01
과제마다 반복되는 추출
데이터 인프라를 갖춘 대형병원도 연구 과제마다 전문인력이 데이터를 추출하고 가공합니다. 추출 요청부터 수령까지 수개월, 한 병원의 비정형 데이터 플랫폼 구축에는 2년 4개월이 걸렸습니다.
LAB-TO-MARKET · 병원 내부 설치형 의료데이터 소프트웨어
병원 문서를 AI가 쓸 수 있는 데이터로
MediPipe는 검사 결과와 진료기록을 병원 밖으로 내보내지 않고, EMR·연구·AI에 맞는 형식으로 바꿉니다. 의료인이 화면에서 결과를 확인하고 수정할 수 있습니다.
MediPipe 유상 위탁과 PoC에서 첫 매출이 발생했습니다. DeepBreath는 인허가 이후 판매할 계획입니다.
01 · 입력 검사 결과 · 진료기록 형식이 달라도 그대로 수집
검사 결과지
스캔 문서
EMR 서술기록
02 · MEDIPIPE 구조화하고 확인합니다
- 문서에서 필요한 값 추출
- 임상 필드에 맞춰 정리
- 의료인이 화면에서 확인
데이터는 병원 밖으로 나가지 않습니다
03 · 결과
의료인이 확인한 데이터 환자 단위로 연결·축적 확인 완료
검사일 표준화
검사 항목 필드 연결
검사값 확인 완료
한 번 정리한 데이터를 다시 활용합니다
EMR연구AI
병원 내부 데이터 반출 없이 설치·처리
의료인 검증 코딩 없이 결과를 확인·수정
첫 매출 건양대학교병원 유상 위탁과 PoC
4개 기관 다기관 연구에서 출발
병원 데이터 활용의 시작점
AI 이전에, 데이터부터 막혀 있습니다
현장의 병목
병원에서 활용할 AI는 빠르게 늘고 있습니다. 국내 AI 기반 의료기기 허가·인증은 2021년 37건에서 2025년 153건으로 증가했습니다. 하지만 실제 도입에 필요한 검사 결과와 진료기록은 여전히 문서와 자유서술 형태로 남아 있습니다.
02
문자 인식 다음이 문제
문자 인식 기술은 이미 상용화됐습니다. 문제는 그다음입니다. 수축기 혈압 값이 이완기 혈압 칸에 들어가는 필드 간 의미 오류는 문자 인식만으로 걸러지지 않습니다.
03
활용되지 못하는 데이터
국내 의료기관에서 생성되는 EMR의 약 80%는 자유서술 형태의 비정형 문서입니다. 문서에 갇힌 기록은 EMR·연구·AI에 그대로 쓰이지 못합니다.
MediPipe
병원 내부에서 처리하는 데이터 전환
MediPipe는 데이터를 외부 클라우드로 보내지 않고 병원 내부 서버에서 처리하도록 설계했습니다. 현재 문서 변환과 의료인 검증 기능을 현장에서 검증하고, 외부 제품·EMR 연동은 단계적으로 확장합니다.
- 01
수집
검사 장비 출력 파일과 스캔 결과지를 받고, EMR 서술기록과 검사실 대장으로 적용 범위를 넓혀갑니다.
- 02
변환
AI·EMR·연구가 요구하는 형식으로 바꿉니다.
- 03
검증
의료인이 코딩 없이 화면에서 값과 임상 의미를 직접 확인하고 수정합니다.
- 04
자산화
환자 단위로 이어 붙여 병원 내부에 축적하고, 다음 AI에 다시 씁니다.
온프레미스 데이터 인프라 주력 제품 · 유상 위탁과 PoC 진행
MediPipe
다기관 연구의 데이터 정제 기술을 제품화했습니다. 최근 건양대학교병원 유상 검증에서 현장 가치를 확인했습니다. 비개발자도 직접 추출·검증할 수 있도록 설계했습니다.
- 문자 인식을 넘어 필드 간 임상 의미까지 확인
- 온프레미스 설치 · 망분리 환경 동작 · 데이터 반출 없음
- 건양대학교병원 데이터 정제 유상 위탁·PoC · IRB 완료
- 전문의 5인 설문에서 사용 의향 80% · 사내 간호사 검증 중
- 특허 출원 (출원번호 10-2025-0166208)
MediPipe 데이터 기반 의료 AI 중장기 파이프라인 · 개발·인허가 준비
DeepBreath 폐기능 예측 AI
MediPipe가 쌓은 시계열 데이터로 폐기능 악화 궤적을 예측합니다. 임상·인허가 검증을 단계적으로 준비합니다.
- 장기 검사 이력 기반 악화 궤적 예측
- 외부 병원 데이터 1,106건에서 예측 성능 검증 (AUROC 0.883)
- 장기 이력 분석 모델의 3년 예측 성능 C-index 0.907
사업·기술 검증
연구와 유상 검증으로 확인했습니다
MediPipe는 유상 위탁과 PoC로 병원의 지불 의사를 확인했습니다. 별도 의료 AI인 DeepBreath는 외부 병원 데이터로 예측 성능을 검증했습니다.
01 첫 매출 MediPipe · 건양대학교병원 유상 위탁과 PoC
02 94.1% MediPipe 확장 사례 · 지참약 데이터 21,898건 중 20,611건의 변환 경로 확보
03 AUROC 0.883 DeepBreath · 국민건강보험공단 일산병원 외부 검증 n=1,106
94.1%는 지참약 데이터 연결 경로를 확보한 비율이며, 문서 인식 정확도가 아닙니다. MediPipe와 DeepBreath의 지표는 서로 다른 제품·사용 사례의 결과입니다.
수상 이력
우수상
2026 SKKU 프리 텍스코어 사업계획서 발표
성균관대학교 실험실창업혁신단 · 창업지원단 주관 · 2026.10.14
발표 주제
병원 결과지·진료기록을 의료진 검증(HITL) 기반으로 AI 활용 데이터로 자동 변환하는 원내 설치형 웹 기반 의료데이터 플랫폼 「MediPipe」
최우수상
2026 실험실 창업경진대회 IR 발표
성균관대학교 창업지원단 주관 · 2026.09.18
발표 주제
병원 내 검사 결과와 진료기록을 AI 활용 데이터로 전환하는 온프레미스 의료데이터 인프라 소프트웨어 MediPipe
최우수상
2026 연합 실험실창업 캠프 IR 발표
성균관대학교 창업중심대학사업단 주관 · 2026.08.26
발표 주제
병원이 AI를 쓸 수 있게 만드는 데이터 인프라 — MediPipe
연구와 사업
임상 연구 경험을 병원이 실제로 사용하는 제품으로 연결합니다.
- 삼성서울병원·인천대학교·이대목동병원·춘천성심병원 다기관 연구
- 건양대학교병원 데이터 정제 유상 위탁과 유상 PoC · IRB 완료
- SCI(E) 논문 15편 · 1저자 8편 · h-index 8
- 식약처 승인 SaMD 개발·검증 경험 · 멀티에이전트 데이터 정제 기술 특허 출원
대표 논문
Deep learning models for acute kidney injury prediction: multi-center external validation and evaluation under simulated continuous monitoring conditions
Separate and joint associations of cardiorespiratory fitness and healthy vascular aging with subclinical atherosclerosis in men
Novel artificial intelligence-based technology to diagnose asthma using methacholine challenge tests
MediPipe의 차이
문자를 읽는 데서 끝나지 않습니다
01
임상적 의미 보존
값을 올바른 임상 필드로 옮깁니다. 30년·99만 건 폐기능 코호트 정제 경험을 제품에 반영했습니다.
02
의료인이 직접 검증
코딩 없이 화면에서 확인하고 수정합니다. AI가 항목을 찾고, 최종 판단은 의료인이 합니다.
03
환자 에피소드로 축적
검사와 기록을 환자 단위로 이어 붙여 병원 안에 남깁니다. 그 위에 병원 자체 AI, 외부 도입 AI, 허가 AI가 올라갑니다.
비교표는 좌우로 넘겨서 보세요.
| MediPipe 경쟁력 | MediPipe | 범용 문서 AI | 병원 자체 구축 |
|---|---|---|---|
| 목적 | 검사 결과·진료기록의 AI 전환 | 범용 문자·문서 인식 | 기관별 데이터 플랫폼 구축 |
| 임상 의미 | 필드 간 의미까지 검증 | 제한적 | 도메인별 인력 반복 투입 |
| 검증 방식 | 의료인이 코딩 없이 직접 확인·수정 | 자동 출력 그대로 | 전문인력이 수작업 검수 |
| 배포 | 온프레미스 · 망분리 환경 | 폐쇄망 배포 경로 제한적 | 해당 없음 (자체 구축) |
| 축적 | 환자 에피소드 단위로 병원 내 축적 | 문서 단위 출력 | 과제 단위로 재작업 |
성장 전략
먼저 데이터를 정리하고 그 위에 AI를 확장합니다
MediPipe로 병원 현장의 반복 업무를 줄이고 데이터를 쌓습니다. 한 번 정리한 데이터는 병원 연구, 외부 AI 솔루션 연동, DeepBreath 개발에 다시 활용합니다.
사업 진행 현황 다기관 연구에서 매출과 의료 AI까지
RESEARCH다기관 연구
4개 기관 삼성서울병원·인천대학교·이대목동병원·춘천성심병원에서 출발했습니다.
NOW첫 매출
건양대병원 데이터 정제 유상 위탁과 유상 PoC에서 첫 매출을 만들었습니다. IRB 승인을 완료했습니다.
CUSTOMERS두 고객군
최대 394곳* 데이터 범위를 넓히려는 기관 66곳과, 첫 데이터 인프라가 필요한 종합병원 328곳입니다. 기관 수는 중복 제거 전 상한입니다.
PIPELINE중장기
DeepBreath MediPipe 데이터 기반 위에서 예측 SaMD 개발과 인허가를 병행합니다.
로드맵 MediPipe에서 DeepBreath까지
- 2026MediPipe 사업화
- 법인 설립 (2026.08)
- 건양대학교병원 유상 위탁·PoC · IRB 완료
- 실험실창업 경진대회·연합 캠프 최우수상 2회 · 프리 텍스코어 우수상
- 식약처 제60조 검토 신청 (2026.09)
- 텍스트 데이터 정제 개발 완료 · 검증 단계
- 필드 단위 정확도 벤치마크 공개 (4분기)
- 이대목동병원 연동 2026년 완료 목표
- 2027병원 확장
- 외부 제품·EMR 연동 API 확산 (로드맵 3단계)
- 유료 계약 전환 확대 · 종합병원 도입
- 환자 에피소드 데이터 자산 축적
- DeepBreath 임상 검증 착수
- 2028예측 AI 확장
- 병원 내부에서 동작하는 자체 AI 모델 배포 (로드맵 4단계)
- DeepBreath 품목허가 추진
- 글로벌 인허가 준비
글로벌 진출
MediPipe 레퍼런스로 해외 진출을 준비합니다. DeepBreath의 국내외 인허가도 단계적으로 추진합니다.
팀
실험실에서 시작해 현장으로
브레스유는 성균관대학교 실험실 기반 창업팀입니다. 연구는 엄격하게, 제품과 사업은 빠르게 검증합니다.
이경현
Kyung Hyun Lee
공동창업자 · 대표 (CEO) 성균관대학교 SAIHST 디지털헬스 박사과정에서 의료 AI를 연구하며, 임상 연구를 제품과 사업으로 연결합니다.
- Medical AI 8년
- SCI(E) 15편 · 1저자 8편
- 식약처 승인 SaMD 개발 경험
이다윤
Dayoon Lee
공동창업자 · 최고품질책임자 (CQO) 임상 현장의 언어를 품질과 규제 체계로 연결합니다.
- 간호학 기반 임상 이해
- 의료기기 QA
- QMS 체계 구축
- 인허가 프로세스
협력 네트워크
다기관 연구에서 출발했습니다. 최근 건양대학교병원 유상 검증을 통해 매출 단계로 나아갔습니다.
문의
병원 데이터 활용의 첫 단계를 함께 시작하세요
병원·기관의 MediPipe 도입과 현장 검증 문의를 기다립니다. 연구 협력과 투자 관련 자료도 요청하실 수 있습니다.