🏥 MediKiosk

MediKiosk는 초기 환자 정보 수집 과정을 보다 구조적이고, 접근성이 높으며, 효율적으로 만들기 위해 설계된 환자용 임상 접수 프로토타입입니다.

이 시스템은 환자가 간단한 인터페이스를 통해 정보를 제공할 수 있는 안내 질문 기반 워크플로우를 제공합니다. 이 프로젝트는 다국어 상호작용 지원, 음성 관련 제어 기능, 구조화된 데이터 수집, 그리고 로컬 우선(local-first) AI 방향을 지원하는 해커톤 프로토타입으로 설계되었습니다.

⚠️ 의학 면책 조항 (Medical Disclaimer): MediKiosk는 환자 접수 및 임상 지원 워크플로우를 위한 소프트웨어 프로토타입입니다. 이는 의료 진단 시스템이 아니며, 자격을 갖춘 의사나 의료 전문가를 대체할 수 없습니다.

✨ 주요 기능 (Features)

• 🌐 영어 + 타밀어 언어 지원
• 🤖 AI 기반 환자 질문 기능
• 🧠 로컬 AI 지원 / 로컬 우선 아키텍처 (local-first architecture)
• 📝 구조화된 환자 정보 수집
• 🔊 질문 음성 읽어주기 / 음성 제어 (voice control)
• 🎙️ 음성/마이크 답변 제어
• ⬅️ 이전 질문 탐색 (Previous-question navigation)
• ➡️ 다음 질문 탐색 (Next-question navigation)
• 🏠 질문 페이지의 홈/나가기 버튼
• 📊 질문 진행 상황 추적 (Question progress tracking)
• 💾 로컬 데모를 위한 SQLite 지원
• 🗄️ MySQL 지원
• 🔐 개인 정보 보호 중심의 로컬 처리 방향 (Privacy-oriented local processing direction)
• 🧪 데모 친화적인 개발 설정 (Demo-friendly development setup)
• 💻 Windows + Python 개발 지원

문제 정의 (Problem Statement)

전통적인 환자 접수 과정에는 다음과 같은 문제들이 포함될 수 있습니다:

• 반복적인 질문
• 수동 데이터 입력
• 일관성 없는 정보 수집
• 언어 장벽
• 긴 대기 시간
• 환자 응답 정리의 어려움
• 의료진에게 추가적인 업무 부담

MediKiosk는 안내되는 디지털 환자 접수 워크플로우를 제공함으로써 초기 정보 수집 과정을 개선하고자 합니다.

제안하는 해결책 (Proposed Solution)

MediKiosk는 환자가 다음을 할 수 있는 디지털 키오스크 스타일의 인터페이스를 제공합니다:

1. 언어를 선택합니다.
2. 환자 접수 과정을 시작합니다.
3. 안내 질문을 받습니다.
4. 음성 기능을 사용하여 질문을 듣습니다.
5. 답변을 입력하거나 제공합니다.
6. 질문 사이를 이동합니다.
7. 필요할 때 이전 질문으로 돌아갑니다.
8. 홈 버튼을 사용하여 현재 질문 흐름을 종료합니다.
9. 전체 케이스 기록 과정을 계속 진행합니다.
10. 워크플로우의 다음 단계를 위해 구조화된 환자 정보를 생성/정리합니다.

AI 방향 (AI Direction)

MediKiosk는 로컬 우선(local-first) AI 방향으로 설계되었습니다.

활성화된 모듈에 따라 AI가 다음과 같은 부분에서 도움을 줄 수 있습니다:

• 관련 후속 질문 생성
• 환자 응답 정리
• 수집된 정보 요약
• 케이스 정보 구조화
• 다국어 상호작용 지원
• 임상 접수 워크플로우 보조

목표는 유료 클라우드 AI API에 대한 불필요한 의존성을 최소화하는 것입니다.

로컬 AI / 제로 API 비용 방향 (Local AI / Zero API Cost Direction)

로컬 AI 모델은 모든 요청을 유료 클라우드 AI API로 보내는 대신 사용자의 컴퓨터에서 직접 실행될 수 있습니다.

장점 (Advantages)

• 요청당 API 요금 없음
• 데이터 흐름에 대한 더 나은 제어
• 인터넷 연결 의존도 감소
• 해커톤 시연에 유용함
• 민감한 워크플로우에 대한 향상된 개인 정보 보호 잠재력
• 필요한 모델이 다운로드된 후에도 로컬에서 계속 작동 가능

중요 (Important)

로컬 AI 성능은 다음 요소에 따라 달라집니다:

• CPU
• RAM
• 저장 공간(Storage)
• 모델 크기
• 양자화(Quantization)
• 운영 체제(Operating system)
• 사용 가능한 GPU/VRAM

사양이 낮은 노트북의 경우, 대형 모델보다 경량 모델이 일반적으로 더 실용적입니다.

markdown

기술 스택 (Technology Stack)

중요: MediKiosk는 현재 Python/Flask 프로젝트입니다. 별도의 Node 기반 프런트엔드가 프로젝트에 추가되지 않는 한 npm 또는 Node.js 명령을 사용하지 마십시오.

📁 프로젝트 구조

text
Medikiosk/
...