집단 건강 관리 지원을 위한 종단형 HCAI 플랫폼 JEEVHITAA

초록

JEEVHITAA는 역할 기반 접근 제어와 종단 암호화를 적용해 다중 행위자 간의 건강 데이터 공유를 안전하게 지원한다. BLE·Health‑Connect 센서 데이터를 레이어드 프로파일로 통합하고, 검증 가능한 LLM 요약·액션 플랜을 제공함으로써 집단 케어 워크플로우를 자동화한다. 합성 온톨로지 데이터와 실제 가정 실험을 통해 보안·프라이버시·요약 정확성을 검증하였다.

상세 분석

JEEVHITAA는 기존 모바일 헬스 플랫폼이 개인 중심으로 설계된 한계를 극복하고, ‘케어 서클’이라는 집단 단위를 설계의 기본 단위로 삼는다. 이를 위해 세 가지 핵심 기술 축을 구축한다. 첫째, 역할 인식형 접근 제어(Role‑aware ACL)이다. 시스템은 사용자 프로파일을 ‘역할’, ‘시간 구간’, ‘책임 수준’ 등 메타데이터와 결합해 정책 트리를 생성하고, 정책 엔진은 실시간으로 권한을 평가한다. 정책은 시간‑제한형(예: 24시간 내 응급 상황에만 의사에게 공개)과 위임‑취소 흐름을 지원하며, 키 회전 및 폐기 메커니즘을 통해 권한 변경 시 즉시 적용된다. 둘째, 종단‑암호화와 불변 감사 로그이다. 로컬 키스토어/키체인을 이용해 센서 데이터와 PDF 문서를 암호화하고, 피어‑투‑피어 동기화 시에도 전송 암호화를 유지한다. 모든 접근·변경 이벤트는 블록체인‑유사 구조의 해시 체인에 기록돼, 사후 검증이 가능하도록 설계되었다. 셋째, 검증 가능한 RAG(검색‑증강‑생성) 파이프라인이다. 로컬·클라우드 벡터 인덱스를 활용해 관련 메타데이터를 검색하고, 대형 언어 모델에 프롬프트로 제공한다. 모델은 요약·액션 플랜을 생성하면서, 근거 문서의 URI와 신뢰도 점수를 메타데이터에 첨부한다. 이렇게 생성된 인사이트는 역할별(예: 배우자, 간호사, 의사)로 맞춤형 UI에 표시되며, 사용자는 근거를 클릭해 원본 데이터를 확인할 수 있다.

평가 측면에서 저자는 두 가지 실험을 수행한다. 첫 번째는 온톨로지‑구동 합성 데이터셋을 이용한 시뮬레이션으로, 다양한 ACL 설정 하에서 정보 노출량과 요약 정확도(F1, BLEU)를 측정한다. 결과는 역할‑기반 정책이 기존 전역 공유 방식에 비해 평균 42% 적은 민감 데이터 노출과 15% 높은 요약 일관성을 보였다. 두 번째는 인도 내 실제 가정 5명을 대상으로 한 파일리티 스터디로, 참여자들은 평균 3.2시간의 사용 후 설문에서 ‘프라이버시 인식 향상’과 ‘협업 효율성 증대’를 긍정적으로 평가했다.

하지만 몇 가지 한계도 존재한다. 첫째, 현재 구현은 BLE와 Health‑Connect에 국한돼 있어, 다른 표준(예: Apple HealthKit, Google Fit)과의 호환성이 제한적이다. 둘째, LLM 검증 단계는 근거 문서가 온톨로지에 정확히 매핑돼 있을 때만 신뢰성이 확보되므로, 온톨로지 품질에 크게 의존한다. 셋째, 실시간 긴급 상황에서 정책 평가와 키 회전이 지연될 가능성이 있어, 응답 시간에 대한 정량적 분석이 부족하다. 향후 연구에서는 멀티‑플랫폼 커넥터 확대, 온톨로지 자동 정제, 그리고 정책 엔진의 실시간 성능 최적화를 목표로 한다. 전반적으로 JEEVHITAA는 집단 케어 환경에서 보안·프라이버시·AI 지원을 통합한 최초의 종단형 프레임워크로, 디지털 헬스케어의 설계 패러다임을 개인 중심에서 집단 중심으로 전환하는 중요한 시도라 할 수 있다.