KR102491357B1 - 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 - Google Patents
뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 Download PDFInfo
- Publication number
- KR102491357B1 KR102491357B1 KR1020220090472A KR20220090472A KR102491357B1 KR 102491357 B1 KR102491357 B1 KR 102491357B1 KR 1020220090472 A KR1020220090472 A KR 1020220090472A KR 20220090472 A KR20220090472 A KR 20220090472A KR 102491357 B1 KR102491357 B1 KR 102491357B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- medical institution
- tax
- medical
- information related
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000006870 function Effects 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 35
- 238000013210 evaluation model Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 68
- 238000004891 communication Methods 0.000 description 61
- 238000012545 processing Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000036541 health Effects 0.000 description 8
- 238000011176 pooling Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000009193 crawling Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000399 orthopedic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- VKWMGUNWDFIWNW-UHFFFAOYSA-N 2-chloro-1,1-dioxo-1,2-benzothiazol-3-one Chemical compound C1=CC=C2S(=O)(=O)N(Cl)C(=O)C2=C1 VKWMGUNWDFIWNW-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002316 cosmetic surgery Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
Abstract
실시예들은 서버가 뉴럴 네트워크(neural network)를 이용하여 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 제공하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 상기 의료기관에 대한 재무 정보와 상기 의료기관에 대한 세무 정보를 획득하고, 상기 의료기관에 대한 재무 정보는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보, 보험금 청구와 관련된 정보, 법인카드 사용 내역과 관련된 정보, 계좌별 입출금 내역과 관련된 정보를 포함하고, 상기 의료기관에 대한 세무 정보는 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보를 포함하고, 상기 사업자 정보, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보에 기반한 상기 의료기관의 경영 상태에 대한 점수를 결정하고, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보는 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 생성되고, 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 상기 의료기관과 관련된 전산 서버에게 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 요청하고, 상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정하고, 상기 제1 청구 내역은 상기 보험금 청구와 관련된 정보에서 누락된 보험금 청구 내역이고, 상기 제2 청구 내역은 상기 보험금 청구와 관련된 정보에 대해 추가된 보험금 청구 내역이고, 상기 의료기관에 대한 재무 정보, 상기 의료기관에 대한 세무 정보, 상기 의료기관의 경영 상태에 대한 점수, 상기 제1 청구 내역 및 상기 제2 청구 내역을 포함하는 상기 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 전송하는 단계를 포함할 수 있다.
Description
본 개시의 실시예들은 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 기술에 대한 것이다.
일반적으로 대형 의료기관들이 아닌 중소형 의료기관들은 경영실적을 분석하기 위한 수단을 구비하기 어렵기 때문에, 회계 분석이나 관리 분석을 경영자의 노하우만으로 처리하는 경우가 대부분이다.
한편, 스마트폰의 사용이 대중화되면서, 의료기관의 경영자는 스마트폰을 통해 실시간으로 의료기관에 대한 경영 내역을 확인할 수 있게 되었다. 다만, 기존 회계 관련 어플리케이션들은 일반 경영자들을 위해 제공되고 있기 때문에, 의료기관의 특수성을 고려하지 않은 경영 내역이 제공되는 문제가 있다.
이에, 건강보험이 적용되는 급여 진료비용이 청구된 내역까지 반영된 의료기관의 수입, 지출 및 세액을 기반으로 뉴럴 네트워크를 통해 향후 수입, 지출 및 세액을 예측하고, 예측된 정보와 함께 의료기관의 재무 상태 및 의료기관의 세무 상태를 의료기관의 경영자에게 제공하는 방법이 필요하다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 서버가 뉴럴 네트워크(neural network)를 이용하여 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 제공하는 방법은, 상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 상기 의료기관에 대한 재무 정보와 상기 의료기관에 대한 세무 정보를 획득하고, 상기 의료기관에 대한 재무 정보는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보, 보험금 청구와 관련된 정보, 법인카드 사용 내역과 관련된 정보, 계좌별 입출금 내역과 관련된 정보를 포함하고, 상기 의료기관에 대한 세무 정보는 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보를 포함하고, 상기 사업자 정보, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보에 기반한 상기 의료기관의 경영 상태에 대한 점수를 결정하고, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보는 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 생성되고, 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 상기 의료기관과 관련된 전산 서버에게 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 요청하고, 상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정하고, 상기 제1 청구 내역은 상기 보험금 청구와 관련된 정보에서 누락된 보험금 청구 내역이고, 상기 제2 청구 내역은 상기 보험금 청구와 관련된 정보에 대해 추가된 보험금 청구 내역이고, 상기 의료기관에 대한 재무 정보, 상기 의료기관에 대한 세무 정보, 상기 의료기관의 경영 상태에 대한 점수, 상기 제1 청구 내역 및 상기 제2 청구 내역을 포함하는 상기 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 전송하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 방법은, 상기 세금계산서와 관련된 정보, 상기 계산서와 관련된 정보, 상기 현금영수증과 관련된 정보, 상기 카드 매출과 관련된 정보 및 상기 보험금 청구와 관련된 정보에 기반하여 사전 설정된 제1 기간 내 상기 의료기관의 수입을 결정하고, 상기 법인카드 사용 내역과 관련된 정보 및 상기 계좌별 입출금 내역과 관련된 정보에 기반하여 상기 사전 설정된 제1 기간 내 상기 의료기관의 지출을 결정하는 단계를 더 포함할 수 있다. 예를 들어, 상기 의료기관의 수입에서 상기 의료기관의 지출을 뺀 제1 차이 값이 결정될 수 있다. 예를 들어, 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 설정된 복수의 그룹 중에서 상기 의료기관이 포함된 그룹이 결정될 수 있다. 예를 들어, 상기 그룹에 포함된 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 평균 수입에서 평균 지출을 뺀 제2 차이 값이 결정될 수 있다. 예를 들어, 상기 제1 차이 값이 상기 제2 차이 값보다 작은 것에 기반하여, 상기 의료기관과 관련된 단말에게 마케팅과 관련된 정보가 전송될 수 있다.
일 실시예에 따라, 상기 의료기관의 경영 상태에 대한 점수는 하기 수학식에 의해 결정될 수 있다.
상기 수학식에서, 상기 p는 상기 의료기관의 경영 상태에 대한 점수이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 n은 상기 그룹에 포함된 복수의 의료기관의 개수이고, 상기 a는 상기 평가 모델이 의해 사전 설정된 제2 기간에 대해 예측된 의료기관의 수입이고, 상기 b는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 지출이고, 상기 c는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 세액이고, 상기 ai는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 수입이고, 상기 bi는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 지출이고, 상기 ci는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 세액일 수 있다.
예를 들어, 상기 사전 설정된 점수는 하기 수학식에 의해 결정될 수 있다.
상기 수학식에서, 상기 pth는 상기 사전 설정된 점수이고, 상기 nt는 상기 복수의 그룹의 개수이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 ra는 상기 복수의 그룹 중에서 상기 그룹의 수입에 대한 순위이고, 상기 rb는 상기 복수의 그룹 중에서 상기 그룹의 지출에 대한 순위이고, 상기 rc는 상기 복수의 그룹 중에서 상기 그룹의 세액에 대한 순위일 수 있다.
여기서, 상기 복수의 그룹의 개수는 상술한 웹 크롤링을 통해 결정된 진료과목의 수일 수 있다. 여기서, 상기 그룹의 수입에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 수입을 기반으로 상기 평균 수입이 높은 순서를 나타낼 수 있다. 여기서, 상기 그룹의 지출에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 지출을 기반으로 상기 평균 지출이 낮은 순서를 나타낼 수 있다. 여기서, 상기 그룹의 세액에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 세액을 기반으로 상기 평균 세액이 낮은 순서를 나타낼 수 있다.
일 실시예에 따라, 상기 법인세와 관련된 정보, 상기 부가가치세와 관련된 정보 및 상기 원천징수액과 관련된 정보를 기반으로 상기 사전 설정된 제1 기간 내 납부한 세액이 결정될 수 있다. 예를 들어, 상기 그룹에 포함된 상기 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 납부한 평균 세액이 결정될 수 있다. 예를 들어, 상기 세액과 상기 평균 세액의 차이가 사전 설정된 값보다 큰 것에 기반하여, 상기 의료기관과 관련된 단말에게 세무와 관련된 정보가 전송될 수 있다.
부가적으로, 예를 들어, 상기 사전 설정된 값은 하기 수학식에 의해 설정될 수 있다.
상기 수학식에서, 상기 V는 상기 사전 설정된 값이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 n은 상기 그룹에 포함된 의료기관의 개수이고, 상기 ci는 상기 그룹에 포함된 i번째 의료기관의 상기 사전 설정된 제1 기간 내 평균 세액이고, 상기 cavg는 상기 그룹에 포함된 의료기관들의 상기 사전 설정된 제1 기간 내 평균 세액에 대한 평균 값일 수 있다.
일 실시예에 따라, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 사업자 정보, 복수의 의료기관에 대한 재무 정보, 복수의 의료기관에 대한 세무 정보 및 정답 예측 재무 정보와 예측 세무 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터가 상기 손실값이 작아지는 방향으로 학습되는 것에 기반하여, 상기 평가 모델이 생성될 수 있다.
실시예들에 따르면, 서버는 상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 보험금 청구와 관련된 정보를 획득함으로써, 의료기관의 경영 현환에 대한 정보를 결정할 때 현금영수증 및 카드 매출 등과 같은 일반적인 수입 이외에 상기 보험금 청구와 관련된 정보를 반영할 수 있다.
실시예들에 따르면, 서버는 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보를 생성함으로써, 다각적으로 의료기관의 경영 현황을 확인할 수 있다.
실시예들에 따르면, 서버는 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 현재 의료기관의 보험 청구 내역을 적응적으로 검토할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 서버가 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법을 나타낸다.
도 4는 일 실시예에 따른 평가 모델에 대한 예를 나타낸다.
도 5는 일 실시예에 따른 서버가 마케팅과 관련된 정보와 세무와 관련된 정보를 단말에게 전송하는 절차를 나타낸 도면이다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 서버가 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법을 나타낸다.
도 4는 일 실시예에 따른 평가 모델에 대한 예를 나타낸다.
도 5는 일 실시예에 따른 서버가 마케팅과 관련된 정보와 세무와 관련된 정보를 단말에게 전송하는 절차를 나타낸 도면이다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 서버가 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 서버는 상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 상기 의료기관에 대한 재무 정보와 상기 의료기관에 대한 세무 정보를 획득할 수 있다.
여기서, 사업자 정보는 의료기관에 대한 재무 정보와 의료기관에 대한 세무 정보를 획득하기 위해 필요한 사업자에 대한 정보일 수 있다. 예를 들어, 사업자 정보는 사업자 등록번호, 의료기관의 명칭, 진료과목에 대한 정보, 국세청과 관련된 정보, 여신금융협회와 관련된 정보, 건강보험과 관련된 정보, 국민연금과 관련된 정보 및 근로복지와 관련된 정보를 포함할 수 있다. 예를 들어, 국세청과 관련된 정보는 국세청 홈페이지에 접속하기 위해 필요한 정보를 포함할 수 있다. 예를 들어, 여신금융협회와 관련된 정보는 여신금융협회 홈페이지에 접속하기 위해 필요한 정보를 포함할 수 있다. 예를 들어, 건강보험과 관련된 정보는 건강보험 홈페이지에 접속하기 위해 필요한 정보(예: 건강보험 관리번호)를 포함할 수 있다. 예를 들어, 국민연금과 관련된 정보는 국민연금 홈페이지에 접속하기 위해 필요한 정보(예: 국민연금 관리번호)를 포함할 수 있다. 예를 들어, 근로복지와 관련된 정보는 고용보험 홈페이지에 접속하기 위해 필요한 정보(예: 근로복지 관리번호)를 포함할 수 있다.
여기서, 인증 정보는 의료기관의 재무 정보와 의료기관의 세무 정보를 획득하기 위해 필요한 인증에 대한 정보일 수 있다. 예를 들어, 인증 정보는 전자 서명과 관련된 정보를 포함할 수 있다. 예를 들어, 인증 정보는 공동인증서에 대한 정보, 금융인증서에 대한 정보, 통신사 계열 인증서(예: PASS)에 대한 정보, 기업 계열 인증서(예: 네이버, 카카오, 토스, 페이코, 삼성 패스)에 대한 정보를 포함할 수 있다.
여기서, 의료기관에 대한 재무 정보는 의료기관의 수입과 지출에 대한 정보일 수 있다. 예를 들어, 의료기관에 대한 재무 정보는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보, 보험금 청구와 관련된 정보, 법인카드 사용 내역과 관련된 정보, 계좌별 입출금 내역과 관련된 정보를 포함할 수 있다. 예를 들어, 세금계산서와 관련된 정보, 계산서와 관련된 정보 및 현금영수증과 관련된 정보는 사업자 정보 및 인증 정보를 통해 국세청과 관련된 서버로부터 수신될 수 있다. 예를 들어, 카드 매출과 관련된 정보는 사업자 정보 및 인증 정보를 통해 여신금융협회와 관련된 서버로부터 수신될 수 있다. 예를 들어, 카드 매출과 관련된 정보는 카드 승인내역, 카드 매입내역, 입금내역과 같은 정보를 포함할 수 있다. 예를 들어, 보험금 청구와 관련된 정보는 사업자 정보 및 인증 정보를 통해 건강보험과 관련된 서버로부터 수신될 수 있다. 예를 들어, 법인카드 사용 내역과 관련된 정보는 사업자 정보 및 인증 정보를 통해 상기 법인카드와 관련된 서버로부터 수신될 수 있다. 예를 들어, 계좌별 입출금 내역은 사업자 정보 및 인증 정보를 통해 상기 계좌에 대응하는 은행과 관련된 서버로부터 수신될 수 있다.
여기서, 의료기관에 대한 세무 정보는 의료기관의 세금에 대한 정보일 수 있다. 예를 들어, 의료기관에 대한 세무 정보는 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보를 포함할 수 있다. 예를 들어, 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보는 인증 정보를 통해 국세청과 관련된 서버로부터 수신될 수 있다.
예를 들어, 사업자 정보, 인증 정보, 의료기관에 대한 재무 정보 및 의료기관에 대한 세무 정보는 다양한 암호화 방식을 통해 암호화되어 서버에 저장될 수 있다.
단계 S302에서, 서버는 상기 사업자 정보, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보에 기반한 상기 의료기관의 경영 상태에 대한 점수를 결정할 수 있다. 예를 들어, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보는 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 생성될 수 있다.
예를 들어, 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 사업자 정보, 복수의 의료기관에 대한 재무 정보, 복수의 의료기관에 대한 세무 정보 및 정답 예측 재무 정보와 예측 세무 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터가 상기 손실값이 작아지는 방향으로 학습되는 것에 기반하여, 상기 평가 모델이 생성될 수 있다.
예를 들어, 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 설정된 복수의 그룹 중에서 상기 의료기관이 포함된 그룹이 결정될 수 있다. 예를 들어, 복수의 의료기관의 경영 현황에 대한 정보는 상기 서버에 사전 입력될 수 있다. 예를 들어, 서버는 복수의 그룹을 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 클러스터링(clustering) 기법을 통해 n개의 그룹으로 결정될 수 있다. 예를 들어, 클러스터링은 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도 학습을 지칭할 수 있다.
부가적으로, 예를 들어, 복수의 의료기관의 경영 현황에 대한 정보는 진료과목과 관련된 값을 통해 1차적으로 분류될 수 있다. 여기서, 진료과목에 대한 정보는 상기 복수의 의료기관의 경영 현황에 대한 정보에 포함될 수 있다. 예를 들어, 진료과목은 정형외과, 이비인후과, 안과, 산부인과, 비뇨의학과, 성형외과, 내과, 외과, 소아과, 신경과, 정신건강의학과, 피부과, 치과, 마취통증의학과, 영상의학과, 진단검사의학과, 예방의학과, 흉부외과 및 재활의학과와 같이 다양한 진료과목일 수 있다. 예를 들어, 상기 진료과목의 종류는 웹 크롤링을 통해 주기적으로 업데이트될 수 있다. 여기서, 웹 크롤링은 복수의 웹 사이트들을 통해 정보를 수집하는 동작일 수 있다. 예를 들어, 서버는 웹 크롤링을 통해 수집된 정보를 기반으로 사전 설정된 진료과목과 관련된 단어의 빈도 수가 높은 순서대로 사전 설정된 개수의 진료과목을 결정하고, 상기 사전 설정된 개수의 진료과목과 관련된 값을 결정할 수 있다. 예를 들어, 진료과목과 관련된 값은 상기 진료과목에 대응하는 값일 수 있다. 즉, 진료과목이 정형외과인 경우, 상기 진료과목에 대응하는 값은 '1'일 수 있고, 진료과목이 피부과인 경우, 상기 진료과목에 대응하는 값은 '10'일 수 있다. 이때, 예를 들어, 연관된 진료과목은 사전 설정된 범위 내에 포함되는 값으로 설정될 수 있다.
예를 들어, 서버는 복수의 의료기관의 경영 현황에 대한 정보를 상기 진료과목에 대응하는 값에 따라 복수의 의료기관을 진료과목 별로 분류할 수 있다. 즉, 예를 들어, 서버는 복수의 의료기관을 복수의 제1 그룹으로 분류할 수 있고, 이때, 제1 그룹은 동일한 진료과목에 해당하는 복수의 의료기관에 대한 그룹일 수 있다.
또는, 예를 들어, 서버는 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 상기 진료과목에 대응하는 값에 따라 복수의 의료기관을 연관된 진료과목 별로 분류할 수 있다. 즉, 예를 들어, 서버는 복수의 의료기관을 복수의 제1 그룹으로 분류할 수 있고, 이때, 제1 그룹은 연관된 진료과목에 해당하는 복수의 의료기관에 대한 그룹일 수 있다.
예를 들어, 서버는 1차적으로 분류된 복수의 제1 그룹 각각에 대해 데이터 전처리를 통해 벡터를 생성할 수 있다. 예를 들어, 서버는 제1 그룹에 포함된 복수의 의료기관의 경영 현황에 대한 정보를 기반으로 복수의 매출 벡터를 생성할 수 있다. 예를 들어, 매출 벡터는 [매출액, 직원 수]로 구성된 벡터일 수 있다.
예를 들어, 하나의 제1 그룹에 대해 복수의 매출 벡터에 기반하여 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 n개의 제2 그룹이 결정될 수 있다. 예를 들어, DBSCAN은 특정 요소(point)가 클러스터에 속하는 경우, 해당 클러스터 내 다른 많은 요소와 가까운 위치에 있어야 하는 것을 전제로 하며, 이러한 계산을 위해 직경(radius)과 최소 요소(minimum points)가 사용될 수 있다. 예를 들어, 직경은 특정 데이터 요소를 기준으로 하는 반경일 수 있고, 이를 밀도 영역(dense area)이라 지칭할 수 있다. 예를 들어, 최소 요소는 핵심 요소(core point)를 지정하기 위해 핵심 요소 주변으로 요소가 몇 개 필요한 지를 나타낼 수 있다. 또한, 데이터 세트의 각 요소는 핵심(core), 경계(border), 이상치 요소(outlier point)로 구분될 수 있다. 예를 들어, 요소는 하나의 의료기관에 대응하는 매출 벡터일 수 있다.
예를 들어, 서버는 요소별로 직경의 크기를 체크하고, 주변의 요소가 몇 개 있는지를 탐색할 수 있다. 이후, 서버는 직경의 범위 내에 m개 이상의 요소가 존재하면, 해당 요소를 핵심 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함된 요소를 경계 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함되지 않은 요소는 이상치 요소로 결정할 수 있고, 상기 이상치 요소는 해당 클러스터에서 제외될 수 있다. 또한, 서버는 핵심 요소들 사이의 거리가 직경보다 작을 경우, 해당 요소들을 동일한 클러스터로 분류할 수 있다.
이로 인해, 복수의 그룹은 고정된 개수로 결정되지 않고, 현재 서버에 입력된 경영 현황에 대한 정보에 따라 복수의 그룹의 개수와 진료과목의 종류가 유동적으로 변경될 수 있다.
일 실시예에 따라, 서버는 상기 세금계산서와 관련된 정보, 상기 계산서와 관련된 정보, 상기 현금영수증과 관련된 정보, 상기 카드 매출과 관련된 정보 및 상기 보험금 청구와 관련된 정보에 기반하여 사전 설정된 제1 기간 내 상기 의료기관의 수입을 결정할 수 있다. 예를 들어, 서버는 상기 법인카드 사용 내역과 관련된 정보 및 상기 계좌별 입출금 내역과 관련된 정보에 기반하여 상기 사전 설정된 제1 기간 내 상기 의료기관의 지출을 결정할 수 있다. 예를 들어, 상기 의료기관의 수입과 상기 의료기관의 지출은 다양한 방식으로 계산될 수 있다. 예를 들어, 사전 설정된 제1 기간 내 포함된 세금계산서 및 계산서의 내역과 카드 매출 내역, 현금 영수증 내역 및 보험금 청구 내역에 대한 합산 값으로 상기 의료기관의 수입이 결정될 수 있다. 예를 들어, 사전 설정된 제1 기간 내 포함된 법인 카드의 지출 내역과 계좌별 지출 내역에 대한 합산 값으로 상기 의료기관의 지출이 결정될 수 있다.
예를 들어, 상기 의료기관의 수입에서 상기 의료기관의 지출을 뺀 제1 차이 값이 결정될 수 있다. 예를 들어, 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 설정된 복수의 그룹 중에서 상기 의료기관이 포함된 그룹이 결정될 수 있다. 예를 들어, 상기 그룹에 포함된 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 평균 수입에서 평균 지출을 뺀 제2 차이 값이 결정될 수 있다. 예를 들어, 상기 제1 차이 값이 상기 제2 차이 값보다 작은 것에 기반하여, 상기 단말에게 마케팅과 관련된 정보가 전송될 수 있다. 여기서, 마케팅과 관련된 정보는 광고 업체에 대한 정보, 마케팅 전략 및 마케팅 전략에 따른 견적 비용을 포함할 수 있다. 예를 들어, 서버는 상기 의료기관과 진료과목이 동일한 복수의 의료기관에 대해 매출액이 높은 순서로 사전 설정된 개수의 의료기관을 결정하고, 상기 사전 설정된 개수의 의료기관의 마케팅 전략을 웹 크롤링을 통해 결정할 수 있다. 예를 들어, 마케팅 전략은 SEO(search engine optimization), 포털 사이트의 온라인 광고 서비스, 카페/블로그 체험단, 인플루언서 또는 모델 협찬 광고, SNS를 통한 광고 및 뉴스를 통한 광고 등을 포함할 수 있다. 여기서, SEO는 검색엔진이 데이터를 수집하고 순위를 결정하는 방식에 맞추어 웹 페이지를 구성함으로써, 검색 결과의 상위에 광고가 나올 수 있게 하는 마케팅 전략일 수 있다. 예를 들어, 포털 사이트의 온라인 광고 서비스는 네이버의 스마트 플레이스와 같은 서비스를 포함할 수 있다. 예를 들어, 서버는 상기 의료기관의 수입에 기반하여 상기 마케팅 전략에 따른 견적 비용을 결정하고, 사전 저장된 복수의 광고 업체 중에서 상기 마케팅 전략에 따른 견적 비용에 대응하는 광고 업체를 결정할 수 있다.
일 실시예에 따라, 상기 법인세와 관련된 정보, 상기 부가가치세와 관련된 정보 및 상기 원천징수액과 관련된 정보를 기반으로 상기 사전 설정된 제1 기간 내 납부한 세액이 결정될 수 있다. 예를 들어, 상기 그룹에 포함된 상기 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 납부한 평균 세액이 결정될 수 있다. 예를 들어, 상기 세액과 상기 평균 세액의 차이가 사전 설정된 값보다 큰 것에 기반하여, 상기 단말에게 세무와 관련된 정보가 전송될 수 있다. 여기서, 세무와 관련된 정보는 세무법인에 대한 정보 및 세무대리에 따른 견적 비용을 포함할 수 있다. 예를 들어, 상기 세무와 관련된 정보는 상기 서버에 사전 저장될 수 있다. 예를 들어, 서버는 상기 의료기관의 세액에 기반하여 상기 세무대리에 따른 견적 비용을 결정하고, 사전 저장된 복수의 세무법인 중에서 상기 세무대리에 따른 견적 비용에 대응하는 세무법인을 결정할 수 있다.
부가적으로, 예를 들어, 서버는 상기 제1 청구내역 및 상기 제2 청구내역에 기반하여 획득된 의료기관의 재무 정보 및 의료기관의 세무 정보를 변경할 수 있다. 예를 들어, 서버는 보험금 청구와 관련된 정보에 상기 제1 청구내역을 추가하고, 보험금 청구와 관련된 정보에서 상기 제2 청구내역을 제외함으로써, 상기 보험금 청구와 관련된 정보를 수정할 있다. 예를 들어, 서버는 수정된 보험금 청구와 관련된 정보에 기반하여 상기 의료기관의 지출과 상기 의료기관의 세액을 변경할 수 있다. 예를 들어, 서버는 변경된 의료기관의 재무 정보 및 변경된 의료기관의 세무 정보를 상기 의료기관과 관련된 단말에게 전송할 수 있다.
예를 들어, 서버는 상기 평가 모델에 의해 예측된 재무 정보 및 예측된 세무 정보에 기반하여 상기 의료기관의 경영 상태에 대한 점수를 결정할 수 있다. 예를 들어, 예측된 재무 정보는 사전 설정된 제2 기간에 대해 예측된 재무 정보일 수 있다. 예를 들어, 예측된 세무 정보는 사전 설정된 제2 기간에 대해 예측된 세무 정보일 수 있다. 여기서, 상기 사전 설정된 제2 기간은 현재 시점 이후의 기간일 수 있다. 즉, 상기 사전 설정된 제1 기간은 현재 시점 이전의 기간이고, 상기 사전 설정된 제2 기간은 현재 시점 이후의 기간일 수 있다.
예를 들어, 상기 의료기관의 경영 상태에 대한 점수는 하기 수학식 1에 의해 결정될 수 있다.
상기 수학식 1에서, 상기 p는 상기 의료기관의 경영 상태에 대한 점수이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 n은 상기 그룹에 포함된 복수의 의료기관의 개수이고, 상기 a는 상기 평가 모델이 의해 사전 설정된 제2 기간에 대해 예측된 의료기관의 수입이고, 상기 b는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 지출이고, 상기 c는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 세액이고, 상기 ai는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 수입이고, 상기 bi는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 지출이고, 상기 ci는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 세액일 수 있다. 여기서, 상기 max 함수에 의해 a-b-c 값과 a0-b0-c0 값은 항상 1 이상의 값을 가질 수 있다. 여기서, 상기 z는 0에서 1 사이의 값을 가질 수 있다. 예를 들어, 상기 z는 진료과목에 따라 상이한 값을 가질 수 있고, 상기 서버에 사전 설정될 수 있다. 예를 들어, 상기 z 값은 진료과목에 해당하는 의료기관의 수가 많을수록 큰 값을 가질 수 있다.
상술한 의료기관의 경영 상태에 대한 점수는 예측된 의료기관의 수입, 지출 및 세액을 반영하고, 보험금 청구와 관련된 정보 또한 반영하기 때문에, 서버는 의료기관에 특화된 정보를 기반으로 상기 의료기관의 경영 상태를 다각적으로 검토할 수 있다.
단계 S303에서, 서버는 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 상기 의료기관과 관련된 전산 서버에게 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 요청할 수 있다. 여기서, 의료기관의 처방전에 대한 정보는 상기 의료기관과 관련된 전산 서버 내 OCS(order communication system)에 의해 저장된 처방전에 대한 정보일 수 있다. 예를 들어, 여기서, 의료기관의 진료기록부에 대한 정보는 상기 의료기관과 관련된 전산 서버 내 EMR(electronic medical record) 시스템에 의해 저장된 진료기록부(chart)에 대한 정보일 수 있다.
단계 S304에서, 서버는 상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정할 수 있다. 예를 들어, 제1 청구 내역은 상기 보험금 청구와 관련된 정보에서 누락된 보험금 청구 내역일 수 있다. 예를 들어, 제2 청구 내역은 상기 보험금 청구와 관련된 정보에 추가된 보험금 청구 내역일 수 있다.
예를 들어, 서버는 의료기관의 처방전에 대한 정보 및 의료기관의 진료기록부에 대한 정보를 기반으로 사전 설정된 제1 기간 내 보험금이 청구된 제1 리스트를 결정할 수 있다. 예를 들어, 서버는 보험금 청구와 관련된 정보를 기반으로 사전 설정된 제1 기간 내 보험금이 청구된 제2 리스트를 결정할 수 있다. 예를 들어, 서버는 상기 제1 리스트 및 상기 제2 리스트를 기반으로 제1 리스트에만 포함된 보험금 청구 내역을 제1 청구 내역으로 결정할 수 있다. 예를 들어, 서버는 상기 제1 리스트 및 상기 제2 리스트를 기반으로 제2 리스트에만 포함된 보험금 청구 내역을 제2 청구 내역으로 결정할 수 있다.
단계 S305에서, 서버는 상기 의료기관에 대한 재무 정보, 상기 의료기관에 대한 세무 정보, 상기 의료기관의 경영 상태에 대한 점수, 상기 제1 청구 내역 및 상기 제2 청구 내역을 포함하는 상기 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 전송할 수 있다. 여기서, 의료기관의 경영 현황에 대한 정보는 상기 의료기관의 전반적인 재무 상태 및 세무 상태를 나타내는 정보일 수 있다. 예를 들어, 서버는 상기 의료기관의 경영 현황에 대한 정보와 함께 상기 의료기관의 경영 현황을 나타내는 인터페이스 정보를 단말에게 전송할 수 있다. 여기서, 상기 의료기관과 관련된 단말은 상기 의료기관의 경영자가 사용하는 단말일 수 있다. 예를 들어, 상기 의료기관과 관련된 단말은 상기 서버와 무선 연결이 확립된 단말일 수 있다.
도 4는 일 실시예에 따른 평가 모델에 대한 예를 나타낸다. 도 4의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 상기 평가 모델에 사용되는 뉴럴 네트워크는 입력 레이어(410), 하나 이상의 히든 레이어(420) 및 출력 레이어(430)를 포함할 수 있다.
예를 들어, 서버는 복수의 사업자 정보, 복수의 의료기관에 대한 재무 정보 및 복수의 의료기관에 대한 세무 정보에 기반하여 데이터 전처리를 통해 진료과목 별로 의료기관의 수입 데이터, 의료기관의 지출 데이터 및 의료기관의 세액 데이터를 결정할 수 있다. 예를 들어, 상기 평가 모델은 의료기관의 수입 데이터에 대한 제1 모델, 의료기관의 지출 데이터에 대한 제2 모델 및 의료기관의 세액 데이터에 대한 제3 모델을 포함할 수 있다. 이때, 예를 들어, 수입 데이터, 지출 데이터 및 세액 데이터는 시계열적인 데이터일 수 있다. 예를 들어, 수입 데이터는 월별 수입에 대한 데이터이고, 지출 데이터는 월별 지출에 대한 데이터이고, 세액 데이터는 월별 세액에 대한 데이터일 수 있다.
예를 들어, 상기 제1 모델, 제2 모델 및 제3 모델 각각은 1D-CNN(one direction convolutional neural network) 모델일 수 있다. 예를 들어, CNN은 딥러닝 알고리즘의 한 종류이며, 격자 형태로 배열된 데이터를 처리하는 것에 특화되어 데이터의 패턴을 식별하는데 효과적일 수 있다. 또한, 컨벌루션은 CNN의 필터가 원본 데이터 위에서 움직이는 과정이고, 상기 1D-CNN은 상기 CNN의 필터가 움직이는 방향이 하나의 방향일 수 있다. 따라서, 1D-CNN은 전체 데이터 중에서 길이가 고정된 짧은 구간에 대한 패턴을 인식하는 경우에 효과적일 수 있다.
예를 들어, 의료기관의 수입 데이터 및 정답 예측 수입 데이터로 구성된 각각의 학습 데이터는 뉴럴 네트워크의 입력 레이어에 입력되고, 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 뉴럴 네트워크의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 의료기관의 지출 데이터 및 정답 예측 지출 데이터로 구성된 각각의 학습 데이터는 뉴럴 네트워크의 입력 레이어에 입력되고, 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 뉴럴 네트워크의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 의료기관의 세액 데이터 및 정답 예측 세액 데이터로 구성된 각각의 학습 데이터는 뉴럴 네트워크의 입력 레이어에 입력되고, 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 뉴럴 네트워크의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 하나 이상의 히든 레이어는 하나 이상의 컨벌루션 레이어(421) 및 하나 이상의 풀링 레이어(422)를 포함할 수 있다.
예를 들어, 월별 데이터(예: 수입 데이터, 지출 데이터 또는 세액 데이터)가 대한 시계열 데이터가 벡터화될 수 있고, 컨벌루션 레이어(421)에서 상기 벡터화된 시계열 데이터와 인접한 데이터가 필터링될 수 있고, 컨벌루션 레이어(421)의 특징 맵(feature map)이 형성될 수 있다.
예를 들어, 풀링 레이어(422)에서 상기 형성된 특징 맵에 기반하여 차원 축소를 위해 특징과 관련된 고정 벡터를 선별하고, 상기 형성된 특징 맵에서 서브-샘플링을 수행함으로써, 상기 벡터화된 시계열 데이터에서 중요한 특징을 추출할 수 있다. 예를 들어, 풀링 레이어(422)는 가장 큰 값을 추출하는 맥스 풀링 레이어일 수 있다. 예를 들어, 풀링 레이어(422)는 평균 값을 추출하는 평균 풀링 레이어일 수 있다. 예를 들어, 이때, 상기 제1 뉴럴 네트워크의 파라미터는 상기 컨벌루션 레이어(421) 및 상기 풀링 레이어(422)와 관련된 파라미터(특징 맵의 크기, 필터의 크기, 깊이, 스트라이드, 제로 패딩)를 포함할 수 있다. 여기서, 깊이는 연속적인 컨벌루션 레이어의 개수일 수 있다. 여기서, 스트라이드는 컨벌루션이 수행될 때 이동하는 간격일 수 있다. 여기서, 제로 패딩은 특정 값을 0으로 채우는 동작일 수 있다.
도 5는 일 실시예에 따른 서버가 마케팅과 관련된 정보와 세무와 관련된 정보를 단말에게 전송하는 절차를 나타낸 도면이다. 도 5의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 단계 S501에서, 서버는 상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 의료기관에 대한 재무 정보 및 의료기관에 대한 세무 정보를 획득할 수 있다.
단계 S502에서, 서버는 상술한 평가 모델에 의해 예측된 재무 정보 및 예측된 세무 정보에 기반하여 결정된 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수 미만인지 여부를 결정할 수 있다.
예를 들어, 서버는 상기 의료기관의 경영 상태에 대한 점수는 상술한 수학식 1에 의해 결정될 수 있다.
예를 들어, 상기 사전 설정된 점수는 하기 수학식 2에 의해 결정될 수 있다.
상기 수학식 2에서, 상기 pth는 상기 사전 설정된 점수이고, 상기 nt는 상기 복수의 그룹의 개수이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 ra는 상기 복수의 그룹 중에서 상기 그룹의 수입에 대한 순위이고, 상기 rb는 상기 복수의 그룹 중에서 상기 그룹의 지출에 대한 순위이고, 상기 rc는 상기 복수의 그룹 중에서 상기 그룹의 세액에 대한 순위일 수 있다. 여기서, 상기 복수의 그룹의 개수는 상술한 웹 크롤링을 통해 결정된 진료과목의 수일 수 있다. 여기서, 상기 그룹의 수입에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 수입을 기반으로 상기 평균 수입이 높은 순서를 나타낼 수 있다. 여기서, 상기 그룹의 지출에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 지출을 기반으로 상기 평균 지출이 낮은 순서를 나타낼 수 있다. 여기서, 상기 그룹의 세액에 대한 순위는 상기 복수의 그룹 각각에 대한 상기 사전 설정된 제1 기간 내 평균 세액을 기반으로 상기 평균 세액이 낮은 순서를 나타낼 수 있다.
이로 인해, 서버는 복수의 의료기관을 진료과목 별로 분류하는 그룹핑을 통해 진료과목에 대한 특성을 고려하여 의료기관의 경영 상태를 파악할 수 있다. 또한, 서버는 해당 그룹의 순위 또한 고려한 기준 값을 사용함으로써, 일률적인 기준 값에 따라 의료기관의 경영 상태를 파악하지 않고, 해당 그룹마다 상이한 기준 값을 적용하여 보다 정확하게 의료기관의 경영 상태를 파악할 수 있다.
단계 S503에서, 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수 미만인 것에 기반하여, 서버는 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 의료기관의 처방전에 대한 정보 및 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정할 수 있다.
예를 들어, 서버는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보 및 보험금 청구와 관련된 정보에 기반하여 사전 설정된 제1 기간 내 상기 의료기관의 수입을 결정할 수 있다. 예를 들어, 사전 설정된 제1 기간은 상기 단말로부터 수신된 기간일 수 있다. 예를 들어, 사전 설정된 제1 기간은 현재 시점에서 1년 이전의 시점까지의 기간일 수 있다. 예를 들어, 사전 설정된 제1 기간은 상기 의료기관이 운영된 기간일 수 있다. 예를 들어, 서버는 상기 법인카드 사용 내역과 관련된 정보 및 상기 계좌별 입출금 내역과 관련된 정보에 기반하여 상기 사전 설정된 제1 기간 내 상기 의료기관의 지출을 결정할 수 있다.
예를 들어, 서버는 상기 의료기관의 수입에서 상기 의료기관의 지출을 뺀 제1 차이 값을 결정할 수 있다. 예를 들어, 서버는 상기 그룹에 포함된 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 평균 수입에서 평균 지출을 뺀 제2 차이 값을 결정할 수 있다.
단계 S504에서, 서버는 제1 차이 값이 제2 차이 값보다 작은 지 여부를 결정할 수 있다. 단계 S505에서, 제1 차이 값이 제2 차이 값보다 작은 경우, 서버는 마케팅과 관련된 정보를 전송할 수 있다.
예를 들어, 서버는 상기 법인세와 관련된 정보, 상기 부가가치세와 관련된 정보 및 상기 원천징수액과 관련된 정보를 기반으로 상기 사전 설정된 제1 기간 내 납부한 세액을 결정할 수 있다. 예를 들어, 서버는 상기 그룹에 포함된 상기 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 납부한 평균 세액을 결정할 수 있다.
단계 S506에서, 서버는 세액과 평균 세액의 차이가 사전 설정된 값보다 큰 지 여부를 결정할 수 있다. 단계 S507에서, 세액과 평균 세액의 차이가 사전 설정된 값보다 큰 경우, 서버는 세무와 관련된 정보를 전송할 수 있다.
부가적으로, 예를 들어, 상기 사전 설정된 값은 하기 수학식 3에 의해 설정될 수 있다.
상기 수학식 3에서, 상기 V는 상기 사전 설정된 값이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 n은 상기 그룹에 포함된 의료기관의 개수이고, 상기 ci는 상기 그룹에 포함된 i번째 의료기관의 상기 사전 설정된 제1 기간 내 평균 세액이고, 상기 cavg는 상기 그룹에 포함된 의료기관들의 상기 사전 설정된 제1 기간 내 평균 세액에 대한 평균 값일 수 있다.
예를 들어, 해당 그룹마다 그룹 내 포함된 의료기관의 세액에 대한 분포가 상이하므로, 상기 사전 설정된 값이 해당 그룹마다 동일하게 적용할 경우, 다소 부정확하게 의료기관의 세무 상태를 결정할 수 있다. 반면에, 본 개시에서 서버는 분류된 그룹 내에서 의료기관들의 분포를 고려한 기준 값을 설정함으로써, 보다 정확하게 현재 의료기관의 세무 상태를 결정할 수 있다.
부가적으로, 예를 들어, 서버는 환자와 관련된 단말로부터 민간 의료보험과 관련된 서류에 대한 요청 메시지를 수신할 수 있다. 여기서, 민간 의료보험은 민간이 보험사업 운영의 주체인 의료 보험일 수 있다. 예를 들어, 상기 민간 의료보험과 관련된 서류에 대한 요청 메시지는 민간 의료보험과 관련된 서류의 개수 및 종류 및 민간 의료보험과 관련된 서버의 주소를 포함할 수 있다. 예를 들어, 서버는 상기 민간 의료보험과 관련된 서류에 대한 요청 메시지에 기반하여 의료기관의 처방전에 대한 정보 및 의료기관의 진료기록부에 대한 정보를 의료기관과 관련된 전산 서버에 요청할 수 있다. 예를 들어, 서버가 상기 의료기관과 관련된 전산 서버로부터 기반하여 의료기관의 처방전에 대한 정보 및 의료기관의 진료기록부에 대한 정보를 수신한 경우, 서버는 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 기반하여 상기 민간 의료보험과 관련된 서류를 상기 민간 의료보험과 관련된 서버에게 전송할 수 있다. 즉, 예를 들어, 서버는 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 기반하여 상기 환자와 매칭되는 처방전 및 진료기록을 결정할 수 있고, 상기 매칭된 처방전 및 진료기록과 관련된 증명 서류를 상기 민간 의료보험과 관련된 서류를 전송할 수 있다. 예를 들어, 서버는 상기 민간 의료보험과 관련된 서류에 대한 ACK 메시지를 상기 민간 의료보험과 관련된 서버로부터 수신할 수 있다. 예를 들어, 서버는 상기 ACK 메시지에 기반하여 상기 환자와 관련된 단말에게 완료 메시지를 전송할 수 있고, 상기 의료기관과 관련된 단말에게 완료 메시지를 전송할 수 있다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6에 도시된 바와 같이, 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630)를 포함할 수 있다. 그러나, 도 6에 도시된 구성 요소 모두가 서버(600)의 필수 구성 요소인 것은 아니다. 도 6에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(600)가 구현될 수도 있고, 도 6에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(600)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(610)는, 통상적으로 서버(600)의 전반적인 동작을 제어한다. 프로세서(610)는 하나 이상의 프로세서를 구비하여, 서버(600)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(610)는, 메모리(630)에 저장된 프로그램들을 실행함으로써, 통신부(620) 및 메모리(630) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(630)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 5에 기재된 서버(600)의 기능을 수행할 수 있다.
일 실시예에 따라, 프로세서(610)는 서버(600)에 입력된 사업자 정보 및 인증 정보를 기반으로 의료기관에 대한 재무 정보와 의료기관에 대한 세무 정보를 획득할 수 있다. 프로세서(610)는 통신부(620)를 통해 서버와 연결된 적어도 하나의 장치로부터 사업자 정보 및 인증 정보를 네트워크를 통해 수신할 수 있다.
예를 들어, 상기 의료기관에 대한 재무 정보는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보, 보험금 청구와 관련된 정보, 법인카드 사용 내역과 관련된 정보, 계좌별 입출금 내역과 관련된 정보를 포함할 수 있다. 예를 들어, 상기 의료기관에 대한 세무 정보는 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보를 포함할 수 있다.
프로세서(610)는 메모리(630)를 통해 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 상기 의료기관의 경영 상태에 대한 점수를 결정할 수 있다.
프로세서(610)는 상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 통신부(620)를 통해 상기 의료기관과 관련된 전산 서버에게 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 요청할 수 있다.
프로세서(610)는 메모리(630)를 통해 상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정할 수 있다.
예를 들어, 제1 청구 내역은 상기 보험금 청구와 관련된 정보에서 누락된 보험금 청구 내역일 수 있다. 예를 들어, 제2 청구 내역은 상기 보험금 청구와 관련된 정보에 대해 추가된 보험금 청구 내역일 수 있다.
프로세서(610)는 통신부(620)를 통해 상기 의료기관에 대한 재무 정보, 상기 의료기관에 대한 세무 정보, 상기 의료기관의 경영 상태에 대한 점수, 상기 제1 청구 내역 및 상기 제2 청구 내역을 포함하는 상기 의료기관의 경영 현황에 대한 정보를 단말에게 전송할 수 있다.
프로세서(610)는 메모리(630)를 통해 상기 세금계산서와 관련된 정보, 상기 계산서와 관련된 정보, 상기 현금영수증과 관련된 정보, 상기 카드 매출과 관련된 정보 및 상기 보험금 청구와 관련된 정보에 기반하여 사전 설정된 제1 기간 내 상기 의료기관의 수입을 결정할 수 있다. 프로세서(610)는 메모리(630)를 통해 상기 법인카드 사용 내역과 관련된 정보 및 상기 계좌별 입출금 내역과 관련된 정보에 기반하여 상기 사전 설정된 제1 기간 내 상기 의료기관의 지출을 결정할 수 있다. 프로세서(610)는 상기 의료기관의 수입에서 상기 의료기관의 지출을 뺀 제1 차이 값을 결정할 수 있다. 프로세서(610)는 복수의 의료기관의 경영 현황에 대한 정보에 기반하여 설정된 복수의 그룹 중에서 상기 의료기관이 포함된 그룹을 결정할 수 있다. 프로세서(610)는 상기 그룹에 포함된 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 평균 수입에서 평균 지출을 뺀 제2 차이 값을 결정할 수 있다. 프로세서(610)는 상기 제1 차이 값이 상기 제2 차이 값보다 작은 것에 기반하여, 통신부(620)를 통해 상기 의료기관과 관련된 단말에게 마케팅과 관련된 정보를 전송할 수 있다.
프로세서(610)는 메모리(630)를 통해 상기 의료기관의 경영 상태에 대한 점수를 상술한 수학식 1에 의해 결정할 수 있다.
프로세서(610)는 메모리(630)를 통해 상기 법인세와 관련된 정보, 상기 부가가치세와 관련된 정보 및 상기 원천징수액과 관련된 정보를 기반으로 상기 사전 설정된 제1 기간 내 납부한 세액을 결정할 수 있다. 프로세서(610)는 상기 그룹에 포함된 상기 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 납부한 평균 세액을 결정할 수 있다. 프로세서(610)는 상기 세액과 상기 평균 세액의 차이가 사전 설정된 값보다 큰 것에 기반하여, 통신부(620)를 통해 상기 의료기관과 관련된 단말에게 세무와 관련된 정보를 전송할 수 있다.
예를 들어, 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다.
프로세서(610)는 메모리(630)를 통해 복수의 사업자 정보, 복수의 의료기관에 대한 재무 정보, 복수의 의료기관에 대한 세무 정보 및 정답 예측 재무 정보와 예측 세무 정보로 구성된 각각의 학습 데이터를 상기 뉴럴 네트워크의 상기 입력 레이어에 입력시키고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력시킬 수 있다. 프로세서(610)는 메모리(630)를 통해 상기 출력 벡터를 상기 출력 레이어에 연결된 손실함수 레이어에 입력시키고, 상기 손실함수 레이어를 통해 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력시키고, 상기 뉴럴 네트워크의 파라미터가 상기 손실값이 작아지는 방향으로 학습되는 것에 기반하여, 상기 평가 모델을 생성할 수 있다.
통신부(620)는, 서버(600)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(600)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(620)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(620)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(620)는 프로세서(610)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(620)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(620)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(630)는, 프로세서(610)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(630)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(630)는 프로세서(610)에서 생성된 데이터를 저장할 수 있다. 예를 들어, 메모리(630)는 프로세서(610)가 생성한 경영 상태에 대한 점수, 제1 청구 내역, 제2 청구 내역, 의료기관의 수입, 의료기관의 지출, 의료기관의 세액, 제1 차이 값, 제2 차이 값 및 평균 세액을 저장할 수 있다. 메모리(630)는 서버(600)로 입력되거나 서버(600)로부터 출력되는 정보를 저장할 수도 있다. 예를 들어, 메모리(630)는 사전 설정된 개수의 진료과목, 사전 설정된 개수의 진료과목과 관련된 값, 사전 설정된 범위, 사전 설정된 제1 기간, 사전 설정된 점수, 사전 설정된 값을 저장할 수 있다.
메모리(630)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (5)
- 뉴럴 네트워크(neural network)를 이용하여 서버가 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 제공하는 방법에 있어서,
상기 서버에 입력된 사업자 정보 및 인증 정보를 기반으로 상기 의료기관에 대한 재무 정보와 상기 의료기관에 대한 세무 정보를 획득하는 단계;
상기 의료기관에 대한 재무 정보는 세금계산서와 관련된 정보, 계산서와 관련된 정보, 현금영수증과 관련된 정보, 카드 매출과 관련된 정보, 보험금 청구와 관련된 정보, 법인카드 사용 내역과 관련된 정보, 계좌별 입출금 내역과 관련된 정보를 포함하고,
상기 의료기관에 대한 세무 정보는 법인세와 관련된 정보, 부가가치세와 관련된 정보 및 원천징수액과 관련된 정보를 포함하고,
상기 사업자 정보, 상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보에 기반한 상기 의료기관의 경영 상태에 대한 점수를 결정하는 단계 -상기 의료기관에 대해 예측된 재무 정보 및 상기 의료기관에 대해 예측된 세무 정보는 상기 사업자 정보, 상기 의료기관에 대한 재무 정보 및 상기 의료기관에 대한 세무 정보에 기반하여 뉴럴 네트워크를 이용한 평가 모델을 통해 생성됨-;
상기 의료기관의 경영 상태에 대한 점수가 사전 설정된 점수보다 낮은 것에 기반하여, 상기 의료기관과 관련된 전산 서버에게 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 요청하는 단계;
상기 보험금 청구와 관련된 정보와 상기 의료기관과 관련된 전산 서버로부터 수신된 상기 의료기관의 처방전에 대한 정보 및 상기 의료기관의 진료기록부에 대한 정보를 비교함으로써, 제1 청구 내역 및 제2 청구 내역을 결정하는 단계;
상기 제1 청구 내역은 상기 보험금 청구와 관련된 정보에서 누락된 보험금 청구 내역이고,
상기 제2 청구 내역은 상기 보험금 청구와 관련된 정보에 대해 추가된 보험금 청구 내역이고,
상기 세금계산서와 관련된 정보, 상기 계산서와 관련된 정보, 상기 현금영수증과 관련된 정보, 상기 카드 매출과 관련된 정보 및 상기 보험금 청구와 관련된 정보에 기반하여 사전 설정된 제1 기간 내 상기 의료기관의 수입을 결정하는 단계;
상기 법인카드 사용 내역과 관련된 정보 및 상기 계좌별 입출금 내역과 관련된 정보에 기반하여 상기 사전 설정된 제1 기간 내 상기 의료기관의 지출을 결정하는 단계; 및
상기 의료기관에 대한 재무 정보, 상기 의료기관에 대한 세무 정보, 상기 의료기관의 경영 상태에 대한 점수, 상기 제1 청구 내역 및 상기 제2 청구 내역을 포함하는 상기 의료기관의 경영 현황에 대한 정보를 상기 의료기관과 관련된 단말에게 전송하는 단계를 포함하되,
상기 의료기관의 수입에서 상기 의료기관의 지출을 뺀 제1 차이 값이 결정되고,
복수의 의료기관의 경영 현황에 대한 정보에 기반하여 설정된 복수의 그룹 중에서 상기 의료기관이 포함된 그룹이 결정되고,
상기 그룹에 포함된 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 평균 수입에서 평균 지출을 뺀 제2 차이 값이 결정되고,
상기 제1 차이 값이 상기 제2 차이 값보다 작은 것에 기반하여, 상기 의료기관과 관련된 단말에게 마케팅과 관련된 정보가 전송되고,
상기 의료기관의 경영 상태에 대한 점수는 하기 수학식에 의해 결정되고,
상기 수학식에서, 상기 p는 상기 의료기관의 경영 상태에 대한 점수이고, 상기 z는 상기 의료기관의 진료과목과 관련된 가중치이고, 상기 n은 상기 그룹에 포함된 복수의 의료기관의 개수이고, 상기 a는 상기 평가 모델이 의해 사전 설정된 제2 기간에 대해 예측된 의료기관의 수입이고, 상기 b는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 지출이고, 상기 c는 상기 평가 모델에 의해 상기 사전 설정된 제2 기간에 대해 예측된 의료기관의 세액이고, 상기 ai는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 수입이고, 상기 bi는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 지출이고, 상기 ci는 상기 사전 설정된 제1 기간 내 i번째 의료기관의 평균 세액인,
방법.
- 삭제
- 삭제
- 제 1항에 있어서,
상기 법인세와 관련된 정보, 상기 부가가치세와 관련된 정보 및 상기 원천징수액과 관련된 정보를 기반으로 상기 사전 설정된 제1 기간 내 납부한 세액이 결정되고,
상기 그룹에 포함된 상기 복수의 의료기관에 대한 상기 사전 설정된 제1 기간 내 납부한 평균 세액이 결정되고,
상기 세액과 상기 평균 세액의 차이가 사전 설정된 값보다 큰 것에 기반하여, 상기 의료기관과 관련된 단말에게 세무와 관련된 정보가 전송되는,
방법.
- 제 1항에 있어서,
상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
복수의 사업자 정보, 복수의 의료기관에 대한 재무 정보, 복수의 의료기관에 대한 세무 정보 및 정답 예측 재무 정보와 예측 세무 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터가 상기 손실값이 작아지는 방향으로 학습되는 것에 기반하여, 상기 평가 모델이 생성되는,
방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220090472A KR102491357B1 (ko) | 2022-07-21 | 2022-07-21 | 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 |
KR1020230007156A KR20240013020A (ko) | 2022-07-21 | 2023-01-18 | 뉴럴 네트워크를 이용하여 보험금 청구와 관련된 정보에 따라 의료기관의 경영 정보를 단말에게 제공하는 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220090472A KR102491357B1 (ko) | 2022-07-21 | 2022-07-21 | 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230007156A Division KR20240013020A (ko) | 2022-07-21 | 2023-01-18 | 뉴럴 네트워크를 이용하여 보험금 청구와 관련된 정보에 따라 의료기관의 경영 정보를 단말에게 제공하는 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102491357B1 true KR102491357B1 (ko) | 2023-01-27 |
Family
ID=85101405
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220090472A KR102491357B1 (ko) | 2022-07-21 | 2022-07-21 | 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 |
KR1020230007156A KR20240013020A (ko) | 2022-07-21 | 2023-01-18 | 뉴럴 네트워크를 이용하여 보험금 청구와 관련된 정보에 따라 의료기관의 경영 정보를 단말에게 제공하는 방법 및 장치 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230007156A KR20240013020A (ko) | 2022-07-21 | 2023-01-18 | 뉴럴 네트워크를 이용하여 보험금 청구와 관련된 정보에 따라 의료기관의 경영 정보를 단말에게 제공하는 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (2) | KR102491357B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102661421B1 (ko) * | 2023-11-14 | 2024-04-26 | 주식회사 아이타르트 | 병원 경영 최적화를 위한 클라우드 기반 고객 맞춤형 서비스형 제공 시스템 |
KR102661422B1 (ko) * | 2023-11-14 | 2024-04-26 | 주식회사 아이타르트 | 클라우드 기반 맞춤형 병원 통합 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050051787A (ko) * | 2003-11-28 | 2005-06-02 | 주식회사 오픈닥터스 | 의료기관의 경영실적 분석 서비스 시스템 |
KR20170052999A (ko) * | 2015-11-05 | 2017-05-15 | 최인용 | 세무 관리 시스템 및 이를 이용한 세무 관리 서비스 제공 방법 |
KR20180122506A (ko) * | 2017-05-02 | 2018-11-13 | 기웅정보통신 주식회사 | 스크래핑 기반의 보험금 자동 청구 서비스 제공 방법 및 그 장치 |
KR102213589B1 (ko) * | 2020-10-07 | 2021-02-08 | 주식회사 한국인증융합연구원 | 기술가치 평가 및 기업가치 평가 플랫폼 제공 시스템, 그리고 그 방법 |
KR102413770B1 (ko) * | 2021-09-06 | 2022-06-29 | 배정환 | 뉴럴 네트워크를 이용하는 심리 치료 서비스 제공 방법 및 장치 |
-
2022
- 2022-07-21 KR KR1020220090472A patent/KR102491357B1/ko active IP Right Grant
-
2023
- 2023-01-18 KR KR1020230007156A patent/KR20240013020A/ko unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050051787A (ko) * | 2003-11-28 | 2005-06-02 | 주식회사 오픈닥터스 | 의료기관의 경영실적 분석 서비스 시스템 |
KR20170052999A (ko) * | 2015-11-05 | 2017-05-15 | 최인용 | 세무 관리 시스템 및 이를 이용한 세무 관리 서비스 제공 방법 |
KR20180122506A (ko) * | 2017-05-02 | 2018-11-13 | 기웅정보통신 주식회사 | 스크래핑 기반의 보험금 자동 청구 서비스 제공 방법 및 그 장치 |
KR102213589B1 (ko) * | 2020-10-07 | 2021-02-08 | 주식회사 한국인증융합연구원 | 기술가치 평가 및 기업가치 평가 플랫폼 제공 시스템, 그리고 그 방법 |
KR102413770B1 (ko) * | 2021-09-06 | 2022-06-29 | 배정환 | 뉴럴 네트워크를 이용하는 심리 치료 서비스 제공 방법 및 장치 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102661421B1 (ko) * | 2023-11-14 | 2024-04-26 | 주식회사 아이타르트 | 병원 경영 최적화를 위한 클라우드 기반 고객 맞춤형 서비스형 제공 시스템 |
KR102661422B1 (ko) * | 2023-11-14 | 2024-04-26 | 주식회사 아이타르트 | 클라우드 기반 맞춤형 병원 통합 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR20240013020A (ko) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102491357B1 (ko) | 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 | |
KR102439204B1 (ko) | 학습된 뉴럴 네트워크를 이용한 임대차 관리 서비스 제공 방법 및 시스템 | |
KR102534656B1 (ko) | 뉴럴 네트워크를 이용하여 특정 지표에 따라 특정 데이터에 대해 리밸런싱을 수행하는 방법 및 장치 | |
KR102492333B1 (ko) | 뉴럴 네트워크를 이용하여 주차와 관련된 정보를 기반으로 단말에게 진료 예약 일정에 대한 정보를 제공하는 방법 및 장치 | |
KR102407241B1 (ko) | 렌탈 마켓 시스템 | |
KR102465655B1 (ko) | 뉴럴 네트워크를 이용하여 제1 단말과 관련된 광고 기업 리스트를 제공하는 방법 및 장치 | |
KR102402848B1 (ko) | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 | |
KR102529607B1 (ko) | 인공지능 기반의 사업체 거래 플랫폼 시스템 | |
KR102553169B1 (ko) | 브랜드의 개선을 위한 솔루션을 제공하는 방법 및 장치 | |
KR102484291B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 구직자 리스트를 단말에게 제공하는 방법 및 장치 | |
KR102439212B1 (ko) | 학습된 뉴럴 네트워크를 이용하여 온라인상에서 임대차 통합 서비스를 제공하는 시스템 | |
KR102509392B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 품목별 예측 주문량에 따라 원자재 요청 메시지를 전송하는 방법 및 장치 | |
KR20230090979A (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치 | |
KR102415575B1 (ko) | 온라인 광고 서비스를 제공하는 서버 | |
KR102384892B1 (ko) | 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치 | |
KR20240007576A (ko) | 뉴럴 네트워크를 이용하여 디지털 파일에 대한 민팅 유형에 따라 블록체인을 통해 수수료를 지불하는 방법 및 장치 | |
KR102464057B1 (ko) | 인공지능을 이용한 신용점수 기반의 렌탈 서비스 제공 장치 및 방법 | |
KR102501056B1 (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 제공 방법 및 장치 | |
KR102513048B1 (ko) | 뉴럴 네트워크를 이용하여 지원 사업과 관련된 리포트 정보 및 지원 사업과 관련된 진행 정보를 기반으로 진단 정보를 멘토 단말에게 전송하는 방법 및 장치 | |
KR102536674B1 (ko) | 뉴럴 네트워크를 이용하여 도매 상품에 대한 추천 리스트를 셀러 단말에게 제공하는 방법 및 장치 | |
KR102573285B1 (ko) | 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치 | |
KR102465106B1 (ko) | 뉴럴 네트워크를 이용한 주식 종목 분석 방법 및 장치 | |
KR102557257B1 (ko) | 뉴럴 네트워크를 이용하여 예측된 매출액을 기반으로 식재료에 대한 정보를 전송하는 방법 및 장치 | |
KR102504950B1 (ko) | 뉴럴 네트워크를 이용하여 예측된 상품 판매량을 사용자 단말에게 제공하는 방법 및 장치 | |
KR102534638B1 (ko) | 소비자 분석 알고리즘을 이용한 인공지능 기반의 전자상거래 수출 플랫폼 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |