KR101946402B1 - 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템 - Google Patents

인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템 Download PDF

Info

Publication number
KR101946402B1
KR101946402B1 KR1020170143558A KR20170143558A KR101946402B1 KR 101946402 B1 KR101946402 B1 KR 101946402B1 KR 1020170143558 A KR1020170143558 A KR 1020170143558A KR 20170143558 A KR20170143558 A KR 20170143558A KR 101946402 B1 KR101946402 B1 KR 101946402B1
Authority
KR
South Korea
Prior art keywords
treatment
result
information
data
condition
Prior art date
Application number
KR1020170143558A
Other languages
English (en)
Inventor
이석
Original Assignee
고려대학교산학협력단
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 고려대학교산학협력단 filed Critical 고려대학교산학협력단
Priority to KR1020170143558A priority Critical patent/KR101946402B1/ko
Priority to PCT/KR2018/007865 priority patent/WO2019074191A1/ko
Application granted granted Critical
Publication of KR101946402B1 publication Critical patent/KR101946402B1/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
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 다양한 종류의 암과 치료 방법에 대하여 사용자가 요구하는 조건에 맞는 치료 예후를 데이터마이닝 기법으로 제공함으로써 사용자로 하여금 가장 적절한 암 치료 방법을 파악할 수 있는 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템에 관한 것으로,
이는 암 치료 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계; 치료 부위, 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나가 입력 정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계; 및 상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계를 포함하는 것을 특징으로 한다.

Description

인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템{Method and system for providing result of prospect of cancer treatment using artificial intelligence}
본 발명은 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 학습하고, 이를 기반으로 환자 치료 예측 결과를 신속, 정확하게 예측할 수 있도록 하는 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템에 관한 것이다.
환자의 신체 내 존재하는 악성 또는 양성 종양을 치료하는 방법으로서, 수술, 약물 치료 및 방사선 치료 등이 존재한다. 하지만 보통 하나의 치료법만을 단독 사용하기 보다는 복수의 치료법을 동시에 또는 최적의 순서로 사용하여 암을 치료하는 것이 일반적이다.
하지만, 암과 환자 특성에 맞는 최적의 치료 조합은 단순히 의료진의 경험과 지식에 의존하거나, 문헌을 직접 찾아야 하는 어려움이 있다. 더 나아가, 방사선 치료를 전문으로 하는 의료진과 약물치료를 전문으로 하는 의료진간에는 최적의 항암 치료방법을 찾기 위하여 협진을 하여야 하나 복수 의료진의 일치하지 않은 경험으로 인하여 원하는 항암 치료 결과를 찾기 어렵다는 문제가 있다.
예를 들어 대한민국 특허 10-0794516호는 환자 사례 데이터베이스와 질환명 중요 검사 항목간 상관관계를 기계학습하고, 기계학습 결과를 이용하여 환자 검사 정보에 대응되는 질환을 판별하는 구성을 개시하고 있으나, 사실상 구분되는 치료이나 상호간 영향을 주는 복수 종류의 치료방법에 대한 종합적인 치료의 예후를 인공지능으로 제공하는 방법은 아직까지 개시되지 못하는 상황이다.
따라서, 본 발명이 해결하고자 하는 과제는 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 통해 학습하고, 이를 기반으로 환자 치료 예측 결과를 제공하도록 하는 새로운 방식의 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템을 제공하는 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따른 암 치료 예측 결과 제공 방법은, 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계; 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계; 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계를 포함할 수 있다.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다.
상기 방법은 상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계를 더 포함하는 것을 특징으로 한다.
상기 학습 데이터를 획득하는 단계는 다수의 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 데이터마이닝 입력 정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하고, 상기 치료 예측 모델을 기반으로 상기 데이터마이닝 입력 정보에 대응되는 데이터마이닝 결과 정보를 제공하는 단계; 및 상기 데이터마이닝 입력 정보와 상기 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성 및 제공하는 단계를 포함하는 것을 특징으로 한다.
상기 데이터마이닝 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다.
상기 치료 예측 모델을 구성하는 단계는 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함하는 것을 특징으로 한다.
상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예측 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계; 상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및 상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 한다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따른 인공 지능망 기반 치료 예측 결과 제공 시스템은 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 획득부; 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부를 포함할 수 있다.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다.
상기 시스템은 상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 학습부가 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습하도록 하는 임상 데이터 획득부를 더 포함하는 것을 특징으로 한다.
상기 학습 데이터 획득부는 문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보를 사용자 단말로부터 입력받는 입력 정보 수신부; 상기 입력 정보수신부로부터 수신된 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부; 및 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득 및 제공하는 결과 정보 제공부를 포함하는 것을 특징으로 한다.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다.
상기 치료 예측 모델은, 치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법 및 치료 부작용을 포함하는 것을 특징으로 한다.
본 발명에 따르면, 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 통해 학습함으로써, 환자 치료 예측 결과를 보다 신속, 정확하게 예측할 수 있도록 한다.
그리고 문헌 정보 데이터마이닝 결과 뿐 만아니라, 환자의 실제 임상 데이터까지 고려한 학습이 이루어지도록 함으로써, 학문적 근거 뿐 만 아니라 임상학적 근거까지 고려한 환자 치료 예측 결과를 획득 및 제공할 수 있도록 한다.
더하여, 암과 같은 다양한 비수술적 치료방법이 존재하는 질병에 대한 치료방법과 각 방법별 부작용 등의 결과를 하나의 플랫폼에서 동시에 보여줄 수 있다. 이로써, 방사선 또는 약물의 조합 등과 같은 복합적 치료방법에 대해서도 그 독성, 생존율 등의 결과를 사용자의 선택에 따라 동일 플랫폼에서 보여줄 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 단계도이다.
도 2는 본 발명의 다른 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 개념도이다.
도 3은 본 발명의 일 실시예에 따른 학습 데이터 획득 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 시맨틱 데이터베이스 사전을 구축하는 방법의 단계도이다.
도 5 내지 9는 상술한 방법에 따라 문헌 정보 데이터마이닝 방법을 제공하는 일 예를 설명하는 도면이다.
도 10은 본 발명의 일 실시예에 따른 치료 예측 결과 제공 시스템의 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.
또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서 전체에서, “~상에”라 함은 대상 부분의 위 또는 아래에 위치함을 의미하는 것이며, 반드시 중력 방향을 기준으로 상측에 위치하는 것을 의미하는 것은 아니다.
도 1은 본 발명의 일 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 단계도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 방법은, 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계(S100), 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계(S200), 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계(S300)를 포함한다.
즉, 본 발명은 방대한 양의 문헌 정보를 데이터마이닝한 결과를 기반으로 인공지능망을 학습함으로써, 보다 신속 정확한 치료 예측 결과를 사용자에게 제공할 수 있도록 한다.
또한 본 발명은 문헌 정보에 포함된 내용 모두를 단순 학습하는 것이 아니라, 의료진들이 질의 사항을 통해 제공받길 원하는 정보가 무엇인지까지 파악한 후, 그를 고려한 인공 지능망 학습이 수행될 수 있도록 함으로써, 인공 지능망이 의료진들의 주요 고려 사항이 가장 잘 반영된 치료 예측 결과를 획득 및 제공할 수 있도록 한다.
더하여, 본 발명은 도 2에 도시된 바와 같이 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계(S400)를 더 포함할 수도 있다. 즉, 환자의 치료 이력을 입력 정보로 치료 결과를 출력 정보로 가지는 학습 데이터를 생성하고, 이를 통해 인공 지능망을 학습시킬 수 있도록 한다.
이와 같이 본 발명은 문헌 정보 뿐 만 아니라 실제 임상 데이터까지 활용하여 인공 지능망을 학습시킴으로써, 인공 지능망의 치료 예측 결과가 학문적 관점과 임상학적 관점 모두를 골고루 반영할 수 있도록 한다.
본 발명의 일 실시예에 따른 학습 데이터 획득 방법은 다음과 같으나, 본 발명의 범위는 이에 제한되지 않는다.
도 3은 본 발명의 일 실시예에 따른 학습 데이터 획득 방법을 설명하기 위한 도면이다.
먼저, 단계 S110에서는 학술 논문, 의학 서적, 사례 정보와 같은 각종 문헌 정보(PDF 문서)로부터 암 치료 결과 예후 인자들과 출력 결과에 해당하는 텍스트를 추출하고 추출된 텍스트를 형태소분석, 시맨틱 분석을 통해 유의미한 시맨틱 키워드(Age, 선량-체적 히스토그램, G1, G2, …)로 추출하며, 다시 추출된 시맨틱 키워드는 검색(조회)에 적합한 형태로 데이터베이스화하여 시맨틱 데이터베이스 사전을 구축한다.
단계 S120에서는 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나를 데이터마이닝 입력 정보로써 입력받는다. 특히, 본 발명에서는 데이터마이닝 입력 정보 중 일부는 치료 조건으로, 나머지 일부는 치료 결과 조건으로 구분되어 입력될 수 있다. 예를 들어, 치료 부위가 폐이고, 치료 방법이 방사선인 것을 치료 조건으로, 치료 부작용에 따른 폐렴 및 식도염을 치료 결과 조건으로 입력할 수 있다.
단계 S130에서는 특히 암 치료 종류와 다양한 종류의 치료 결과를 시멘틱 키워드 형태로 분류하여 구축된 데이터베이스 사전을 통하여 입력 정보에 따라 원하는 데이터만을 가져와서 하나의 치료예측모델을 구축한다. 예를 들어, 치료 방법은 방사선이고 부작용이 폐렴인 경우, ge, COPD, ILD, 폐기능(Pulmonary function), DVH, 치료 부위(예를 들어, 종양 위치) 등의 임상정보를 다시 입력값으로 받아서 환자 데이터로부터 DVH (예: V20)을 구한 후, 선량 제한 인자와 비교 (V20 <= 30%)하여 적합성을 조합하여 치료 예측 모델을 구성한다. 본 발명에 따른 치료 예측 모델은 구축된 데이터베이스 사전으로부터 입력된 정보(예를 들어, 치료 부위 = 폐, 치료 방법 = 방사선, 부작용 = 폐렴)에 따라 가장 적합한 조건을 찾아 다시 구성된 모델이 된다.
본 발명은 치료 조건과 치료 결과 조건의 설정 환경에 따라 치료 예측 모델을 통해 획득 가능한 결과 정보의 종류가 달라질 수 있도록 한다. 예를 들어, 치료 부작용을 치료 결과 조건으로 설정한 경우에는(경우1), 치료 예측 모델은 부작용 종류별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, 치료 방법을 치료 결과 조건으로 설정된 경우(경우2), 치료 예측 모델은 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, 치료 부작용을 치료 결과 조건으로 설정한 경우에는(경우3), 치료 예측 모델은 부작용 종류 및 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공할 수 있을 것이다.
단계 S140에서는 상기에서 구성된 치료 예측 모델로부터 나이와 V20 등 기존에 추출한 예후 인자(Prognostic factor)들의 범위에 드는 시맨틱 테이블을 조회하여, 사용자가 원하는 출력정보인 폐렴 관련 부작용을 파악하고, 이를 데이터마이닝 결과 정보로써 획득한다.
단계 S150에서는 데이터마이닝 입력 정보와 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성 및 저장한다.
또한 본 발명의 일 실시예에서 상기 치료 예측 모델을 구성하는 단계는, 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법을 결정하는 단계를 포함하는데, 본 발명은 특히 둘 이상의 치료법을 하나의 치료 예측 모델에 모두 고려할 수 있도록 한다. 즉, 본 발명은 둘 이상의 치료 방법을 동시에 사용하였을 때의 부작용, 더 나아가 부작용 종류별 생존율, 독성, 및 반응도를 데이터마이닝된 정보로 획득할 수 있으며, 이를 인공지능망을 통해 학습하도록 한다.
그 결과, 본 발명의 인공 지능망은 단일 치료에 따른 치료 예측 결과 뿐 만 아니라, 둘 이상의 치료 방법, 즉 통합 치료에 따른 치료 예측 결과까지도 획득 및 제공할 수 있게 된다.
도 4는 본 발명의 일 실시예에 따른 시맨틱 데이터베이스 사전을 구축하는 방법의 단계도이다.
도 4를 참조하면, 상기 방법은, 암 치료 관련 문헌 또는 사례 자료로부터 암 치료에 대한 결과 인자 데이터를 추출하는 단계(S111), 상기 결과 데이터에 대한 시맨틱 분석을 통해 결과인자 색인을 추출하는 단계(S112) 및 상기 결과 인자 색인을 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계(S113)를 포함한다.
본 발명의 일 실시예에서 상기 결과 인자는 사용자가 원하는 출력정보에 대응하는 키워드에 해당하는 것으로, 키워드 별로 유의어 등을 포괄할 수 있다.
도 5 내지 9는 상술한 방법에 따라 문헌 정보 데이터마이닝 방법을 제공하는 일 예를 설명하는 도면이다.
도 5 내지 9를 참조하면, 먼저 환자 상태 정보(예를 들어, 환자 나이, 성별, 치료 부위, 타 질병 유무 등)를 입력함과 동시에 치료 부위가 폐이고, 치료 방법이 방사선, 약물, 면역 치료인 것이 치료 조건으로, 폐렴 및 식도염이 치료 부작용인 것이 치료 결과 조건으로 입력된다. 또한 출력 정보로써 폐렴에 따른 생존율 및 독성이 선택된다.
상기 입력된 입력 정보에 대응하는 시맨틱 데이터베이스로부터 치료예측모델이 구성되는데, 상기 치료예측모델은 상기 입력 정보에 대하여 문헌 또는 사례정보로부터 가장 높은 확률로 매칭되는 임의의 환자를 가정한 모델이 된다.
이후 상기 치료예측모델에 따른 결과 정보가 획득되는데, 상기 결과 정보는 미리 사용자가 입력한 입력 정보에 대응된다(도 8 참조).
예를 들어, 결과 정보는 폐렴과 식도염 각각에 따른 생존율, 독성, 및 반응도를 포함할 수 있으며, 이때, 독성은 독성 등급, 독성 등급별 발생 확률, 및 독성 등급별 부작용 발생 패턴 중 적어도 하나의 정보를 포함할 수 있다. 구체적으로, 독성 등급이 1,2,3,4,5일 확률은 20.4%, 67.5%, 19.3%, 4.5%, 0.1%이며, 독성 등급이 1인 경우에는 마른 기침이 나거나 호흡장애 (Dyspnea on exertion)가 발생하며, 독성 등급이 2인 경우에는 마약성 항염제가 필요한 기침 또는 쉬지 않는 호흡 곤란이 발생하며, 독성 등급이 3인 경우에는 마약성 항염제가 필요한 기침 또는 휴지기를 가지는 호흡 곤란이 발생하며, 독성 등급이 4인 경우에는 산소의 지속적 공급이 필요하거나 약물 보조를 받아야 하며, 독성 등급이 5인 경우에는 열이 발생함을 안내할 수 있다.
더하여, 다수개 치료 방법의 조합 및 조건까지 고려하여 치료 예측 모델을 구축하여, 치료 예측 모델을 통해 수술 후 방사선 치료와 같이 치료 방법의 조합 및 조건까지 고려한 치료 결과 예측 동작을 수행함으로써, 통합 치료 방법에 따른 생존율, 독성, 및 반응도까지 예측할 수 있도록 한다.
즉, 문헌 정보 데이터마이닝을 통해 다양한 종류의 치료방법이 존재하는 암에 대하여 치료 방법의 조합(종류 및 순서) 또는 조건(약물치료 시기, 약물의 종류) 등에 대해서도 파악할 수 있고, 이를 인공지능망을 통해 학습함으로써, 통합 치료 방법에 따른 생존율, 독성, 및 반응도를 보다 신속, 정확하게 예측할 수 있도록 한다.
도 10은 본 발명의 일 실시예에 따른 치료 예측 결과 제공 시스템의 블록도이다.
도 10을 참조하면, 상기 시스템은 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 제공부(100), 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부(200), 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부(300)를 포함한다. 이때, 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나일 수 있다.
그리고 학습 데이터 제공부(100)는 문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전(110), 치료 부위, 치료 방법, 환자 상태 정보, 부작용 종류 중 적어도 하나를 데이터마이닝 입력 정보로써 입력받는 입력 정보수신부(120), 상기 입력 정보수신부로부터 수신된 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부(130), 상기 예측 모델을 기반으로 데이터마이닝 입력 정보에 대응되는 데이터마이닝 결과 정보를 획득 및 제공하는 결과 정보 획득부(140), 그리고 데이터마이닝 입력 정보와 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성하는 학습 데이터 생성부(150) 등을 포함할 수 있다.
또한, 본 발명의 학습 데이터 제공부(100)는 외부의 의무 기록 시스템(400)에 접속 및 상호 연동되어, 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하는 임상 데이터 획득부(160)를 더 포함할 수 있으며, 이러한 경우 학습 데이터 생성부(150)는 환자의 치료 이력을 입력 정보로 치료 결과를 출력 정보로 가지는 학습 데이터를 생성할 수도 있도록 한다.
마지막으로, 본 발명의 시스템은 하나의 하드웨어 장치로 구현되는 것이 바람직하나, 필요한 경우 기존 하드웨어 장치에 수용되는 임베디드 장치로 구현되거나, 소프트웨어 형태로 다운로드 및 설치되는 어플리케이션로써 구현될 수도 있을 것이다.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (13)

  1. 학습 데이터 획득부, 학습부 및 예측부를 포함하는 인공 지능망 기반 치료 예측 결과 제공 시스템의 인공 지능망 기반 치료 예측 결과 제공 방법에 있어서,
    상기 학습 데이터 획득부가 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계;
    상기 학습부가 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계; 및
    상기 예측부가 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계를 포함하며,
    상기 학습 데이터를 획득하는 단계는
    다수의 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계;
    치료 조건, 치료 결과 조건, 결과 정보의 종류가 입력정보로 입력되면, 상기 시맨틱 데이터베이스 사전을 기반으로 치료 조건과 치료 결과 조건에 상응하는 치료 예측 모델을 구성하는 단계;
    상기 치료 예측 모델을 기반으로 데이터마이닝 결과를 획득한 후, 상기 결과 정보에 따라 상기 데이터마이닝 결과를 편집하여 제공하는 단계; 및
    상기 입력 정보와 상기 데이터마이닝 결과를 포함하는 학습 데이터를 생성 및 제공하는 단계를 포함하며,
    상기 치료 조건은 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나를 치료 조건으로 선택하고, 상기 치료 결과 조건은 상기 치료 조건으로 선택되지 않은 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나에 따른 생존율, 독성, 및 반응도 중 적어도 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  2. 제1항에 있어서, 상기 결과 정보는
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  3. 제1항에 있어서,
    상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  4. 삭제
  5. 제1항에 있어서, 상기 데이터마이닝 결과는
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  6. 제1항에 있어서, 상기 치료 예측 모델을 구성하는 단계는
    수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  7. 제1항에 있어서, 상기 시맨틱 데이터베이스 사전을 구축하는 단계는,
    암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예측 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계;
    상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및
    상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.
  8. 인공 지능망 기반 치료 예측 결과 제공 시스템에 관한 것으로,
    다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 획득부;
    상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부;
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부를 포함하며,
    상기 학습 데이터 획득부는
    문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전;
    치료 조건, 치료 결과 조건, 결과 정보의 종류 중 적어도 하나를 포함하는 입력 정보를 사용자 단말로부터 입력받는 입력 정보 수신부;
    상기 시맨틱 데이터베이스 사전을 기반으로 치료 조건과 치료 결과 조건에 상응하는 치료 예측 모델을 구성하는 예측모델구성부; 및
    상기 치료 예측 모델을 기반으로 데이터마이닝 결과를 획득한 후, 상기 결과 정보의 종류에 따라 상기 데이터마이닝 결과를 편집하여 제공하는 결과 정보 제공부를 포함하며,
    상기 치료 조건은 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나를 치료 조건으로 선택하고, 상기 치료 결과 조건은 상기 치료 조건으로 선택되지 않은 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나에 따른 생존율, 독성, 및 반응도 중 적어도 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.
  9. 제8항에 있어서, 상기 결과 정보는
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.
  10. 제8항에 있어서,
    상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 학습부가 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습하도록 하는 임상 데이터 획득부를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.
  11. 삭제
  12. 삭제
  13. 제 8항에 있어서, 상기 치료 예측 모델은,
    치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법 및 치료 부작용을 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.
KR1020170143558A 2017-10-13 2017-10-31 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템 KR101946402B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170143558A KR101946402B1 (ko) 2017-10-31 2017-10-31 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템
PCT/KR2018/007865 WO2019074191A1 (ko) 2017-10-13 2018-07-11 암 치료 예측결과 제공 방법 및 시스템, 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템, 그리고 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170143558A KR101946402B1 (ko) 2017-10-31 2017-10-31 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101946402B1 true KR101946402B1 (ko) 2019-02-11

Family

ID=65369526

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170143558A KR101946402B1 (ko) 2017-10-13 2017-10-31 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101946402B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210018610A (ko) * 2019-08-06 2021-02-18 고려대학교 산학협력단 인공지능을 이용한 암환자 예후인자 중요도 분석 및 치료계획 처방적 분석 시스템
WO2021041185A1 (en) * 2019-08-29 2021-03-04 Nec Laboratories America, Inc. Adversarial cooperative imitation learning for dynamic treatment
KR20210032191A (ko) * 2019-09-16 2021-03-24 연세대학교 원주산학협력단 탈모의 예후 예측시스템 및 이를 이용한 예후 예측방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009533782A (ja) * 2006-04-17 2009-09-17 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド 医療計画における個人的予後モデル化
JP2016018321A (ja) * 2014-07-07 2016-02-01 株式会社日立製作所 薬効分析システム及び薬効分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009533782A (ja) * 2006-04-17 2009-09-17 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド 医療計画における個人的予後モデル化
JP2016018321A (ja) * 2014-07-07 2016-02-01 株式会社日立製作所 薬効分析システム及び薬効分析方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210018610A (ko) * 2019-08-06 2021-02-18 고려대학교 산학협력단 인공지능을 이용한 암환자 예후인자 중요도 분석 및 치료계획 처방적 분석 시스템
KR102288056B1 (ko) 2019-08-06 2021-08-11 고려대학교 산학협력단 인공지능을 이용한 암환자 예후인자 중요도 분석 및 치료계획 처방적 분석 시스템
WO2021041185A1 (en) * 2019-08-29 2021-03-04 Nec Laboratories America, Inc. Adversarial cooperative imitation learning for dynamic treatment
JP2022542283A (ja) * 2019-08-29 2022-09-30 エヌイーシー ラボラトリーズ アメリカ インク 動的治療のための敵対的協調模倣学習
JP7305028B2 (ja) 2019-08-29 2023-07-07 エヌイーシー ラボラトリーズ アメリカ インク 動的治療のための敵対的協調模倣学習
KR20210032191A (ko) * 2019-09-16 2021-03-24 연세대학교 원주산학협력단 탈모의 예후 예측시스템 및 이를 이용한 예후 예측방법
KR102279024B1 (ko) 2019-09-16 2021-07-16 연세대학교 원주산학협력단 탈모의 예후 예측시스템 및 이를 이용한 예후 예측방법

Similar Documents

Publication Publication Date Title
KR101947725B1 (ko) 암 치료 예측결과 제공 방법 및 시스템
Mierzynska et al. Prognostic value of patient-reported outcomes from international randomised clinical trials on cancer: a systematic review
Selvanambi et al. Lung cancer prediction using higher-order recurrent neural network based on glowworm swarm optimization
Lambin et al. Rapid Learning health care in oncology’–an approach towards decision support systems enabling customised radiotherapy
CN105993016B (zh) 用于为具有特定疾病的个体规划医疗的计算机化系统
US8078554B2 (en) Knowledge-based interpretable predictive model for survival analysis
KR101946402B1 (ko) 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템
CN101421736A (zh) 在医疗计划中的个性化预后建模
Schreibmann et al. Prior‐knowledge treatment planning for volumetric Arc therapy using feature‐based database mining
Kwak et al. Phase II clinical trials with time‐to‐event endpoints: optimal two‐stage designs with one‐sample log‐rank test
Hawley et al. The association between patient attitudes and values and the strength of consideration for contralateral prophylactic mastectomy in a population‐based sample of breast cancer patients
Kim et al. A text-based data mining and toxicity prediction modeling system for a clinical decision support in radiation oncology: a preliminary study
Hong et al. Simulation analysis for tumor radiotherapy based on three‐component mathematical models
Snow et al. Artificial neural networks in clinical urology
Lee et al. Interpretable Machine Learning for Choosing Radiation Dose-volume Constraints on Cardio-pulmonary Substructures Associated with Overall Survival in NRG Oncology RTOG 0617
Alitto et al. PRODIGE: PRediction models in prOstate cancer for personalized meDIcine challenGE
US20200411137A1 (en) Drug Recommendation Method and System
KR101943222B1 (ko) 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템
Chen et al. Multi-objective optimization of cancer treatment using the multi-objective gray wolf optimizer (MOGWO)
KR101963605B1 (ko) 의료진 의사 결정 지원 방법 및 시스템
Zhou et al. SU‐F‐R‐46: Predicting Distant Failure in Lung SBRT Using Multi‐Objective Radiomics Model
Kim et al. Development of the DVH management software for the biologically-guided evaluation of radiotherapy plan
Fonseca et al. An Intelligent System Prototype to support and sharing diagnoses of maligned tumours, based on personalized medicine philosophy
Price et al. Data mining to aid beam angle selection for intensity-modulated radiation therapy
KR101518451B1 (ko) 치료계획에 따른 치료 성과를 평가하는 장치 및 방법

Legal Events

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