일오갓생 - 初心 찾기 8일차

오늘도 귀한 시간내주신 독자분들에게 감사인사드립니다!!!

오늘이 2025년 마지막 날이라고요...????

진짜.... 뭐했는데.... 왜 12월 31일인데요;;;;

말도 안되지만... 한 해를 잘 이겨낸 모두들!!!
칭찬해!!!!!!

오늘은 어제에 이어서,
중국의 의료 시스템 안에서 온라인 약국이 왜 필요했고,
어떻게 성장했는지를 정리해보려고 합니다.

중국의 온라인 의료시스템 푹 낋여왔으니까~ 많관부~

중국의 온라인 약국

중국의 온라인 약국은 어떻게 가능해졌을까요?

5단계로 정리해드리겠습니다!!!

먼저!

① 마오 시기 – 국가 통제 의료 시스템의 시작

마오 시기 중국은 극히 제한적인 의료 자원을 효율적으로 관리하기 위해 지역과 규모에 따라 3단계 의료 전달 체계를 구축했습니다! (어제 배웠죠? ㅎㅎ😉)

이 시기에는 국가가 의료 서비스를 통제하고, 무상에 가깝게 제공하는 구조였습니다!

이로 인해 전염병 감소, 영아 사망률 감소, 평균 수명 증가 등등 공공보건은 크게 개선되었지만,
무상 공급으로 인한 약품 낭비와 의료 서비스의 질 저하라는 한계도 함께 나타났습니다.

(🗣️ 환자는 무상이니까 조금만 아파도 병원을 방문하게 되고, 의사들은 경쟁체계가 아니니 노력을 하지 않게 되는 구조가 형성)

② 개혁개방 이후 – 병원 쏠림과 불만의 누적

개혁개방 이후 경제 수준이 높아지자, 중국인들은 더 나은 의료를 찾아 도시의 상급 공립병원으로 몰리기 시작했습니다.

뿐만 아니라 의료시스템이 시장화·개인화되면서 소득 수준에 따라
의료 접근성과 치료 경험에 차이가 발생하는 문제도 점차 드러나기 시작했습니다.

이로 인해, 의료 시스템에 대한 불만은 점점 누적되고 있었습니다.

③ 사스(SARS) 이후 – 신의료개혁의 출발

2002년 말부터 중국 광둥성에서 확산된 사스(치명적인 호흡기 전염병)는 중국 의료 시스템의 한계를 국내외에 그대로 드러낸 사건이었습니다.

지역 정부가 중앙에 보고를 늦게 하기도 했고, 병원 간 정보 공유도 거의 없었기 때문이죠.

그래서 정부나 병원에서 즉각적인 대응을 할 수 없었습니다.

사스를 계기로 중국 정부는 의료 시스템 전반의 개혁이 필요하다는 사실을 인정하게 되었고, 이후 신의료개혁(新医改)이 본격적으로 논의됩니다.

2009년, 중국 정부는 의료를 공공재로 다시 규정하고
보편적 의료 시스템 구축을 목표로 개혁을 시작했습니다다.

이 과정에서 병원 중심 구조를 완화하기 위해, 약국과 의약품 유통 구조의 역할을 확대해야 한다는 논의가 조금씩 제기되기 시작했습니다.

④ 인터넷 의료·온라인 약국의 등장

하지만 중국인들은 여전히 병원 진료 후 처방을 받는 방식에 익숙했고, 약품 판매의 대부분은 병원 약국이 담당하고 있었습니다.

이에 중국 정부는 2000년대 중반부터 온라인 약국을 제도적으로 허용하면서 온라인 약국의 시초를 알렸습니다.

그러나 초기의 온라인 약국은 인터넷 보급률과 결제·물류 인프라가 충분하지 않았고,의료 서비스에 온라인을 적용하는 것에 대한 제도적·사회적 준비도 부족해 제한적으로 운영될 수밖에 없었습니다.

그러다 2015년 이후, IT 기업과 병원이 결합한 인터넷 병원이 등장하면서

온라인 진료 → 전자 처방 → 온라인 약국으로
이어지는 구조가 만들어졌고,이 흐름은 생각보다 빠른 속도로 확산되기 시작했습니다.

이후, 알리바바, 징동 같은 대형 플랫폼과
대형 약국 체인들도 온라인 약국 시장에 본격적으로 뛰어들기 시작했습니다.

⑤ 코로나19 – 온라인 약국의 폭발적 성장

코로나19는 온라인 약국과 인터넷 의료가
단순한 ‘편의 서비스’가 아니라 위기 상황에서 반드시 필요한 인프라로 자리를 잡았습니다.

외출과 병원 방문이 제한되자 온라인 진료와 약 배송에 대한 수요는 급격히 증가했고, 온라인 약국 이용자는 역대 최고로 도달했습니다.

대표적인 온라인 의료 플랫폼들 역시 단기간에 이용자가 수배 이상 증가하며, 온라인 의료와 온라인 약국은 중국 의료 구조의 한 축으로 확실히 자리 잡게 되었습니다.

오늘날 중국은 온라인 진료를 통해 처방을 받고, 처방이 온라인 약국으로 전달되며,약은 집 앞으로 배송되는 서비스를 이용하고 있습니다.

정기 처방, 복약 알림, 재구매 시스템을 통해, 환자는 굳이 병원을 반복 방문하지 않아도 지속적인 치료를 이어갈 수 있습니다!

우리가 중국 시장에 눈독을 들여도 되는 이유가!
여기에 있지요?

정기 처방 / 복약 알림 / 재구매 시스템을 통해 데이터가 축적되어 -> 머신러닝, 딥러닝을 통해 개인별 관리 시점 추천해주는 시스템을 만들 수도 있다!

우리 모두 할 수 있습니다...!!!

더 큰 세상을 위해 저랑 중국어 같이 공부하시죠? ㅎㅎ

[디듀가 몰랐던 중국어 단어]

인터넷 인프라 (hù lián wǎng jī chǔ shè shī)
: 互联网基础设施

공공재: (gōng gòng chǎn pǐn)
: 公共产品

의료시스템 (yī liáo tǐ xì)
: 医疗体系

복근 운동

오늘도 나의 한계를 느꼈습니다...!!

진짜 운동하면서 이 표정나왔어요...

오늘의 운동은 첫날과 둘째 날에 했던 운동을 다시 해봤습니다...!!!

네.... 내일 한발 남았다...!!!

👆🏻 오늘의 운동...!!

(요즘 유튜브 시청률 떨어지던데... 뭐 배라도 까야 봐주실 겁니까!!!!)

느낀 점 🗣️ :
첫날 이 영상으로 복근 운동을 했을 때는 솔직히 토가 나와도 이상하지 않겠다는 생각이 들 정도로 너무 힘들었습니다.
복근에 힘이 제대로 들어가지 않아 배와 목에만 힘이 들어가는 느낌이 들었고, 자세를 유지하는 것 자체가 어려웠거든요 ㅠ
하지만 오늘 다시 운동을 해보니, 처음보다 배와 목에 가해지는 부담이 확실히 줄어들었다는 것이 느껴졌습니다.
아직 완벽한 자세는 아니지만, 복근에 힘이 조금씩 들어가는 감각을 알게 되면서 운동이 덜 고통스럽게 느껴졌습니다. ㅎㅎㅎㅎ

데이콘

저? 오늘 수업끝나고 바로... 교회가야했지만?

교회에서도 벨로그 쓰는 나의 열정

인정해 주십셔~!

[nn.Linear & nn.Module]

우리가 어제 했던 건, 가중치 W, 편향 b 직접 만들고, 또 y = Wx + b 직접 계산하고 손실 계산하고, 역전파를 했잖아요?

(기억 안난다고 하지마요...)

오늘은 직접 수식으로 만들던 걸 → PyTorch에게 맡기고, 자동으로 관리하게 하고자 합니다.

우리의 목표
1,2,3 (입력값)으로 → 3, 6, 9(정답)을 맞춰야 함.

첫번째 퀴즈~!

여기 밑줄에 뭐가 들어가야 하겠어요???

그르치!! 바로 "torch"!!!!!!! (이것도 어제 배웠죠?)

import torch.nn as nn 도 데려와줍니다.

nn에는
nn.Linear, nn.Module, nn.ReLU, nn.MSELoss이 있습니다!

torch.manual_seed(42) :
학습 연습, 과제에서는 결과가 매번 같아야 해서, 난수를 고정해줘야 합니다.

즉. 머신러닝에서 random_state=42 했던거라 생각하시면 됩니다!

그 다음,
x_train = torch.tensor([[1], [2], [3]], dtype=torch.float

현재 y_train이 비워져 있죠?

우리의 목표는 1, 2, 3 -> 3, 6, 9으로 해야겠죠?
y_train은 우리가 맞춰야 하는 답!

그래서
y_train = torch.tensor([[3],[6],[9]])를 작성해줍니다!

이후에, linear 모델을 만들어 줍니다.

즉!!!
model = nn.Linear(입력 1개, 출력 1개)
-> 숫자 하나 들어오면, 숫자 하나 내보내는 모델 하나 만들어 줘!!! 를 시전!!!

nn.Linear를 하게 되면 ✨가중치, 편향을 자동으로 만들어 주는데요~!✨

우리에게는 지금 입력값만 있고, 가중치와 편향이 얼마인지 모르죠?

그래서!!!

for param in model.parameters():

“이 모델 안에 있는학습 대상 숫자들을 하나씩 꺼내라”

print(param.data)

그 숫자의 현재 값을 그대로 보여줘”

즉, 이 for문을 통해!!!

linear만 알고 있던 가중치와 편향의 값을 우리 눈으로 확인할 수 있게 됩니다.

최적의 파라미터를 찾기 위해 optim을 불러오고,

torch.nn.functional을 불러옵니다.

이 안에는 mse_loss, relu, softmax, cross_entropy를 이용할 수 있는
‘계산만 해주는 함수들’ 모여있는데요???

optimizer = optim.SGD(model.parameters(), lr=0.01)

optimizer : W, b를 계속 고치는 것

어떤 방식으로?

SGD : 확률적 경사 하강법으로

model.parameters() : 고칠 대상 = W, b 을

lr=0.01 : 0.01씩 고쳐보겠다~! 를 의미합니다

쫌 이해가셨을까요?!?!?

nb_epochs = 1000
for epoch in range (nb_epochs):

1000번을 반복하겠다!를 의미!!!

무엇을??? 반복???

1️⃣ 모델의 예측값 만들기
pred = model(x_train)

(y = W × x + b를 pred로 넣어주고)

2️⃣ 손실 계신
loss = F.mse_loss(pred, y_train)

비슷하면 loss ↓
많이 틀리면 loss ↑

3️⃣ 방향 기록 삭제
optimizer.zero_grad()

지난번 틀린 방향 기록 초기화

4️⃣ 역전파 시작
loss.backward()

역전파 시작 -> “W랑 b를 어느 방향으로 고치면 덜 틀릴까?”를 계산함.

5️⃣ 역전파 실행
optimizer.step()
👉 방금 계산한 방향대로
W랑 b를 조금 수정

[예측 - 오차 계산 - 방향기록 삭제 - 역전파 - 역전파대로 수정]
여기까지가 하나의 스텝이고!

이걸 1000번 합니다!!!

1000번 가즈앗~!!!!

예측값 중간정검 코드

이 코드는 “지금 몇 번째 공부 중이고, 기울기(W)는 얼마고, 기준점(b)은 얼마고,얼마나 틀렸는지(loss)는 얼마다.” 를 100마다 한번씩 보여줌

새로운 입력값 입력 후, 모델 테스트

훈련이 끝난 모델에게 “10을 넣어서 예측값을 얼마내는지 확인~!

with torch.no_grad():

: “이제는 학습 안 하고, 그냥 계산만 할게요” 라는 선언을 의미합니다.

새로운 입력층 입력 후 -> 예측값 출력
pred_y = model(test_x)

: 훈련 끝난 모델에게 시험 문제(test_x)를 풀게 합니다.

print("훈련 후 입력이 10일 때의 예측값 :", pred_y.item())

: 답을 사람이 보기 만들어주고, 모델이 예측한 답을 보여줍니다!!

짠~! 완료!! 오늘 수업 끝~~~

쫌 이해되셨을까요???

진짜 이 글쓰는데... 뇌가 너무 아팠어요...ㅎㅎ

모르시는 거 있으시면... 편하게 물어봐주세요!!

오늘도 함께 해주셔서 감사합니다~!!! ㅎㅎㅎ

✍🏻 TMI

28살이 된 저를 생각해 본 적이 딱히 없는데...

내가... 28살?

누가... 시간 빨리 돌린 거 맞잔하....

올해 중 제가 가장 즐거웠던 날의 사진과 스토리를 공유하면서 오늘의 TMI는 마치도록 하겠습니다

올해 8월, 제주도에 2~3일로 여행을 다녀왔는데요!

배를 타고 마라도도 다녀왔어요!
무도빠순이인 제가..... 유재석과 정형돈, 노홍철이 방문한 짜장면집에 방문했거든요??? (개성덕)
와 진짜 거짓말안하고 넘 넘 맛있어가지고... 진짜 너무 당황했었어요...
대부분 유명해지면, 초심을 잃거나... 양이 적잖아요?

노놉!!! 진짜 맛있고, 양도 많아요.... 짜장&짬뽕도 모두 합격!!!!

혹시 마라도에 가실...?ㅋㅋㅋㅋㅋㅋㅋㅋ 일이 있다면 꼭 방문해보세요!!!

제주도에 놀러갔던 2박 3일이 올해 저의 큰 기쁨이었습니다!!

(저 사진...원본샷 받고 싶으신 분들 디코 주세요~)

여러분의 올해 행복은 무엇이었나요? 댓글로 함께 나눠주세요~!!!

꼭 나눠줘....

오늘도, 그리고 올해!!! 고생한 여러분 25년 마지막 날 맛있는 거 드셨나요?
아직이라면 맛있는 걸로 드셔요!!!

전! 교회 권사님이 진수성찬을 차려주셨거든요!!! ㅎㅎㅎㅎㅎ

이거 다음에 또 나왔는데 정신없이 먹느라.....ㅠㅠㅠㅠㅠㅠㅠㅠ못찍었어여~ㅠㅠ

곧 신년예배도 드려야 하거든요?
제 1년 중에 가장 바쁜 날 짬내서 벨로그 쓸 수 있음에 감사입니다!!

내일 1월 1일 절하면서 시작하겠습니다!!

오늘도 봐주셔서 감사합니다~!