KR20190068937A - Disease management system for increasing patients adherence - Google Patents

Disease management system for increasing patients adherence Download PDF

Info

Publication number
KR20190068937A
KR20190068937A KR1020170169213A KR20170169213A KR20190068937A KR 20190068937 A KR20190068937 A KR 20190068937A KR 1020170169213 A KR1020170169213 A KR 1020170169213A KR 20170169213 A KR20170169213 A KR 20170169213A KR 20190068937 A KR20190068937 A KR 20190068937A
Authority
KR
South Korea
Prior art keywords
patient
data
disease management
medication
model
Prior art date
Application number
KR1020170169213A
Other languages
Korean (ko)
Other versions
KR102522929B1 (en
Inventor
정진우
권기구
김규형
김범휘
최은창
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170169213A priority Critical patent/KR102522929B1/en
Publication of KR20190068937A publication Critical patent/KR20190068937A/en
Application granted granted Critical
Publication of KR102522929B1 publication Critical patent/KR102522929B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

According to the present invention, provided is a disease management system for increasing the compliance of a patient taking medicines, which comprises: a database in which profile data, medical treatment data, and behavioral data corresponding to a medicine taking behavior of a patient are stored; and a disease management server predicting a rate of taking medicines of the patient based on a learning model learned on a basis of the profile data, medical treatment data, and behavioral data stored in the database.

Description

환자의 복약 순응도를 높이기 위한 질병관리 시스템{DISEASE MANAGEMENT SYSTEM FOR INCREASING PATIENTS ADHERENCE}DISEASE MANAGEMENT SYSTEM FOR INCREASING PATIENTS ADHERENCE [0002]

본 발명은 환자의 복약 순응도를 높이기 위한 질병관리 시스템에 관한 것이다.The present invention relates to a disease management system for enhancing patient compliance with medicines.

환자들의 경우 각각의 환자들에게 처방되는 약이 잘 복용되고 있는지 여부에 따라 질병이 완치될 수도 있고 그렇지 않을 수도 있다.In the case of patients, the disease may or may not be cured depending on whether each patient is well on the prescribed medication.

따라서, 의료기관에서는 매일 모든 환자들의 약 복용 여부를 일일히 확인하는 것이 가장 이상적이라 할 수 있다.Therefore, in a medical institution, it is most appropriate to confirm daily dosing of all patients.

그러나, 여러 현실적인 제약과 제한된 자원의 한계로 인하여 실제로는 복용을 잘 이행하지 못할 환자에게 세심한 주의를 기울여 처방을 하고 있는 실정이다.However, due to various practical limitations and limited resource limitations, patients are prescribed with careful attention to patients who can not perform well.

즉, 흡연 여부, 배우자 여부, 취직 여부 등의 환자의 프로필에 따른 의사의 경험적인 지식에 따라 특정 환자의 복약 이행 여부를 대략적으로 예상하고 있는 실정이다.In other words, according to the physician 's experience knowledge according to the patient' s profile such as smoking status, spouse 's status, employment status, etc.

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.The embodiment of the present invention provides a disease management system that can classify a patient's type to an administrator so as to effectively cope with a disease requiring medication management and predict a medication behavior of the patient to increase the patient's compliance with medication.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.It should be understood, however, that the technical scope of the present invention is not limited to the above-described technical problems, and other technical problems may exist.

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.According to an aspect of the present invention, there is provided a disease management system for enhancing adherence of a patient to a medicament according to the present invention, comprising: a database storing behavior data corresponding to profile data of the patient, And a disease management server for predicting the patient's medication rate based on the learned learning model based on the profile data, the medical care data, and the behavior data.

상기 환자의 프로필 데이터 및 진료 데이터는 의료기관 서버에 의해 진료 내용에 대응되도록 수집되어 상기 데이터베이스에 저장될 수 있다.The profile data and the treatment data of the patient can be collected by the medical institution server so as to correspond to the medical care contents and stored in the database.

상기 환자의 행동 데이터는 상기 환자의 복약 행동에 대응되도록 상기 환자의 모니터링 기기를 통해 수집되어 상기 데이터베이스에 저장될 수 있다.The behavior data of the patient may be collected through the monitoring device of the patient so as to correspond to the medication behavior of the patient and stored in the database.

상기 모니터링 기기는 상기 환자에게 약 복용 시간의 알람 기능 및 복약 여부 및 복용 시간을 기록하는 기능을 제공할 수 있다.The monitoring device may provide the patient with a function of recording an alarm function of the medicine taking time, a medication use time and a taking time.

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.Wherein the learning model includes a medical care model and an integrated model, wherein the medical care model is learned and generated so as to be available at the time of medical treatment based on profile data and medical care data stored in the database, And may be learned and generated so as to be available for predicting the medication rate based on behavior data.

상기 통합 모델은 상기 행동 데이터에 기초하여 학습된 행동 모델과 상기 학습된 진료 모델에 기초하여 학습 및 생성될 수 있다.The integrated model can be learned and generated based on the learned behavior model and the learned treatment model based on the behavior data.

상기 통합 모델은 상기 진료 모델의 가중치를 상기 행동 모델의 가중치보다 더 높게 설정하여 앙상블 학습 알고리즘에 기초하여 학습될 수 있다.The integrated model can be learned based on the ensemble learning algorithm by setting the weight of the treatment model higher than the weight of the behavior model.

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.The disease management server may generate a first predicted medication rate of the patient medication rate based on new medical care data acquired at the time of medical care at the medical institution of the patient through the medical care model.

상기 질병관리 서버는 상기 통합 모델을 통해, 상기 환자의 복약률 중 복약 기간동안의 최종 예측 복약률을 생성할 수 있다.The disease management server may generate a final predicted medication rate during a medication period among the medication rates of the patient through the integrated model.

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.According to any one of the above-mentioned objects of the present invention, it is possible to effectively cope with a disease requiring long-term medication management by predicting the medication behavior of the patient and increasing the medication compliance of the patient.

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.1 is a view for explaining a disease management system according to an embodiment of the present invention.
2 is a block diagram of a disease management server.
3 is a diagram for explaining a medical care model, a behavior model, and an integrated model.
FIG. 4 is a diagram for explaining contents of predicting the medication rate using the medical care model and the integrated model.

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.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings, which will be readily apparent to those skilled in the art. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly explain the present invention in the drawings, parts not related to the description are omitted.

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.Whenever a component is referred to as "including" an element throughout the specification, it is to be understood that the element may include other elements, not the exclusion of any other element, unless the context clearly dictates otherwise.

본 발명은 환자의 복약 순응도를 높이기 위한 질병관리 시스템(1)에 관한 것이다.The present invention relates to a disease management system (1) for enhancing patient compliance with medicines.

만성질환 환자의 경우 장기적으로 복약을 해야 하며, 이때 환자의 생활습관과 정확한 복약 관리를 통해 환자의 증상을 완화시킬 수 있다. Patients with chronic illness should be treated for a long period of time. At this time, patients' symptoms can be alleviated through lifestyle and precise medication management.

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.For example, in the case of tuberculosis patients, it is generally prescribed to take a long-term drug for 6 months or longer to control pathogens in the body and completely remove the pathogen from the body. At this time, the relief of tuberculosis symptoms due to the prescription will be effected relatively soon, but long-term medication is required because the complete pathogen removal takes about 6 months longer.

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.However, in some patients, the symptom is alleviated, and avoidance or discontinuation of medication may cause survival and reproduction of resistant tuberculosis strand in the patient's body. As a result, existing prescription drugs are no longer effective and tuberculosis There is a case where it becomes worse.

따라서, 각 환자별로 정확한 약의 처방뿐만 아니라, 처방된 약을 안정적으로 복약하도록 관리하는 것이 결핵완치에 중요한 요소로 작용한다.Therefore, it is important for tuberculosis cure to manage to prescribe drug accurately as well as to prescribe drug accurately for each patient.

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.To this end, the disease management system 1 according to an embodiment of the present invention monitors the patient's medication record sequentially added to the patient's medical care data in real time to predict the medication probability of the new patient, .

이하에서는 도 1 내지 도 4를 참조하여 본 발명의 일 실시예를 구체적으로 설명하도록 한다.Hereinafter, an embodiment of the present invention will be described in detail with reference to FIG. 1 to FIG.

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.1 is a view for explaining a disease management system 1 according to an embodiment of the present invention. 2 is a block diagram of the disease management server 100. As shown in FIG. 3 is a diagram for explaining the medical care model P1, the behavior model P2 and the integrated model P3. Fig. 4 is a diagram for explaining contents of predicting the medication rate using the medical care model P1 and the integrated model P3.

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.Referring to FIG. 1, a disease management system 1 according to an embodiment of the present invention includes a database 200, a disease management server 100, a medical institution server 300, and a monitoring device 400.

데이터베이스(200)는 환자의 프로필 데이터, 진료 데이터 및 복약 행동에 대응하는 행동 데이터를 저장한다.The database 200 stores the patient's profile data, the treatment data, and the behavior data corresponding to the medication behavior.

질병관리 서버(100)는 데이터베이스(200)에 저장된 환자의 프로필 데이터, 진료 데이터 및 행동 데이터에 기초하여 학습된 학습 모델에 기초하여 환자의 복약률을 예측한다.The disease management server 100 predicts the patient's medication rate based on the learned learning model based on the patient's profile data, medical care data, and behavior data stored in the database 200.

즉, 질병관리 서버(100)는 데이터베이스화된 환자의 프로필 정보와 의사의 경험적인 지식을 활용하고, 다양한 기계학습 알고리즘을 활용하여 환자의 복약률을 예측할 수 있다.That is, the disease management server 100 can utilize the database information of the patient profile information and the physician's experiential knowledge, and can predict the patient's medication rate using various machine learning algorithms.

또한, 질병관리 서버(100)는 환자의 복약 패턴을 지속적으로 기록함으로써 오류 가능성이 있는 부분을 수정 및 갱신하여 환자의 미복용 위험도를 판단할 수 있다.In addition, the disease management server 100 may continuously record the patient's medication pattern to correct and update a portion of the patient who may have an error, thereby determining the risk of the patient not taking the medication.

한편, 질병관리 서버(100)는 도 2와 같이 통신모듈(110), 메모리(120) 및 프로세서(130)를 포함하도록 구성될 수 있다.The disease management server 100 may be configured to include the communication module 110, the memory 120, and the processor 130, as shown in FIG.

통신모듈(110)은 후술하는 의료기관 서버(300) 및 모니터링 기기(400)와 데이터를 송수신한다.The communication module 110 transmits and receives data to and from the medical institution server 300 and the monitoring device 400, which will be described later.

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.At this time, the communication module 110 may include both a wired communication module and a wireless communication module. The wired communication module may be implemented by a power line communication device, a telephone line communication device, a cable home (MoCA), an Ethernet, an IEEE1294, an integrated wired home network, and an RS-485 control device. In addition, the wireless communication module can be implemented with a wireless LAN (WLAN), Bluetooth, HDR WPAN, UWB, ZigBee, Impulse Radio, 60 GHz WPAN, Binary-CDMA, wireless USB technology and wireless HDMI technology.

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. In the memory 120, a program for predicting the patient's medication rate is stored, and the processor 130 executes the program stored in the memory 120. [ At this time, the memory 120 is collectively referred to as a non-volatile storage device and a volatile storage device which keep the stored information even when power is not supplied.

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.For example, the memory 120 may be a compact flash (CF) card, a secure digital (SD) card, a memory stick, a solid-state drive (SSD) A magnetic computer storage device such as a NAND flash memory, a hard disk drive (HDD) and the like, and an optical disc drive such as a CD-ROM, a DVD-ROM, etc. .

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.In an embodiment of the present invention, the disease management server 100 and the database 200 may be integrated. In this case, the database 200 may be stored in the memory 120 described above.

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.Referring again to FIG. 1, the medical institution server 300 is a server operated by a medical institution including a hospital, a pharmacy, etc., and collects profile data and medical care data of a patient corresponding to the contents of the medical care, do.

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.For example, when the patient visits the medical institution and receives medical care, the profile data and the medical care data of the patient are transmitted to the database 200 and stored. The stored data is used for a learning model to be utilized at a later stage of the medical treatment, and the patient moves to a residence or the like with the medicine and the monitoring device 400 after the treatment.

모니터링 기기(400)는 환자의 복약 행동에 대응되도록 환자의 행동 데이터를 수집하여 상기 데이터베이스(200)에 저장한다.The monitoring device 400 collects the behavior data of the patient so as to correspond to the medication behavior of the patient and stores the collected data in the database 200.

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.For example, at a medical institution, a patient diagnosed with tuberculosis may be provided with a monitoring device 400 for monitoring medication behavior together with a TB drug. Providing the monitoring device 400 may include not only providing the device itself but also providing the monitoring device 400 in the form of a web page or an application through a terminal used by the patient.

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.The monitoring device 400 may provide the patient with an alarm function of the medication taking time, a function of recording the medication and a time of taking the medication. The number of alarms, the time, the recorded medication, and the dosing time performed according to this function can be transmitted to the database 200 and stored.

환자는 의료기관에서 지시받은 대로 약 복용을 시작하고 모니터링 기기(400)는 이에 따른 행동 데이터를 획득하여 상기 데이터베이스(200)에 전송하게 된다.The patient starts taking medicines as instructed by the medical institution, and the monitoring device 400 acquires the behavioral data and transmits the behavioral data to the database 200.

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.Meanwhile, the monitoring device 400 according to the present invention may be provided with a computer support function such as a notebook computer, a desktop computer, a laptop computer, and the like equipped with a web browser (WEB Browser) A smart phone, a pad, a smart watch, a wearable terminal, a mobile phone, and the like capable of installing and executing a large number of application programs (i.e., applications) Other mobile communication terminals, and the like.

뿐만 아니라, 케이블 TV, IPTV, 위성 방송, 공중파 데이터 방송, DMB, 인터넷 방송 등 방송 서비스와 연동되는 TV 형태로 구현될 수 있다.In addition, it can be implemented in the form of a TV interlocked with a broadcasting service such as cable TV, IPTV, satellite broadcasting, air data broadcasting, DMB, and Internet broadcasting.

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.The medical institution server 300 and the monitoring device 400 in the embodiment of the present invention include a communication module (not shown), a memory (not shown), and a processor (not shown) in the same manner as the disease management server 100 Of course.

한편, 질병관리 서버(100)에 의해 학습되어 생성되는 학습 모델은 진료 모델(P1) 및 통합 모델(P3)을 포함할 수 있다.On the other hand, the learning model generated by learning by the disease management server 100 may include a medical care model P1 and an integrated model P3.

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.Referring to FIG. 3, the medical care model P1 is learned and generated so as to be primarily available immediately when the patient receives a new medical care based on the profile data and the medical care data stored in the database 200.

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.The integrated model P3 is learned and generated so as to be available for predicting the patient's medication rate based on the medical care data stored in the database 200 and the behavior data obtained through the monitoring device 400. [

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.At this time, the integrated model P3 can be learned and generated based on the learned behavior model P2 based on the behavior data and the learned treatment model P1.

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.This integrated model P3 can be learned based on the ensemble learning algorithm by setting the weight of the treatment model P1 higher than the weight of the behavior model P2. That is, since the data used to learn the treatment model P1 and the data used to learn the behavior model P2 are different from each other, an embodiment of the present invention is characterized in that the weight of the treatment model P1 is larger than the weight of the behavior model P2 P3), and the integrated model (P3) can be learned by using an ensemble learning algorithm so as to correspond to the importance.

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. On the other hand, the learning model used in the disease management system 1 according to the embodiment of the present invention is characterized in that it is learned by using a part of data redundantly, but the type of data used and the use time of the learned model are distinguished have.

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.That is, as shown in FIG. 4A, the disease management server 100 according to an exemplary embodiment of the present invention, through the medical care model P1, determines, based on new medical care data acquired at the time of medical care in a patient's medical institution, The first predicted medication rate among the medication rates can be generated.

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.4 (b), the disease management server 100 obtains the final (N-th order) information of the patient during the drug administration period based on the behavior data newly obtained in relation to the medication, through the integrated model P3 learned as shown in FIG. 4 (b) The predicted medication rate can be generated.

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.1 to 4 according to an exemplary embodiment of the present invention may be implemented in hardware such as software or an FPGA (Field Programmable Gate Array) or ASIC (Application Specific Integrated Circuit) Roles can be performed.

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.However, 'components' are not meant to be limited to software or hardware, and each component may be configured to reside on an addressable storage medium and configured to play one or more processors.

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.Thus, by way of example, an element may comprise components such as software components, object-oriented software components, class components and task components, processes, functions, attributes, procedures, Routines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables.

구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.The components and functions provided within those components may be combined into a smaller number of components or further separated into additional components.

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. On the other hand, an embodiment of the present invention may also be embodied in the form of a computer program stored in a medium executed by a computer or a recording medium including instructions executable by the computer. Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, the computer-readable medium may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes any information delivery media, including computer readable instructions, data structures, program modules, or other data in a modulated data signal such as a carrier wave, or other transport mechanism.

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.While the methods and systems of the present invention have been described in connection with specific embodiments, some or all of those elements or operations may be implemented using a computer system having a general purpose hardware architecture.

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.It will be understood by those skilled in the art that the foregoing description of the present invention is for illustrative purposes only and that those of ordinary skill in the art can readily understand that various changes and modifications may be made without departing from the spirit or essential characteristics of the present invention. will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single entity may be distributed and implemented, and components described as being distributed may also be implemented in a combined form.

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.The scope of the present invention is defined by the appended claims rather than the detailed description and all changes or modifications derived from the meaning and scope of the claims and their equivalents are to be construed as being included within the scope of the present invention do.

1: 질병관리 시스템
100: 질병관리 서버
200: 데이터베이스
300: 의료기관 서버
400: 모니터링 기기 1: disease management system
100: disease management server
200: Database
300: Medical institution server
400: Monitoring device

Claims (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 포함하는 질병관리 시스템.1. A disease management system for increasing patient adherence,
A database in which behavior data corresponding to the patient's profile data, medical care data, and medication behavior are stored;
And a disease management server for predicting the patient's medication rate based on a learning model learned based on profile data, medical care data, and behavior data stored in the database.
KR1020170169213A 2017-12-11 2017-12-11 Disease management system for increasing patients adherence KR102522929B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170169213A KR102522929B1 (en) 2017-12-11 2017-12-11 Disease management system for increasing patients adherence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170169213A KR102522929B1 (en) 2017-12-11 2017-12-11 Disease management system for increasing patients adherence

Publications (2)

Publication Number Publication Date
KR20190068937A true KR20190068937A (en) 2019-06-19
KR102522929B1 KR102522929B1 (en) 2023-04-19

Family

ID=67104527

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170169213A KR102522929B1 (en) 2017-12-11 2017-12-11 Disease management system for increasing patients adherence

Country Status (1)

Country Link
KR (1) KR102522929B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102249650B1 (en) * 2020-10-28 2021-05-10 주식회사 한국지에스티 Individual medication pattern analysis method and system for performing the same
KR20220044004A (en) 2020-09-29 2022-04-06 주식회사 바이오크 Method for acquring online community-based adverse-event data
KR20220044003A (en) 2020-09-29 2022-04-06 주식회사 바이오크 Method for analyzing online community-based medical data
KR20220149927A (en) * 2021-04-30 2022-11-10 아우름케어매니지먼트 주식회사 System and method for predicting adaptability of taking medicine using machine learning

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201174A1 (en) * 2005-08-29 2008-08-21 Narayanan Ramasubramanian Personalized medical adherence management system
KR20120000659A (en) * 2010-06-28 2012-01-04 엘지전자 주식회사 A pill box and a method for managing an administration of a medication
KR20130032117A (en) * 2011-09-22 2013-04-01 주식회사 유비케어 Apparatus and method for providing information for taking medicine
KR20140049709A (en) * 2012-10-18 2014-04-28 (주)제이브이엠 Management system for taking medicine and supplying method of management service using the same
KR20140139998A (en) * 2014-10-23 2014-12-08 (주)제이브이엠 Management system for taking medicine and supplying method of management service using the same
KR20160011930A (en) * 2014-07-23 2016-02-02 한국전기연구원 Medicine taking managing method
KR20170101370A (en) * 2016-02-26 2017-09-06 (주)오상헬스케어 Drug managenent device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201174A1 (en) * 2005-08-29 2008-08-21 Narayanan Ramasubramanian Personalized medical adherence management system
KR20120000659A (en) * 2010-06-28 2012-01-04 엘지전자 주식회사 A pill box and a method for managing an administration of a medication
KR20130032117A (en) * 2011-09-22 2013-04-01 주식회사 유비케어 Apparatus and method for providing information for taking medicine
KR20140049709A (en) * 2012-10-18 2014-04-28 (주)제이브이엠 Management system for taking medicine and supplying method of management service using the same
KR20160011930A (en) * 2014-07-23 2016-02-02 한국전기연구원 Medicine taking managing method
KR20140139998A (en) * 2014-10-23 2014-12-08 (주)제이브이엠 Management system for taking medicine and supplying method of management service using the same
KR20170101370A (en) * 2016-02-26 2017-09-06 (주)오상헬스케어 Drug managenent device

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YJ. Son 외, "Application of Support Vector Machine for Prediction of Medication Adherence in Heart Failure Patient", Healthc. Inform. Res., 16(4):253-259. (2010.12.31.)* *
김범준, "효율적인 복약 관리를 위한 스마트 약상자의 개발과 약물순응도의 향상", JKIECS, 8(9):1391-1398. (2013.)* *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220044004A (en) 2020-09-29 2022-04-06 주식회사 바이오크 Method for acquring online community-based adverse-event data
KR20220044003A (en) 2020-09-29 2022-04-06 주식회사 바이오크 Method for analyzing online community-based medical data
KR102249650B1 (en) * 2020-10-28 2021-05-10 주식회사 한국지에스티 Individual medication pattern analysis method and system for performing the same
KR20220149927A (en) * 2021-04-30 2022-11-10 아우름케어매니지먼트 주식회사 System and method for predicting adaptability of taking medicine using machine learning

Also Published As

Publication number Publication date
KR102522929B1 (en) 2023-04-19

Similar Documents

Publication Publication Date Title
US20190355472A1 (en) Computer-implemented system and methods for predicting the health and therapeutic behavior of individuals using artificial intelligence, smart contracts and blockchain
KR102522929B1 (en) Disease management system for increasing patients adherence
US20200335189A1 (en) Creating individually tailored care plans
CN106796628B (en) Synthetic genome variant-based secure transaction apparatus, system and method
Yanamadala et al. Electronic health records and quality of care: an observational study modeling impact on mortality, readmissions, and complications
US20150088536A1 (en) Healthcare system and method for adjusting a personalized care plan of a user
US20140324472A1 (en) Method and system for extraction and analysis of inpatient and outpatient encounters from one or more healthcare related information systems
Katzelnick et al. Depression outcomes in psychiatric clinical practice: using a self-rated measure of depression severity
US20190065687A1 (en) Optimizing patient treatment recommendations using reinforcement learning combined with recurrent neural network patient state simulation
Feldman et al. Harnessing mHealth technologies to increase physical activity and prevent cardiovascular disease
US11705231B2 (en) System and method for computerized synthesis of simulated health data
Zhuang et al. Development of a blockchain framework for virtual clinical trials
US20130304508A1 (en) System and Method for Collaborative Patient Engagement
US11817209B2 (en) Neuromodulation therapy development environment
US20180293357A1 (en) Pill collection visual recognition for automatic compliance to prescriptions
US20210058257A1 (en) Security and identity verification for neuromodulation therapy implant device programming
Smeets et al. A novel intelligent two-way communication system for remote heart failure medication uptitration (the CardioCoach Study): randomized controlled feasibility trial
Schera et al. iManageMyHealth and iSupportMyPatients: mobile decision support and health management apps for cancer patients and their doctors
US20180052967A1 (en) Managing data communications for a healthcare provider
CA3148648A1 (en) Neuromodulation therapy data subject consent matrix
Bravos et al. Embedded Intelligence in IoT-Based Mixed-Criticality Connected Healthcare Applications: Requirements, Research Achievements and Challenges
US20140297322A1 (en) Method and apparatus for delaying propagation of patient healthcare data
Hallberg et al. Telemedicine via Continuous Remote Care: A Proactive, Patient-Centered Approach to Improve Clinical Outcomes
US20210019296A1 (en) System and method for data de-duplication and augmentation
US11779764B2 (en) Neuromodulation therapy monitoring and continuous therapy reprogramming

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right