i - There

📅 September 2024 ~ November 2024

🧑‍💼 Team Leader

📅 September 2024 ~ November 2024

🧑‍💼 Team Leader

Product Strategy & Execution

End-to-End Product Development

Real-time AI System Design

Cross-functional Leadership

🏆 과학기술정보통신부 주최 XR 디바이스 콘텐츠 메이커톤 2위 (정보통신산업진흥원장상)

🏆 과기부주최 XR 디바이스 콘텐츠 메이커톤 2위 (정보통신산업진흥원장상)

i - There : 두려운 진단과 치료에서 재미있는 놀이 경험으로,
딥러닝 및 XR 기반 ADHD 스크리닝 및 맞춤형 증상 개선 시스템

i - There : 두려운 진단과 치료에서 재미있는
놀이 경험으로, 딥러닝 및 XR 기반 ADHD
스크리닝 및 맞춤형 증상 개선 시스템

Product Design & Execution

End-to-End Product Development

Cross-functional Leadership

AI Framework Architecture

Abstract

i-There는 과학기술정보통신부가 주최한 'XR 디바이스 콘텐츠 메이커톤 2024'에서 개발한 딥러닝 기반 아동 ADHD 스크리닝 솔루션입니다. 본 대회는 스타트업, 연구소, 일반인 등 제한 없이 참가하여 약 40일간 시연 가능한 프로덕트를 개발하는 경진대회로 국내 XR 하드웨어 전문 기업 피앤씨솔루션이 퀄컴(Qualcomm)과 제휴로 개발한 차세대 XR 글래스 'METALENSE2' 기반 서비스 개발이 요구됩니다. i-There는 Unity 엔진 기반 XR 애플리케이션에서 저수준 센서 처리를 통해 아동의 행동 데이터를 실시간 수집하고 Barracuda 모듈의 온디바이스 AI 추론을 수행하며 REST API로 서버와 통신하는 클라이언트-서버 아키텍처로 구현됩니다. 저는 팀장이자 PM, 책임 프로그래머로써 개발자 1명, 디자이너 3명, 기획자 1명, 의학 전공자 1명 총 7인 팀을 이끌며 기술 아키텍처 설계부터 AI 모델 개발, 백엔드-클라이언트 통합, 아동 친화적 UX 구현까지 end-to-end 개발을 주도했습니다.

i-There는 과학기술정보통신부가 주최한 'XR 디바이스 콘텐츠 메이커톤 2024'에서 개발한 딥러닝 기반 아동 ADHD 스크리닝 솔루션입니다. 본 대회는 스타트업, 연구소, 일반인 등 제한 없이 참가하여 약 40일간 시연 가능한 프로덕트를 개발하는 경진대회로 국내 XR 하드웨어 전문 기업 피앤씨솔루션이 퀄컴(Qualcomm)과 제휴로 개발한 차세대 XR 글래스 'METALENSE2' 기반 서비스 개발이 요구됩니다. i-There는 Unity 엔진 기반 XR 애플리케이션에서 저수준 센서 처리를 통해 아동의 행동 데이터를 실시간 수집하고 Barracuda를 통해 온디바이스 AI 추론을 수행하며 REST API로 서버와 통신하는 클라이언트-서버 아키텍처로 구현됩니다. 저는 팀장이자 PM, 책임 프로그래머로써 개발자 1명, 디자이너 3명, 기획자 1명, 의학 전공자 1명 총 7인 팀을 이끌며 기술 아키텍처 설계부터 AI 모델 개발, 백엔드-클라이언트 통합, 아동 친화적 UX 구현까지 end-to-end 개발을 주도했습니다.

팀 구성의 다양성과 기술적 복잡도 속에서 어떻게 각 구성원의 전문성을 최대한 발휘하게 하면서 프로젝트를 체계적으로 이끌 수 있을까?

i-There는 3학년 여름방학부터 4학년 1학기까지 대학생 연합 동아리에서 직접 기획하고 피칭한 아이디어로 개발자, 디자이너, 기획자, 의학 전공자 총 7인 팀을 구성하고 팀장 겸 책임 프로그래머로서 주도한 프로젝트입니다. 메이커톤의 40일이라는 짧은 개발 주기 내에 서로 다른 분야의 팀원을 통합하고 게임 엔진- AI 추론 레이어 - 백엔드 인프라로 구성된 복잡한 기술 스택으로 완성도 높은 결과물을 만들어내고자 했기에, 일정 중심 설계 모델을 적용하여 프로젝트 관리 체계를 수립했습니다. 각 모듈의 인터페이스를 명확히 정의하여 개발·디자인·의료 인공지능 영역이 독립적으로 작업할 수 있는 구조를 설계했으며 명확한 책임 범위와 주 단위 마일스톤을 설정하여 물리적으로 분산된 환경에서도 정해진 시점에 통합될 수 있도록 계획했습니다. 개발 중반 핵심 기능의 기술적 결함 발견에는 대체 센싱 방식으로 즉시 피봇하고 시스템 아키텍처를 재구성하여 일정 지연 없이 문제를 해결할 수 있었습니다. 이러한 체계적인 일정 관리와 신속한 의사결정을 통해 기한 내 완전히 동작하는 시스템을 성공적으로 구현 및 시연하여 전국 규모 경진대회에서 최종 2위(정보통신산업진흥원장상, 상금 500만원)를 수상했습니다.

팀 구성의 다양성과 기술적 복잡도 속에서 어떻게 각 구성원의 전문성을 최대한 발휘하게 하면서 프로젝트를 체계적으로 이끌 수 있을까?

i-There는 3학년 여름방학부터 4학년 1학기까지 대학생 연합 동아리에서 직접 기획하고 피칭한 아이디어로 개발자, 디자이너, 기획자, 의학 전공자 총 7인 팀을 구성하고 팀장 겸 책임 프로그래머로서 주도한 프로젝트입니다. 메이커톤의 40일이라는 짧은 개발 주기 내에 서로 다른 분야의 팀원을 통합하고 게임 엔진- AI 추론 레이어 - 백엔드 인프라로 구성된 복잡한 기술 스택으로 완성도 높은 결과물을 만들어내고자 했기에, 일정 중심 설계 모델을 적용하여 프로젝트 관리 체계를 수립했습니다. 먼저 전체 구성을 클라이언트 - AI 모델 - 백엔드로 모듈화하고 각 인터페이스를 명확히 정의하여 개발·디자인·의료 인공지능 영역이 독립적으로 작업할 수 있는 구조를 설계했으며 주 단위 통합 일정과 마일스톤을 설정하여 물리적으로 분산된 환경에서도 각 구성원이 병렬적으로 개발하면서 정해진 시점에 통합될 수 있도록 계획했습니다. 개발 중반 핵심 기능의 기술적 결함 발견에는 대체 센싱 방식으로 즉시 피봇하고 시스템 아키텍처를 재구성하여 일정 지연 없이 문제를 해결할 수 있었습니다. 이러한 체계적인 일정 관리와 신속한 의사결정을 통해 기한 내 완전히 동작하는 시스템을 성공적으로 구현 및 시연하여 전국 규모 경진대회에서 최종 2위(정보통신산업진흥원장상, 상금 500만원)를 수상했습니다.

BACKGROUND

핵심 문제 및 니즈 발굴

아동이 경험하는 심리적 어려움

ADHD 아동은 정신과 진단 및 치료 과정에서 부정적 자아 정체성·감정 경험
생리학적 접근: 바이오마커 발굴, 뇌 영상 분석, 신경전달물질 연구, 유전자 검사
하지만 정신과를 내원하는 아동의 심리적 배경을 세심하게 이해하고, 이에 기반한 솔루션을 제공하는 과정은 상대적으로 미흡한 실정.

본 프로젝트는 이러한 문제를 핵심 과제로 정의하고 사용자 중심의 리서치를 수행

핵심 문제 및 니즈 발굴

아동이 경험하는 심리적 어려움

ADHD 아동은 정신과 진단 및 치료 과정에서 부정적 자아 정체성·감정 경험
생리학적 접근: 바이오마커 발굴, 뇌 영상 분석, 신경전달물질 연구, 유전자 검사
하지만 정신과를 내원하는 아동의 심리적 배경을 세심하게 이해하고, 이에 기반한 솔루션을 제공하는 과정은 상대적으로 미흡한 실정.

본 프로젝트는 이러한 문제를 핵심 과제로 정의하고 사용자 중심의 리서치를 수행

RESEARCH

ADHD 진단·치료의 현황과 과제

질환의 심각성 및 지속성
정신과 외래 방문 아동의 46.7%가 ADHD 진단
약 60%는 성인기까지 증상 지속
학업 성취도 저하, 행동 문제, 대인관계 어려움 발생 가능 → 조기 진단과 치료 필수

진단·치료 과정에서 아동이 겪는 심리적 부담
스스로를 탓하며 부정적 자기 정체성 형성
부모에게 죄의식과 죄책감 경험
→ 이차적 정신건강 문제 유발, ADHD 치료 저해하는 악순환 초래

ADHD 치료는 의학적 개입과 함께 아동의 심리적·정서적 어려움을 해소하는 통합적 접근이 필요하며 조기 치료만큼이나 치료 과정에서 아동이 느끼는 죄책감을 완화하고 긍정적 자아상을 형성하도록 돕는 심리적 지원이 필요

ADHD 진단·치료의 현황과 과제

질환의 심각성 및 지속성
정신과 외래 방문 아동의 46.7%가 ADHD 진단
약 60%는 성인기까지 증상 지속
학업 성취도 저하, 행동 문제, 대인관계 어려움 발생 가능 → 조기 진단과 치료 필수

진단·치료 과정에서 아동이 겪는 심리적 부담
스스로를 탓하며 부정적 자기 정체성 형성
부모에게 죄의식과 죄책감 경험
→ 이차적 정신건강 문제 유발, ADHD 치료 저해하는 악순환 초래

필요성 분석

정신 건강 분야 디지털 전환 추진 (보건복지부)

현재 정신질환 진단의 한계: "기분이 우울하다", "환청이 들린다" 등 주관적 정보 의존
객관적 디지털 측정 자료 구축 필요성 대두
혈압·혈당처럼 객관화된 데이터 활용
환자 스스로 데이터 수집 → 의사와 함께 치료 방법 결정하는 개인 맞춤형 시스템

필요성 분석

정신 건강 분야 디지털 전환 추진 (보건복지부)

현재 정신질환 진단의 한계: "기분이 우울하다", "환청이 들린다" 등 주관적 정보 의존
객관적 디지털 측정 자료 구축 필요성 대두
혈압·혈당처럼 객관화된 데이터 활용
환자 스스로 데이터 수집 → 의사와 함께 치료 방법 결정하는 개인 맞춤형 시스템

시장 기회 분석

디지털 치료제(DTx)의 강점
데이터 기반 증상 정량화 및 객관적 측정 → 주관적 진단의 한계 보완
개인별 데이터 활용한 맞춤형 치료 제공 가능
ADHD 치료 분야에서의 DTx 검증 및 임상 권고
ADHD 치료 분야에서 DTx는 유의미한 효과 입증
주요 진료 지침의 권고사항
미국소아학회(AAP, 2019): 6~18세 아동·청소년 ADHD 치료 시 약물치료 + 행동치료 또는 부모 교육 프로그램 병행 권장
영국 국립보건임상연구소(NICE, 2018): 동일 권장사항

시장 기회 분석

디지털 치료제(DTx)의 강점
데이터 기반 증상 정량화 및 객관적 측정 → 주관적 진단의 한계 보완
개인별 데이터 활용한 맞춤형 치료 제공 가능
ADHD 치료 분야에서의 DTx 검증 및 임상 권고
ADHD 치료 분야에서 DTx는 유의미한 효과 입증
주요 진료 지침의 권고사항
미국소아학회(AAP, 2019): 6~18세 아동·청소년 ADHD 치료 시 약물치료 + 행동치료 또는 부모 교육 프로그램 병행 권장
영국 국립보건임상연구소(NICE, 2018): 동일 권장사항

타겟 사용자 및 프로덕트 방향

타겟 사용자: 8~12세 ADHD 아동
자아 정체성 형성 시기
미국소아학회(AAP) 진료지침 행동 치료 권장 연령대(6~18세) 내 포함
FDA 승인 ADHD 치료 기기 EndeavorRx 타겟 연령대와 일치

시스템 설계 핵심
아동 친화적 사용자 경험 디자인 기반
XR 데이터셋 + 딥러닝 분석 → 개인 맞춤형 스크리닝 데이터 산출
맞춤형 혼합 현실 프로그램 제공
목표: ADHD 진단 및 치료 과정에서 발생하는 아동의 심리적 부담 효과적 완화

타겟 사용자 및 프로덕트 방향

타겟 사용자: 8~12세 ADHD 아동
자아 정체성 형성 시기
미국소아학회(AAP) 진료지침 행동 치료 권장 연령대(6~18세) 내 포함
FDA 승인 ADHD 치료 기기 EndeavorRx 타겟 연령대와 일치

시스템 설계 핵심
아동 친화적 사용자 경험 디자인 기반
XR 데이터셋 + 딥러닝 분석 → 개인 맞춤형 스크리닝 데이터 산출
맞춤형 혼합 현실 프로그램 제공
목표: ADHD 진단 및 치료 과정에서 발생하는 아동의 심리적 부담 효과적 완화

DESIGN

기술 설계 및 데이터 파이프라인

하드웨어 플랫폼: MERALENSE2 XR 글래스
몰입형 가상 환경에서 다층적 행동 데이터 실시간 수집·분석. 아동 친화적 스토리텔링 및 시각적 디자인을 통해 자연스러운 몰입 유도.

기술 설계 및 데이터 파이프라인

하드웨어 플랫폼: MERALENSE2 XR 글래스
몰입형 가상 환경에서 다층적 행동 데이터 실시간 수집·분석. 아동 친화적 스토리텔링 및 시각적 디자인을 통해 자연스러운 몰입 유도.

다층적 행동 데이터 수집

DSM-5 ADHD 진단 기준 18개 항목을 선행 연구 기반으로 가상 환경 측정 가능 디지털 지표로 변환

핸드 및 아이 트래킹: 손동작 패턴 포착 → 신체적 과잉행동 측정
IMU 센서: 머리 움직임 포착 → 주의력 분산 양상 측정
음성 인식 API: 고주파 빈도, 음량, 질문 완료 전 답변 시작 패턴 등 언어적 충동성 지표 분석
과제 수행 지표: 과제 수행 시간, 중간 이탈 시간, 과제 전환 시간 통합 기록

필요성 분석다층적 행동 데이터 수집

핸드 트래킹: 손동작 패턴 포착 → 신체적 과잉행동 측정
IMU 센서: 머리 움직임 포착 → 주의력 분산 양상 측정
음성 인식 API: 고주파 빈도, 음량, 질문 완료 전 답변 시작 패턴 등 언어적 충동성 지표 분석
과제 수행 지표: 과제 수행 시간, 중간 이탈 시간, 과제 전환 시간 통합 기록

데이터 처리 및 AI 분석 파이프라인

Unity 엔진 Static 배열 → 메모리 내 효율적 원시 데이터 관리
정규화 및 필터링 전처리
Barracuda 기반 딥러닝 모델 실시간 AI 추론
REST API를 통한 서버 전송 및 데이터베이스 영구 저장
지속적 모델 개선 및 장기적 증상 추적용 데이터셋 구축

시장 기회 분석데이터 처리 및 AI 분석 파이프라인

Unity 엔진 Static 배열 → 메모리 내 효율적 원시 데이터 관리
정규화 및 필터링 전처리
Barracuda 기반 딥러닝 모델 실시간 AI 추론
REST API를 통한 서버 전송 및 데이터베이스 영구 저장
활용: 지속적 모델 개선 및 장기적 증상 추적용 데이터셋 구축

딥러닝 모델 및 진단 알고리즘

딥러닝 모델: CNN(Convolutional Neural Network): 시계열 행동 데이터에서 의미 있는 패턴 학습

핵심 기능: 과제 수행 중 반복되는 불필요한 손목 움직임 및 집중도 저하 시점의 특징적 신호
개인차 필터링: 아동마다 다른 기본 활동량 차이 제거 → ADHD 증상 직접 연관 행동 특징만 추출
계층적 학습 구조: 다층 합성곱 계층을 통한 저수준 특징(순간적 움직임 변화) → 고수준 특징(지속적 과잉행동 패턴) 학습

실시간 분석 및 평가: Barracuda-Unity 연동 AI 모델, 각 증상 0~3점 실시간 평가, K-ARS-IV 형식 총 54점 만점 심각도 점수 산출

딥러닝 모델 및 진단 알고리즘

딥러닝 모델: CNN(Convolutional Neural Network): 시계열 행동 데이터에서 의미 있는 패턴 학습

핵심 기능: 과제 수행 중 반복되는 불필요한 손목 움직임 및 집중도 저하 시점의 특징적 신호
개인차 필터링: 아동마다 다른 기본 활동량 차이 제거 → ADHD 증상 직접 연관 행동 특징만 추출
계층적 학습 구조: 다층 합성곱 계층을 통한 저수준 특징(순간적 움직임 변화) → 고수준 특징(지속적 과잉행동 패턴) 학습

실시간 분석 및 평가: Barracuda-Unity 연동 AI 모델, 각 증상 0~3점 실시간 평가, K-ARS-IV 형식 총 54점 만점 심각도 점수 산출

ADHD 아동의 인지적 특성

주의 통제력 약함, 쉽게 집중력 상실
여러 일에 동시 집중 어려움
직관적·명확한 인터페이스 설계
AR 환경 거리 기반 시각 조절
선행연구: 오브젝트와의 물리적 거리 증가 → 주의력 분산, 인지 에너지 소모
적용: 거리에 따른 시각적 자극 강도 조절, 색상·형태 연속성 유지

필요성 분석다층적 행동 데이터 수집

핸드 트래킹: 손동작 패턴 포착 → 신체적 과잉행동 측정
IMU 센서: 머리 움직임 포착 → 주의력 분산 양상 측정
음성 인식 API: 고주파 빈도, 음량, 질문 완료 전 답변 시작 패턴 등 언어적 충동성 지표 분석
과제 수행 지표: 과제 수행 시간, 중간 이탈 시간, 과제 전환 시간 통합 기록

아동 친화적 디자인 요소

캐릭터: 둥글고 부드러운 형태의 진흙 돼지 → 심리적 안정감·친근함 제공
색상: 파스텔 톤 → 시각적 부담 최소화
설명 방식: AI 음성 활용, 천천히 명확하게 전달
공간: 동화적 공간 모델링 → 자연스러운 몰입 유도
보상 시스템: 미션 완료 시 3D 이펙트 즉각 제공 → 성취감 및 지속적 참여 유도

시장 기회 분석데이터 처리 및 AI 분석 파이프라인

Unity 엔진 Static 배열 → 메모리 내 효율적 원시 데이터 관리
정규화 및 필터링 전처리
Barracuda 기반 딥러닝 모델 실시간 AI 추론
REST API를 통한 서버 전송 및 데이터베이스 영구 저장
활용: 지속적 모델 개선 및 장기적 증상 추적용 데이터셋 구축

서비스 확장 가능성

진단 데이터 기반 맞춤형 치료 콘텐츠 제공
축적된 진단 데이터베이스 활용 → 개인화된 ADHD 개선 보조 프로그램 확장
참고 사례: MORA (의료 전용 솔루션에서 재활 운동치료 처방
→ 환자용 애플리케이션에서 수행)
개인별 증상 수준 맞춤형 콘텐츠
과잉행동 정도에 따른 움직임 제어 과제 난이도 조정
집중력 부족 정도에 따른 주의력 훈련 과제 난이도 조정

서비스 확장 가능성

진단 데이터 기반 맞춤형 치료 콘텐츠 제공
축적된 진단 데이터베이스 활용 → 개인화된 ADHD 개선 보조 프로그램 확장
참고 사례: MORA (의료 전용 솔루션에서 재활 운동치료 처방
→ 환자용 애플리케이션에서 수행)
개인별 증상 수준 맞춤형 콘텐츠
과잉행동 정도에 따른 움직임 제어 과제 난이도 조정
집중력 부족 정도에 따른 주의력 훈련 과제 난이도 조정

IMPLEMENTATION

기술 리더십 및 End-to-End 구현

기획-개발-디자이너 간 커뮤니케이션을 주도하며 기술적 복잡성을 사용자 중심 콘텐츠 솔루션으로 구현했습니다. 기획 설계 후 프로젝트의 기술 아키텍처 전반을 설계하고 구현을 주도했으며, AI 모델 개발부터 XR 디바이스 최적화, 데이터 파이프라인 구축, 디자인 시안을 반영한 사용자 중심 인터랙션 구현까지 기술 스택을 구축했습니다.

AI 모델 통합: Python 기반 딥러닝 모델 → Barracuda 변환 → Unity 환경 실시간 추론 구현

데이터 파이프라인: REST API + MariaDB 활용 클라이언트-서버 송수신 체계 확립

성능 최적화: 디바이스 하드웨어 제약 고려 메모리 최적화 ↔ AI 추론 latency 간 trade-off 조율

인터랙션 구현: Pinch/Grab 제스처 기반 인터랙션 + 3D 애니메이션 파이프라인 → 아동 친화적 UX 완성

Step 1-2 (스크리닝 미션)

Step 1 - 집 만들기 재료 수집

아기돼지 캐릭터와의 대화로 자연스러운 도입부 몰입 유도
네이버 클로바 API: 아동 자기소개 시 이름 발화 → 자동 입력
DSM-5 부주의 및 과잉행동-충동성 18가지 증상 데이터 수집 설계
집 만들기 재료 순서대로 수집
- ex1) 총 이동 경로 거리 → 과잉행동 수준 측정
- ex2) 잘못된 재료 접촉 횟수 → 부주의 정도 측정

필요성 분석다층적 행동 데이터 수집

핸드 트래킹: 손동작 패턴 포착 → 신체적 과잉행동 측정
IMU 센서: 머리 움직임 포착 → 주의력 분산 양상 측정
음성 인식 API: 고주파 빈도, 음량, 질문 완료 전 답변 시작 패턴 등 언어적 충동성 지표 분석
과제 수행 지표: 과제 수행 시간, 중간 이탈 시간, 과제 전환 시간 통합 기록

Step 2 - 오븐 관찰 과제

오븐에 구워지는 진흙 가만히 관찰
- ex1) 오븐 외 다른 곳 주시 시간 → 주의력 유지 능력 평가
- ex2) 캐릭터 발화 시 주의 전환 빈도 → 주의 산만 정도 평가
게임적 요소 + 스토리텔링 → 아동 자발적 참여 유도
임상적으로 의미 있는 행동 데이터를 객관적·정량적으로 수집

시장 기회 분석데이터 처리 및 AI 분석 파이프라인

Unity 엔진 Static 배열 → 메모리 내 효율적 원시 데이터 관리
정규화 및 필터링 전처리
Barracuda 기반 딥러닝 모델 실시간 AI 추론
REST API를 통한 서버 전송 및 데이터베이스 영구 저장
활용: 지속적 모델 개선 및 장기적 증상 추적용 데이터셋 구축

기술 리더십 및 End-to-End 구현

기획 설계 후 프로젝트의 기술 아키텍처 전반을 설계하고 구현을 주도했습니다. AI 모델 개발부터 XR 디바이스 최적화, 데이터 파이프라인 구축, 디자인 시안을 반영한 사용자 중심의 인터랙션 구현까지 end-to-end 기술 스택을 담당하며 Python 기반 딥러닝 모델을 Barracuda로 변환해 Unity 환경에서 실시간 추론을 구현했습니다. 또한 REST API와 MariaDB를 활용한 클라이언트-서버 데이터 송수신 체계를 확립하고 디바이스의 하드웨어 제약을 고려한 메모리 최적화와 AI 추론 latency 간 trade-off를 조율하는 동시에 Pinch/Grab 제스처 기반 인터랙션과 3D 애니메이션 파이프라인을 설계하여 아동 친화적 UX를 완성했습니다. 이처럼 기획-개발-디자이너 간 cross-functional 커뮤니케이션을 주도하며 기술적 복잡성을 사용자 중심의 콘텐츠 솔루션으로 구현하고자 했습니다.

Step 3 (증상 개선 미션)

Step 3 - 벽돌 쌓기 과제 (맞춤형 증상 개선 훈련)

Step 1, 2 수집 데이터 Tensor 입력 → 학습된 기준 토대로 개인별 증상 수준 맞춤 동적 난이도 설계
벽돌을 규칙에 따라 쌓는 과제
- 순서 조직화 및 체계적 실행 활동 → 실질적 증상 개선 훈련

Final Stage - 완성 및 보상

모든 미션 완수 → 아기돼지 벽돌 집 완성
성취 보상 획득, 프로그램 마무리

혼합현실 디지털 치료제로의 확장 가능성: 단순 진단을 넘어 디지털 치료제(DTx) 프로토타입으로서 개인별 진단 데이터 기반 맞춤형 훈련 콘텐츠와 즉각적 보상 시스템을 통해 스크리닝부터 치료 개입까지 아우르는 통합 솔루션으로의 확장성을 확보

Step 3 (증상 개선 미션)

Step 3 - 벽돌 쌓기 과제 (맞춤형 증상 개선 훈련)

Step 1, 2 수집 데이터 Tensor 입력 → 학습된 기준 토대로 개인별 증상 수준 맞춤 동적 난이도 설계
벽돌을 규칙에 따라 쌓는 과제
- 순서 조직화 및 체계적 실행 활동 → 실질적 증상 개선 훈련

Final Stage - 완성 및 보상

모든 미션 완수 → 아기돼지 벽돌 집 완성
성취 보상 획득, 프로그램 마무리

BUISNESS MODEL

3단계 확장 전략 및 비즈니스 모델

1단계: B2C 직접 판매

MERALENSE2 + i-There를 아동·보호자에게 직접 제공
기기 판매 + 구독 서비스 → 초기 수익 창출
사용자 행동 데이터 축적

2단계: 학교·교육기관 파일럿 및 공공 신뢰 확보

축적 데이터 기반 학교·교육기관 파일럿 프로그램 운영
ADHD 증상 개선 효과 객관적 검증
공공기관 신뢰 확보 → 정부 지원 및 보조금 수혜 기반 마련

필요성 분석다층적 행동 데이터 수집

핸드 트래킹: 손동작 패턴 포착 → 신체적 과잉행동 측정
IMU 센서: 머리 움직임 포착 → 주의력 분산 양상 측정
음성 인식 API: 고주파 빈도, 음량, 질문 완료 전 답변 시작 패턴 등 언어적 충동성 지표 분석
과제 수행 지표: 과제 수행 시간, 중간 이탈 시간, 과제 전환 시간 통합 기록

3단계: 보험사 협력 및 급여 편입

검증된 임상 성과 데이터 활용 → 보험사 협력 관계 구축
i-There 보험 급여 항목 편입
성과 기반 과금(Performance-based Pricing) 모델 적용
- 실제 증상 개선 입증 시에만 비용 청구 → 보험사 재정적 리스크 완화
- 장기적 전략적 파트너십 형성
안정적 수익 구조 + 시장 점유율 확대 동시 달성

시장 기회 분석데이터 처리 및 AI 분석 파이프라인

Unity 엔진 Static 배열 → 메모리 내 효율적 원시 데이터 관리
정규화 및 필터링 전처리
Barracuda 기반 딥러닝 모델 실시간 AI 추론
REST API를 통한 서버 전송 및 데이터베이스 영구 저장
활용: 지속적 모델 개선 및 장기적 증상 추적용 데이터셋 구축

OUTCOME

결과

2024년 11월, 판교 메타버스 허브에서 개최된 본선 발표 및 시연 평가 참여

하드웨어 파트너사의 프로젝트 지속 제안

MERALENSE2 개발사(피앤씨솔루션) 대표가 심사위원으로 참여, 프로젝트에 특히 높은 관심 표명, 당시 미완성 상태였던 하드웨어 기능 추가 제공 및 프로젝트 지속 의견 제안

심사위원 비판적 피드백

질문 1: AI 모델 사용의 타당성

질문 2: 기기 측정 범위 벗어날 경우 데이터 신뢰성 확보 방안

최종 결과 발표에서 현직 산업체와 석박사급 연구진이 참여한 경쟁 속에서 최종 2위로 정보통신산업진흥원장상을 수상하며 상금 500만원을 수령

결과

2024년 11월, 판교 메타버스 허브에서 개최된 본선 발표 및 시연 평가 참여

하드웨어 파트너사의 프로젝트 지속 제안

심사위원 비판적 피드백

질문 1: AI 모델 사용의 타당성

질문 2: 기기 측정 범위 벗어날 경우 데이터 신뢰성 확보 방안

최종 결과 발표에서 현직 산업체와 석박사급 연구진이 참여한 경쟁 속에서 최종 2위로 정보통신산업진흥원장상을 수상하며 상금 500만원을 수령

프로젝트 인사이트

1. 시간 제약 속에서의 프로젝트 구조화와 리스크 관리

40일 개발 주기 + 복잡한 기술 스택 제약 속 시스템 모듈화 및 인터페이스 사전 정의

기술 리스크 대응 사례
- 개발 중반 아이트래킹 SDK 오류 발생
- 대체 센서 방식으로 신속 피봇 → 다른 모듈 영향 최소화
스코프 관리
- 40일 내 시연 가능 프로덕트 개발이라는 명확한 데드라인
- 모든 기능 완벽 구현보다 핵심 사용자 플로우 작동에 집중
- 적절한 스코프 설정의 중요성 및 동작하는 MVP의 가치 체감

2. 크로스 펑셔널 팀에서의 커뮤니케이션과 책임 경계 설정

협업 과정의 어려움
- 개발·디자인·의학 등 서로 다른 영역 팀원 간 갈등 발생
- 기획 레벨 디자인이 디자이너에게 명확히 전달되지 않음
- 완성된 디자인 애셋·UI가 개발 클라이언트에서 작동하지 않음
- 각 분야 일정 지연이 연쇄적으로 다른 팀원 업무 진척에 영향
대응 전략
- 각 팀원의 실제 작업 가능 시간·리소스 재확인 → 현실적 일정 조정
- 각 작업의 책임 범위 명확 정의: "누가 무엇을 언제까지 완료해야 하는가" 문서화
- 일정 지연 발생 시 책임 소재 및 우선순위 명확 판단 가능
- 갈등 발생 시: 각 팀원 입장·제약 청취 → 프로젝트 목표 기준 우선순위 재조정 또는 스코프 축소 의사결정

3. 책임 프로그래머이자 PM으로서의 이중 역할

팀장·책임 프로그래머로서 기술 아키텍처 설계 → 실제 구현 → 팀 조율 담당

기술적 의사결정 사례
- 아이트래킹 SDK 오류 대응: IMU 센서·헤드 트래킹 기반 대체 방식의 AI 모델 입력 데이터 변경이 학습 파이프라인·프로젝트 일정에 미치는 영향 직접 판단
- Blender 3D 모델 텍스처가 Unity에서 깨지는 문제: Unity 임포트 설정 직접 확인 → 디자이너에게 Blender 익스포트 옵션·텍스처 패킹 방식 구체적 안내
학습 포인트
- 각 기술 스택의 제약과 트레이드오프 정확히 이해
- 프로젝트 목표 달성 위한 최선의 의사결정을 내릴 수 있는 판단력의 중요성 체감

프로젝트 인사이트

1. 시간 제약 속에서의 프로젝트 구조화와 리스크 관리

40일 개발 주기 + 복잡한 기술 스택 제약 속 시스템 모듈화 및 인터페이스 사전 정의

기술 리스크 대응 사례
- 개발 중반 아이트래킹 SDK 오류 발생
- 대체 센서 방식으로 신속 피봇 → 다른 모듈 영향 최소화
스코프 관리
- 40일 내 시연 가능 프로덕트 개발이라는 명확한 데드라인
- 모든 기능 완벽 구현보다 핵심 사용자 플로우 작동에 집중
- 적절한 스코프 설정의 중요성 및 동작하는 MVP의 가치 체감

2. 크로스 펑셔널 팀에서의 커뮤니케이션과 책임 경계 설정

협업 과정의 어려움
- 개발·디자인·의학 등 서로 다른 영역 팀원 간 갈등 발생
- 기획 레벨 디자인이 디자이너에게 명확히 전달되지 않음
- 완성된 디자인 애셋·UI가 개발 클라이언트에서 작동하지 않음
- 각 분야 일정 지연이 연쇄적으로 다른 팀원 업무 진척에 영향
대응 전략
- 각 팀원의 실제 작업 가능 시간·리소스 재확인 → 현실적 일정 조정
- 각 작업의 책임 범위 명확 정의: "누가 무엇을 언제까지 완료해야 하는가" 문서화
- 일정 지연 발생 시 책임 소재 및 우선순위 명확 판단 가능
- 갈등 발생 시: 각 팀원 입장·제약 청취 → 프로젝트 목표 기준 우선순위 재조정 또는 스코프 축소 의사결정

3. 책임 프로그래머이자 PM으로서의 이중 역할

팀장·책임 프로그래머로서 기술 아키텍처 설계 → 실제 구현 → 팀 조율 담당

기술적 의사결정 사례
- 아이트래킹 SDK 오류 대응: IMU 센서·헤드 트래킹 기반 대체 방식의 AI 모델 입력 데이터 변경이 학습 파이프라인·프로젝트 일정에 미치는 영향 직접 판단
- Blender 3D 모델 텍스처가 Unity에서 깨지는 문제: Unity 임포트 설정 직접 확인 → 디자이너에게 Blender 익스포트 옵션·텍스처 패킹 방식 구체적 안내
학습 포인트
- 각 기술 스택의 제약과 트레이드오프 정확히 이해
- 프로젝트 목표 달성 위한 최선의 의사결정을 내릴 수 있는 판단력의 중요성 체감

i - There : 두려운 진단과 치료에서 재미있는 놀이 경험으로, 딥러닝 및 XR 기반 ADHD 스크리닝 및 맞춤형 증상 개선 시스템

i - There : 두려운 진단과 치료에서 재미있는 놀이 경험으로, 딥러닝 및 XR 기반 ADHD 스크리닝 및 맞춤형 증상 개선 시스템

Abstract

Abstract

BACKGROUND

BACKGROUND

RESEARCH

RESEARCH

DESIGN

DESIGN

IMPLEMENTATION

IMPLEMENTATION

BUISNESS MODEL

BUISNESS MODEL

OUTCOME

OUTCOME

i - There : 두려운 진단과 치료에서 재미있는 놀이 경험으로,
딥러닝 및 XR 기반 ADHD 스크리닝 및 맞춤형 증상 개선 시스템

i - There : 두려운 진단과 치료에서 재미있는
놀이 경험으로, 딥러닝 및 XR 기반 ADHD
스크리닝 및 맞춤형 증상 개선 시스템