플러스프로젝트 배경
1) 예상 리스크 및 대응 계획 - D3 force simulation을 React 컴포넌트 생명주기와 통합할 때 매 렌더링마다 시뮬레이션이 초기화되지 않도록 useRef로 인스턴스를 격리하는 패턴을 적용합니다. - AI 추천 점수 가중치를 병원별 수용 이력에서 동적으로 조정하되, 이력이 없는 신규 병원에 cold-start 기본 점수를 부여하는 예외 처리 로직을 설계합니다. - NestJS GraphQ
프로젝트 성과
AI 가중치 추천 엔진 설계
수용률·병상 가용·환자 조건 적합도 3개 가중치 합산으로 협력병원 추천 점수를 계산하는 순수 함수 엔진을 구현합니다.
D3 force 네트워크 지도 구현
병원 간 회송 빈도를 아크 굵기로 표현하는 인터랙티브 네트워크 그래프를 설계합니다.
CQRS로 분석·운영 경로 분리
NestJS CQRS 모듈로 통계 조회가 회송 처리 트랜잭션 성능에 영향을 주지 않는 구조를 구현합니다.
Redis sorted set 추천 캐시 설계
추천 점수를 sorted set으로 캐싱하고 병상 변경 시 즉시 invalidate하는 이벤트 기반 캐시 갱신을 구현합니다.
PostgreSQL recursive CTE 다단계 네트워크 순회
상급→1차→2차 협력병원 계층을 recursive CTE 단일 쿼리로 순회하는 그래프 탐색 로직을 설계합니다.
핵심 기능
회송 네트워크 분석 대시보드
병원 네트워크 전체의 회송 현황과 흐름 통계를 시각화하는 운영 분석 허브를 구현합니다
진행 단계
분석 데이터 모델 설계
2026.04
회송 흐름 집계에 최적화된 스키마와 materialized view 구조를 설계합니다.
프로젝트 상세
1) 포트폴리오 소개 환자 회송 SaaS MVP를 넘어 병원 네트워크 전체의 회송 흐름을 분석하고, AI 기반으로 최적 협력병원을 추천하는 확장 플랫폼입니다. 회송 통계 대시보드, 병원 네트워크 지도, 수용 패턴 분석을 통해 회송 운영 효율화 방향을 제시합니다. 2) 작업 범위 - 회송 네트워크 분석 대시보드: 병원 네트워크 전체의 회송 현황과 흐름 통계를 시각화하는 운영 분석 허브를 구현합니다.
