KR101328643B1 - 생체 나이 예측 장치 및 방법 - Google Patents

생체 나이 예측 장치 및 방법 Download PDF

Info

Publication number
KR101328643B1
KR101328643B1 KR1020130044351A KR20130044351A KR101328643B1 KR 101328643 B1 KR101328643 B1 KR 101328643B1 KR 1020130044351 A KR1020130044351 A KR 1020130044351A KR 20130044351 A KR20130044351 A KR 20130044351A KR 101328643 B1 KR101328643 B1 KR 101328643B1
Authority
KR
South Korea
Prior art keywords
examination
value
age
item
screening
Prior art date
Application number
KR1020130044351A
Other languages
English (en)
Inventor
유진호
김양석
Original Assignee
주식회사 바이오에이지
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 주식회사 바이오에이지 filed Critical 주식회사 바이오에이지
Priority to KR1020130044351A priority Critical patent/KR101328643B1/ko
Application granted granted Critical
Publication of KR101328643B1 publication Critical patent/KR101328643B1/ko
Priority to JP2016507876A priority patent/JP6219498B2/ja
Priority to PCT/KR2014/001236 priority patent/WO2014175542A1/ko
Priority to CN201480022739.0A priority patent/CN105144174B/zh

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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Complex Calculations (AREA)

Abstract

올해의 검진 수치를 이용하여, 다음해의 검진 수치를 예측하는 장치 또는 방법과, 다음해의 검진 수치 예측값들을 이용하여 다음해의 생체 나이까지 예측하는 장치 및 방법이 제공된다. 일 실시예에 따른 검진 수치 예측 장치는 이번 나이(T)에 대한 제1 검진 항목의 평균 값 AVG(T) 및 표준 편차 SD(T)와, 다음 나이(T+1)에 대한 제1 검진 항목의 평균 값 AVG(T+1) 및 표준 편차 SD(T+1)를 제공 받는 통계 정보 수신부, 이번 나이(T)에 대한 피검진자의 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는 검진 수치 입력부 및 X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목 예상 수치 Y(T+1)를 연산하는 검진 수치 예측부를 포함한다. 본 태양에 따른 검진 수치 예측 장치는 이번 나이에서 피검진자의 검진 수치와 그 평균 값과의 차이 정도가 다음 나이에도 유사하게 유지된다고 보고, 다음 나이의 검진 수치 평균 값에 이번 나이의 피검진자 검진 수치와 평균 치와의 차이 값에 상당하는 수치를 더함으로써, 다음 나이의 검진 항목 예상 수치를 연산한다.

Description

생체 나이 예측 장치 및 방법{Biological age prediction apparatus and method thereof}
본 발명은 생체 나이 예측 장치 및 방법에 관한 것이다. 보다 자세하게는, 이번 주기(t)의 각각의 검진 항목에 대한 검진 수치들을 입력 받아, 각각의 검진 항목에 대한 통계자료를 통하여 다음 주기(t+1)의 각각의 검진 항목에 대한 검진 수치들을 예측하는 장치 및 방법, 또한 예측된 각각의 검진 수치들을 이용하여 다음 주기(t+1)의 생체 나이를 예측하는 장치 및 방법에 관한 것이다.
고대로부터 인류는 노화현상에 대하여 지대한 관심을 가져왔으며, 노화의 기전을 밝혀 이를 예방함으로써 젊음을 유지하거나 또는 노화 현상을 막을 수 있는 치료법을 개발하기 위해 수많은 노력을 기울였다 그러나, 지금까지 노화의 기전을 설명해 보려는 많은 가설들이 제시되어 왔으나 노화 현상은 인체의 전반에 걸친 변화를 수반하므로 하나의 가설로 이 모든 현상을 설명하는 데는 한계가 있을 수 밖에 없다.
따라서, 최근에는 노화의 기전을 밝히기보다는 운동이나 식이요법 등을 통해 노화 속도를 지연시켜 궁극적으로 노화를 방지하고자 하는 방법들이 많이 제안되고 있다. 특히 21세기에 들어서면서 학자들은 노화도 하나의 질병으로 간주하여 노화를 극복하려고 노력 중이다.
이와 같이, 현대적인 노화 방지 의학이 시작된 이래로 학자들은 노화 방지 의학의 과학적인 개념과 프로토콜이 정확하게 적용될 수 있는 확실한 도구를 찾고 있으며, 그 동안 세계적으로 나름대로 다양한 생체 표지자들을 이용하여 노화를 측정하는 시스템을 개발하려는 시도가 있어 왔다. 특히, 노화를 하나의 질병으로 간주하는 시각에서 어떤 질병이든 우선 진단이 가능해야 이를 토대로 치료 대상을 찾아내서 치료를 시작하고 일정한 치료 기간이 지나면 치료 효과를 판단해야 하기 때문에, 과학적으로 노화를 진단할 필요가 있다.
최근 노화를 과학적으로 진단하는 의미로써 생체 나이를 측정하여 노화 방지에 대한 초석으로 사용하기 위한 방법이 1988년 위딘 박사에 의한 'Biological Aging Measurement'에서 개시되어 노화 방지 의학 진료의 분수령이 되었다.
한편, 한국공개특허 제2007-0080852호에서는 다양한 검진 수치를 입력 받아 생체 나이를 측정하는 장치 및 방법이 기재되어 있다. 그러나, 상기 공개특허 문헌에 따르더라도, 검진 수치가 입력된 시점의 생체 나이를 측정할 수 있을 뿐, 장래의 생체 나이를 예측할 수는 없다. 장래의 생체 나이를 예측할 수 있다면 노화의 속도를 직관적으로 파악할 수 있을 것이므로, 현재의 검진 수치를 입력 받아 현재의 생체 나이를 측정하는 것뿐만 아니라, 장래의 생체 나이를 예측할 산업상 필요가 존재함에도, 종래 기술에 따르면 장래의 생체 나이를 예측할 수 있는 장치 또는 방법이 제공되고 있지 않은 문제점이 있었다.
본 발명이 해결하고자 하는 기술적 과제는 다수의 축적된 통계 자료를 이용하여, 특정 검진 항목에 대한 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를 예측하는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 다수의 축적된 통계 자료를 이용하여, 특정 검진 항목에 대한 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를 예측하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 다수의 축적된 통계 자료를 이용하여 외삽법을 통하여 모수를 모델링 하는 보간 함수를 생성하고, 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를, 상기 보간 함수를 이용하여 예측하는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 다수의 축적된 통계 자료를 이용하여 외삽법을 통하여 모수를 모델링 하는 보간 함수를 생성하고, 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를, 상기 보간 함수를 이용하여 예측하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 다수의 축적된 통계 자료를 이용하여 외삽법을 통하여 모수를 모델링 하는 보간 함수를 생성하고, 상기 보간 함수를 이용하여 예측한 결과 및 상기 통계 자료를 이용하여 예측한 결과를 모두 반영하여, 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를 높은 정확도로 예측하는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 다수의 축적된 통계 자료를 이용하여 외삽법을 통하여 모수를 모델링 하는 보간 함수를 생성하고, 상기 보간 함수를 이용하여 예측한 결과 및 상기 통계 자료를 이용하여 예측한 결과를 모두 반영하여, 현재의 검진 수치를 제공한 피검진자의 장래의 검진 수치를 높은 정확도로 예측하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 복수의 검진 항목 각각에 대하여, 이번 주기의 검진 수치를 이용하여 다음 주기의 검진 수치를 예측하고, 예측된 검진 수치를 이용하여 다음 주기의 생체 나이를 예측하는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 복수의 검진 항목 각각에 대하여, 이번 주기의 검진 수치를 이용하여 다음 주기의 검진 수치를 예측하고, 예측된 검진 수치를 이용하여 다음 주기의 생체 나이를 예측하는 방법을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해 될 수 있을 것이다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제1 실시예에 따른 검진 수치 예측 장치는 이번 나이(T)에 대한 제1 검진 항목의 평균 값 AVG(T) 및 표준 편차 SD(T)와, 다음 나이(T+1)에 대한 제1 검진 항목의 평균 값 AVG(T+1) 및 표준 편차 SD(T+1)를 제공 받는 통계 정보 수신부, 이번 나이(T)에 대한 피검진자의 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는 검진 수치 입력부 및 X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목 예상 수치 Y(T+1)를 연산하는 검진 수치 예측부를 포함한다. 본 태양에 따른 검진 수치 예측 장치는 이번 나이에서 피검진자의 검진 수치와 그 평균 값과의 차이 정도가 다음 나이에도 유사하게 유지된다고 보고, 다음 나이의 검진 수치 평균 값에 이번 나이의 피검진자 검진 수치와 평균 치와의 차이 값에 상당하는 수치를 더함으로써, 다음 나이의 검진 항목 예상 수치를 연산한다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제2 실시예에 따른 검진 수치 예측 장치는 검진 수치 데이터베이스에 저장된 제1 검진 항목에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVG(t) 및 표준 편차 SD(t)를 제공 받는 통계 정보 수신부, 피검진자의 이번 나이(T)에 대한 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는 검진 수치 입력부, 다항식 외삽법을 이용하여 상기 제1 검진 항목의 AVG(t)에 대한 보간 함수 f(t)를 생성하는 평균 예측 모델 생성부 및 X(T)와 f(T)의 차이값에 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 예상 검진 수치 Y(T+1)를 연산하는 검진 수치 예측부를 포함한다. 본 태양에 따른 검진 수치 예측 장치는, 나이에 따른 검진 수치의 평균 값들을 이용하여, 나이에 따른 검진 수치를 함수로 표현하는 보간 함수를 생성하고, 다음 나이의 평균 값을 기초 값으로 사용하는 것이 아니라, 상기 보간 함수에 다음 나이를 입력하여 얻어진 함수 값인 다음 나이의 예상 값을 기초 값으로 사용한다. 본 태양에 따른 검진 수치 예측 장치 역시, 이번 나이에서 피검진자의 검진 수치와 보간 함수 값에 따른 이번 나이의 검진 수치 예상 값과의 차이 정도가 다음 나이에도 유사하게 유지된다고 보는 점은 제1 실시예와 동일하다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제3 실시예에 따른 검진 수치 예측 장치는 검진 수치 데이터베이스에 저장된 제1 검진 항목에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVG(t) 및 표준 편차 SD(t)를 제공 받는 통계 정보 수신부, 이번 나이(T)에 대한 피검진자의 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는 검진 수치 입력부, 다항식 외삽법을 이용하여 AVG(t)에 대한 보간 함수 f(t)를 생성하는 평균 예측 모델 생성부, X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Ya(T+1)를 연산하는 제1 검진 수치 예측부, X(T)와 f(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Yb(T+1)를 연산하는 제2 검진 수치 예측부 및 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 예상 검진 수치 Y(T+1)를 연산하되, Y(T+1) = W1 * Ya(T+1) + W2 * Yb(T+1) 이고, W1 + W2 = 1인, 예측 값 조정부를 포함한다. 본 실시예에 따르면 제1, 2 실시예에 따른 검진 수치 예측 방식을 모두 반영하여 다음 나이에 대한 검진 수치 예측을 보다 정확하게 할 수 있는 효과가 있다. 본 실시예에서, 상기 가중치는 SD(T+1)/SD(T)이고, W2는 상기 검진 수치 데이터베이스에 저장된 제1 검진 항목 검진 수치 전체의 분포에 대한 상기 보간 함수 f(t)의 결정계수(R2) 값을 바탕으로 결정될 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제4 실시예에 따르면, 복수의 검진 항목에 대하여 다음 나이(T+1)의 검진 수치를 예측한 후, 예측된 검진 수치들을 이용하여 다음 나이(T+1)의 생체 나이를 예측할 수 있다. 본 실시예에 따른 생체 나이 예측 장치는 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부, 다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부, 검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 예측 값 조정부 및 상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함할 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제5 실시예에 따른 생체 나이 예측 장치는 보간 함수 대신 회귀식을 이용하여 다음 나이(T+1)의 각 검진 수치를 예측할 수 있고, 예측 된 검진 수치들을 이용하여 다음 나이(T+1)의 생체 나이를 예측할 수 있다. 본 실시예에 따른 생체 나이 예측 장치는 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 회귀식(regression equation) fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 회귀 모델 생성부, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부, 검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 예측 값 조정부 및 상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함할 수 있다. 본 실시예에서, 상기 가중치는 SDi(T+1)/SDi(T)이고, 상기 제1 검진 수치 예측부는 Xi(T)와 AVGi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Yai(T+1)를 연산하고, 상기 제2 검진 수치 예측부는 Xi(T)와 fi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Ybi(T+1)를 연산하고, W2i는 상기 회귀식 fi(t)의 결정계수(R2) 값일 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제6 실시예에 따른 생체 나이 예측 장치는, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부, 다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값을 기준으로, 상기 Yai(T+1) 및 상기 Ybi(T+1) 중 하나를 상기 검진 항목 Xi의 다음 나이(T+1)에서의 예상 검진 수치 Yi(T+1)로 각 검진 항목 Xi에 대하여 선정하는, 검진 수치 선정부 및 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함할 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제7 실시예에 따른 생체 나이 예측 장치는 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부, 다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부, 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 예상 검진 수치 Yi(T+1)를 각각의 검진 항목 Xi에 대하여 연산하되, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값이 기 지정된 한계치를 초과하는 경우, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후 f(T+1)에 합산하여 상기 Yi(T+1)를 연산 하고, 상기 결정계수 값이 상기 한계치 이하인 경우 Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 Yi(T+1)를 연산하는 검진 수치 예측부 및 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함할 수 있다. 즉, 제6 내지 7 실시예에 따른 생체 나이 예측 장치는 회귀식의 설명력이 높은 경우, 검진 수치에 대한 보간식의 신뢰도가 검진 수치의 평균치에 대한 신뢰도보다 더 높은 것으로 보고 보간식을 기초로 예측된 다음 나이(T+1)의 검진 수치 예측을 다음 나이(T+1)의 피검진자 검진 수치로 선정할 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제8 실시예에 따른 생체 나이 예측 방법은 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계, 상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계, 상기 생체 나이 예측 장치가, 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 연산하거나 제공받는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계, 상기 생체 나이 예측 장치가, 검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 단계, 상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계, 및 상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함할 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제9 실시예에 따른 생체 나이 예측 방법은 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계, 상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계, 상기 생체 나이 예측 장치가, 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 제공 받거나 연산하는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계, 상기 생체 나이 예측 장치가, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값을 기준으로, 상기 Yai(T+1) 및 상기 Ybi(T+1) 중 하나를 상기 검진 항목 Xi의 다음 나이(T+1)에서의 예상 검진 수치 Yi(T+1)로 각 검진 항목 Xi에 대하여 선정하는 단계, 상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계, 및 상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함할 수 있다.
상기 언급된 종래 기술의 문제점을 해결하기 위한, 본 발명의 제10 실시예에 따른 생체 나이 예측 방법은, 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계, 상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계, 상기 생체 나이 예측 장치가, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 회귀식(regression equation) fi(t)를 각각의 검진 항목 Xi에 대하여 제공 받거나 연산하는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계, 상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계, 검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 단계, 상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계, 및 상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함할 수 있다. 이 때, 상기 가중치는 SDi(T+1)/SDi(T)이고, 상기 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계는, Xi(T)와 AVGi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Yai(T+1)를 연산하는 단계를 포함하고, 상기 Ybi(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계는, Xi(T)와 fi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Ybi(T+1)를 연산하는 단계를 포함하며, W2i는 상기 회귀식 fi(t)의 결정계수(R2) 값일 수 있다.
상기와 같은 본 발명에 따르면, 기존에 축적된 검진 수치 데이터베이스를 분석하여, 예를 들어 피검진자의 올해 검진 수치로부터 내년 검진 수치를 예측할 수 있는 효과가 있다.
더 나아가, 피검진자의 내년 검진 수치 예측치들을 이용하여 내년의 예상 생체 나이를 예측할 수 있는 효과가 있다. 예측된 내년의 생체 나이는, 올해의 생체 나이와 비교됨으로써 노화 속도를 판단하는 자료로 사용될 수도 있을 것이다. 예를 들어, 주민등록 상 나이보다 생체 나이의 진행이 빠른 경우 노화가 빠르게 진행되는 것으로 판단될 수 있을 것이다. 이러한 자료는 건강 검진 서비스 수요자에게 자신의 건강 상태에 대한 직관적인 파악을 가능하도록 할 수 있으며, 본 발명에 따른 검진 수치 예측 장치 또는 생체 나이 예측 장치를 이용하여 건강 검진 서비스를 제공하는 사업자의 서비스 만족도를 높일 수 있다.
도 1은 본 발명에 따른 검진 수치 예측 장치 또는 생체 나이 예측 장치를 이용한 건강 검진 시스템의 구성을 나타낸 도면이다.
도 2는, 도 1과는 다른 형태의 건강 검진 시스템의 구성을 나타낸 도면이다.
도 3 내지 6은 본 발명의 일 실시예에 따른 검진 수치 예측 장치의 블록 구성도이다.
도 7 내지 10은 건강 검진 데이터에 저장된 일부 검진 항목에 대한 주민 등록 나이 별 검진 수치 평균의 분포 경향을 나타내는 그래프이다.
도 11 내지 14는 본 발명의 다른 실시예에 따른 생체 나이 예측 장치의 블록 구성도이다.
도 15는 본 발명의 또 다른 실시예에 따른 생체 나이 예측 장치의 블록 구성도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 본 명세서에서 등장하는 이번 나이(T) 및 다음 나이(T+1)는 소정의 검진 주기에 따른 시간 흐름을 의미 한다. 예를 들어, 검진 주기가 1년인 경우, 다음 나이(T+1)는 내년을 의미하고, 검진 주기가 3개월인 경우, 다음 나이(T+1)는 3개월 후를 의미한다. 상기 검진 주기는 검진 수치 데이터베이스에 저장된 건강 검진 데이터가 시간의 흐름에 따라 구분되는 주기와 일치할 수 있다. 본 발명에서 이번 나이(T) 및 다음 나이(T+1)는 어떠한 주기도 될 수 있으며, 특정 주기(예, 1년)를 의미하는 것으로 한정되지 않는다.
먼저, 도 1 내지 2를 참조하여, 본 발명에 따른 검진 수치 예측 장치 또는 생체 나이 예측 장치를 이용한 건강 검진 시스템의 구성을 설명한다.
도 1에 도시된 것과 같이, 검진 수치 예측 장치(100)가 서비스 서버(4)로 동작하고, 검진 기관(예, 병원)(10)에 위치한 단말(미도시)이 서비스 클라이언트로 동작하며, 검진 수치 예측 장치(100) 및 상기 단말이 네트워크를 통해 연결됨으로써, 검진 수치 예측 장치(100)가 검진 기관(10)과 지리적으로 떨어져서 위치할 수 있다. 검진 기관(10)의 상기 단말은 피검진자(1)의 각 검진 항목의 검진 수치를 검진 수치 예측 장치(100)에 송신하고, 그 응답으로 해당 검진 항목의 다음 나이(T+1)에 대한 검진 수치의 예측 값을 제공 받을 수 있다.
서비스 서버(4)의 "서버"라는 명칭은 상기 단말과의 관계에서 서버-클라이언트 관계에 있는 것에 기반하여 부여 된 것일 뿐, 장치의 형상, 설치 장소 등에 한정 되지 않는다.
상기 단말은 랜 인터페이스를 구비한 컴퓨터, UMPC (Ultra Mobile PC), 워크스테이션, 넷북(net-book), PDA (Personal Digital Assistants), 포터블(portable) 컴퓨터, 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 스마트폰(smart phone), PMP(portable multimedia player), 휴대용 게임기, 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 홈 네트워크를 구성하는 다양한 전자 장치들 중 하나, 컴퓨터 네트워크를 구성하는 다양한 전자 장치들 중 하나, 또는 컴퓨팅 시스템을 구성하는 다양한 구성 요소들 중 하나 등과 같은 전자 장치일 수 있다.
검진 기관(10)의 상기 단말은 상기 제공 받은 각 검진 항목의 다음 나이 예측 값들을, 검진 항목 수치의 통계적 분석에 따라 얻어진 소정의 생체 나이 연산 함수에 입력하여 피검진자(1)의 다음 생체 나이를 예측하고, 예측된 다음 생체 나이 등을 이용하여 피검진자(1)를 위한 건강 검진 리포트를 생성할 수 있다. 각각의 검진 항목 검진 수치들을 이용하여 생체 나이를 연산하는 방법은 한국공개특허 제2007-0080852호 등을 참조할 수 있다.
일 실시예에 따르면, 검진 수치 예측 장치(100) 대신 생체 나이 예측 장치(200)가 서비스 서버(4)로 동작할 수도 있다. 이 때, 검진 기관(10)의 단말은 복수의 검진 항목 각각에 대한 검진 수치 데이터를 생체 나이 예측 장치(200)에 송신하고, 그 응답으로 피검진자(1)의 다음 생체 나이 예측값을 수신할 수 있다. 검진 기관(10)의 단말은 서비스 서버(4)로부터 수신한 데이터를 이용하여 피검진자(1)를 위한 건강 검진 리포트를 생성할 수 있다.
도 1에 도시된 것과 같이, 검진 수치 데이터베이스를 관리하는 데이터베이스 서버(6)가 존재하고, 검진 장치(2)로부터 검진 수치를 수신하고, 데이터베이스 서버(6)와 네트워크를 통하여 연결된 단말(5)이 존재하는 형태로 건강 검진 시스템이 구성될 수도 있다. 단말(5)은 본 발명에 따른 검진 수치 예측 장치(100) 또는 생체 나이 예측 장치(200)일 수 있다. 데이터베이스 서버(6)는 건강 검진이 오랜 기간 수많은 피검진자에 대해 수행됨에 따라 축적된 검진 수치들을 각 검진 항목 별, 각 피검진자의 나이 별로 관리할 수 있다.
몇몇 실시예들에 따르면, 데이터베이스 서버(6)는 각 검진 항목 별로, 나이 별 평균 값 및 표준 편차를 생성하고, 업데이트 할 수 있다. 데이터베이스 서버(6)는 각 검진 항목 별로, 나이 별 회귀식 및 그 결정계수(R2)를 생성하고, 업데이트 할 수도 있다. 데이터베이스 서버(6)는 상기 평균 값 및 표준 편차와, 상기 회귀식 및 그 결정계수(R2)를 단말(5)의 요청에 따라 단말(5)에 제공할 수 있다. 또한, 데이터베이스 서버(6)는 특정의 보간 함수의 검진 수치 전체에 대한 결정계수를 조회 받아, 이를 연산한 후 그 결정계수를 출력할 수도 있다.
도 1 내지 2에 도시된 것 이외에도 다양한 건강 검진 시스템 구성이 가능하며, 상기 건강 검진 시스템에 본 발명에 따른 검진 수치 예측 장치(100), 생체 나이 예측 장치(200), 검진 수치 예측 방법 또는 생체 나이 예측 방법이 적용될 수 있다.
이하, 도 3 내지 6을 참조하여, 본 발명의 검진 수치 예측 장치(100)의 다양한 실시예를 설명한다.
도 3은, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값 및 표준 편차를 참조하여, 다음 나이(T+1)의 검진 수치 예상치를 출력하는 검진 수치 예측 장치(100)의 구성을 도시한다.
도 3에 도시된 바와 같이, 검진 수치 예측 장치(100)는 검진 수치 입력부(102), 통계 정보 수신부(104) 및 검진 수치 예측부(106)를 포함할 수 있다. 도 3에는 도시되어 있지 않지만 검진 수치 예측 장치(100)는 외부 장치로부터 데이터를 수신하거나, 외부 장치(100)로 데이터를 송신하기 위한 네트워크 인터페이스를 더 포함할 수 있다. 이점은 도 3 내지 6에 동일하게 적용되고, 도 11 내지 14에도 동일하게 적용된다.
통계 정보 수신부(104)는 이번 나이(T)에 대한 제1 검진 항목의 평균 값 AVG(T) 및 표준 편차 SD(T)와, 다음 나이(T+1)에 대한 제1 검진 항목의 평균 값 AVG(T+1) 및 표준 편차 SD(T+1)를 제공 받는다.
검진 수치 입력부(102)는 이번 나이(T)에 대한 피검진자의 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는다.
검진 수치 예측부(106)는 X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목 예상 수치 Y(T+1)를 연산한다. 이 때, 검진 수치 예측부(106)는 아래의 수학식 1을 이용하여 Y(T+1)를 연산할 수 있다. 수학식 1에 표시된 바와 같이, X(T)와 AVG(T) 사이의 차이값은, 이번 나이(T)와 다음 나이(T+1)에 대한 표준 편차 비율에 따라 조정되고, AVG(T+1)에 더해진다. 즉, 이번 나이(T)와 다음 나이(T+1)에 대한 표준 편차 비율은 X(T)와 AVG(T) 사이의 차이값에 대한 일종의 가중치로 사용된다.
Figure 112013035243319-pat00001
도 4는, 이번 나이(T)의 검진 수치를 입력 받은 시점의 검진 수치의 평균 값 및 표준 편차를 실시간 생성하며, 다음 나이(T+1)의 검진 수치 예상치를 출력하는 검진 수치 예측 장치(100)의 구성을 도시한다. 도 4에 도시된 검진 수치 예측 장치(100)는 최신의 검진 수치 데이터베이스를 실시간 반영하여 검진 수치를 예측한다. 또한, 검진 수치 예측 장치(100)가 입력 받은 검진 수치는 검진 수치 데이터베이스에 추가되어 다음의 검진 수치 예측에 활용된다.
도 4에 도시된 바와 같이, 검진 수치 예측 장치(100)는 도 3에 도시된 것에 비하여 검진 수치 저장부(110) 및 통계정보 실시간 생성부(108)를 더 포함할 수 있다.
검진 수치 저장부(110)는 검진 수치 데이터베이스를 저장한다. 또한, 검진 수치 저장부(110)는 검진 수치 입력부(102)가 제공받은 X(T)를 기존의 검진 수치 데이터베이스에 추가하여 저장할 수 있다.
통계 정보 실시간 생성부(108)는 상기 검진 수치 입력부가 X(T)를 제공 받는 것에 응답하여, 상기 검진 수치 데이터베이스에 저장된 검진 수치 데이터로부터 상기 제1 검진 항목의 평균 값 AVG(T), AVG(T+1) 및 표준 편차 SD(T), SD(T+1)를 연산하여 통계 정보 수신부(104)에 제공한다.
도 5는, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값들을 이용하여 검진 수치 예측 모델을 생성하고, 다음 나이의 상기 검진 수치 예측 모델에 따른 예측 값을 참조하여, 다음 나이(T+1)의 검진 수치 예상치를 출력하는 검진 수치 예측 장치(100)의 구성을 도시한다. 도 5에 도시된 바와 같이, 검진 수치 예측 장치(100)는 검진 수치 입력부(102), 통계 정보 수신부(104), 평균 예측 모델 생성부(105) 및 검진 수치 예측부(107)를 포함할 수 있다. 검진 수치 입력부(102) 및 통계 정보 수신부(104)는 도 3을 참조하여 설명한 것과 유사하게 동작한다. 다만, 통계 정보 수신부(104)는 평균 예측 모델 생성부(105)에 각 나이 별 평균값 AVG(t)를 제공한다.
평균 예측 모델 생성부(105)는 외삽법을 이용하여 AVG(t)에 대한 보간 함수 f(t)를 생성한다. 예를 들어, 평균 예측 모델 생성부(105)는 다항식 외삽법을 이용할 수 있다. 보간법과 달리, 외삽법에 의한 보간 함수는 AVG(t)와 일치하지 않을 수 있다. 즉, AVG(t)와 f(t)는 일치하지 않을 수 있다. 이점에서, 도 5에 도시된 검진 수치 예측 장치(100)는 도 3 내지 4에 도시된 검진 수치 예측 장치와 다른 방식으로 검진 수치를 예측한다.
도 5의 검진 수치 예측부(107)는 아래의 수학식 2을 이용하여 Y(T+1)를 연산할 수 있다.
Figure 112013035243319-pat00002
도 6은, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값 및 표준 편차를 참조한 제1 예측치와, 그 검진 수치의 평균 값들을 이용하여 생성된 검진 수치 예측 모델에 따른 예측 값을 참조한 제2 예측치를 모두 이용하여, 다음 나이(T+1)의 검진 수치 예상치를 출력하는 검진 수치 예측 장치(100)의 구성을 도시한다. 도 6에 도시된 검진 수치 예측 장치(100)는 도 5에 도시된 검진 수치 예측부(107) 대신, 제1 검진 수치 예측부(112)와, 제2 검진 수치 예측부(114)와, 예측 값 조정부(116)를 포함한다.
제1 검진 수치 예측부(112)는, X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Ya(T+1)를 연산한다. Ya(T+1)는 상기 수학식 1을 이용하여 연산된다.
제2 검진 수치 예측부(114)는, X(T)와 f(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Yb(T+1)를 연산한다. Yb(T+1)는 상기 수학식 2를 이용하여 연산된다.
예측 값 조정부(116)는 Ya(T+1) 및 Yb(T+1)를 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 예상 검진 수치 Y(T+1)를 연산한다. 예측 값 조정부(116)는 아래의 수학식 3을 이용하여 Y(T+1)을 연산한다.
Figure 112013035243319-pat00003
수학식 3에서, W1 + W2 = 1이다.
이 때, W2는 상기 검진 수치 데이터베이스에 저장된 제1 검진 항목 검진 수치 전체의 분포에 대한 상기 보간 함수 f(t)의 결정계수(R2) 값을 바탕으로 결정되는 값일 수 있다. 상기 결정계수(R2)는 데이터베이스 서버(6)로부터 제공받을 수 있다.
결정계수(R2)는 상기 보간 함수 f(t)의 적합도를 나타내는 값으로, 회귀 분석 방법론과 관련하여 연산 방법이 널리 알려져 있으므로, 자세한 설명은 생략한다. 이 때, R2에 소정의 가중치를 곱한 값을 W2로 사용하거나, R2를 그대로 W2로 사용할 수 있다. 도 7 내지 10은 건강 검진 데이터에 저장된 일부 검진 항목에 대한 주민 등록 나이 별 검진 수치 평균의 분포 경향을 나타내는 그래프이다. 도 9와 같이 평균 값의 분포가 불규칙 한 경우, 평균 값을 기준으로 하는 것 보다는, 보간 함수 f(t)를 기준으로 하여 Y(T+1)을 연산하는 것이 보다 정확도가 높을 것이다.
이하, 도 11 내지 14를 참조하여, 본 발명의 생체 나이 예측 장치(200)의 다양한 실시예를 설명한다. 생체 나이 예측 장치(200)는 Y(T+1)들을 이용하여 다음 나이(T+1)의 생체 나이 값을 예측하여 출력한다.
도 11은, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값 및 표준 편차를 참조한 제1 예측치와, 그 검진 수치의 평균 값들을 이용하여 생성된 검진 수치 예측 모델에 따른 예측 값을 참조한 제2 예측치를 모두 이용하여, 다음 나이(T+1)의 검진 수치 예상치를 연산하고, 상기 연산을 입력된 각각의 검진 수치에 대하여 반복하며, 연산된 검진 항목별 검진 수치 예상치들을 이용하여 다음 나이(T+1)의 생체 나이 예측치를 출력하는 생체 나이 예측 장치(200)의 구성을 도시한다. 이 때, 상기 검진 수치 예측 모델은, 예를 들어 평균 값들을 이용하여 생성된 보간 함수 일 수 있다. 이 때, 상기 제2 예측치는 상기 검진 수치 예측 모델의 결정계수(R2)가 1에 가까울수록 상기 제1 예측치보다 더 비중 있게 반영될 수 있다.
도 11의 검진 수치 입력부(202), 통계 정보 수신부(204), 평균 예측 모델 생성부(205), 제1 검진 수치 예측부(212), 제2 검진 수치 예측부(214) 및 예측 값 조정부(216)는 복수의 검진 항목에 대한 처리를 수행하는 점을 제외하고는 도 6의 검진 수치 입력부(102), 통계 정보 수신부(104), 평균 예측 모델 생성부(105), 제1 검진 수치 예측부(112), 제2 검진 수치 예측부(114) 및 예측 값 조정부(116)와 각각 동작이 유사하다.
도 11의 생체 나이 예측 장치(200)는 생체 나이 예측부(206)를 더 포함하는데, 생체 나이 예측부(206)는 상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 피검진자(1)의 다음 나이(T+1)에 대한 생체 나이를 연산한다.
도 12는, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값 및 표준 편차를 참조한 제1 예측치와, 검진 수치 데이터베이스 내 전체 검진 수치 데이터의 회귀 분석 모델인 회귀식을 생성하고, 다음 나이의 상기 회귀식에 따른 예측 값을 참조한 제2 예측치를 모두 이용하여, 다음 나이(T+1)의 검진 수치 예상치를 연산하고, 상기 연산을 입력된 각각의 검진 수치에 대하여 반복하며, 연산된 검진 항목별 검진 수치 예상치들을 이용하여 다음 나이(T+1)의 생체 나이 예측치를 출력하는 생체 나이 예측 장치(200)의 구성을 도시한다. 이 때, 상기 제2 예측치는 상기 회귀식의 결정계수(R2)가 1에 가까울수록 상기 제1 예측치보다 더 비중 있게 반영될 수 있다.
도 12에 도시된 바와 같이, 생체 나이 예측 장치(200)는 도 11에서의 평균 예측 모델 생성부(205) 대신 회귀 모델 생성부(203)을 포함할 수 있다.
회귀 모델 생성부(203)는 회귀식을 생성하거나, 데이터베이스 서버(6)로부터 제공받아 도 11을 참조하여 설명된 보간 함수 대신 사용할 수 있다. 상기 회귀식은 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치 전체를 회귀 분석한 결과 생성되는 수식이다. 평균 값 만으로 생성되는 상기 보간 함수와 달리, 상기 회귀식은 각 피검진자들의 검진 수치 전체를 이용하여 생성된다. 따라서, 상기 회귀식을 기반으로 Yi(T+1) 값들을 연산하는 경우, 상기 보간 함수를 기반으로 Yi(T+1) 값들을 연산하는 경우에 비하여 연산된 Yi(T+1)값의 더 높은 정확도를 기대할 수 있다.
도 12의 예측 값 조정부(216)는 상기 회귀식의 결정계수(R2)를 데이터베이스 서버(6)로부터 제공받을 수 있다.
도 13 내지 도 14는, 이번 나이(T)의 검진 수치를 입력 받아, 그 검진 수치의 평균 값 및 표준 편차를 참조한 제1 예측치와, 그 검진 수치의 평균 값들을 이용하여 생성된 검진 수치 예측 모델에 따른 예측 값을 참조한 제2 예측치 중 하나를 다음 나이(T+1)의 검진 수치 예상치로 선정하고, 상기 연산을 입력된 각각의 검진 수치에 대하여 반복하며, 연산된 검진 항목별 검진 수치 예상치들을 이용하여 다음 나이(T+1)의 생체 나이 예측치를 출력하는 생체 나이 예측 장치(200)의 구성을 도시한다. 이 때, 상기 검진 수치 예측 모델은, 예를 들어 평균 값들을 이용하여 생성된 보간 함수 일 수 있다. 이 때, 상기 제2 예측치는 상기 검진 수치 예측 모델의 결정계수(R2)가 1에 가까울수록 상기 제1 예측치보다 더 비중 있게 반영될 수 있다.
즉, 도 13 내지 14에 도시된 생체 나이 예측 장치(200)는 상기 제1 예측치 Yai(T+1)와 제2 예측치 Ybi(T+1)중 하나를 Yi(T+1)으로 선정하는 점에서, 도 11에 도시된 생체 나이 예측 장치(200)이 상기 제1 예측치와 제2 예측치 각각에 가중치를 적용하여 합산함으로써 Yi(T+1)을 연산하는 것과 다를 뿐, 다른 동작은 유사하다.
도 13의 검진 수치 선정부(210)는 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값을 기준으로, 상기 Yai(T+1) 및 상기 Ybi(T+1) 중 하나를 상기 검진 항목 Xi의 다음 나이(T+1)에서의 예상 검진 수치 Yi(T+1)로 각 검진 항목 Xi에 대하여 선정한다. 예를 들어, 상기 보간 함수 fi(t)의 결정계수(R2) 값이 0.5 초과인 경우, 제2 예측치 Ybi(T+1)를 Yi(T+1)로 선정하고, 그렇지 않은 경우, 제1 예측치 Yai(T+1)를 Yi(T+1)로 선정할 수 있다.
도 14는 도 13의 제1 검진 수치 예측부(212), 제2 검진 수치 예측부(214), 검진 수치 선정부(210)의 동작이 검진 수치 예측부(208)에 통합된 것이다.
도 14의 검진 수치 예측부(208)는 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 예상 검진 수치 Yi(T+1)를 각각의 검진 항목 Xi에 대하여 연산하되, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값이 기 지정된 한계치를 초과하는 경우, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후 f(T+1)에 합산하여 상기 Yi(T+1)를 연산 하고, 상기 결정계수 값이 상기 한계치 이하인 경우 Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 Yi(T+1)를 연산할 수 있다.
지금까지 도 3 내지 6과, 11 내지 14의 각 구성요소는 소프트웨어(software) 또는, FPGA(field-programmable gate array)나 ASIC(application-specific integrated circuit)과 같은 하드웨어(hardware)를 의미할 수 있다. 그렇지만 상기 구성요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성요소들 안에서 제공되는 기능은 더 세분화된 구성요소에 의하여 구현될 수 있으며, 복수의 구성요소들을 합하여 특정한 기능을 수행하는 하나의 구성요소로 구현할 수도 있다. 또한, 도 3 내지 6과, 11 내지 14의 각 구성요소는 적어도 하나의 프로세서, 상기 프로세서에 연결된 메모리, 상기 메모리에 연결된 시스템 버스, 상기 시스템 버스에 연결된 적어도 하나의 스토리지 장치, 상기 시스템 버스에 연결된 적어도 하나의 네트워크 인터페이스를 포함하는 시스템으로 구현될 수 있다.
도 15는 본 발명의 또 다른 실시예에 따른 생체 나이 예측 방법의 순서도이다. 도 15에 도시된 생체 나이 예측 방법은 도 11 내지 14에 도시된 생체 나이 예측 장치(200)에 의하여 수행되는 것일 수 있으나, 반드시 수행 주체가 생체 나이 예측 장치(200)로 한정되는 것은 아니다. 이하, 설명의 편의를 위하여 수행 주체가 생체 나이 예측 장치(200)인 것으로 가정하여 설명한다.
먼저, 생체 나이 예측 장치(200)가 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신한다(S100).
다음으로, 생체 나이 예측 장치(200)가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 데이터베이스 서버(6)로부터 제공 받는다(S102).
다음으로, 생체 나이 예측 장치(200)가, 다음 나이에 대한 검진 수치 Xi(T)의 제1 예상치 Yai(T+1) 및 제2 예상치 Ybi(T+1)를 연산한다.
Yai(T+1)는 Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산(S108)하여 연산될 수 있다.
또한, Ybi(T+1)는 AVGi(t)의 보간 함수 fi(t)를 생성(S104)한 후, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 연산될 수 있다.
다음으로, 생체 나이 예측 장치(200)가, Yai(T+1) 및 Ybi(T+1)를 둘다 이용하여 Yi(T+1)를 연산할 수 있다. 이 때, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값이 Ybi(T+1)에 대한 가중치로 사용될 수 있다.
일부 실시예에 따르면, 생체 나이 예측 장치(200)가 Yai(T+1) 및 Ybi(T+1) 중 하나를 Yi(T+1)로 선정할 수도 있다(S110). 이 때, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값이 선정 기준으로 사용될 수 있다.
또한, 일부 실시예에 따르면, Ybi(T+1)는 AVGi(t)의 보간 함수가 아닌, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 회귀식(regression equation)을 이용하여 연산될 수도 있다. 상기 회귀식은 생체 나이 예측 장치(200)가 데이터베이스 서버(6)에 조회하여 수신할 수 있다. 이때, Yi(T+1)의 선정 또는 연산 시 사용되는 기준 또는 가중치는 보간 함수의 결정계수가 아니라, 상기 회귀식의 결정계수이다.
다음으로, 생체 나이 예측 장치(200)가, Yi(T+1) 값들을 이용하여 다음 나이(T+1)에 예상되는 생체 연령 값을 연산한다(S112).
다음으로, 생체 나이 예측 장치(200)가, 상기 생체 연령 값을 서비스 단말 등의 장치에 송신한다(S114).
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
검진 수치 예측 서버 100
생체 나이 예측 서버 200

Claims (17)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 검진 수치 데이터베이스에 저장된 제1 검진 항목에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVG(t) 및 표준 편차 SD(t)를 제공 받는 통계 정보 수신부;
    이번 나이(T)에 대한 피검진자의 상기 제1 검진 항목의 검진 수치 X(T)를 제공 받는 검진 수치 입력부;
    다항식 외삽법을 이용하여 AVG(t)에 대한 보간 함수 f(t)를 생성하는 평균 예측 모델 생성부;
    X(T)와 AVG(T)의 차이값에 가중치를 반영한 후, AVG(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제1 예상 검진 수치 Ya(T+1)를 연산하는 제1 검진 수치 예측부;
    X(T)와 f(T)의 차이값에 상기 가중치를 반영한 후, f(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 제2 예상 검진 수치 Yb(T+1)를 연산하는 제2 검진 수치 예측부; 및
    상기 피검진자의 다음 나이(T+1)에 대한 상기 제1 검진 항목의 예상 검진 수치 Y(T+1)를 연산하되, Y(T+1) = W1 * Ya(T+1) + W2 * Yb(T+1) 이고, W1 + W2 = 1인, 예측 값 조정부를 포함하는 검진 수치 예측 장치.
  8. 제7 항에 있어서,
    상기 가중치는 SD(T+1)/SD(T)이고,
    W2는 상기 검진 수치 데이터베이스에 저장된 제1 검진 항목 검진 수치 전체의 분포에 대한 상기 보간 함수 f(t)의 결정계수(R2) 값을 바탕으로 결정되는, 검진 수치 예측 장치.
  9. 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부;
    피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부;
    다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부;
    Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부;
    Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부;
    검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 예측 값 조정부; 및
    상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함하는 생체 나이 예측 장치.
  10. 제9 항에 있어서,
    상기 가중치는 SDi(T+1)/SDi(T)이고,
    상기 제1 검진 수치 예측부는 Xi(T)와 AVGi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Yai(T+1)를 연산하고,
    상기 제2 검진 수치 예측부는 Xi(T)와 fi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Ybi(T+1)를 연산하고,
    Wi2는 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치 전체의 분포에 대한 상기 보간 함수 f(t)의 결정계수(R2) 값을 바탕으로 결정되는, 생체 나이 예측 장치.
  11. 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부;
    피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부;
    상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치 전체의 주민등록 나이(t)별 회귀식(regression equation) fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 회귀 모델 생성부;
    Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부;
    Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부;
    검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 예측 값 조정부; 및
    상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함하는 생체 나이 예측 장치.
  12. 제11 항에 있어서,
    상기 가중치는 SDi(T+1)/SDi(T)이고,
    상기 제1 검진 수치 예측부는 Xi(T)와 AVGi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Yai(T+1)를 연산하고,
    상기 제2 검진 수치 예측부는 Xi(T)와 fi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Ybi(T+1)를 연산하고,
    Wi2는 상기 회귀식 fi(t)의 결정계수(R2) 값인, 생체 나이 예측 장치.
  13. 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부;
    피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부;
    다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부;
    Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제1 검진 수치 예측부;
    Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 제2 검진 수치 예측부;
    상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값을 기준으로, 상기 Yai(T+1) 및 상기 Ybi(T+1) 중 하나를 상기 검진 항목 Xi의 다음 나이(T+1)에서의 예상 검진 수치 Yi(T+1)로 각 검진 항목 Xi에 대하여 선정하는, 검진 수치 선정부; 및
    상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함하는 생체 나이 예측 장치.
  14. 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 통계 정보 수신부;
    피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi (T)를 각각의 검진 항목 Xi에 대하여 제공 받는 검진 수치 입력부;
    다항식 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 생성하는 평균 예측 모델 생성부;
    상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 예상 검진 수치 Yi(T+1)를 각각의 검진 항목 Xi에 대하여 연산하되, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값이 기 지정된 한계치를 초과하는 경우, Xi(T)와 fi(T)의 차이값에 가중치를 반영한 후 fi(T+1)에 합산하여 상기 Yi(T+1)를 연산 하고, 상기 결정계수 값이 상기 한계치 이하인 경우 Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 Yi(T+1)를 연산하는 검진 수치 예측부; 및
    상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 생체 나이 예측부를 포함하는 생체 나이 예측 장치.
  15. 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계;
    상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계;
    상기 생체 나이 예측 장치가, 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 연산하거나 제공받는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계;
    상기 생체 나이 예측 장치가, 검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 단계;
    상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 연산된 Yi(T+1)들을 이용하여, 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계; 및
    상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함하는 생체 나이 예측 방법.
  16. 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계;
    상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계;
    상기 생체 나이 예측 장치가, 외삽법을 이용하여 AVGi(t)에 대한 보간 함수 fi(t)를 각각의 검진 항목 Xi에 대하여 제공 받거나 연산하는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계;
    상기 생체 나이 예측 장치가, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi의 검진 수치 전체의 분포에 대한 상기 보간 함수 fi(t)의 결정계수(R2) 값을 기준으로, 상기 Yai(T+1) 및 상기 Ybi(T+1) 중 하나를 상기 검진 항목 Xi의 다음 나이(T+1)에서의 예상 검진 수치 Yi(T+1)로 각 검진 항목 Xi에 대하여 선정하는 단계;
    상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계; 및
    상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함하는 생체 나이 예측 방법.
  17. 생체 나이 예측 장치가, 피검진자의 이번 나이(T)에 대한 검진 항목 Xi의 검진 수치 Xi(T)를 각각의 검진 항목 Xi에 대하여 수신하는 단계;
    상기 생체 나이 예측 장치가, 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 평균값 AVGi(t) 및 표준 편차 SDi(t)를 각각의 검진 항목 Xi에 대하여 제공 받는 단계;
    상기 생체 나이 예측 장치가, 상기 검진 수치 데이터베이스에 저장된 검진 항목 Xi에 대한 검진 수치의 주민등록 나이(t)별 회귀식(regression equation) fi(t)를 각각의 검진 항목 Xi에 대하여 제공 받거나 연산하는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 AVGi(T)의 차이값에 가중치를 반영한 후, AVGi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제1 예상 검진 수치 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계;
    상기 생체 나이 예측 장치가, Xi(T)와 fi(T)의 차이값에 상기 가중치를 반영한 후, fi(T+1)에 합산하여 상기 피검진자의 다음 나이(T+1)에 대한 검진 항목 Xi의 제2 예상 검진 수치 Ybi(T+1)를, 각 검진 항목 Xi에 대하여 연산하는 단계;
    검진 항목 Xi의 다음 나이(T+1)에 대한 예상 검진 수치 Yi(T+1)를 각 검진 항목 Xi에 대하여 연산하되, Yi(T+1) = Wi1 * Yai(T+1) + Wi2 * Ybi(T+1) 이고, Wi1 + Wi2 = 1인, 단계;
    상기 생체 나이 예측 장치가, 상기 각 검진 항목 Xi에 대하여 선정된 Yi(T+1)들을 이용하여 상기 피검진자의 다음 나이(T+1)에 대한 생체 나이를 연산하는 단계; 및
    상기 생체 나이 예측 장치가, 상기 연산된 생체 나이를 서비스 단말에 송신하는 단계를 포함하되,
    상기 가중치는 SDi(T+1)/SDi(T)이고,
    상기 Yai(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계는, Xi(T)와 AVGi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Yai(T+1)를 연산하는 단계를 포함하고,
    상기 Ybi(T+1)를 각 검진 항목 Xi에 대하여 연산하는 단계는, Xi(T)와 fi(T)의 차이값에 상기 가중치를 곱한 후, AVGi(T+1)에 합산하여 상기 Ybi(T+1)를 연산하는 단계를 포함하며,
    Wi2는 상기 회귀식 fi(t)의 결정계수(R2) 값인, 생체 나이 예측 방법.
KR1020130044351A 2013-04-22 2013-04-22 생체 나이 예측 장치 및 방법 KR101328643B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020130044351A KR101328643B1 (ko) 2013-04-22 2013-04-22 생체 나이 예측 장치 및 방법
JP2016507876A JP6219498B2 (ja) 2013-04-22 2014-02-14 生体年齢予測装置及び方法
PCT/KR2014/001236 WO2014175542A1 (ko) 2013-04-22 2014-02-14 생체 나이 예측 장치 및 방법
CN201480022739.0A CN105144174B (zh) 2013-04-22 2014-02-14 生物体年龄预测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130044351A KR101328643B1 (ko) 2013-04-22 2013-04-22 생체 나이 예측 장치 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020130095326A Division KR20140126223A (ko) 2013-08-12 2013-08-12 생체 나이 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101328643B1 true KR101328643B1 (ko) 2013-11-20

Family

ID=49857599

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130044351A KR101328643B1 (ko) 2013-04-22 2013-04-22 생체 나이 예측 장치 및 방법

Country Status (4)

Country Link
JP (1) JP6219498B2 (ko)
KR (1) KR101328643B1 (ko)
CN (1) CN105144174B (ko)
WO (1) WO2014175542A1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015163494A1 (ko) * 2014-04-21 2015-10-29 (주)에이지바이오매틱스 생체나이 측정 시스템 및 생체나이 측정 장치
KR20230083982A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 이상지질혈증 검사 유무와 상관없이 일반건강검진 임상지표를 이용한 생체나이 측정 및 노화 관련 질병 발생 위험도 예측 방법 및 시스템
KR20230083711A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 생체나이와 유전자 검사, 영양 설문에 기반한 맞춤형 영양 성분 추천 방법 및 시스템
KR20230083983A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 이상지질혈증 검사 유무와 상관없이 일반건강검진 임상지표를 이용한 생체나이 측정 및 이를 이용한 의료 이용률과 의료비 예측 방법 및 시스템
KR20230083981A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 가족력과 생활습관을 반영한 생체나이 기반 개별 암 발생 위험도 예측 방법 및 시스템
KR20240012704A (ko) 2022-07-21 2024-01-30 주식회사 로그미 건강나이를 예측하는 장치 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108352193A (zh) * 2015-10-30 2018-07-31 日本电气方案创新株式会社 血糖值预测装置、血糖值预测方法及计算机能够读取的记录介质
WO2019147725A1 (en) * 2018-01-23 2019-08-01 Spring Discovery, Inc. Methods and systems for determining the biological age of samples
CN109376932A (zh) * 2018-10-30 2019-02-22 平安医疗健康管理股份有限公司 基于预测模型的年龄预测方法、装置、服务器及存储介质
US11065214B1 (en) 2020-09-18 2021-07-20 Spring Discovery, Inc. Combination therapies with disulfiram

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005143798A (ja) * 2003-11-14 2005-06-09 Feel Fine Kk 年齢アセスメント装置及び年齢アセスメント方法
KR20060032409A (ko) * 2004-10-12 2006-04-17 삼성전자주식회사 건강상태에 따른 아바타 영상 생성 방법 및 장치

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08327526A (ja) * 1995-05-30 1996-12-13 Takemoto Denki Keiki Kk 生コンクリートにおける標準グラフのスランプ値 の算出方法とスランプ値の予測方法および予測ス ランプ値の表示方法
JP2000271091A (ja) * 1999-03-25 2000-10-03 Matsushita Electric Works Ltd 健康管理システム
US7246069B1 (en) * 1999-10-15 2007-07-17 Ue Systems, Inc. Method and apparatus for online health monitoring
JP2007265347A (ja) * 2006-03-30 2007-10-11 Hitachi Software Eng Co Ltd 健康指導支援装置、システム、及びプログラム
WO2011067162A1 (en) * 2009-12-02 2011-06-09 Unilever Plc Apparatus for and method of measuring skin age
US20120253755A1 (en) * 2011-03-30 2012-10-04 Gobel David P Method Of Obtaining The Age Quotient Of A Person

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005143798A (ja) * 2003-11-14 2005-06-09 Feel Fine Kk 年齢アセスメント装置及び年齢アセスメント方法
KR20060032409A (ko) * 2004-10-12 2006-04-17 삼성전자주식회사 건강상태에 따른 아바타 영상 생성 방법 및 장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015163494A1 (ko) * 2014-04-21 2015-10-29 (주)에이지바이오매틱스 생체나이 측정 시스템 및 생체나이 측정 장치
KR20230083982A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 이상지질혈증 검사 유무와 상관없이 일반건강검진 임상지표를 이용한 생체나이 측정 및 노화 관련 질병 발생 위험도 예측 방법 및 시스템
KR20230083711A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 생체나이와 유전자 검사, 영양 설문에 기반한 맞춤형 영양 성분 추천 방법 및 시스템
KR20230083983A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 이상지질혈증 검사 유무와 상관없이 일반건강검진 임상지표를 이용한 생체나이 측정 및 이를 이용한 의료 이용률과 의료비 예측 방법 및 시스템
KR20230083981A (ko) 2021-12-03 2023-06-12 주식회사 메디에이지 가족력과 생활습관을 반영한 생체나이 기반 개별 암 발생 위험도 예측 방법 및 시스템
KR20240012704A (ko) 2022-07-21 2024-01-30 주식회사 로그미 건강나이를 예측하는 장치 및 방법

Also Published As

Publication number Publication date
CN105144174B (zh) 2018-06-29
JP2016516253A (ja) 2016-06-02
JP6219498B2 (ja) 2017-10-25
CN105144174A (zh) 2015-12-09
WO2014175542A1 (ko) 2014-10-30

Similar Documents

Publication Publication Date Title
KR101328643B1 (ko) 생체 나이 예측 장치 및 방법
Kowallick et al. Quantification of left atrial strain and strain rate using Cardiovascular Magnetic Resonance myocardial feature tracking: a feasibility study
Kutty et al. Regional dysfunction of the right ventricular outflow tract reduces the accuracy of Doppler tissue imaging assessment of global right ventricular systolic function in patients with repaired tetralogy of Fallot
Canciello et al. Validation of left atrial volume estimation by left atrial diameter from the parasternal long-axis view
Wu et al. Evaluation of diastolic function by three-dimensional volume tracking of the mitral annulus with cardiovascular magnetic resonance: comparison with tissue Doppler imaging
US11515039B2 (en) System and method for predicting survival time
KR20170017614A (ko) 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치
CN114298234B (zh) 脑部医学影像分类方法、装置、计算机设备和存储介质
Jing et al. Impaired right ventricular contractile function in childhood obesity and its association with right and left ventricular changes: a cine DENSE cardiac magnetic resonance study
CN109256205A (zh) 用于利用本地和远程分析学进行的临床决策支持的方法和系统
KR101603308B1 (ko) 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템
Tokodi et al. Deep learning-based prediction of right ventricular ejection fraction using 2D echocardiograms
JP2021501633A (ja) 心エコー図を分析する方法及び装置
Nabavi et al. Automatic multi-class cardiovascular magnetic resonance image quality assessment using unsupervised domain adaptation in spatial and frequency domains
KR20140126223A (ko) 생체 나이 예측 장치 및 방법
Tao et al. Quantifying left atrial structure and function using single-plane tissue-tracking cardiac magnetic resonance
KR101469863B1 (ko) 비만생체나이 측정 시스템 및 단말기
WO2022103659A1 (en) System and method for detecting medical conditions
JP2022551325A (ja) 診断ツール
Duffy et al. Deep Learning Discovery of Demographic Biomarkers in Echocardiography
US20220367062A1 (en) Prediction tool for patient immune response to a therapy
WO2024064405A1 (en) Diastolic function evaluation system and associated methods
US20150213615A1 (en) Local contraction measurements
KR20220005121A (ko) 의료영상을 통한 체형 및 체중성분비 추정 장치 및 그 방법
Ochoa et al. Reliability of Saliency Methods Used in Graph Neural Network Models

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
A107 Divisional application of patent
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160329

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170511

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180406

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190605

Year of fee payment: 7