)으로 헬스케어의 사용자를 확대하고 있다. 이러한 현상은 헬스케어 3.0을 통해 다양한 비즈니스 모델로 만들 수 있고 기존 의료 서비스를 더 다양한 형태로 제공할 수 있는 여지를 주게 되었다.

<그림2> 스마트 케어가 추가되어 변화되는 비즈니스 모델

               <기존 의료 서비스 모델>                        <스마트 케어가 추가된 서비스 모델>

출처: 지식경제부

더보기

SW 공학기술 적용 - 도구의 도입과 프로젝트 수행

도구도입 및 활용

 시범 프로젝트 수행

더보기

클라우드 환경에서 대표적인 지표와 분포 표기법

클라우드 환경에서 수집해야 되는 대표적인 지표 몇개

 IOPS
 Disk Queue Length (win) / iowait(linux)
 CPU Steal Time 등..
 http://bencane.com/2012/08/06/troubleshooting-high-io-wait-in-linux/


최적의 성능지표 찾기

웹서버 성능의 기준은 logNormal


무수하게 많은 트랜잭션


무수하게 많은 트랜잭션을 표현하는 좋은 지표 찾기


그래서 분포 표기법으로 평균(μ, mean)과 σ²를사용

더보기

대화형 인공지능의 적용 사례

우리나라의 대화형 생활법률 지식서비스

국민 누구나 대화형 생활법률 지식 서비스가 제공되는데 법무부는 2016년말까지 대화형 생활법률지식 서비스 인프라를 구축해 2017년부터 대국민 서비스에 나설 계획이다. 대화형 생활법률 지식서비스는 대법원 판례와 대한법률구조공단 상담사례, 법제처 생활법령정보 등 각종 법률정보를 수집해 데이터베이스를 만들었다.

빅데이터 분석으로 국민이 관심을 갖고 있는 생활법률의 유형과 빈도를 분류한 뒤 이용자들의 우선순위에 따라 카테고리를 나누어 운영하는 방식이다. 기존 법률정보 서비스는 검색에 의한 일방적인 정보 전달만 가능했지만 쌍방향식 의사소통으로 정확하고 신속하게 정보를 제공하는 것이 특징이다(그림5).

<그림5> 대화형 생활법률 지식 서비스의 처리 방식

출처: 법무부

구글의 알파벳(Alphabet)

구글의 알파벳은 2012년부터 다수의 인공지능 스타트업들을 인수하거나 우수 인재를 영입해 인공지능 기술 역량을 강화해 나가고 있다. 인공지능 인수 합병 사례들을 통해 알파벳이 확보하고자 하는 인공지능 역량을 유추할 수 있는데 알파벳이 인수한 업체들은 이미지 인식, 자연어 처리, 기계 학습 분야에 집중하고 있다(표3).

알파벳은 인공지능을 차세대 컴퓨팅 플랫폼 기술로 육성하려는 전략을 추진하고 있으며 구글 번역, 구글 포토, 구글 나우, 구글 지도 등에 인공지능 기술을 탑재하고 있다. 알파벳이 지향하는 것은 특정 서비스가 아닌 범용 플랫폼으로 진화해 인공지능 생태계를 구축하는 것으로 구글의 머신 러닝 오픈소스 라이브러리인 텐서플로(TensorFlow)를 공개하여 인공지능 플랫폼 시장을 선점하고 방대한 데이터를 모으기 위한 전략으로 해석된다.

더보기

챗봇의 기술 구성

인공지능 메신저를 나타내는 챗봇(Chatbot) 개발 플랫폼 서비스를 활용하면 메신저 플랫폼에서 동작하는 대화형 인공지능을 구현할 수 있다. 사용자가 특정 메시지를 입력하면 챗봇 API 서버는 자연어 처리 과정을 거쳐 적합한 응답을 보낸다(그림4). 하지만 다양한 형태소를 가지고 있는 한글 기반의 대화형 인공지능을 만들기 쉽지 않기 때문에 해당 사이트를 참조하여 한글 기반의 대화형 인공지능 메신저인 챗봇 엔진을 만드는 일은 개발자의 몫이다.

<그림4> 챗봇 서비스 구조

출처: Slideshare - Introduction to Chatbots

<참고사이트>

챗봇 개발 플랫폼 제공 사이트 Natural Language for Developers - https://wit.ai/ api.ai - https://api.ai/

더보기

대화형 인공지능의 처리 과정

대화형 인공지능 서비스의 대표적인 것으로 애플(Apple)의 시리(Siri), 구글(Google)의 나우(Now), 네이버의 라온, 삼성의 S-Voice 등이 있다. 대화형 인공지능 서비스는 자연어 처리를 기반으로 문장을 분석하여 컴퓨터가 의미를 파악하고 서비스를 제공하는 것을 기본으로 한다.

기계가 자연어를 이해해 자연스러운 대화가 가능하도록 하기 위해서는 기계와 사람이 소리로 의사소통을 하기 위해 사람의 음성을 텍스트로 바꾸는 음성인식(Speech to Text, STT) 기술을 통해 사람의 음성을 텍스트로 변환하고 텍스트를 여러 형태로 분석하게 된다. 분석 후에는 검색 및 시맨틱 기술을 활용해 사람이 원하는 답을 찾고 답을 문장 형태로 만들어 발화 기술(Text to Speech, TTS)를 통해 사용자에게 음성으로 전달 된다(그림3).

<그림3> 자연어 처리 과정

출처: 다이퀘스트

더보기

IBM의 Watson

출처: IBM Watson Group

빅데이터 기반의 의료 서비스하면 IBM의 왓슨이 떠오른다. 최근 IBM을 비롯하여 마이크로소프트, 애플, 구글, 페이스북 등 글로벌 IT 기업들은 인공지능의 딥러닝 기술에 열을 올리고 있다.

IBM은 코그너티브 비즈니스(Cognitive Business) 전략 아래에서 인공지능 플랫폼 왓슨을 다양한 비지니스에 접목시키고자 하고 있다. 코그너티브 비즈니스는 인지 기술 기반 사업으로 비즈니스에 필요한 앱, 디바이스, 프로세스, 시스템 등에 사고 인지 컴퓨팅을 적용시키는 것이고, 인지 컴퓨팅은 인공지능과 머신러닝이 결합되어 컴퓨터가 인간의 언어로 상호작용하는 기술이다. IBM에서는 2020년이 되면 매일 인당 143GB를 생성하며 그 중 85%가 비정형 데이터일 것으로 예측했다(그림8).

<그림8> 개인의 빅데이터 생성 비율

왓슨은 기존 검색이나 답의 한계를 초월한 의사결정을 지원하는데 그림9에서 보는 것처럼 데이터베이스에 저장된 데이터를 조회하는 수준이 아니라 데이터를 이해하고 연관 있는 것들을 추론, 분석하는 것은 물론 신뢰도까지 계산해서 함께 전달하는 것이 특징이다(그림10).

<그림9> 왓슨의 기존 검색엔진과의 차이점

<그림10> 왓슨의 질문에 대한 답의 추론 예

왓슨은 인지 컴퓨팅을 위해 다양한 종류의 빅데이터를 수집하여 분석, 통합하고(Ingest), 과학적 실체와 관계에 대해 학습하고 이해한다(Learn). 이에 대한 결과를 바탕으로 전문가 집단과 교육을 통해 학습을 하고(Test), 학습 결과를 통해 판단하면서(Experience) 성장하고 있다.

<그림11> 왓슨의 데이터 수집 및 분석(Ingest)

그림11에서 보는 것처럼, 왓슨은 수분 안에 수백 가지 이상의 데이터 소스를 연결하고 분석하여 통찰력을 발견하도록 되어 있다. 이렇게 수집하고 분석, 통합한 데이터를 바탕으로 심도 깊은 자연어 이해 기술로 데이터 간의 연관 관계를 찾아 이해한다(그림12).

<그림12> 왓슨의 학습과 이해(Learn)

더보기