KR102116353B1 - 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 - Google Patents
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 Download PDFInfo
- Publication number
- KR102116353B1 KR102116353B1 KR1020180148330A KR20180148330A KR102116353B1 KR 102116353 B1 KR102116353 B1 KR 102116353B1 KR 1020180148330 A KR1020180148330 A KR 1020180148330A KR 20180148330 A KR20180148330 A KR 20180148330A KR 102116353 B1 KR102116353 B1 KR 102116353B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- prescription
- doctor
- patient
- symptom
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 201000010099 disease Diseases 0.000 claims abstract description 108
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 108
- 208000024891 symptom Diseases 0.000 claims abstract description 84
- 238000012790 confirmation Methods 0.000 claims abstract description 57
- 239000000284 extract Substances 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 8
- 239000000955 prescription drug Substances 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000020241 Neonatal disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000037129 Newborn Diseases Infant Diseases 0.000 description 1
- 208000035269 cancer or benign tumor Diseases 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 208000019180 nutritional disease Diseases 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Child & Adolescent Psychology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템이 제공된다. 상기 방법은, 진료확인서 상의 하나 이상의 정보를 추출하는 단계, 처방전 상의 하나 이상의 정보를 추출하는 단계, 하나 이상의 환자 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수집하는 단계, 하나 이상의 제1 의사 단말기로부터 상기 환자의 증상 정보 및 상기 진료확인서 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수집하는 단계, 하나 이상의 제2 의사 단말기로부터 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수집하는 단계, 및 상기 제1 병명 정보, 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성하는 단계를 포함하고, 상기 데이터 셋을 생성하는 단계는, 상기 제1 병명 정보는 표제어로 정의하고, 상기 환자의 증상 정보는 질문으로 정의하고, 상기 제1 의사의 처방 의견 정보는 답변으로 정의하고, 상기 표제어, 상기 질문 및 상기 답변을 하나의 데이터 셋으로 생성한다.
Description
본 발명은 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템에 관한 것이다.
인공지능 기술이 가까운 미래에 의료 분야에 많은 영향을 미칠 것으로 예상된다. 인공지능이 정확한 판단을 내리기 위해서는 다양한 방식으로 수집된 자료를 토대로 자기학습을 거치는 과정이 필요하다. 인공지능의 자기학습을 위해서는 입력과 출력의 데이터 셋이 필요한데, 의료 분야에 대한 다양한 방식으로 수집된 자료를 인공지능 학습을 위한 데이터 셋으로 생성하는 과정은 많은 비용과 시간이 필요한 것이 일반적이다. 또한, 의료 분야와 같은 전문 분야에서 인공지능 학습을 위한 데이터 셋을 생성하는 전담 인력을 확보하는 데에 많은 시간과 비용이 소요된다.. 따라서, 의료 분야의 인공지능 학습을 위한 데이터 셋을 보다 자동화된 방법을 접목하여 생성하는 방법이 필요한 상황이다.
본 발명이 해결하고자 하는 과제는 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법은, 진료확인서 상의 하나 이상의 정보를 추출하는 단계, 처방전 상의 하나 이상의 정보를 추출하는 단계, 하나 이상의 환자 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수집하는 단계, 하나 이상의 제1 의사 단말기로부터 상기 환자의 증상 정보 및 상기 진료확인서 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수집하는 단계, 하나 이상의 제2 의사 단말기로부터 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수집하는 단계, 및 상기 제1 병명 정보, 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성하는 단계를 포함하고, 상기 데이터 셋을 생성하는 단계는, 상기 제1 병명 정보는 표제어로 정의하고, 상기 환자의 증상 정보는 질문으로 정의하고, 상기 제1 의사의 처방 의견 정보는 답변으로 정의하고, 상기 표제어, 상기 질문 및 상기 답변을 하나의 데이터 셋으로 생성한다.
일부 실시예에서, 상기 환자의 증상 정보를 수집하는 단계는, 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 하나 이상의 환자 단말기로 송신하는 단계, 및 상기 하나 이상의 환자 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수신하는 단계를 포함한다.
일부 실시예에서, 상기 제1 의사의 처방 의견 정보를 수집하는 단계는, 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 하나 이상의 제1 의사 단말기로 송신하는 단계, 및 상기 하나 이상의 제1 의사 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수신하는 단계를 포함한다.
일부 실시예에서, 상기 제1 병명 정보를 수집하는 단계는, 상기 환자의 증상 정보, 상기 제1 의사의 처방 의견 정보, 및 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 하나 이상의 후보 병명 정보를 상기 하나 이상의 제2 의사 단말기로 송신하는 단계, 및 상기 하나 이상의 제2 의사 단말기로부터 상기 하나 이상의 후보 병명 정보 중 상기 제2 의사에 의해 선택된 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수신하는 단계를 포함한다.
일부 실시예에서, 상기 제1 의사는 비전문의이고, 상기 제2 의사는 전문의이다.
일부 실시예에서, 상기 진료확인서 상의 하나 이상의 정보는, 성별, 연령, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용 중 하나 이상을 포함한다.
일부 실시예에서, 상기 처방전 상의 하나 이상의 정보는, 성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 중 하나 이상을 포함한다.
일부 실시예에서, 상기 데이터 셋을 생성하는 단계는, 상기 제1 병명 정보를 사전 결정된 기준에 따라 질병 분류 기호로 코드화하여 상기 데이터 셋을 생성한다.
일부 실시예에서, 상기 데이터 셋은, 표제어 집합, 질문 집합, 답변 집합을 포함하고, 상기 표제어는 하나 이상의 질문과 연관되고, 상기 질문은 하나 이상의 답변과 연관된다.
상술한 과제를 해결하기 위한 본 발명의 또 다른 면에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템은, 진료확인서 상의 하나 이상의 정보를 추출하고, 처방전 상의 하나 이상의 정보를 추출하는 추출부, 하나 이상의 환자 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수집하는 환자 증상 수집부, 하나 이상의 제1 의사 단말기로부터 상기 환자의 증상 정보 및 상기 진료확인서 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수집하는 제1 의사 처방 수집부, 하나 이상의 제2 의사 단말기로부터 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수집하는 병명 수집부, 상기 제1 병명 정보, 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성하는 데이터 셋 생성부를 포함하고, 상기 데이터 셋 생성부는, 상기 제1 병명 정보는 표제어로 정의하고, 상기 환자의 증상 정보는 질문으로 정의하고, 상기 제1 의사의 처방 의견 정보는 답변으로 정의하고, 상기 표제어, 상기 질문 및 상기 답변을 하나의 데이터 셋으로 생성한다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템에 의하면, 진료확인서 및 처방전에서 추출된 자료를 이용하여, 제1 병명 정보, 환자의 증상 정보, 제1 의사의 처방 의견 정보로 구성되는 인공지능 학습을 위한 데이터 셋을 자동으로 생성할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법의 개략적인 순서도이다.
도 2는 도 1의 진료확인서 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 3은 도 1의 처방전 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 4는 도 1의 환자의 증상 정보를 수집하는 단계의 개략적인 순서도이다.
도 5는 도 1의 제1 의사의 처방 의견 정보를 수집하는 단계의 개략적인 순서도이다.
도 6은 도 1의 제1 병명 정보를 수집하는 단계의 개략적인 순서도이다.
도 7은 본 발명의 다른 실시예에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템의 개략적인 구성도이다.
도 2는 도 1의 진료확인서 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 3은 도 1의 처방전 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 4는 도 1의 환자의 증상 정보를 수집하는 단계의 개략적인 순서도이다.
도 5는 도 1의 제1 의사의 처방 의견 정보를 수집하는 단계의 개략적인 순서도이다.
도 6은 도 1의 제1 병명 정보를 수집하는 단계의 개략적인 순서도이다.
도 7은 본 발명의 다른 실시예에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템의 개략적인 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법의 개략적인 순서도이다.
도 1을 참조하면, 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법은, 진료확인서 상의 하나 이상의 정보를 추출하는 단계(S100), 처방전 상의 하나 이상의 정보를 추출하는 단계(S200), 환자의 증상 정보를 수집하는 단계(S300), 제1 의사의 처방 의견 정보를 수집하는 단계(S400), 제1 병명 정보를 수집하는 단계(S500) 및 데이터 셋을 생성하는 단계(S600)를 포함한다.
단계 S100에서, 추출부(710)는 진료확인서 상의 하나 이상의 정보를 추출한다. 진료확인서 상의 하나 이상의 정보를 추출하는 단계(S100)는 도 2에서 구체적으로 설명한다.
단계 S200에서, 추출부(710)는 처방전 상의 하나 이상의 정보를 추출한다. 처방전 상의 하나 이상의 정보를 추출하는 단계(S200)는 도 3에서 구체적으로 설명한다.
단계 S300에서, 환자 증상 수집부(720)는 하나 이상의 환자 단말기로부터 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보에 상응하는 환자의 증상 정보를 수집한다. 환자의 증상 정보를 수집하는 단계(S300)는 도 4에서 구체적으로 설명한다.
단계 S400에서, 제1 의사 처방 수집부(730)는 하나 이상의 제1 의사 단말기로부터 환자의 증상 정보 및 진료확인서 상의 하나 이상의 정보에 상응하는 제1 의사의 처방 의견 정보를 수집한다. 제1 의사의 처방 의견 정보를 수집하는 단계(S400)는 도 5에서 구체적으로 설명한다.
단계 S500에서, 병명 수집부(740)는 하나 이상의 제2 의사 단말기로부터 환자의 증상 정보 및 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수집한다. 제1 병명 정보를 수집하는 단계(S500)는 도 6에서 구체적으로 설명한다.
단계 S600에서, 데이터 셋 생성부(750)는 제1 병명 정보, 환자의 증상 정보 및 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성한다.
단계 S600에서, 데이터 셋 생성부(750)는 제1 병명 정보는 표제어(Subject)로 정의하고, 환자의 증상 정보는 질문(Question)으로 정의하고, 제1 의사의 처방 의견 정보는 답변(Answer)으로 정의하고, 표제어, 질문 및 답변을 하나의 데이터 셋으로 생성한다.
단계 S600에서, 데이터 셋 생성부(750)는 제1 병명 정보를 사전 결정된 기준에 따라 질병 분류 기호로 코드화하여 데이터 셋을 생성한다. 예를 들어, 데이터 셋 생성부(750)는 제1 병명 정보를 WHO의 국제질병분류(International Classification of Diseases)에 따라 코드화하여 데이터 셋을 생성할 수 있다.
국제질병분류는 기본이 되는 분류항은 17이고 전신질환을 원인적인 입장에서 I. 감염증 및 기생충류, II. 신생물, III. 내분비ㆍ영양ㆍ대사 및 면역질환으로 하고 나머지를 해부학적 계통별 질병군으로 분류해(IV~X, XII, XIII) 그뒤에 분만ㆍ기형ㆍ신생아질환(XI, XIV, XIII)을 들고 불명확한 진단이나 증상을 XVI 으로하고 XVII 군은 손상 및 중독으로 하고 있으며 독립된 보조분류(E)가 있다. 국제질병분류는 본 발명이 속하는 기술분야의 통상의 기술자에게 자명한 사항이며, 이에 관한 상세한 설명은 본 발명의 요지를 흐릴 수 있으므로 이하 생략하기로 한다.
데이터 셋은 표제어 집합, 질문 집합, 답변 집합을 포함한다. 표제어는 하나 이상의 질문과 연관된다. 그리고, 질문은 하나 이상의 답변과 연관된다.
도 2는 도 1의 진료확인서 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 2를 참조하면, 추출부(710)는 진료확인서에 기재된 정보 중에서 성별, 연령, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용 중 하나 이상을 추출한다.
진료확인서는 진료번호(병록번호, 연번호), 성명, 성별, 연령, 주민등록번호, 전화번호, 주소, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용, 날짜, 의료기관명, 담당의사 서명 등이 기재된다. 추출부(710)는 진료확인서에 기재된 정보 중에서 성별, 연령, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용 중 하나 이상을 추출한다.
추출부(710)는 크롤링(crawling) 또는 코딩을 이용하는 특정 단어에 대한 추출을 하는 방법으로 진료확인서에 기재된 정보를 추출한다. 또한, 추출부(710)는 작업자에 의해서 진료확인서 상에서 관련되는 부분을 수집하는 방법으로 정보를 추출할 수 있다. 작업자에 의해 진료확인서 상에서 관련되는 부분을 수집하는 방법을 사용하는 경우 단계 S100에서 작업자의 단말기로부터 진료확인서 상에서 관련되는 부분을 수집하는 단계를 포함할 수 있다.
도 3은 도 1의 처방전 상의 하나 이상의 정보를 추출하는 단계의 예시도이다.
도 3을 참조하면, 추출부(710)는 처방전에 기재된 정보 중에서 성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 중 하나 이상을 추출한다.
처방전은 교부번호, 성명, 주민번호, 의료기관명, 전화, 처방의료인의 성명, 조제기간, 약사 성명, 조제량, 조제년월일, 성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 등이 기재된다. 추출부(710)는 처방전에 기재된 정보 중에서 성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 중 하나 이상을 추출한다.
추출부(710)는 크롤링(crawling) 또는 코딩을 이용하는 특정 단어에 대한 추출을 하는 방법으로 처방전에 기재된 정보를 추출한다. 또한, 추출부(710)는 작업자에 의해서 처방전 상에서 관련되는 부분을 수집하는 방법으로 정보를 추출할 수 있다. 작업자에 의해 처방전 상에서 관련되는 부분을 수집하는 방법을 사용하는 경우 단계 S200에서 작업자의 단말기로부터 처방전 상에서 관련되는 부분을 수집하는 단계를 포함할 수 있다.
도 4는 도 1의 환자의 증상 정보를 수집하는 단계의 개략적인 순서도이다.
도 4를 참조하면, 환자의 증상 정보를 수집하는 단계(S310)는 진료확인서 및 처방전의 정보를 환자의 단말기로 송신하는 단계(S310) 및 환자의 증상 정보를 수신하는 단계(S320)를 포함한다.
단계 S310에서, 환자 증상 수집부(720)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 하나 이상의 환자 단말기로 송신한다. 단계 S310은 단계 S311 내지 단계 314의 방법으로 진행된다.
단계 S311에서, 환자 증상 수집부(720)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 추출부(710)로부터 수신한다.
단계 S312에서, 환자 증상 수집부(720)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보와 관련된 질병을 경험했던 한 명 이상의 환자를 모집한다.
단계 S313에서, 환자 증상 수집부(720)는 모집된 환자의 단말기로부터 질병 관련 개인 정보 이용 동의를 수신한다.
단계 S314에서, 환자 증상 수집부(720)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 모집된 환자의 단말기에 송신한다.
단계 S320에서, 환자 증상 수집부(720)는 하나 이상의 환자 단말기로부터 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보에 상응하는 환자의 증상 정보를 수신한다. 단계 S320에서, 하나 이상의 환자 단말기는 단계 S312의 질병 관련 개인 정보 이용에 동의한 환자의 단말기를 의미한다.
환자의 증상 정보는, 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법의 질문(Question)에 해당한다.
도 5는 도 1의 제1 의사의 처방 의견 정보를 수집하는 단계의 개략적인 순서도이다.
도 5를 참조하면, 제1 의사의 처방 의견 정보를 수집하는 단계(S400)는 진료확인서 및 처방전의 정보를 제1 의사 단말기로 송신하는 단계(S410) 및 제1 의사의 처방 의견 정보를 수신하는 단계(S420)를 포함한다.
단계 S410에서, 제1 의사 처방 수집부(730)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 하나 이상의 제1 의사 단말기로 송신한다. 단계 S410은 단계 S411 내지 단계 413의 방법으로 진행된다.
단계 S411에서, 제1 의사 처방 수집부(730)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 추출부(710)로부터 수신한다.
단계 S412에서, 제1 의사 처방 수집부(730)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보의 경험이 있는 한 명 이상의 제1 의사를 모집한다. 제1 의사는 비전문의이다. 예를 들어, 제1 의사는 일반 의대생 또는 인턴일 수 있다.
단계 S413에서, 제1 의사 처방 수집부(730)는 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보를 모집된 제1 의사 단말기로 송신한다.
단계 S420에서, 제1 의사 처방 수집부(730)는 하나 이상의 제1 의사 단말기로부터 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보에 상응하는 제1 의사의 처방 의견 정보를 수신한다.
제1 의사의 처방 의견 정보는, 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법의 답변(Answer)에 해당된다.
도 6은 도 1의 제1 병명 정보를 수집하는 단계의 개략적인 순서도이다.
도 6을 참조하면, 제1 병명 정보를 수집하는 단계(S500)는 후보 병명 정보를 제2 의사 단말기로 송신하는 단계(S510) 및 제1 병명 정보를 수신하는 단계(S520)를 포함한다.
단계 S510에서, 병명 수집부(740)는 환자의 증상 정보, 제1 의사의 처방 의견 정보, 및 환자의 증상 정보 및 제1 의사의 처방 의견 정보에 상응하는 하나 이상의 후보 병명 정보를 하나 이상의 제2 의사 단말기로 송신한다. 단계 S510은 단계 S511 내지 단계 513의 방법으로 진행된다.
단계 S511에서, 병명 수집부(740)는 환자의 증상 정보, 제1 의사의 처방 의견 정보를 환자 증상 수집부(720), 제1 의사 처방 수집부(730)로부터 수신한다.
단계 S512에서 병명 수집부(740)는 환자의 증상 정보, 제1 의사의 처방 의견 정보를 이용하여 하나 이상의 후보 병명 정보를 생성한다.
단계 S513에서, 병명 수집부(740)는 환자의 증상 정보 및 제1 의사 처방 의견의 경험이 있는 한 명 이상의 제2 의사를 모집한다. 제2 의사는 전문의이다. 예를 들어, 제2 의사는 내과, 외고, 치과 등의 전문의일 수 있다.
단계 S513에서, 병명 수집부(740)는 환자의 증상 정보, 제1 의사의 처방 의견 정보, 및 하나 이상의 후보 병명 정보를 모집된 제2 의사 단말기로 송신한다.
단계 S520에서, 병명 수집부(740)는 하나 이상의 제2 의사 단말기로부터 하나 이상의 후보 병명 정보 중 제2 의사에 의해 선택된 환자의 증상 정보 및 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수신한다. 제2 의사는 하나 이상의 후보 병명 정보 중에서 하나의 제1 병명 정보를 선택할 수 있고, 하나 이상의 후보 병명 정보와 다른 하나의 제1 병명 정보를 입력할 수 있다.
제1 병명 정보는, 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법의 표제어(Subject)에 해당한다.
단계 S500 이후, 단계 S600 이전에 제1 병명 정보를 검증하는 단계(미도시)를 더 포함할 수 있다.
제1 병명 정보를 검증하는 단계에서, 검증부(미도시)는 단계 S500의 제1 병명 정보와 진료확인서 상의 제2 병명 정보를 비교한다. 제1 병명 정보와 제2 병명 정보가 일치하는 경우, 검증부는 제1 병명 정보를 신뢰할 수 있는 병명 정보로 판단하고, 제1 병명 정보를 S600의 데이터 셋의 표제어로 사용한다. 하지만, 제1 병명 정보와 제2 병명 정보가 일치하지 않는 경우, 검증부는 제1 병명 정보를 신뢰할 수 없는 병명 정보로 판단하고, 제1 병명 정보를 S600의 데이터 셋의 표제어로 사용하지 않는다.
제1 병명 정보가 신뢰할 수 없는 병명 정보로 판단되는 경우, 환자, 제1 의사, 제2 의사를 새롭게 모집할 수 있다. 동일한 환자, 제1 의사, 제2 의사로부터 수집된 제1 병명 정보가 소정의 횟수 이상 신뢰할 수 없다고 판단되는 경우, 해당 환자, 제1 의사, 제2 의사는 신뢰할 수 없다고 판단하고, 해당 환자, 제1 의사, 제2 의사로부터 환자의 증상 정보, 제1 의사의 처방 의견 정보, 제1 병명 정보를 더 이상 수신하지 않을 수 있다.
도 7은 본 발명의 다른 실시예에 따른 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템의 개략적인 구성도이다.
도 7을 참조하면, 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템은 추출부(710), 환자 증상 수집부(720), 제1 의사 처방 수집부(730), 병명 수집부(740) 및 데이터 셋 생성부(750)를 포함한다.
도 7의 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템의 구성요소는 도 1 내지 도 6을 참조하여 설명한 방법의 구성요소에 상응한다. 추출부(710)는 진료확인서 상의 하나 이상의 정보를 추출하는 단계(S100) 및 처방전 상의 하나 이상의 정보를 추출하는 단계(S200), 환자 증상 수집부(720)는 환자의 증상 정보를 수집하는 단계(S300), 제1 의사 처방 수집부(730)는 제1 의사의 처방 의견 정보를 수집하는 단계(S400), 병명 수집부(740)는 제1 병명 정보를 수집하는 단계(S500), 데이터 셋 생성부(750)는 데이터 셋을 생성하는 단계(S600)를 수행할수 있다. 이하, 시스템의 각 구성요소의 기능 또는 동작을 설명함에 있어서 중복된 설명은 생략하기로 한다.
추출부(710)는 진료확인서 상의 하나 이상의 정보를 추출하고, 처방전 상의 하나 이상의 정보를 추출한다.
환자 증상 수집부(720)는 하나 이상의 환자 단말기로부터 진료확인서 상의 하나 이상의 정보 및 처방전 상의 하나 이상의 정보에 상응하는 환자의 증상 정보를 수집한다.
제1 의사 처방 수집부(730)는 하나 이상의 제1 의사 단말기로부터 환자의 증상 정보 및 진료확인서 상의 하나 이상의 정보에 상응하는 제1 의사의 처방 의견 정보를 수집한다.
병명 수집부(740)는 하나 이상의 제2 의사 단말기로부터 환자의 증상 정보 및 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수집한다.
데이터 셋 생성부(750)는 제1 병명 정보, 환자의 증상 정보 및 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성한다.
데이터 셋 생성부(750)는 제1 병명 정보는 표제어로 정의하고, 환자의 증상 정보는 질문으로 정의하고, 제1 의사의 처방 의견 정보는 답변으로 정의하고, 표제어, 질문 및 답변을 하나의 데이터 셋으로 생성한다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 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, 제한적이 아닌 것으로 이해해야만 한다.
710 : 추출부
720 : 환자 증상 수집부
730 : 제1 의사 처방 수집부
740 : 병명 수집부
750 : 데이터 셋 생성부
720 : 환자 증상 수집부
730 : 제1 의사 처방 수집부
740 : 병명 수집부
750 : 데이터 셋 생성부
Claims (11)
- 추출부가 진료확인서 상의 하나 이상의 정보를 추출하는 단계;
상기 추출부가 처방전 상의 하나 이상의 정보를 추출하는 단계;
환자 증상 수집부가 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보와 관련된 질병을 경험했던 하나 이상의 환자의 단말기로 송신하고, 상기 하나 이상의 환자의 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수신하여 수집하는 단계;
제1 의사 처방 수집부가 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보와 관련된 경험이 있는 하나 이상의 제1 의사의 단말기로 송신하고, 상기 하나 이상의 제1 의사의 단말기로부터 상기 환자의 증상 정보 및 상기 진료확인서 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수신하여 수집하는 단계;
병명 수집부가 상기 환자의 증상 정보, 상기 제1 의사의 처방 의견 정보, 및 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 하나 이상의 후보 병명 정보를 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보와 관련된 경험이 있는 하나 이상의 제2 의사의 단말기로 송신하고, 상기 하나 이상의 제2 의사의 단말기로부터 상기 하나 이상의 후보 병명 정보 중에서 선택된 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수신하여 수집하는 단계; 및
데이터 셋 생성부가 상기 제1 병명 정보, 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성하는 단계를 포함하고,
상기 데이터 셋 생성부가 상기 데이터 셋을 생성하는 단계는,
상기 제1 병명 정보는 표제어로 정의하고, 상기 환자의 증상 정보는 질문으로 정의하고, 상기 제1 의사의 처방 의견 정보는 답변으로 정의하고, 상기 표제어, 상기 질문 및 상기 답변을 하나의 데이터 셋으로 생성하고,
상기 진료확인서 상의 하나 이상의 정보는,
성별, 연령, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용 중 하나 이상을 포함하고,
상기 상기 처방전 상의 하나 이상의 정보는,
성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 중 하나 이상을 포함하는,
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법. - 삭제
- 삭제
- 삭제
- 제1 항에 있어서,
상기 제1 의사는 비전문의이고, 상기 제2 의사는 전문의인,
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법. - 삭제
- 삭제
- 제1 항에 있어서,
상기 데이터 셋 생성부가 상기 데이터 셋을 생성하는 단계는,
상기 제1 병명 정보를 사전 결정된 기준에 따라 질병 분류 기호로 코드화하여 상기 데이터 셋을 생성하는,
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법. - 제1 항에 있어서,
상기 데이터 셋은, 표제어 집합, 질문 집합, 답변 집합을 포함하고, 상기 표제어는 하나 이상의 질문과 연관되고, 상기 질문은 하나 이상의 답변과 연관되는,
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법. - 진료확인서 상의 하나 이상의 정보를 추출하고, 처방전 상의 하나 이상의 정보를 추출하는 추출부;
상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보와 관련된 질병을 경험했던 하나 이상의 환자의 단말기로 송신하고, 상기 하나 이상의 환자 단말기로부터 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보에 상응하는 상기 환자의 증상 정보를 수신하여 수집하는 환자 증상 수집부;
제1 의사 처방 수집부가 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보를 상기 진료확인서 상의 하나 이상의 정보 및 상기 처방전 상의 하나 이상의 정보와 관련된 경험이 있는 하나 이상의 제1 의사의 단말기로 송신하고, 상기 하나 이상의 제1 의사의 단말기로부터 상기 환자의 증상 정보 및 상기 진료확인서 상의 하나 이상의 정보에 상응하는 상기 제1 의사의 처방 의견 정보를 수신하여 수집하는 제1 의사 처방 수집부;
상기 환자의 증상 정보, 상기 제1 의사의 처방 의견 정보, 및 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 하나 이상의 후보 병명 정보를 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보와 관련된 경험이 있는 하나 이상의 제2 의사의 단말기로 송신하고, 상기 하나 이상의 제2 의사의 단말기로부터 상기 하나 이상의 후보 병명 정보 중에서 선택된 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보에 상응하는 제1 병명 정보를 수신하여 수집하는 병명 수집부;
상기 제1 병명 정보, 상기 환자의 증상 정보 및 상기 제1 의사의 처방 의견 정보를 이용하여 데이터 셋을 생성하는 데이터 셋 생성부를 포함하고,
상기 데이터 셋 생성부는,
상기 제1 병명 정보는 표제어로 정의하고, 상기 환자의 증상 정보는 질문으로 정의하고, 상기 제1 의사의 처방 의견 정보는 답변으로 정의하고, 상기 표제어, 상기 질문 및 상기 답변을 하나의 데이터 셋으로 생성하고,
상기 진료확인서 상의 하나 이상의 정보는,
성별, 연령, 병이 발생한 신체 부위, 제2 병명 정보, 진료 기간, 진료 내용 중 하나 이상을 포함하고,
상기 상기 처방전 상의 하나 이상의 정보는,
성별, 연령, 질병분류기호, 처방 의약품 명칭, 1회 투약량, 1일 투여횟수, 총 투약일수, 용법 중 하나 이상을 포함하는,
진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 시스템. - 컴퓨터와 결합하여, 제1항, 제5항, 제8항 또는 제9항 중 어느 하나의 항의 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법을 실행시키기 위하여 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180148330A KR102116353B1 (ko) | 2018-11-27 | 2018-11-27 | 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180148330A KR102116353B1 (ko) | 2018-11-27 | 2018-11-27 | 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102116353B1 true KR102116353B1 (ko) | 2020-05-29 |
Family
ID=70912366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180148330A KR102116353B1 (ko) | 2018-11-27 | 2018-11-27 | 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102116353B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102493770B1 (ko) | 2022-09-30 | 2023-01-31 | 한승민 | 환자 증상 평가 질문지 제공 방법, 장치 및 시스템 |
| KR20230156245A (ko) * | 2022-05-04 | 2023-11-14 | 주식회사 타이로스코프 | 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180008247A (ko) | 2016-07-14 | 2018-01-24 | 김경호 | 딥러닝 인공신경망 기반의 타스크 제공 플랫폼 |
| KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
| KR101884609B1 (ko) * | 2017-05-08 | 2018-08-02 | (주)헬스허브 | 모듈화된 강화학습을 통한 질병 진단 시스템 |
-
2018
- 2018-11-27 KR KR1020180148330A patent/KR102116353B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180008247A (ko) | 2016-07-14 | 2018-01-24 | 김경호 | 딥러닝 인공신경망 기반의 타스크 제공 플랫폼 |
| KR101884609B1 (ko) * | 2017-05-08 | 2018-08-02 | (주)헬스허브 | 모듈화된 강화학습을 통한 질병 진단 시스템 |
| KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230156245A (ko) * | 2022-05-04 | 2023-11-14 | 주식회사 타이로스코프 | 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법 |
| KR102607085B1 (ko) | 2022-05-04 | 2023-11-30 | 주식회사 타이로스코프 | 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법 |
| KR102493770B1 (ko) | 2022-09-30 | 2023-01-31 | 한승민 | 환자 증상 평가 질문지 제공 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hales et al. | Prescription drug use among adults aged 40–79 in the United States and Canada | |
| Ince et al. | A systematic review of the implementation of recommended psychological interventions for schizophrenia: rates, barriers, and improvement strategies | |
| Noyes et al. | Qualitative research and Cochrane reviews | |
| US20210057106A1 (en) | System and Method for Digital Therapeutics Implementing a Digital Deep Layer Patient Profile | |
| US20230031792A1 (en) | Design Method of Oncological Computerized Physician Order Entry System with Intelligent Clinical Decision Recommendation Function | |
| KR102116353B1 (ko) | 진료 및 처방 인공지능을 위한 표제어-질문-답변 데이터 셋 자동 구축 방법 및 시스템 | |
| Warren et al. | Building the community: Endogenous network formation, homophily and prosocial sorting among therapeutic community residents | |
| Karimi et al. | Development and use of natural language processing for identification of distant cancer recurrence and sites of distant recurrence using unstructured electronic health record data | |
| US20220101970A1 (en) | System and method for computerized synthesis of simulated health data | |
| Mayo et al. | How can we effect culture change toward data-driven medicine? | |
| Mayhew et al. | Long and short Integrated Management of Childhood Illness (IMCI) training courses in Afghanistan: a cross-sectional cohort comparison of post-course knowledge and performance | |
| Ankrah et al. | A review of the Ghana National Health Insurance Scheme claims database: possibilities and limits for drug utilization research | |
| Raheja et al. | Data analysis and its importance in health care | |
| Bonin et al. | HBCP corpus: a new resource for the analysis of behavioural change intervention reports | |
| Ahmadi et al. | SWOT analysis of program design and implementation: a case study on the reduction of maternal mortality in Afghanistan | |
| Hwang et al. | Mapping Korean EDI medical procedure code to SNOMED CT | |
| Ahmadi et al. | A systematic review of machine learning for assessment and feedback of treatment fidelity | |
| CN115938608A (zh) | 一种基于提示学习模型的临床决策预警的方法和系统 | |
| Fuji et al. | Pharmacists and health information technology: emerging issues in patient safety | |
| CN117059279A (zh) | 基于虚拟数字人体模型的医疗服务平台、方法和装置 | |
| Campillos-Llanos et al. | Initial experiments for pharmacovigilance analysis in social media using summaries of product characteristics | |
| Copley et al. | Nurse practitioner-led education: Improving advance care planning in the skilled nursing facility | |
| Zheng et al. | Identifying cases of shoulder injury related to vaccine administration (SIRVA) in the United States: development and validation of a natural language processing method | |
| Arsenović et al. | Beliefs about influenza and avoidance of free influenza immunization among people with chronic diseases. | |
| Pantuzza et al. | Development and content validation of the medication literacy test for older adults (TELUMI) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |