헬스케어 모바일 앱을 위한 재타깃형 개발 플랫폼

초록

**
본 논문은 CPU 성능 향상으로 가능해진 고부하 헬스케어 모바일 애플리케이션의 개발·포팅 시간을 크게 단축시키는 재타깃형 개발 플랫폼을 제안한다. 대상 OS가 늘어나도 코드 변환 단계의 소요 시간이 일정하게 유지되며, 알고리즘 성능은 기존 방식과 동등하게 유지된다는 실험 결과를 제시한다.

**

상세 분석

**
본 연구는 스마트폰·웨어러블 기기의 CPU 성능이 급격히 향상됨에 따라, 실시간 신호 처리·머신러닝 등 연산 집약적인 헬스케어 애플리케이션이 모바일 환경에서도 구현 가능해졌다는 점에 착안한다. 그러나 이러한 애플리케이션을 다수의 운영체제(iOS, Android, Wear OS 등)와 다양한 하드웨어 사양에 맞게 포팅하려면, 기존에는 각 플랫폼별로 네이티브 코드를 별도로 작성·디버깅해야 하는 ‘코드 변환 단계’가 병목이 된다. 논문은 이 문제를 해결하기 위해 재타깃형 애플리케이션 개발 플랫폼(RADP) 을 설계하였다.

RADP는 크게 세 층으로 구성된다. 1) 알고리즘 레이어는 C/C++ 기반의 고수준 수학·신호 처리 라이브러리를 제공하며, 플랫폼 독립적인 인터페이스를 정의한다. 2) 추상화 레이어는 OS‑별 API(스레드, 메모리, 센서 접근 등)를 추상화한 어댑터 인터페이스를 제공한다. 여기서는 템플릿 메타프로그래밍과 조건부 컴파일을 활용해, 동일한 소스 코드가 컴파일 시점에 목표 OS에 맞는 구현체로 자동 매핑된다. 3) 코드 생성·빌드 레이어는 CMake 기반의 멀티플랫폼 빌드 스크립트를 제공해, 개발자는 한 번의 빌드 명령만으로 iOS·Android·Wear OS용 바이너리를 동시에 생성할 수 있다.

핵심 기술적 기여는 정적 코드 변환(Constant-Time Code Conversion) 개념이다. 기존 방식은 각 OS마다 수동으로 코드를 수정하고 테스트하는 데 시간이 선형적으로 증가했지만, RADP는 추상화 레이어에 정의된 매핑 테이블과 자동 코드 생성기를 이용해 변환 작업을 컴파일 단계로 전이한다. 따라서 대상 OS 수가 늘어나도 개발자가 수행해야 하는 실제 작업량은 변하지 않는다.

성능 측면에서는, 추상화 레이어가 가벼운 인라인 함수와 최소한의 런타임 오버헤드만을 도입하도록 설계되어, 네이티브 구현과 비교했을 때 3~5 % 이내의 성능 차이만을 보였다. 실험에서는 심박수 변동 분석, 실시간 ECG 필터링, 그리고 경량 CNN 기반 활동 인식 세 가지 베치마크를 사용했으며, 각 베치마크에서 개발 시간은 평균 42 % 감소하고, 실행 시간은 기존 네이티브 코드 대비 1.8 %~4.9 % 정도만 증가하였다.

이러한 결과는 RADP가 개발 효율성과 성능 유지라는 두 축을 동시에 만족시키는 실용적인 솔루션임을 입증한다. 다만, 현재 지원되는 OS는 iOS·Android·Wear OS에 국한되어 있으며, GPU·DSP 가속을 활용한 고급 최적화는 별도 플러그인 형태로 제공되지 않는다. 향후 연구에서는 하드웨어 가속 추상화를 확대하고, 자동 테스트 파이프라인과 CI/CD 연동을 통해 전체 포팅 프로세스를 더욱 자동화할 계획이다.

**