Loading the company…
Loading the company…
㈜카카오헬스케어
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-09 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Gyeonggi, founded in 2022. Industry: Software & IT Services. Revenue for 2025 was ₩23.1bn. It has 229 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2026-03-18 · latest registration 2025-04-10 · newest first
적어도 하나의 프로세서에 의한 군집화 방법으로서, 검사 코드명을 포함하는 메타데이터를 기초로 대량 의료 보고서들을 공통의 검사 정보를 갖는 검사 그룹들로 분류하는 단계, 각 검사 그룹에 포함된 의료 보고서들 간의 문서 구조 및 정보 구성의 유사도를 분석하는 단계, 그리고 검사 그룹별로 분석된 의료 보고서들 간의 유사도를 기초로 해당 검사 그룹에 포함된 의료 보고서들을 군집화하는 단계를 포함한다.
장치가 체중 관리 서비스를 제공하는 방법으로서, 사용자의 설문 데이터로부터 추론된 체중 관리 영향 요인들을 기초로 상기 사용자의 식사 성향을 나타내는 피노타입을 결정하는 단계, 상기 피노타입 및 상기 사용자가 설정한 건강 목표에 기반하여 식사 루틴을 포함하는 체중 관리 루틴을 생성하는 단계, 그리고 상기 사용자에게 상기 체중 관리 루틴을 제공하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 의료 기관의 로컬 용어를 의료 표준 용어에 매핑하는 방법으로서, 의료 용어 표준에 등록된 표준 용어들과 참조 용어들이 매핑된 참조 용어-표준 용어 테이블을 생성하는 단계, 적어도 하나의 로컬 용어에 대한 매핑 작업 요청에 응답하여, 상기 참조 용어-표준 용어 테이블에서 상기 로컬 용어와 일치하거나 유사한 참조 용어를 탐색하고, 상기 로컬 용어와 일치하거나 유사한 적어도 하나의 특정 참조 용어를 결정하는 단계, 그리고 상기 적어도 하나의 특정 참조 용어에 매핑된 적어도 하나의 특정 표준 용어를 상기 로컬 용어의 매핑 결과로 생성하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 의료 표준 용어를 생성하는 방법으로서, 의료 용어 표준에 정의된 규칙에 따라, 타겟 용어를 신규 표준 용어로 생성하기 위한 속성(attribute) 및 값(value)을 핵심 용어의 모델링 정보를 기초로 추천하고, 상기 핵심 용어의 근위 원시(proximal primitive) 용어와 사용자에 의해 확정된 속성-값 쌍으로 조합된 표현식을 생성하는 단계, 상기 타겟 용어, 상기 핵심 용어 또는 상기 속성-값 쌍들 중 적어도 하나를 기초로 상기 신규 표준 용어의 공식 이름을 추천하는 단계, 코드 생성 로직에 따라 상기 신규 표준 용어의 개념 코드를 생성하는 단계, 그리고 상기 표현식을 사용하여 상기 개념 코드와 상기 공식 이름을 가진 신규 표준 용어를 생성하는 단계를 포함한다.
적어도 하나의 프로세서에 의한 인공지능 모델의 성능을 평가하는 방법으로서, 상기 인공지능 모델이 입력 문서를 계층적으로 구조화하여 생성한 문서 구조화 결과, 그리고 상기 입력 문서가 계층적으로 구조화된 정답지를 획득하는 단계, 상기 정답지와 상기 문서 구조화 결과 각각을 의미 단위의 개체(entity) 묶음인 의미 블록들로 변환하는 단계, 상기 정답지와 문서 구조화 결과를 구성하는 의미 블록들을 서로 매칭하여 의미 블록 쌍들을 조합하는 단계, 각 의미 블록 쌍의 유사도를 계산하는 단계, 그리고 상기 의미 블록 쌍들의 유사도를 종합해서 상기 인공지능 모델의 성능 평가 결과를 계산하는 단계를 포함한다.
장치의 동작 방법으로서, 사용자로부터 음식 영상과 위치 정보를 포함하는 식사 자료를 획득하는 단계, 상기 음식 영상의 촬영 시각 또는 상기 음식 영상의 업로드 시각을 이용하여 식사 시점을 결정하는 단계, 상기 위치 정보를 기초로 장소명을 결정하는 단계, 데이터베이스에 등록된 음식명들 중에서, 상기 음식 영상 및 상기 장소명에 관련된 적어도 하나의 음식명을 식사 종류 후보로 결정하는 단계, 그리고 상기 식사 시점 및 상기 식사 종류 후보를 포함하는 식사 기록 추천 정보를 상기 사용자에게 제공하는 단계를 포함한다.
장치의 동작 방법으로서, 사용자의 현재 건강 상태 정보를 획득하는 단계, 상기 현재 건강 상태 정보를 기초로 건강 상태 개선을 위해 필요한 영양성분을 추론하는 단계, 식당별 영양 프로파일을 이용하여, 검색 지역에서 상기 필요한 영양성분을 제공할 수 있는 식당들을 검색하는 단계, 상기 검색한 식당들 중에서 상기 사용자에게 추천할 적어도 하나의 추천 식당을 결정하는 단계, 그리고 상기 적어도 하나의 추천 식당에 대한 추천 식당 정보를 상기 사용자에게 제공하는 단계를 포함한다.
혈당 관리 서비스를 제공하는 장치의 동작 방법으로서, 비연속적으로 측정된 사용자의 비연속 혈당 데이터를 획득하는 단계, 상기 비연속 혈당 데이터를 포함하는 사용자 데이터를 기초로, 사용자 혈당의 이상 변화를 탐지하는 단계, 상기 이상 변화의 탐지 결과를 포함하는 판단 정보를 기초로 연속 혈당 측정의 필요성 점수를 계산하는 단계, 그리고 상기 연속 혈당 측정의 필요성 점수를 기초로, 상기 사용자에게 연속 혈당 측정을 추천하는 단계를 포함한다.
혈당 관리 서비스를 제공하는 장치의 동작 방법으로서, 사용자의 혈당 데이터와 상기 사용자에 의해 수행된 이벤트 관련 데이터를 포함하는 사용자 히스토리를 누적 관리하는 단계, 상기 사용자 히스토리를 기초로 이벤트들과 혈당 데이터의 관계를 분석하도록 훈련된 인공지능 모델을 사용하여, 혈당 변화를 유발한 적어도 하나의 관심 이벤트를 추론하는 단계, 상기 사용자 히스토리에 상기 관심 이벤트가 기록되어 있는지 확인하고, 미기록된 상기 관심 이벤트를 누락 이벤트로 결정하는 단계, 그리고 상기 누락 이벤트의 기록을 유도하기 위한 이벤트 입력 또는 이벤트 기록 승인을 상기 사용자에게 요청하는 단계를 포함한다.
혈당 관리 서비스를 제공하는 장치의 동작 방법으로서, 혈당 관리 서비스를 이용 중인 사용자들에게 제공할 콘텐츠 목록을 관리하는 단계, 의료 정보, 인류통계학정보, 그리고 연속 혈당 측정 센서 착용 정보, 그리고 혈당 데이터 또는 사용자 이벤트를 포함하는 실시간 정보 중 적어도 하나를 포함하는 사용자 상황 정보를 획득하는 단계, 상기 사용자 상황 정보를 이용하여, 상기 콘텐츠 목록에서 적어도 하나의 사용자 맞춤형 콘텐츠를 결정하는 단계, 그리고 사용자에게 상기 사용자 맞춤형 콘텐츠를 포함하는 콘텐츠를 제공하는 단계를 포함한다.
혈당 관리 서비스를 제공하는 장치의 동작 방법으로서, 사용자의 혈당 데이터와 상기 사용자에 의해 수행된 이벤트 관련 데이터를 포함하는 사용자 히스토리를 기초로 훈련된 인공지능 모델을 사용하여, 시간에 따른 실시간 혈당 데이터의 제1 혈당 변화를 예측하는 단계, 상기 인공지능 모델을 사용하여, 복수의 이벤트들 중에서 상기 제1 혈당 변화를 제2 혈당 변화로 변경하기 위한 적어도 하나의 이벤트를 결정하는 단계, 그리고 상기 적어도 하나의 이벤트의 수행을 제안하는 가이드라인을 상기 사용자에게 제공하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 동작하는 장치가 의료 기관 용어를 의료 표준 용어에 매핑하는 방법으로서, 타겟 기관에서 사용하는 적어도 하나의 타겟 기관-용어 코드 및 타겟 기관-용어명을 매핑 작업 대상으로 획득하는 단계, 표준 코드 및 표준 용어명을 포함하는 표준 용어 데이터베이스, 또는 특정 기관에서 사용하는 특정 기관-용어명에 표준 코드 및 표준 용어명이 매핑된 상기 특정 기관의 매핑 테이블 중 적어도 하나를 검색해서, 상기 타겟 기관-용어명과 동일유사한 표준 용어명 또는 특정 기관-용어명을 획득하는 단계, 그리고 상기 표준 용어 데이터베이스 또는 상기 특정 기관의 매핑 테이블을 이용하여, 획득한 표준 용어명 또는 특정 기관-용어명에 대응된 표준 용어 정보를 추출하고, 상기 표준 용어 정보를 상기 매핑 작업 대상을 위한 매핑 대상으로 추천하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 동작하는 장치의 동작 방법으로서, 의료 용어 표준에 추가할 적어도 하나의 신규 용어, 그리고 상기 신규 용어를 표현하기 위해 상기 의료 용어 표준에 등록된 핵심 용어를 기준으로 작성된 후조합 표현식을 획득하는 단계, 상기 후조합 표현식을 구성하는 핵심 용어, 그리고 관계 정보에 해당하는 속성-값 쌍을 추출하는 단계, 그리고 상기 후조합 표현식에 포함된 속성-값 쌍을 이용하여 상기 신규 용어의 관계 정보를 생성하고, 상기 핵심 용어의 관계 정보 중에서 상기 후조합 표현식에 의해 변경되지 않은 관계 정보를 상기 신규 용어에 상속하여 상기 신규 용어의 관계 테이블을 생성하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 동작하는 장치의 동작 방법으로서, 질환별 연구를 위해 임상데이터웨어하우스에서 추출 가능한 데이터 항목들을 포함하고, 질환별 환자군을 추출할 수 있는 의학적 조건들을 포함하는 질환별 패브릭(fabric) 조건을 적용하여 각 데이터 항목의 테이블을 생성하는 의료 데이터 라이브러리를 구축하는 단계, 특정 질환의 연구를 위한 데이터베이스 생성 요청을 획득하는 단계, 상기 의료 데이터 라이브러리에서 상기 특정 질환의 연구에 관계된 특정 데이터 항목들을 결정하는 단계, 상기 특정 질환의 패브릭 조건을 적용하여 한정된 상기 특정 질환의 환자군 데이터를 이용하여, 상기 특정 데이터 항목들 각각의 테이블을 생성하는 단계, 그리고 상기 특정 데이터 항목들의 테이블들을 이용하여 상기 특정 질환의 연구를 위한 데이터베이스를 생성하는 단계를 포함한다.
사용자 단말이 혈당 관리 서비스를 제공하는 방법으로서, 시간에 따라 측정된 혈당 정보를 나타내는 혈당 그래프를 표시하는 단계, 식사 기록을 획득하는 단계, 그리고 상기 식사 기록에 의한 식후 혈당 상승을 낮추기 위한 운동 가이드라인을 표시하는 단계를 포함한다.
적어도 하나의 프로세서에 의해 동작하는 장치의 동작 방법으로서, 라이프스타일 데이터를 포함하는 개인 건강 데이터를 수신하는 단계, 입력 데이터로부터 건강 위험 사건들의 발생 가능성을 예측하도록 훈련된 인공지능 모델을 사용하여, 상기 개인 건강 데이터로부터 건강 위험 평가 결과를 예측하는 단계, 그리고 상기 건강 위험 평가 결과를 사용자 단말로 전송하는 단계를 포함한다.
실시예들은 각 의료기관 내 적어도 하나의 중환자실에 입원한 환자의 생체 정보 및 중환자실 정보를 획득하고 상기 생체 정보 및 중환자실 정보에 기초하여 환자의 의료 데이터 및 중환자실 현황 데이터를 각각 생성하는 복수의 운영 시스템; 상기 복수의 운영 시스템(30) 중 일부 또는 전부에게 데이터 공급 요청을 전송하고 공급받은 데이터를 사용하여 연계된 의료기관들의 중환자실 현황을 요약한 통합 모니터링 결과를 제공하는 관제센터 시스템; 및 공급 요청 또는 데이터를 전송하기 위해 각 운영 시스템과 상기 관제센터 시스템에 각각 연결된 복수의 게이트웨이를 포함하고, 상기 환자의 의료 데이터 및 중환자실 현황 데이터는 해당 의료기관의 운영 시스템에 보관되는 것을 특징으로 하는 중환자실 통합 관제 시스템에 관련된다.
코호트 추출 장치의 동작 방법으로서, 코호트 생성 조건을 입력받고, 임상데이터웨어하우스에서 상기 코호트 생성 조건에 해당하는 이벤트들을 추출하는 단계, 추출한 각 이벤트의 이벤트 식별자, 환자 식별자, 그리고 최초 단계의 조건 만족을 나타내는 비트열을 포함하는 최초 히스토리 테이블을 생성하는 단계, 현재 단계의 조건을 입력받고, 직전 단계의 히스토리 테이블에 포함된 환자들 중에서, 상기 현재 단계의 조건에 해당하는 이벤트를 가지는 현재 단계 환자들을 식별하고, 상기 직전 단계의 히스토리 테이블에 포함된 상기 현재 단계 환자들의 각 이벤트에 대해 비트열을 갱신하고, 상기 현재 단계에서 추출된 신규 이벤트들을 추가하여 현재 단계의 히스토리 테이블을 생성하는 단계, 그리고 단계별 히스토리 테이블을 순차적으로 생성한 이후, 최종 단계의 히스토리 테이블을 이용하여 코호트 테이블을 생성하는 단계를 포함한다.
데이터 변환 장치의 동작 방법으로서, 환자별 의료데이터를 입력받고, 상기 의료데이터에 포함된 변수들의 변수 값을 포함하는 변수 정보를 변수 데이터 테이블에 저장하는 단계, 상기 변수 데이터 테이블에서, 변환 대상인 적어도 하나의 변수를 확인하고, 변수 메타데이터 저장소를 참조하여 각 변수의 변수 타입을 조회하는 단계, 벡터 저장소를 참조하여, 상기 변수 타입에 매핑된 벡터화 함수들을 조회하고, 설정된 벡터화 함수 결정 규칙 및 변수 속성에 따라, 각 변수의 벡터화 함수셋을 결정하는 단계, 각 벡터화 함수에 설정된 변환 조건에 따라, 상기 변환 대상인 변수에 지정된 적어도 하나의 벡터화 함수를 적용해서 변환 데이터를 생성하는 단계, 그리고 생성된 변환 데이터들을 이용하여 인공지능 모델의 학습 데이터를 생성하는 단계를 포함한다.
실시예들은 수요기관 장치로부터 대상 헬스케어 소비자의 PHR 데이터를 제공해달란 요청을 수신하고, 상기 대상 헬스케어 소비자가 동의한 교류 범위에 기초하여 대상 헬스케어 소비자의 PHR 데이터를 제공하기 위한 교류 데이터 제공 요청을 상기 FHIR 서버로 전송하며, 상기 교류 데이터를 수신하여 상기 수요기관 장치로 전달하는 PHR 교류 시스템 및 방법에 관련된다.
일 실시예에 따른 병원의 의사결정 장치는, 환자에 대한 진료정보를 입력 받는 입출력부; 복수의 환자에 대한 진료정보가 기 정해진 구조 형식의 데이터로 변환되어 저장되어 있는 메모리; 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하며, 상기 메모리는, 상기 프로세서가, 상기 기 정해진 구조 형식의 데이터를 입력으로, 상기 복수의 환자에 대해 발생될 수 있는 적어도 하나의 의료 이벤트를 정답으로하여 학습된, 딥러닝 학습모델을 통해 상기 환자에 대한 적어도 하나의 의료 이벤트를 예측하고, 상기 예측된 상기 환자에 대한 적어도 하나의 의료 이벤트, 상기 환자에 대한 진료정보 및 병원의 상태정보를 고려하여 상기 병원의 의사결정을 수행하도록 하는 명령을 포함할 수 있다.
의료진 중심의 환자 관리를 위한 환자 포탈 시스템 및 이를 이용한 관리 방법을 개시한다. 본 발명은 환자 중심에서 의료진 중심으로 시각을 변화하여 환자의 건강 상태 관리를 통해 환자에게 실질적인 도움이 되는 서비스를 제공하고, 환자의 건강 정보를 의료진의 연구 활동 정보로 활용 가능한 장점이 있다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 22 of 22 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 11.9 | 23.1 |
| Operating expenses | 46.9 | 62.3 |
| Operating income (loss) | (34.9) | (39.2) |
| Non-operating income | 0.7 | 1.6 |
| Other gains | 0.1 | 0.0 |
| Finance income | 0.6 | 1.6 |
| Non-operating expenses | 21.8 | 0.7 |
| Other losses | 7.7 | 0.1 |
| Finance costs | 14.1 | 0.6 |
| Profit (loss) before tax | (56.0) | (38.3) |
| Income tax expense | 1.4 | — |
| Net income (loss) | (54.6) | (38.3) |
Revenue ₩23.1bn, up 93.5% YoY.
Operating margin -169.7% (prior -292.2%).
Net income ₩-38.3bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.