회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 데이터베이스 및 온라인 정보 제공업을 합니다. 2025년 매출은 37.9억입니다. 2026년 8월 기준 국민연금 가입자는 65명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-09-25 · 최근 등록 2026-07-23 · 최신 출원순
본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 대규모 언어모델을 이용하여 임상시험 타당성 검증용 코호트(cohort)를 추출하기 위한 방법이 개시된다. 상기 방법은: 타겟(target) 임상시험의 임상시험 기준을 포함하는 자연어 질의 텍스트를 수신하는 단계; 상기 자연어 질의 텍스트로부터 상기 임상시험 기준에 대응되는 코호트 추출 방식 및 코호트 추출 조건을 획득하는 단계; 사전 학습된 대규모 언어모델(Large Language Model, LLM) 기반의 정형 쿼리 텍스트 생성 모델을 이용하여, 상기 코호트 추출 방식 및 상기 코호트 추출 조건으로부터 상기 자연어 질의 텍스트에 대응되는 정형 쿼리(structured query) 텍스트를 생성하는 단계; 및 공통데이터모델(Common Data Model, CDM)의 데이터 구조로 구조화된 의료 데이터가 저장된 CDM 데이터베이스에 대해 상기 정형 쿼리 텍스트를 실행함으로써, 상기 타겟 임상시험에 대응되는 타겟 코호트를 추출하는 단계를 포함할 수 있다.
본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 의무 기록 텍스트를 생성하여 대규모 언어모델을 미세 조정하기 위한 방법이 개시된다. 상기 방법은: 공통데이터모델(Common Data Model, CDM)의 데이터 구조로 구조화된 의료 데이터를 저장하는 CDM 데이터베이스에서 제 1 추출 조건을 만족하는 제 1 환자 그룹을 추출하는 단계; 상기 CDM 데이터베이스로부터 상기 제 1 환자 그룹에 대응되는 제 1 의료 데이터셋을 획득하는 단계; 상기 제 1 의료 데이터셋으로부터 상기 제 1 환자 그룹에 포함되는 복수의 제 1 환자들 각각의 제 1 의무 기록(medical record) 텍스트를 생성하는 단계; 및 상기 제 1 의무 기록 텍스트를 활용하여, 사전 학습된 제 1 대규모 언어모델을 미세 조정(fine-tuning)하는 단계를 포함할 수 있다.
본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 그래프 데이터베이스를 활용하여 사용자 질의에 대한 답변을 생성하기 위한 방법이 개시된다. 상기 방법은: 사용자의 자연어 질의 텍스트를 수신하는 단계; 사전 학습된 제 1 대규모 언어모델(Large Language Model, LLM)을 이용하여, 상기 자연어 질의 텍스트로부터 제 1 중간 추론 결과를 생성하는 단계; 상기 제 1 중간 추론 결과에 기초하여, 사전 구축된 그래프 데이터베이스와 관련된 적어도 하나의 함수의 실행 여부를 결정하는 단계; 상기 적어도 하나의 함수 중 제 1 함수를 실행하는 것으로 결정된 경우, 상기 제 1 함수를 실행함으로써, 상기 제 1 함수의 실행 결과에 대응되는 제 1 함수 결과값을 획득하는 단계; 및 상기 제 1 대규모 언어모델을 이용하여, 상기 제 1 중간 추론 결과 및 상기 제 1 함수 결과값으로부터 상기 자연어 질의 텍스트에 대한 최종 답변을 생성하는 단계를 포함할 수 있다.
본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 검색 증강 생성을 통해 대규모 언어모델을 이용하여 답변을 생성하기 위한 방법이 개시된다. 상기 방법은: 제 1 사용자의 자연어 질의 텍스트를 수신하는 단계; 사전 학습된 제 1 대규모 언어모델(Large Language Model, LLM)을 이용하여, 상기 자연어 질의 텍스트로부터 상기 자연어 질의 텍스트 내에 제 1 참조 문서의 제 1 페이지에 대한 참조 요청이 있는지 여부를 결정하는 단계; 상기 자연어 질의 텍스트 내 상기 참조 요청의 유무에 기초하여, 벡터 데이터베이스 또는 문서 데이터베이스 중 적어도 하나로부터 상기 자연어 질의 텍스트에 대응되는 제 1 참조 데이터를 획득하는 단계; 및 사전 학습된 제 2 대규모 언어모델에 상기 자연어 질의 텍스트 및 상기 제 1 참조 데이터를 입력하여 상기 자연어 질의 텍스트에 대한 답변을 생성하는 단계를 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 대규모 언어모델을 이용하여 의무 기록으로부터 바이오마커 검사 결과를 생성하기 위한 방법이 개시된다. 상기 방법은: 의무 기록 텍스트를 수신하는 단계; 사전 학습된 제 1 대규모 언어모델(Large Language Model, LLM)을 이용하여, 상기 의무 기록 텍스트로부터 타겟 질병과 관련된 적어도 하나의 바이오마커(biomarker)에 대한 검사 결과를 생성하는 단계; 및 상기 검사 결과를 공통 데이터 모델(Common Data Model, CDM)의 데이터 구조로 저장하는 단계를 포함할 수 있다.
본 개시의 일 측면에 따르면, 컴퓨팅 장치에 의해 수행되는, 대규모 언어모델을 이용하여 의료데이터에 대한 분석 결과를 획득하기 위한 방법이 제공된다. 상기 방법은, 복수의 의료데이터 그룹들 중 분석 대상이 될 제 1 타겟 의료데이터 그룹을 결정하는 단계; 사용자의 자연어 질문 텍스트를 수신하는 단계; 참조 의학 데이터베이스로부터 상기 자연어 질문 텍스트와 관련된 참조 의학 정보를 획득하는 단계; 제 1 대규모 언어모델(Large Language Model, LLM)을 이용하여, 상기 참조 의학 정보 및 상기 자연어 질문 텍스트를 포함하는 제 1 프롬프트로부터 상기 자연어 질문 텍스트에 대응되는 제 1 정형 쿼리 텍스트를 생성하는 단계; 상기 제 1 정형 쿼리 텍스트를 이용하여, 상기 제 1 타겟 의료데이터 그룹에서 상기 제 1 정형 쿼리 텍스트에 대응되는 제 1 타겟 의료데이터를 획득하는 단계; 및 제 2 대규모 언어모델을 이용하여, 상기 자연어 질문 텍스트 및 상기 제 1 타겟 의료데이터를 포함하는 제 2 프롬프트로부터 상기 제 1 타겟 의료데이터에 대한 분석 결과를 생성하는 단계를 포함할 수 있다.
본 발명의 표준화된 데이터 기반의 이원적 상호 인증을 이용한 의료데이터 공유시스템은 사용자의 고유정보와 해당 사용자의 의료데이터가 상호 연계된 데이터인 객체데이터가 저장되는 객체DB부; 사용자단말로부터 리퀘스트신호가 수신되면, 해당 사용자를 표상하는 인증객체를 생성하고 상기 인증객체를 상기 객체데이터에 연계하여 저장하는 인증객체생성부; 상기 인증객체를 상기 사용자단말로 전송하는 전송처리부; 의료진의 클라이언트 단말인 제2유저단말로부터 승인을 위한 파라미터정보가 입력되면 상기 입력된 파라미터정보가 상기 인증객체에 해당하는 경우 승인신호를 생성하는 인증처리부; 및 상기 승인신호가 입력되면 상기 인증객체에 해당하는 객체데이터를 상기 제2유저단말로 제공하는 메인제어부를 포함하는 것을 특징으로 한다.
본 발명의 암호화 프로세싱 기반의 이원적 상호 인증을 이용한 의료데이터 공유시스템은 사용자의 고유정보와 해당 사용자의 의료데이터가 상호 연계된 데이터인 객체데이터가 저장되는 객체DB부; 사용자단말로부터 리퀘스트신호가 수신되면, 해당 사용자를 표상하는 인증객체를 생성하고 상기 인증객체를 상기 객체데이터에 연계하여 저장하는 인증객체생성부; 상기 인증객체를 상기 사용자단말로 전송하는 전송처리부; 의료진의 클라이언트 단말인 제2유저단말로부터 승인을 위한 파라미터정보가 입력되면 상기 입력된 파라미터정보가 상기 인증객체에 해당하는 경우 승인신호를 생성하는 인증처리부; 및 상기 승인신호가 입력되면 상기 인증객체에 해당하는 객체데이터를 상기 제2유저단말로 제공하는 메인제어부를 포함하는 것을 특징으로 한다.
본 발명의 인증객체를 매개로 하는 이원적 상호 인증을 이용한 의료데이터 공유시스템은 사용자의 고유정보와 해당 사용자의 의료데이터가 상호 연계된 데이터인 객체데이터가 저장되는 객체DB부; 사용자단말로부터 리퀘스트신호가 수신되면, 해당 사용자를 표상하는 인증객체를 생성하고 상기 인증객체를 상기 객체데이터에 연계하여 저장하는 인증객체생성부; 상기 인증객체를 상기 사용자단말로 전송하는 전송처리부; 의료진의 클라이언트 단말인 제2유저단말로부터 승인을 위한 파라미터정보가 입력되면 상기 입력된 파라미터정보가 상기 인증객체에 해당하는 경우 승인신호를 생성하는 인증처리부; 및 상기 승인신호가 입력되면 상기 인증객체에 해당하는 객체데이터를 상기 제2유저단말로 제공하는 메인제어부를 포함하는 것을 특징으로 한다.
본 발명의 사용자 지향적 이원적 상호 인증을 이용한 의료데이터 공유시스템은 사용자의 고유정보와 해당 사용자의 의료데이터가 상호 연계된 데이터인 객체데이터가 저장되는 객체DB부; 사용자단말로부터 리퀘스트신호가 수신되면, 해당 사용자를 표상하는 인증객체를 생성하고 상기 인증객체를 상기 객체데이터에 연계하여 저장하는 인증객체생성부; 상기 인증객체를 상기 사용자단말로 전송하는 전송처리부; 의료진의 클라이언트 단말인 제2유저단말로부터 승인을 위한 파라미터정보가 입력되면 상기 입력된 파라미터정보가 상기 인증객체에 해당하는 경우 승인신호를 생성하는 인증처리부; 및 상기 승인신호가 입력되면 상기 인증객체에 해당하는 객체데이터를 상기 제2유저단말로 제공하는 메인제어부를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따르면 의료기관의 의료데이터를 분석하는 방법이 제공된다. 상기 방법은, 제 1 의료기관 및 제 2 의료기관으로부터 상기 제 1 의료기관의 제 1 의료데이터셋 및 상기 제 2 의료기관의 제 2 의료데이터셋을 획득하는 단계; 상기 제 1 의료데이터셋 및 상기 제 2 의료데이터셋으로부터 통합(total) 합성데이터셋을 생성하는 단계; 및 타겟(target) 의료기관의 타겟 의료데이터셋에 기초하여, 상기 통합 합성데이터셋으로부터 상기 타겟 의료데이터셋에 대한 분석 결과를 획득하는 단계를 포함하며, 그리고 상기 제 1 의료데이터셋, 상기 제 2 의료데이터셋 및 상기 통합 합성데이터셋은 기설정된 독립변수 및 기설정된 종속변수를 포함할 수 있다.
본 개시의 몇몇 실시예에 따른 컴퓨팅 장치에서 수행되는 방법으로서, 의료 기록 데이터베이스로부터 추출된 비정형 데이터를 포함하는 제 1 텍스트 데이터를 획득하는 단계; 상기 제 1 텍스트 데이터 및 사전 결정된 제 1 프롬프트(prompt)를 인공지능 기반의 제 1 요약 정보 생성 모델에 입력함으로써, 상기 제 1 텍스트 데이터로부터 제 1 텍스트 데이터의 요약 정보를 획득하는 단계; 및 인공지능 기반의 사전 학습된 정보 분류 모델 또는 정규 표현식(regular expression)을 이용하여, 상기 제 1 텍스트 데이터의 요약 정보로부터, 상기 제 1 텍스트 데이터의 요약 정보에 포함된 적어도 하나의 텍스트를 사전 결정된 항목 별로 분류한 데이터셋을 획득하는 단계 -상기 데이터셋은 상기 사전 결정된 항목으로 구성된 열과 각 열에 해당하는 상기 적어도 하나의 텍스트로 구성된 행을 포함하는 구조화된 형식으로 이루어짐-;를 포함할 수 있다.
본 개시의 몇몇 실시예에 따른 컴퓨팅 장치에서 수행되는 방법으로서, 입원 환자의 관리를 위한 로우(raw) 데이터를 이용하여 사전 결정된 시간 기간 단위로 업데이트되도록 스케줄링 된 주기변환 데이터베이스를 구축하는 단계; 상기 주기변환 데이터베이스에 저장된 데이터에 기초하여, 인공지능 기반의 적어도 하나의 예측 모델별로 적어도 하나의 입력 변수를 결정하는 단계; 및 상기 결정된 적어도 하나의 입력 변수 및 입원 관련 정보를 포함하는 데이터셋을 상기 적어도 하나의 예측 모델별로 생성하는 단계;를 포함할 수 있다.
본 발명에 의한, 트레이서블 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, CDM아이디의 상호 대응을 이용한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, CDM아이디의 상호 대응을 이용한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, 공통아이디와 독립아이디의 결합에 기반한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, 공통아이디와 독립아이디의 결합에 기반한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, 이원화된 암호화 프로세싱을 이용한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
본 발명에 의한, 이원화된 암호화 프로세싱을 이용한 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
컴퓨팅 장치에 의해 수행되는, 인공지능 기술을 이용하여 약물 이상반응에 대한 예측 결과를 생성하기 위한 방법이 개시된다. 상기 방법은, 약물 이상반응 탐지를 위한 로우(raw) 데이터를 이용하여 사전 결정된 시간 기간 단위로 업데이트되도록 스케줄링된 주기변환 데이터베이스를 구축하는 단계, 상기 주기변환 데이터베이스에 저장된 데이터에 기초하여, 상기 약물 이상반응 탐지를 위한 인공지능 기반의 모델의 학습을 위한 복수의 입력 변수들을 결정하는 단계 및 상기 결정된 입력 변수들, 및 특정 약물과 특정 질환에 대한 이상 반응 정보를 포함하는 학습 데이터셋을 이용하여, 인공지능 기반의 예측 모델이 상기 입력 변수들을 입력받는 것에 응답하여 상기 특정 약물과 특정 질환에 대한 이상 반응 정보를 출력하도록, 상기 예측 모델을 학습시키는 단계를 포함할 수 있다.
건강검진정보를 제공하는 국민건강보험공단을 포함하는 1개 이상의 의료기관(10)으로부터의 통계자료(10D) 및 질병과 관련된 유의한 관련데이터를 제공하는 건강보험심사평가원을 포함하는 질병관리청(20)의 통계자료(20D)를 네트워크로 수신받고, 검진수행기관(40)으로부터 수신하여 처리한 데이터를 알고리즘생성부(30)와 애플리케이션 소프트웨어를 구축하고 통합하기 위한 정의 및 프로토콜 세트인 API(Application Programming Interface)처리부(31)에 처리하여 고객(50)에게 제공하기 위한 건강변화량을 활용한 건강나이 및 건강점수 산출방법에 있어서; 상기 건강나이 및 건강점수 산출방법은, 상기 검진수행기관(40)으로부터의 검진 자료의 허용 범위를 정의하여 검진데이터를 취합하는 단계(S100), 분석대상의 검진의 변수를 선정하는 단계(S110), 상기 검진데이터로부터 통계적으로 얻어지는 정상범위의 집단검진정보(χ 3 )를 기계학습(Machine Learning)하여 각 변수의 가중치를 획득하는 단계(S120), 검진데이터의 비정상(Abnormal) 비율을 생성하는 단계(S130), 상기 의료기관(10)과 질병관리청(20)으로부터의 통계자료의 집단별 연령그룹 평균 나이와 통계자료간의 상관계수로부터 상기 검진데이터의 변수의 값을 집단별로 표준값으로 변환하는 단계(S140), 표준화된...(이하생략)
본 개시의 몇몇 실시예에 따른 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 신약 재창출(drug repurposing)을 위한 방법으로서, 상기 방법은: 의료 데이터에 기초하여 목표 질병에 대응되는 목표 질병군(outcome cohort)에 포함된 제 1 환자들과 관련된 적어도 하나의 약물을 포함하는 후보약물을 획득하는 단계; 상기 의료 데이터에 기초하여, 상기 후보약물에 대응되고 그리고 상기 목표 질병이 상기 후보약물의 투약 이전에는 발생하지 않는 실험군(target cohort)을 획득하는 단계; 상기 목표 질병이 상기 후보약물을 제외한 기타약물의 투약 이전에는 발생하지 않고 그리고 상기 후보약물에 대응되지 않는 대조군(comparator cohort)을 획득하는 단계; 공변량(covariate)에 기초하여 상기 실험군에 포함된 제 2 환자들 및 상기 대조군에 포함된 제 3 환자들 각각의 성향 점수(propensity score)를 산출하는 단계; 상기 성향 점수에 기초하여 상기 제 2 환자들과 상기 제 3 환자들을 매칭하는 단계; 매칭된 상기 제 2 환자들 및 상기 제 3 환자들에 기초하여 상기 실험군 및 상기 대조군의 상기 목표 질병의 발생 위험도에 대한 분석 결과 정보를 산출하는 단계; 및 상기 분석 결과 정보에 기초하여 신약 재창출 후보약물을 선정하는 단계;를 포함할 수 ...(이하생략)
본 개시의 몇몇 실시예에 따른 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 질병을 예측하기 위한 방법으로서, 상기 방법은: 적어도 하나의 외부 기기로부터 의료 데이터를 수신하는 단계; 및 상기 의료 데이터를 질병예측 모델에 입력하여, 질병에 관한 분석 결과 데이터를 생성하는 단계;를 포함하고, 상기 질병예측 모델은, 복수의 외부 서버들 각각으로부터 수신된 서로 다른 복수의 모델들에 기초하여 생성될 수 있다.
본 발명의 이원적 상호 인증을 이용한 의료데이터 공유시스템은 사용자의 고유정보와 해당 사용자의 의료데이터가 상호 연계된 데이터인 객체데이터가 저장되는 객체DB부; 사용자단말로부터 리퀘스트신호가 수신되면, 해당 사용자를 표상하는 인증객체를 생성하고 상기 인증객체를 상기 객체데이터에 연계하여 저장하는 인증객체생성부; 상기 인증객체를 상기 사용자단말로 전송하는 전송처리부; 의료진의 클라이언트 단말인 제2유저단말로부터 승인을 위한 파라미터정보가 입력되면 상기 입력된 파라미터정보가 상기 인증객체에 해당하는 경우 승인신호를 생성하는 인증처리부; 및 상기 승인신호가 입력되면 상기 인증객체에 해당하는 객체데이터를 상기 제2유저단말로 제공하는 메인제어부를 포함하는 것을 특징으로 한다.
시계열의 복수의 의료기간으로부터 수집된 의료데이터(HD)로부터 유의미한 테이터의 관심패턴을 탐색하여 부가적인 의료서비스를 제공하기 위한 의료기관 간 의료데이터통합을 이용한 관심패턴 후보탐색방법에 있어서, 상기 관심패턴 후보탐색방법은; 복수 개의 상기 의료기관으로부터 네트워크인터페이스를 통하여 수집된 시계열의 상기 의료데이터(HD)를 전송받아 수집하는 단계(S100), 수집된 도메인단위의 상기 의료데이터(HD)의 패턴데이터의 특징을 추출하기 이전에 데이터의 구조를 변경하여 로우데이터(DU)를 얻는 로우데이터가공단계(S110), 상기 의료데이터(HD)의 상기 로우데이터(DU)로부터 도메인단위의 비교를 통해, 인과관계 특징에 기초하는 로직으로서의 패턴추출정의(PD)로써 패턴데이터를 추출하여 상기 복수의 의료기관(H)의 각각의 단위패턴DB(Pd1,Pd2..Pdn)로 구축하는 단계(S120), 상기 의료기관(H)의 각각의 상기 단위패턴DB(Pd1,Pd2..Pdn)로부터 도메인단위 데이터의 결합체인 패턴DB(PDB)를 구축하는 단계(S130), 상기 패턴DB(PDB)의 패턴데이터를 정의된 패턴설정정의(PC)로써 분리하여 각각 일반패턴DB(Gd)와 관심패턴DB(Id)로 구축하는 단계(S140), 상기 후보패턴의 구축을 위하여 정의되는 패턴분석로직(PL)으로써 상기 일반패턴DB(Gd)와 상기 관심패턴DB(Id)의...(이하생략)
본 발명은 순서도의 데이터베이스 구축 방법 및 시스템에 관한 것으로서, 사용자가 통신망(I)으로 접속하는 서비스제공자(P:사업자)의 서버(MS)는 입력처리부(IP)와 출력처리부(OP)를 가지고, 상기 서버(MS)에서의 상기 입력처리부(IP)와 상기 출력처리부(OP)를 제어하는 제어장치에 의하여 데이터 입출되는 데이터베이스를 가지는 시스템에서, 객체-관계 모델(ERD)로서의 엔티티(Entity)인 박스(Box)와, 사인(Sign)으로 구성되는 순서도를 데이터베이스화하기 위하여; 상기 데이터베이스는, xy-좌표 기준점(0,0)에 대한 상기 박스의 상대 위치값(좌표위치)과 상기 박스의 형상(모양)의 데이터를 기록하는 박스데이터베이스(Box data DB: BDB)와, 상기, 사인(Sign)의 상하좌우 방향정보와 특정 상하위 박스로의 피드백 정보를 기록하는 사인데이터베이스(Sign DB:SDB)를 가지는 메인데이터베이스(F-DB)와, 상기 메인데이터베이스(F-DB)와 코드대비하여 링크되도록 정의되는 인덱스로서 칼럼간 협동하여, 상기 박스에서 정의되는 이벤트(작업)를 기록하는 복수 개의 타입데이터베이스(TDB1,TDB2,.TBN)와, 상기 복수 개의 타입데이터베이스(TDB1,TDB2,.TBN)와, 상기 박스데이터베이스(BDB) 사이의 각 연관된 데이터의 코드관리 및 제어기능을 수행하는 앤세스터데이터베이스(A...(이하생략)
본 발명에 의한, 공통 가명아이디의 교차 암호화를 이용한 트레이서블 의료데이터 제공시스템은 대상자의 고유식별정보가 입력되는 제1입력부; 제1암호화 프로세싱을 이용하여 상기 고유식별정보를 상기 대상자마다 독립된 가명아이디로 암호화하는 가명아이디생성부; 상기 가명아이디를 대상으로 제2암호화 프로세싱을 적용하여 해당 기관마다 독립된 CDM아이디를 생성하는 CDM아이디생성부; 및 상기 대상자의 의료기록데이터에 상기 CDM아이디를 연계한 객체데이터를 생성하는 객체처리부를 포함하는 것을 특징으로 한다.
일 실시 예에 따른 위계정보를 이용한 표준화된 용어 추천 방법은, 입력된 소스데이터에서 단어 벡터를 추출하는 단계; 추출된 단어 벡터를 인코더를 통해 문장벡터로 변환하는 단계; 상기 문장벡터로 변환된 소스데이터와 표준용어에 대해 기계학습을 기초로 유사도를 판단하는 단계; 및 상기 판단된 유사도를 기반으로 상기 입력된 소스데이터에 매핑되는 표준용어를 추천하는 단계를 포함하고, 상기 유사도는 상기 표준용어의 위계정보를 기반으로 보정될 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 29건 중 29건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 33.7 | 37.9 |
| 영업비용 | 80.8 | 78.6 |
| 영업이익(손실) | (47.0) | (40.7) |
| 영업외수익 | 16.3 | 36.6 |
| 기타이익 | 0.0 | 0.1 |
| 금융수익 | 16.2 | 36.5 |
| 영업외비용 | 24.5 | 25.2 |
| 기타손실 | 0.0 | 0.1 |
| 금융원가 | 24.5 | 25.1 |
| 법인세비용차감전순이익(손실) | (55.3) | (29.3) |
| 당기순이익(손실) | (55.3) | (29.3) |
매출은 37.9억으로 전년 대비 12.2% 증가한 것으로 나타났다.
영업이익률은 -107.4%로 전년 -139.4%에서 상승했다.
당기순이익은 -29.3억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인