퀄컴 2net플랫폼의 인공지능을 통한 확장된 활용방안에 대한 제안

1. 퀄컴 2net의 EHR적용 및
머신러닝을 통한 전문가시스템 제안
연세대학교 정보산업공학과 4학년 최재림
April, 2015
only for Qualcomm

2. Understanding of Qualcomm Life
2참조 : http://www.qualcommlife.com/
Qualcomm Life Inc.
퀄컴이 기존에 있던 무선 건강 사업부(Qualcomm wireless health)를 하나의 자회사
로 설립하여 건강 사업 분야에 본격적으로 진입함. 의료 장비의 기능을 발전시켜 무선
의료 네트워크로 의료기기를 연결 할 수 있게 하는 것이 목표. 장비 뿐 아니라 데이터
관리에도 주력하여 사용자들의 편리한 의료서비스를 최우선으로 함. 모회사의 경험과
노하우를 의료기기 M2M(Machine to Machine)에 적용하고 있음. 또한 무선 헬스케어
분야의 초기기업들에게 투자하는 fund를 운용하고 있음. 주요 투자사로는 눔, fitbit등
이 있음.
퀄컴은 무선기술의 강점을
살려 헬스케어 시장에 이미
진입한 상태지만 아직 눈에
띄는 성과는 없음
현재 의료기기의 IOT화,
플랫폼화를 꿈꾸며 해당 기
술을 가지고 있는 스타트업
에 전폭적인 투자
본사가 위치한 샌디에이고는
의료연구의 중심지,
40개가 넘는 파트너와 협력

3. Understanding of Competitors - Apple
3
Apple
2014.6.3 디지털 헬스 분야 진입,
PHI(Personal Health Information)를 수집, 관리할 수 있는
SDK인 Health Kit, 기본 제공 어플리케이션 ‘Health’를 발표
다른 회사의 플랫폼과 다르게
OS단에서 헬스 데이터를 관리하므로
데이터의 통합이 매우 용이함
강점 : 어플리케이션간의 시너지 발생,
데이터 수집과 관리, 통제가 쉬움
약점 : 닫혀있는 플랫폼이므로 iOS가 아닌 다른
경로로의 데이터 통합에 어려움
강력한 하드웨어 기반의 고객충성도를 바탕으로
애플 워치 - iOS - iCloud의 자체 생태계구축
강점 : 접촉점부터 데이터 수집까지 모든 프로세스가
일편화 되어있어 사용자 뿐 아니라 헬스 케어회사들에
게도 매력도가 높음
약점 : 애플워치 등 차세대 웨어러블 디바이스가 반드
시 성공해야만 가능한 전략

4. Understanding of Competitors - Samsung
4
Samsung
S.A.M.I(Samsung Architecture Multimodal Interactions)
플랫폼과 Simband를 이용한 데이터 수집 및 빅데이터 분
석과 갤럭시의 ‘S헬스’ 어플리케이션 등 종합적인 헬스케어
플랫폼을 발표
SimBand의 각종 센서를 비롯하여 의료기기까
지 제조하는 등 하드웨어 분야에 집중
강점 : 전세계 최고의 기술력으로 수집할 수 있는 데이
터의 종류가 많으며 양질의 데이터를 얻을 수 있음
약점 : 자체OS가 있기는 하지만 현재는 안드로이드에
의존하기 때문에 소프트웨어 기반은 약함
삼성 전자, 삼성SDS, 삼성화재, 삼성생명, 삼성의료원까지
모든 분야를 아우르는
거대 계열사
강점 : 타기업에 비해 의료분야에 대한 이해가 깊어 노하
우가 있고 매우 많은 협력사를 끌어들일 수 있음
약점 : 한국에 국한된 계열사구조

5. Understanding of Health-care industries
5
아태
30%
아프리카
5%
유럽
30%
남미
7%
북미
28%
모바일 헬스케어 마켓 예측(2017년)
source:allied market research
$0b
$15b
$30b
$45b
$60b
2012 2013 2014 2015 2016 2017 2018 2019 2020
모바일 헬스케어 마켓 추세
(15년 부터 예측)
source: pwc
모바일 기기의 확산과 의료비용에 대한 개인지출이 올라감에 따라
헬스케어 시장은 기하급수적으로 커져가고 있는 추세이다

6. Strategies for Healthcare Market
6
Competitor
Consumer
Company
시장의 가치를
알고있으며
이미 진입함
가파르게
성장하는
헬스케어 시장
애플 - 폐쇄적 생태계
삼성 - 하드웨어에 집중
<3C analysis result>
1. 무선 헬스케어는 매우 유망한 시장이다.
2. 퀄컴 역시 그 가치를 알고 의욕적으로
시장에 진입하였다.
3. 하지만 거대 IT공룡들 역시 헬스케어
시장을 선점하고 싶어한다.
퀄컴의 장점을 살린
차별화 전략으로 시장진입

7. Proposal - Problem of EHR
EHR(Electronic Health Record) 또는 EMR(Electronic Medical Record)은 환자의 기록을 전자형태로 기록하는 시스템
을 말하며 HIS(Hospital Information System;병원정보시스템)의 한 분류로 관리된다. 인구통계학적 정보, 진료기록, 처방
기록, 알레르기 기록, X-ray사진 등을 포함한다.
7
“이해할 수 있고, 접근을 쉽게할 수 있고,
간편하며 분석이 가능한 데이터가
좋은 치료를 가능하게 한다.”
- David M. Denton, 소아과 전문의[1]
[1] http://www.informationweek.com/healthcare/electronic-health-records/ehrs-must-solve-real-problems/d/d-id/1113823
현재 EHR은 데이터가 보험회사, 의료기관마다
통일되지 않았기 때문에 의사간의 분석과 협업
이 불가능하고 타 병원에서의 예전 기록을 열람
하기 쉽지 않다. 결국 한정된 데이터만을 제공
할 수 밖에 없다.
<PROBLEM 1 - 데이터>
<PROBLEM 2 - 사용자>
“중간 판매상이 너무 많아서 비용이 올라간다” - Pankaj R. Desai, MD
“입력하느라 환자 얼굴을 볼 새가 없다” - Anish U. Shah, MD
“시스템, 관리자 비용 등이 너무 비싸다” -Joseph A. Anistranski, MD
전문 소프트웨어이다보니 비용이 매우 비싸고 관리 비용이 추가로 들어간다.
의사의 편의를 생각하지 않고 만들었기 때문에 사용하는데 너무나 번거롭다.
[2]
[2] http://medicaleconomics.modernmedicine.com/medical-economics/content/tags/ehr/measuring-ehr-pain-points-high-cost-poor-functionality-outweigh-b

8. Proposal - Solution using 2net
8
2net™ 플랫폼 & 허브란?
퀄컴 라이프가 출시한 헬스케어 플랫폼
2net 허브를 이용하여 각종 의료기기의 정보를 무선으로 수신하여 자체 클라우드에 저장
하고, 이를 통해 사용자(환자, 보호자, 의사, 간호사)가 의료정보에 손쉽게 접근할 수 있다.

9. Proposal - Solution using 2net
9
1. 웨어러블 디바이스가 아닌 전문 의료기기에서 얻는 데이터에 집중
<2net을 EHR로 확장하여 차별화 전략 수립>
- 타 기업의 경우는 자사의 웨어러블 디바이스에서 일상적으로 얻는 데이터에 집중을 하고 있다. 하지만 이
데이터에서 알 수 있는 정보는 한정되어 있고 결과적으로 치료에 도움이 되는지는 검증이 되지 않았다. 그에
비해 2net은 병원에서 전문적으로 얻어지는 데이터에 집중하여 양질의 데이터를 얻는 방식으로 차별화를 실
시한다.
- 기존의 EHR은 의료기관마다 각자 다른 형식으로 저장하였기 때문에 한꺼번에 모아서 분석하는 것이 불가
능하였다. 하지만 2net을 이용하면 간편하게 여러기관의 데이터를 수집할 수 있고, 클라우드에서 한꺼번에
관리가 가능하다.
- 기존의 EHR은 기능에 비해 매우 비싼 비용을 지불해야 했을 뿐더러 사용하기에도 번거로웠다. 반면에 2net
은 현재 한달에 만원수준($12)에 도입이 가능한 서비스이므로 충분한 가격경쟁력을 가진다.
2. 여러 의료기관이 모두 같은 형식의 데이터 수집
3. 낮은 도입비용의 EHR임을 강조

10. Proposal - Expert System
10
전문가 시스템(Expert System)은 인간이 특정분야에 대하여 가지고 있는
전문적인 지식을 컴퓨터에 부여하여 의사결정에 도움을 주는 시스템을 말
하며 의료분야는 CDSS(Clinical Decision Support System)라고 불리는
고유시스템으로 발전해왔다.
전세계 CDSS마켓은 연평균 21.5%성장,
2013년에는 11.8억달러 규모였으며
2018년에는 46.5억원 예상
- industryarc
환자의 증상을 질의하면 지식기반에 의해
치료법에 관한 조언을 얻을 수 있다.
http://www.ictlounge.com/html/expert_systems.htm

11. Proposal - Expert System
11
IBM의 Watson은 머신러닝을 통해 다양한 암질환에 관하
여 90%의 정확도로 의사와 동일한 치료법을 내놓았고
200개의 자료를 학습하여 백혈병 치료법을 80%의 정확
도로 도출해내었음 (ASCO,2014)
<차세대 전문가 시스템>
한계점
1. IBM은 협력병원 없이 데이터를 얻을 수 없으며 학습시킬 데이터가 부족함
2. 수작업으로 데이터를 선별하여서 입력하였음
3. 정확도라는 것은 의사의 결정을 정답으로 보았을 때 기준이므로, 창발적인
특성이 없이 기존 지식만을 답습하는 한계점을 보임
IBM Watson
관찰, 해석, 평가, 결정의 단계를 통해 작동하는 인지기반 AI

12. Proposal - Expert System
12
퀄컴의
의료전문가
시스템
빅데이터를 모으기에
최적화된 EHR시스템인
2net플랫폼
MRI사진, 수기 진료기록을
정형화시킬 수 있는
뷰포리아 기술 보유
빅데이터 분석을 통한
전문가시스템의
선도기업의 부재 - 블루오션

13. Proposal - Expert System
13
<퀄컴의 의료전문가 시스템 - 활용방안>
ADVICE
PREDICTION
RESEARCH
2net플랫폼에 입력된 증상을 바탕으로 치료법에 관한
조언을 통해 의사의 치료에 객관성과 신뢰성을 실어줌
지속적인 진료기록을 바탕으로 환자의 상태를 패턴화
하여 치료 스케쥴 및 치료 가능성에 대한 예측가능
데이터 간의 상관관계를 지속적으로 분석하여 기존의
연구에서는 발견할 수 없었던 연구결과를 도출

14. Proposal - Expert System
14
Big data
Data Mining-
Artificial Intelligence
Expert System
2net 플랫폼을 통해 얻어진
데이터를 클라우드를 통해
저장한 이후, 빅데이터를 지
속적으로 공급
<데이터 종류의 예시>
나이, 성별, 키, 몸무게
진료기록, 처방기록, DRG
MRI, CT, 방사선 촬영기록
혈당량, 혈압, 투여 약품 및
투여량,
및 각 질병의 해당 수치
Data Process
비정형 데이터를 정형데이터
로 변환시키는 작업을
뷰포리아를 이용하여 자동적
으로 실시함
<데이터 가공 예시>
수기로 된 진료기록을
전산화(OCR),
문장으로 된 진료기록을
자연어처리(NLP),
촬영기록을 정형화(PACS)
<머신러닝 예시>
아버지가 위암이었다면 자식이
위암일 가능성이 14%이다.
췌장염에 걸린 환자의 혈압이
평균보다 높다면 담낭염에 걸렸
을 확률이 30%이다.
의사 및 의료관계자가 2net
을 이용하여 기록된 자료를
열람하거나 입력할 때,
전문가 시스템이 해당 자료
를 토대로 패턴인식을 통해
어떤 가능성이 있는지 조언
을 첨부. 환자의 상태예측.
머신러닝을 통해 빅데이터
를 지속적으로 학습하여 데
이터 분류 및 패턴화 실시
<퀄컴의 의료전문가 시스템 - 아키텍쳐>

15. Proposal - Expert System
15
<퀄컴의 의료전문가 시스템 - 기술사용방안>
Data Process Artificial Intelligence
패턴인식
머신러닝
새로운 환자의 진료기록이 지속적으로 입력되
면, 패턴을 발견하여 어떤 질병인지, 어떻게 해
결해야 하는지에 대해 조언과 예측을 하기 위해
서 패턴인식 기술을 사용한다.
지속적으로 넘어오는 빅데이터에 대응하여 학
습하고 시스템을 보완하는 과정을 거친다. 이는
데이터마이닝을 통하여 데이터간의 상관관계를
자동으로 찾아내는 휴리스틱의 과정을 의미함
Evidence-
based
경험보다는 데이터와 Knowledge base의 근거
를 바탕으로 조언을 하는 의료계의 철학을 계승
하여 증거를 제시할 수 있어야 한다.
1. 수기로 된 진료기록을 뷰포리아의 기술을 이용하여 텍스
트로 인식하고 전자기록의 형태로 정형화 시킬 수 있음
2. 뷰포리아의 이미지인식 기술을 이용하면 기존의
PACS(Picture Archive Communication System)에선
할 수 없었던 이미지에서 발견된 특징들을 정형화시킬 수
있음. 예를 들어 X선 사진을 그대로 저장하기보다는 X선
사진에 나타난 특징을 텍스트화 시켜서 저장하는 것임
3. 자연어 처리(Natural Language Processing)을 이용하여
문장형태로 되어있는 진료기록을 분석, 구체적인 데이터
로 정형화시킴

16. Conclusion
16
국방
IOT기술로
적의 움직임을 분석하여
대응
SCM
물류 운송정보 수집
효율적인 운영
환경오염
대기오염, 수질오염 수치 수집
기후변화 예측
핀테크
소비행태 수집, 분석
기업의 전략수립 및 예측
무선기술을 이용한 데이터 수집과 인공지능을 이용한 데이터 분석은
의료뿐 아니라 다양한 분야에 확장가능하며 무선기기의 원천기술을 가지고 있는
퀄컴의 경우, 데이터 수집 분야에서의 강점을 바탕으로 데이터분석에서의 R&D가
이뤄진다면 매우 큰 가치를 창출할 수 있다