KR102522929B1 - 환자의 복약 순응도를 높이기 위한 질병관리 시스템 - Google Patents

Abstract

본 발명에 따른 환자의 복약 순응도를 높이기 위한 질병관리 시스템은 환자의 프로필 데이터, 진료 데이터 및 복약 행동에 대응하는 행동 데이터가 저장된 데이터베이스 및 상기 데이터베이스에 저장된 프로필 데이터, 진료 데이터 및 행동 데이터에 기초하여 학습된 학습 모델에 기초하여 상기 환자의 복약률을 예측하는 질병관리 서버를 포함한다.

Description

환자의 복약 순응도를 높이기 위한 질병관리 시스템{DISEASE MANAGEMENT SYSTEM FOR INCREASING PATIENTS ADHERENCE}

본 발명은 환자의 복약 순응도를 높이기 위한 질병관리 시스템에 관한 것이다.

환자들의 경우 각각의 환자들에게 처방되는 약이 잘 복용되고 있는지 여부에 따라 질병이 완치될 수도 있고 그렇지 않을 수도 있다.

따라서, 의료기관에서는 매일 모든 환자들의 약 복용 여부를 일일히 확인하는 것이 가장 이상적이라 할 수 있다.

그러나, 여러 현실적인 제약과 제한된 자원의 한계로 인하여 실제로는 복용을 잘 이행하지 못할 환자에게 세심한 주의를 기울여 처방을 하고 있는 실정이다.

즉, 흡연 여부, 배우자 여부, 취직 여부 등의 환자의 프로필에 따른 의사의 경험적인 지식에 따라 특정 환자의 복약 이행 여부를 대략적으로 예상하고 있는 실정이다.

본 발명의 실시예는 복약 관리가 요구되는 질병을 효과적으로 대처할 수 있도록 관리자에게 환자의 유형을 분류해주고, 환자의 복약 행동을 예측하여 환자의 복약 순응도를 높일 수 있는 질병관리 시스템을 제공한다.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명에 따른 환자의 복약 순응도를 높이기 위한 질병관리 시스템은 환자의 프로필 데이터, 진료 데이터 및 복약 행동에 대응하는 행동 데이터가 저장된 데이터베이스 및 상기 데이터베이스에 저장된 프로필 데이터, 진료 데이터 및 행동 데이터에 기초하여 학습된 학습 모델에 기초하여 상기 환자의 복약률을 예측하는 질병관리 서버를 포함한다.

상기 환자의 프로필 데이터 및 진료 데이터는 의료기관 서버에 의해 진료 내용에 대응되도록 수집되어 상기 데이터베이스에 저장될 수 있다.

상기 환자의 행동 데이터는 상기 환자의 복약 행동에 대응되도록 상기 환자의 모니터링 기기를 통해 수집되어 상기 데이터베이스에 저장될 수 있다.

상기 모니터링 기기는 상기 환자에게 약 복용 시간의 알람 기능 및 복약 여부 및 복용 시간을 기록하는 기능을 제공할 수 있다.

상기 학습 모델은 진료 모델 및 통합 모델을 포함하되, 상기 진료 모델은 상기 데이터베이스에 저장된 프로필 데이터 및 진료 데이터에 기초하여 진료 시 이용 가능하도록 학습 및 생성되고, 상기 통합 모델은 상기 데이터베이스에 저장된 진료 데이터 및 행동 데이터에 기초하여 상기 복약률을 예측하기 위해 이용 가능하도록 학습 및 생성될 수 있다.

상기 통합 모델은 상기 행동 데이터에 기초하여 학습된 행동 모델과 상기 학습된 진료 모델에 기초하여 학습 및 생성될 수 있다.

상기 통합 모델은 상기 진료 모델의 가중치를 상기 행동 모델의 가중치보다 더 높게 설정하여 앙상블 학습 알고리즘에 기초하여 학습될 수 있다.

상기 질병관리 서버는 상기 진료 모델을 통해, 상기 환자의 의료기관에서의 진료시 획득한 새로운 진료 데이터에 기초하여 상기 환자의 복약률 중 1차 예측 복약률을 생성할 수 있다.

상기 질병관리 서버는 상기 통합 모델을 통해, 상기 환자의 복약률 중 복약 기간동안의 최종 예측 복약률을 생성할 수 있다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 환자의 복약 행동을 예측하여 환자의 복약 순응도를 높임으로써, 장기적인 복약 관리가 요구되는 질병에 효과적으로 대처할 수 있도록 할 수 있다.

도 1은 본 발명의 일 실시예에 따른 질병관리 시스템을 설명하기 위한 도면이다.
도 2는 질병관리 서버의 블록도이다.
도 3은 진료 모델, 행동 모델 및 통합 모델을 설명하기 위한 도면이다.
도 4는 진료 모델 및 통합 모델을 이용하여 복약률을 예측하는 내용을 설명하기 위한 도면이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 발명은 환자의 복약 순응도를 높이기 위한 질병관리 시스템(1)에 관한 것이다.

만성질환 환자의 경우 장기적으로 복약을 해야 하며, 이때 환자의 생활습관과 정확한 복약 관리를 통해 환자의 증상을 완화시킬 수 있다.

예를 들어, 결핵 환자의 경우 일반적으로 6개월 이상의 결핵약을 장기 복용하여 체내의 병원균을 통제하고 병원체를 체내에서 완전히 제거하는 처방을 내리고 있다. 이때, 처방으로 인한 결핵 증상 완화는 비교적 빠른 시일 내에 효과가 발생되나, 완전한 병원체의 제거는 약 6개월이라는 더 많은 기간이 소요되기 때문에 장기적인 약 복용이 요구된다.

그러나 일부 환자의 경우 증상이 완화됨을 확인하고 복약을 회피하거나 중단하는 등의 행위로 인해 환자 체내의 내성이 있는 결핵균 스트랜드가 생존 및 생식하여, 기존의 처방된 약이 더 이상 효과를 보지 못하고 결핵이 악화되는 경우가 있다.

따라서, 각 환자별로 정확한 약의 처방뿐만 아니라, 처방된 약을 안정적으로 복약하도록 관리하는 것이 결핵완치에 중요한 요소로 작용한다.

이를 위해, 본 발명의 일 실시예에 따른 질병관리 시스템(1)은 기존 환자의 진료 데이터에 순차적으로 추가되는 환자의 복약 기록을 실시간으로 모니터링하여 새로운 환자의 복약 확률을 예측함으로써 환자의 복약 순응도를 높일 수 있다.

이하에서는 도 1 내지 도 4를 참조하여 본 발명의 일 실시예를 구체적으로 설명하도록 한다.

도 1은 본 발명의 일 실시예에 따른 질병관리 시스템(1)을 설명하기 위한 도면이다. 도 2는 질병관리 서버(100)의 블록도이다. 도 3은 진료 모델(P1), 행동 모델(P2) 및 통합 모델(P3)을 설명하기 위한 도면이다. 도 4는 진료 모델(P1) 및 통합 모델(P3)을 이용하여 복약률을 예측하는 내용을 설명하기 위한 도면이다.

먼저 도 1을 참조하면, 본 발명의 일 실시예에 따른 질병관리 시스템(1)은 데이터베이스(200), 질병관리 서버(100), 의료기관 서버(300) 및 모니터링 기기(400) 및를 포함한다.

데이터베이스(200)는 환자의 프로필 데이터, 진료 데이터 및 복약 행동에 대응하는 행동 데이터를 저장한다.

질병관리 서버(100)는 데이터베이스(200)에 저장된 환자의 프로필 데이터, 진료 데이터 및 행동 데이터에 기초하여 학습된 학습 모델에 기초하여 환자의 복약률을 예측한다.

즉, 질병관리 서버(100)는 데이터베이스화된 환자의 프로필 정보와 의사의 경험적인 지식을 활용하고, 다양한 기계학습 알고리즘을 활용하여 환자의 복약률을 예측할 수 있다.

또한, 질병관리 서버(100)는 환자의 복약 패턴을 지속적으로 기록함으로써 오류 가능성이 있는 부분을 수정 및 갱신하여 환자의 미복용 위험도를 판단할 수 있다.

한편, 질병관리 서버(100)는 도 2와 같이 통신모듈(110), 메모리(120) 및 프로세서(130)를 포함하도록 구성될 수 있다.

통신모듈(110)은 후술하는 의료기관 서버(300) 및 모니터링 기기(400)와 데이터를 송수신한다.

이때, 통신 모듈(110)은 유선 통신 모듈 및 무선 통신 모듈을 모두 포함할 수 있다. 유선 통신 모듈은 전력선 통신 장치, 전화선 통신 장치, 케이블 홈(MoCA), 이더넷(Ethernet), IEEE1294, 통합 유선 홈 네트워크 및 RS-485 제어 장치로 구현될 수 있다. 또한, 무선 통신 모듈은 WLAN(wireless LAN), Bluetooth, HDR WPAN, UWB, ZigBee, Impulse Radio, 60GHz WPAN, Binary-CDMA, 무선 USB 기술 및 무선 HDMI 기술 등으로 구현될 수 있다.

메모리(120)에는 환자의 복약률을 예측하기 위한 프로그램이 저장되며, 프로세서(130)는 메모리(120)에 저장된 프로그램을 실행시킨다. 이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 휘발성 저장장치를 통칭하는 것이다.

예를 들어, 메모리(120)는 콤팩트 플래시(compact flash; CF) 카드, SD(secure digital) 카드, 메모리 스틱(memory stick), 솔리드 스테이트 드라이브(solid-state drive; SSD) 및 마이크로(micro) SD 카드 등과 같은 낸드 플래시 메모리(NAND flash memory), 하드 디스크 드라이브(hard disk drive; HDD) 등과 같은 마그네틱 컴퓨터 기억 장치 및 CD-ROM, DVD-ROM 등과 같은 광학 디스크 드라이브(optical disc drive) 등을 포함할 수 있다.

또한, 본 발명의 일 실시예는 질병관리 서버(100)와 데이터베이스(200)가 일체로 구현될 수도 있으며, 이 경우 데이터베이스(200)는 상술한 메모리(120)에 저장될 수 있다.

다시 도 1을 참조하면, 의료기관 서버(300)는 병원, 약국 등을 포함하는 의료기관에 의해 운영되는 서버로서, 진료 내용에 대응되는 환자의 프로필 데이터 및 진료 데이터를 수집하여 상기 데이터베이스(200)에 저장한다.

예를 들어, 환자가 의료기관을 방문하여 진료를 받으면 그에 따른 환자의 프로필 데이터와 진료 데이터는 1차적으로 데이터베이스(200)에 전달되어 저장된다. 이와 같이 저장된 데이터는 추후 진료 단계에서 활용할 학습 모델에 사용되며, 환자는 진료 후 지급된 약과 모니터링 기기(400)를 가지고 거주지 등으로 이동하게 된다.

모니터링 기기(400)는 환자의 복약 행동에 대응되도록 환자의 행동 데이터를 수집하여 상기 데이터베이스(200)에 저장한다.

예를 들어 의료기관에서는 결핵 진단을 받은 환자에게 결핵약과 함께 복약 행동을 모니터링하기 위한 모니터링 기기(400)가 제공될 수 있다. 이때, 모니터링 기기(400)를 제공한다 함은 기기 자체를 제공하는 것뿐만 아니라 환자가 이용하는 단말을 통해 웹페이지, 어플리케이션 등의 형태로 제공하는 것도 포함될 수 있다.

이러한 모니터링 기기(400)는 환자에게 약 복용 시간의 알람 기능과, 복약 여부 그리고 복용 시간을 기록하는 기능을 제공할 수 있다. 이러한 기능에 따라 수행된 알람 횟수, 시간과 기록된 복약 여부 및 복용 시간은 상기 데이터베이스(200)로 전송되어 저장될 수 있다.

환자는 의료기관에서 지시받은 대로 약 복용을 시작하고 모니터링 기기(400)는 이에 따른 행동 데이터를 획득하여 상기 데이터베이스(200)에 전송하게 된다.

한편, 본 발명에서의 모니터링 기기(400)는, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등이나, 휴대용 단말기에 인터넷 통신과 정보 검색 등 컴퓨터 지원 기능을 추가한 지능형 단말기로서, 사용자가 원하는 다수의 응용 프로그램(즉, 애플리케이션)을 설치하여 실행할 수 있는 휴대폰, 스마트 폰(smart phone), 패드(Pad), 스마트 워치(Smart watch), 웨어러블(wearable) 단말, 기타 이동통신 단말 등일 수 있다.

뿐만 아니라, 케이블 TV, IPTV, 위성 방송, 공중파 데이터 방송, DMB, 인터넷 방송 등 방송 서비스와 연동되는 TV 형태로 구현될 수 있다.

한편, 본 발명의 일 실시예에서의 의료기관 서버(300) 및 모니터링 기기(400) 역시 질병관리 서버(100)와 마찬가지로 통신모듈(미도시), 메모리(미도시) 및 프로세서(미도시)를 포함하도록 구성될 수 있음은 물론이다.

한편, 질병관리 서버(100)에 의해 학습되어 생성되는 학습 모델은 진료 모델(P1) 및 통합 모델(P3)을 포함할 수 있다.

도 3을 참조하면, 진료 모델(P1)은 데이터베이스(200)에 저장된 프로필 데이터 및 진료 데이터에 기초하여 환자가 새로운 진료를 받는 시점에서 바로 1차적으로 이용가능하도록 학습 및 생성된 것이다.

통합 모델(P3)은 데이터베이스(200)에 저장된 진료 데이터 및 모니터링 기기(400)를 통해 획득된 행동 데이터에 기초하여 환자의 복약률을 예측하기 위해 이용 가능하도록 학습 및 생성된 것이다.

이때, 통합 모델(P3)은 행동 데이터에 기초하여 학습된 행동 모델(P2)과 상기 학습된 진료 모델(P1)에 기초하여 학습 및 생성될 수 있다.

이러한 통합 모델(P3)은 진료 모델(P1)의 가중치를 행동 모델(P2)의 가중치보다 더 높게 설정하여 앙상블 학습 알고리즘에 기초하여 학습될 수 있다. 즉, 진료 모델(P1)과 행동 모델(P2)을 학습하는데 사용되는 데이터는 각각 상이하므로, 본 발명의 일 실시예는 진료 모델(P1)의 가중치가 행동 모델(P2)의 가중치보다 통합 모델(P3)을 구성하는데 중요도를 더 높게 설정하고, 이에 맞도록 앙상블 학습 알고리즘을 사용하여 통합 모델(P3)을 학습시킬 수 있다.

한편, 본 발명의 일 실시예에 따른 질병관리 시스템(1)에서 이용되는 학습 모델은 일부 데이터를 중복 이용하여 학습하나, 각각 활용하는 데이터의 종류와 학습된 모델의 사용 시기가 구분된다는 것에 특징이 있다.

즉, 도 4의 (a)와 같이 본 발명의 일 실시예에 따른 질병관리 서버(100)는 진료 모델(P1)을 통해, 환자의 의료기관에서의 진료시 획득한 새로운 진료 데이터에 기초하여 환자의 복약률 중 1차 예측 복약률 을 생성할 수 있다.

또한, 질병관리 서버(100)는 도 4의 (b)와 같이 학습된 통합 모델(P3)을 통해, 복약과 관련하여 새롭게 획득한 행동 데이터에 기초하여 환바의 복약 기간동안의 최종(N차) 예측 복약률을 생성할 수 있다.

참고로, 본 발명의 실시예에 따른 도 1 내지 도 4에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 형태로 구현될 수 있으며, 소정의 역할들을 수행할 수 있다.

그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.

따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.

구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.

한편, 본 발명의 일 실시예는 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

1: 질병관리 시스템
100: 질병관리 서버
200: 데이터베이스
300: 의료기관 서버
400: 모니터링 기기

Claims (9)

1. 환자의 복약 순응도를 높이기 위한 질병관리 시스템에 있어서,
   환자의 프로필 데이터, 진료 데이터 및 복약 행동에 대응하는 행동 데이터가 저장된 데이터베이스 및
   상기 데이터베이스에 저장된 프로필 데이터, 진료 데이터 및 행동 데이터에 기초하여 학습된 학습 모델에 기초하여 상기 환자의 복약률을 예측하는 질병관리 서버를 포함하고,
   상기 학습 모델은 상기 데이터베이스에 저장된 프로필 데이터 및 진료 데이터를 이용하여 학습 및 생성되는 진료 모델과, 상기 행동 데이터를 이용하여 학습된 행동 모델에 기초하여 학습 및 생성되는 통합 모델을 포함하고, 상기 통합 모델은 상기 진료 모델의 가중치를 상기 행동 모델의 가중치보다 상대적으로 더 높게 설정한 앙상블 학습 알고리즘에 기초하여 학습되고,
   상기 질병관리 서버는 상기 진료 모델을 통해, 상기 환자의 의료기관에서의 진료시 획득한 새로운 진료 데이터에 기초하여 1차 예측 복약률을 생성하고,
   상기 질병관리 서버는 상기 통합 모델을 이용하여 복약과 관련하여 획득한 새로운 행동 데이터에 기초하여 최종 예측 복약률을 생성하는 것
   인 질병관리 시스템.
   
2. 제1항에 있어서,
   상기 환자의 프로필 데이터 및 진료 데이터는 의료기관 서버에 의해 진료 내용에 대응되도록 수집되어 상기 데이터베이스에 저장되는 것
   인 질병관리 시스템.
   
3. 제1항에 있어서,
   상기 환자의 행동 데이터는 상기 환자의 복약 행동에 대응되도록 상기 환자의 모니터링 기기를 통해 수집되어 상기 데이터베이스에 저장되는 것
   인 질병관리 시스템.
   
4. 제3항에 있어서,
   상기 모니터링 기기는 상기 환자에게 약 복용 시간의 알람 기능 및 복약여부 및 복용 시간을 기록하는 기능을 제공하는 것
   인 질병관리 시스템.
   
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제

Images