KR102192786B1 - 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 - Google Patents
감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102192786B1 KR102192786B1 KR1020200060353A KR20200060353A KR102192786B1 KR 102192786 B1 KR102192786 B1 KR 102192786B1 KR 1020200060353 A KR1020200060353 A KR 1020200060353A KR 20200060353 A KR20200060353 A KR 20200060353A KR 102192786 B1 KR102192786 B1 KR 102192786B1
- Authority
- KR
- South Korea
- Prior art keywords
- patient
- infection
- probability
- location information
- close contact
- Prior art date
Links
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 393
- 238000004364 calculation method Methods 0.000 title claims abstract description 103
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 69
- 238000011841 epidemiological investigation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000010295 mobile communication Methods 0.000 claims abstract description 80
- 238000004891 communication Methods 0.000 claims abstract description 54
- 230000000694 effects Effects 0.000 claims abstract description 47
- 238000013480 data collection Methods 0.000 claims abstract description 40
- 230000033001 locomotion Effects 0.000 claims description 74
- 238000010801 machine learning Methods 0.000 claims description 61
- 238000013507 mapping Methods 0.000 claims description 60
- 238000004422 calculation algorithm Methods 0.000 claims description 53
- 239000000284 extract Substances 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 33
- 238000002955 isolation Methods 0.000 claims description 29
- 230000002458 infectious effect Effects 0.000 claims description 20
- 238000013075 data extraction Methods 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 6
- 230000009545 invasion Effects 0.000 abstract description 4
- 238000004659 sterilization and disinfection Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 14
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 208000003322 Coinfection Diseases 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000007789 sealing Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 201000003176 Severe Acute Respiratory Syndrome Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000006824 bubonic plague Diseases 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012549 training Methods 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
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 감염확률 자동연산을 통한 감염병 역학조사시스템과 그 방법에 관한 것으로, 더욱 상세하게는, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고, 상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리를 기반으로 밀접접촉자의 감염확률을 연산하여 환자의 시간에 따른 위치정보와 통신 데이터베이스에 의해 제공되는 위치정보로부터 환자로부터 감염병의 전염이 가능한 감염가능거리 내에 위치하는 밀접접촉자들의 감염확률을 자동으로 계산하여 감염이 예상되는 밀접접촉자들에게 자동으로 알림을 전송하고 격리여부와 감염여부를 출력함으로써 사생활 침해의 우려 없이 신속하게 감염 위험이 있는 밀접접촉자들에게만 감염위험성과 격리를 안내하여 통합적인 감염병의 역학조사가 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템과 그 방법에 관한 것이다.
Description
본 발명은 감염확률 자동연산을 통한 감염병 역학조사시스템과 그 방법에 관한 것으로, 더욱 상세하게는, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고, 상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리를 기반으로 밀접접촉자의 감염확률을 연산하여 환자의 시간에 따른 위치정보와 통신 데이터베이스에 의해 제공되는 위치정보로부터 환자로부터 감염병의 전염이 가능한 감염가능거리 내에 위치하는 밀접접촉자들의 감염확률을 자동으로 계산하여 감염이 예상되는 밀접접촉자들에게 자동으로 알림을 전송하고 격리여부와 감염여부를 출력함으로써 사생활 침해의 우려 없이 신속하게 감염 위험이 있는 밀접접촉자들에게만 감염위험성과 격리를 안내하여 통합적인 감염병의 역학조사가 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템과 그 방법에 관한 것이다.
사스, 흑사병 등의 전염성이 강한 감염병은 지역감염이 활발하고 치사율이 높아 국가 차원에서의 관리가 필요한 질병이다. 특히, 현재 유행하고 있는 코로나19 바이러스의 경우에도 전염성과 치사율에 따라 정부와 질병관리본부 당국에서 역학조사를 통해 감염자를 파악하고 있다. 현재 코로나19의 역학조사는 전문적 훈련을 받은 역학조사관들이 직접 확진자와의 밀접접촉자를 CCTV등을 이용하여 수작업으로 파악을 하고 정리하여 감염 위험자들을 분류하는 방식이며 이 과정에서 한명의 확진자에 대한 밀접접촉자들을 분류하는데 몇일 정도의 시간이 소요된다. 이렇게 소요되는 시간동안 감염 위험이 있는 밀접접촉자들이 돌아다니며 2차감염을 시키게 되는 일이 발생하고, 새로운 환자가 발생하여 전체 감염자는 기하급수적으로 증가하게 된다.
종래 및 현재 역학조사는 환자의 동선을 확인하여 환자의 동선에 위치하는 밀접접촉자들을 수작업으로 파악하고 있다. 그러나 이러한 방법은 밀접접촉자의 선별이 부정확하며 어떤 접촉자가 감염확률이 높은지를 알 수 없다. 특히, 환자 및 접촉자가 자신의 신상정보를 거짓으로 작성하거나 동선을 말하지 않는 경우에는 더욱 동선과 밀접접촉자의 추적이 어려워지게 되는 문제점이 있다. 또한, 환자의 동선을 파악하더라도 동선과 밀접접촉자들에 대한 알림이 전국민에게 전송되어 불편을 야기하고, 공중에 공개되는 환자의 동선은 사생활 침해의 우려가 있다. 나아가, 감염 발생 장소가 집중되어 있지 않다면 각각의 감염 Case들에 대해 인력이 분산된 상태에서 역학조사가 진행이 되게 되고 결국 감염 장소가 여러 곳으로 늘어나게 되면 감염 Case들의 경로가 역학조사관 수에 비해 현저히 많아져 추적이 불가능한 경우가 발생한다.
따라서, 자동으로 환자와 밀접접촉자의 동선 및 정보를 수집하고, 이로부터 밀접접촉자의 감염확률을 계산하여 감염이 예상되는 밀접접촉자들에게 선별적으로 알림을 전송함으로써 신속하게 격리 또는 진료가 필요한 밀접접촉자를 파악하고 산발적인 지역감염을 억제할 수 있는 감염병 역학조사시스템이 필요하다.
본 발명은 상기와 같은 문제점을 해결하고자 안출된 것으로,
본 발명의 목적은, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고, 상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리 및 환자와 같은 공간에 체류했던 시간을 기반으로 밀접접촉자의 감염확률을 연산하는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 상기 감염확률 연산부는 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출하는 인접자추출부, 상기 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용하는 감염변수 적용부, 상기 인접자들의 감염확률을 분석하는 확률산출모듈 및 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬하는 정렬모듈을 포함하여 감염확률을 기준으로 밀접접촉자를 분류하여 집중적인 방역활동이 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 상기 인접자추출부는 환자의 시간에 따른 위치정보를 추출하는 환자동선 추출모듈, 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정하는 거리측정모듈 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 인접자 지정모듈을 포함하여 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출하여 환자의 동선에 대한 정보가 부족하더라도 통신정보로부터 수집되는 위치정보를 통하여 환자와 밀접접촉자의 효과적인 추적이 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 환자와 환자 주변의 이동통신 디바이스의 위치정보는 3차원 좌표를 갖도록 추출되며, 상기 인접자 지정모듈은 상기 환자의 위치로부터 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하여 감염이 의심되는 밀접접촉자에 한해 방역활동을 실시할 수 있는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 상기 인접자 지정모듈은 상기 인접자의 감염가능거리 내에서의 위치정보를 추출하되, 상기 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 리스트 구조로 저장하는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 데이터수집부는 데이터베이스로부터 환자의 동선상에 위치한 구조물에 대한 정보를 수집하고, 상기 감염변수 적용부는 상기 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는 접촉시간 산출부, 환자와 인접자 사이의 차폐여부를 판단하는 장애물 적용부, 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용하는 가중치 적용부를 포함하여 감염확률을 산출하여 감염확률에 영향을 주는 마스크 착용여부 등에 따라 감염확률이 보정될 수 있는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 상기 감염확률 자동연산을 통한 감염병 역학조사시스템은 환자의 동선과 인접자의 시간에 따른 위치정보를 기반으로 기계학습을 통해 감염확률에 대한 예측모델을 생성하는 기계학습부를 더 포함하며, 확률산출모듈은 상기 기계학습부로부터 도출된 예측모델에 근거하여 감염확률을 산출하고, 상기 기계학습부는 감염확률 예측에 대한 요소를 추출하는 변수추출모듈, 기계학습을 위한 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택하는 알고리즘선택모듈 및 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하는 학습모듈을 포함하여 많은 데이터 사이에서 효과적인 감염자 예측이 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 상기 기계학습부는 지도학습을 통해 감염확률에 대한 예측모델을 생성하고, 데이터수집부로부터 지도학습을 위한 학습데이터를 추출하는 학습데이터 추출모듈을 더 포함하며, 상기 학습데이터 추출모듈은 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 추출함으로써 유행중인 감염병의 실제 전염과 근접하여 감염 예상자를 도출할 수 있는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명의 목적은, 방역활동부는 감염확률 연산부의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송하는 알림전송모듈, 상기 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신하는 상태수신모듈 및 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시하는 맵핑부를 포함하여 방역 담당자가 감염 예상이 되는 밀접접촉자를 직관적으로 파악할 수 있는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 것이다.
본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.
본 발명의 일 실시예에 따르면, 본 발명은, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고, 상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리를 기반으로 밀접접촉자의 감염확률을 연산하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 감염확률 연산부는 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출하는 인접자추출부, 상기 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용하는 감염변수 적용부, 상기 인접자들의 감염확률을 분석하는 확률산출모듈 및 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬하는 정렬모듈을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 인접자추출부는 환자의 시간에 따른 위치정보를 추출하는 환자동선 추출모듈, 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정하는 거리측정모듈 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 인접자 지정모듈을 포함하여 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 환자와 환자 주변의 이동통신 디바이스의 위치정보는 3차원 좌표를 갖도록 추출되며, 상기 인접자 지정모듈은 상기 환자의 위치로부터 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 인접자 지정모듈은 상기 인접자의 감염가능거리 내에서의 위치정보를 추출하되, 상기 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 리스트 구조로 저장하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 데이터수집부는 데이터베이스로부터 환자의 동선상에 위치한 구조물에 대한 정보를 수집하고, 상기 감염변수 적용부는 상기 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는 접촉시간 산출부, 환자와 인접자 사이의 차폐여부를 판단하는 장애물 적용부, 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용하는 가중치 적용부를 포함하여 감염확률을 산출하도록 하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 감염확률 자동연산을 통한 감염병 역학조사시스템은 환자의 동선과 인접자의 시간에 따른 위치정보를 기반으로 기계학습을 통해 감염확률에 대한 예측모델을 생성하는 기계학습부를 더 포함하며, 확률산출모듈은 상기 기계학습부로부터 도출된 예측모델에 근거하여 감염확률을 산출하고, 상기 기계학습부는 감염확률 예측에 대한 요소를 추출하는 변수추출모듈, 기계학습을 위한 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택하는 알고리즘선택모듈 및 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하는 학습모듈을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 기계학습부는 지도학습을 통해 감염확률에 대한 예측모델을 생성하고, 데이터수집부로부터 지도학습을 위한 학습데이터를 추출하는 학습데이터 추출모듈을 더 포함하며, 상기 학습데이터 추출모듈은 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 추출하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 방역활동부는 감염확률 연산부의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송하는 알림전송모듈, 상기 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신하는 상태수신모듈 및 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시하는 맵핑부를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 알림전송모듈은 감염확률이 높은 밀접접촉자 순으로 알림을 전송하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 맵핑부는 환자, 인접자 및/또는 밀접접촉자의 시간에 따른 위치정보를 맵핑하는 동선맵핑모듈, 상기 상태수신모듈로부터 전달되는 환자, 인접자 및/또는 밀접접촉자의 감염여부를 맵핑하는 진단맵핑모듈 및 환자, 인접자 및/또는 밀접접촉자의 격리여부를 맵핑하는 격리맵핑모듈을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 본 발명은, 상기 진단맵핑모듈과 격리맵핑모듈은 맵핑된 환자, 인접자 및/또는 밀접접촉자의 심볼 상에 진단여부와 격리여부를 표시하는 것을 특징으로 한다.
본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.
본 발명은, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고, 상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리 및 환자와 같은 공간에 체류했던 시간을 기반으로 밀접접촉자의 감염확률을 연산하는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 효과를 가진다.
본 발명은, 상기 감염확률 연산부는 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출하는 인접자추출부, 상기 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용하는 감염변수 적용부, 상기 인접자들의 감염확률을 분석하는 확률산출모듈 및 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬하는 정렬모듈을 포함하여 감염확률을 기준으로 밀접접촉자를 분류하여 집중적인 방역활동이 가능한 효과를 수반한다.
본 발명은, 상기 인접자추출부는 환자의 시간에 따른 위치정보를 추출하는 환자동선 추출모듈, 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정하는 거리측정모듈 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 인접자 지정모듈을 포함하여 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출하여 정보가 부족하더라도 통신정보로부터 수집되는 위치정보를 통하여 환자와 밀접접촉자의 효과적인 추적이 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 효과를 안출한다.
본 발명은, 환자와 환자 주변의 이동통신 디바이스의 위치정보는 3차원 좌표를 갖도록 추출되며, 상기 인접자 지정모듈은 상기 환자의 위치로부터 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하여 감염이 의심되는 밀접접촉자에 한해 방역활동을 실시할 수 있는 효과를 도출한다.
본 발명은, 상기 인접자 지정모듈은 상기 인접자의 감염가능거리 내에서의 위치정보를 추출하되, 상기 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 리스트 구조로 저장하는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 효과가 있다.
본 발명은, 데이터수집부는 데이터베이스로부터 환자의 동선상에 위치한 구조물에 대한 정보를 수집하고, 상기 감염변수 적용부는 상기 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는 접촉시간 산출부, 환자와 인접자 사이의 차폐여부를 판단하는 장애물 적용부, 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용하는 가중치 적용부를 포함하여 감염확률을 산출하여 감염확률에 영향을 주는 마스크 착용여부 등에 따라 감염확률이 보정될 수 있는 효과를 가진다.
본 발명은, 환자의 동선과 인접자의 시간에 따른 위치정보를 기반으로 기계학습을 통해 감염확률에 대한 예측모델을 생성하는 기계학습부를 더 포함하며, 확률산출모듈은 상기 기계학습부로부터 도출된 예측모델에 근거하여 감염확률을 산출하고, 상기 기계학습부는 감염확률 예측에 대한 요소를 추출하는 변수추출모듈, 기계학습을 위한 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택하는 알고리즘선택모듈 및 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하는 학습모듈을 포함하여 많은 데이터 사이에서 효과적인 감염자 예측이 가능하다.
본 발명은, 상기 기계학습부는 지도학습을 통해 감염확률에 대한 예측모델을 생성하고, 데이터수집부로부터 지도학습을 위한 학습데이터를 추출하는 학습데이터 추출모듈을 더 포함하며, 상기 학습데이터 추출모듈은 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 추출함으로써 유행중인 감염병의 실제 전염과 근접하여 감염 예상자를 도출할 수 있다.
본 발명은, 방역활동부는 감염확률 연산부의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송하는 알림전송모듈, 상기 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신하는 상태수신모듈 및 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시하는 맵핑부를 포함하여 방역 담당자가 감염 예상이 되는 밀접접촉자를 직관적으로 파악할 수 있는 감염확률 자동연산을 통한 감염병 역학조사시스템을 제공하는 효과를 준다.
도 1은 종래의 환자의 분포상태를 지리정보와 병합하여 출력하는 질병관리시스템을 도시한 도면
도 2는 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사시스템의 블록도
도 3은 본 발명의 일 실시예에 따른 인접자추출부(31)의 블록도
도 4는 본 발명의 일 실시예에 따른 감염변수 적용부(33)의 블록도
도 5의 (a)는 환자와 인접자 사이의 거리에 따른 감염확률을 나타낸 그래프이고, 도 5의 (b)는 환자로부터 감염원이 전파되는 모습을 도시한 도면
도 6은 본 발명의 일 실시예에 따른 맵핑부(75)의 블록도
도 7은 본 발명의 맵핑부(75)에 따라 환자에 의한 감염 초기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 8은 본 발명의 맵핑부(75)에 따라 환자에 의한 감염이 진행되어 격리자가 발생하는 시기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 9는 본 발명의 맵핑부(75)에 따라 밀접접촉자에 대한 격리와 감염여부 진단이 완료된 시기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 10은 본 발명의 맵핑부(75)에 따라 환자에 의한 전염이 소강된 상태에서 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 11은 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사방법(S)의 순서도
도 12는 본 발명의 일 실시예에 따른 감염확률 연산단계(S30)의 순서도
도 13은 본 발명의 일 실시예에 따른 인접자추출단계(S31)의 순서도
도 14는 본 발명의 일 실시예에 따른 감염변수 적용단계(S33)의 순서도
도 15는 본 발명의 일 실시예에 따른 기계학습단계(S50)의 순서도
도 16은 본 발명의 일 실시예에 따른 방역활동단계(S70)의 순서도
도 17은 본 발명의 일 실시예에 따른 맵핑단계(S75)의 순서도
도 2는 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사시스템의 블록도
도 3은 본 발명의 일 실시예에 따른 인접자추출부(31)의 블록도
도 4는 본 발명의 일 실시예에 따른 감염변수 적용부(33)의 블록도
도 5의 (a)는 환자와 인접자 사이의 거리에 따른 감염확률을 나타낸 그래프이고, 도 5의 (b)는 환자로부터 감염원이 전파되는 모습을 도시한 도면
도 6은 본 발명의 일 실시예에 따른 맵핑부(75)의 블록도
도 7은 본 발명의 맵핑부(75)에 따라 환자에 의한 감염 초기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 8은 본 발명의 맵핑부(75)에 따라 환자에 의한 감염이 진행되어 격리자가 발생하는 시기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 9는 본 발명의 맵핑부(75)에 따라 밀접접촉자에 대한 격리와 감염여부 진단이 완료된 시기에 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 10은 본 발명의 맵핑부(75)에 따라 환자에 의한 전염이 소강된 상태에서 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면
도 11은 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사방법(S)의 순서도
도 12는 본 발명의 일 실시예에 따른 감염확률 연산단계(S30)의 순서도
도 13은 본 발명의 일 실시예에 따른 인접자추출단계(S31)의 순서도
도 14는 본 발명의 일 실시예에 따른 감염변수 적용단계(S33)의 순서도
도 15는 본 발명의 일 실시예에 따른 기계학습단계(S50)의 순서도
도 16은 본 발명의 일 실시예에 따른 방역활동단계(S70)의 순서도
도 17은 본 발명의 일 실시예에 따른 맵핑단계(S75)의 순서도
이하에서는 본 발명에 따른 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법의 바람직한 실시 예들을 첨부된 도면을 참고하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어 공지의 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 특별한 정의가 없는 한 본 명세서의 모든 용어는 본 발명이 속하는 기술분야의 통상의 지식을 가진 기술자가 이해하는 당해 용어의 일반적 의미와 동일하고 만약 본 명세서에서 사용된 용어의 의미와 충돌하는 경우에는 본 명세서에서 사용된 정의에 따른다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니고, 다른 구성요소 또한 더 포함할 수 있는 것을 의미하며, 명세서에 기재된 "~부","~모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하고, 이는 하드웨어나 소프트웨어 또는 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 어떤 구성요소가 다른 구성요소와 "연결"된다는 것은 직접 연결될 수도 있으나 다른 구성요소를 매개하여 연결되는 것을 배제하지는 않으며, 무선 통신을 통하여 데이터가 전송되는 개념도 포함할 수 있다. 이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써 본 발명을 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사시스템(1)의 블록도이다. 도 2를 참고하면, 상기 감염확률 자동연산을 통한 감염병 역학조사시스템(1)은 환자의 시간에 따른 위치정보와 통신 데이터베이스에 의해 제공되는 위치정보로부터 환자로부터 감염병의 전염이 가능한 감염가능거리 내에 위치하는 밀접접촉자들의 감염확률을 자동으로 계산하여 감염이 예상되는 밀접접촉자들에게 자동으로 알림을 전송하고 격리여부와 감염여부를 출력함으로써 사생활 침해의 우려 없이 신속하게 감염 위험이 있는 밀접접촉자들에게만 감염위험성과 격리를 안내하여 통합적인 감염병의 역학조사가 가능하도록 하는 것을 특징으로 한다. 상기 감염확률 자동연산을 통한 감염병 역학조사시스템(1)은 데이터수집부(10), 감염확률 연산부(30), 기계학습부(50), 방역활동부(70)를 포함한다.
상기 데이터수집부(10)는 후술하는 데이터베이스(80)로부터 환자에 대한 정보와 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보 등을 수집한다. 바람직하게는 데이터베이스(80)로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집할 수 있으며, 환자의 동선에 따라 환자가 체류하거나 거쳤던 구조물에 대한 정보도 수집할 수 있다. 상기 데이터수집부(10)는 환자정보 수집모듈(11), 통신정보 수집모듈(13), 질병정보 수집모듈(15) 및 구조물정보 수집모듈(17)을 포함한다.
상기 환자정보 수집모듈(11)은 감염병에 확진된 환자의 제반 정보를 수집한다. 후술하는 방역정보DB(81)로부터 환자에 대한 방역활동 정보를 수집할 수 있는데, 자세하게는 역학조사를 통한 환자의 동선, 환자의 ID, 이동통신 디바이스, 각 동선에서의 마스크 착용여부 등의 정보가 감염확률 연산을 위해 수집될 수 있다. 이때, 환자의 ID는 휴대폰, 스마트폰 등의 이동통신 디바이스 번호를 기준으로 부여될 수 있다.
상기 통신정보 수집모듈(13)은 통신사로부터 제공되는 통신DB(83)로부터 이동통신 디바이스별 통신정보를 수집할 수 있다. 상기 통신정보 수집모듈(13)은 수집된 환자의 정보를 기반으로 하여 환자의 통신정보를 수집하는데, 수집되는 통신정보로부터 환자의 이동통신 디바이스의 위치를 알 수 있으므로 환자의 시간에 따른 정확한 동선을 파악할 수 있다. 또한, 상기 통신정보 수집모듈(13)은 환자 이외의 이동통신 디바이스의 통신정보를 수집하는데, 통신사로부터의 모든 통신정보를 받아올 수도 있으나, 바람직하게는 환자의 동선 상에서 환자의 이동통신 디바이스가 접속된 기지국 및/또는 접속된 기지국 주변의 기지국을 중심으로 하여 이동통신 디바이스의 위치정보가 포함된 통신정보를 수집할 수 있다. 수집된 통신정보에는 이동통신 디바이스의 번호와 시간에 따른 위치정보가 포함된다.
상기 질병정보 수집모듈(15)은 방역정보DB(81)로부터 환자가 감염된 감염병에 대한 정보를 수집할 수 있다. 감염병에 대한 정보로는 잠복기, 감염가능거리, 환자가 감염된 후에 다른 접촉자에게 전염시키는 시기, 마스크 착용 시 전염성, 미착용 시 전염성 등이 포함될 수 있다. 특히, 감염가능거리는 환자로부터 주변의 인접자 또는 밀접접촉자에게 감염이 발생할 수 있는 거리를 지칭한다.
상기 구조물정보 수집모듈(17)은 구조물DB(85)로부터 데이터베이스로부터 환자의 동선상에 위치한 구조물에 대한 정보를 수집한다. 상기 구조물에 대한 정보로는 구조물 내 각 구역의 용도, 개방도, 벽과 슬라브를 포함한 공간 격리 구조가 포함될 수 있다. 벽과 슬라브는 구조물정보 수집모듈(17)에 의해 수집되는 과정에서 3차원 좌표계 내의 면으로 구현될 수 있고, 후술하는 기계학습부(50)에서 학습 시 좌표계 내에 구현될 수도 있다.
상기 감염확률 연산부(30)는 상기 데이터수집부(10)에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산한다. 감염확률 연산부(30)는 환자와 일정 거리 내에 위치한 인접자 또는 밀접접촉자의 환자와의 거리를 기반으로 감염확률을 연산하는 것을 특징으로 한다. 인접자는 환자의 시간에 따른 위치정보를 기반으로 환자와 일정거리 내에 위치하는 사람을 지칭하는데, 본 발명의 바람직한 일 실시예에서는 위치정보를 포함하는 통신정보 상에서의 이동통신 디바이스를 인접자로 정의할 수 있다. 밀접접촉자는 후술하는 정렬모듈(37)에 의해 인접자의 집합으로부터 분류되는 감염이 예상되는 이동통신 디바이스를 가진 자를 지칭한다. 상기 감염확률 연산부(30)는 인접자추출부(31), 감염변수 적용부(33), 확률산출모듈(35) 및 정렬모듈(37)을 포함한다.
도 3은 본 발명의 일 실시예에 따른 인접자추출부(31)의 블록도이다. 도 2 및 도 3을 참고하면, 상기 인접자추출부(31)는 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출한다. 본 발명의 바람직한 일 실시예에서, 통신정보 수집모듈(13)에 의해 통신정보 내의 환자의 시간에 따른 위치정보가 3차원 좌표의 형식으로 수집될 수 있고, 환자 주변의 이동통신 디바이스의 시간에 따른 위치정보도 3차원 좌표의 형식으로 수집될 수 있다. 상기 인접자추출부(31)는 환자로부터 감염이 가능한 거리 내에 위치하는 이동통신 디바이스들을 인접자로 추출할 수 있다. 이에 따라, 인접자추출부(31)는 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출할 수 있으며, 환자동선 추출모듈(311), 거리측정모듈(313), 인접자 지정모듈(315)을 포함한다.
상기 환자동선 추출모듈(311)은 통신정보로부터 환자의 시간에 따른 위치정보를 추출한다. 환자의 동선은 시간 t에 대하여 x,y,z의 3차원 좌표로 나타내어지거나 저장될 수 있다. 본 발명의 바람직한 일 실시예에서는 환자의 동선을 1분마다 3차원 좌표로 저장할 수 있으나, 다른 시간간격을 사용하는 것을 배제하는 것은 아니다.
상기 거리측정모듈(313)은 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정한다. 거리 측정은 좌표간 거리로 계산될 수 있고, 바람직하게는 평면상 거리, 즉 3차원 좌표계에서 xy평면상의 거리가 계산될 수 있다.
상기 인접자 지정모듈(315)은 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정한다. 바람직하게는 방역정보DB(81)로부터 환자가 감염된 감염병의 감염가능거리(r)를 추출하고, 거리측정모듈(313)에서 측정한 환자와의 거리가 감염가능거리(r)보다 작은 경우 해당 이동통신 디바이스를 인접자로 지정하게 된다. 상기 인접자 지정모듈(315)은 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 List 구조로 저장할 수 있다. 이때, Set 구조로 저장되는 인접자는 이통동신 디바이스의 번호 또는 상기 이동통신 디바이스에 따라 지정되는 일련번호(index)일 수 있고, 인접자의 위치정보는 3차원 좌표값(x,y,z)이 시간(t_i)에 따라 저장된다.
본 발명의 일 실시예에서, 환자와 환자 주변의 이동통신 디바이스의 위치정보는 3차원 좌표를 갖도록 수집되므로, 3차원 좌표 사이의 거리를 기준으로 감염가능거리(r)와 비교하여 인접자를 추출할 수 있는데, 구조물 내에서 다른 층에 환자와 환자 주변의 이동통신 디바이스가 위치하는 경우에는 슬라브 등으로 인해 감염이 제한적이게 된다. 따라서, 환자와 감염가능거리 내에 있다고 하더라도 높이(z좌표)가 소정 범위 이상인 위치의 이동통신 디바이스는 인접자에서 제외되는데, 이와 같이 같은 층 또는 동일한 xy평면에 위치한다고 인식되는 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 추출함이 바람직하다. 이때, 동일한 xy평면상에 있다고 인식되는 이동통신 디바이스는 3차원 좌표의 높이(z좌표)값이 환자의 3차원 좌표의 높이(z좌표)값과 3m 이내인 경우가 바람직하나, 다른 높이값의 차이를 그 기준으로 하는 것을 배제하지는 않는다.
| 정의되는 값 | |
| Denote r= preset parameter | 감염병의 감염가능거리 |
| Denote index(person_j) = unique id | 환자 주변 이동통신 디바이스의 번호 또는 부여되는 일련번호 |
| Denote patient_k = unique id of patient | 환자의 이동통신 디바이스 번호 또는 환자에게 부여되는 일련번호 |
| Denote position(patient_k, t_i) = {t-i,x,y,z} | 환자의 시간별 위치를 3차원 좌표로 나타냄 |
| Denote neighbor(patient_k, t_i, r) | 시간 t_i에서 감염가능거리 내에 위치하는 이동통신 디바이스를 인접자로 지정 |
| Denote neighbor_set | Set structure로 저장되는 인접자 |
따라서, 위의 표 1과 같이 감염병의 감염가능거리와 환자의 시간별 위치정보에 의해 Set 구조의 인접자가 추출될 수 있고, 인접자의 시간에 따른 위치정보는 List 구조로 저장될 수 있다. 인접자의 시간에 따른 위치정보가 추출되고, 바람직하게는 Hashset을 통해 인접자가 set 구조로 저장된다. 본 발명의 일 실시예에서는 정보처리의 속도를 위해 인접자가 환자로부터 감염가능거리 내에 존재하는 시간동안의 위치정보만을 저장할 수 있으나, 본 발명의 다른 일 실시예에서는 2차 감염의 인접자 추적을 위하여 접촉 이후의 인접자의 위치정보를 저장할 수도 있다.
도 4는 본 발명의 일 실시예에 따른 감염변수 적용부(33)의 블록도이다. 도 2 및 도 4를 참고하면, 상기 감염변수 적용부(33)는 인접자추출부(31)로부터 추출된 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용한다. 감염확률에 영향을 후술하는 기계학습부(50)에서 이를 반영하도록 할 수도 있으나, 바람직하게는 감염확률에 영향을 미칠 수 있는 여러 요소에 대하여 가중치를 설정하고 적용함으로써 감염확률에 큰 영향을 미치는 요소를 중시하여 감염확률이 산출되도록 할 수 있다. 상기 감염변수 적용부(33)는 접촉시간 산출부(331), 장애물 적용부(333), 가중치 적용부(335)를 포함한다.
도 5의 (a)는 환자와 인접자 사이의 거리에 따른 감염확률을 나타낸 그래프이고, 도 5의 (b)는 환자로부터 감염원이 전파되는 모습을 도시한 도면이다. 도 4 및 도 5를 참고하여 이하를 설명하면, 접촉시간 산출부(331)는 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출한다. 이때, 도 5의 (a)에서와 같이 환자와 인접자 사이의 시간에 따른 거리를 계수로 하여 접촉시간을 산출한다.
장애물 적용부(333)는 환자와 인접자 사이의 차폐여부를 판단한다. 본 발명의 바람직한 일 실시예에서, 환자의 동선상에서 환자가 체류한 구조물의 정보로부터 구조물 내의 벽이나 슬라브 등의 차폐물이 존재할 수 있고, 이에 따라 감염원의 전파확률은 같은 거리라 하더라도 달라지게 된다. 장애물 적용부(333)는 환자와 인접자가 위치하는 좌표 사이에 환자로부터 인접자에게 감염원이 차폐되는지 여부를 판단하며, 완전히 차폐되는 경우, 우회를 통해 감염원이 전파될 수 있는 경우, 환자와 인접자 사이에 차폐물이 존재하지 않는 경우 등이 상정될 수 있다. 장애물 적용부(333)에 의해 벽이나 슬라브가 3차원 좌표계 내에 선과 면의 집합으로 나타내어질 수도 있고, 환자와 인접자 사이의 3차원 또는 평면 좌표값이 차폐에 대한 element값을 갖도록 나타내어질 수도 있다. 예컨대, 환자와 인접자 사이에 벽이 존재한다면, 벽이 존재하는 좌표값의 차폐에 대한 element는 1이 될 수 있고, 벽이 존재하지 않는 좌표값은 차폐에 대한 element를 가지지 않을 수 있다.
상기 가중치 적용부(335)는 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용한다. 상술한 접촉시간과 차폐여부 이외에도 환자 및 인접자의 마스크 착용 여부, 환자가 체류한 장소의 성격, 밀집도, 개방도에 따라 감염확률이 차이가 날 수 있으므로, 감염확률에 영향을 줄 수 있는 각 요소에 따라 가중치를 부여할 수 있다. 예를 들어 환자가 자가격리구역에 위치하는 경우에는 인접자에 대한 감염확률이 거의 없다고 봐도 무방하므로, 장소의 성격으로부터 감염확률에 0에 상응하는 계수를 갖도록 가중치가 부여될 수 있다. 환자 및 인접자의 마스크 착용여부는 방역정보DB(81)로부터 수집될 수 있으며, 역학조사 시 환자의 진술에 따라 입력될 수 있으나 환자의 이동동선 내 CCTV 영상으로부터 마스크 착용 여부가 자동으로 수집될 수도 있다.
다시 도 2를 참고하면, 상기 확률산출모듈(35)은 인접자들의 감염확률을 분석하도록 구비된다. 확률산출모듈(35)은 수학적 모델을 통해 환자로부터 감염가능거리(r), 바람직하게는 평면상 감염가능거리 내에 존재하는 인접자들의 감염확률을 마스크 착용 여부, 환자와의 접촉시간, 접촉거리, 환자와 접촉한 공간의 밀폐도, 차폐여부 등을 고려하여 산출하고 감염여부에 대한 확률값을 리턴하게 된다. 본 발명의 바람직한 일 실시예에서는 확률산출모듈(35)은 기계학습을 통해 도출된 감염확률 예측모델로부터 인접자의 감염확률을 산출한다. 이는 후술하는 기계학습부(50)에서 설명하도록 한다.
상기 정렬모듈(37)은 상기 확률산출모듈(35)로부터 산출된 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬할 수 있다. 인접자를 감염확률이 높은 순서대로 정렬하여 저장하거나 후술하는 방역활동부(70)로 전송함으로써, 방역활동부(70)에서 감염확률이 높은 밀접접촉자로 인식되는 인접자에게 격리 또는 감염병 진단에 대한 알림을 전송할 수 있도록 한다. 상기 정렬모듈(37)은 감염확률을 기준으로 하여 인접자 집합으로부터 밀접접촉자를 분류할 수도 있다. 자세하게는, 방역정보DB로부터 격리장소, 감염병 진단을 위한 선별진료소 또는 격리병상의 여유 수치를 입력받은 후 비율에 따라 소정 수치의 감염확률을 기준으로 밀접접촉자를 구분할 수 있다. 기준이 되는 감염확률은 0.001~0.01%일 수 있으나 해당 수치에 국한되지는 않으며, 본 발명의 다른 실시예에서는 인접자 모두를 밀접접촉자로 분류할 수도 있다.
상기 기계학습부(50)는 기계학습을 통해 인접자가 환자로부터 감염병에 감염될 확률 대한 예측모델을 생성한다. 상기 기계학습부(50)는 데이터수집부(10)로부터 제공받은 데이터를 통해 기계학습 알고리즘을 사용하여 주기적 또는 실시간으로 감염확률에 대한 예측모델을 도출한다. 상기 기계학습부(50)는 학습데이터 추출모듈(51), 변수추출모듈(53), 알고리즘 선택모듈(55) 및 학습모듈(57)을 포함한다.
상기 학습데이터 추출모듈(51)은 데이터수집부(10)로부터 지도학습을 위한 학습데이터를 추출하며, 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 추출할 수 있다. 환자와 인접자의 접촉시간과 거리를 제외한 변수에 의한 감염확률 변동의 학습을 위해서, 상기 학습데이터 추출모듈(51)은 데이터수집부(10)로부터 마스크 착용 여부, 환자와의 접촉시간, 접촉거리, 환자와 접촉한 공간의 밀폐도, 차폐여부 등을 추가로 추출할 수도 있다.
상기 변수추출모듈(53)은 입력받거나 제공받은 파라미터와 방역정보로부터 감염확률에 대한 변수를 추출할 수 있다. 상기 파라미터는 사용자를 통해 입력될 수 있으며, 시스템이 적합한 파라미터를 스스로 판단하여 입력할 수도 있다.
입력되는 상기 파라미터는 감염확률에 영향을 미치는 변수로, 환자와 밀접접촉자의 거리, 접촉시간, 마스크 착용여부, 점유한 공간의 밀폐도, 공간의 목적, 환자와 밀접접촉자 사이에 존재하는 벽에 의해 환자와 밀접접촉자가 차폐되었는지 여부 등이 포함될 수 있다.
상기 알고리즘선택모듈(55)은 기계학습을 수행할 때 사용될 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택한다. 본 발명의 바람직한 일 실시예에서는 학습데이터를 통한 지도학습이 수행되므로, 지도학습에 사용되는 알고리즘, 즉 최근접 이웃, 선형모델, 랜덤 포레스트 등의 알고리즘이 선택될 수 있다. 상술한 알고리즘을 제외한 알고리즘이나 알고리즘의 조합이 사용될 수도 있으며, 경우에 따라서는 준지도학습이나 비지도학습에 사용되는 알고리즘이 선택될 수 있다. 본 발명의 바람직한 일 실시예에서는 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression) 알고리즘을 통해 감염확률에 대한 예측모델이 도출될 수 있고, 본 발명의 다른 실시예에서는 다중 회귀 신경망에 의해 감염확률 예측모델이 도출될 수도 있다.
상기 학습모듈(57)은 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하고 예측모델을 도출한다. 도출된 예측모델은 환자와 인접자의 시간에 따른 위치정보를 기반으로 하여, 환자와 인접자의 마스크 착용여부, 환자가 구조물 내에서 인접자와 접촉한 경우 구조물의 용도와 성격, 밀폐도 등을 감염확률의 연산에 적용하여 감염확률을 리턴하도록 한다.
상기 방역활동부(70)는 감염확률 연산부(30)로부터 전송받은 감염확률과 인접자 및/또는 밀접접촉자를 기준으로 하여 자동으로 방역활동을 실시하는 구성으로, 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력한다. 방역활동부(70)는 감염이 예상되는 밀접접촉자에게 환자와 겹치는 동선, 감염이 추정되는 시간, 장소 및 주변의 진료소와 자가격리를 안내할 수 있으며, 환자와 인접자 및/또는 밀접접촉자의 상태를 방역 담당자에게 표시할 수 있다. 본 발명의 바람직한 일 실시예에서는 환자의 시간에 따른 위치정보와 밀접접촉자의 시간에 따른 위치정보, 격리상태 및 확진 여부를 방역 담당자가 볼 수 있도록 UI 상에 출력할 수 있다. 방역활동부(70)는 알림전송모듈(71), 상태수신모듈(73), 맵핑부(75)를 포함하며, 저장모듈(77)을 추가로 포함할 수 있다.
상기 알림전송모듈(71)은 감염확률 연산부(30)의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송한다. 전송되는 정보는 상술한 바와 같이 환자와 겹치는 동선, 감염이 추정되는 시간, 장소 및 주변의 진료소와 자가격리 방법 등이 될 수 있으며, 감염확률이 높은 밀접접촉자 순으로 알림을 전송하는 것이 바람직하다.
상기 상태수신모듈(73)은 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신한다. 방역정보DB(81)로부터, 밀접접촉자가 격리되었는지 여부와 확진 여부를 수신하여 후술하는 맵핑부(75)에서 출력이 가능하도록 한다.
도 6은 본 발명의 일 실시예에 따른 맵핑부(75)의 블록도이고, 도 7 내지 도 10은 본 발명의 맵핑부(75)에 따라 환자와 밀접접촉자의 위치와 감염여부, 진단여부가 UI를 통해 표시되는 것을 도시한 도면이다. 도 6 내지 도 10을 참고하면, 상기 맵핑부(75)는 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시함으로써 본 발명에 따른 방역활동을 방역 담당자 또는 전문가가 알 수 있도록 한다. 도 7 내지 도 10에서 볼 수 있는 것과 같이, 시간의 흐름에 따라 맵핑부(75)에서 맵핑된 환자와 밀접접촉자의 위치정보, 격리여부, 감염여부가 표시된다. 상기 맵핑부(75)는 동선맵핑모듈(751), 진단매핑모듈(753), 격리맵핑모듈(755)을 포함하고 맵핑된 데이터를 표시하기 위한 사용자 인터페이스(UI, 757)을 추가로 포함할 수 있다.
상기 동선맵핑모듈(751)은 환자, 인접자 및/또는 밀접접촉자의 시간에 따른 위치정보를 맵핑하여 UI상에 표시할 수 있다. 환자와 밀접접촉자의 동선 즉 시간에 따른 위치정보는 UI(757)상에 구비된 영역(757a)에 심볼로 표현되어 방역 담당자가 확인할 수 있다.
상기 진단맵핑모듈(753)은 상태수신모듈(73)로부터 전달되는 환자, 인접자 및/또는 밀접접촉자의 감염여부를 맵핑하여 방역담당자가 확인할 수 있도록 하며, 사용자 인터페이스(757) 상에 표로 나타내어지거나(757b, 757c), 환자 및 밀접접촉자의 위치정보와 함께 일 영역(757a)에 심볼, 바람직하게는 심볼의 색과 같은 방법로 표시될 수 있다.
상기 격리맵핑모듈(755)은 인접자 및/또는 밀접접촉자의 격리여부를 맵핑하여 방역담장자가 확인할 수 있도록 하며, 사용자 인터페이스(757) 상에 표로 나타내어지거나(757b, 757c), 환자 및 밀접접촉자의 위치정보와 함께 일 영역(757a)에 표시된다.
이상을 참고하여 환자와 밀접접촉자의 정보가 표시되는 사용자 인터페이스(757)를 도 7 내지 도 10과 함께 설명하도록 하면, 사용자 인터페이스(757)의 일 영역은 환자와 밀접접촉자의 위치정보를 평면상에 나타내도록 구비된다(757a). 이때, 맵핑부(75)는 환자 및 인접자의 상태에 따라 바람직하게는 색깔로 구분할 수 있도록 표시할 수 있는데, 도 7을 참고하면 감염이 예상되는 밀접접촉자는 파란색 점으로 표시되고, 비감염자는 노란색 점으로 표시된다. 도 8 내지 도 10를 참고하면, 환자는 검정색, 감염이 예상되는 밀접접촉자와는 달리 감염확률이 상대적으로 낮은 인접자 또는 비감염이 예상되는 접촉자는 자주색 점으로 표시될 수 있다. 이후, 검사 결과 음성판정을 받은 비감염자는 하늘색 점으로 표시될 수 있다.
사용자 인터페이스(757)의 다른 일 영역(757b)에는 밀접접촉자 및 환자의 일련번호와 격리상태 및 확진 여부가 표시된다. 도 7에서 볼 수 있는 바와 같이 미발견 상태의 밀접접촉자에 대하여 알림이 전송되어 격리를 실시하면, 도 8에서와 같이 격리조치 상태가 표시되고, 도 9 및 도 10에서와 같이 확진된 환자의 감염상태도 표시될 수 있다.
사용자 인터페이스의 또다른 일 영역(757c)에는 격리된 밀접접촉자의 감염확률과 감염 여부가 표시된다. 감염확률은 상기 감염확률 연산부(30)로부터 도출된 값이며, 상태수신모듈(73)이 방역정보DB로부터 감염 여부를 수신하여 UI에 표시할 수 있다.
다시 도 2를 참고하면, 상기 저장모듈(77)은 방역활동을 실시한 각종 정보를 저장하며, 필요에 따라 데이터베이스(80)와 통신하여 방역정보를 업데이트할 수 있다.
상기 데이터베이스(80)는 본 발명에 따른 역학조사시스템의 방역활동에 필요한 데이터를 저장하며, 환자의 정보와 질병에 대한 정보를 포함하는 방역정보DB(81), 위치정보를 포함하는 이동통신 디바이스의 통신정보를 포함하는 통신DB(83), 환자 및 밀접접촉자의 위치정보DB(85) 및 환자가 체류한 구조물에 대한 정보를 포함하는 구조물DB(87)를 포함한다.
밀접접촉자가 감염이 확진되어 환자로 변경되는 경우에는, 본 발명의 일 실시예에서는 밀접접촉자로부터의 2차감염을 환자로 보고 데이터수집부(10)와 감염확률 연산부(30)에서 상술한 일련의 과정을 다시 거침으로써 2차감염에 대한 밀접접촉자들에게 알림을 전송하고 방역활동을 실시할 수 있다.
본 발명의 다른 실시예에서는, 질병정보 수집모듈(15)에서 방역정보DB(81)로부터 질병에 대한 정보를 추출할 때 전염성을 발현하기까지 걸리는 시간을 추출한다. 밀접접촉자가 환자와 접촉하고부터 전염성을 발현하기까지 걸리는 시간 이후에 2차감염이 발생할 수 있으므로, 상기 인접자추출부(31)에서 추출된 인접자가 환자와 접촉한 후의 시간에 따른 위치정보를 삭제하지 않고 저장모듈(77) 등을 통해 저장하였다가, 밀접접촉자의 확진 시 또는 감염이 예상되는 경우에 데이터수집부(10)에서 밀접접촉자의 동선을 중심으로 통신정보를 추출하고, 감염확률 연산부(30)에서 2차 밀접접촉자들의 감염확률을 연산하여 방역활동을 실시할 수도 있다.
상술한 구성요소의 결합관계에 따라 환자의 시간에 따른 위치정보와 통신 데이터베이스에 의해 제공되는 위치정보로부터 환자로부터 감염병의 전염이 가능한 감염가능거리 내에 위치하는 밀접접촉자들의 감염확률을 자동으로 계산하여 감염이 예상되는 밀접접촉자들에게 자동으로 알림을 전송하고 격리여부와 감염여부를 출력함으로써 사생활 침해의 우려 없이 신속하게 감염 위험이 있는 밀접접촉자들에게만 감염위험성과 격리를 안내하여 통합적인 감염병의 역학조사가 가능한 감염확률 자동연산을 통한 감염병 역학조사시스템(1)이 구현된다. 이하는 감염확률 자동연산을 통한 감염병 역학조사방법(S)을 설명한다.
도 11은 본 발명의 일 실시예에 따른 감염확률 자동연산을 통한 감염병 역학조사방법(S)의 순서도이다. 도 11을 참고하면, 상기 감염확률 자동연산을 통한 감염병 역학조사방법(S)은 데이터수집단계(S10), 감염확률 연산단계(S30), 기계학습단계(S50), 방역활동단계(S70)를 포함한다.
상기 데이터수집단계(S10)는 데이터베이스(80)로부터 환자에 대한 정보와 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보 등을 수집한다. 바람직하게는 데이터베이스(80)로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보를 수집할 수 있으며, 환자의 동선에 따라 환자가 체류하거나 거쳤던 구조물에 대한 정보도 수집할 수 있다. 상기 데이터수집단계(S10)는 상술한 환자정보 수집모듈(11), 통신정보 수집모듈(13), 질병정보 수집모듈(15) 및 구조물정보 수집모듈(17)을 통해 감염확률 연산을 위한 요소들을 추출한다.
도 12는 본 발명의 일 실시예에 따른 감염확률 연산단계(S30)의 순서도이다. 도 11 및 도 12를 참고하면, 상기 감염확률 연산단계(S30)는 상기 데이터수집단계(S10)에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산한다. 감염확률 연산단계(S30)는 환자와 일정 거리 내에 위치한 인접자 또는 밀접접촉자의 환자와의 거리를 기반으로 감염확률을 연산하는 것을 특징으로 한다. 상기 감염확률 연산단계(S30)는 인접자추출단계(S31), 감염변수 적용단계(S33), 확률산출단계(S35) 및 정렬단계(S37)를 포함한다.
도 13은 본 발명의 일 실시예에 따른 인접자추출단계(S31)의 순서도이다. 도 11 내지 도 13을 참고하면, 상기 인접자추출단계(S31)는 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출한다. 본 발명의 바람직한 일 실시예에서, 데이터수집단계(S10)에서 통신정보 내의 환자의 시간에 따른 위치정보가 3차원 좌표의 형식으로 수집될 수 있고, 환자 주변의 이동통신 디바이스의 시간에 따른 위치정보도 3차원 좌표의 형식으로 수집될 수 있다. 상기 인접자추출단계(S31)는 환자로부터 감염이 가능한 거리 내에 위치하는 이동통신 디바이스들을 인접자로 추출할 수 있다. 이에 따라, 인접자추출단계(S31)는 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출할 수 있으며, 환자동선 추출단계(S311), 거리측정단계(S313), 인접자 지정단계(S315)를 포함한다.
상기 환자동선 추출단계(S311)는 통신정보로부터 환자의 시간에 따른 위치정보를 추출한다. 환자의 동선은 시간 t에 대하여 x,y,z의 3차원 좌표로 나타내어지거나 저장될 수 있다. 본 발명의 바람직한 일 실시예에서는 환자의 동선을 1분마다 3차원 좌표로 저장할 수 있으나, 다른 시간간격을 사용하는 것을 배제하는 것은 아니다.
상기 거리측정단계(S313)는 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정한다. 거리 측정은 좌표간 거리로 계산될 수 있고, 바람직하게는 평면상 거리, 즉 3차원 좌표계에서 xy평면상의 거리가 계산될 수 있다.
상기 인접자 지정단계(S315)는 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정한다. 바람직하게는 방역정보DB(81)로부터 환자가 감염된 감염병의 감염가능거리(r)를 추출하고, 거리측정단계(S313)에서 측정한 환자와의 거리가 감염가능거리(r)보다 작은 경우 해당 이동통신 디바이스를 인접자로 지정하게 된다. 상기 인접자 지정단계(S315)에서는 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 List 구조로 저장할 수 있다. 이때, Set 구조로 저장되는 인접자는 이통동신 디바이스의 번호 또는 상기 이동통신 디바이스에 따라 지정되는 일련번호(index)일 수 있고, 인접자의 위치정보는 3차원 좌표값(x,y,z)이 시간(t_i)에 따라 저장된다.
본 발명의 일 실시예에서, 환자와 환자 주변의 이동통신 디바이스의 위치정보는 3차원 좌표를 갖도록 수집되므로, 3차원 좌표 사이의 거리를 기준으로 감염가능거리(r)와 비교하여 인접자를 추출할 수 있는데, 구조물 내에서 다른 층에 환자와 환자 주변의 이동통신 디바이스가 위치하는 경우에는 슬라브 등으로 인해 감염이 제한적이게 된다. 따라서, 환자와 감염가능거리 내에 있다고 하더라도 높이(z좌표)가 소정 범위 이상인 위치의 이동통신 디바이스는 인접자에서 제외되는데, 이와 같이 같은 층 또는 동일한 xy평면에 위치한다고 인식되는 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 추출함이 바람직하다. 이때, 동일한 xy평면상에 있다고 인식되는 이동통신 디바이스는 3차원 좌표의 높이(z좌표)값이 환자의 3차원 좌표의 높이(z좌표)값과 3m 이내인 경우가 바람직하나, 다른 높이값의 차이를 그 기준으로 하는 것을 배제하지는 않는다.
도 14는 본 발명의 일 실시예에 따른 감염변수 적용단계(S33)의 순서도이다. 도 12 및 도 14를 참고하면, 상기 감염변수 적용단계(S33)는 인접자추출단계(S31)에서 추출된 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용한다. 감염확률에 영향을 후술하는 기계학습단계(S50)에서 이를 반영하도록 할 수도 있으나, 바람직하게는 감염확률에 영향을 미칠 수 있는 여러 요소에 대하여 가중치를 설정하고 적용함으로써 감염확률에 큰 영향을 미치는 요소를 중시하여 감염확률이 산출되도록 할 수 있다. 상기 감염변수 적용단계(S33)는 접촉시간 산출단계(S331), 장애물 적용단계(S33), 가중치 적용단계(S335)를 포함한다.
접촉시간 산출단계(S331)는 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는데, 환자와 인접자 사이의 시간에 따른 거리를 계수로 하여 접촉시간을 산출한다.
장애물 적용단계(S333)는 환자와 인접자 사이의 차폐여부를 판단한다. 본 발명의 바람직한 일 실시예에서, 환자의 동선상에서 환자가 체류한 구조물의 정보로부터 구조물 내의 벽이나 슬라브 등의 차폐물이 존재할 수 있고, 이에 따라 감염원의 전파확률은 같은 거리라 하더라도 달라지게 된다. 장애물 적용단계(S333)는 환자와 인접자가 위치하는 좌표 사이에 환자로부터 인접자에게 감염원이 차폐되는지 여부를 판단하며, 완전히 차폐되는 경우, 우회를 통해 감염원이 전파될 수 있는 경우, 환자와 인접자 사이에 차폐물이 존재하지 않는 경우 등이 상정될 수 있다.
상기 가중치 적용단계(S335)는 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용한다. 상술한 접촉시간과 차폐여부 이외에도 환자 및 인접자의 마스크 착용 여부, 환자가 체류한 장소의 성격, 밀집도, 개방도에 따라 감염확률이 차이가 날 수 있으므로, 감염확률에 영향을 줄 수 있는 각 요소에 따라 가중치를 부여할 수 있다. 예를 들어 환자가 자가격리구역에 위치하는 경우에는 인접자에 대한 감염확률이 거의 없다고 봐도 무방하므로, 장소의 성격으로부터 감염확률에 0에 상응하는 계수를 갖도록 가중치가 부여될 수 있다.
다시 도 12를 참고하면, 상기 확률산출단계(S35)는 인접자들의 감염확률을 분석한다. 확률산출단계(S35)는 수학적 모델을 통해 환자로부터 감염가능거리(r), 바람직하게는 평면상 감염가능거리 내에 존재하는 인접자들의 감염확률을 마스크 착용 여부, 환자와의 접촉시간, 접촉거리, 환자와 접촉한 공간의 밀폐도, 차폐여부 등을 고려하여 산출하고 감염여부에 대한 확률값을 리턴하게 된다. 본 발명의 바람직한 일 실시예에서는 확률산출단계(S35)은 기계학습을 통해 도출된 감염확률 예측모델로부터 인접자의 감염확률을 산출한다.
상기 정렬단계(S37)는 상기 확률산출단계(S35)에서 산출된 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬할 수 있다. 인접자를 감염확률이 높은 순서대로 정렬하여 저장하거나 방역활동부(70)로 전송함으로써, 방역활동단계(S70)에서 감염확률이 높은 밀접접촉자로 인식되는 인접자에게 격리 또는 감염병 진단에 대한 알림을 전송할 수 있도록 한다. 상기 정렬단계(S37)에서는 감염확률을 기준으로 하여 인접자 집합으로부터 밀접접촉자를 분류할 수도 있고, 본 발명의 다른 실시예에서는 인접자 모두를 밀접접촉자로 분류할 수도 있다.
도 15는 본 발명의 일 실시예에 따른 기계학습단계(S50)의 순서도이다. 도 15를 참고하면, 상기 기계학습단계(S50)는 기계학습을 통해 인접자가 환자로부터 감염병에 감염될 확률 대한 예측모델을 생성한다. 상기 기계학습단계(S50)는 데이터수집단계(S10)에소 제공받은 데이터를 통해 기계학습 알고리즘을 사용하여 주기적 또는 실시간으로 감염확률에 대한 예측모델을 도출한다. 상기 기계학습단계(S50)는 학습데이터 추출단계(S51), 변수추출단계(S53), 알고리즘 선택단계(S55) 및 학습단계(S57)를 포함한다.
상기 학습데이터 추출단계(S51)는 데이터수집부(10)로부터 지도학습을 위한 학습데이터를 추출하며, 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 추출할 수 있다. 환자와 인접자의 접촉시간과 거리를 제외한 변수에 의한 감염확률 변동의 학습을 위해서, 상기 학습데이터 추출단계(S51)는 데이터수집부(10)로부터 마스크 착용 여부, 환자와의 접촉시간, 접촉거리, 환자와 접촉한 공간의 밀폐도, 차폐여부 등을 추가로 추출할 수도 있다.
상기 변수추출단계(S53)는 입력받거나 제공받은 파라미터와 방역정보로부터 감염확률에 대한 변수를 추출할 수 있다. 상기 파라미터는 사용자를 통해 입력될 수 있으며, 시스템이 적합한 파라미터를 스스로 판단하여 입력할 수도 있다.
입력되는 상기 파라미터는 감염확률에 영향을 미치는 변수로, 환자와 밀접접촉자의 거리, 접촉시간, 마스크 착용여부, 점유한 공간의 밀폐도, 공간의 목적, 환자와 밀접접촉자 사이에 존재하는 벽에 의해 환자와 밀접접촉자가 차폐되었는지 여부 등이 포함될 수 있다.
상기 알고리즘선택단계(S55)는 기계학습을 수행할 때 사용될 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택한다. 본 발명의 바람직한 일 실시예에서는 학습데이터를 통한 지도학습이 수행되므로, 지도학습에 사용되는 알고리즘, 즉 최근접 이웃, 선형모델, 랜덤 포레스트 등의 알고리즘이 선택될 수 있다. 상술한 알고리즘을 제외한 알고리즘이나 알고리즘의 조합이 사용될 수도 있으며, 경우에 따라서는 준지도학습이나 비지도학습에 사용되는 알고리즘이 선택될 수 있다. 본 발명의 바람직한 일 실시예에서는 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression) 알고리즘을 통해 감염확률에 대한 예측모델이 도출될 수 있고, 본 발명의 다른 실시예에서는 다중 회귀 신경망에 의해 감염확률 예측모델이 도출될 수도 있다.
상기 학습단계(S57)는 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하고 예측모델을 도출한다. 도출된 예측모델은 환자와 인접자의 시간에 따른 위치정보를 기반으로 하여, 환자와 인접자의 마스크 착용여부, 환자가 구조물 내에서 인접자와 접촉한 경우 구조물의 용도와 성격, 밀폐도 등을 감염확률의 연산에 적용하여 감염확률을 리턴하도록 한다.
도 16은 본 발명의 일 실시예에 따른 방역활동단계(S70)의 순서도이다. 도 16을 참고하면, 상기 방역활동단계(S70)는 감염확률 연산단계(S30)를 통해 도출된 감염확률과 인접자 및/또는 밀접접촉자를 기준으로 하여 자동으로 방역활동을 실시하며, 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력한다. 방역활동단계(S70)는 감염이 예상되는 밀접접촉자에게 환자와 겹치는 동선, 감염이 추정되는 시간, 장소 및 주변의 진료소와 자가격리를 안내할 수 있으며, 환자와 인접자 및/또는 밀접접촉자의 상태를 방역 담당자에게 표시할 수 있다. 본 발명의 바람직한 일 실시예에서는 환자의 시간에 따른 위치정보와 밀접접촉자의 시간에 따른 위치정보, 격리상태 및 확진 여부를 방역 담당자가 볼 수 있도록 UI 상에 출력할 수 있다. 방역활동단계(S70)는 알림전송단계(S71), 상태수신단계(S73), 맵핑단계(S75)를 포함하며, 저장단계(S77)를 추가로 포함할 수 있다.
상기 알림전송단계(S71)는 감염확률 연산단계(S30)의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송한다. 전송되는 정보는 상술한 바와 같이 환자와 겹치는 동선, 감염이 추정되는 시간, 장소 및 주변의 진료소와 자가격리 방법 등이 될 수 있으며, 감염확률이 높은 밀접접촉자 순으로 알림을 전송하는 것이 바람직하다.
상기 상태수신단계(S73)는 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신한다. 방역정보DB(81)로부터, 밀접접촉자가 격리되었는지 여부와 확진 여부를 수신하여 후술하는 맵핑부(75)에서 출력이 가능하도록 한다.
도 17은 본 발명의 일 실시예에 따른 맵핑단계(S75)의 순서도이다.도 17을 참고하면, 상기 맵핑단계(S75)는 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시함으로써 본 발명에 따른 방역활동을 방역 담당자 또는 전문가가 알 수 있도록 한다. 상술한 도 7 내지 도 10에서 볼 수 있는 것과 같이, 시간의 흐름에 따라 맵핑단계(S75)에서 맵핑된 환자와 밀접접촉자의 위치정보, 격리여부, 감염여부가 표시된다. 상기 맵핑단계(S75)는 동선맵핑단계(S751), 진단매핑단계(S753), 격리맵핑단계(S755)을 포함한다.
상기 동선맵핑단계(S751)는 환자, 인접자 및/또는 밀접접촉자의 시간에 따른 위치정보를 맵핑하여 UI상에 표시할 수 있다. 환자와 밀접접촉자의 동선 즉 시간에 따른 위치정보는 UI(757)상에 구비된 영역(757a)에 심볼로 표현되어 방역 담당자가 확인할 수 있다.
상기 진단맵핑단계(S753)는 상태수신단계(S73)에서 전달되는 환자, 인접자 및/또는 밀접접촉자의 감염여부를 맵핑하여 방역담당자가 확인할 수 있도록 하며, 사용자 인터페이스(757) 상에 표로 나타내어지거나(757b, 757c), 환자 및 밀접접촉자의 위치정보와 함께 일 영역(757a)에 심볼, 바람직하게는 심볼의 색과 같은 방법로 표시될 수 있다.
상기 격리맵핑단계(S755)는 인접자 및/또는 밀접접촉자의 격리여부를 맵핑하여 방역담장자가 확인할 수 있도록 하며, 사용자 인터페이스(757) 상에 표로 나타내어지거나(757b, 757c), 환자 및 밀접접촉자의 위치정보와 함께 일 영역(757a)에 표시된다.
이상의 상세한 설명은 본 발명을 예시하는 것이다. 또한, 전술한 내용은 본 발명의 바람직한 실시 형태를 나타내어 설명하는 것이며, 본 발명은 다양한 다른 조합, 변경 및 환경에서 사용할 수 있다. 즉 본 명세서에 개시된 발명의 개념의 범위, 저술한 개시 내용과 균등한 범위 및/또는 당업계의 기술 또는 지식의 범위내에서 변경 또는 수정이 가능하다. 저술한 실시예는 본 발명의 기술적 사상을 구현하기 위한 최선의 상태를 설명하는 것이며, 본 발명의 구체적인 적용 분야 및 용도에서 요구되는 다양한 변경도 가능하다. 따라서 이상의 발명의 상세한 설명은 개시된 실시 상태로 본 발명을 제한하려는 의도가 아니다. 또한 첨부된 청구범위는 다른 실시 상태도 포함하는 것으로 해석되어야 한다.
1: 감염확률 자동연산을 통한 감염병 역학조사시스템
10: 데이터수집부 30: 감염확률 연산부
31: 인접자 추출부 33: 감염변수 적용부
35: 확률산출모듈 37: 정렬모듈
50: 기계학습부
51: 학습데이터 추출모듈 53: 변수추출모듈
55: 알고리즘 선택모듈 57: 학습모듈
70: 방역활동부
71: 알림전송모듈 73: 상태수신모듈
75: 맵핑부 77: 저장모듈
80: 데이터베이스
10: 데이터수집부 30: 감염확률 연산부
31: 인접자 추출부 33: 감염변수 적용부
35: 확률산출모듈 37: 정렬모듈
50: 기계학습부
51: 학습데이터 추출모듈 53: 변수추출모듈
55: 알고리즘 선택모듈 57: 학습모듈
70: 방역활동부
71: 알림전송모듈 73: 상태수신모듈
75: 맵핑부 77: 저장모듈
80: 데이터베이스
Claims (19)
- 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보와 환자의 동선상에서 환자가 체류한 구조물에 대한 정보를 수집하는 데이터수집부, 상기 데이터수집부에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산부, 환자의 동선과 인접자의 시간에 따른 위치정보를 기반으로 기계학습을 통해 감염확률에 대한 예측모델을 생성하는 기계학습부 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동부를 포함하고,
상기 감염확률 연산부는 환자의 동선에 따라 환자와의 거리를 기반으로 밀접접촉자의 감염확률을 연산하며, 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출하는 인접자추출부, 상기 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용하는 감염변수 적용부, 상기 기계학습부로부터 도출된 예측모델에 근거하여 상기 인접자들의 감염확률을 분석하는 확률산출모듈 및 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬하는 정렬모듈을 포함하고,
상기 인접자추출부는 환자의 시간에 따른 위치정보를 3차원 좌표를 갖도록 추출하는 환자동선 추출모듈, 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정하는 거리측정모듈 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 인접자 지정모듈을 포함하여 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출하며,
상기 감염변수 적용부는 상기 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는 접촉시간 산출부, 구조물에 대한 정보로부터 환자와 인접자 사이의 차폐여부를 판단하는 장애물 적용부, 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용하는 가중치 적용부를 포함하여 감염확률을 산출하도록 하되,
상기 기계학습부는 데이터수집부로부터 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 학습데이터로 추출하는 학습데이터 추출모듈, 감염확률 예측에 대한 요소를 추출하는 변수추출모듈, 기계학습을 위한 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택하는 알고리즘선택모듈 및 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하는 학습모듈을 포함하여 예측모델을 생성하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템. - 삭제
- 삭제
- 제1항에 있어서, 상기 인접자 지정모듈은 상기 환자의 위치로부터 평면상 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 제4항에 있어서, 상기 인접자 지정모듈은 상기 인접자의 감염가능거리 내에서의 위치정보를 추출하되, 상기 인접자를 Set 구조로 저장하고, 인접자의 위치정보를 상기 인접자에 따른 리스트 구조로 저장하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 삭제
- 삭제
- 제1항에 있어서, 기계학습부는 지도학습을 통해 감염확률에 대한 예측모델을 생성하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 제1항, 제4항 내지 제5항 및 제8항 중 어느 한 항에 있어서, 방역활동부는 감염확률 연산부의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송하는 알림전송모듈, 상기 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신하는 상태수신모듈 및 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시하는 맵핑부를 포함하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 제9항에 있어서, 알림전송모듈은 감염확률이 높은 밀접접촉자 순으로 알림을 전송하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 제9항에 있어서, 상기 맵핑부는 환자, 인접자 또는 밀접접촉자의 시간에 따른 위치정보를 맵핑하는 동선맵핑모듈, 상기 상태수신모듈로부터 전달되는 환자, 인접자 또는 밀접접촉자의 감염여부를 맵핑하는 진단맵핑모듈 및 환자, 인접자 또는 밀접접촉자의 격리여부를 맵핑하는 격리맵핑모듈을 포함하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 제11항에 있어서, 상기 진단맵핑모듈과 격리맵핑모듈은 맵핑된 환자, 인접자 또는 밀접접촉자의 심볼 상에 진단여부와 격리여부를 표시하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사시스템.
- 감염확률 자동연산을 통한 감염병 역학조사시스템에 의해 수행되며, 데이터베이스로부터 전염성이 있는 질병의 정보, 감염된 환자의 동선과 이동통신 디바이스를 포함한 환자정보, 위치정보를 포함하는 이동통신 디바이스를 통한 통신정보와 환자의 동선상에서 환자가 체류한 구조물에 대한 정보를 수집하는 데이터수집단계, 상기 데이터수집단계에서 수집한 정보들을 통해 밀접접촉자의 감염확률을 자동으로 계산하는 감염확률 연산단계, 환자의 동선과 인접자의 시간에 따른 위치정보를 기반으로 기계학습을 통해 감염확률에 대한 예측모델을 생성하는 기계학습단계 및 상기 밀접접촉자에게 격리를 안내하고 밀접접촉자의 상태를 수신하여 방역상태를 출력하는 방역활동단계를 포함하고,
상기 감염확률 연산단계는 환자의 동선에 따라 환자와의 거리를 기반으로 밀접접촉자의 감염확률을 연산하며, 통신정보로부터 환자와 일정거리 내에 위치하는 인접자를 추출하는 인접자추출단계, 상기 인접자의 감염확률에 영향을 미치는 변수를 가중치로 적용하는 감염변수 적용단계, 상기 기계학습단계에서 도출된 예측모델에 근거하여 상기 인접자들의 감염확률을 분석하는 확률산출단계 및 감염확률을 기준으로 상기 인접자를 밀접접촉자로 분류 및 정렬하는 정렬단계를 포함하고,
상기 인접자추출단계는 환자의 시간에 따른 위치정보를 3차원 좌표를 갖도록 추출하는 환자동선 추출단계, 환자의 위치와 환자 주변의 이동통신 디바이스 사이의 거리를 측정하는 거리측정단계 및 데이터베이스로부터 수집하거나 입력된 감염가능거리 내의 이동통신 디바이스를 인접자로 지정하는 인접자 지정단계를 포함하여 통신정보로부터 얻어지는 환자의 위치정보와 환자 주변 이동통신 디바이스의 위치정보를 통해 인접자의 시간에 따른 위치정보를 추출하며,
상기 감염변수 적용단계는 상기 인접자가 환자와 감염가능거리 내에서 접촉한 시간을 산출하는 접촉시간 산출단계, 구조물에 대한 정보로부터 환자와 인접자 사이의 차폐여부를 판단하는 장애물 적용단계, 인접자의 감염에 영향을 미치는 사항으로부터 감염확률에 가중치를 적용하는 가중치 적용단계를 포함하여 감염확률을 산출하도록 하되,
상기 기계학습단계는 데이터수집단계에서 수집된 데이터로부터 적어도 하나 이상의 환자의 동선과 위치정보 및 상기 환자에 대한 밀접접촉자의 위치정보와 감염여부를 학습데이터로 추출하는 학습데이터 추출단계, 감염확률 예측에 대한 요소를 추출하는 변수추출단계, 기계학습을 위한 복수의 알고리즘 중 적어도 하나의 알고리즘을 선택하는 알고리즘선택단계 및 선택한 알고리즘 또는 알고리즘의 조합을 이용하여 기계학습을 수행하는 학습단계를 포함하여 예측모델을 생성하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 제13항에 있어서, 상기 기계학습단계는 지도학습을 통해 감염확률에 대한 예측모델을 생성하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사방법.
- 제13항에 있어서, 상기 방역활동단계는 감염확률 연산부의 연산결과에 따라 분류된 밀접접촉자에게 알림을 전송하는 알림전송단계, 상기 밀접접촉자의 격리여부와 검사결과를 데이터베이스로부터 수신하는 상태수신단계 및 환자와 밀접접촉자의 시간에 따른 위치정보, 격리여부, 감염여부를 맵핑하여 표시하는 맵핑단계를 포함하고,
상기 맵핑단계는 환자, 인접자 또는 밀접접촉자의 시간에 따른 위치정보를 맵핑하는 동선맵핑단계, 상기 상태수신단계에서 수신한 환자, 인접자 또는 밀접접촉자의 감염여부를 맵핑하는 진단맵핑단계 및 환자, 인접자 또는 밀접접촉자의 격리여부를 맵핑하는 격리맵핑단계를 포함하는 것을 특징으로 하는 감염확률 자동연산을 통한 감염병 역학조사방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200060353A KR102192786B1 (ko) | 2020-05-20 | 2020-05-20 | 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200060353A KR102192786B1 (ko) | 2020-05-20 | 2020-05-20 | 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102192786B1 true KR102192786B1 (ko) | 2020-12-18 |
Family
ID=74041600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200060353A KR102192786B1 (ko) | 2020-05-20 | 2020-05-20 | 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102192786B1 (ko) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102292510B1 (ko) * | 2020-12-31 | 2021-08-23 | (주)바이브컴퍼니 | 시민 참여형 역학조사 방법 및 시스템 |
| CN113327103A (zh) * | 2021-08-03 | 2021-08-31 | 深圳市知酷信息技术有限公司 | 智慧校园疫情在线监测预警方法、系统及存储介质 |
| CN113611430A (zh) * | 2021-07-28 | 2021-11-05 | 广东省科学院智能制造研究所 | 一种基于贝叶斯神经网络的疫情预测方法及装置 |
| KR102356357B1 (ko) * | 2021-06-28 | 2022-02-08 | 임태우 | 사용자의 동선정보를 수집하는 방법 및 시스템 |
| KR102360088B1 (ko) * | 2021-04-22 | 2022-02-16 | (주)플래닛나인 | 스몰셀을 이용한 감염병 예방 시스템 및 방법 |
| KR102388874B1 (ko) * | 2021-02-17 | 2022-04-20 | 학교법인 일송학원 | 감염병 환자 추적 시스템, 방법 및 컴퓨터프로그램 |
| KR20220089441A (ko) * | 2020-12-21 | 2022-06-28 | 디토닉 주식회사 | 이동통신사 데이터를 활용한 빅데이터 기반 역학조사 지원 시스템 및 방법 |
| KR20220112994A (ko) * | 2021-02-05 | 2022-08-12 | 한림대학교 산학협력단 | 감염병의 음성 여부를 조기 판단하는 인공지능 기반 전자 장치, 제어 방법, 및 컴퓨터 프로그램 |
| WO2023074940A1 (ko) * | 2021-10-28 | 2023-05-04 | 한국전자기술연구원 | 시설물의 감염병 전파 위험도 판단 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101040043B1 (ko) | 2011-01-24 | 2011-06-16 | 대한민국 | 환자의 분포 상태를 지리정보와 병합 출력하는 질병관리시스템 |
| US20130318027A1 (en) * | 2011-11-20 | 2013-11-28 | Gal Almogy | System and method to enable detection of viral infection by users of electronic communication devices |
| KR20170053145A (ko) * | 2015-11-05 | 2017-05-15 | 고려대학교 산학협력단 | 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템 |
| US20200105418A1 (en) * | 2018-09-27 | 2020-04-02 | International Business Machines Corporation | Predicting non-communicable disease with infectious risk factors using artificial intelligence |
| KR20200047457A (ko) * | 2020-03-30 | 2020-05-07 | 주식회사 올라운드 | 전염병 환자 추척 시스템 및 이를 이용한 전염병 환자 추적 방법 |
-
2020
- 2020-05-20 KR KR1020200060353A patent/KR102192786B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101040043B1 (ko) | 2011-01-24 | 2011-06-16 | 대한민국 | 환자의 분포 상태를 지리정보와 병합 출력하는 질병관리시스템 |
| US20130318027A1 (en) * | 2011-11-20 | 2013-11-28 | Gal Almogy | System and method to enable detection of viral infection by users of electronic communication devices |
| KR20170053145A (ko) * | 2015-11-05 | 2017-05-15 | 고려대학교 산학협력단 | 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템 |
| US20200105418A1 (en) * | 2018-09-27 | 2020-04-02 | International Business Machines Corporation | Predicting non-communicable disease with infectious risk factors using artificial intelligence |
| KR20200047457A (ko) * | 2020-03-30 | 2020-05-07 | 주식회사 올라운드 | 전염병 환자 추척 시스템 및 이를 이용한 전염병 환자 추적 방법 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220089441A (ko) * | 2020-12-21 | 2022-06-28 | 디토닉 주식회사 | 이동통신사 데이터를 활용한 빅데이터 기반 역학조사 지원 시스템 및 방법 |
| KR102505106B1 (ko) | 2020-12-21 | 2023-03-02 | 디토닉 주식회사 | 이동통신사 데이터를 활용한 빅데이터 기반 역학조사 지원 시스템 및 방법 |
| KR102292510B1 (ko) * | 2020-12-31 | 2021-08-23 | (주)바이브컴퍼니 | 시민 참여형 역학조사 방법 및 시스템 |
| KR102502802B1 (ko) * | 2021-02-05 | 2023-02-23 | 한림대학교 산학협력단 | 감염병의 음성 여부를 조기 판단하는 인공지능 기반 전자 장치, 제어 방법, 및 컴퓨터 프로그램 |
| KR20220112994A (ko) * | 2021-02-05 | 2022-08-12 | 한림대학교 산학협력단 | 감염병의 음성 여부를 조기 판단하는 인공지능 기반 전자 장치, 제어 방법, 및 컴퓨터 프로그램 |
| KR102388874B1 (ko) * | 2021-02-17 | 2022-04-20 | 학교법인 일송학원 | 감염병 환자 추적 시스템, 방법 및 컴퓨터프로그램 |
| KR102360088B1 (ko) * | 2021-04-22 | 2022-02-16 | (주)플래닛나인 | 스몰셀을 이용한 감염병 예방 시스템 및 방법 |
| KR102356357B1 (ko) * | 2021-06-28 | 2022-02-08 | 임태우 | 사용자의 동선정보를 수집하는 방법 및 시스템 |
| WO2023277217A1 (ko) * | 2021-06-28 | 2023-01-05 | 양순호 | 사용자의 동선정보를 수집하는 방법 및 시스템 |
| CN113611430A (zh) * | 2021-07-28 | 2021-11-05 | 广东省科学院智能制造研究所 | 一种基于贝叶斯神经网络的疫情预测方法及装置 |
| CN113327103A (zh) * | 2021-08-03 | 2021-08-31 | 深圳市知酷信息技术有限公司 | 智慧校园疫情在线监测预警方法、系统及存储介质 |
| WO2023074940A1 (ko) * | 2021-10-28 | 2023-05-04 | 한국전자기술연구원 | 시설물의 감염병 전파 위험도 판단 방법 |
| KR20230060645A (ko) * | 2021-10-28 | 2023-05-08 | 한국전자기술연구원 | 시설물의 감염병 전파 위험도 판단 방법 |
| KR102603332B1 (ko) * | 2021-10-28 | 2023-11-16 | 한국전자기술연구원 | 시설물의 감염병 전파 위험도 판단 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102192786B1 (ko) | 감염확률 자동연산을 통한 감염병 역학조사시스템 및 그 방법 | |
| US11941868B2 (en) | Inference apparatus, inference method, and computer-readable storage medium storing an inference program | |
| CN110263686A (zh) | 一种基于深度学习的施工工地图像安全帽检测方法 | |
| CN110502965A (zh) | 一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法 | |
| CN105637343B (zh) | 检测控制装置、检测系统、存储介质和检测控制方法 | |
| CN110414400A (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
| CN110139067A (zh) | 一种野生动物监测数据管理信息系统 | |
| CN111666920A (zh) | 目标物品佩戴检测方法、装置、存储介质及电子装置 | |
| Skvortsova et al. | A hybrid intelligent system for risk assessment based on unstructured data | |
| CN112132831B (zh) | 一种白细胞散点图异常联合检测方法及系统 | |
| CN114997754B (zh) | 基于云模型及熵权法的应急预案分析方法及装置 | |
| CN104217088B (zh) | 运营商移动业务资源的优化方法与系统 | |
| CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
| CN103942251A (zh) | 基于多种质控方法的高空气象资料入库方法和入库系统 | |
| CN112562105A (zh) | 安检方法和装置、存储介质及电子设备 | |
| CN113360611A (zh) | 基于检查结果的ai诊断方法、装置、存储介质和设备 | |
| GB2591762A (en) | Wireless telecommunications network | |
| CN114625627B (zh) | 一种基于大数据多维分析的用户智能感知方法 | |
| CN115988712A (zh) | 一种应急照明的智能控制方法及系统 | |
| Amichi et al. | Mobility profiling: Identifying scouters in the crowd | |
| Miao et al. | The analysis of student grades based on collected data of their Wi-Fi behaviors on campus | |
| RU2263408C2 (ru) | Способ обнаружения обманного пользования абонентами услугами сетевого оператора посредством анализа блоков абонентских данных в реальном масштабе времени | |
| KR101999170B1 (ko) | 두께 측정 장치 | |
| Cantali et al. | PIM Detection in Wireless Networks as an Anomaly Detection Problem | |
| KR102545637B1 (ko) | 사용자 단말을 이용한 작업자 관리 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |