KR102206905B1 - 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 - Google Patents

Abstract

본 발명의 실시예에 따른 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 및 장치는, 단말에서 피검사자의 혈액검사에 따른 랩 데이터를 획득하여 상기 피검사자의 생활패턴을 추정하는 방법으로서, 제 1 혈액검사에 따른 제 1 랩 데이터를 획득하는 단계; 제 1 기간 이후의 제 2 혈액검사에 따른 제 2 랩 데이터를 획득하는 단계; 상기 제 1 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하고, 상기 생활패턴 항목별 딥러닝 뉴럴 네트워크에서 출력된 제 1 기간 생활패턴 정보를 획득하는 단계; 및 상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계를 포함하고, 상기 생활패턴 정보는, 상기 피검사자의 약물 컴플라이언스, 음주습관, 식습관 및 운동량 중 적어도 하나 이상의 항목에 대한 생활습관 정보를 포함한다.

Description

혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 {METHOD FOR INFERRING LIFE PATTERN AND CHANGED FACTOR BASED ON BLOOD TEST RESULT}

본 발명은 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 및 장치에 관한 것이다.

보다 상세하게는, 피검사자에 대한 복수의 혈액검사 결과를 기반으로 특정 기간에 대한 상기 피검사자의 생활패턴을 추정하는 방법 및 장치에 관한 것이다.

혈액검사(Blood Test)란, 질병의 진단치료 및 예후(豫後) 판정을 목적으로 혈액의 각종 성분을 검사하는 일이다.

이러한 혈액검사는, 주사기를 이용하여 피검사자로부터 혈액을 채취하고, 채취된 혈액을 혈액분석 메커니즘을 이용해 분석하여 혈액 정보를 얻는 과정으로 이루어진다.

그러나 종래의 혈액분석 메커니즘은, 단발적으로 수행된 각 혈액검사에 대한 결과 정보만을 제공하며, 일반 검사자들은 혈액검사 결과 정보를 활용하여 질병의 유무 등을 파악하는데 그치고 있다.

그런데 숙련된 의사들은 혈액검사 결과 정보를 통해 단순히 질병의 유무뿐만 아니라, 피검사자의 생활 습관도 파악할 수 있다.

예를들어, 숙련된 의사들은 이전 혈액검사 결과와 현재 혈액검사 결과 등을 비교하여 검사 기간 사이의 피검사자의 약물 복용 준수정도나 음주량 등의 생활습관 정보를 경험치에 의해 판단하며, 그 정확도는 상당히 높아 이후 진료나 치료에 반영하여 수준높은 진료와 치료를 제공할 수 있다.

그러나 숙련된 의사더라도 그 판단은 주관적이여서 상황에 따라 정확한 판단이 어려울 수 있으며, 미숙한 의사들은 이러한 판단이 전혀 불가하여 의사들의 숙련정도에 따른 진료의 수준차이가 발생할 수 있는 문제가 있다.

종래의 혈액분석 메커니즘은, 혈액검사 결과에 따라 질병에 대한 정보만을 제공할 뿐 피검사자의 생활 습관 변화 정보 및/또는 상태 변화 정보 등에 대한 분석을 수행하기에 어려움이 있고, 다양한 질환을 발병하는 잘못된 생활 습관을 추정하는데 한계가 있어 이에 대한 해결책이 필요한 실정이다.

10-1054732 B

본 발명은, 혈액검사를 통해 객관적인 생활패턴 정보를 추정하기 위하여, 딥러닝을 이용하여 피검사자에 대한 복수의 혈액검사 랩 데이터를 기반으로 특정 기간 동안의 피검사자 생활패턴을 추정할 수 있는 혈액검사 결과 기반의 생활패턴 추정방법 및 장치를 제공하고자 한다.

다만, 본 발명 및 본 발명의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

본 발명의 실시예에 따른 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 및 장치는, 단말에서 피검사자의 혈액검사에 따른 랩 데이터를 획득하여 상기 피검사자의 생활패턴을 추정하는 방법으로서, 제 1 혈액검사에 따른 제 1 랩 데이터를 획득하는 단계; 제 1 기간 이후의 제 2 혈액검사에 따른 제 2 랩 데이터를 획득하는 단계; 상기 제 1 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하고, 상기 생활패턴 항목별 딥러닝 뉴럴 네트워크에서 출력된 제 1 기간 생활패턴 정보를 획득하는 단계; 및 상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계를 포함하고, 상기 생활패턴 정보는, 상기 피검사자의 약물 컴플라이언스, 음주습관, 식습관 및 운동량 중 적어도 하나 이상의 항목에 대한 생활습관 정보를 포함한다.

이때, 상기 제 1 기간 생활패턴 정보를 획득하는 단계는, 상기 제 1 랩 데이터와 제 2 랩 데이터를 약물 컴플라이언스 뉴럴 네트워크에 입력하고, 상기 약물 컴플라이언스 뉴럴 네트워크에서 출력된 상기 제 1 기간 동안의 상기 피검사자에 대한 복약지도에 따른 약물복용 준수 정도를 나타내는 지표인 약물 컴플라이언스 평가지수를 획득하는 단계를 포함한다.

또한, 상기 제 1 기간 생활패턴 정보를 획득하는 단계는, 상기 제 1 랩 데이터와 제 2 랩 데이터를 음주습관 추정 딥러닝 뉴럴 네트워크에 입력하고, 상기 음주습관 추정 딥러닝 뉴럴 네트워크에서 출력된 상기 제 1 기간 동안의 상기 피검사자의 음주량과 음주횟수에 비례한 음주관련 평가지수를 획득하는 단계를 포함한다.

또한, 상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계는, 상기 제 1 기간 생활패턴 정보를 의료상담 보조 콘텐츠를 통해 출력하는 단계를 포함하고, 상기 의료상담 보조 콘텐츠는, 상기 생활패턴 정보의 특정 항목과 연관된 상기 혈액검사에 따른 피검사 혈액 성분 변화정보를 상기 생활패턴 정보의 특정 항목과 결합하여 표시하는 단계를 더 포함한다.

본 발명의 실시예에 따른 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 및 장치는, 제 2 기간 이후의 제 3 혈액검사에 따른 제 3 랩 데이터를 획득하는 단계와, 상기 제 2 랩 데이터와 상기 제 3 랩 데이터를 기반으로 제 2 기간 생활패턴 정보를 획득하는 단계와, 상기 제 1 랩 데이터와 상기 제 3 랩 데이터를 기반으로 제 3 기간 생활패턴 정보를 획득하는 단계와, 상기 제 1 내지 3 기간의 생활패턴 정보를 디스플레이하는 단계를 더 포함한다.

본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 피검사자에 대한 복수의 혈액검사 랩 데이터를 획득하고, 획득된 랩 데이터를 기반으로 특정 기간 동안의 피검사자 생활패턴을 추정함으로써, 특정 기간동안의 객관적이고 정확한 피검사자의 생활패턴 추정 정보를 제공하여, 수준높은 건강 진단 및 진료를 수행할 수 있는 장점이 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 추정복수의 랩 데이터를 통해 획득된 생활패턴 정보를 상호 보정하여, 좀더 정확한 생활패턴 정보를 획득할 수 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 학습된 딥러닝 뉴럴 네트워크를 통한 인공지능적 데이터 처리로 피검사자의 생활패턴을 추정함으로써, 자동화되어 빠르고 효율적인 혈액검사 결과 기반의 생활패턴 추정 서비스를 제공할 수 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 혈액검사 결과에 기초하여 생성된 의료상담 콘텐츠에 기반하여 딥러닝 뉴럴 네트워크를 학습시킴으로써, 트레이닝 데이터 세트를 효과적으로 생성할 수 있고, 보다 신뢰도 높은 데이터를 기반으로 딥러닝 뉴럴 네트워크를 학습시킬 수 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 추정된 생활패턴 정보를 다양한 방식으로 디스플레이하여 제공함으로써, 사용자가 쉽고 직관적으로 혈액검사 결과에 기반한 생활패턴 정보를 확인하게 할 수 있다.

다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 명확하게 이해될 수 있다.

도 1은 본 발명의 실시예에 따른 혈액검사 결과를 기반으로 생활패턴을 추정하는 시스템을 나타내는 개념도이다.
도 2는 본 발명의 실시예에 따른 단말 외형을 나타내는 일례이다.
도 3은 본 발명의 실시예에 따른 생활패턴 추정 서버를 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 실시예에 따른 랩 데이터의 일례이다.
도 6은 본 발명의 실시예에 따른 생활패턴 정보를 의료상담 보조 콘텐츠를 통해 그래픽 이미지로 출력하는 일례이다.
도 7은 본 발명의 실시예에 따른 생활패턴 정보와 생활패턴 정보의 각 항목과 연관된 혈액검사 랩 데이터를 의료상담 보조 콘텐츠를 통해 함께 표시하는 일례이다.
도 8은 본 발명의 실시예에 따른 제 1 내지 3 혈액검사에 기반한 생활패턴 정보를 다양한 방식으로 디스플레이하는 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따른 생활패턴 항목별 딥러닝 뉴럴 네트워크를 구축하는 방법을 설명하기 위한 흐름도이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다. 이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 또한, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 또한, 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 본 발명의 실시예에 따른 혈액검사 결과를 기반으로 생활패턴을 추정하는 시스템을 나타내는 개념도이다.

도 1을 참조하면, 혈액검사 결과 기반의 생활패턴 추정 시스템은, 단말(100), 생활패턴 추정 서버(200) 및 의료상담 보조 서비스 제공서버(300)를 포함할 수 있다.

여기서, 도 1의 각 구성요소는, 네트워크(Network)를 통해 연결될 수 있다. 네트워크는 단말(100), 생활패턴 추정 서버(200) 및 의료상담 보조 서비스 제공서버(300) 등과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

- 단말

먼저, 본 발명의 실시예에서 단말(100)은, 혈액검사 기반의 생활패턴 추정 서비스를 수행하기 위한 프로그램이 설치된 휴대용 단말인 스마트 폰, 디지털방송용 단말기, 휴대폰, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC(tablet PC), 웨어러블 디바이스(wearable device) 및 스마트 글라스(smart glass) 등을 포함할 수 있다.

또한, 단말(100)은, 고정형 단말인 데스크 탑 PC, 노트북 컴퓨터(laptop computer), 울트라북(ultrabook)과 같은 퍼스널 컴퓨터 등과 같이 유/무선 통신을 기반으로 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위한 프로그램이 설치된 장치를 더 포함할 수 있다.

또한, 본 발명의 실시예에서 이러한 단말(100)은, 피검사자의 혈액검사에 따른 랩 데이터를 획득하여 저장할 수 있고, 획득된 랩 데이터를 기반으로 해당 피검사자의 생활패턴 정보를 획득하여 출력할 수 있다.

자세히, 단말(100)은, 피검사자의 혈액검사에 따른 복수의 랩 데이터를 획득할 수 있고, 획득된 복수의 랩 데이터를 생활패턴 추정 서버(200)로 송신하여 생활패턴 정보를 획득할 수 있으며, 획득된 생활패턴 정보를 의료상담 보조 서비스 제공서버(300)로 송신하여 의료상담 보조 콘텐츠를 획득해 출력할 수 있다.

또한, 단말(100)은, 피검사자의 생활에서 발생하는 스트레스 정도를 보다 면밀히 파악하기 위하여, 피검사자의 스트레스 정도를 파악할 수 있는 설문지를 제공할 수 있다.

자세히, 단말(100)은, 피검사자의 스트레스 정도를 질의응답 형식의 설문지를 통해 분석할 수 있는 의료상담 보조 콘텐츠를 의료상담 보조 서비스 제공서버(300)로부터 수신하여 출력할 수 있다.

그리고 단말(100)은, 설문지를 통해 피검사자의 스트레스 정보를 파악하는데 일조할 수 있는 피검사자 스트레스 설문 정보를 획득할 수 있다.

또한, 단말(100)은, 획득된 피검사자 스트레스 설문 정보를 생활패턴 추정 서버(200) 및/또는 의료상담 보조 서비스 제공서버(300)로 송신하여 추후 피검사자의 생활패턴 정보를 획득하고 활용하는 것을 효과적으로 보조할 수 있다.

이하, 첨부된 도면을 참조하여 단말(100)을 이루는 각 구성 요소에 대해 상세히 설명하고자 한다.

도 2는 본 발명의 실시예에 따른 단말(100) 외형을 나타내는 일례이다.

도 2를 참조하면, 단말(100)은, 통신부(110), 입력부(120), 디스플레이부(130), 터치스크린(135: touch screen), 카메라(140), 저장부(150), 마이크(160), 스피커(170) 및 제어부(180)를 포함할 수 있다.

먼저, 통신부(110)는, 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위한 각종 데이터 및/또는 정보 등을 송수신할 수 있다.

실시예에서, 통신부(110)는, 타유저의 단말(100), 생활패턴 추정 서버(200) 및/또는 의료상담 보조 서비스 제공서버(300)와 통신하여 혈액검사 기반의 생활패턴 추정 서비스와 관련된 데이터(예컨대, 생활패턴 정보 등)를 송수신할 수 있다.

또한, 통신부(110)는, 생활패턴 정보를 외부 프린터로 전송하여 오프라인 출력물로 프린팅하도록 보조할 수 있다.

이러한 통신부(110)는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말(100), 임의의 서버 중 적어도 하나와 무선 신호를 송수신할 수 있다.

다음으로, 입력부(120)는, 혈액검사 기반의 생활패턴 추정 서비스와 관련된 사용자의 입력을 감지할 수 있다.

실시예로, 입력부(120)는, 의료상담 과정에서 제공되는 상담 입력 인터페이스를 통한 사용자의 입력을 감지할 수 있다.

다음으로, 디스플레이부(130)는, 혈액검사 기반의 생활패턴 추정 서비스와 관련된 다양한 정보를 그래픽 이미지를 출력할 수 있다.

이러한 디스플레이부(130)는, 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.

또한, 상기 입력부(120) 및 상기 디스플레이부(130)가 결합되어 터치스크린(135)으로 구현될 수 있다.

다음으로, 카메라(140)는, 진료 및 의료상담 과정을 촬영하여 의료상담 관련 영상을 획득할 수 있고, 영상을 획득한 단말(100)은, 획득된 영상을 의료상담 보조 콘텐츠를 통해 출력할 수 있다.

또한, 카메라(140)는, 단말(100)의 전면 또는/및 후면에 배치되어 배치된 방향측을 촬영하여 영상을 획득할 수 있으며, 단말(100)의 외부에 배치되어 외부 시점에서 진료 과정을 촬영할 수도 있다.

단말(100)의 외부에 카메라(140)가 배치된 경우, 카메라(140)는, 통신부(110)를 통해 제어부(180)로 촬영한 진료 과정 영상을 송신할 수 있다.

그리고 이러한 카메라(140)는, 이미지 센서와 영상 처리 모듈을 포함할 수 있다.

자세히, 카메라(140)는, 이미지 센서(예를 들면, CMOS 또는 CCD)에 의해 얻어지는 정지영상 또는 동영상을 처리할 수 있다.

또한, 카메라(140)는, 영상 처리 모듈을 이용하여 이미지 센서를 통해 획득된 정지영상 또는 동영상을 가공해 필요한 정보를 추출하고, 추출된 정보를 제어부(180)에 전달할 수 있다.

다음으로, 저장부(150)는, 본 발명의 실시예에 따른 혈액검사 기반의 생활패턴 추정 서비스를 제공하는 각종 응용 프로그램, 데이터 및 명령어 중 어느 하나 이상을 저장할 수 있다.

실시예로 저장부(150)는, 복수의 랩 데이터, 생활패턴 정보 및/또는 의료상담 보조 콘텐츠 등을 저장하고 관리할 수 있다.

이러한 저장부(150)는, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet)상에서 상기 저장부(150)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.

다음으로, 마이크(160)는, 의료상담 과정에서의 피검사자 및/또는 의사의 음성 입력을 감지할 수 있고, 감지된 음성을 기반으로 상담 내용 녹음정보를 획득할 수 있다.

이때, 상담 내용 녹음정보를 획득한 단말(100)은, 획득된 녹음정보를 의료상담 보조 콘텐츠를 통해 출력할 수 있다.

다음으로, 스피커(170)는, 혈액검사 기반의 생활패턴 추정 서비스와 관련된 오디오 정보를 출력할 수 있다.

실시예로, 스피커(170)는, 의료상담 보조 콘텐츠에 포함된 상담 내용 녹음정보를 출력하여 제공할 수 있다.

마지막으로, 제어부(180)는, 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위하여 전술한 각 구성요소의 전반적인 동작을 컨트롤할 수 있다.

이러한 제어부(180)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세스(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

다만, 도 2에 도시된 구성요소들은 단말(100)를 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 단말(100)은 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.

- 생활패턴 추정 서버

한편, 본 발명의 실시예에서 생활패턴 추정 서버(200)는, 단말(100)로부터 피검사자의 혈액 검사 결과에 따른 랩 데이터를 수신할 수 있고, 수신된 랩 데이터를 기반으로 해당 피검사자의 생활패턴 정보 또는/및 변화인자를 출력할 수 있다.

여기서, 랩 데이터는, 피검사자로부터 채취한 혈액을 검사하여 얻은 실험 데이터를 의미한다. 여기서 랩 데이터에는, 혈액 요소인 Fasting glucose(공복혈당), HbA1c(당화혈색소), BUN(Blood Urea Nitrogen, 혈액요소질소), Creatinine(크레아티닌), Total Bilirubin(총 빌리루빈), AST(GOT), ALT(GPT), ALP (Alkaline Phosphatase), γ-GTP(감마지티피), Total Cholesterol(총 콜레스테롤), Triglyceride(중성지방), HDL-Cholesterol(고밀도지단백 콜레스테롤), LDL-Cholesterol(저밀도지단백 콜레스테롤) 및 CPK 중 적어도 하나 이상의 수치 또는 퍼센트 정보를 포함할 수 있다. 그리고 생활패턴 정보란, 피검사자의 약물 복용 지도를 준수한 정도를 나타내는 지표인 약물 컴플라이언스(Compliance), 음주습관, 식습관 및 운동량 중 적어도 하나 이상의 항목에 대한 생활습관 점수 정보를 의미한다. 또한, 생활패턴 정보는, 피검사자의 체중 변화 정보 및/또는 스트레스 정보를 더 포함할 수 있다. 일반적으로, 체중 변화변화 정보는, 적절한 생활습관을 유지하였는지를 포괄적으로 확인할 수 있는 중요한 지표가 될 수 있다.

또한, 변화인자는, 이전 혈액검사 대비 소정의 퍼센트 이상 변화하여 검토해야할 만한 혈액요소와 매칭되는 변화인자를 의미한다. 좀더 자세히, 변화인자는, 상기 혈액요소 별로 소정의 값 이상 증가/감소하거나 소정의 퍼센트 이상 증가/감소한 혈액요소들이 있을 때, 해당 혈액요소가 변화시킬만한 인자를 의미한다.

예를 들어, 혈당이 급격하게 상승한 경우, 급성 질환 발생 또는 췌장암과 같은 암 발생, 스테로이드 복용, 한약 복용, 뇌하수체 기능저하 또는 간기능 저하 등을 변화인자로 추정 가능할 것이다. 반대로, 혈당이 급격하게 하강한 경우, 뇌하수체 기능저하 또는 간기능 저하 등을 변화인자로 추정 가능할 것이다.

전술한 생활패턴 정보들과 변화인자는, 타임라인(Timeline)에 따른 변화량이 매우 유동적임에도 불구하고, 피검사자가 변화를 파악하지 못하거나 검사자에게 언급하기 불편할 수 있고, 진료시 마다 설문하거나 매번 측정하기에도 번거롭고 어려움이 있을 수 있다.

이를 해결할 수 있는 생활패턴 정보를 획득하기 위하여, 본 발명의 실시예에서 생활패턴 추정서버(200)는, 수신된 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하여 생활패턴 정보를 출력할 수 있다.

그리고 생활패턴 추정서버(200)는, 출력된 생활패턴 정보 또는/및 랩 데이터를 기반으로 피검사자의 체중 및/또는 스트레스 점수 정보를 딥러닝 뉴럴 네트워크를 통해 획득할 수 있다.

자세히, 생활패턴 추정서버(200)는, 당화혈색소, 공복혈당, 평균 심박수를 딥러닝 뉴럴 네트워크에 입력하여 특정 기간 내의 스트레스 지표와 수면의 질의 변화를 추정할 수 있다.

또한, 생활패턴 추정서버(200)는, 간수치와 공복혈당을 딥러닝 뉴럴 네트워크에 입력하여 특정 기간 동안의 환자의 체중변화를 추정할 수 있다.

이와 같이 획득된 체중 정보 및 스트레스 정보는, 해당 생활패턴 정보에 더 포함시켜 이후 의료상담 보조 콘텐츠 등으로 활용할 수 있다.

한편, 도 3을 참조하면, 생활패턴 추정 서버(200)는, 데이터 송수신부(210), 데이터 처리부(220) 및 데이터베이스(230)를 포함할 수 있다.

먼저, 데이터 송수신부(210)는, 단말(100) 및/또는 외부 서버와 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위한 각종 데이터를 네트워크를 통해 주고받을 수 있다.

다음으로, 데이터 처리부(220)는, 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위한 일련의 데이터 처리를 수행할 수 있다.

특히, 데이터 처리부(220)는, 생활패턴 항목별 딥러닝 뉴럴 네트워크와 연동하여 혈액검사에 기반한 딥러닝(Deep Learning)을 수행할 수 있다.

이때, 실시예에 따라서 이러한 생활패턴 항목별 딥러닝 뉴럴 네트워크는, 생활패턴 추정 서버(200)에 직접 설치되거나, 생활패턴 추정 서버(200)와는 별개의 장치로서 단말(100)로부터 혈액검사 기반의 정보를 수신하여 딥러닝을 수행할 수 있다.

이하 본 발명의 실시예에서는, 생활패턴 항목별 딥러닝 뉴럴 네트워크가 생활패턴 추정 서버(200)에 직접 설치되어 딥러닝을 수행하는 실시예를 기준으로 설명한다.

다시 돌아와서, 이러한 생활패턴 추정 서버(200)의 데이터 처리부(220)는, 실시예에 따라서 전체 유닛들을 제어하는 메인 프로세서와, 딥러닝 뉴럴 네트워크 구동 시 필요한 대용량의 연산을 처리하는 복수의 그래픽 프로세서(Graphics Processing Unit, GPU)를 포함하도록 구성될 수 있다.

또한, 데이터 처리부(220)는, 딥러닝을 수행하기 위해 구축된 생활패턴 항목별 딥러닝 뉴럴 네트워크 구동 프로그램을 데이터베이스(230)로부터 독출하여, 구축된 생활패턴 항목별 딥러닝 뉴럴 네트워크 시스템에 따라 하기 기술하는 딥러닝을 수행할 수 있다.

자세히, 여기서 생활패턴 항목별 딥러닝 뉴럴 네트워크는, 약물 컴플라이언스 딥러닝 뉴럴 네트워크, 음주습관 추정 딥러닝 뉴럴 네트워크, 식습관 추정 딥러닝 뉴럴 네트워크, 운동량 추정 딥러닝 뉴럴 네트워크 및 변화인자 추정 뉴럴 네트워크를 포함할 수 있다.

여기서, 약물 컴플라이언스 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 기반으로 피검사자가 지도받은 약물 복용 지침에 따라 약물복용을 잘 준수하였는지 판단하고, 판단의 결과를 평가지수로 출력할 수 있다.

이때, 평가지수는, 생활패턴 정보를 나타내기 위한 하나의 수단으로 다른 실시예에서는 평가지수 이외의 일정 기준을 통해 분류된 생활패턴 타입이나 텍스트 등을 통해 생활패턴 정보를 나타낼 수 있다.

예를 들어, 약물 컴플라이언스 딥러닝 뉴럴 네트워크는, 피검사자의 약물복용지도의 준수(compliance) 정도를 파악하여 그 결과를 1-100 사이의 임의의 수치로 표시하여 출력할 수 있다.

자세히, 약물 컴플라이언스 딥러닝 뉴럴 네트워크는, 피검사자가 약물복용을 복약지도에 따라 잘 준수하였다고 판단된 경우, 1-100 사이의 수치 중 높은 수치의 값을 출력하고, 복약지도를 미준수하였다고 판단된 경우에는 낮은 수치를 출력할 수 있다.

즉, 약물 컴플라이언스 딥러닝 뉴럴 네트워크는, 복수의 랩 데이터를 입력하여 랩 데이터 사이의 기간 동안의 복약지도에 따른 약물 준수 정도를 나타내는 지표인 약물 컴플라이언스 평가지수를 출력할 수 있다.

또한, 음주습관 추정 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 기반으로 특정 기간 동안의 피검사자의 음주량 정보, 음주 횟수 등을 추정할 수 있고, 추정한 음주관련 평가지수를 출력할 수 있다.

즉, 음주습관 추정 딥러닝 뉴럴 네트워크는, 랩 데이터 사이의 기간 동안의 피검사자의 음주량 및 횟수에 비례한 음주관련 평가지수를 출력할 수 있다.

예를 들어, 음주습관 추정 딥러닝 뉴럴 네트워크는, 피검사자가 적절한 음주습관을 유지하였는지를 판단하여 그 결과를 1-100 사이의 임의의 수치로 표시하여 출력할 수 있다.

또한, 식습관 추정 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 기반으로 피검사자의 혈당 수치, 각종 영양소 수치 등의 정보를 추정하여, 피검사자가 특정 기간 동안에 소정의 영양밸런스를 유지할 수 있는 적절한 식습관을 수행하였는지 추정할 수 있다.

그리고 식습관 추정 딥러닝 뉴럴 네트워크는, 피검사자가 적절한 식습관을 수행하였는지 판단하여 그 결과를 식습관 평가지수로 출력할 수 있다.

예를 들어, 식습관 추정 딥러닝 뉴럴 네트워크는, 피검사자가 적절한 식습관을 유지하였는지 판단하여 그 결과를 1-100 사이의 임의의 수치로 표시하여 출력할 수 있다.

또한, 운동량 추정 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 기반으로 랩 데이터 사이의 기간 동안의 피검사자의 운동량을 추정할 수 있고, 추정된 운동량에 비례하는 지표인 운동량 평가지수를 출력할 수 있다.

예를 들어, 운동량 추정 딥러닝 뉴럴 네트워크는, 피검사자의 운동량 정도를 파악하여 그 결과를 1-100 사이의 임의의 수치로 표시하여 출력할 수 있다.

즉, 운동량 추정 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 입력하면, 랩 데이터 사이의 기간 동안의 피검사자의 운동량에 비례하여 산출되는 수치인 운동량 평가지수를 출력할 수 있다.

마지막으로, 변화인자 추정 딥러닝 뉴럴 네트워크는, 수신된 랩 데이터를 기반으로, 랩 데이터 사이의 주 변화인자를 추정하여, 소정의 수치 이상으로 변화된 변화인자를 출력할 수 있다.

자세히, 변화인자 추정 딥러닝 뉴럴 네트워크는, 과거 랩 데이터와 현재 랩 데이터를 비교하여 혈액요소 별로 소정의 값 이상 증가/감소하거나 소정의 퍼센트 이상 증가/감소한 검토 혈액요소들을 검출할 수 있다.

즉, 변화인자 추정 딥러닝 뉴럴 네트워크는, 변동성이 큰 혈액요소들과 변동성이 작은 혈액요소 별로 차이를 두어, 변동성이 큰 혈액요소는 큰 변화가 있을 때 검토 혈액요소로 검출하고 변동성이 작은 혈액요소는 상대적으로 작은 변화가 있을 때에도 검토 혈액요소로 검출할 수 있다.

그리고 변화인자 추정 딥러닝 뉴럴 네트워크는, 검토 혈액요소와 매칭된 변화인자를 테이블에서 추출하거나 딥러닝으로 학습하여 추출할 수 있다.

예를 들어, 변화인자 추정 딥러닝 뉴럴 네트워크는, 공복혈당에 비해 HbA1c가 상대적으로 소정의 수치 이상 높은 경우(예, 공복혈당 91 mg/dL, HbA1c 7.0 %) 검토 혈액요소로 추출할 수 있다. 그리고 변화인자 추정 딥러닝 뉴럴 네트워크는, 테이블에서 상기 검토 혈액요소를 변화시킬 변화인자로 매칭된 탄수화물 식사, 당류 간식 과다 섭취 또는 운동량 저하 등을 출력할 수 있다.

또한, 변화인자 추정 딥러닝 뉴럴 네트워크는, 공복혈당에 비해 HbA1c가 상대적으로 소정의 수치 이하로 낮은 경우 (예시, 공복혈당 91 mg/dL, HbA1c 7.0 %) 검토 혈액요소로 추출할 수 있다. 그리고 변화인자 추정 딥러닝 뉴럴 네트워크는, 상기 검토 혈액요소가 추출되면 탄수화물에 대비해 단백질 및 지방을 과다섭취한 경우, 지방간, 과다 음주 또는 수면 저하 등을 변화인자로 출력할 수 있다.

또한, 변화인자 추정 딥러닝 뉴럴 네트워크는, 공복혈당, 당화혈색소가 상대적으로 기설정된 수치 이상 크게 증가하는 경우, 당뇨약 복용 중단, 스테로이드 복용 시작을 배제, 특정 암 발생을 변화인자로 출력할 수 있다.

이때, 이러한 생활패턴 항목별 딥러닝 뉴럴 네트워크가 각각의 기능을 수행하기 위해 학습되는 방법은, 아래에서 기술되는 생활패턴 항목별 딥러닝 뉴럴 네트워크 구축방법의 상세한 설명에서 후술하기로 한다.

계속해서, 생활패턴 항목별 출력 데이터를 획득한 데이터 처리부(220)는, 생활패턴 항목별 딥러닝 뉴럴 네트워크에서 각각 출력된 생활패턴 항목별 평가지수를 통합하여 생활패턴 정보로 생성할 수 있다.

또한, 이러한 데이터 처리부(220)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세스(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

마지막으로, 데이터베이스(230)는, 혈액검사 기반의 생활패턴 추정 서비스와 관련된 각종 데이터를 저장할 수 있으며, 딥러닝을 수행하기 위해 구축된 딥러닝 뉴럴 네트워크 구동 프로그램을 포함할 수 있다.

이러한 데이터베이스(230)는, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기일 수 있고, 인터넷(internet)상에서 상기 데이터베이스(230)의 저장 기능을 수행하는 웹 스토리지(web storage)일 수도 있다.

- 의료상담 보조 서비스 제공서버

다음으로, 본 발명의 실시예에 따른 의료상담 보조 서비스 제공서버(300)는, 단말(100) 및/또는 생활패턴 추정 서버(200)로부터 피검사자의 혈액검사 랩 데이터를 기반으로 생성된 생활패턴 정보를 수신할 수 있다.

그리고 의료상담 보조 서비스 제공서버(300)는, 수신된 생활패턴 정보를 기반으로 그래픽 이미지를 출력할 수 있는 의료상담 보조 콘텐츠를 제공할 수 있다.

의료상담 보조 서비스 제공서버(300)에서 제공하는 의료상담 보조 콘텐츠에 대한 자세한 설명은, 이하에서 기술되는 생활패턴 항목별 딥러닝 뉴럴 네트워크 구축방법의 상세한 설명에서 후술하기로 한다.

또한, 의료상담 보조 서비스 제공서버(300)는, 다양한 의료상담 보조 콘텐츠를 검색할 수 있는 의료상담 보조 콘텐츠 검색 기능을 제공할 수 있으며, 검색을 통해 선택된 의료상담 보조 콘텐츠를 통해 수신된 생활패턴 정보를 출력할 수 있다.

이러한 의료상담 보조 서비스 제공서버(300)는, 데이터 통신부, 메모리 및 프로세서를 포함할 수 있다.

이때, 데이터 통신부는, 단말(100) 및/또는 외부 서버와 혈액검사 기반의 생활패턴 추정 서비스를 제공하기 위한 각종 데이터를 네트워크를 통해 주고받을 수 있다.

또한, 메모리는, 혈액검사 기반의 생활패턴 추정 서비스와 관련된 각종 데이터를 저장할 수 있다.

예를 들어, 메모리는, 수신된 혈액검사 랩 데이터, 의료상담 보조 콘텐츠 등을 저장하고 관리할 수 있다.

또한, 프로세서는, 의료상담 보조 콘텐츠를 생성해 혈액검사 기반의 생활패턴 추정 서비스를 효과적으로 제공하기 위하여, 전술한 각 구성요소의 전반적인 동작을 제어할 수 있다.

이러한 프로세서는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세스(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

- 혈액검사 결과 기반의 생활패턴 추정방법

이하, 첨부된 도면을 참조하여 혈액검사 결과를 기반으로 피검사자의 생활패턴을 추정하는 방법에 대하여 상세히 설명한다.

도 4는 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법을 설명하기 위한 흐름도이다.

도 4를 참조하면, 먼저 단말(100)은, 피검사자의 제 1 혈액검사에 따른 제 1 랩 데이터를 획득하여 저장할 수 있다. (S101)

자세히, 단말(100)은, 제 1 혈액검사를 통해 피검사자의 혈액으로부터 도출된 각종 혈액관련정보인 제 1 랩 데이터를 획득해 저장할 수 있다.

이때, 도 5를 참조하면, 랩 데이터는, 피검사 혈액명칭, 검사 결과, 결과 판정, 측정 단위 및 참고치 정보 중 적어도 하나 이상을 포함하는 정보일 수 있다.

다음으로, 단말(100)은, 제 1 기간이 경과한 이후, 피검사자의 제 2 혈액검사에 따른 제 2 랩 데이터를 획득하여 저장할 수 있다. (S103)

즉, 단말(100)은, 임의의 기간인 제 1 기간을 사이에 두고 측정된 제 1 랩 데이터와 제 2 랩 데이터를 획득하여 저장할 수 있다.

그리고 단말(100)은, 획득된 제 1 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하여 제 1 기간의 생활패턴 정보를 획득할 수 있다. (S105, S107)

자세히, 단말(100)은, 획득된 제 1 및 2 랩 데이터를 생활패턴 추정 서버(200)로 송신하여, 상기 제 1 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력시킬 수 있다.

그리고 단말(100)은, 제 1 내지 2 랩 데이터를 입력받은 생활패턴 항목별 딥러닝 뉴럴 네트워크로부터 출력된 제 1 기간에 대한 생활패턴 정보를 생활패턴 추정 서버(200)로부터 수신할 수 있다.

예를 들어, 단말(100)은, 약물 컴플라이언스 딥러닝 뉴럴 네트워크로부터 제 1 내지 2 랩 데이터의 입력에 대한 출력인 제 1 기간의 약물복용 컴플라이언스 평가지수를 생활패턴 정보로 수신할 수 있다.

또한, 단말(100)은, 음주습관 추정 딥러닝 뉴럴 네트워크로부터 제 1 내지 2 랩 데이터의 입력에 대한 출력인 제 1 기간의 음주관련 평가지수를 생활패턴 정보로 수신할 수 있다.

또한, 단말(100)은, 식습관 추정 딥러닝 뉴럴 네트워크로부터 제 1 내지 2 랩 데이터를 입력하여 출력된 제 1 기간의 식습관 평가지수를 생활패턴 정보로 수신할 수 있다.

또한, 단말(100)은, 운동량 추정 딥러닝 뉴럴 네트워크로부터 제 1 내지 2 랩 데이터를 입력하여 출력된 제 1 기간의 운동량 평가지수를 생활패턴 정보로 수신할 수 있다.

즉, 단말(100)은, 생활패턴 항목별 딥러닝 뉴럴 네트워크 각각에서 출력된 각 생활패턴 항목별 평가지수를 포함하는 생활패턴 정보를 생활패턴 추정 서버(200)로부터 수신할 수 있다.

또한, 단말(100)은, 약물 컴플라이언스, 음주습관, 식습관 및 운동량 중 적어도 하나 이상의 항목에서 출력된 생활습관 점수 정보와 랩 데이터를 기반으로 획득될 수 있는 피검사자의 체중 및/또는 스트레스 점수 정보를 생활패턴 정보에 더 포함하여 수신할 수 있다.

즉, 단말(100)은, 피검사자의 체중 및/또는 스트레스 점수 정보가 더 포함된 생활패턴 정보를 수신하여, 피검사자의 약물 컴플라이언스, 음주습관, 식습관 및/또는 운동량과 공복혈당, 당화혈색소 수치 및/또는 수면의 질 상태 등에 대한 보다 포괄적인 추정이 가능하도록 보조할 수 있다.

정리하면, 단말(100)은, 혈액검사를 통해 획득한 랩 데이터를 딥러닝 뉴럴 네트워크에 입력하여 사용자의 다양한 생활습관 변화를 추정할 수 있고, 이를 의료상담 보조 콘텐츠로 제공하여, 환자의 진료에 활용할 수 있다.

즉, 단말(100)은, 이전 진료와 현재 진료 사이의 생활습관 변화를 정확하고 직관적인 지표인 수치나 그래프로 제공하여, 환자가 파악하지 못하거나 언급하지 못한 생활습관 변화를 의사가 정확하게 캐치하도록 보조하고, 이러한 데이터를 통해 의사는 환자의 생활습관에 맞는 약제를 추천하거나 복약방법 지도를 제공할 수 있고 올바른 생활습관을 지도함으로써, 진료의 퀄리티를 향상시킬 수 있다.

이와 같이, 단말(100)은, 빅데이터로 학습된 딥러닝 뉴럴 네트워크를 통한 인공지능 데이터 처리로 피검사자의 생활패턴을 추정한 정보를 획득함으로써, 자동화되어 빠르고 객관적인 혈액검사 결과 기반의 생활패턴 추정 서비스를 제공할 수 있다.

또한, 단말(100)은, 변화인자 추정 뉴럴 네트워크에 랩 데이터를 입력하여, 제 1 기간 동안의 피검사자에게 발생된 변화인자를 획득할 수 있다.

자세히, 단말(100)은, 변화인자 추정 뉴럴 네트워크를 통해 랩 데이터에서 검사된 혈액요소들 중 소정의 값 이상 증가/감소하거나, 복수의 혈액요소를 대비하여 소정의 수치 이상 차이가 발생한 경우, 상기 혈액요소들을 검토 혈액요소로 출력할 수 있다.

즉, 변화인자 추정 뉴럴 네트워크에 랩 데이터를 입력하면, 제 1 기간 동안에 혈액요소 변화를 기반으로 학습되어 검토 혈액요소를 출력할 수 있다.

예를 들어, 변화인자 추정 뉴럴 네트워크는, 공복혈당에 비해 HbA1c가 상대적으로 소정의 수치 이상 높은 경우, 공복혈당에 비해 HbA1c가 상대적으로 소정의 수치 이하로 낮은 경우, 공복혈당, 당화혈색소가 상대적으로 기설정된 수치 이상 크게 증가하는 경우, Cr은 크게 변동 없는데 BUN 이전에 비해 높은 경우, Cr이 지속적으로 상승하는 경우, AST, ALT가 20 이상인 경우, AST/ALT 비율이 1미만인 경우, AST, ALT가 이전 검사수치보다 증가하거나, AST/ALT 비율이 1 이상인 경우, ALT, r-GTP가 정상이상으로 올라간 경우 또는 HDL-Cholesterol이 40미만으로 유지되는 경우를 검토 혈액요소로 출력할 수 있다.

그리고 단말(100)은, 상기 검토 혈액요소에 매칭된 적어도 하나 이상의 변화인자를 추출하여, 사용자에게 제공할 수 있다.

여기서 변화인자는, 식습관 패턴, 수면 장애, 운동량, 급성 질환 발생, 암 발생, 위장 질환, 음주 과다, 체중 변화, 지방간, 급성 감염 또는 담도계 질환 등을 포함할 수 있다.

즉, 단말(100)은, 제 1 혈액검사와 제 2 혈액검사에 대한 랩 데이터를 변화인자 추정 뉴럴 네트워크에 입력하여 검토 혈액요소를 추출하고, 검토 혈액요소에 매칭된 변화인자를 검색하여, 제 1 기간동안 피검사자에게 문진해야할 만한 변화인자를 추정하여 알려줄 수 있다.

계속해서, 제 1 기간의 생활패턴 정보를 획득한 단말(100)은, 획득된 제 1 기간의 생활패턴 정보 또는/ 및 변화인자를 디스플레이할 수 있다. (S109) 변화인자 디스플레이시, 검토 혈액요소도 함께 디스플레이할 수 있다.

자세히, 도 6을 참조하면, 단말(100)은, 제 1 기간의 생활패턴 정보를 의료상담 보조 콘텐츠를 통하여 그래픽 이미지로 출력할 수 있다.

보다 상세히, 의료상담 보조 서비스 제공서버(300)는, 생활패턴 추정서버(200)로부터 제 1 기간의 생활패턴 정보를 수신하면, 상기 제 1 생활패턴 정보를 각종 이미지, 텍스트 및/또는 그래프 등의 다양한 형식으로 표시하는 의료상담 보조 콘텐츠를 생성할 수 있다.

그리고 단말(100)은, 의료상담 보조 서비스 제공서버(300)로부터 생활패턴 정보를 나타내는 의료상담 보조 콘텐츠와, 랩 데이터를 시각화한 의료상담 보조 콘텐츠를 수신하여 출력할 수 있다.

이와 같이, 단말(100)은, 제 1 기간 생활패턴 정보를 의료상담 보조 콘텐츠를 통해 그래픽 이미지로 제공함으로써, 쉽고 직관적으로 생활패턴 정보를 확인하게 할 수 있다.

이상에서는, 단말(100)에서 생활패턴 정보를 의료상담 보조 서비스 제공서버(300)로 송신하여 의료상담 보조 콘텐츠를 획득해 출력한다고 설명하였으나, 생활패턴 추정 서버(200)와 의료상담 보조 서비스 제공서버(300)가 연동하여 의료상담 보조 콘텐츠를 생성해 단말(100)로 송신하는 등 다양한 실시예 또한 가능할 것이다.

또한, 도 7을 참조하면, 단말(100)은, 제 1 기간 생활패턴 정보를 제 1 기간의 생활패턴 항목별로 연관된 피검사 혈액 정보와 결합하여 표시할 수 있다.

자세히, 단말(100)은, 제 1 기간의 약물 컴플라이언스, 음주습관, 식습관 및/또는 운동량 항목 각각에 대해 연관된 피검사 혈액을 각 항목에 매칭하여 랩 데이터를 나타내는 의료상담 보조 콘텐츠와 생활패턴 정보를 나타내는 의료상담 보조 콘텐츠를 결합해 표시할 수 있다.

보다 상세히, 일반적으로 혈액검사를 통해 검출된 피검사 혈액 성분은 생활패턴 정보의 각 항목과 연관될 수 있다.

예를 들어, 혈액요소질소(BUN, Blood Urea Nitrogen)는, 단백질의 대사 산물을 반영하는 정보를 내포하고 있으며, 혈액요소질소 수치가 높을 경우에 신장기능 장애, 위장관 출혈 등을 의심할 수 있다. 즉, 혈액요소질소는, 생활패턴 정보의 항목 중 식습관 항목과 연관된 혈액검사 랩 데이터가 될 수 있다.

따라서, 단말(100)은, 제 1 및 제 2 랩 데이터의 혈액요소질소 수치변화와 상기 생활패턴 정보 중 식습관 평가지수를 결합한 의료상담 보조 콘텐츠를 생성하여 제공할 수 있으며, 이와 같이 결합된 의료상담 보조 콘텐츠는 추정된 생활패턴 정보의 신뢰성을 향상시킬 수 있다.

다른 예시로, 감마지티피(γ-GTP)는, 간과 담도기능에 대한 지표를 나타내는 정보를 내포하고 있으며, 정상 수치 이상으로 높은 경우 황달이 있거나 음주량이 많음을 시사할 수 있다. 즉, 감마지티피는, 생활패턴 정보의 각 항목 중 음주습관 항목과 연관된 혈액검사 랩 데이터가 될 수 있다.

따라서, 제 1 및 제 2 랩 데이터의 감마지티피 수치변화와 상기 생활패턴 정보 중 음주관련 평가지수를 결합한 의료상담 보조 콘텐츠를 생성하여 제공할 수 있으며, 이와 같이 결합된 의료상담 보조 콘텐츠는 추정된 생활패턴 정보의 신뢰성을 향상시킬 수 있다.

즉, 단말(100)은, 혈액검사 랩 데이터가 제공하는 피검사 혈액 성분과 생활패턴 정보들 간의 연관성을 고려하여, 제 1 생활패턴 정보의 각 항목별로 매칭되는 피검사 혈액 성분변화에 대한 정보를 함께 표시해 제공할 수 있다.

이때, 제 1 생활패턴 정보의 각 항목별로 매칭되어 표시되는 피검사 혈액들은, 의료상담 보조 콘텐츠를 통해 그래프 형식으로 표시되어 제공될 수 있다.

이와 같이, 단말(100)은, 제 1 기간 생활패턴 정보의 각 항목에 대하여 연관된 피검사 혈액성분 변화에 대한 정보를 함께 표시함으로써, 제 1 기간의 생활패턴 정보와 제 1 기간의 생활패턴 정보가 도출된 원인이 될 수 있는 피검사 혈액에 대한 정보를 함께 출력할 수 있고, 이를 통해 보다 상세한 혈액검사 결과 기반의 생활패턴 정보를 제공할 수 있다.

한편, 단말(100)은, 제 2 기간이 경과한 이후, 제 3 혈액검사에 따른 제 3 랩 데이터를 획득하여 저장할 수 있다. (S111)

즉, 단말(100)은, 제 1 랩 데이터 또는 제 2 랩 데이터와 임의의 기간을 사이에 두고 측정된 제 3 랩 데이터를 획득해 저장할 수 있다.

이와 같이, 단말(100)은, 임의의 기간을 두고 측정된 피검사자의 제 1 랩 데이터, 제 2 랩 데이터, 제 3 랩 데이터, …, 제 n 랩 데이터를 기반으로, 다양한 경우의 수를 가지는 기간에 대한 생활패턴 정보를 획득하여 제공할 수 있다.

계속해서, 단말(100)은, 획득된 제 3 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하여 제 2 기간의 생활패턴 정보를 획득해 저장할 수 있다. (S113, S115)

자세히, 단말(100)은, 획득된 제 2 내지 3 랩 데이터를 생활패턴 추정 서버(200)로 송신하여 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력되도록 할 수 있다.

그리고 단말(100)은, 제 2 내지 3 랩 데이터를 입력받은 생활패턴 항목별 딥러닝 뉴럴 네트워크로부터 출력된 제 2 기간에 대한 생활패턴 정보를 생활패턴 추정 서버(200)로부터 수신해 저장할 수 있다.

또한, 단말(100)은, 획득된 제 3 랩 데이터와 제 1 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하여 제 3 기간의 생활패턴 정보를 획득해 저장할 수 있다. (S117, S119)

자세히, 단말(100)은, 획득된 제 1 내지 3 랩 데이터를 생활패턴 추정 서버(200)로 송신하여 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력되도록 할 수 있다.

그리고 단말(100)은, 제 1 내지 3 랩 데이터를 입력받은 생활패턴 항목별 딥러닝 뉴럴 네트워크로부터 출력된 제 3 기간에 대한 생활패턴 정보를 생활패턴 추정 서버(200)로부터 수신해 저장할 수 있다.

이와 같이, 제 1 내지 3 랩 데이터를 기반으로 하여 제 1 내지 3 기간의 생활패턴 정보를 획득한 단말(100)은, 획득된 제 1 내지 3 기간의 생활패턴 정보를 다양한 방식으로 디스플레이할 수 있다. (S121)

이때, 단말(100)은, 의료상담 보조 서비스 제공서버(300)로부터 생성되는 의료상담 보조 콘텐츠를 통해 제 1 내지 3 기간의 생활패턴 정보를 그래픽 이미지로 출력할 수 있다.

또한, 도 8을 참조하면, 단말(100)은, 제 1 내지 3 혈액검사에 따른 생활패턴 정보를 1) 제 3 기간(T3)의 생활패턴 정보를 디스플레이하는 방법, 2) 제 1 기간(T1), 제 2 기간(T2) 및 제 3 기간(T3)의 생활패턴 정보를 각각 디스플레이하는 방법 및 3) 제 1 기간(T1)의 생활패턴 정보와 제 2 기간(T2)의 생활패턴 정보를 각각 도출해 결합한 후, 제 3 기간(T3)의 생활패턴 정보로 보정을 수행하여 디스플레이하는 방법 중 어느 하나 이상의 방법으로 출력하여 제공할 수 있다.

예를 들어, 단말(100)은, 제 1 기간의 운동량 평가지수가 80, 제 2 기간의 운동량 평가지수가 90이고, 제 3 기간의 운동량 평가지수가 75일 경우, 먼저 제 1 기간의 운동량 평가지수와 제 2 기간의 운동량 평가지수를 기설정된 방식(예컨대, 평균치)으로 결합할 수 있다.

계속해서, 기설정된 방식으로 결합된 제 1 내지 2 기간의 운동량 평가지수(예컨대, 85)가, 기설정된 조건(예컨대, 제 3 기간의 운동량 평가지수와 소정의 값(예컨대, 5) 이상 차이가 날 경우 등)을 만족할 경우, 결합된 제 1 내지 2 기간의 운동량 평가지수를 제 3 기간의 운동량 평가지수로 기설정된 방식(예컨대, 평균치)에 따라 보정하여 최종 운동량 평가지수(예컨대, 80)를 산출할 수 있다.

이와 같이, 단말(100)은, 추정된 생활패턴 정보를 다양한 방식으로 디스플레이하여 제공함으로써, 사용자가 다양한 관점에서 쉽고 직관적으로 혈액검사 결과에 기반한 생활패턴 정보를 확인하게 할 수 있다.

- 생활패턴 항목별 딥러닝 뉴럴 네트워크 구축방법

이하, 첨부된 도면을 참조하여 생활패턴 항목별 딥러닝 뉴럴 네트워크를 구축하는 방법을 생활패턴 추정 서버(200)를 중심으로 상세히 설명하기로 한다.

도 9는 본 발명의 실시예에 따른 생활패턴 항목별 딥러닝 뉴럴 네트워크를 구축하는 방법을 설명하기 위한 흐름도이다.

도 9를 참조하면, 생활패턴 추정 서버(200)는, 먼저 혈액검사를 기반으로 생성된 의료상담 콘텐츠를 단말(100)로부터 획득할 수 있다. (S201)

이때, 의료상담 콘텐츠란, 의료상담 보조 콘텐츠 상에 의사에 의해 입력된 의료상담과 관련된 기록이 추가되어 생성된 정보일 수 있다.

여기서, 의료상담 보조 콘텐츠란, 의료관련 이미지, 동영상, 애니메이션 및 텍스트 중 적어도 하나 이상을 포함하는 조합으로 형성되어 단말(100)을 통해 출력됨으로써 의료상담을 보조할 수 있는 정보로서, 전자의무기록(EMR, Electronic Medical Record), 전자건강기록(EHR, Electronic Health Record), 의료상담 보조 서비스 제공서버(300)에서 제공하는 상담을 보조하는 이미지 또는 단말(100)에서 제공하는 혈액검사 정보(즉, 랩 데이터) 등이 포함될 수 있다.

보다 자세히, 여기서 전자의무기록이란, 기존의 종이에 기재하는 환자차트를 전산화한 것으로서, 환자(즉, 피검사자)의 인적사항, 과거 병력, 진단 기록, 치료 내용, 복약 지도 기록, 복용 약물 기록, 수술 기록, 입퇴원 기록 및 외래 진료 사항 정보 중 적어도 하나 이상을 포함하는 데이터 정보일 수 있다.

또한, 전자건강기록이란, 데이터를 획득하는 디바이스(Divice)에 의해 측정된 디지털 형식의 의료 관련 데이터로서, 환자(즉, 피검사자)가 디바이스를 착용하여 디바이스에서 획득된 생체정보를 포함할 수 있다.

예컨대, 생체정보는, 혈당, 혈압, 체온, 심전도 등의 환자(즉, 피검사자)의 신체를 측정한 정보이거나, 인슐린 투입정보, 천식 흡입제 투입정보, 통증 정보 등 환자(즉, 피검사자)가 약물을 투입하거나 통증에 대한 입력 정보 등을 포함할 수 있다.

즉, 의료상담 보조 콘텐츠는, 본 발명의 실시예에서 위와 같은 피검사자의 전자의무기록, 전자건강기록 및/또는 혈액검사에 따른 적어도 하나 이상의 랩 데이터 등을 포함할 수 있다.

자세히, 의료상담 보조 서비스 제공서버(300)에서 제공하는 의료상담 보조 콘텐츠는, 의료상담을 보조하기 위한 시청각 자료들을 포함할 수 있고, 실시예에서 시청각 자료는, 혈액검사 결과 출력 콘텐츠, 질병진단 콘텐츠, 치료방법 콘텐츠, 약물상담 콘텐츠, 진료비용 콘텐츠, 보험 정보 콘텐츠, 서명 콘텐츠, 기타 콘텐츠 및 전술한 콘텐츠들을 통합한 의료상담 보조 콘텐츠 등을 포함할 수 있다.

예를 들어, 의료상담 보조 콘텐츠에는, 혈액검사 기반의 랩 데이터, 신체기관 이미지, 질병 정보, 치료법 이미지, 치료법 정보, 약물 복약방법, 약물 정보 및 보험 정보 중 적어도 하나의 이미지나 정보들이 포함될 수 있으며, 의료상담 콘텐츠을 작성하는데 사용되는 각종 정보도 보조로 포함될 수 있다.

이와 같은 다양한 의료상담 보조 콘텐츠는, 의료상담 보조 서비스 제공서버(300)에서 생성되어 단말(100)로 송신될 수 있고, 의료상담 보조 콘텐츠를 수신한 단말(100)에서 의사의 선택에 따라 의료상담에 활용되도록 표시되며, 단말(100)은 선택된 복수의 의료상담 보조 콘텐츠를 의사가 상담에 활용하기 쉽게 정렬하여 제공할 수 있다.

그리고 이러한 의료상담 보조 콘텐츠 상에 의사의 의료상담 내용을 입력받아 의료상담 콘텐츠를 생성하기 위하여, 단말(100)은, 상담 입력 인터페이스를 제공할 수 있다.

자세히, 상담 입력 인터페이스는, 표시된 의료상담 보조 콘텐츠의 이미지 상에 의사가 필기, 음성, 편집 및/또는 영상을 입력하도록 하는 그래픽 유저 인터페이스를 포함할 수 있다.

실시예로, 상담 입력 인터페이스는, 의료상담 보조 콘텐츠의 이미지 상에 의사의 필기입력을 감지하는 필기 입력 인터페이스를 제공할 수 있다.

또한, 본 발명의 실시예에서 상담 입력 인터페이스는, 의료상담 보조 콘텐츠 상에 소정의 조건(예컨대, 기설정된 경력 이상을 가지는 전문의 등)을 만족하는 수준 높은 숙련의가 혈액검사 정보에 기반한 소견을 입력하는 숙련의 소견 입력 인터페이스를 제공할 수 있다.

자세히, 상담 입력 인터페이스는, 의료상담 보조 콘텐츠를 통해 출력되는 피검사자의 혈액검사 정보에 기반하여 숙련의가 추정한 임의의 기간의 피검사자 생활패턴에 대한 정보를 입력받는 숙련의 소견 입력 인터페이스를 제공할 수 있다.

즉, 단말(100)은, 의료상담 보조 콘텐츠를 통해 제공되는 피검사자의 혈액검사 정보에 대해 숙련의가 추정한 생활패턴에 대한 정보를 상담 입력 인터페이스를 통해 입력받아 저장할 수 있다.

또한, 단말(100)은, 전술한 의료상담 보조 콘텐츠 상에 상담 입력 인터페이스를 통해 입력된 의료상담 내용(예컨대, 혈액검사 정보를 기반으로 숙련의가 추정한 생활패턴 정보 등)이 추가되어 만들어진 정보인 의료상담 콘텐츠를 생성할 수 있다.

그리고 단말(100)은, 생성된 의료상담 콘텐츠를 출력하여 의료상담을 보조하는 역할을 수행할 수 있으며, 생성된 의료상담 콘텐츠를 생활패턴 추정 서버(200)로 송신할 수 있다.

이와 같이, 본 발명의 실시예에 따른 단말(100)은, 의료상담 콘텐츠를 활용하여 혈액검사 기반의 생활패턴 추정 서비스를 제공함으로써, 객관적 데이터 기반의 신뢰성 높은 피드백을 생성하게 할 수 있으며, 이를 통해 딥러닝 뉴럴 네트워크의 학습을 효과적으로 보조할 수 있다.

계속해서, 단말(100)로부터 생성된 의료상담 콘텐츠를 획득한 생활패턴 추정 서버(200)는, 획득된 의료상담 콘텐츠의 의료상담 내용 중 생활패턴 관련정보를 추출할 수 있다. (S203)

이때, 생활패턴 관련정보란, 획득된 의료상담 콘텐츠 상에 존재하는 피검사자의 혈액검사 정보 기반의 생활패턴 정보 즉, 피검사자의 약물 컴플라이언스, 음주습관, 식습관 및 운동량 항목 중 어느 하나 이상에 관련된 각종 정보를 의미한다.

이러한 생활패턴 관련정보는, 의료상담 콘텐츠 상에서 광학적 문자 판독장치(OCR)를 통한 키워드 인식 방식, 기설정된 키워드에 기반한 자동추출 방식 및/또는 숙련의 소견 인터페이스를 통해 입력된 정보 등으로부터 추출될 수 있고, 관련 의료인(예컨대, 의사)가 수동으로 선정하여 추출될 수도 있다.

계속해서, 생활패턴 관련정보를 추출한 생활패턴 추정 서버(200)는, 추출된 생활패턴 관련정보와 해당 혈액검사 정보(즉, 랩 데이터)를 매칭하여 트레이닝 데이터 세트를 생성할 수 있다. (S205)

이때, 생활패턴 추정 서버(200)는, 생활패턴 관련정보와 적어도 하나 이상의 해당 혈액검사 정보를 자동으로 매칭하여 트레이닝 데이터 세트를 생성할 수도 있고, 관련 의료인(예컨대, 의사)이 수동으로 생활패턴 관련정보와 적어도 하나 이상의 해당 혈액검사 정보를 매칭시킨 정보를 기반으로 트레이닝 데이터 세트를 생성할 수도 있다.

다음으로, 트레이닝 데이터 세트를 생성한 생활패턴 추정 서버(200)는, 생성된 트레이닝 데이터 세트를 생활패턴 관련정보의 항목 특성에 따라 분류할 수 있다. (S207)

자세히, 생활패턴 추정 서버(200)는, 트레이닝 데이터 세트의 생활패턴 관련정보 항목 즉, 피검사자의 약물 컴플라이언스, 음주습관, 식습관 및/또는 운동량 항목 중 어느 항목의 정보인지에 따라 해당 항목별로 트레이닝 데이터 세트를 분리하여 분류할 수 있다.

이때, 생활패턴 추정 서버(200)는, 트레이닝 데이터 세트의 생활패턴 관련정보 항목 특성에 따른 분류를 자동으로 수행할 수도 있고, 관련 의료인(예컨대, 의사)이 수동으로 트레이닝 데이터 세트를 항목 특성에 따라 분류한 정보를 기반으로 트레이닝 데이터 세트를 분류할 수도 있다.

이처럼 트레이닝 데이터 세트를 분류한 생활패턴 추정 서버(200)는, 분류된 트레이닝 데이터 세트를 기반으로 생활패턴 항목별 딥러닝 뉴럴 네트워크를 학습시킬 수 있다. (S209)

자세히, 생활패턴 추정 서버(200)는, 항목 특성별로 분류된 트레이닝 데이터 세트와 생활패턴 항목별 딥러닝 뉴럴 네트워크를 상호 연관된 항목끼리 매칭하여 학습시킬 수 있다.

실시예로, 생활패턴 추정 서버(200)는, 약물 컴플라이언스 항목으로 분류된 트레이닝 데이터 세트와 약물 컴플라이언스 딥러닝 뉴럴 네트워크를 매칭할 수 있고, 해당 약물 컴플라이언스 트레이닝 데이터 세트로 약물 컴플라이언스 딥러닝 뉴럴 네트워크를 학습시킬 수 있다.

동일한 방식으로, 생활패턴 추정 서버(200)는, 음주습관 트레이닝 데이터 세트와 음주습관 추정 딥러닝 뉴럴 네트워크를 매칭하여 딥러닝 뉴럴 네트워크를 학습시킬 수 있고, 식습관 트레이닝 데이터 세트와 식습관 추정 딥러닝 뉴럴 네트워크를 매칭하여 딥러닝 뉴럴 네트워크를 학습시킬 수 있으며, 운동량 트레이닝 데이터 세트와 운동량 추정 딥러닝 뉴럴 네트워크를 매칭하여 딥러닝 뉴럴 네트워크를 학습시킬 수 있다.

이와 같이, 생활패턴 추정 서버(200)는, 혈액검사 정보에 기반하여 생성된 의료상담 콘텐츠를 기초로 트레이닝 데이터 세트를 생성하고, 생성된 트레이닝 데이터 세트를 생활패턴 항목별 딥러닝 뉴럴 네트워크의 항목에 적합하게 분류해 딥러닝 뉴럴 네트워크 학습을 수행함으로써, 트레이닝 데이터 세트에 기반한 생활패턴 항목별 딥러닝 뉴럴 네트워크의 학습을 보다 효과적으로 수행함과 동시에 신뢰도를 향상시킬 수 있다.

이상, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 피검사자에 대한 복수의 혈액검사 랩 데이터를 획득하고, 획득된 랩 데이터를 기반으로 특정 기간 동안의 피검사자 생활패턴을 추정함으로써, 다양한 기간별 피검사자의 생활패턴을 추정해 건강 진단을 수행할 수 있는 장점이 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 다양한 기간별로 추정된 피검사자의 생활패턴이 상호 보정되는 기능을 제공함으로써, 혈액검사 결과 기반의 생활패턴 추정 서비스의 정확도를 향상시킬 수 있는 효과가 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 학습된 딥러닝 뉴럴 네트워크를 통한 인공지능적 데이터 처리로 피검사자의 생활패턴을 추정함으로써, 자동화되어 빠르고 효율적인 혈액검사 결과 기반의 생활패턴 추정 서비스를 제공할 수 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 혈액검사 결과에 기초하여 생성된 의료상담 콘텐츠에 기반하여 딥러닝 뉴럴 네트워크를 학습시킴으로써, 트레이닝 데이터 세트를 효과적으로 생성할 수 있고, 보다 신뢰도 높은 데이터를 기반으로 딥러닝 뉴럴 네트워크를 학습시킬 수 있다.

또한, 본 발명의 실시예에 따른 혈액검사 결과 기반의 생활패턴 추정방법 및 장치는, 추정된 생활패턴 정보를 다양한 방식으로 디스플레이하여 제공함으로써, 사용자가 쉽고 직관적으로 혈액검사 결과에 기반한 생활패턴 정보를 확인하게 할 수 있다.

또한, 이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

또한 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술분야에 통상의 지식을 갖는 자라면 후술할 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.

Claims (5)

1. 단말에서 피검사자의 혈액검사에 따른 랩 데이터를 획득하여 상기 피검사자의 생활패턴을 추정하는 방법으로서,
   제 1 혈액검사에 따른 제 1 랩 데이터를 획득하는 단계;
   제 1 기간 이후의 제 2 혈액검사에 따른 제 2 랩 데이터를 획득하는 단계;
   상기 제 1 랩 데이터와 제 2 랩 데이터를 생활패턴 항목별 딥러닝 뉴럴 네트워크에 입력하고, 상기 생활패턴 항목별 딥러닝 뉴럴 네트워크에서 출력된 제 1 기간 생활패턴 정보를 획득하는 단계; 및
   상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계를 포함하고,
   상기 생활패턴 정보는, 상기 피검사자의 약물 컴플라이언스, 음주습관, 식습관, 운동량, 체중 및 스트레스 중 적어도 하나 이상의 항목에 대한 생활습관 정보를 포함하며,
   변화인자 추정 딥러닝 뉴럴 네트워크에 상기 제 1 랩 데이터와 상기 제 2 랩 데이터를 입력하여 상기 피검사자의 혈액요소 중 적어도 하나를 변동성을 기초로 검토 혈액요소로 추출하는 단계와, 상기 변화인자 추정 딥러닝 뉴럴 네트워크가 상기 추출된 검토 혈액요소에 기초하여 변화인자를 추출하는 단계를 더 포함하고,
   상기 변화인자는, 상기 검토 혈액요소의 변화량에 따라서 상기 제 1 기간 동안 상기 검토 혈액요소를 변화시키는 요인을 의미하고,
   상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계는,
   상기 검토 혈액요소의 수치변화와, 상기 검토 혈액요소에 따른 변화인자를 결합하여 표시하는 단계를 포함하는
   혈액검사 결과 기반 생활패턴 및 변화인자 추정방법.
2. 제 1 항에 있어서,
   상기 제 1 기간 생활패턴 정보를 획득하는 단계는,
   상기 제 1 랩 데이터와 제 2 랩 데이터를 약물 컴플라이언스 뉴럴 네트워크에 입력하고, 상기 약물 컴플라이언스 뉴럴 네트워크에서 출력된 상기 제 1 기간 동안의 상기 피검사자에 대한 복약지도에 따른 약물복용 준수 정도를 나타내는 지표인 약물 컴플라이언스 평가지수를 획득하는 단계를 포함하는
   혈액검사 결과 기반 생활패턴 및 변화인자 추정방법.
3. 제 1 항에 있어서,
   상기 제 1 기간 생활패턴 정보를 획득하는 단계는,
   상기 제 1 랩 데이터와 제 2 랩 데이터를 음주습관 추정 딥러닝 뉴럴 네트워크에 입력하고, 상기 음주습관 추정 딥러닝 뉴럴 네트워크에서 출력된 상기 제 1 기간 동안의 상기 피검사자의 음주량과 음주횟수에 비례한 음주관련 평가지수를 획득하는 단계를 포함하는
   혈액검사 결과 기반 생활패턴 및 변화인자 추정방법.
4. 제 3 항에 있어서,
   상기 제 1 기간 생활패턴 정보를 디스플레이하는 단계는,
   상기 제 1 기간 생활패턴 정보를 의료상담 보조 콘텐츠를 통해 출력하는 단계를 포함하고,
   상기 의료상담 보조 콘텐츠는,
   상기 생활패턴 정보의 특정 항목과 연관된 상기 혈액검사에 따른 피검사 혈액 성분 변화정보를 상기 생활패턴 정보의 특정 항목과 결합하여 표시하는 단계를 더 포함하는
   혈액검사 결과 기반 생활패턴 및 변화인자 추정방법.
5. 삭제

Images