메디지(MedEasy) - 디지털 소외 계층을 위한 대화형 AI 복약 관리 비서

Note

고령자와 같이 시력이 좋지 않은 디지털 소외 계층은 복약 관리 앱의 복잡한 사용법으로 인해 접근이 어려워, 약을 복용하지 않거나 중복 복용하는 등의 문제가 자주 발생하며 보호자의 도움이 필요하다.

메디지는 이러한 문제를 해결하기 위해 MCP와 LangGraph 기반의 음성 대화 인터페이스를 도입하여 사용자가 별도의 조작 없이도 복약 현황을 관리할 수 있도록 설계되었다.

복약 누락 시 보호자에게 실시간 알림을 보내고, 보호자 계정과의 연동을 통해 피보호자의 복약 상태를 원격으로 모니터링할 수 있다.

또한 95% 이상의 정확도로 알약 이미지 검색이 가능해 약에 대한 정보가 부족하거나 시각적 구분이 어려운 사용자도 의약품 정보를 쉽게 확인할 수 있다.

• 복잡한 폼 입력 대신 음성 대화 + 처방전/알약 촬영 + NFC 태깅으로 복약 관리
• MCP + LangGraph 기반 AI 에이전트가 사용자를 대신해 복약 관리 기능(조회·등록·기록)을 실행
• 식약처 공공데이터 + 이미지 인식 + OCR로 약 정보·병용금기·노인주의 정보를 신뢰성 있게 제공
• 보호자 연동 + 푸시 알림으로 고령자의 복약 누락·중복 복용 위험을 줄이고 돌봄 피로를 완화

지금 메디지를 먼저 사용해보세요

정식 출시 전 iPhone에서 메디지를 미리 체험할 수 있습니다.
TestFlight를 통해 설치하고 음성 기반 복약 관리 플로우를 직접 경험해 보세요.

1. 문제 (Issues)

I. 고령자의 디지털 역량 한계

• 복약 관리 앱은 많지만, 실제로 고령층의 복약 관리 앱 사용률은 2.5% 미만입니다.
• 작은 글자, 복잡한 메뉴, 많은 입력 항목 때문에 설치 후에도 정착이 잘 되지 않습니다.
• 복잡한 복약 스케줄(다수의 약, 여러 시점, 서로 다른 용량)을 직접 관리하기 어렵습니다.

II. 복약 오류와 건강 리스크

• 복용 누락(먹어야 할 약을 잊음)
• 중복 복용(이미 먹은 약을 다시 복용)
• 오래된 약·정체를 모르는 약 복용으로 인한 병용금기·부작용 위험

III. 보호자의 돌봄 피로도

• 보호자는 하루에도 여러 번 약 먹었는지 확인해야 합니다.
• 전화·메신저 확인에 의존하다 보니 시간·정서적 피로가 큽니다.
• 장기 돌봄 상황에서는 일상·업무와 병행하기 어렵습니다.

2. 시장 조사

유사 서비스를 조사하고 메디지만의 목표를 설정했습니다.

I. 경쟁 서비스

대부분의 기존 앱은 텍스트 기반 검색 또는 직접 입력 방식에 의존하고 있어
고령자나 디지털 취약 계층에게는 사용 난이도가 높습니다.

II. 브랜드 포지셔닝 맵

메디지가 목표로 하는 포지션은 대화만으로 약 검색·복약 관리가 가능한 서비스입니다.

3. 솔루션 & 핵심 가치 (Solutions & Values)

Solution 1. 음성 중심 복약 관리 (Conversational UX)

• 고령자는 “앱을 다루는 법” 대신 “말하는 것”만 알면 됨
• STT/TTS(Clova Voice)를 통해 음성으로 질문·응답하며 복약을 관리
• AI 에이전트가 사용자의 자연어를 복약 정보(약 이름, 용량, 횟수, 기간 등)로 구조화

예시
“오늘 받은 혈압약 복약 일정 좀 등록해줘.”
→ AI가 질문을 쪼개어 약 이름·복용 횟수·기간 등을 물어보고 일정까지 자동 등록

Solution 2. 빠르고 신뢰성 있는 약 정보 제공

• 식품의약품안전처 공공데이터 기반
  • 의약품 허가 정보
  • 의약품 낱알 식별 정보
  • DUR(병용금기, 노인주의 등) 안전 정보
• 알약 촬영 + 벡터 검색 + 유사도 알고리즘으로 이름을 몰라도 약을 찾을 수 있음
• 오래 보관한 약·기억이 나지 않는 약도 촬영만으로 정보 확인 가능

Solution 3. 보호자 연동 & 알림

• 인증 코드 기반 보호자 연동으로 신뢰성 있는 페어링
• 보호자가:
  • 피보호자의 복약 스케줄·복약 여부를 실시간으로 확인
  • 복약 일정을 대리 등록 가능
• 복약 시간, 복약 누락(0분·30분·60분 경과), 복약 기록에 맞춰
  사용자·보호자에게 푸시 알림 전송

Solution 4. NFC 태깅 기반 “원터치” 복약 체크

• 메디지 전용 NFC 카드를 제공
• “어떤 화면으로 들어가서 어떤 약을 눌러야 하는지” 찾지 않고
  폰을 카드에 태그하는 것만으로 복약 완료 처리
• 백그라운드 상태에서도 NFC 태깅 → 복약 처리 핸들러 실행 → 서버 기록까지 한 번에 수행

4. 주요 기능 (Features)

기능	설명
복약 AI 에이전트	MCP + LangGraph 기반 AI 에이전트가 사용자의 자연어를 이해하고, 복약 조회·등록·기록 API를 대신 호출합니다.
음성 대화 인터페이스	Clova STT/TTS를 사용해 고령자가 텍스트 입력 없이도 “말하기”만으로 복약 관리 기능을 사용할 수 있습니다.
알약 촬영 검색	Vertex AI + 공공데이터 기반으로 알약의 색상·모양·마크를 인식하고, 유사도 검색으로 가장 유력한 약품 후보를 제시합니다.
처방전 촬영 → 일정 자동 등록	클로바 OCR로 처방전 텍스트를 추출하고, 복약 정보로 구조화해 여러 개 약의 일정도 한 번에 등록합니다.
보호자 연동	보호자·피보호자 계정을 연결하고, 복약 일정/이력 조회 및 대리 일정 등록·관리가 가능합니다.
푸시 알림	복약 예정 시간, 누락 시 리마인드, 복약 완료 시점 등을 iOS 푸시로 사용자와 보호자에게 동시에 알립니다.
NFC 태깅 복약 체크	전용 NFC 카드를 태깅하면 앱 진입 및 약 선택 없이 바로 복약 기록이 처리됩니다.

5. AI 에이전트 성능 최적화 (AI Performance)

메디지 팀은 AI 에이전트 성능과 응답 속도를 핵심 지표로 두고 고도화했습니다.

I. 응답 지연 시간 개선

• 초기: 외부 라이브러리 + GPT-4o-mini 사용 시 평균 약 10.5초
• 최적화 과정:
  • 도구 초기화 시점 조정 및 캐싱
  • 모델 변경: GPT-4.1-nano로 교체
  • LangGraph 기반 단계별 처리 플로우 최적화
• 결과: 평균 약 3.6초 (66% 단축)

II. 사용자 의도 이해도 개선

복약 일정 조회/등록 시나리오를 중심으로 30회 테스트 기준:

• 의도 분류 정확도: 67% → 90%
• 필요한 정보 추출 정확도: 57% → 83%
• 적절한 도구 선택 성공률: 70% → 93%
• 사용자에게 재질문이 필요한 비율: 43% → 13%
• 전체 작업 성공률: 60% → 87%

사용자 의도 분석 → 도구 선택 → 결과 검증 → 재질문 → 최종 응답으로 이어지는
그래프 기반 에이전트 구조를 도입해 실제 사용 시 실패율을 낮추는 데 집중했습니다.

6. 알약 이미지 검색 & OCR 파이프라인 (Image Search)

I. 알약 이미지 검색

• 입력: 사용자가 촬영한 알약 사진
• 전처리: 크롭, 밝기 보정, 노이즈 제거
• 특징 추출:
  • 색상 그룹 (예: 노랑/주황/분홍/빨강/갈색 계열 묶음)
  • 제형 (원형, 타원형/장방형 등)
  • 각인/마크, 분할선 등
• 표준화 & 벡터화:
  • 식약처 의약품 낱알 식별 데이터를 정규화해서 Elasticsearch에 벡터로 저장
• 검색:
  • 색상·제형 필터 + 각인 토큰화 기반 유사도 검색
  • 일정 점수 이하일 경우 다른 각도로 촬영한 이미지 재검색(멀티 앵글 검증)

정확도 개선

• 초기 인식률: 약 40%
• 이미지 전처리 도입: 50%
• 색상/모양 분류 최적화(504개 기준): 82.9%
• 문자 인식 개선(1000개 기준): 89.7%
• 알약 데이터 정제(2000개 기준): 최종 약 96.6%

II. 처방전 OCR 기반 복약 일정 등록

• Clova OCR로 처방전/약봉투의 텍스트 추출
• 약 이름·복용량·복용 횟수·복용 일수 등을 구조화
• 메디지 DB에 있는 의약품 정보와 매칭
• AI 검증 단계를 추가해 복약 정보 추출 정확도 85% → 99% 수준으로 향상

7. 시스템 아키텍처 (Architecture)

I. Cloud Native MSA on Ncloud Kubernetes Service

• 모바일 앱: React Native
• 백엔드 서비스 분리
  • 복약 스케줄 관리 서버: Spring Boot + PostgreSQL
  • 알림 서버: Spring Boot + Redis (스케줄러 기반 배치 전송)
  • 약 검색/이미지 검색 서버: FastAPI + Elasticsearch
  • AI 에이전트 MCP 서버: FastAPI + Redis
• 인프라
  • Ncloud Kubernetes Service(NKS)
  • Ncloud Load Balancer + Ingress (API Gateway 역할)
  • Ncloud Container Registry, Source Commit, Source Pipeline (CI/CD)
• AI/외부 서비스
  • OpenAI GPT-4.1-nano (에이전트 대화)
  • Clova Voice (STT/TTS)
  • Clova OCR (처방전/약봉투 인식)
  • Vertex AI (알약 이미지 분류/객체 인식)
  • 공공데이터포털(식약처 의약품 허가·낱알식별·DUR)

II. MCP 기반 보안 설계

• AI 에이전트가 직접 전체 API에 접근하면 보안 리스크가 커지므로,
  • AI ←→ MCP 서버 ←→ 메디지 API 서버 구조로 분리
  • MCP 레벨에서 기능별 인가·토큰 검증·호출 제어를 추가해 보안성을 높였습니다.

8. 기술 스택 (Tech Stack)

I. Frontend (Mobile)

• React Native
• TypeScript
• Navigation / State / API 연동 (React Query 등)
• TestFlight 배포

II. Backend & AI

• Spring Boot (복약 스케줄·사용자/보호자 관리, 알림 스케줄)
• FastAPI (AI 에이전트, 알약 검색/이미지 분석)
• PostgreSQL (사용자·복약 일정·의약품 메타데이터)
• Redis (세션·캐시·알림 큐)
• Elasticsearch (낱알 식별 유사도 검색)
• OpenAI GPT-4.1-nano + LangGraph + MCP
• Naver Clova Voice / OCR
• GCP Vertex AI (알약 이미지 분류/객체 탐지)

III. Infra & DevOps

• Ncloud Kubernetes Service (NKS)
• Ncloud Load Balancer / Ingress
• Ncloud Container Registry
• Ncloud Source Commit / Source Pipeline (CI/CD)
• FCM / APNs (푸시 알림)

9. 외부 API 및 서비스 (External Services)

구분	서비스 / API	용도
공공데이터포털	식약처 의약품 허가 정보 / 낱알 식별 / DUR	알약 이름, 성분, 병용금기/노인주의 정보 조회
OpenAI GPT-4.1-nano	LangGraph 기반 대화형 복약 에이전트	사용자 의도 파악, 복약 루틴 추출 및 기능 호출 제어
Naver Clova Voice	STT / TTS	사용자의 음성을 텍스트로 변환, 약 설명을 음성으로 안내
Naver Clova OCR	처방전/약봉투 이미지 OCR	약 이름, 복용량, 횟수, 기간 등 정보 추출
Vertex AI (GCP)	알약 이미지 분류 / 객체 인식	알약 색상·제형·각인 분석 및 유사도 검색용 특징 추출
FCM / APNs	푸시 알림 발송	복약 시간, 누락 알림, 보호자 알림
Ncloud K8S + Load Balancer	인프라 운영	Cloud Native MSA 기반 백엔드 운영 및 트래픽 분산

10. 기대 효과 (Outcomes)

번호	내용
01	음성 대화를 통한 복약 관리로 디지털 취약 계층의 정보 접근성 향상
02	NFC 태그 기반 복약 체크와 푸시 알림으로 백그라운드에서 복약 관리
03	약 95% 정확도의 의약품 촬영 기능으로 약 이름 없이도 간편한 검색 가능
04	복용 금기 및 약물 간 상호작용 정보 제공으로 부작용 및 오남용 예방
05	가족 또는 간병인의 실시간 복약 현황 확인으로 돌봄 효율 향상

11. 확장성 (Impact)

서비스 확장성 (Service Expansion)

01. AI 에이전트의 사용자 커스텀 기능 강화

• 현재 방식: 단순히 대화를 저장하여 대화의 흐름을 유지하는 데 집중
• 개선 방향: 일정 주기로 대화 로그를 분석하여, 사용자 개인의 복약 패턴을 분석해 개인에게 맞는 AI 서비스를 제공

02. 알약 촬영 의약품 안전 검색 모드 추가

• 현재 방식: 알약 사진 퀄리티에 따라 잘못된 결과 및 클릭 확인이 존재
• 개선 방향: 사용자가 이전에 복용, 검색, 조회하였던 의약품에 가중치를 주어 검색 결과 제공

시스템 확장성 (System Expansion)

03. AI 기능 특화 로드밸런싱

• 현재 방식: 요청을 균등하게 분배하는 일반 로드밸런싱 방식 사용
• 개선 방향: AI 작업 복잡도를 예측, 부하에 따라 균등하게 요청을 분배 → 컴퓨팅 자원 효율화

04. 관찰가능성 도입

• 현재 방식: 서비스별로 로그 관리, 장애 발생 시 디버깅
• 개선 방향: 서비스의 로그, 트레이스, 메트릭 데이터에 식별자를 추가하고 연관하여 저장

12. 팀 소개 (Team)

Profile	Name	Role	Contact
	👑 박지원	Backend Developer	Email: [email protected] GitHub: @jiwonp7747
	홍영준	Backend Developer	Email: [email protected] GitHub: @HONGMOEJI
	조현주	UX/UI / Frontend Developer	Email: [email protected] GitHub: @hyynjju
	김가영	Frontend Developer	Email: [email protected] GitHub: @kimgazii
	양예영	Frontend Developer	Email: [email protected] GitHub: @hs-2171117-yeyoungyang