KR101937434B1 - 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법 - Google Patents

빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법 Download PDF

Info

Publication number
KR101937434B1
KR101937434B1 KR1020170123551A KR20170123551A KR101937434B1 KR 101937434 B1 KR101937434 B1 KR 101937434B1 KR 1020170123551 A KR1020170123551 A KR 1020170123551A KR 20170123551 A KR20170123551 A KR 20170123551A KR 101937434 B1 KR101937434 B1 KR 101937434B1
Authority
KR
South Korea
Prior art keywords
information
data
public
terminal
big data
Prior art date
Application number
KR1020170123551A
Other languages
English (en)
Inventor
천자혜
Original Assignee
천자혜
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 천자혜 filed Critical 천자혜
Priority to KR1020170123551A priority Critical patent/KR101937434B1/ko
Application granted granted Critical
Publication of KR101937434B1 publication Critical patent/KR101937434B1/ko

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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • 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
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법이 제공되며, 정보 제공 단말로부터 정보 제공자의 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신하는 단계, 수신된 동의 이벤트를 의료 히스토리 제공 서버로 전송하여 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 히스토리 데이터를 수집하는 단계, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출하는 단계, 및 추출된 질병 예측 정보를 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말로 전송하는 단계를 포함한다.

Description

빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법{METHOD FOR PROVIDING PRIMARY DOCTOR SERVICE USING BIGDATA AND AI}
본 발명은 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 관한 것으로, 빅데이터를 인공지능기법으로 분석하여 환자의 질환에 대하여 의사결정을 함에 있어서 신뢰도를 제공할 수 있는 방법을 제공한다.
최근 의료계는 여러 당면 과제를 앞두고 힘겨운 싸움을 벌이고 있는 것처럼 보인다. 첫째, 치료 결정에 있어서 의사결정의 개선에 대한 요청이 커지고 있다. 다시 말해 진단에 있어 얼마나 많은 정보를 검토하는가, 그리고 최신의 정보를 가지고 진단할 수 있는가라는 질문이 던져지고 있는 것이다. 둘째, 노령화에 대한 대책 마련이 촉구되고 있다. 이러한 노년층 인구의 증가는 만성질환의 증가를 수반한다. 따라서 보건의료계는 이를 위한 준비 체제를 갖춰야 할 것이다. 셋째, 경제적 지속 가능성의 문제가 점차 현실화되어가고 있다.
이때, 의료계에서는 빅데이터를 이용하여 진료시 의사결정을 도와주는 방법이 개발되고 있다. 이와 관련하여, 선행기술인 등록특허 제10-1510600호(2015.04.08 공고)에는 적어도 하나의 사용자 단말이 입력하는 입력정보와 의료기관 서버의 진료정보를 포함하는 대상자의 건강의료정보를 송수신하고, 적어도 하나의 사용자 단말 또는 의료기관 서버의 요청에 따라 대상자의 건강 위험도를 평가하고, 뇌졸중 위험을 예측하고, 비만 여부 및 개선 방안을 제공하며, 대사 증후군 관리를 통합적으로 수행하여 해당 정보를 제공하는 구성을 개시한다.
다만, 전세계적으로 헬스케어 분야에 대한 관심이 급증하고 있으며, 웨어러블 기기, 바이오 센싱, 의료 빅데이터 분석 등이 주요 이슈로 선정되고는 있지만 의료 빅데이터 분석의 경우, 의료 시설의 클라우드는 보안을 고려하여 사설 의료 클라우드 환경으로 구축되기 때문에 실시간 빅데이터 분석을 수행하기에 한계가 있고, 개인별로 맞춤형 질병을 추적 관찰하고 질병을 예측함으로써 개인의 질병을 국가차원에서 관리하고 정보를 공유하는 플랫폼은 제공되고 있지 않다.
본 발명의 일 실시예는, 빅데이터를 분석하여 유사 케이스를 추출하고, 유사 케이스로부터 연관 데이터 분석으로 개인의 질병을 예측함과 동시에, 개인의 특질(Feature)을 분석하여 맞춤형으로 개인의 질병을 파악하고 의료진들의 의사 결정을 신뢰도 높게 도와주며, 맞춤형으로 개인에게 발병가능한 질병을 예측하여 미리 진단받게 함으로써 조기에 질병을 예방하고, 개인에 맞춘 치료 방법을 개발할 수 있도록 하는, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 정보 제공 단말로부터 정보 제공자의 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신하는 단계, 수신된 동의 이벤트를 의료 히스토리 제공 서버로 전송하여 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 히스토리 데이터를 수집하는 단계, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출하는 단계, 및 추출된 질병 예측 정보를 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말로 전송하는 단계를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 빅데이터를 분석하여 유사 케이스를 추출하고, 유사 케이스로부터 연관 데이터 분석으로 개인의 질병을 예측함과 동시에, 개인의 특질(Feature)을 분석하여 맞춤형으로 개인의 질병을 파악하고 의료진들의 의사 결정을 신뢰도 높게 도와주며, 맞춤형으로 개인에게 발병가능한 질병을 예측하여 미리 진단받게 함으로써 조기에 질병을 예방하고, 개인에 맞춘 치료 방법을 개발할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 공공 주치의 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 빅데이터 개념 및 인공지능으로 의료 데이터를 분석한 결과를 이용하는 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 도 1의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
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 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 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 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템(1)은,
정보 제공 단말(100), 공공 주치의 서비스 제공 서버(300), 의료 히스토리 제공 서버(400) 및 정보 이용 단말(500)을 포함할 수 있다. 다만, 이러한 도 1의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 정보 제공 단말(100)은 네트워크(200)를 통하여 의료 히스토리 제공 서버(400), 공공 주치의 서비스 제공 서버(300), 정보 이용 단말(500)과 연결될 수 있다. 그리고, 공공 주치의 서비스 제공 서버(300)는, 네트워크(200)를 통하여 정보 제공 단말(100), 의료 히스토리 제공 서버(400) 및 정보 이용 단말(500)과 연결될 수 있다. 또한, 의료 히스토리 제공 서버(400)는, 네트워크(200)를 통하여 정보 제공 단말(100), 공공 주치의 서비스 제공 서버(300) 및 정보 이용 단말(500)과 연결될 수 있다. 그리고, 정보 이용 단말(500)은, 네트워크(200)를 통하여 정보 제공 단말(100), 공공 주치의 서비스 제공 서버(300) 및 의료 히스토리 제공 서버(400)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
정보 제공 단말(100)은, 빅데이터 및 인공지능 기반 공공 주치의 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션이 제공되기 위한 로우 데이터(Raw Data)를 제공하거나 정보 제공에 동의하는 환자나 정보 제공자의 단말일 수 있다. 그리고, 정보 제공 단말(100)은, 각각의 병원에서 진료받았던 기록이나 현재 진료받는 기록을 지속적으로 제공하거나 제공에 동의하는 환자나 정보 제공자의 단말일 수 있다. 또한, 정보 제공 단말(100)의 정보 제공자는, 공공 주치의 서비스를 제공하는 정보 이용 단말(500)로부터 맞춤형 진찰을 받거나 맞춤형 생애주기 의료관리 서비스를 제공받는 사용자일 수 있다.
여기서, 정보 제공 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 정보 제공 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 정보 제공 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
공공 주치의 서비스 제공 서버(300)는, 빅데이터 및 인공지능 기반 공공 주치의 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 공공 주치의 서비스 제공 서버(300)는, 정보 제공 단말(100)에서 정보 이용에 대한 동의를 얻거나 정보를 제공받으면, 이를 이용하여 의료 히스토리 제공 서버(400)로부터 정보 제공자의 의료 히스토리를 수집하는 서버일 수 있다. 또한, 공공 주치의 서비스 제공 서버(300)는, 정보 제공자들의 의료 히스토리를 수집하여 빅데이터를 생성하고, 생성된 빅데이터를 정형 데이터 및 비정형 데이터로 나누며, 비정형 데이터는 정형 데이터로 변환하는 전처리를 수행하고, 정보를 저장하고 관리하며, 정보 처리 분석을 수행하며 질의를 생성하고, 생성된 질의에 대한 응답을 출력하여 정보 이용 단말(500)로 전송하는 서버일 수 있다. 그리고, 공공 주치의 서비스 제공 서버(300)는, 실시간 빅데이터 분석이 가능하도록 분산 노드 및 병렬 구조로 이루어진 서버일 수 있고, 코호트 분석법(Cohort Study)을 이용하여 질병에 대한 관리가 가능하도록 하는 서버일 수 있다. 또한, 정보 이용 단말(500)에서 환자를 진료하거나 관리한 후 누적되는 데이터에 대하여 공공 주치의 서비스 제공 서버(300)에서 수집 및 업데이트를 실시한 후, 재분석을 실시하는 서버일 수 있다.
여기서, 공공 주치의 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
의료 히스토리 제공 서버(400)는, 공공 주치의 서비스 제공 서버(300)로부터 정보 제공 단말(100)의 정보 이용 승인을 수신하면, 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 기록 히스토리를 수집하여 공공 주치의 서비스 제공 서버(300)로 전송하는 서버일 수 있다. 그리고, 의료 히스토리 제공 서버(400)는 이를 위하여 각 병원이나 보건소 등과 같은 진료 지점으로부터 정보 제공자의 진료 기록을 일괄적으로 수집하는 서버일 수 있다. 여기서, 의료 히스토리 제공 서버(400)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
정보 이용 단말(500)은, 빅데이터 및 인공지능 기반 공공 주치의 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 의사, 간호사, 건강 코디네이터의 단말일 수 있다. 그리고, 정보 이용 단말(500)은, 환자가 진료를 받으러 오거나 예약을 한 경우, 환자의 정보를 공공 주치의 서비스 제공 서버(300)로 요청하고, 공공 주치의 서비스 제공 서버(300)로부터 요청에 대한 응답을 수신하여 맞춤형 진료 데이터를 출력하는 단말일 수 있다. 그리고, 정보 이용 단말(500)의 사용자가 건강 코디네이터인 경우, 생애주기별 건강관리 프로그램에 따라 관련 질병, 질병 관리, 위험군이 높은 요소 등을 출력하여 환자를 돌볼 수 있도록 한다. 그리고, 정보 이용 단말(500)은 환자를 진찰한 결과를 공공 주치의 서비스 제공 서버(300)로 업데이트하는 단말일 수 있다.
여기서, 정보 이용 단말(500)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 정보 이용 단말(500)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 정보 이용 단말(500)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 공공 주치의 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스가 구현된 일 실시예를 설명하기 위한 도면이고, 도 4는 본 발명의 일 실시예에 따른 빅데이터 개념 및 인공지능으로 의료 데이터를 분석한 결과를 이용하는 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 공공 주치의 서비스 제공 서버(300)는, 수신부(310), 수집부(320), 추출부(330), 전송부(340), 맞춤형 진료부(350), 업데이트부(360)를 포함할 수 있다.
본 발명의 일 실시예에 따른 공공 주치의 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 정보 제공 단말(100), 및 정보 이용 단말(500)로 빅데이터 및 인공지능 기반 공공 주치의 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 정보 제공 단말(100), 및 정보 이용 단말(500)은, 빅데이터 및 인공지능 기반 공공 주치의 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 정보 제공 단말(100), 및 정보 이용 단말(500)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.
전세계적으로 헬스케어 분야에 대한 관심이 증가하고 있으며, 최근 헬스케어 분야 전문 개발 업체인 RockHealth 에 따르면 2016 년 1 분기 동안 헬스케어 분야의 펀딩이 2015 년도 추세 대비 급증하고 있다. 특히, 웨어러블 기기, 바이오 센싱, 의료 빅데이터 분석이 헬스케어 분야의 주요 이슈로 조사되었다. 따라서 다양한센서 및 의료 데이터를 이용한 의료 빅데이터 분석 기술이 중요하게 고려되고 있다.
현재 다양한 의료 관련 서비스에서 의료 데이터 분석을 위해 코호트 연구 방법론에 기반한 진료 기록 분석, 백신 정보 분석, 건강 결과 분석 등의 다양한 분석 방법들을 시도하고 있다. 하지만 보안을 위해 불가피한 사설 의료 클라우드 환경에서는 한정된 성능과 분석 방법으로 인해 의료 빅데이터의 코호트 연구를 제한된 시간 내에 수행하기에는 한계가 있다. 따라서, 본 발명의 일 실시예에 따른 공공 주치의 서비스는, 공공 클라우드와의 연계로 다양한 사용자 요구사항에 대응 가능한 하이브리드 클라우드에서의 성능 효율적인 빅데이터 처리 방법을 제공한다.
이때, 코흐트 연구(Cohort study)는 전향성 추적조사를 의미한다. 특정 요인에 노출된 집단과 노출되지 않은 집단을 추적하고 연구 대상 질병의 발생률을 비교하여 요인과 질병 발생 관계를 조사하는 연구 방법이다. 이를 위하여, 본 발명의 일 실시예에 따른 공공 주치의 서비스 제공 서버(300)는, 의료 히스토리 제공 서버(400)인 국민건강보험공단에서 데이터를 수집하는데, 예를 들어, 건강보험청구자료와 유전체 정보를 이용할 수 있다.
건강보험청구자료의 구성은 크게 4가지로 나뉜다. 그 중 첫 번째는 자격DB인데 건강보험가입자 및 의료급여수급권자를 대상으로 성, 연령대, 지역, 소득분위 등 사회경제적 변수를 포함하고 있다. 두 번째로는 진료DB로 대상자가 요양기관에 방문하여 진료 등을 받은 내역에 대해 요양기관으로부터 요양급여가 청구된 자료이고, 명세서(T20), 진료내역(T30), 상병내역(T40), 처방전교부상세내역(T60)으로 이루어져있다. 세 번째 구성은 건강검진DB로 건강검진에 대한 주요 결과와 생활습관 등의 내용을 포함하고 있다. 마지막은 요양기관DB로 요양기관의 종류, 설립구분, 지역에 따른 현황에 대한 내용을 담고 있다.
이러한 데이터와 질병관리본부의 유전체 데이터와 병력 히스토리를 연계할 수 있으며, 유전체 데이터는 가족, 개인, 부모의 ID와 성별, 유전체 타입에 대한 내용을 포함할 수 있다. 다만, 연계할 데이터는 상술한 유전체 데이터에 한정하지 않는다.
그리고, 건강보험청구자료에서 모든 테이블의 모든 필드를 사용하지 않고, 환자 데이터 확인에 필수적인 요소만 추출할 수 있는데, 예를 들어, 건강검진자료로부터는 신장, 체중, 허리둘레, 총 콜레스테롤 등, 자격으로부터는 기준년도, 개인일련번호, 성, 연령대, 명세서로부터는 청구일련번호, 진료기관구분, 요양개시일자, 진료과목코드, 주상병, 부상병, 진료내역으로부터는 일련번호, 분류유형코드, 분류코드, 1일 투여량 또는 실시횟수, 총 투여량 또는 실시 횟수, 1회 투약량, 처방전 교부상세내역으로부터는 일련번호, 일반명코드, 상병 내역으로부터는 일련 번호, 상병 기호 등일 수 있다. 다만, 이에 한정되는 것은 아니고 구현예에 따라 달라질 수 있음은 자명하다 할 것이다.
상술한 의료 히스토리를 이용하여 본 발명의 일 실시예에 따른 공공 주치의 서비스는, 맞춤형 진료를 제공하고, 더 나아가 개인의 질병을 예측하고 관리하도록 하며, 의료 전문가를 교육시키고 의사 결정을 지원할 수 있으며, 신뢰도에 기반한 근거를 가지고 진단하고 치료의 방향을 결정하는 병원의 경쟁력 및 국민의 삶의 질을 높일 수 있는 플랫폼을 제공할 수 있다.
도 2를 참조하면, 수신부(310)는, 정보 제공 단말(100)로부터 정보 제공자의 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신할 수 있다.
수집부(320)는, 수신된 동의 이벤트를 의료 히스토리 제공 서버(400)로 전송하여 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 히스토리 데이터를 수집할 수 있다. 상술한 바와 같이, 수집부(320)는, 정보 제공자의 식별자를 기준으로 의료 히스토리 데이터를 수집할 수 있다. 이때, 수집되는 데이터는 DO Layer 와 BP Layer 에서 전처리 및 온톨로지 생성 과정을 거쳐 데이터 저장소에 저장되고 온톨로지 그래프로 관리될 수 있다. 이후에 사용자가 분석을 요청하면 SV Layer 에서 분석 요청의 성능 요구사항과 리소스 현황에 따라 동적으로 노드를 확장하고 워크플로우를 생성할 수 있다. 생성된 워크플로우에 따라 DO Layer 에서 분석할 데이터와 온톨로지 정보를 준비하고, BP Layer 에서 빅데이터 처리를 수행할 수 있다. 마지막으로 BP Layer 에서는 워크플로우에 명시된 처리 과정에 따라 각 Tier 들간 유기적인 처리를 수행할 수 있다. SV Layer 에서 결정된 판단에 따라 Batch Tier 에 의한 데이터 샘플링으로 데이터를 재가공하며, 데이터 샘플링은 최적의 트레이드 오프가 충족될 때까지 반복 수행될 수 있다.
이를 위하여 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템(Medical Big Data Processing System, BigPros, 1)의 구조는 사설 클라우드의 제한된 자원 환경을 극복하고 의료 빅데이터를 사용자의 요구사항에 따라 처리하기 위해 개인정보보호를 고려한 하이브리드 클라우드 환경에서 시스템이 구성될 수 있다.
또한, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템(1)에 구성된 스트림 처리, 마이크로 배치(Batch) 처리, 배치 처리를 최적의 워크플로우로 구성하기 위해서는 Directed Acyclic Graph (DAG) 기반의 워크플로우 분석이 필요하다. DAG 는 병렬 프로그램의 기본적 모델로, 시스템의 스케줄링, 데이터 프로세싱 네트워크의 표현 등을 위해 사용될 수 있다. 특히, Apache Open Source Project 들 중 데이터 처리 분야에서 각광받고 있는 Spark, Storm 등에서 복잡한 Job 들의 실행 모델 구성을 위해 DAG 를 이용하고 있다. 여기서, FB 는 배치 처리를 수행하는 함수, FM 은 마이크로 배치 처리를 수행하는 함수, FS 는 스트림 처리를 수행하는 함수를 나타내며, W 는 각 처리 단계에 따라 발생 가능한 전체 데이터 처리를 위한 대기 시간에 해당된다.
마이크로배치 처리와 스트림 처리는 처리되는 데이터의 단위가 배치 처리에 비해 작은 단위로 구성되어, 단일 반복에서 데이터 처리 방식에 따라 단위 DAG 의 전체 지연 시간이 변화될 수 있다. 배치(Batch) 처리의 경우에는 소스 데이터가 모두 HDFS에 저장된 후에 처리가 시작되므로, 전체 스트림 처리 시간이 전체 지연 시간으로 고려되어 가장 지연 시간이 크게 소모된다. 마이크로-배치 와 스트림 처리의 경우에는 각 반복에서 다음 태스크의 처리 시간이 현재 태스크의 지연 시간과 근사할 수록 전체 지연 시간이 적게 소모될 수 있다.
이에 따라, 하이브리드 클라우드에서 의료 빅데이터를 분석하기 위한 의료 빅데이터 처리 시스템(BigPros)에서 고려되는 스트림, 마이크로 배치, 배치 처리 방법 간의 단위 DAG 기반 워크플로우 생성 방법으로 분석 요구사항을 충족시키기 위한 최적의 트레이드 오프를 선정할 수 있다. 특히, 성능 평가 결과와 같이 각 처리 방법 간의 최적화된 워크플로우 생성으로, 사용자 요구사항을 충족시키기위한 최적화 방안을 마련할 수 있다.
추출부(330)는, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 수 있다. 이때, 추출부(330)는, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 때, 개인건강기록인 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석할 수 있다. 그리고, 추출부(330)는, 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하고, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복할 수 있다. 이때, 추출부(330)는, 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하고, 추출된 의료 토픽이 정보 제공자로부터 발현될 가능성을 계산하고, 계산 결과 기 설정된 안정 범위를 초과하는 경우, 질병 예측 정보로 추출할 수 있다.
이때, 데이터 마이닝은 빅데이터 분석 기법 중에서 순차 패턴 탐색 알고리즘을 이용할 수 있고, 이를 통하여 의료 정보간의 연관 관계를 발견할 수 있다. 즉, 데이터 마이닝 분야에서도 데이터 스트림에 내재된 다양한 지식들을 탐색하기 위한 연구들이 활발히 진행되고 있고, 빈발 패턴 탐색을 포함하는 연관규칙 탐색 및 순차패턴 탐색 분야에서 활발히 진행되고 있다.
순차패턴 탐색은 분석 대상 데이터 집합 및 출현 빈도 수 임계값이 주어졌을 때 해당 임계값 이상의 출현빈도 수를 갖는 모든 순차패턴을 찾는 작업이다. 일반적으로 마이닝 수행 결과로 얻어지는 순차패턴의 수가 매우 많으며, 이를 바로 응용 분야의 특성을 이해하기 위해서 활용하는데 어려움이 있다. 따라서 중요도나 관심도가 큰 순차패턴을 얻기 위해서는 일반적인 순차패턴 탐색으로 얻어진 결과를 다시 분석해야 한다. 한편, 하나의 순차패턴에 있어서 이를 구성하는 단위항목 들의 단순 발생 순서뿐만 아니라 단위항목들 간의 발생 간격 등도 중요한 고려사항이 될 수 있다.
즉, 관심도나 흥미도가 큰 순차패턴을 탐색하기 위한 방법으로 순차패턴을 구성하는 항목들간의 발생 간격을 일정 수준으로 제한하는 방법을 이용하면, 한정적인 데이터 집합을 분석 대상으로 이전의 기본적인 접근 방법들과 달리 데이터 스트림에 대한 순차 데이터 스트림에서 발생 간격 제한 조건을 활용한 빈발 순차 패턴 탐색, 순차패턴 탐색 과정에서 효율적으로 적용할 수 있는 발생 간격 제한 빈발 순차패턴 탐색 방법으로서, 이를 활용하여 메모리 사용량 및 수행 시간 최소화 등과 같은 데이터 스트림 처리를 위한 기본적인 요구 조건을 만족하면서 데이터 스트림에서 관심도나 흥미도가 큰 순차패턴을 효율적으로 얻을 수 있다.
전송부(340)는, 추출된 질병 예측 정보를 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말(500)로 전송할 수 있다. 예를 들어, 군발두통을 앓고 있는 30대 직장인 이모씨는, 아침에 일어나 두통을 느껴 병원을 찾아간다. 이때, 병원의 정보 이용 단말(500)은, 이모씨의 두통 히스토리를 분석한 결과, 즉 의사 또는 간호사에게 뇌혈관계 질환이나 안구 뒤에 종양이 발생했을 가능성이 높다는 결과를 출력하고, 의사 또는 간호사는 환자와 상의해 정밀검사를 받고 혈관조영술을 시행하여 이미 발생했을지도 모르는 뇌혈관질환 또는 종양을 제거할 수 있는 기회를 제공할 수 있다.
맞춤형 진료부(350)는, 수집부(320)에서 수신된 동의 이벤트를 의료 히스토리 제공 서버(400)로 전송하여 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 히스토리 데이터를 수집한 후, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리 및 정보 분석을 수행한 후, 정보 이용 단말(500)로 전송할 수 있다. 이때, 정보 이용 단말(500)은 정보 분석 결과를 이용하여 맞춤형 진료를 시행하도록 정보를 출력할 수 있다.
이때, 개인건강기록은, 실시간 진료 데이터 및 과거 진료 데이터를 포함하고, 공공 주치의 서비스 제공 서버(300)는, 코호트 분석법(Cohort Study)을 이용하여 개인건강기록으로부터 정보 제공자의 질병 예측 데이터를 추출하고, 정보 제공자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 정보 제공자와 유사 환자와 일반적인 병의 진행 추세를 파악할 수 있다.
그리고, 실시간 진료 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고, 배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 빅데이터의 분석을 실시간으로 처리할 수 있다.
업데이트부(360)는, 전송부(340)에서 추출된 질병 예측 정보를 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말(500)로 전송하기 이전에, 정보 제공자의 병원 방문이 정보 이용 단말(500)로부터의 의료 히스토리 제공 서버(400)의 알림으로 수신되는 경우, 정보 제공자의 질병 예측 정보 및 개인건강기록을 실시간으로 업데이트할 수 있다.
데이터 마이닝을 위하여 텍스트 마이닝을 실시할 수 있는데, 추출부(350)에서는, 인공지능 빅데이터 알고리즘을 이용하여 전처리를 할 때, 의료 히스토리 데이터에 포함된 개인건강기록의 비정형 텍스트 문서를 벡터의 형태로 구조화하여 구조화된 텍스트 문서를 생성할 때, 복수의 특질(Feature)을 처리가능한 수의 차원으로 표현하도록 차원 축소 기법을 이용할 수 있다. 이때, 차원 축소 기법은, PCA(Principal Component Analysis), SVD(Singular Value Decomposition), 및 NMF(Non-Negative Matrix Factorization) 중 어느 하나 또는 적어도 하나의 조합이 이용되고, 비정형 텍스트 문서에 포함된 용어의 동시출현(Co-occurrence) 정보를 이용하여 용어 간 의미적 유사성을 산출하기 위하여, LDA(Latent Dirichlet Allocation), LSA(Latent Semantic Analysis), 및 pLSA(Probabilistic Latent Semantic Analysis) 중 어느 하나 또는 적어도 하나의 조합이 이용될 수 있다. 다만, 이에 한정되는 것은 아니고 다른 텍스트 마이닝 기법 또는 데이터 마이닝 방법이 이용될 수 있음은 자명하다 할 것이다.
이하, 상술한 도 2의 공공 주치의 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a) 공공 주치의 서비스 제공 서버(300)는, 정보 제공 단말(100)로부터 동의를 얻어 건강보험청구자료와 연관 데이터에 대한 데이터웨어하우스를 구축하고, 두 데이터 간의 연계를 SQL쿼리를 통해 실행할 수 있다.
이때, (b) 공공 주치의 서비스 제공 서버(300)는, 정보 제공자의 정보를 구축하고, (c) 특정 질병을 진단 받은 후 특정 약을 지정 기간 동안 먹었을 때 특정 합병증에 걸리는 환자에 대한 진료 관련 내역과 연관 데이터를 함께 연계하여 볼 수 있도록 하였다. 이때, 구축한 데이터베이스를 기반으로 보건의료 데이터를 연계함으로써, 사용자가 추출하고 싶은 데이터에 대한 파라미터를 웹에서 입력받아 DB에 접근 한 후 쿼리 실행 결과를 서버를 통해 웹에 출력할 수도 있다.
예를 들어, 공공 주치의 서비스 제공 서버(300)는, 전처리 과정을 통해 우울질환에 대하여 응답의 일관성이 우수한 사용자를 이용하여 행렬을 구성하고, 구성한 정신건강 지수 행렬은 k-means 군집 을 이용하여 유사 사용자를 군집한다. 그리고 나서, 군집한 사용자들은 그룹별로 스피어만 상관계수를 이용하여 사용자 간의 유사도를 계산하고, 이를 이용하여 결과값을 예측하고, 정신건강 지수로 정의한다. 또한, 새로운 사용자의 데이터를 설문조사를 통해 수집하고, 이를 국민영양조사를 통해 군집한 정신건강 지수 그룹과 비교하며, 유사한 정신건강 지수 그룹으로 분류한 후 그룹 내의 사용자와 유사도를 계산하고 협력적 필터링을 통해 정신 건강관리 서비스를 제공하는 과정으로 이루어질 수 있다.
그리고, 정보 제공 단말(100)로도 자신의 상태를 알려주고, 어떠한 검사를 받아야 한다는 것을 알려줄 수 있는데, 공공 주치의 서비스 제공 서버(300)는, 신규로 입력된 사용자와 개인건강기록의 유사도 선별을 위한 기준으로 유사도 값을 파악하면, 선별된 데이터의 혈압 환자 발생 빈도를 이용하여 신규 입력 사용자의 혈압 지수를 예측할 수 있다. 공공 주치의 서비스 제공 서버(300)는, 발생 위험 기준을 판단하기 위하여 혈압 환자의 점유율을 기준을 정의하고, 기준보다 높은 경우 위험단계로 인식하며, 혈압을 체크하라는 알람 메세지를 정보 제공 단말(100)로 전송하여 출력하도록 할 수 있다.
도 4를 참조하면, (a) 서울아산병원에서 제시하는 빅데이터 기술은 환자의 정확한 진단과 치료를 목표로 하고 있고, (b) 국민건강보험공단에서도 국민의 건강 기록이 해외로 유출되고 있다는 점을 감안하여 AI와 빅데이터를 이용한 진료 시스템을 개발하는 움직임이 있으나, 보안을 위해 불가피한 사설 의료 클라우드 환경에서는 한정된 성능과 분석 방법으로 인해 의료 빅데이터의 코호트 연구를 제한된 시간 내에 수행하기에는 한계가 있다. 따라서, 본 발명의 일 실시예에서는, 공공 클라우드와의 연계로 다양한 사용자 요구사항에 대응 가능한 하이브리드 클라우드에서의 성능 효율적인 빅데이터 처리 방법에 대한 방법을 제공한다.
이와 같은 도 2 내지 도 4의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도 1의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 5를 참조하면, 공공 주치의 서비스 제공 서버(300)는, 정보 제공 단말(100)로부터 정보 이용 동의를 받고(S5100), 의료 히스토리 제공 서버(400)로부터 정보 제공자의 의료 히스토리를 수집하며(S5200, S5300), 빅데이터를 수집하고 전처리를 수행한 후(S5400), 다양한 질의에 대한 응답을 출력하도록 정보 분석을 실시한다(S5500).
이때, 공공 주치의 서비스 제공 서버(300)는, 정보 이용 단말(500)로부터 환자의 정보를 요청받으면(S5600), 쿼리에 따른 분석 결과를 전송하며(S5700), 정보 이용 단말(500)에 맞춤형 진료 화면을 출력하도록 한다(S5800).
그리고, 공공 주치의 서비스 제공 서버(300)는, 정보 이용 단말(500)로부터 진료 결과를 수신하고(S5810), 업데이트를 실시하고(S5820), 정보 예측을 수행하고(S5830), 정보 이용 단말(500)과 정보 제공 단말(100)로 전송하며(S5840), 생애 주기 질병 관리를 시작한다(S5850).
이때, 정보 이용 단말(500)의 이용자가 건강 코디네이터 등인 경우, 생애주기 질병 관리에 따른 화면을 출력하고(S5960), 관찰 또는 관리 결과를 업데이트하며(S5870), 공공 주치의 서비스 제공 서버(300)는, 이를 수신하여 정보 제공자의 정보를 업데이트하여(S5900), 최신의 정보를 유지하도록 한다.
상술한 단계들(S5100~S5900)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5900)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 6은 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 6을 참조하면, 공공 주치의 서비스 제공 서버는, 정보 제공 단말로부터 정보 제공자의 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신한다(S6100).
그리고, 공공 주치의 서비스 제공 서버는, 수신된 동의 이벤트를 의료 히스토리 제공 서버로 전송하여 정보 제공자의 식별자를 기준으로 정보 제공자의 의료 히스토리 데이터를 수집하고(S6200), 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출한다(S6300).
마지막으로, 공공 주치의 서비스 제공 서버는, 추출된 질병 예측 정보를 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말로 전송한다(S6400).
삭제
삭제
삭제
삭제
이와 같은 도 6의 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 5를 통해 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 6을 통해 설명된 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 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 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.
전술한 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (7)

  1. 공공 주치의 서비스 제공 서버에서 실행되는 공공 주치의 서비스 제공 방법에 있어서,
    상기 공공 주치의 서비스 제공 서버에 포함된 수신부에서 정보 제공 단말로부터 정보 제공자의 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신하는 단계;
    상기 공공 주치의 서비스 제공 서버에 포함된 수집부에서 상기 수신된 동의 이벤트를 의료 히스토리 제공 서버로 전송하여 상기 정보 제공자의 식별자를 기준으로 상기 정보 제공자의 의료 히스토리 데이터를 수집하는 단계;
    상기 공공 주치의 서비스 제공 서버에 포함된 추출부에서 상기 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출하는 단계; 및
    상기 공공 주치의 서비스 제공 서버에 포함된 전송부에서 상기 추출된 질병 예측 정보를 상기 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말로 전송하는 단계;
    를 포함하고,
    상기 공공 주치의 서비스 제공 서버에 포함된 추출부에서 상기 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출하는 단계는, 상기 개인건강기록인 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석하는 단계, 상기 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하는 단계, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복하는 단계, 상기 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하는 단계, 및 상기 추출된 의료 토픽이 상기 정보 제공자로부터 발현될 가능성을 계산하고, 상기 계산 결과 기 설정된 안정 범위를 초과하는 경우, 상기 질병 예측 정보로 추출하는 단계를 수행함으로써 실행되고,
    상기 공공 주치의 서비스 제공 서버에 포함된 전송부에서 상기 추출된 질병 예측 정보를 상기 정보 제공자가 방문하는 병원의 단말인 정보 이용 단말로 전송하는 단계 이전에, 상기 공공 주치의 서비스 제공 서버에 포함된 업데이트부에서 상기 정보 제공자의 병원 방문이 상기 정보 이용 단말로부터의 상기 의료 히스토리 제공 서버의 알림으로 수신되는 경우, 상기 정보 제공자의 질병 예측 정보 및 개인건강기록을 실시간으로 업데이트하는 단계를 더 포함하는 것인, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법.
  2. 제 1 항에 있어서,
    상기 공공 주치의 서비스 제공 서버에 포함된 수집부에서 상기 수신된 동의 이벤트를 의료 히스토리 제공 서버로 전송하여 상기 정보 제공자의 식별자를 기준으로 상기 정보 제공자의 의료 히스토리 데이터를 수집하는 단계 이후에,
    상기 공공 주치의 서비스 제공 서버에 포함된 맞춤형 진료부에서, 상기 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리 및 정보 분석을 수행한 후, 상기 정보 이용 단말로 전송하는 단계;
    를 포함하고,
    상기 정보 이용 단말은 상기 정보 분석 결과를 이용하여 맞춤형 진료를 시행하도록 상기 정보를 출력하는 것인, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 개인건강기록은, 실시간 진료 데이터 및 과거 진료 데이터를 포함하고,
    상기 공공 주치의 서비스 제공 서버는,
    코호트 분석법(Cohort Study)을 이용하여 상기 개인건강기록으로부터 상기 정보 제공자의 질병 예측 데이터를 추출하고, 상기 정보 제공자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 상기 정보 제공자와 유사 환자와 일반적인 병의 진행 추세를 파악하는 것인, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법.
  5. 제 4 항에 있어서,
    상기 실시간 진료 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 상기 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고,
    배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 상기 빅데이터의 분석을 실시간으로 처리하는 것인, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 공공 주치의 서비스 제공 서버에 포함된 추출부에서 상기 인공지능 빅데이터 알고리즘을 이용하여 전처리를 하는 단계에서,
    상기 의료 히스토리 데이터에 포함된 개인건강기록의 비정형 텍스트 문서를 벡터의 형태로 구조화하여 구조화된 텍스트 문서를 생성할 때, 복수의 특질(Feature)을 처리가능한 수의 차원으로 표현하도록 차원 축소 기법을 이용하고,
    상기 차원 축소 기법은, PCA(Principal Component Analysis), SVD(Singular Value Decomposition), 및 NMF(Non-Negative Matrix Factorization) 중 어느 하나 또는 적어도 하나의 조합이 이용되고,
    상기 비정형 텍스트 문서에 포함된 용어의 동시출현(Co-occurrence) 정보를 이용하여 용어 간 의미적 유사성을 산출하기 위하여, LDA(Latent Dirichlet Allocation), LSA(Latent Semantic Analysis), 및 pLSA(Probabilistic Latent Semantic Analysis) 중 어느 하나 또는 적어도 하나의 조합이 이용되는 것인, 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법.
KR1020170123551A 2017-09-25 2017-09-25 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법 KR101937434B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170123551A KR101937434B1 (ko) 2017-09-25 2017-09-25 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170123551A KR101937434B1 (ko) 2017-09-25 2017-09-25 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법

Publications (1)

Publication Number Publication Date
KR101937434B1 true KR101937434B1 (ko) 2019-01-10

Family

ID=65020821

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170123551A KR101937434B1 (ko) 2017-09-25 2017-09-25 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법

Country Status (1)

Country Link
KR (1) KR101937434B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020242269A1 (ko) * 2019-05-31 2020-12-03 주식회사 루닛 인공지능 보험 서버 및 인공지능 보험 서비스 제공 방법
KR20210015527A (ko) * 2019-08-02 2021-02-10 사회복지법인 삼성생명공익재단 의료 데이터 웨어하우스 실시간 자동 업데이트 시스템, 방법 및 이의 기록매체
WO2021141312A1 (ko) * 2020-01-07 2021-07-15 주식회사 클리노믹스 인공지능 기반 게놈 빅데이터를 이용한 자기개선 유전자 검사 서비스 제공 방법
KR102375862B1 (ko) * 2021-03-29 2022-03-17 유정선 웨어러블 디바이스를 기반으로 의료 데이터를 수집 및 관리하는 방법, 장치 및 시스템
KR20220068858A (ko) * 2020-11-11 2022-05-26 주식회사 가을디에스 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
KR102411081B1 (ko) * 2021-08-05 2022-06-22 주식회사 와이즈넛 유사도 기반의 연관 데이터 추천 시스템 및 그 방법
WO2022191412A1 (ko) * 2021-03-12 2022-09-15 삼성전자주식회사 전자 장치 및 그 제어 방법

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020242269A1 (ko) * 2019-05-31 2020-12-03 주식회사 루닛 인공지능 보험 서버 및 인공지능 보험 서비스 제공 방법
KR20210015527A (ko) * 2019-08-02 2021-02-10 사회복지법인 삼성생명공익재단 의료 데이터 웨어하우스 실시간 자동 업데이트 시스템, 방법 및 이의 기록매체
WO2021025365A3 (ko) * 2019-08-02 2021-04-01 사회복지법인 삼성생명공익재단 의료 데이터 웨어하우스 실시간 자동 업데이트 시스템, 방법 및 이의 기록매체
KR102272401B1 (ko) * 2019-08-02 2021-07-02 사회복지법인 삼성생명공익재단 의료 데이터 웨어하우스 실시간 자동 업데이트 시스템, 방법 및 이의 기록매체
WO2021141312A1 (ko) * 2020-01-07 2021-07-15 주식회사 클리노믹스 인공지능 기반 게놈 빅데이터를 이용한 자기개선 유전자 검사 서비스 제공 방법
KR20220068858A (ko) * 2020-11-11 2022-05-26 주식회사 가을디에스 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
KR102495086B1 (ko) * 2020-11-11 2023-02-07 주식회사 가을디에스 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
WO2022191412A1 (ko) * 2021-03-12 2022-09-15 삼성전자주식회사 전자 장치 및 그 제어 방법
KR102375862B1 (ko) * 2021-03-29 2022-03-17 유정선 웨어러블 디바이스를 기반으로 의료 데이터를 수집 및 관리하는 방법, 장치 및 시스템
KR102411081B1 (ko) * 2021-08-05 2022-06-22 주식회사 와이즈넛 유사도 기반의 연관 데이터 추천 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
KR101937434B1 (ko) 빅데이터 및 인공지능 기반 공공 주치의 서비스 제공 방법
US11488694B2 (en) Method and system for predicting patient outcomes using multi-modal input with missing data modalities
US11966397B2 (en) Graph database for outbreak tracking and management
Raja et al. A systematic review of healthcare big data
Dey et al. Big data analytics for intelligent healthcare management
Iranpak et al. Remote patient monitoring and classifying using the internet of things platform combined with cloud computing
WO2016112230A1 (en) Data analysis mechanism for generating statistics, reports and measurements for healthcare decisions
US11276494B2 (en) Predicting interactions between drugs and diseases
Yoo et al. PHR based diabetes index service model using life behavior analysis
US20200311610A1 (en) Rule-based feature engineering, model creation and hosting
CN112133388A (zh) 计算机实现的方法和系统
WO2020102220A1 (en) Adherence monitoring through machine learning and computing model application
US20220336110A1 (en) Case sift and cluster sift for outbreak tracking and management
Qiu et al. Estimating disease burden using Internet data
Veena et al. Applications, opportunities, and current challenges in the healthcare industry
Patan et al. Gaussian relevance vector MapReduce-based annealed Glowworm optimization for big medical data scheduling
Manna et al. Diabetes prediction model using cloud analytics
Comito et al. Exploiting social media to enhance clinical decision support
Kang et al. Systematic predictive analysis of personalized life expectancy using smart devices
KR102495086B1 (ko) 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
Padilla et al. Semi-automated initialization of simulations: an application to healthcare
Zhang et al. The Role of Big Data in Aging and Older People’s Health Research: A Systematic Review and Ecological Framework
Anastasiou et al. Modelhealth: an innovative software platform for machine learning in healthcare leveraging indoor localization services
KR20210135404A (ko) 인터넷 기반의 의료 자문 서비스 제공 방법
Golkar et al. A priority queue-based telemonitoring system for automatic diagnosis of heart diseases in integrated fog computing environments

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant