KR101603308B1 - 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 - Google Patents

생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 Download PDF

Info

Publication number
KR101603308B1
KR101603308B1 KR1020130141461A KR20130141461A KR101603308B1 KR 101603308 B1 KR101603308 B1 KR 101603308B1 KR 1020130141461 A KR1020130141461 A KR 1020130141461A KR 20130141461 A KR20130141461 A KR 20130141461A KR 101603308 B1 KR101603308 B1 KR 101603308B1
Authority
KR
South Korea
Prior art keywords
age
examination
item
test
model
Prior art date
Application number
KR1020130141461A
Other languages
English (en)
Other versions
KR20140126229A (ko
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 KR1020130141461A priority Critical patent/KR101603308B1/ko
Publication of KR20140126229A publication Critical patent/KR20140126229A/ko
Application granted granted Critical
Publication of KR101603308B1 publication Critical patent/KR101603308B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템이 제공된다. 본 발명에 따른 생체 나이 연산 모델 생성 방법은 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계, 상기 검진 데이터에 포함된 검진 항목 중 일부를 생체 나이 예측에 사용되는 검진 항목으로 선정하되, 상기 선정된 검진 항목을 주성분 분석 대상 변수로서 포함하는 생체 나이 연산 모델을 이용하여 연산된 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대화 되도록 선정하는 단계, 및 상기 생체 나이 연산 모델에 입력된 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 생체 나이 산출식을 생성하는 단계를 포함한다.

Description

생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템{Biological age calculation model generation method and system thereof, biological age calculation method and system thereof}
생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템에 관한 것이다. 보다 자세하게는, 하나 이상의 검진 항목에 대한 검진 수치를 이용하여, 상기 검진 수치를 반영한 생체적 나이를 연산하는 수학적 모델을 생성하는 방법 및 그 시스템과, 상기 수학적 모델의 생성 후 피검진자의 검진 수치를 입력하여 생체 나이를 연산하는 방법 및 그 시스템에 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, Park, J. (2009). Developing a biological age assessment equation using principal component analysis and clinical biomarkers of aging in Korean men. Archives of Gerontology and Geriatrics, Volume 49, Issue 1, July-August 2009, Pages 7-12. 에는 주성분 분석(Principlal Component Analysis)을 이용하여, 생체 나이(Biological Age; BA)를 측정하는 방정식을 산출하는 방법에 대하여 기재하고 있다. 그러나, 상기 문헌에 따르게 되면 생체 나이 산출을 위하여 입력되는 검진 항목이 미리 정해져 있기 때문에, 검진 항목 중 일부가 누락 되어 있는 다양한 상황에 적용되기 어려운 문제가 있다.
Park, J. (2009). Developing a biological age assessment equation using principal component analysis and clinical biomarkers of aging in Korean men. Archives of Gerontology and Geriatrics, Volume 49, Issue 1, July-August 2009, Pages 7-12.
본 발명이 해결하고자 하는 기술적 과제는 피검진자의 건강 검진 수행 결과에 최적화된 생체 나이 연산 모델을 생성하는 방법 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 피검진자의 건강 검진 수행 결과에 최적화된 생체 나이 연산 모델을 생성하고, 상기 생성된 생체 나이 연산 모델을 이용하여 상기 피검진자의 생체 나이를 연산하는 방법 및 시스템을 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 문제점을 해결하기 위한 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법은 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계, 상기 검진 데이터에 포함된 검진 항목 중 일부를 생체 나이 예측에 사용되는 검진 항목으로 선정하되, 상기 선정된 검진 항목을 주성분 분석 대상 변수로서 포함하는 생체 나이 연산 모델을 이용하여 연산된 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대화 되도록 선정하는 단계, 및 상기 생체 나이 연산 모델에 입력된 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 생체 나이 산출식을 생성하는 단계를 포함한다.
상기 선정하는 단계는, 상기 생체 나이 연산 모델에 입력된 상기 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 생체 나이 산출식을 생성하는 단계와, 상기 생체 나이 산출식에 상기 샘플 데이터에 포함된 샘플 각각을 입력하여 생체 나이를 연산하는 단계와, 상기 샘플 데이터에 대한 회귀 분석을 수행하여 상기 샘플 데이터의 생체 나이와 실제 나이 사이의 결정 계수를 연산하는 단계를 포함할 수 있다.
상기 선정하는 단계는, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합과, 검진 항목을 포함하지 않는 생체 나이 연산 모델로부터 시작하여, 상기 원본 집합의 검진 항목 중 최적의 검진 항목들을 하나씩 선정하여 상기 생체 나이 연산 모델을 구성하는 단계별 전진 선택 방식에 의하여, 상기 검진 데이터에 포함된 검진 항목 중 일부를 생체 나이 예측에 사용되는 검진 항목으로 선정하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 생체 나이 연산 모델은, 주성분 분석의 수행 결과 상기 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 반영하여 상기 생체 나이 산출식을 구성하는 것일 수 있다. 즉, 본 실시예에 따르면, 샘플 데이터를 상기 생체 나이 연산 모델에 입력하여 주성분 분석을 수행할 때, 각 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 연산하고, 상기 가중치를 반영하는 상기 생체 나이 산출식을 구성할 수 있다. 이 때, 상기 생체 나이 산출식은,
Figure 112013105672313-pat00001
일 수 있다 (단, BA는 생체 나이,
Figure 112013105672313-pat00002
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00003
는 j번째 검진 항목의 샘플 내 평균 값,
Figure 112013105672313-pat00004
는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00005
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00006
는 i번째 요인 값이 BA 계산에 주는 가중치). 일 실시예에 따르면, 상기 생체 나이 산출식은,
Figure 112013105672313-pat00007
일 수도 있다 (단, TBA는 생체 나이, BA는 중간 생체 나이,
Figure 112013105672313-pat00008
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00009
는 j번째 검진 항목의 샘플 내 평균 값,
Figure 112013105672313-pat00010
는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00011
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00012
는 i번째 요인 값이 BA 계산에 주는 가중치,
Figure 112013105672313-pat00013
는 샘플 나이 평균,
Figure 112013105672313-pat00014
는 샘플 나이 표준 편차, 각 샘플에 대하여 실제 나이 및 BA를 회귀 분석한 결과 생성된 회귀식 BA = a + by를 구성하는 계수).
상기 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 생체 나이 연산 모델 생성 방법은 생체 나이 측정 시스템이, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계와, 상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인 단계와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계와, 상기 생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계와, 생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 단계를 포함할 수 있다.
상기 생체 나이 연산 모델은, 주성분 분석의 수행 결과, 상기 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 반영하여 상기 생체 나이 산출식을 구성하는 것일 수 있다. 일 실시예에 따르면, 상기 생체 나이 산출식은,
Figure 112013105672313-pat00015
일 수 있다 (단, BA는 생체 나이,
Figure 112013105672313-pat00016
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00017
는 j번째 검진 항목의 샘플 내 평균 값,
Figure 112013105672313-pat00018
는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00019
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00020
는 i번째 요인 값이 BA 계산에 주는 가중치). 또한, 다른 실시예에 따르면, 상기 생체 나이 산출식은,
Figure 112013105672313-pat00021
일 수 있다 (단, TBA는 생체 나이, BA는 중간 생체 나이,
Figure 112013105672313-pat00022
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00023
는 j번째 검진 항목의 샘플 내 평균 값,
Figure 112013105672313-pat00024
는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00025
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00026
는 i번째 요인 값이 BA 계산에 주는 가중치,
Figure 112013105672313-pat00027
는 샘플 나이 평균,
Figure 112013105672313-pat00028
는 샘플 나이 표준 편차, 각 샘플에 대하여 실제 나이 및 BA를 회귀 분석한 결과 생성된 회귀식 BA = a + by를 구성하는 계수). 이 때, 상기 y평균은 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 모든 샘플의 실제 나이에 대한 표준 편차이거나, 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 표준 편차일 수 있다.
상기 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한되는 것일 수 있다.
상기 단계별 전진 선택 단계는, 상기 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.
상기 단계별 전진 선택 단계는, 상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.
상기 단계별 전진 선택 단계는, 상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수가 기지정된 한계치를 초과하는 검진 항목은 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.
상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출될 수 있다.
상기 검진 데이터에 포함된 검진 항목 중 하나는 실제 나이이고, 상기 샘플 데이터는 상기 검진 데이터에 포함된 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 샘플만으로 구성된 것일 수 있다.
상기 생체 나이 연산 모델 생성 방법은 상기 검진 데이터를 상기 샘플 데이터에 추가하는 단계를 더 포함할 수 있다. 즉, 상기 샘플 데이터는 기존의 피검진자 검진 데이터가 축적된 것일 수 있다.
상기 문제점을 해결하기 위한, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 모델 생성 방법은, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부와, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부와, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부와, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 모델 확정부를 포함할 수 있다.
상기 문제점을 해결하기 위한, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 방법은, 생체 나이 측정 시스템이, 단말으로부터 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계와, 상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계와, 생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계와, 생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 단계를 포함할 수 있다.
상기 문제점을 해결하기 위한 본 발명의 또 다른 실시예에 따른 생체 나이 연산 시스템은, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부와, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부와, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 생체 나이 연산부를 포함할 수 있다.
상기와 같은 본 발명에 따르면, 기존에 축적된 다른 피검진자들의 건강 검진 샘플들을 분석하여, 피검진자가 받은 건강 검진의 검진 항목에 따른 최적의 생체 나이 연산 모델을 생성하고, 그 모델을 이용하여 정확한 생체 나이를 연산할 수 있는 효과가 있다. 예를 들어, 피검진자의 검진 항목의 검진 수치 중 결손치가 있는 경우, 기존에는 샘플 데이터의 평균 수치로 대체하였으나, 본 발명에 따르면 결손치가 있는 검진 수치를 제외하고 피검진자의 검진 결과에 최적화된 생체 나이 연산 모델을 생체 나이 연산 시점에 생성함으로써, 피검진자의 생체 나이를 보다 정확하게 연산할 수 있는 효과가 있다.
또한, 샘플 데이터를 입력 받은 생체 나이 연산 모델에 대한 주성분 분석을 수행하여 생체 나이 산출식을 생성하되, 상기 주성분 분석 수행 시 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 연산하고, 상기 생체 나이 산출식에 상기 가중치를 반영하여, 기존의 주성분 분석 기반 생체 나이 연산 방법에 비하여 보다 높은 정확도로 생체 나이를 연산할 수 있는 효과가 있다.
또한, 피검진자의 건강 검진 결과 얻어진 검진 수치 및 인적 사항에 최적화된 샘플들을 이용하여 피검진자에 최적화된 생체 나이 연산 모델을 생성할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 시스템 또는 생체 나이 연산 시스템을 이용한 건강 검진 시스템의 구성을 나타낸 도면이다.
도 2는, 도 1과는 다른 형태의 건강 검진 시스템의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법의 순서도이다.
도 4는 도 3에 따른 생체 나이 연산 모델 생성 방법에 포함되는 단계들 중, 단계별 전진 선택 단계를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 생성된 생체 나이 연산 모델을 이용하여, 샘플 데이터의 생체 나이를 연산하고, 샘플 데이터의 실제 나이에 대한 생체 나이 분포를 회귀 분석하는 것을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 시스템의 블록 구성도이다.
도 7은 본 발명의 일 실시예에 따른 생체 나이 연산 시스템의 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.
먼저, 도 1 내지 2를 참조하여, 본 발명에 따른 생체 나이 연산 모델 생성 시스템 또는 생체 나이 연산 시스템을 이용한 건강 검진 시스템의 구성을 설명한다.
도 1에 도시된 것과 같이, 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)가 서비스 서버(4)에 구비되고, 검진 기관(예, 병원)(10)에 위치한 단말(미도시)이 서비스 클라이언트로 동작하며, 서비스 서버(4) 및 상기 단말이 네트워크를 통해 연결됨으로써, 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)가 검진 기관(10)과 지리적으로 떨어져서 위치할 수 있다. 검진 기관(10)의 상기 단말은 피검진자(1)의 각 검진 항목의 검진 수치를 서비스 서버(4)의 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)에 송신할 수 있다. 서비스 서버(4)에 생체 나이 연산 시스템(200)가 구비된 경우, 상기 단말은 피검진자(1)의 생체 나이 값을 수신할 수 있다.
서비스 서버(4)의 "서버"라는 명칭은 상기 단말과의 관계에서 서버-클라이언트 관계에 있는 것에 기반하여 부여 된 것일 뿐, 시스템의 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 시스템들 중 하나, 컴퓨터 네트워크를 구성하는 다양한 전자 시스템들 중 하나, 또는 컴퓨팅 시스템을 구성하는 다양한 구성 요소들 중 하나 등과 같은 전자 시스템일 수 있다.
검진 기관(10)의 상기 단말은 상기 제공 받은 생체 나이 등을 이용하여 피검진자(1)를 위한 건강 검진 리포트를 생성할 수 있다.
도 1에 도시된 것과 같이, 샘플 데이터를 관리하는 데이터베이스 서버(6)가 존재하고, 검진 시스템(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 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(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.
본 발명에서 언급되는 샘플 데이터에 대하여 설명한다. 상기 샘플 데이터는 하나 이상의 샘플을 포함하는 샘플 집합이다. 상기 샘플 각각은 기존에 수행된 바 있는 건강 검진 기록이다. 즉, 하나의 샘플은 한 번의 건강 검진에 대한 기록이다. 상기 샘플 각각은 (검진 항목, 검진 수치)의 순서쌍들을 포함하고, 피검진자의 신상과 관련하여 성별, 실제 나이를 더 포함할 수 있다.
건강 검진을 수행하는 형태에 따라서 상기 샘플 데이터에 포함된 샘플 중 적어도 하나는 다른 샘플과 검진 항목이 다를 수 있다. 예를 들어, 샘플 1은 샘플 2에 비하여 일부 검진 항목에 대한 검진 수치를 더 포함할 수 있다.
본 발명의 몇몇 실시예들에 따르면, 상기 검진 항목의 관리를 위하여, 각각의 검진 항목에 대한 고유 ID를 부여할 수 있다.
도 1 내지 2에 도시된 것 이외에도 다양한 건강 검진 시스템 구성이 가능하며, 상기 건강 검진 시스템에 본 발명에 따른 생체 나이 연산 모델 생성 시스템(100), 생체 나이 연산 시스템(200), 생체 나이 연산 모델 생성 방법 또는 생체 나이 연산 방법이 적용될 수 있다.
이하, 도 3을 참조하여, 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법을 설명하기로 한다. 본 실시예에 따른 생체 나이 연산 모델 생성 방법은 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)를 구비하는 생체 나이 측정 시스템에 의하여 수행될 수 있다.
먼저, 피검진자의 건강 검진 수행에 따라 수집된 검진 데이터가 수신된다(S100). 상기 검진 데이터는, 도 3에 도시된 바와 같이 검진 항목 별 검진 수치를 포함할 수 있다. 상기 검진 데이터는 피검진자의 성별, 실제 나이(chronological age) 정보를 더 포함할 수 있다.
수신된 검진 데이터는 그 유효성이 검증될 수 있다(S102). 예를 들어, 각 검진 항목 별로 가질 수 있는 정상 수치 범위가 지정되어 있다면, 그 정상 수치 범위를 벗어나는 값을 검진 수치로 하는 검진 항목은, 생체 나이 연산을 위하여 참조되는 검진 항목에서 현 단계에서 제외될 수 있다. 이 때, 상기 정상 수치 범위에서 '정상'은, 피검진자의 건강 상태와 관련된 정상 여부를 의미하는 것이 아니고, 각 검진 항목이 가질 수 없는 검진 수치인지 여부를 의미하는 것이다. 일 실시예에 따르면 유효성 검증 단계(S102)는 생략될 수도 있다.
다음으로, 상기 수신된 검진 데이터에 최적화된 생체 나이 연산 모델을 생성하기 위한 초기화가 수행된다(S104). 상기 초기화는 수신된 검증 데이터에 포함된 검증 항목 중 상기 유효성 검증을 통과한 검증 항목을 모두 원본 집합에 추가하는 것을 포함한다. 상기 유효성 검증이 실시되지 않은 경우, 수신된 검증 데이터에 포함된 검증 항목 모두가 상기 원본 집합에 추가될 수 있다. 상기 원본 집합은 일시적으로 사용되는 변수 또는 구조체를 의미할 수 있으며, 본 발명은 상기 원본 집합을 특정항 데이터 구조를 이용하여 구현하는 것으로 한정되지 않는다.
*상기 초기화는 상기 생체 나이 연산 모델을 아무런 변수도 포함되지 않은 NULL 상태의 모델로 초기화하는 것도 포함한다. 상기 생체 나이 연산 모델에는 변수로서 검진 항목이 포함된다. 예를 들어, 제1 생체 나이 연산 모델은 변수로 BMI, 폐활량, 일초량을 가지고, 제2 생체 나이 연산 모델은 변수로 BMI, 폐활량, PSA를 가지는 것을 상정할 수 있을 것이다.
이하, 상기 생체 나이 연산 모델에 대하여 설명한다.
상기 생체 나이 연산 모델에는 기존의 검진 데이터인 하나 이상의 샘플이 입력될 수 있다. 상기 생체 나이 연산 모델에는 생체 나이 연산 모델에 포함된 변수(검진 항목)의 검진 수치를 포함하는 샘플인지 여부와 무관하게, 모든 샘플이 입력될 수도 있으나, 생체 나이 연산 모델에 포함된 변수의 검진 수치를 모두 포함하는 샘플들만 입력되는 것이 바람직하다. 예를 들어, 상기 제1 생체 나이 연산 모델에는 BMI 검진 수치, 폐활량 검진 수치 및 일초량 검진 수치를 모두 가지는 샘플들만 입력되고, 상기 제2 생체 나이 연산 모델에는 BMI 검진 수치, 폐활량 검진 수치 및 PSA 검진 수치를 모두 가지는 샘플들만 입력될 수 있다.
상기 생체 나이 연산 모델에 하나 이상의 샘플이 입력된 후에는, 입력된 데이터에 대한 주성분 분석(Principal Component Analysis)이 수행될 수 있다. 상기 주성분 분석의 결과, 상기 생체 나이 연산 모델에 입력된 데이터를 설명할 수 있는 하나 이상의 요인(factor)을 얻을 수 있다. 상기 얻어진 요인의 개수는 상기 생체 나이 연산 모델의 변수 개수 보다 적을 수 있다. 이하, 상기 요인의 개수는 m으로, 상기 생체 나이 연산 모델의 변수 개수는 n으로 기재한다.
본 발명의 일 실시예에 따르면, 상기 주성분 분석을 통하여, 상기 생체 나이 연산 모델에 입력된 각 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치(
Figure 112013105672313-pat00029
)가 연산될 수 있다.
Figure 112013105672313-pat00030
값은 일반적인 통계분석에서 알려진 주성분 분석(principal component analysis) 방법을 통해 산출되는 값이다. 즉,
Figure 112013105672313-pat00031
는 주성분 분석 프로세스를 수행하면 자동으로 계산 되는 각 변수별 요인 적재 행렬(factor loading matrix)이다.
본 발명의 일 실시예에 따르면, 상기 주성분 분석을 통하여, i번째 요인 값이 생체 나이 계산에 주는 가중치(
Figure 112013105672313-pat00032
)도 연산될 수 있다. 이하, 가중치(
Figure 112013105672313-pat00033
)를 연산하는 방법을 설명한다.
가중치(
Figure 112013105672313-pat00034
)는 주성분 분석 결과 계산된 각 샘플의 요인(factor)별 요인점수(factor score)와 실제 나이 사이의 결정 계수(coefficient of determination, R2) 를 이용하여 연산될 수 있다. 상기 결정 계수를 이용한 가중치(
Figure 112013105672313-pat00035
)의 연산 방법은 아래와 같다.
먼저, 주성분 분석을 통해 분석에 사용된 각 샘플의 요인 별 요인점수를 연산한다. 예를 들어, 샘플이 100명이고 요인이 m개 라고 한다면 m개 요인 별로 각각 100개의 요인 점수가 계산될 것이다.
다음으로, 각 요인별 요인점수와 각 샘플의 실제 나이를 회귀 분석 하여 결정 계수를 m개(
Figure 112013105672313-pat00036
) 계산 한다. 이 m개의 결정 계수의 합을 S 라고 하면, i번째 요인이 생체나이 계산에 주는 가중치(
Figure 112013105672313-pat00037
)는 아래의 수학식 1을 이용하여 연산된다.
Figure 112013105672313-pat00038
가중치(
Figure 112013105672313-pat00039
)는 주성분 분석 결과 연산된 각 요인 별 고유치(eigen value)를 이용하여 연산될 수도 있다. 이 때, 가중치(
Figure 112013105672313-pat00040
)는 아래의 수학식 2를 이용하여 연산된다.
Figure 112013105672313-pat00041
상기 수학식 2에서 ei는 요인 i의 고유치(eigen value)이고, m은 요인의 개수이다.
상기 주성분 분석이 완료되면, 상기 요인을 이용하여 상기 생체 나이 연산 모델에 따른 생체 나이 산출식이 생성될 수 있다.
일 실시예에 따르면, 상기 생체 나이 산출식은 수학식 3일 수 있다. 수학식 3에서 최종적으로 산출되는 생체 나이는 BA이다.
Figure 112013105672313-pat00042
(단, BA는 생체 나이,
Figure 112013105672313-pat00043
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00044
는 j번째 검진 항목의 샘플 내 평균 값,
Figure 112013105672313-pat00045
는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00046
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00047
는 i번째 요인 값이 BA 계산에 주는 가중치)
다른 실시예에 따르면, 상기 생체 나이 산출식은 수학식 4일 수도 있다. 수학식 4에서 최종적으로 산출되는 생체 나이는 TBA이다.
Figure 112013105672313-pat00048
(단, TBA는 생체 나이, BA는 중간 생체 나이,
Figure 112013105672313-pat00049
는 피검진자의 j번째 검진 항목의 검진 수치,
Figure 112013105672313-pat00050
는 j번째 검진 항목의 샘플 내 평균 값, sd(xj)는 j번째 검진 항목의 샘플 내 표준 편차,
Figure 112013105672313-pat00051
는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
Figure 112013105672313-pat00052
는 i번째 요인 값이 BA 계산에 주는 가중치,
Figure 112013105672313-pat00053
는 샘플 나이 평균, sd(y)는 샘플 나이 표준 편차, 각 샘플에 대하여 실제 나이 및 BA를 회귀 분석한 결과 생성된 회귀식 BA = a + by를 구성하는 계수)
상기 수학식 4에서, 일 실시예에 따르면, 상기 y평균은 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 모든 샘플의 실제 나이에 대한 표준 편차일 수 있으나, 다른 실시예에 따르면, 상기 y평균은 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 표준 편차일 수도 있다.
정리하면, 상기 생체 나이 연산 모델에 샘플 데이터를 입력하고, 입력된 데이터에 대한 주성분 분석을 거치면 하나 이상의 요인이 얻어지고, 상기 주성분 분석 결과 및 상기 요인을 이용하여 생체 나이 산출식을 얻을 수 있다. 상기 생체 나이 산출식의 예시는 수학식 3 또는 수학식 4를 참조할 수 있다.
도 3에 도시된 S106 내지 S120 단계는 상기 생체 나이 연산 모델에, 이번의 피검진자 검진 결과 데이터에 포함된 검진 항목을 변수로서 하나씩 추가해나가면서, 최적의 결과를 도출하는 생체 나이 연산 모델을 구성하는 변수 집합을 찾는 과정으로 이해할 수 있다. 즉, 처음에는 비어 있는 상기 생체 나이 연산 모델에 상기 원본 집합의 검진 항목 중 최선의 하나를 선정하여, 선정된 검진 항목을 변수로서 추가하는 것을 반복하는, 소위 단계별 전진 선택 방법을 이용한다.
이하, 상기 단계별 전진 선택 방법(S106 내지 S120)에 대하여 도 4를 참조하여 자세히 설명하기로 한다. 도 4를 참조한 설명에서는 초기화(S104)의 결과, 상기 원본 집합에 BMI, 폐활량, 일초량, 알부민(Albumin), PSA의 총 5가지 검진 항목이 원소로서 포함된 것을 전제로 한다.
첫번째 단계로, 하나의 변수를 포함하는 테스트 모델이 생성된다.
다음으로, 생성된 테스트 모델에 해당 변수의 값, 즉 해당 검진 항목의 검진 수치를 포함하는 샘플들이 입력되며, 입력된 샘플들에 대하여 주성분 분석을 수행하여 요인을 얻고, 얻어진 요인 및 주성분 분석 결과를 이용하여 생체 나이 산출식을 생성한다. 이하, 상기 테스트 모델에 새로 추가되는 변수를 테스트 검진 항목으로 기재한다.
다음으로, 상기 입력된 샘플들 각각을 상기 생체 나이 산출식에 입력하여 각 샘플의 생체 나이를 연산한다. 그 결과, 상기 입력된 샘플들 각각의 실제 나이에 대한 생체 나이의 분포는 도 5와 같이 표시될 수 있을 것이다.
다음으로, 샘플들의 상기 분포에 대한 회귀 분석을 통하여 단순 회귀식 BA = a + by를 생성한다. 그 결과, 샘플들의 회귀선(BA = a + by)과 실제 나이(BA = y) 와의 결정 계수(R2)을 구할 수 있다.
도 4에서는 첫번째 단계의 결과 얻어진 각 검진항목 별 결정 계수 값이 표시되어 있다. 첫번째 단계의 결과, 가장 큰 값을 가지는 폐활량이 선택될 것이다. 이는, 폐활량 검진 수치는 생체 나이 연산 모델에 포함되는 것을 의미한다. 폐활량 검진 항목은 상기 생체 나이 연산 모델에 추가되었으므로, 상기 원본 집합에서 제거된다.
두번째로 상기 생체 나이 연산 모델에 포함될 두번째 검진항목이 선택된다.
두번째 단계의 테스트 모델은 상기 폐활량 검진 항목 및 그 밖의 검진 항목 중 하나를 포함하는, 총 2개의 변수를 가지는 모델이다. 따라서, 두번째 단계에서는 (폐활량, BMI), (폐활량, 일초량), (폐활량, 알부민), (폐활량, PSA) 총 4번의 테스트가 진행될 것이다.
다음으로, 생성된 생체 나이 연산 모델에 해당 변수의 값, 즉 해당 검진 항목의 검진 수치를 포함하는 샘플들이 입력되며, 입력된 샘플들에 대하여 주성분 분석을 수행하여 요인을 얻고, 얻어진 요인 및 주성분 분석 결과를 이용하여 생체 나이 산출식을 생성한다.
다음으로, 상기 입력된 샘플들 각각을 상기 생체 나이 산출식에 입력하여 각 샘플의 생체 나이를 연산하고, 샘플들의 상기 분포에 대한 회귀 분석을 통하여 단순 회귀식 BA = a + by를 생성한다. 그 결과, 샘플들의 회귀선(BA = a + by)과 실제 나이(BA = y) 와의 결정 계수(R2)을 구할 수 있다.
도 4에서는 두번째 단계의 결과 얻어진 각 검진항목 별 결정 계수 값이 표시되어 있다. 두번째 단계의 결과, 기존의 결정 계수인 0.4보다 모델의 결정 계수 값을 증가 시키는 것 중, 증가량이 가장 큰 검진 항목인, BMI가 선정될 것이다. 이는, BMI 수치가 폐활량 수치와 함께 생체 나이 연산 모델에 포함되는 것을 의미한다. BMI 검진 항목은 상기 생체 나이 연산 모델에 추가되었으므로, 상기 원본 집합에서 제거된다.
세번째로 상기 생체 나이 연산 모델에 포함될 세번째 검진항목이 선택된다. 세번째 단계의 테스트 모델은 상기 폐활량 검진 항목, BMI 및 그 밖의 검진 항목 중 하나를 포함하는, 총 3개의 변수를 가지는 모델이다. 따라서, 두번째 단계에서는 (폐활량, BMI, 일초량), (폐활량, BMI, 알부민), (폐활량, BMI, PSA) 총 3번의 테스트가 진행될 것이다. 세번째 단계 역시 두번째 단계와 유사항 반식으로 진행된다. 도 4에 도시된 바와 같이, 일초량의 결정 계수 값이 기존의 결정 계수 값인 0.5에 비하여 유일하게 증가하는 값이므로, 일초량이 상기 생체 나이 연산 모델에 포함되는 3번째 검진 항목으로 선정된다. 일초량은 상기 원본 집합에서 제거된다.
네번째로 상기 생체 나이 연산 모델에 포함될 세번째 검진항목이 선택된다. 그런데, 도 4에 도시된 바와 같이, 남은 두개의 검진 항목 모두, 기존의 결정 계수 값인 0.6 보다 낮은 결정 계수를 가지는 생체 나이 연산을 만들고 있다.
네번째 단계까지 진행한 결과, 원본 집합에서 더 이상 추가될 검진 항목이 존재하지 않는 상황이다. 따라서, 네번째 단계에서 상기 단계별 전진 진행 단계는 종료된다. 그 결과, 이번 피검진자에 대한 생체 나이 연산 모델에는 5개의 검진 항목 중, BMI, 폐활량, 일초량 총 3개만 변수로 포함되는 것이 바람직하다.
상기 단계별 전진 진행 단계가 종료되는 시점에서의 상기 생체 나이 연산 모델이 상기 수신된 검진 데이터에 대하여 적용될 생체 나이 연산 모델로 확정된다.
다음으로, 상기 수신된 검진 데이터를 상기 확정된 생체 나이 연산 모델에 따른 생체 나이 산출식에 입력하여 피검진자의 생체 나이를 연산할 수 있다.
일 실시예에 따르면, 상기 검진 데이터를 상기 샘플 데이터에 추가함으로써, 다음 피검진자를 위한 샘플로 활용할 수 있다.
지금까지, 도 4를 참조하여 설명한 바와 같이, 본 발명에 따른 단계별 전진 선택 단계는 피검진자의 검진 데이터에 포함된 검진 항목 중에서 생체 나이 연산 모델에 포함될 적어도 일부의 검진 항목을 하나씩 추가하는 과정이다. 데이터에 따라, 단계별 전진 선택 단계를 진행할수록 상기 결정 계수 값이 계속 증가하는 경우도 존재할 수 있으므로, 피검진자의 검진 데이터에 포함된 검진 항목 모두가 상기 생체 나이 연산 모델에 포함되는 경우도 발생 할 수 있음은 물론이다.
한편, 피검진자의 검진 데이터와 유사한 패턴을 보일 수 있는 샘플을 이용하는 것이 보다 정확한 생체 나이 연산 모델을 생성하는데 유리할 것이다. 따라서, 상기 단계별 전진 선택 단계에서 상기 테스트 모델에 입력되는 샘플은 상기 수신된 검진 데이터의 피검진자와 유사한 신상 정보를 가지는 샘플으로 제한될 수 있다. 예를 들어, 상기 테스트 모델에 입력되는 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한될 수 있다.
다시 도 3으로 돌아와서 설명하면, 상기 단계별 전진 선택 단계에서, 상기 결정 계수를 기존의 테스트 모델의 그것에 비하여 최대한 증가시키는 지 여부(S112)뿐만 아니라, 추가적인 선택 기준이 사용될 수 있다.
일 실시예에 따르면, 상기 테스트 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외 될 수 있다(S108). 다른 실시예에 따르면, 상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외 될 수 있다(S108). 샘플의 개수가 상기 한계치 미만인 경우, 통계 데이터로서의 신뢰도를 부여하기 어렵기 때문이다.
또한, 일 실시예에 따르면, 상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수(R)가 기 지정된 한계치를 초과하는 상기 테스트 검진 항목은 상기 테스트 검진 항목에서 제외 될 수 있다(S110). 이는, 테스트 모델에 이미 포함된 검진 항목과 상관 관계가 높은 검진 항목이 새로이 테스트 모델에 포함되게 되면, 기존의 검진 항목이 테스트 모델에서 차지하는 영향력이 감소하는 역효과를 방지하기 위함이다. 또한, 테스트 모델에 상관 관계가 높은 검진 항목들이 포함되는 경우, 주성분 분석 과정에서 수행하는 행렬 연산 과정 중 singularity 현상이 발생되어 고유치(eigen value)가 제대로 연산되지 않는 문제를 방지하기 위함이기도 하다. 상기 상관 계수 연산의 정확성을 위하여, 상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출될 수 있다.
이하, 본 발명의 다른 실시예에 따른 생체 나이 연산 모델 생성 시스템의 구성 및 동작에 대하여 도 6을 참조하여 설명한다.
먼저 검진 데이터 수신부(102)가 수신부(112)를 통하여 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신한다.
다음으로 모델 생성 준비부(104)가, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화한다. 이 때, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것이다.
다음으로, 전진 선택부(106)는 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복한다.
모델 생성 준비부(104) 및 전진 선택부(106)는 샘플 데이터베이스 인터페이스(110)를 통하여 데이터베이스 서버(6)의 데이터에 억세스하고 쿼리를 송신할 수 있다.
다음으로, 모델 확정부(108)는 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정한다.
이하, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 시스템의 구성 및 동작에 대하여 도 7을 참조하여 설명한다.
도 7에 도시된 바와 같이, 본 실시예에 따른 생체 나이 연산 시스템(200)은 도 6에 도시된 생체 나이 연산 모델 생성 시스템(100)에 비하여 생체 나이 연산부(114) 및 생체 나이 송신부(116)를 더 포함하는 것을 특징으로 한다.
생체 나이 연산부(114)는 상기 수신된 검진 데이터를 모델 확정부(108)에 의하여 확정된 생체 나이 연산 모델의 생체 나이 산출식에 입력하여 피검진자의 생체 나이를 연산하고, 생체 나이 송신부(116)를 통하여 외부 단말에 송신할 수 있다.
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.
생체 나이 연산 모델 생성 시스템 100
생체 나이 연산 시스템 200

Claims (21)

  1. 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계;
    상기 검진 데이터의 수신 이후에, 상기 검진 데이터에 포함된 검진 항목 중 일부를 상기 피검진자의 생체 나이 예측에 사용되는 검진 항목으로 선정하되, 상기 선정된 검진 항목을 주성분 분석 대상 변수로서 포함하는 생체 나이 연산 모델을 이용하여 연산된 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대화 되도록 선정하는 단계; 및
    상기 생체 나이 연산 모델에 입력된 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 상기 피검진자를 위한 생체 나이 산출식을 생성하는 단계를 포함하되,
    상기 생체 나이 연산 모델은 주성분 분석의 수행 결과, i번째 요인 값이 생체 나이 계산에 반영되는 정도를 의미하는 가중치(
    Figure 112013105672313-pat00054
    )를 반영하여 상기 생체 나이 산출식을 구성하는 것이고,
    상기 가중치(
    Figure 112013105672313-pat00055
    )는 주성분 분석 결과 계산된 각 샘플의 요인(factor)별 요인점수(factor score)와 실제 나이 사이의 결정 계수(coefficient of determination, R2) 를 이용하여 연산된 값이고, 상기 가중치(
    Figure 112013105672313-pat00056
    )는
    Figure 112013105672313-pat00057
    ,
    Figure 112013105672313-pat00058
    이되,
    Figure 112013105672313-pat00059
    는 각 요인별 요인점수와 각 샘플의 실제 나이 사이의 결정 계수, m은 주성분 분석의 수행 결과 얻어진 요인의 개수인, 생체 나이 연산 모델 생성 방법.
  2. 제1 항에 있어서,
    상기 가중치(
    Figure 112013105672313-pat00060
    )는,
    Figure 112013105672313-pat00061
    ,
    Figure 112013105672313-pat00062
    이되,
    ei는 요인 i의 고유치(eigen value)이고, m은 주성분 분석의 수행 결과 얻어진 요인의 개수인, 생체 나이 연산 모델 생성 방법.
  3. 생체 나이 측정 시스템이, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계;
    상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계;
    상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계;
    생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계; 및
    생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  4. 제3 항에 있어서,
    상기 생체 나이 연산 모델은,
    주성분 분석의 수행 결과, i번째 요인 값이 생체 나이 계산에 반영되는 정도를 의미하는 가중치(
    Figure 112013105672313-pat00063
    )를 반영하여 상기 생체 나이 산출식을 구성하는 것인, 생체 나이 연산 모델 생성 방법.
  5. 제4 항에 있어서,
    상기 생체 나이 산출식은,
    Figure 112013105672313-pat00064
    인
    (단, BA는 생체 나이,
    Figure 112013105672313-pat00065
    는 피검진자의 j번째 검진 항목의 검진 수치,
    Figure 112013105672313-pat00066
    는 j번째 검진 항목의 샘플 내 평균 값,
    Figure 112013105672313-pat00067
    는 j번째 검진 항목의 샘플 내 표준 편차,
    Figure 112013105672313-pat00068
    는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
    Figure 112013105672313-pat00069
    는 i번째 요인 값이 BA 계산에 주는 가중치),
    생체 나이 연산 모델 생성 방법.
  6. 제5 항에 있어서,
    상기 생체 나이 산출식은,
    Figure 112013105672313-pat00070
    ,
    Figure 112013105672313-pat00071
    ,
    Figure 112013105672313-pat00072
    인
    (단, TBA는 생체 나이, BA는 중간 생체 나이,
    Figure 112013105672313-pat00073
    는 피검진자의 j번째 검진 항목의 검진 수치,
    Figure 112013105672313-pat00074
    는 j번째 검진 항목의 샘플 내 평균 값,
    Figure 112013105672313-pat00075
    는 j번째 검진 항목의 샘플 내 표준 편차,
    Figure 112013105672313-pat00076
    는 주성분 분석 결과 j번째 검진 항목의 i번째 요인 값이 각 샘플의 실제 나이를 설명할 수 있는 정도,
    Figure 112013105672313-pat00077
    는 i번째 요인 값이 BA 계산에 주는 가중치,
    Figure 112013105672313-pat00078
    는 샘플 나이 평균,
    Figure 112013105672313-pat00079
    는 샘플 나이 표준 편차, 각 샘플에 대하여 실제 나이 및 BA를 회귀 분석한 결과 생성된 회귀식 BA = a + by를 구성하는 계수, a, b는 상기 회귀식의 계수),
    생체 나이 연산 모델 생성 방법.
  7. 제6 항에 있어서,
    상기 샘플 나이 평균은 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 모든 샘플의 실제 나이에 대한 표준 편차인, 생체 나이 연산 모델 생성 방법.
  8. 제6 항에 있어서,
    상기 샘플 나이 평균은 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터가 정상 수치 범위 내에 있는 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터가 정상 수치 범위 내에 있는 모든 샘플의 실제 나이에 대한 표준 편차인, 생체 나이 연산 모델 생성 방법.
  9. 제3 항에 있어서,
    상기 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한되는, 생체 나이 연산 모델 생성 방법.
  10. 제3 항에 있어서,
    상기 단계별 전진 선택 단계는,
    상기 테스트 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  11. 제3 항에 있어서,
    상기 단계별 전진 선택 단계는,
    상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  12. 제3 항에 있어서,
    상기 단계별 전진 선택 단계는,
    상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수가 기지정된 한계치를 초과하는 상기 테스트 검진 항목은 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  13. 제12 항에 있어서,
    상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출되는, 생체 나이 연산 모델 생성 방법.
  14. 제3 항에 있어서,
    상기 검진 데이터에는 실제 나이가 포함되고, 상기 샘플 데이터는 상기 검진 데이터에 포함된 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 샘플만으로 구성된 것인, 생체 나이 연산 모델 생성 방법.
  15. 제3 항에 있어서,
    상기 검진 데이터를 상기 샘플 데이터에 추가하는 단계를 더 포함하는, 생체 나이 연산 모델 생성 방법.
  16. 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부;
    상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부;
    상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부; 및
    상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 모델 확정부를 포함하는, 생체 나이 연산 모델 생성 시스템.
  17. 생체 나이 측정 시스템이, 단말으로부터 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계;
    상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계;
    상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계;
    생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계; 및
    생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 단계를 포함하는, 생체 나이 연산 방법.
  18. 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부;
    상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부;
    상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부; 및
    상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 생체 나이 연산부를 포함하는, 생체 나이 연산 시스템.
  19. 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계;
    상기 검진 데이터의 수신에 응답하여, 상기 검진 데이터에 포함된 전체 검진 항목에서 결손치에 해당하는 값을 검진 수치로 가진 검진 항목을 제외한 정상 검진 항목 중 적어도 일부를 상기 피검진자의 생체 나이 산출식 생성에 사용되는 산출식 생성용 검진 항목으로 선정하되, 서로 다른 검진 항목에 대하여 결손치를 가진 피검진자에 대하여는 서로 다른 검진 항목을 상기 산출식 생성용 검진 항목으로 선정하는 단계; 및
    상기 산출식 생성용 검진 항목을 포함하는 생체 나이 연산 모델에 샘플 데이터를 입력하고, 그 결과 분포에 대하여 주성분 분석을 수행한 결과로 하나 이상의 요인을 얻고, 얻어진 상기 요인을 이용하여 상기 피검진자를 위한 생체 나이 산출식을 생성하는 단계를 포함하되,
    상기 생체 나이 연산 모델은 주성분 분석의 수행 결과, i번째 요인 값이 생체 나이 계산에 반영되는 정도를 의미하는 가중치(
    Figure 112015087859603-pat00087
    )를 반영하여 상기 생체 나이 산출식을 구성하는 것이고,
    상기 가중치(
    Figure 112015087859603-pat00088
    )는 주성분 분석 결과 계산된 각 샘플의 요인(factor)별 요인점수(factor score)와 실제 나이 사이의 결정 계수(coefficient of determination, R2) 를 이용하여 연산된 값이고, 상기 가중치(
    Figure 112015087859603-pat00089
    )는
    Figure 112015087859603-pat00090
    ,
    Figure 112015087859603-pat00091
    이되,
    Figure 112015087859603-pat00092
    는 각 요인별 요인점수와 각 샘플의 실제 나이 사이의 결정 계수, m은 주성분 분석의 수행 결과 얻어진 요인의 개수이며, 서로 다른 결손치를 가진 피검진자에 대하여는 서로 다른 생체 나이 산출식을 생성하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  20. 제19 항에 있어서,
    상기 선정 하는 단계는,
    상기 정상 검진 항목 중 적어도 일부를 포함하는 산출식 생성용 검진 항목 후보 세트를 구성하는 단계;
    상기 산출식 생성용 검진 항목 후보 세트에 대응하는 생체 나이 산출식을 생성하고, 생성된 산출식에 따른 샘플 데이터의 생체 나이를 연산하는 단계;
    상기 샘플 데이터의 실제 나이와 상기 연산된 생체 나이 사이의 결정 계수(R2)를 연산하는 단계; 및
    상기 결정 계수(R2)가 최대화 되는 상기 산출식 생성용 검진 항목 후보 세트를 상기 산출식 생성용 검진 항목으로 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
  21. 제19 항에 있어서,
    상기 선정 하는 단계는,
    상기 정상 검진 항목들을 모두 포함하는 원본 집합과 검진 항목을 포함하지 않는 생체 나이 연산 모델을 구성하고, 상기 원본 집합의 검진 항목 중 종래 단계에 비하여 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대로 증가하도록 하는 검진 항목들을 하나씩 선정하여 상기 생체 나이 연산 모델로 옮기는 단계별 전진 선택 방식에 의하여 상기 산출식 생성용 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.
KR1020130141461A 2013-11-20 2013-11-20 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 KR101603308B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130141461A KR101603308B1 (ko) 2013-11-20 2013-11-20 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130141461A KR101603308B1 (ko) 2013-11-20 2013-11-20 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020130044355 Division 2013-04-22

Publications (2)

Publication Number Publication Date
KR20140126229A KR20140126229A (ko) 2014-10-30
KR101603308B1 true KR101603308B1 (ko) 2016-03-14

Family

ID=51995671

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130141461A KR101603308B1 (ko) 2013-11-20 2013-11-20 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101603308B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019112366A1 (ko) * 2017-12-07 2019-06-13 서울대학교 산학협력단 생체인식 연령 예측 모델 생성 방법 및 장치
WO2023033275A1 (ko) * 2021-08-28 2023-03-09 유진바이오소프트 주식회사 개인 맞춤 생체나이 예측 모형 생성 방법 및 시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101669526B1 (ko) * 2015-03-04 2016-10-26 주식회사 바이오에이지 생체나이를 이용한 잔여 수명 예측방법
WO2018137203A1 (zh) * 2017-01-25 2018-08-02 深圳华大基因研究院 确定人群样本生物指标集、预测生物学年龄的方法及其应用
KR102480940B1 (ko) * 2020-11-18 2022-12-26 울산과학기술원 딥러닝을 기반으로 하는 생체 나이 추정 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060131154A (ko) * 2005-06-15 2006-12-20 주식회사 리얼 에이지 생체 연령 측정 장치 및 그 서비스 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019112366A1 (ko) * 2017-12-07 2019-06-13 서울대학교 산학협력단 생체인식 연령 예측 모델 생성 방법 및 장치
KR20190067727A (ko) * 2017-12-07 2019-06-17 서울대학교산학협력단 생체인식 연령 예측 모델 생성 방법 및 장치
KR102301202B1 (ko) 2017-12-07 2021-09-13 서울대학교 산학협력단 생체인식 연령 예측 모델 생성 방법 및 장치
WO2023033275A1 (ko) * 2021-08-28 2023-03-09 유진바이오소프트 주식회사 개인 맞춤 생체나이 예측 모형 생성 방법 및 시스템

Also Published As

Publication number Publication date
KR20140126229A (ko) 2014-10-30

Similar Documents

Publication Publication Date Title
US11139048B2 (en) Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions
US10980429B2 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
KR101603308B1 (ko) 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템
CN106343976A (zh) 建立血压模型的方法和装置以及确定血压的方法和装置
US20220093215A1 (en) Discovering genomes to use in machine learning techniques
US8690789B2 (en) Categorizing automatically generated physiological data based on industry guidelines
US20040147840A1 (en) Computer aided diagnostic assistance for medical imaging
KR101855179B1 (ko) 질환 진단을 위한 최적의 진단 요소 셋 결정 장치 및 방법
KR101328643B1 (ko) 생체 나이 예측 장치 및 방법
KR101716039B1 (ko) 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치
US10327709B2 (en) System and methods to predict serum lactate level
CN114533121B (zh) 脑灌注状态预测装置、方法、设备及模型训练装置
CN114566282B (zh) 一种基于超声心动图检测报告的治疗决策系统
US20100235151A1 (en) Feature parameter candidate generation apparatus and feature parameter candidate generation method
CN114496243A (zh) 数据处理方法、装置、存储介质及电子设备
CN116451110A (zh) 基于信号能量特征和脉搏周期的血糖预测模型构建方法
CN112863675B (zh) 一种骨质疏松患者的信息收集与评估方法及系统
Luo et al. Prediction of negative conversion days of childhood nephrotic syndrome based on PCA and BP-AdaBoost neural network
US8473314B2 (en) Method and system for determining precursors of health abnormalities from processing medical records
US20220207719A1 (en) System, method, apparatus, and computer program product for ultrasonic clinical decision support
CN111345815B (zh) 一种心电信号中qrs波的检测方法、装置、设备和存储介质
RU2720664C2 (ru) Автоматизированный вывод правил обеспечения качества
Mehta et al. Heart Disease Diagnosis using Deep Learning
JP3511201B2 (ja) コンピュータ支援診断装置
CN114388129B (zh) 基于动态信息价值准则和集成学习的动脉粥样硬化风险预测方法

Legal Events

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

Payment date: 20180406

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190605

Year of fee payment: 5