팀명: 팀 임당
참가 형태: 팀 참가
대표자: 김은우
팀원: 김지민, 이은혜, 이의진

본 작품은 대학생들로 구성된 팀이 공동으로 기획하고 제작한 결과물로, 대표자 1인이 팀을 대표하여 신청서를 제출하였습니다.

## AI와 함께 만든 임신성 당뇨 자가관리 앱, '임당'

① 어떤 상황에서 AI를 활용했나요?
임신성 당뇨를 진단받은 임산부는 출산 때까지 하루 여러 번(공복, 식후 1시간 또는 2시간 등) 혈당을 측정하고, 식사와 운동 등 생활습관을 꾸준히 관리해야 합니다. 또한 자신이 섭취한 음식과 혈당 측정 결과를 기록하여 진료 시 의료진과 함께 확인하는 과정도 필요합니다. 그러나 매 끼니 먹은 음식을 하나씩 검색하고 입력하는 과정은 번거롭고, 바쁜 일상 속에서 식후 혈당 측정 시간을 놓치기도 쉽습니다. 또한 식사, 운동, 수면 등 다양한 생활습관과 혈당 변화의 관계를 스스로 파악하기 어렵고, 인터넷에서 제공되는 건강정보의 신뢰성을 판단하는 데에도 어려움이 있습니다.
저희 팀은 앱 기획 과정에서 실제 임신성 당뇨를 진단받은 임산부의 경험과 요구를 확인했습니다. 특히 교대근무와 같은 불규칙한 생활환경으로 혈당 측정 시간이 일정하지 않고, 반복적인 기록이 부담스럽다는 의견을 확인했습니다. 또한 단순히 혈당 수치가 높다는 결과를 알려주기보다 자신의 생활습관과 혈당 변화의 패턴을 이해할 수 있는 기능이 필요하다는 점에 주목했습니다. 대학생으로 구성된 저희 팀은 이러한 어려움을 해결하기 위해 임신성 당뇨 임산부를 위한 통합 자가관리 앱 '임당'을 기획했습니다.
'임당'은 혈당, 식사, 운동, 인슐린, 수면, 정서 등 임신성 당뇨 관리에 필요한 정보를 하나의 앱에서 기록하고, 개인의 생활환경과 기록된 정보를 바탕으로 자신의 건강관리 상태를 확인할 수 있도록 설계한 서비스입니다. 단순한 수치 기록을 넘어 사용자가 자신의 생활습관을 돌아보고, 지속적인 자가관리를 실천하도록 돕는 것을 목표로 했습니다.

저희 팀은 크게 두 가지 상황에서 AI를 활용했습니다.
- 앱의 기능 구현:식사 사진 속 음식을 AI가 인식하여 기록 과정을 간소화하고, 사용자가 보다 편리하게 식습관을 관리할 수 있도록 했습니다.
- 앱의 기획 및 개발:전문적인 개발 경험이 부족한 대학생들이 AI를 활용하여 직접 앱을 제작하고, 오류를 수정하며, 기능을 개선했습니다.
또한 이번 공모전에 제출하는 소개 영상도 AI를 활용하여 제작했습니다.



② 어떤 AI를 어떻게 활용했나요?
저희 팀은 Anthropic의 Claude와 Claude Code를 활용했습니다.
1. Claude 이미지 인식: 식사 사진을 활용한 음식 기록
임신성 당뇨 관리에서 식사 기록은 중요한 부분이지만, 사용자가 매번 음식명을 검색하고 입력해야 한다는 불편함이 있습니다. 이를 해결하기 위해 Claude의 이미지 인식 기능을 활용했습니다.
- 사용자가 식사 사진의 AI 분석에 동의한 경우에만 사진을 서버를 거쳐 Claude로 전송합니다.
- Claude는 사진 속 음식의 이름, 인식 확신도, 유사한 음식 후보를 정해진 형식으로 반환합니다.
- AI가 인식한 음식이 앱의 음식 데이터베이스와 일치하지 않거나 불확실한 경우에는 '확인해 주세요'라는 안내를 표시합니다.
- AI가 제시한 음식명을 그대로 기록하지 않고, 사용자가 실제로 섭취한 음식을 직접 선택해야만 기록되도록 구성했습니다.
- 음식의 영양정보는 AI가 임의로 생성하지 않고, 공공 식품영양성분 데이터를 활용하도록 했습니다.
이를 통해 AI의 편리함을 활용하면서도 잘못된 음식 인식 결과가 그대로 기록되는 문제를 줄이고자 했습니다.

2. Claude Code: 비전공자의 앱 개발 및 기능 개선
저희 팀은 건강관리와 관련된 지식을 바탕으로 필요한 기능을 기획했지만, 전문적인 프로그래밍 경험은 부족했습니다. 이를 보완하기 위해 Claude Code를 개발 도구로 활용했습니다.
- 구현하고 싶은 화면과 기능을 자연어로 설명하면 AI가 관련 코드를 찾아 작성하거나 수정하도록 했습니다.
- 기능 구현에 여러 방법이 있거나 기준이 모호한 경우에는 AI가 추천안을 포함한 선택지를 제시하고, 팀원들이 적절한 방식을 선택했습니다.
- 앱을 직접 사용하면서 발견한 오류와 불편한 점을 AI에 전달하여 수정했습니다.
- 수정 후 자동화된 테스트를 수행하고, 팀원들이 기능의 정확성과 안전성을 다시 확인한 다음 반영했습니다.
- 변경된 기능과 수정 내용을 문서로 정리하여 개발 과정을 이어갈 수 있도록 했습니다.
특히 혈당 기록 시점, 식후 알림, 음식 검색, 챗봇 응답, 개인정보 동의 절차 등 임신성 당뇨 관리에 중요한 기능을 반복적으로 점검하고 개선했습니다.
AI가 코드를 작성하는 데 도움을 주었지만, 어떤 기능이 필요한지, 어떤 건강정보를 제공해야 하는지, 어떤 상황에서 의료진의 판단이 필요한지는 팀원들이 직접 검토하고 결정했습니다.


③ 활용 결과 어떤 변화가 있었나요?

1. AI 음식 인식으로 식사 기록의 번거로움을 줄였습니다.
기존에는 섭취한 음식을 하나씩 검색하고 선택해야 했지만, AI 이미지 인식을 활용하여 '사진 촬영 → 음식 후보 확인 → 선택 및 저장'의 과정으로 식사를 기록할 수 있도록 했습니다.
또한 공공 식품영양성분 데이터베이스를 활용하여 음식의 영양정보를 확인할 수 있도록 구성했습니다. AI가 인식한 결과는 사용자가 직접 확인하고 수정할 수 있어, 편리함과 정확성을 함께 고려했습니다.
AI 이미지 인식을 사용하지 않더라도 음식 검색을 통해 직접 기록할 수 있도록 하여 사용자의 선택권도 보장했습니다.

2. 혈당과 생활습관을 함께 관리할 수 있도록 했습니다.
'임당'은 단순한 혈당 기록 앱이 아닙니다. 임신성 당뇨 관리에 필요한 여러 정보를 하나의 앱에서 기록할 수 있도록 구성했습니다.
- 혈당 관리: 공복, 식후 1시간, 식후 2시간, 취침 전 혈당 기록
- 식사 관리: 식사 사진 인식, 음식 검색, 식사 시간 및 섭취 음식 기록
- 운동 관리:운동 종류, 시간, 강도 기록
- 인슐린 관리: 인슐린 종류, 투여 용량, 시간 기록
- 생활습관 및 정서 관리: 수면과 감정 상태를 기록하고, 부정적인 감정이 확인되면 '1분 숨 고르기', '챗봇과 대화하기', '커뮤니티 활용하기' 등의 정서적 지원 활동으로 연결
- 개인 맞춤 설정: 임신 주수, 출산 예정일, 임신성 당뇨 진단 시점, 인슐린 사용 여부, 근무 형태, 다음 진료일 등 개인별 정보 반영
이를 통해 사용자가 혈당 수치뿐 아니라 자신의 생활습관과 정서 상태를 함께 돌아볼 수 있도록 했습니다.

3. 개인의 생활환경을 고려한 혈당 측정 알림 기능을 구성했습니다.
임신성 당뇨 임산부는 식후 1시간 또는 2시간에 혈당을 측정해야 하지만, 식사 시간이 일정하지 않거나 교대근무를 하는 경우 측정 시간을 놓치기 쉽습니다. 이에 식사 기록과 연계하여 식후 혈당 측정 시간을 안내하는 기능을 구성했습니다. 사용자가 식사한 시간을 기준으로 혈당 측정 알림을 설정할 수 있도록 하여, 정해진 시각에 일괄적으로 알림을 제공하는 방식보다 개인의 생활에 맞춰 자가관리를 수행하도록 돕고자 했습니다. 또한 초기 설정에서 근무 형태 등 생활환경 정보를 확인하여 개인별 상황을 고려한 자가관리 서비스를 제공할 수 있도록 설계했습니다.

4. 주간 리포트를 통해 혈당과 생활습관의 관계를 확인할 수 있도록 설계했습니다.
단순히 혈당 수치를 저장하는 것에서 나아가, 사용자가 자신의 자가관리 상태를 종합적으로 살펴볼 수 있도록 주간 리포트 기능을 설계했습니다.
주간 리포트에는 다음과 같은 내용을 포함하도록 했습니다.
- 평균 혈당과 혈당 측정 일수
- 공복 및 식후 혈당의 변화
- 반복적으로 나타나는 주의 패턴
- 식사 기록과 혈당 변화의 관계
- 긍정적인 관리 행동과 개선이 필요한 부분
- 기록된 정보를 바탕으로 한 맞춤형 자가관리 안내
특히 일시적인 혈당 상승만으로 문제가 있다고 단정하지 않고, 동일한 측정 시점에서 반복적으로 나타나는 변화를 중심으로 살펴보도록 했습니다. 또한 기록이 충분하지 않은 경우에는 무리하게 결과를 해석하지 않도록 분석 기준을 마련했습니다.
저혈당과 같이 우선적인 주의가 필요한 상황을 먼저 안내하고, 이후 공복 및 식후 혈당 패턴을 확인하도록 구성했습니다.
이를 통해 사용자가 자신의 혈당 변화와 생활습관을 이해하고, 진료 시 의료진과 상담하는 데 참고할 수 있도록 하고자 했습니다.

5. 신뢰할 수 있는 건강정보를 제공하는 챗봇을 구성했습니다.
임신성 당뇨와 관련된 정보는 산모와 태아의 건강에 영향을 줄 수 있으므로 정확성이 중요합니다.
이에 저희 팀은 건강정보 챗봇에 생성형 AI를 직접 적용하는 대신, 질병관리청 국가건강정보포털과 관련 학회 지침 등 신뢰할 수 있는 자료를 바탕으로 답변을 제공하도록 구성했습니다.
또한 답변에 출처를 표시하여 사용자가 정보의 근거를 확인할 수 있도록 했습니다.
혈당이 70mg/dL 미만인 저혈당 상황이나 위험 증상이 나타나는 경우에는 일반적인 건강정보보다 적절한 대처 방법과 의료진 상담, 필요시 119 신고 안내를 우선적으로 제공하도록 구성했습니다.
다만 앱이 사용자의 상태를 직접 진단하거나 치료 방법을 결정하지 않으며, 의학적 판단이 필요한 상황에서는 담당 의료진과 상담하도록 안내했습니다.

6. 정서 관리와 보상 기능을 통해 지속적인 자가관리를 지원하도록 했습니다.
임신성 당뇨병 임산부는 반복적인 혈당 측정과 식사 조절 과정에서 부담이나 불안을 경험할 수 있습니다.
이에 저희 팀은 혈당 수치만으로 사용자의 관리 수준을 평가하기보다, 스스로 건강관리 행동을 지속할 수 있도록 돕는 데 중점을 두었습니다.
사용자가 자신의 감정 상태를 기록하고, 부정적인 감정이 확인되는 경우 '1분 숨 고르기', '챗봇과 대화하기', '커뮤니티 활용하기' 등의 활동을 선택할 수 있도록 구성했습니다. 이를 통해 단순히 감정을 기록하는 데 그치지 않고, 사용자가 자신의 감정을 돌아보고 정서적 안정을 위한 활동을 실천할 수 있도록 지원하고자 했습니다.
또한 앱에는 친근한 캐릭터와 당근 보상 요소를 활용하여 당일의 기록 행동에 대한 동기를 제공하도록 했습니다.
보상은 혈당 수치가 목표 범위에 들어왔는지보다 사용자가 자가관리 행동을 실천했는지에 중점을 두어, 혈당 결과에 따른 불필요한 부담을 줄이고자 했습니다.

7. 개발 비전공자도 실제 작동하는 서비스를 제작했습니다.
Claude Code를 활용하여 웹 앱과 서버를 인터넷에 배포하고, 안드로이드 앱을 제작했습니다. 팀원들이 직접 앱을 다운로드하여 사용하면서 발견한 문제를 수정하고, 화면 구성과 기능을 반복적으로 개선했습니다.
기존에는 전문 개발자의 도움이 필요하다고 생각했던 앱 제작을 대학생들이 직접 수행할 수 있었다는 점에서 의미가 있었습니다.
무엇보다 AI를 단순히 정보를 검색하거나 과제를 작성하는 도구가 아니라, 전공 분야에서 습득한 지식과 아이디어를 실제 서비스로 구현하는 협업 도구로 활용할 수 있었습니다.


④ 나만의 방식 또는 개선 포인트는 무엇인가요?
1. 개인정보 보호와 사용자 동의를 우선했습니다.
건강정보와 식사 사진은 개인의 민감한 정보를 포함할 수 있으므로, 사용자의 동의를 중요하게 고려했습니다.
- 사용자가 동의한 경우에만 식사 사진을 AI 분석에 활용하도록 했습니다.
- AI 인식에 사용한 사진은 서버에 별도로 저장하지 않도록 구성했습니다.
- AI 기능을 사용하지 않더라도 음식 검색을 통해 식사를 기록할 수 있도록 했습니다.
- 개인정보 활용 목적과 동의 여부를 사용자가 확인할 수 있도록 고려했습니다.

2. AI가 제안하되, 최종 결정은 사람이 하도록 했습니다.
AI의 결과를 무조건 신뢰하지 않고, 사용자가 직접 확인할 수 있는 구조를 만들었습니다.
- 음식 인식 결과는 확정된 기록이 아닌 후보로 제시합니다.
- 사용자가 직접 선택한 음식만 저장합니다.
- 영양정보는 AI가 임의로 생성하지 않고 공공데이터를 활용합니다.
- 건강관리 기준과 위험 상황에 대한 안내는 팀원들이 근거를 검토하여 결정했습니다.
- 진단이나 치료 방법의 변경이 필요한 경우에는 담당 의료진과 상담하도록 안내합니다.

3. 건강정보에는 생성형 AI를 무조건 적용하지 않았습니다.
AI는 자연스러운 문장을 생성할 수 있지만, 건강과 관련된 질문에서는 잘못된 답변이 위험한 판단으로 이어질 수 있습니다.
따라서 '임당'의 건강정보 챗봇에는 생성형 AI의 자유로운 답변 생성 방식을 적용하지 않았습니다. 대신 검토한 공식 자료를 바탕으로 답변하고, 사용자가 근거를 확인할 수 있도록 출처를 제시했습니다.
이는 AI를 많이 활용하는 것보다 어떤 부분에 AI를 활용하고, 어떤 부분에서는 활용하지 않는 것이 안전한지 판단하는 과정도 중요하다고 생각했기 때문입니다.

4. 간호학적 관점에서 지속 가능한 자가관리를 고려했습니다.
임신성 당뇨병 임산부는 혈당 조절 과정에서 자신의 관리 행동을 부정적으로 평가하거나 불안을 느낄 수 있습니다.
이에 저희 팀은 혈당 수치만으로 사용자의 관리 수준을 평가하기보다, 스스로 건강관리 행동을 지속하도록 돕는 데 중점을 두었습니다.
당근 보상은 누적 성과나 혈당 수치가 아닌 당일의 기록 행동을 중심으로 구성했습니다. 또한 감정 기록 기능을 통해 자신의 정서 상태를 돌아볼 수 있도록 하고, 혈당 변화의 원인을 단정하거나 치료 방법을 임의로 제안하지 않도록 했습니다.

5. 실제 사용자의 요구와 전문가 의견을 반영했습니다.
앱을 기획하는 과정에서 SNS의 공개정보 및 가상환자의 면담을 통해 임신성 당뇨를 진단받은 임산부의 경험을 확인하고, 반복적인 기록 부담과 불규칙한 생활환경에서의 자가관리 어려움을 파악했습니다.
또한 간호학적 근거와 관련 지침을 바탕으로 앱의 기능과 건강정보를 구성하고, 전문가 검토 및 사용성 평가를 통해 프로그램의 적절성과 개선이 필요한 부분을 확인했습니다.
특히 많은 기능을 제공하는 것뿐 아니라 사용자가 실제로 쉽고 편리하게 사용할 수 있는 서비스가 중요하다는 의견을 고려했습니다.
이처럼 AI가 기능을 구현하더라도 실제 사용자의 요구와 전문가의 의견을 반영하여 개발 방향을 결정하고자 했습니다.

6. AI를 활용하여 앱 자체의 오류도 점검했습니다.
AI는 코드 작성뿐 아니라 실제 앱의 동작과 안내 문구가 일치하는지 확인하는 데에도 활용했습니다.
예를 들어, '생활환경 정보가 피드백에 활용된다'는 안내 문구가 실제 기능과 일치하는지 확인하는 과정에서 불일치하는 부분을 발견했습니다.
이처럼 사용자가 잘못 이해할 수 있는 안내와 기능상의 문제를 점검하고 수정했습니다. 팀원들이 직접 확인하기 어려웠던 코드와 화면 간의 연결도 AI를 통해 추적하면서 개선할 수 있었습니다.
다만 AI가 제시한 수정안을 그대로 반영하기보다, 팀원들이 실제 동작을 확인하고 수정 여부를 결정했습니다.


⑤ 다른 사람도 따라 할 수 있나요?
네. 저희가 활용한 방식은 전문적인 프로그래밍 경험이 없더라도 일상 속 문제를 해결하는 서비스를 제작하는 데 참고할 수 있습니다.
저희 팀이 활용한 과정은 다음과 같습니다.
1단계. 해결하고 싶은 문제와 사용자를 구체적으로 정합니다.
저희 팀은 임신성 당뇨병 임산부가 경험하는 반복적인 기록 부담과 자가관리의 어려움에 주목했습니다.
실제 사용자가 어떤 상황에서 불편함을 느끼는지 파악하고, 이를 해결하기 위해 필요한 기능을 정리하는 것이 출발점입니다.

2단계. 관련 근거와 필요한 기능을 정리합니다.
질병관리청 국가건강정보포털, 관련 학회 지침, 공공데이터포털의 '전국통합식품영양성분정보' 등 신뢰할 수 있는 자료를 검토했습니다. 이러한 자료를 바탕으로 혈당 관리, 식사 기록, 운동, 건강정보 제공 등 앱에 필요한 기능과 기준을 정했습니다.

3단계. AI 코딩 도구를 활용하여 기능을 구현합니다.
Claude Code와 같은 AI 도구에 구현하고 싶은 화면과 기능을 자연어로 설명합니다.
한번에 모든 기능을 만들기보다 작은 단위로 나누어 구현하고, AI가 제시하는 선택지를 검토하면서 개발 방향을 결정합니다.

4단계. 직접 사용하고 반복적으로 수정합니다.
실제 사용자 입장에서 앱을 설치하고 사용하면서 오류와 불편한 점을 확인합니다.
수정할 내용을 AI에 전달하고, 변경된 기능이 정상적으로 작동하는지 다시 점검합니다. 또한 수정한 내용을 문서로 정리하여 다른 사람이 개발 과정을 이어받을 수 있도록 합니다.

5단계. AI 활용에 따른 안전장치를 마련합니다.
저희 팀은 특히 다음 세 가지를 중요하게 고려했습니다.
- AI가 생성한 결과를 사람이 확인할 수 있도록 할 것
- 건강정보에는 신뢰할 수 있는 출처를 제시할 것
- 개인정보 활용 전 사용자 동의를 받을 것
이러한 방식은 임신성 당뇨뿐 아니라 임신 중 체중 관리, 고혈압 관리, 복약 기록, 만성질환 자가관리 등 일상적인 기록과 건강관리가 필요한 다양한 분야에도 적용할 수 있습니다.
사진 인식 기능에는 AI API 사용 비용이 발생할 수 있지만, 초기에는 음식 검색과 수기 기록 기능부터 구현하고 이후 AI 기능을 추가하는 방식으로 시작할 수도 있습니다.

저희 팀은 이번 경험을 통해 AI가 단순히 질문에 답하는 도구를 넘어, 전공 지식과 아이디어를 실제 서비스로 구현할 수 있도록 돕는 도구라는 것을 확인했습니다.
전문적인 개발 경험이 없더라도 해결하고 싶은 문제를 명확히 정의하고, 신뢰할 수 있는 근거를 검토하며, AI의 결과를 비판적으로 확인한다면 자신의 분야에서 새로운 가능성을 만들어 갈 수 있다고 생각합니다.