KR102228925B1 - Method of monitoring patient condition based on gait measurement data - Google Patents
Method of monitoring patient condition based on gait measurement data Download PDFInfo
- Publication number
- KR102228925B1 KR102228925B1 KR1020190038151A KR20190038151A KR102228925B1 KR 102228925 B1 KR102228925 B1 KR 102228925B1 KR 1020190038151 A KR1020190038151 A KR 1020190038151A KR 20190038151 A KR20190038151 A KR 20190038151A KR 102228925 B1 KR102228925 B1 KR 102228925B1
- Authority
- KR
- South Korea
- Prior art keywords
- measurement data
- patient
- gait measurement
- data
- computer
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Abstract
보행 측정 데이터 기반 환자 상태 모니터링 방법이 제공된다. 상기 보행 측정 데이터 기반 환자 상태 모니터링 방법 은 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 환자의 진단 데이터를 획득하는 단계, 상기 컴퓨터가 상기 환자의 진단 데이터를 기반으로 하여, 상기 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 상기 컴퓨터가 상기 환자의 보행 측정 데이터를 기반으로 하여 보행 측정 데이터 분석 결과를 도출하는 단계 및 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과를 기반으로 치료 방향을 제시해주는 단계를 포함한다.A method for monitoring patient condition based on gait measurement data is provided. The gait measurement data-based patient condition monitoring method includes: obtaining, by a computer, diagnosis data of a patient at predetermined intervals from a medical treatment institution, wherein the computer is based on the diagnosis data of the patient, and the diagnosis data of the patient is a predetermined area. In the case of the first boundary or higher, the step of continuously acquiring the patient's gait measurement data, the computer deriving a gait measurement data analysis result based on the patient's gait measurement data, and the computer It includes the step of suggesting a treatment direction based on the result of analysis of the measurement data.
Description
본 발명은 보행 측정 데이터를 기반으로 한 환자 상태 모니터링 방법에 관한 것이다. The present invention relates to a patient condition monitoring method based on gait measurement data.
종양을 치료하는 세계 각국의 진료 지침에 의하면, 암을 치료할 때에 신체 활동도(performance status)를 기반으로 치료 방법을 결정하는 것을 권유하고 있으며, 특히 노인의 경우에는, 더욱 그러하다. According to international guidelines for the treatment of tumors, it is recommended to determine the treatment method based on the performance status when treating cancer, especially in the case of the elderly.
신체 활동도는 암 환자의 전반적인 건강 및 일상 생활 활동을 수치화 하는 것으로서, 항암 치료를 받을 수 있는지, 용량 조절이 필요한지, 치료 방법을 변경하여야 하는지, 치료를 중단하여야 하는지 등을 결정하는데에 사용된다.Physical activity is a measure of the overall health and daily activities of cancer patients, and is used to determine whether chemotherapy is available, dose adjustment is necessary, treatment method needs to be changed, treatment should be stopped, etc.
신체 활동도를 측정하기 위한 방법은 여러가지가 있는데, 일반적으로는 담당 의료진이 병원 진료실에서 짧은 시간내에 신체 활동도를 주관적/직관적으로 파악하고 있다.There are several methods for measuring physical activity, and generally, the medical staff in charge subjectively/intuitively grasps the physical activity in a short time in a hospital office.
특히, 신체 활동을 평가하는 기준으로는 ECOG(European Cooperative Oncology Group)의 점수 기준을 많이 이용하며, ECOG 점수는 0점부터 4점까지 5단계로 분류하여, 0점은 증상이 없는 경우, 1점은 약간의 증상이 있는 경우, 2점은 증상이 있어서 낮 시간의 50% 이하를 침대에서 보내는 경우, 3점은 낮 시간의 50% 이상을 침대에서 보내는 경우이고, 4점은 종일 누워 지내는 경우로 분류한다.In particular, as a criterion for evaluating physical activity, the ECOG (European Cooperative Oncology Group) score standard is widely used, and the ECOG score is classified into 5 levels from 0 to 4, and 0 is 1 point if there is no symptom. If you have slight symptoms, 2 points are symptomatic and spend less than 50% of the daytime in bed, 3 points are for spending more than 50% of the daytime in bed, and 4 points are for lying down all day. Classify.
일반적으로 ECOG 점수가 3점 이상이면 위험부담이 큰 수술이나 항암 치료에 적합하지 않다고 판단하고 있다.In general, if the ECOG score is 3 or more, it is judged that it is not suitable for high-risk surgery or chemotherapy.
그러나, 이러한 방식의 평가는 실제 환자의 상태를 정확하게 반영하지 못하여 수술 및 항암 치료 후 치료로 인한 중증 합병증이 증가하고, 이후 치료를 지속하지 못하거나 합병증이 발생한 후에는 이로 인해 치료를 조기 종료 해야하는 한계점이 있다. However, this method of evaluation does not accurately reflect the actual patient's condition, so serious complications from treatment after surgery and chemotherapy increase. There is this.
본 발명이 해결하고자 하는 과제는 보행 측정 데이터를 기반으로 하여 신체 활동도를 산출함으로써, 수술이나 반복적인 항암 및 방사선 치료를 받아야 하는 환자들에 있어서 치료 과정에 따른 잔존 신체 기능을 정확하게 모니터링 할 수 있는 환자 상태 모니터링 방법을 제공하는 것이다.The problem to be solved by the present invention is that by calculating physical activity based on gait measurement data, it is possible to accurately monitor remaining body functions according to the treatment process in patients who need surgery or repetitive anti-cancer and radiation treatment. It is to provide a method for monitoring patient condition.
또한, 본 발명이 해결하고자 하는 과제는 보행 측정 데이터를 기반으로 하여 치료 후 환자의 신체 활동도, 치료에 수반되는 중증 합병증 및 치료 결과를 예측하고, 향후 치료에 반영할 수 있는 설명력 높은 정보와 방법을 제공하는 것이다.In addition, the problem to be solved by the present invention is to predict the patient's physical activity after treatment, serious complications accompanying the treatment, and treatment results based on the gait measurement data, and provide highly explanatory information and methods that can be reflected in future treatments. Is to provide.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the problems mentioned above, and other problems that are not mentioned will be clearly understood by those skilled in the art from the following description.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 환자의 진단 데이터를 획득하는 단계, 상기 컴퓨터가 상기 환자의 진단 데이터를 기반으로 하여, 상기 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 상기 컴퓨터가 상기 환자의 보행 측정 데이터를 기반으로 하여 보행 측정 데이터 분석 결과를 도출하는 단계 및 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과를 기반으로 치료 방향을 제시해주는 단계를 포함하고, 상기 보행 측정 데이터는 웨어러블 디바이스에 의한 측정 데이터이다.A method for monitoring patient status based on gait measurement data according to an embodiment of the present invention for solving the above-described problem includes the steps of: obtaining, by a computer, diagnostic data of a patient at predetermined intervals from a treatment institution; Based on, when the diagnosis data of the patient falls within the first boundary or higher, which is a predetermined area, continuously acquiring the patient's gait measurement data, the computer walking based on the gait measurement data of the patient Deriving a measurement data analysis result and the step of providing, by the computer, a treatment direction based on the gait measurement data analysis result, wherein the gait measurement data is measurement data by a wearable device.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 상기 보행 측정 데이터 분석 결과를 도출하는 단계 이후 및 상기 치료 방향을 제시해주는 단계 이전에, 상기 컴퓨터가 보행 측정 데이터 분석 결과가 미리 정해진 영역인 제2경계 영역에 해당하는 경우, 환자의 신체 데이터를 획득하는 단계를 더 포함하고, 상기 치료 방향을 제시해주는 단계는, 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과와 상기 신체 데이터를 기반으로 한 신체 기능 평가 결과를 도출하여 치료 방향을 제시해주는 것이다.In the method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention for solving the above-described problem, after the step of deriving the gait measurement data analysis result and before the step of presenting the treatment direction, the computer walks When the measurement data analysis result corresponds to a second boundary area, which is a predetermined area, the step of obtaining body data of the patient further comprises, and the step of presenting the treatment direction, wherein the computer performs the gait measurement data analysis result and The result of body function evaluation based on the above body data is derived and a treatment direction is suggested.
상기 진단데이터는, 진단일, 검사일, 암의 종류, 병기, 조직학적 중증도, 수술 조직에 따른 위험군 분류, 종양표지자 수치, 환자의 혈액 데이터, 영상 데이터 및 치료 부작용 평가 데이터 중 적어도 하나를 포함하고, 상기 미리 정해진 일정 기준은, 상기 진단데이터를 기반으로 하여, 환자의 상태가 치료에 대하여 반응하고, 악화 또는 재발되지 않고, 치료에 대하여 부작용이 없는 경우를 포함한다.The diagnostic data includes at least one of a diagnosis date, a test date, a type of cancer, a stage, a histological severity, a risk group classification according to a surgical tissue, a tumor marker value, a patient's blood data, image data, and treatment side effect evaluation data, The predetermined criterion includes a case in which the patient's condition responds to treatment, does not deteriorate or recurs, and there are no side effects to the treatment based on the diagnosis data.
상기 보행 측정 데이터 분석 결과는, 연속적으로 획득한 상기 환자의 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 하나 이상의 평균값을 기반으로 하여 분석한 결과를 포함한다.The gait measurement data analysis result includes a result of analysis based on one or more average values derived from the patient’s gait measurement data, which are continuously acquired, at predetermined time intervals.
상기 보행 측정 데이터 분석 결과는, 양 발에 대하여 절대값 분석 및 상대값 분석을 포함하는 것이고, 상기 보행 측정 데이터는, 걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하되, 상기 절대값 분석은, 양 발을 합산하여 분석하는 것으로서, 상기 보행 측정 데이터 중 걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것이고, 상기 상대값 분석은, 양 발의 차이 또는 비율을 분석하는 것으로서, 상기 보행 측정 데이터 중 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것이다.The gait measurement data analysis result includes absolute value analysis and relative value analysis for both feet, and the gait measurement data includes the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time of each foot And angle, swing time (swing time), stance time (stance time), including at least one of the spread of both feet, one-sided and two-sided weight distribution for each part, wherein the absolute value analysis is to analyze by summing both feet, Among the gait measurement data, the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time and angle of each foot, swing time, stance time, opening of both feet, one side and both sides Analyzes including at least one of the weight distribution of each, and the relative value analysis is to analyze the difference or ratio of both feet, and among the gait measurement data, the stride length of each foot, the support time and angle of each foot, and the swing time ), stance time, gaps in both feet, and weight distribution by unilateral and bilateral parts.
상기 웨어러블 디바이스는, 환자의 양 발 또는 신발의 양쪽에 부착되는 복수의 센서가 배치되는 디바이스이고, 상기 양발 체중 분하 차이는, 상기 복수의 센서를 활용한 양발의 발꿈치, 발바닥, 발가락의 체중부하 분포를 기반으로 도출되는 것이다.The wearable device is a device in which a plurality of sensors attached to both feet or shoes of a patient are disposed, and the difference in weight division of both feet is weight load distribution of heels, soles, and toes of both feet using the plurality of sensors. It is derived based on
상기 신체 기능 평가는, 상지 기능 평가, 하지 기능 평가 및 근육량 평가 중 적어도 하나를 포함하고, 상기 신체 데이터는, 근육량, 체지방량, 근 긴장도(muscle tone), 근력, 보행 속도, 악력, 복부둘레, 상완둘레 및 종아리둘레 중 적어도 하나를 포함한다.The physical function evaluation includes at least one of an upper limb function evaluation, a lower limb function evaluation, and a muscle mass evaluation, and the body data includes muscle mass, body fat mass, muscle tone, muscle strength, walking speed, grip strength, abdominal circumference, upper arm It includes at least one of a circumference and a calf circumference.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 상기 컴퓨터가 사용자로부터 보행 입력 데이터를 수신하는 단계를 더 포함하고, 상기 보행 입력 데이터는, 상기 환자가 상기 웨어러블 디바이스를 사용할 수 없는 날짜 및 기간에 대하여 보행이 측정되지 않음이 입력되는 것이고, 상기 보행 측정 데이터 분석 결과는, 상기 보행 입력 데이터를 반영한 분석 결과이다.A patient condition monitoring method based on gait measurement data according to an embodiment of the present invention for solving the above-described problem further comprises the step of receiving, by the computer, gait input data from a user, wherein the gait input data is It is input that no gait is measured for a date and period in which the wearable device cannot be used, and the analysis result of the gait measurement data is an analysis result reflecting the gait input data.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과를 시간의 흐름에 따라 그래프로 도시하는 단계 및 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과 그래프 상에 동일한 날짜 및 시간에 획득한 상기 진단 데이터 결과를 함께 도시하는 단계를 더 포함한다.A patient condition monitoring method based on gait measurement data according to an embodiment of the present invention for solving the above-described problem includes the steps of, by the computer, graphing the gait measurement data analysis result as a graph over time, and the computer The method further includes showing the result of the diagnosis data acquired on the same date and time on the measurement data analysis result graph.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 상기 컴퓨터가 상기 진단 데이터 및 상기 보행 측정 데이터를 학습 데이터로서 상기 진단 데이터 및 상기 보행 측정 데이터와 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 단계를 더 포함한다. In the gait measurement data-based patient condition monitoring method according to an embodiment of the present invention for solving the above-described problem, the computer uses the diagnosis data and the gait measurement data as learning data. It further includes the step of performing learning on the correlation of the state change, and constructing a learning model.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 상기 컴퓨터가 상기 신체 데이터, 상기 진단 데이터 및 상기 보행 측정 데이터를 학습 데이터로서 상기 신체 데이터, 상기 진단 데이터 및 상기 보행 측정 데이터와 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 단계를 더 포함한다.In the gait measurement data-based patient condition monitoring method according to an embodiment of the present invention for solving the above-described problems, the computer uses the body data, the diagnostic data, and the gait measurement data as learning data, the body data, and the diagnostic data. And performing learning on the correlation between the gait measurement data and the state change of the patient, and configuring a learning model.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 컴퓨터가 진료 기관으로부터 제2 환자의 진단 데이터를 획득하는 단계, 상기 컴퓨터가 상기 제2 환자의 진단 데이터를 기반으로 하여, 상기 제2 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 상기 제2 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 상기 컴퓨터가 학습 모델을 이용하여 상기 제2 환자의 다음 상태를 예측하여 제공하는 단계를 포함하고, 상기 학습 모델은, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 제1 환자의 진단 데이터를 획득하고, 상기 컴퓨터가 상기 제1 환자의 진단 데이터를 기반으로 하여, 상기 제1 환자의 진단 데이터가 미리 정해진 일정 기준에 해당되는 경우, 상기 제1 환자의 보행 측정 데이터를 연속적으로 획득하고, 상기 컴퓨터가 상기 제1 환자의 보행 측정 데이터를 기반으로 하여 상기 제1 환자의 보행 측정 데이터 분석 결과를 도출하고, 상기 컴퓨터가 상기 제1 환자의 진단 데이터 및 상기 제1 환자의 보행 측정 데이터를 학습 데이터로서 상기 제1 환자의 진단 데이터 및 상기 제1 환자의 보행 측정 데이터와 제1 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 것이다.A method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention for solving the above-described problem includes the steps of obtaining, by a computer, diagnosis data of a second patient from a treatment institution, and the computer Based on, when the diagnosis data of the second patient falls within the first boundary or higher, which is a predetermined area, continuously obtaining the gait measurement data of the second patient, the computer using the learning model Predicting and providing a next state of the second patient, wherein the learning model includes: a computer obtaining diagnostic data of the first patient from a treatment institution at predetermined intervals, and the computer obtaining diagnostic data of the first patient. Based on, when the diagnosis data of the first patient corresponds to a predetermined standard, the gait measurement data of the first patient is continuously acquired, and the computer is based on the gait measurement data of the first patient. The first patient's gait measurement data analysis result is derived, and the computer uses the first patient’s diagnosis data and the first patient’s gait measurement data as learning data. It is configured as a learning model by learning the correlation between the gait measurement data and the state change of the first patient.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은 컴퓨터가 진료 기관으로부터 제2 환자의 진단 데이터를 획득하는 단계, 상기 컴퓨터가 상기 제2 환자의 진단 데이터를 기반으로 하여, 상기 제2 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 상기 제2 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 상기 컴퓨터가 학습 모델을 이용하여 상기 제2 환자의 다음 상태를 예측하여 제공하는 단계를 포함하고, 상기 학습 모델은, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 제1 환자의 진단 데이터를 획득하고, 상기 컴퓨터가 상기 제1 환자의 진단 데이터를 기반으로 하여, 상기 제1 환자의 진단 데이터가 미리 정해진 일정 기준에 해당되는 경우, 상기 제1 환자의 보행 측정 데이터를 연속적으로 획득하고, 상기 컴퓨터가 상기 제1 환자의 보행 측정 데이터를 기반으로 하여 상기 제1 환자의 보행 측정 데이터 분석 결과를 도출하고, 상기 컴퓨터가 상기 제1 환자의 보행 측정 데이터 분석 결과가 미리 정해진 영역인 제2경계 영역에 해당하는 경우, 상기 제1 환자의 신체 데이터를 획득하고, 상기 컴퓨터가 상기 제1 환자의 신체 데이터, 상기 제1 환자의 진단 데이터 및 상기 제1 환자의 보행 측정 데이터를 학습 데이터로서 상기 제1 환자의 신체 데이터, 상기 제1 환자의 진단 데이터 및 상기 제1 환자의 보행 측정 데이터와 제1 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 것이다.A method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention for solving the above-described problem includes the steps of obtaining, by a computer, diagnosis data of a second patient from a treatment institution, and the computer Based on, when the diagnosis data of the second patient falls within the first boundary or higher, which is a predetermined area, continuously obtaining the gait measurement data of the second patient, the computer using the learning model Predicting and providing a next state of the second patient, wherein the learning model includes: a computer obtaining diagnostic data of the first patient from a treatment institution at predetermined intervals, and the computer obtaining diagnostic data of the first patient. Based on, when the diagnosis data of the first patient corresponds to a predetermined standard, the gait measurement data of the first patient is continuously acquired, and the computer is based on the gait measurement data of the first patient. To derive a result of analyzing the gait measurement data of the first patient, and when the computer corresponds to a second boundary area, which is a predetermined area, the result of the analysis of the gait measurement data of the first patient, the body data of the first patient And the computer uses the first patient's body data, the first patient's diagnostic data, and the first patient's gait measurement data as learning data, the first patient's body data, the first patient's diagnostic data, and The first patient's gait measurement data and the first patient's state change are learned about the correlation, and configured as a learning model.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 컴퓨터 프로그램은 하드웨어인 컴퓨터와 결합되어, 상술한 방법 중 어느 하나의 방법을 실행시키기 위해 매체 저장된다.A patient condition monitoring computer program based on gait measurement data according to an embodiment of the present invention for solving the above-described problems is combined with a computer that is hardware, and is stored in a medium to execute any one of the above-described methods.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.Other specific details of the present invention are included in the detailed description and drawings.
상기 본 발명에 의하면, 획득한 환자의 보행 측정 데이터 분석을 통해 보다 정확한 신체 활동도를 도출하고, 적절한 치료 방향을 설정할 수 있다.According to the present invention, it is possible to derive more accurate physical activity and set an appropriate treatment direction through the analysis of the acquired patient's gait measurement data.
또한, 상기 본 발명에 의하면, 환자가 매일 착용할 수 있는 웨어러블 디바이스를 통해 환자의 상태를 계속적으로 측정할 수 있어, 정확한 신체 활동도를 도출할 수 있다.In addition, according to the present invention, it is possible to continuously measure the patient's condition through a wearable device that the patient can wear every day, so that accurate physical activity can be derived.
또한, 상기 본 발명에 의하면, 기존 환자의 데이터들을 활용하여 도출된 학습 모델을 통해, 신규 환자의 보행 측정 데이터를 기반으로 환자의 예후를 보다 정확하게 예측할 수 있다.In addition, according to the present invention, the prognosis of a patient can be more accurately predicted based on the gait measurement data of a new patient through a learning model derived using data of an existing patient.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.
도 1은 일반적인 환자의 신체 활동도 그래프이다.
도 2는 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 보행 측정 데이터를 분석하여 신체 데이터를 추가적으로 획득한 경우의 환자 상태 모니터링 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법의 알고리즘을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 보행 측정 데이터 및 보행 입력 데이터 기반으로 환자 상태를 모니터링 하는 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 보행 측정 데이터와 진단 데이터 결과를 그래프로 도시하는 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 환자의 상태 변화에 대하여 진단 데이터 및 보행 측정 데이터와의 상관관계의 학습 모델을 구성하는 방법을 설명하기 위한 흐름도이다.1 is a graph of a general patient's physical activity.
2 is a flowchart illustrating a method of monitoring a patient condition based on gait measurement data according to an embodiment of the present invention.
3 is a flowchart illustrating a method of monitoring a patient's condition in the case of additionally obtaining body data by analyzing gait measurement data according to the present invention.
4 is a diagram for explaining an algorithm of a patient condition monitoring method based on gait measurement data according to an embodiment of the present invention.
5 is a flowchart illustrating a method of monitoring a patient condition based on gait measurement data and gait input data according to an embodiment of the present invention.
6 is a flowchart for explaining a method of graphing gait measurement data and diagnostic data results according to the present invention.
7 is a flowchart illustrating a method of constructing a learning model for correlation between diagnostic data and gait measurement data with respect to a change in a patient's state according to the present invention.
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. Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in a variety of different forms. It is provided to fully inform the skilled person of the scope of the present invention, and the present invention is only defined by the scope of the claims.
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.The terms used in the present specification are for describing exemplary embodiments and are not intended to limit the present invention. In this specification, the singular form also includes the plural form unless specifically stated in the phrase. As used herein, “comprises” and/or “comprising” do not exclude the presence or addition of one or more other elements other than the mentioned elements. Throughout the specification, the same reference numerals refer to the same elements, and "and/or" includes each and all combinations of one or more of the mentioned elements. Although "first", "second", and the like are used to describe various elements, it goes without saying that these elements are not limited by these terms. These terms are only used to distinguish one component from another component. Therefore, it goes without saying that the first component mentioned below may be the second component within the technical idea of the present invention.
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.Unless otherwise defined, all terms (including technical and scientific terms) used in the present specification may be used with meanings that can be commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not interpreted ideally or excessively unless explicitly defined specifically.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
먼저, 본 발명의 실시예의 설명에 앞서, 일반적인 환자의 신체 활동도 그래프 및 신체 활동도 그래프 해석 방법을 간략하게 설명한다.First, prior to the description of the embodiments of the present invention, a general patient's physical activity graph and a method of interpreting the physical activity graph will be briefly described.
도 1은 일반적인 환자의 신체 활동도 그래프이다.1 is a graph of a general patient's physical activity.
도 1을 참조하면, 도 1은 항암 치료 스케줄의 시간 흐름에 따른 신체 활동도를 나타낸 그래프로서, A, B 및 C 및 D로 각각 다른 환자의 신체 활동도를 도시하고 있으며, 각각의 신체 활동도에 따른 환자 상태의 일반적인 해석 방법에 대하여 이하 설명한다.Referring to FIG. 1, FIG. 1 is a graph showing physical activity according to the passage of time in an anticancer treatment schedule, and A, B, C, and D respectively show the physical activity of different patients, and each physical activity diagram A general analysis method of the patient's condition according to will be described below.
도 1의 A 환자의 경우, 신체 활동도가 거의 100%에 꾸준히 근접해 있는 것으로서, 수술 후 위험이 수반된 반복적인 항암치료에도 불구하고 합병증 없이 치료를 성공적으로 마친 케이스에 해당된다.In the case of patient A of FIG. 1, the physical activity level is steadily close to almost 100%, and corresponds to a case in which the treatment was successfully completed without complications despite repeated chemotherapy involving a risk after surgery.
도 1의 B 환자의 경우, 초반에는 C 환자와 비슷한 신체 활동도의 상태였으나, 수술 및 항암 후 합병증 없이 신체 기능이 향상된 케이스에 해당된다.In the case of patient B of FIG. 1, at the beginning, the physical activity was similar to that of patient C, but the physical function was improved without complications after surgery and chemotherapy.
도 1의 C 환자의 경우, a구간은 수술 후의 구간으로서, 수술 후 환자의 상태가 크게 악화된 것으로 해석될 수 있고, b구간은 항암 치료 후 구간으로서, 회복되었다가 항암 치료 후 다시 환자의 상태가 악화된 것으로 해석될 수 있으며, c구간은 지속적으로 환자의 상태가 악화되어 항암 치료를 조기 중단한 상태에 해당된다.In the case of patient C of FIG. 1, section a is the postoperative section, and it can be interpreted that the patient's condition has deteriorated significantly, and section b is the section after chemotherapy, and the patient's state has recovered and then resumed after chemotherapy. Can be interpreted as deteriorating, and section c corresponds to the condition in which the chemotherapy was stopped early because the patient's condition continued to deteriorate.
도 1의 D 환자의 경우, ①구간은 환자의 신체 활동도가 이미 좋지 않아 수술을 하지 않은 상태로서 항암 치료한 후의 구간이며, ②구간은 항암 치료를 잘 견뎌내는 상태로 해석될 수 있고, ③구간은 이후의 환자 신체 활동도가 크게 악화된 것으로 해석되며, ④구간에서는 항암 치료 중 합병증으로 사망한 상태의 구간을 나타낸다.In the case of patient D of FIG. 1,
환자의 신체 활동도는 도 1과 같이, 환자의 치료 방법 및 치료 시기에 따라 환자의 상태를 나타낼 수 있는 것으로서 보다 더 객관적인 지표가 요구된다.As shown in FIG. 1, the patient's physical activity can indicate the patient's condition according to the patient's treatment method and treatment time, and a more objective index is required.
환자의 신체 활동도를 정확하게 도출할수록 환자에 대한 치료 방법 및 치료 시기를 적절하게 결정할 수 있다.The more accurately the patient's physical activity is derived, the more appropriately the treatment method and timing of the patient can be determined.
따라서, 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은, 보행 측정 데이터를 기반으로 하여 환자의 신체 활동도를 도출함으로써 보다 환자의 상태와 일치하는 신체 활동도를 도출하는 것이다.Accordingly, a method for monitoring a patient's state based on gait measurement data according to an embodiment of the present invention is to derive a level of physical activity more consistent with the patient's state by deriving a level of physical activity of the patient based on the gait measurement data.
도 2는 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법을 설명하기 위한 흐름도이다.2 is a flowchart illustrating a method of monitoring a patient condition based on gait measurement data according to an embodiment of the present invention.
도 2를 참조하면, 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은, 컴퓨터가 환자의 진단 데이터를 획득하는 단계(S110), 컴퓨터가 환자의 보행 측정 데이터를 연속적으로 획득하는 단계(S130), 컴퓨터가 보행 측정 데이터 분석 결과를 도출하는 단계(S150) 및 컴퓨터가 치료 방향을 제시해주는 단계(S170)를 포함한다.Referring to FIG. 2, a method for monitoring a patient's state based on gait measurement data according to an embodiment of the present invention includes: a computer obtaining diagnostic data of a patient (S110), and a computer continuously acquiring gait measurement data of a patient. Step S130, a step S150 of deriving a result of analyzing the gait measurement data by a computer, and a step S170 of the computer presenting a treatment direction.
컴퓨터가 환자의 진단 데이터를 획득하는 단계(S110)는, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 환자의 진단 데이터를 획득하는 것이다.In the step S110 of obtaining the patient's diagnosis data by the computer, the computer acquires the patient's diagnosis data at predetermined intervals from the treatment institution.
진단 데이터는, 진단일, 검사일, 암의 종류, 병기, 조직학적 중증도, 수술 조직에 따른 위험군 분류(예컨대, 종양 크기, 조직소견상 세포분열 수 등), 종양표지자 수치, 환자의 혈액 데이터, 영상 데이터 및 치료 부작용 평가 데이터 중 적어도 하나를 포함하는 것이다.Diagnosis data includes diagnosis date, test date, type of cancer, stage, histological severity, risk group classification according to surgical tissue (e.g., tumor size, number of cell divisions in histological findings, etc.), tumor marker count, patient's blood data, image It includes at least one of data and treatment side effect evaluation data.
컴퓨터가 환자의 보행 측정 데이터를 연속적으로 획득하는 단계(S130)는 컴퓨터가 환자의 진단 데이터를 기반으로 하여, 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 환자의 보행 측정 데이터를 연속적으로 획득하는 것이다.In the step of continuously acquiring the patient's gait measurement data by the computer (S130), the computer is based on the patient's diagnosis data, and when the patient's diagnosis data falls within the first boundary or higher, which is a predetermined area, the patient’s gait measurement It is to acquire data continuously.
미리 정해진 영역인 제1경계 이상이란, 진단데이터를 기반으로 하여, 환자의 상태가 치료에 대하여 반응하고, 악화 또는 재발되지 않고, 치료에 대하여 부작용이 없는 경우를 포함하는 것이다.The first boundary abnormality, which is a predetermined area, includes a case in which a patient's condition responds to treatment, does not deteriorate or recurs, and has no side effects to treatment, based on diagnostic data.
즉, 치료에 대하여 반응하고, 악화 또는 재발되지 않고, 치료에 대하여 부작용이 없는 것 중 하나라도 만족하지 않으면, 악화 상태로 분류하여 치료를 유지할 수 없고, 따라서 치료를 유지하지 못하므로 보행 측정 데이터 등을 획득할 필요 없이, 치료를 중단, 약물 변경, 약제 감량 또는 치료 방법 변경 등을 하여야 한다.In other words, if you respond to the treatment, do not deteriorate or recur, and are not satisfied with any of the things that do not have side effects to the treatment, you cannot maintain the treatment by classifying it as an aggravated state, and therefore the treatment cannot be maintained. Without the need to obtain, the treatment should be stopped, medication changed, medication reduced, or treatment method changed.
치료에 대하여 부작용이 있는지를 판단하는 기준으로는, 일 실시예로, 환자의 건강 상태를 0~100점으로 환산한 결과와 환자의 영양 상태 및 합병증 등급을 기반으로 한 결과값이 이전 평가보다 미리 정해진 제1 일정 비율 이상 줄어들면 부작용이 있는 것으로 판단할 수 있다. 예컨대, 환자의 이전 평가와 비교한 미리 정해진 제1 일정 비율은 25%등일 수 있다.As a criterion for determining whether there is a side effect with respect to treatment, as an example, the result of converting the patient's health status to 0-100 points, and the result value based on the patient's nutritional status and complication grade is in advance of the previous evaluation. If it decreases by more than a predetermined first predetermined ratio, it may be determined that there is a side effect. For example, the first predetermined ratio compared with the previous evaluation of the patient may be 25% or the like.
다른 실시예로는, 환자의 건강 상태를 0~100점으로 환산한 결과와 환자의 영양 상태 및 합병증 등급을 기반으로 한 결과값이 환자의 최초 평가보다 미리 정해진 제2 일정 비율 이상 줄어들면 부작용이 있는 것으로 판단할 수 있다. 예컨대, 환자의 최초 평가와 비교한 미리 정해진 제2 일정 비율은 50%등일 수 있다.In another embodiment, if the result of converting the patient's health status to 0-100 points and the result value based on the patient's nutritional status and complication grade decreases by more than a predetermined second predetermined ratio than the patient's initial evaluation, the side effect is reduced. It can be determined that there is. For example, the second predetermined ratio compared to the initial evaluation of the patient may be 50% or the like.
본 발명의 실시예에서, 보행 측정 데이터는 웨어러블 디바이스에 의한 측정 데이터이고, 웨어러블 디바이스는, 환자의 양 발 또는 신발의 양쪽에 부착되는 복수의 센서가 배치되는 디바이스이다.In an embodiment of the present invention, the gait measurement data is measurement data by a wearable device, and the wearable device is a device in which a plurality of sensors attached to both feet or shoes of a patient are disposed.
보행 측정 데이터를 연속적으로 획득하는 것이란, 웨어러블 디바이스를 착용한 상태에서 단일적으로 보행 측정 데이터를 획득하는 것이 아닌 착용한 상태에서 획득되는 보행 측정 데이터를 모두 획득하는 것이고, 가능한한 환자가 보행하는 동안에는 데이터 누락 없이 보행 측정 데이터를 획득하는 것이다. 다만, 보행 측정 데이터가 누락된 경우에는, 누락을 알리는 등의 데이터를 추가로 입력할 수 있는데, 해당 방법에 대하여는 도 5에서 설명한다.The continuous acquisition of gait measurement data means acquiring all gait measurement data acquired while wearing the wearable device, rather than acquiring single gait measurement data while wearing the wearable device. It is to acquire gait measurement data without missing data. However, when the gait measurement data is omitted, data such as notifying the missing data may be additionally input, and the corresponding method will be described with reference to FIG. 5.
보행 시 환자의 보행 측정 데이터를 모두 획득하여야 보다 정확한 환자의 신체 활동도를 도출할 수 있다.When walking, a more accurate patient's physical activity can be derived only when all of the patient's gait measurement data is acquired.
컴퓨터가 보행 측정 데이터 분석 결과를 도출하는 단계(S150)는 컴퓨터가 환자의 보행 측정 데이터를 기반으로 하여 보행 측정 데이터 분석 결과를 도출하는 것이다.In the step S150 of deriving the result of the computer's gait measurement data analysis, the computer derives the result of the gait measurement data analysis based on the patient’s gait measurement data.
보행 측정 데이터 분석 결과는, 연속적으로 획득한 환자의 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 평균값을 기반으로 하여 분석한 결과를 포함하는 것이고, 미리 정해진 일정 시간 간격이란 예컨대, 10분 등일 수 있다.The gait measurement data analysis result includes the result of analysis based on the average value derived from the patient’s gait measurement data continuously acquired at predetermined time intervals, and the predetermined time interval may be, for example, 10 minutes. have.
또한, 보행 측정 데이터 분석 결과는, 양 발에 대하여 절대값 분석 및 상대값 분석을 포함하는 것이다.In addition, the gait measurement data analysis result includes an absolute value analysis and a relative value analysis for both feet.
보행 측정 데이터는, 걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함할 수 있다.Gait measurement data includes the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time and angle of each foot, swing time, stance time, splitting of both feet, one side and both sides. It may include at least one of the weight distribution of each.
양측 부위별 체중 분포는, 환자의 양발 또는 신발의 양쪽에 부착되는 복수의 센서가 배치되는 웨어러블 디바이스가 포함하고 있는 복수의 센서를 활용한 양발의 발꿈치, 발바닥, 발가락의 체중부하 분포를 기반으로 도출되는 것이다.The weight distribution by both parts is derived based on the distribution of weight loads on the heels, soles and toes of both feet using a plurality of sensors included in a wearable device in which a plurality of sensors attached to both feet or shoes of the patient are disposed. It becomes.
보행 측정 데이터 분석 결과 중 양 발에 대한 절대값 분석은, 양 발을 합산하여 분석하는 것으로서, 보행 측정 데이터 중 걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것이다.Analysis of the absolute values of both feet among the results of the gait measurement data analysis is performed by summing both feet. Among the gait measurement data, the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time and angle of each foot , Swing time, stance time, openness of both feet, and weight distribution by one side and both sides to analyze.
양 발에 대한 절대값 분석은, 일 실시예로, 상술한 바와 같이, 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 평균값을 저장하고, 미리 정해진 일정 개수의 패턴으로 분류하여 분석한다. 패턴은 예컨대, 빠른걸음, 보통걸음, 느림걸음 등으로 분류될 수 있다.In the analysis of the absolute value of both feet, as described above, as described above, the average value derived from the gait measurement data at predetermined time intervals is stored, and analyzed by classifying it into a predetermined number of patterns. Patterns can be classified into, for example, fast steps, normal steps, and slow steps.
이후, 패턴별로 보행 측정 데이터의 선형 그래프를 구성하고, 평가 시점 시 절대값 분석의 보행 측정 데이터인 걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 2가지 이상 변수를 비교한다.Thereafter, a linear graph of gait measurement data is constructed for each pattern, and at the time of evaluation, the number of steps, which is the gait measurement data of absolute value analysis, movement distance per unit time, average movement speed, stride length of each foot, support time and angle of each foot, swing time Compare two or more variables among (swing time), stance time, splay of both feet, and weight distribution by unilateral and bilateral parts.
비교 결과, 직전 평가 시점보다 미리 정해진 제3 일정 비율 이상 저하 시에 제2경계 범위로서 비정상으로 분류한다. 예컨대, 미리 정해진 제3 일정 비율은 20%일 수 있다.As a result of the comparison, when a predetermined third ratio or more falls from the previous evaluation time point, it is classified as abnormal as the second boundary range. For example, the third predetermined ratio may be 20%.
양 발에 대한 절대값 분석은, 분류된 제2경계 범위인 비정상 범위 중에서도 악화 상태를 분류한다. Absolute value analysis for both feet classifies the deteriorating state among the abnormal range, which is the classified second boundary range.
악화 상태를 분류하는 기준은, 일 실시예로, 최초의 보행 측정 데이터인 기준 값(baseline)의 미리 정해진 제4 일정 비율 이상 저하되면 악화 상태로 분류하는 것이다. 예컨대, 미리 정해진 제4 일정 비율은 50%일 수 있다.A criterion for classifying a deteriorating state is, in one embodiment, classifying it as a deteriorating state when it falls by more than a predetermined fourth predetermined ratio of the baseline, which is the first gait measurement data. For example, the fourth predetermined ratio may be 50%.
악화 상태를 분류하는 기준은, 다른 실시예로, 느린 걸음걸이의 속도가 미리 정해진 제1 일정 속도 초과인 경우 또는 걸음걸이 속도의 최대값이 미리 정해진 제2 일정 속도 미만인 경우 악화 상태로 분류한다. 예컨대, 미리 정해진 제1 일정 속도는 0.4 m/s일 수 있고, 미리 정해진 제2 일정 속도는 0.8m/s일 수 있다.The criterion for classifying the deteriorating state, in another embodiment, is classified as a deteriorating state when the speed of the slow gait exceeds the first predetermined speed or the maximum value of the gait speed is less than the second predetermined speed. For example, a first predetermined speed may be 0.4 m/s, and a second predetermined speed may be 0.8 m/s.
보행 측정 데이터 분석 결과 중 양 발에 대한 상대값 분석은, 양 발의 차이 또는 비율을 분석하는 것으로서, 보행 측정 데이터 중 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것이다.The analysis of the relative values of both feet among the results of the gait measurement data analysis is to analyze the difference or ratio of both feet.In the gait measurement data, the stride length of each foot, the support time and angle of each foot, the swing time, and the stance time ( stance time), the spread of both feet, and weight distribution by unilateral and bilateral regions.
양 발에 대한 상대값 분석은, 상술한 바와 같이, 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 평균값을 저장하고, 평가 시점에서 최초의 보행 측정 데이터인 기준 값(baseline)을 기준으로 상대값 분석의 보행 측정데이터인 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 2가지 이상 변수를 비교한다.For the analysis of the relative values for both feet, as described above, the average value derived from the gait measurement data at predetermined intervals is stored, and the relative value is based on the baseline, which is the first gait measurement data at the time of evaluation. Compare two or more variables among the gait measurement data of the analysis: stride length of each foot, support time and angle of each foot, swing time, stance time, spread of both feet, and weight distribution by unilateral and bilateral parts. .
양 발에 대한 상대값 분석은, 일 실시예로, 상술한 바와 같이, 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 평균값을 저장하고, 평가 기점에서 최초의 보행 측정 데이터인 기준 값을 기준으로 미리 정해진 제5 일정 비율 이상 변화되는 경우 제2경계 범위로서 비정상으로 분류한다. 예컨대, 미리 정해진 제5 일정 비율은, 30%일 수 있다.Relative value analysis for both feet, as described above, stores the average value derived from the gait measurement data at predetermined time intervals, and based on the reference value, which is the first gait measurement data from the evaluation starting point. If it changes by more than a predetermined fifth predetermined ratio, it is classified as abnormal as the second boundary range. For example, the fifth predetermined ratio may be 30%.
양 발에 대한 상대값 분석은, 다른 실시예로, 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 평균값을 저장하고, 직전 평가 시점보다 미리 정해진 제6 일정 비율 이상 변화되는 경우, 제2경계 범위로서 비정상으로 분류한다. 예컨대, 미리 정해진 제6 일정 비율은, 10%일 수 있다.Relative value analysis for both feet, in another embodiment, stores the average value derived from the gait measurement data at predetermined predetermined time intervals, and when the change is more than a predetermined sixth predetermined ratio from the time of the immediately previous evaluation, the second boundary range Classified as abnormal as For example, the sixth predetermined ratio may be 10%.
또한, 상술한 실시예들을 통한 양 발에 대한 상대값 분석 후, 제2경계 범위로서 비정상으로 분류되면, 환자의 보행 측정 데이터가 악화상태인지의 여부는 양 발에 대한 절대값의 분석을 기준으로 하여 결정될 수 있다.In addition, after analyzing the relative values of both feet through the above-described embodiments, when classified as abnormal as the second boundary range, whether the patient's gait measurement data is in a deteriorating state is determined based on the analysis of the absolute values for both feet. Can be determined.
컴퓨터가 치료 방향을 제시해주는 단계(S170)는, 컴퓨터가 보행 측정 데이터 분석 결과를 기반으로 치료 방향을 제시해주는 것이다.In step S170 of the computer presenting the treatment direction, the computer presents the treatment direction based on the result of analyzing the gait measurement data.
치료 방향은, 일 실시예로, 기존 치료 방법을 유지할지 여부, 치료 방법을 변경할지 여부와 변경한다면 변경할 치료 방법, 치료를 중단할지 여부, 약물을 변경할지 여부, 약물을 변경한다면 변경할 약물의 종류, 약제 감량 또는 증량여부, 약제 감량 또는 증량한다면 변경되는 약제의 양 중 적어도 하나를 포함한다.The treatment direction is, as an example, whether to maintain the existing treatment method, whether to change the treatment method, and if so, the treatment method to be changed, whether to stop the treatment, whether to change the drug, and the type of drug to be changed if the drug is changed. , Whether or not the drug is reduced or increased, and the amount of the drug is changed if the drug is reduced or increased.
또한, 상술한 실시예 이외에도, 치료 방향으로 변경될 수 있거나 결정할 수 있는 모든 사항들을 포함할 수 있다.In addition, in addition to the above-described embodiments, all matters that can be changed or determined in the treatment direction may be included.
도 3은 본 발명의 보행 측정 데이터를 분석하여 신체 데이터를 더 획득한 경우의 환자 상태 모니터링 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating a method of monitoring a patient's condition when further physical data is obtained by analyzing gait measurement data according to the present invention.
도 3을 참조하면, 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은, 컴퓨터가 환자의 신체 데이터를 획득하는 단계(S160)를 더 포함한다.Referring to FIG. 3, the method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention further includes a step S160 of obtaining body data of the patient by the computer.
컴퓨터가 환자의 신체 데이터를 획득하는 단계(S160)는, 보행 측정 데이터 분석 결과가 미리 결정된 영역인 제2경계 범위에 해당되는 경우, 컴퓨터가 환자의 신체 데이터를 획득하는 것이다.In the step S160 of acquiring the patient's body data by the computer, when the result of analyzing the gait measurement data falls within the second boundary range, which is a predetermined area, the computer acquires the patient's body data.
즉, 컴퓨터가 보행 측정 데이터 분석 결과를 도출하는 단계(S150)에서, 보행 측정 데이터 분석 결과가 비정상으로 분류되는 제2경계 범위에 해당되면, 컴퓨터가 환자의 신체 데이터를 획득하고, 그렇지 않은 경우에는, 컴퓨터가 환자의 신체 데이터를 획득하지 않는다.That is, in the step of deriving the gait measurement data analysis result by the computer (S150), if the gait measurement data analysis result falls within the second boundary range classified as abnormal, the computer acquires the patient's body data, otherwise, , The computer does not acquire the patient's body data.
신체 데이터는, 근육량, 체지방량, 근 긴장도(muscle tone), 근력, 보행 속도, 악력, 복부둘레, 상완둘레 및 종아리둘레 중 적어도 하나를 포함한다.The body data includes at least one of muscle mass, body fat mass, muscle tone, muscle strength, walking speed, grip strength, abdominal circumference, upper arm circumference, and calf circumference.
컴퓨터가 환자의 신체 데이터를 획득하는 단계(S160)가 더 포함되면, 컴퓨터가 치료 방향을 제시해주는 단계(S170)는 컴퓨터가 보행 측정 데이터 분석 결과와 신체 데이터를 기반으로 한 신체 기능 평가 결과를 도출하여 치료 방향을 제시해준다.If the step of obtaining the patient's body data by the computer (S160) is further included, the step of providing the treatment direction by the computer (S170) derives the result of analyzing the gait measurement data by the computer and the body function evaluation result based on the body data. And suggests the treatment direction.
신체 데이터를 기반으로 한 신체 기능 평가는, 상지 기능 평가, 하지 기능 평가 및 근육량 평가 중 적어도 하나를 포함한다.The body function evaluation based on the body data includes at least one of an upper limb function evaluation, a lower limb function evaluation, and a muscle mass evaluation.
신체 기능 평가 결과 또한, 양호상태와 악화상태로 분류하여, 양호상태인 경우에는, 기존 치료 방법을 유지하고, 악화상태인 경우에는, 치료를 중단하거나, 약제를 감량하거나, 약물을 변경하는 등의 조치를 취할 수 있다.Physical function evaluation results are also classified into a good condition and a worse condition. If the condition is good, the existing treatment method is maintained, if the condition is worse, the treatment is stopped, the medicine is reduced, or the medicine is changed. You can take action.
도 4는 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법의 알고리즘을 설명하기 위한 도면이다.4 is a diagram for explaining an algorithm of a patient condition monitoring method based on gait measurement data according to an embodiment of the present invention.
도 4를 참고하면, 항암 등을 포함하는 치료의 진행과 함께, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 환자의 진단 데이터를 획득하고, 획득한 진단 데이터를 분석하여 미리 정해진 영역인 제1 경계 이상에 해당되는지, 악화상태에 해당하는지를 파악하여, 악화상태의 경우에는 치료를 중단하거나, 약제를 감량하거나 약물을 변경하는 등으로 치료를 변경하게 된다.Referring to FIG. 4, along with the progress of treatment including anticancer, etc., a computer acquires diagnostic data of a patient at a predetermined cycle from a treatment institution, analyzes the acquired diagnostic data, and moves beyond the first boundary, which is a predetermined area. It is determined whether or not it corresponds to a deteriorating state, and in the case of a deteriorating state, treatment is changed by stopping treatment, reducing drugs, or changing drugs.
진단 데이터 분석 결과, 환자의 진단 데이터가 제1 경계 이상에 해당되는 경우에는, 환자의 보행 측정 데이터를 연속적으로 획득한다.As a result of analyzing the diagnostic data, if the patient's diagnostic data falls above the first boundary, the patient's gait measurement data is continuously acquired.
획득한 환자의 보행 측정 데이터를 분석하여 미리 정해진 영역인 제2 경계에 해당되는지, 양호상태에 해당하는지 악화상태에 해당하는지 파악한다.By analyzing the acquired patient's gait measurement data, it is determined whether it corresponds to the second boundary, which is a predetermined area, or whether it corresponds to a good state or a deterioration state.
보행 측정 데이터 분석 결과 악화상태에 해당하는 경우에는, 진단 데이터의 분석 결과와 마찬가지로 치료를 중단하거나, 약제를 감량하거나 약물을 변경하는 등으로 치료를 변경하게 된다.If the gait measurement data analysis result corresponds to a deteriorating state, treatment is changed by stopping treatment, reducing drugs, or changing drugs, as in the analysis results of diagnostic data.
보행 측정 데이터 분석 결과 양호상태에 해당하는 경우에는, 신체 데이터를 획득하지 않고, 기존 치료를 유지한다.If the result of the gait measurement data analysis results in a good state, the existing treatment is maintained without obtaining body data.
보행 측정 데이터 분석 결과 제2 경계에 해당하는 경우에는, 컴퓨터는 환자의 신체 데이터를 획득하여 획득한 신체 데이터를 분석함으로써, 신체 데이터가 양호상태에 해당하는지 악화상태에 해당하는지 파악한다.When the result of the gait measurement data analysis corresponds to the second boundary, the computer obtains the patient's body data and analyzes the obtained body data to determine whether the body data corresponds to a good state or a deterioration state.
신체 데이터가 악화상태에 해당하는 경우에는, 진단 데이터 및 보행 측정 데이터의 분석 결과와 마찬가지로 치료를 중단하거나, 약제를 감량하거나 약물을 변경하는 등으로 치료를 변경하게 된다.When the body data corresponds to a deteriorating state, treatment is changed by stopping treatment, reducing drugs, or changing drugs, as in the analysis results of diagnostic data and gait measurement data.
신체 데이터가 양호상태에 해당하는 경우에는, 기존 치료를 유지한다.If the physical data are in good condition, the existing treatment is maintained.
도 5는 본 발명의 일 실시예에 따른 보행 측정 데이터 및 보행 입력 데이터 기반으로 환자 상태를 모니터링 하는 방법을 설명하기 위한 흐름도이다.5 is a flowchart illustrating a method of monitoring a patient condition based on gait measurement data and gait input data according to an embodiment of the present invention.
도 5를 참조하면, 본 발명의 환자 상태를 모니터링 하는 방법은, 컴퓨터가 환자의 진단 데이터를 획득하는 단계(S110), 컴퓨터가 환자의 보행 측정 데이터를 연속적으로 획득하는 단계(S130), 컴퓨터가 사용자로부터 보행 입력 데이터를 수신하는 단계(S140), 컴퓨터가 보행 측정 데이터 분석 결과를 도출하는 단계(S150) 및 컴퓨터가 치료 방향을 제시해주는 단계(S170)를 포함한다.Referring to FIG. 5, the method of monitoring a patient's condition of the present invention includes: a computer obtaining diagnostic data of a patient (S110), a computer continuously obtaining gait measurement data of a patient (S130), and the computer Receiving gait input data from a user (S140), a step of deriving a gait measurement data analysis result by a computer (S150), and a step (S170) of the computer presenting a treatment direction.
컴퓨터가 사용자로부터 보행 입력 데이터를 수신하는 단계(S140)에서 보행 입력 데이터는, 환자가 보행 측정 데이터를 획득하기 위한 웨어러블 디바이스를 사용할 수 없는 날짜 및 기간에 대하여 보행이 측정되지 않음이 입력되는 것이다.In step S140 of the computer receiving the gait input data from the user, the gait input data is that gait is not measured for the days and periods when the patient cannot use the wearable device for obtaining gait measurement data.
환자의 보행 측정 데이터를 획득하기 위해서는 환자가 웨어러블 디바이스를 착용하고 보행을 하여야 하는데, 환자의 컨디션이 극히 나쁘거나 건강상태가 악화되는 등의 경우에는 웨어러블 디바이스를 사용할 수 없을 수 있다.In order to obtain the patient's gait measurement data, the patient must wear a wearable device and walk. However, the wearable device may not be used if the patient's condition is extremely bad or the health condition deteriorates.
따라서, 본 발명에서는 웨어러블 디바이스를 사용하지 못한 경우에도, 사용할 수 없었던 날짜 및 기간에 대하여 보행 입력 데이터를 컴퓨터가 획득함으로써, 환자가 웨어러블 디바이스를 사용할 수 없었던 것 또한 반영하여 신체 활동도를 도출할 수 있다.Therefore, in the present invention, even when the wearable device is not used, the computer acquires the walking input data for the date and period in which the wearable device was not available, so that the physical activity degree can be derived by reflecting that the patient was not able to use the wearable device. have.
컴퓨터가 보행 입력 데이터를 획득한 경우에는, 컴퓨터가 보행 측정 데이터 분석 결과를 도출하는 단계(S150)에서, 보행 측정 데이터 분석 결과는 보행 입력 데이터를 함께 반영한 분석 결과로서 도출된다.When the computer acquires the gait input data, in step S150 of deriving the gait measurement data analysis result by the computer, the gait measurement data analysis result is derived as an analysis result reflecting the gait input data.
도 6은 본 발명의 보행 측정 데이터와 진단 데이터 결과를 그래프로 도시하는 방법을 설명하기 위한 흐름도이다.6 is a flowchart for explaining a method of graphing gait measurement data and diagnostic data results according to the present invention.
도 6을 참고하면, 본 발명의 환자 상태 모니터링 방법은, 컴퓨터가 보행 측정 데이터 분석 결과를 시간의 흐름에 따라 그래프로 도시하는 단계(S190) 및 컴퓨터가 보행 측정 데이터 분석 결과 그래프 상에 진단 데이터 결과를 함께 도시하는 단계(S210)를 더 포함한다.Referring to Figure 6, the patient condition monitoring method of the present invention, the step (S190) of a computer showing the gait measurement data analysis result as a graph over time, and the computer’s gait measurement data analysis result graph on the diagnostic data result It further includes a step (S210) showing together.
컴퓨터가 보행 측정 데이터 분석 결과를 시간의 흐름에 따라 그래프로 도시하는 단계(S190)는, 상술한 보행 측정 데이터의 분석 결과인 절대값 분석, 상대값 분석 등의 결과를 시간의 흐름에 따라 증가, 유지, 감소 등의 그래프 형태로 도시하는 것이다.Step (S190) of the computer showing the gait measurement data analysis result in a graph over time, increasing the results of absolute value analysis and relative value analysis, which are the analysis results of the gait measurement data described above, with the passage of time, It is shown in the form of a graph such as maintenance or reduction.
컴퓨터가 보행 측정 데이터 분석 결과 그래프 상에 진단 데이터 결과를 함께 도시하는 단계(S210)는, 보행 측정 데이터를 시간의 흐름에 따라 도시한 그래프 상에, 동일한 시간 및 날짜를 매칭하여 해당 부분에 획득한 진단 데이터 결과를 도시하는 것이다.In the step S210 of displaying the diagnostic data result on the gait measurement data analysis result graph by the computer (S210), the gait measurement data is obtained in the corresponding part by matching the same time and date on the graph showing the passage of time. It shows the result of diagnostic data.
보행 측정 데이터와 진단 데이터를 그래프로 매칭하여 도시함으로써, 보행 측정 데이터와 진단 데이터 간의 관계를 한눈에 파악할 수 있고, 이후의 신규 환자의 보행 측정 데이터를 활용한 진단 시, 보행 측정 데이터를 기반으로 환자 상태 진단 결과가 어떻게 나올지를 보다 더 정확하게 예측할 수 있다.By matching and showing the gait measurement data and diagnostic data in a graph, the relationship between the gait measurement data and the diagnosis data can be grasped at a glance, and when a diagnosis using the gait measurement data of a new patient afterwards, the patient is based on the gait measurement data. It is possible to predict more accurately how the condition diagnosis result will come out.
도 7은 본 발명의 환자의 상태 변화에 대하여 진단 데이터 및 보행 측정 데이터와의 상관관계의 학습 모델을 구성하는 방법을 설명하기 위한 흐름도이다.7 is a flowchart illustrating a method of constructing a learning model for correlation between diagnostic data and gait measurement data with respect to a change in a patient's state according to the present invention.
도 7을 참조하면, 본 발명의 환자 상태 모니터링 방법은, 컴퓨터가 진단 데이터, 보행 측정 데이터 및 환자의 상태 변화 간의 상관관계에 대한 학습모델을 구성하는 단계(S230)를 더 포함한다.Referring to FIG. 7, the method of monitoring a patient's condition of the present invention further includes a step (S230) of constructing a learning model for a correlation between the diagnostic data, the gait measurement data, and the patient's state change by the computer.
학습모델을 구성하는 단계(S230)는, 도 2 내지 도 6에서 상술한 진단 데이터 및 보행 측정 데이터를 기반으로 하여 환자의 상태 변화를 확인할 수 있으며, 각 데이터들을 학습 데이터로 활용하여 상관관계에 대한 학습모델을 구성하는 것이다.In the step of constructing a learning model (S230), it is possible to check the change in the patient's state based on the diagnosis data and gait measurement data described above in FIGS. 2 to 6, and use each data as learning data to determine the correlation. It is to construct a learning model.
학습모델을 통해 진단 데이터 및 보행 측정 데이터를 기반으로 환자의 상태 변화를 확인할 수 있다면, 이후 환자의 진단 데이터 및 보행 측정 데이터를 이용하여 환자의 예후를 예측할 수도 있다.If the change in the patient's condition can be confirmed based on the diagnostic data and the gait measurement data through the learning model, the patient's prognosis can be predicted using the patient's diagnostic data and gait measurement data.
또한, 도시하지 않았지만, 컴퓨터가 환자의 신체 데이터를 획득하는 경우에는, 학습모델을 구성하는 단계(S230)는 진단데이터, 보행 측정 데이터 및 신체 데이터를 학습 데이터로서, 진단데이터, 보행 측정 데이터 및 신체 데이터와 환자의 상태 변화의 상관관계에 대한 학습을 수행하여 학습모델로 구성할 수 있다.In addition, although not shown, when the computer acquires the patient's body data, the step of constructing the learning model (S230) includes diagnosis data, gait measurement data, and body data as learning data, diagnosis data, gait measurement data, and body data. It can be configured as a learning model by learning the correlation between the data and the patient's state change.
본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은, 컴퓨터가 진료 기관으로부터 제2 환자의 진단 데이터를 획득하는 단계, 컴퓨터가 제2 환자의 진단 데이터를 기반으로 하여, 제2 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 제2 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 컴퓨터가 학습 모델을 이용하여 제2 환자의 다음 상태를 예측하여 제공하는 단계를 포함하고, 학습 모델은, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 제1 환자의 진단 데이터를 획득하고, 컴퓨터가 제1 환자의 진단 데이터를 기반으로 하여, 제1 환자의 진단 데이터가 미리 정해진 일정 기준에 해당되는 경우, 제1 환자의 보행 측정 데이터를 연속적으로 획득하고, 컴퓨터가 제1 환자의 보행 측정 데이터를 기반으로 하여 제1 환자의 보행 측정 데이터 분석 결과를 도출하고, 컴퓨터가 제1 환자의 진단 데이터 및 제1 환자의 보행 측정 데이터를 학습 데이터로서 제1 환자의 진단 데이터 및 제1 환자의 보행 측정 데이터와 제1 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 것이다.A method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention includes the step of obtaining, by a computer, diagnostic data of a second patient from a treatment institution, by a computer based on the diagnosis data of the second patient, When the diagnostic data of the first boundary falls within a predetermined area of the first boundary or higher, the step of continuously acquiring the gait measurement data of the second patient, the step of predicting and providing the next state of the second patient by the computer using the learning model Including, the learning model, the computer obtains the diagnosis data of the first patient at each predetermined cycle from the treatment institution, the computer is based on the diagnosis data of the first patient, the diagnosis data of the first patient is a predetermined schedule If the criterion is met, the gait measurement data of the first patient is continuously acquired, the computer derives the gait measurement data analysis result of the first patient based on the gait measurement data of the first patient, and the computer is the first patient. The diagnosis data of the first patient and the gait measurement data of the first patient are used as training data, and the relationship between the diagnosis data of the first patient and the gait measurement data of the first patient and the state change of the first patient is learned, and it is composed of a learning model. It is to do.
또한, 본 발명의 일 실시예에 따른 보행 측정 데이터 기반 환자 상태 모니터링 방법은, 컴퓨터가 진료 기관으로부터 제2 환자의 진단 데이터를 획득하는 단계, 컴퓨터가 제2 환자의 진단 데이터를 기반으로 하여, 제2 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 제2 환자의 보행 측정 데이터를 연속적으로 획득하는 단계, 컴퓨터가 학습 모델을 이용하여 제2 환자의 다음 상태를 예측하여 제공하는 단계를 포함하고, 학습 모델은, 컴퓨터가 진료 기관으로부터 미리 정해진 주기마다 제1 환자의 진단 데이터를 획득하고, 컴퓨터가 제1 환자의 진단 데이터를 기반으로 하여, 제1 환자의 진단 데이터가 미리 정해진 일정 기준에 해당되는 경우, 제1 환자의 보행 측정 데이터를 연속적으로 획득하고, 컴퓨터가 제1 환자의 보행 측정 데이터를 기반으로 하여 제1 환자의 보행 측정 데이터 분석 결과를 도출하고, 컴퓨터가 제1 환자의 보행 측정 데이터 분석 결과가 미리 정해진 영역인 제2경계 영역에 해당하는 경우, 제1 환자의 신체 데이터를 획득하고, 컴퓨터가 제1 환자의 신체 데이터, 제1 환자의 진단 데이터 및 상기 제1 환자의 보행 측정 데이터를 학습 데이터로서 제1 환자의 신체 데이터, 제1 환자의 진단 데이터 및 제1 환자의 보행 측정 데이터와 제1 환자의 상태 변화의 상관관계에 대한 학습을 수행하여, 학습 모델로 구성하는 것이다.In addition, a method for monitoring a patient's condition based on gait measurement data according to an embodiment of the present invention includes the step of obtaining, by a computer, diagnostic data of a second patient from a treatment institution, by the computer, based on the diagnosis data of the second patient, 2 If the patient's diagnostic data falls within the first boundary or higher, which is a predetermined area, the step of continuously acquiring the gait measurement data of the second patient, and the computer predicts and provides the next state of the second patient using a learning model. Including the step of, wherein the learning model, the computer obtains the diagnosis data of the first patient every predetermined period from the treatment institution, the computer is based on the diagnosis data of the first patient, the diagnosis data of the first patient is in advance. If the predetermined criteria are met, the first patient's gait measurement data is continuously acquired, the computer derives the gait measurement data analysis result of the first patient based on the first patient's gait measurement data, and the
제1 환자는, 기존 환자로서 컴퓨터에 대하여 학습모델의 학습데이터로서 진단 데이터, 보행 측정 데이터, 신체 데이터 등을 제공한 환자이다.The first patient is an existing patient who has provided diagnostic data, gait measurement data, body data, and the like as learning data of a learning model to a computer.
제2 환자는, 신규 환자로서 새롭게 진단데이터, 보행 측정 데이터, 신체 데이터 등을 컴퓨터에 제공함으로써 학습모델을 통해 컴퓨터로부터 진단 결과를 제공받거나, 예후에 대하여 예측 결과를 제공받는 환자이다.The second patient is a new patient who receives a diagnosis result from a computer through a learning model by newly providing diagnosis data, gait measurement data, body data, and the like to a computer, or receiving a prediction result for a prognosis.
또한, 상술한 도 2 내지 도 7의 내용에는 본 실시예에도 동일하게 적용된다.In addition, the same applies to the present embodiment to the contents of FIGS. 2 to 7 described above.
이상에서 상술한 본 발명의 일 실시예에 따른 방법인, 보행 측정 데이터 기반 환자 상태 모니터링 방법은 하드웨어인 컴퓨터가 결합되어 실행되기 위해 보행 측정 데이터 기반 환자 상태 모니터링 컴퓨터 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.The patient condition monitoring method based on gait measurement data, which is a method according to an embodiment of the present invention described above, is implemented as a patient condition monitoring computer program (or application) based on gait measurement data in order to be executed by combining a computer as hardware. Can be stored in.
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.The steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, implemented as a software module executed by hardware, or a combination thereof. Software modules include Random Access Memory (RAM), Read Only Memory (ROM), Erasable Programmable ROM (EPROM), Electrically Erasable Programmable ROM (EEPROM), Flash Memory, hard disk, removable disk, CD-ROM, or It may reside on any type of computer-readable recording medium well known in the art to which the present invention pertains.
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. In the above, embodiments of the present invention have been described with reference to the accompanying drawings, but those of ordinary skill in the art to which the present invention pertains can be implemented in other specific forms without changing the technical spirit or essential features. You will be able to understand. Therefore, the embodiments described above are illustrative in all respects, and should be understood as non-limiting.
Claims (14)
상기 컴퓨터가 상기 환자의 진단 데이터를 기반으로 하여, 상기 환자의 진단 데이터가 미리 정해진 영역인 제1경계 이상에 해당되는 경우, 환자의 보행 측정 데이터를 연속적으로 획득하는 단계;
상기 컴퓨터가 상기 환자의 보행 측정 데이터를 기반으로 하여 보행 측정 데이터 분석 결과를 도출하는 단계; 및
상기 컴퓨터가 상기 도출된 보행 측정 데이터 분석 결과를 기반으로 하여 치료 방향을 결정하고, 상기 결정된 치료 방향을 제시해주는 단계를 포함하고,
상기 보행 측정 데이터는 웨어러블 디바이스에 의한 측정 데이터이고,
상기 보행 측정 데이터 분석 결과를 도출하는 단계 이후 및 상기 치료 방향을 제시해주는 단계 이전에, 상기 컴퓨터가 상기 보행 측정 데이터 분석 결과가 비정상으로 분류되는 제2경계 영역에 해당하는 경우, 환자의 신체 데이터를 획득하는 단계를 더 포함하고,
상기 치료 방향을 제시해주는 단계는,
상기 컴퓨터가 상기 보행 측정 데이터 분석 결과 및 상기 신체 데이터를 기반으로 한 신체 기능 평가 결과를 도출하여 상기 치료 방향을 제시해주고,
상기 제1경계 이상은,
상기 환자의 상태가 상기 치료에 대한 악화, 재발 및 부작용 중 적어도 하나가 발생되지 않는 경우를 포함하는, 보행 측정 데이터 기반 환자 상태 모니터링 방법.Receiving and obtaining, by a computer, diagnostic data of a patient at a predetermined period from a server of a medical treatment institution;
Continuously acquiring, by the computer, the patient's gait measurement data based on the patient's diagnosis data, when the patient's diagnosis data corresponds to a first boundary or higher, which is a predetermined area;
Deriving, by the computer, a gait measurement data analysis result based on the gait measurement data of the patient; And
Determining, by the computer, a treatment direction based on the result of analyzing the derived gait measurement data, and presenting the determined treatment direction,
The gait measurement data is measurement data by a wearable device,
After the step of deriving the gait measurement data analysis result and before the step of presenting the treatment direction, when the computer corresponds to a second boundary area in which the gait measurement data analysis result is classified as abnormal, the patient's body data is Further comprising the step of obtaining,
The step of presenting the treatment direction,
The computer presents the treatment direction by deriving a result of analyzing the gait measurement data and a result of evaluating a body function based on the body data,
Above the first boundary,
The patient's condition monitoring method based on gait measurement data comprising a case in which at least one of deterioration, recurrence, and side effects for the treatment does not occur.
상기 보행 측정 데이터 분석 결과는,
연속적으로 획득한 상기 환자의 보행 측정 데이터를 미리 정해진 일정 시간 간격으로 도출한 하나 이상의 평균값을 기반으로 하여 분석한 결과를 포함하는,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The gait measurement data analysis result,
Containing a result of analysis based on one or more average values derived from the patient's gait measurement data continuously acquired at predetermined time intervals,
A method for monitoring patient condition based on gait measurement data.
상기 보행 측정 데이터 분석 결과는,
양 발에 대하여 절대값 분석 및 상대값 분석을 포함하는 것이고,
상기 보행 측정 데이터는,
걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하되,
상기 절대값 분석은,
걸음 수, 단위 시간당 이동거리, 평균 이동 속도, 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것이고,
상기 상대값 분석은,
양 발의 차이 또는 비율을 분석하는 것으로서, 상기 보행 측정 데이터 중 각 발의 보폭, 각 발의 지지시간 및 각도, 스윙 시간 (swing time), 스탠스 시간(stance time), 양 발의 벌어짐, 편측 및 양측 부위별 체중 분포 중 적어도 하나를 포함하여 분석하는 것인,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The gait measurement data analysis result,
It includes absolute value analysis and relative value analysis for both feet,
The gait measurement data,
At least one of the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time and angle of each foot, swing time, stance time, spread of both feet, and weight distribution by one and both parts Include one,
The absolute value analysis,
At least one of the number of steps, moving distance per unit time, average moving speed, stride length of each foot, support time and angle of each foot, swing time, stance time, spread of both feet, and weight distribution by one and both parts Is to analyze including one,
The relative value analysis,
Analyzing the difference or ratio of both feet, among the gait measurement data, the stride length of each foot, the support time and angle of each foot, the swing time, the stance time, the gap of both feet, the weight of one and both parts To analyze including at least one of the distributions,
A method for monitoring patient condition based on gait measurement data.
상기 웨어러블 디바이스는,
환자의 양 발 또는 신발의 양쪽에 부착되는 복수의 센서가 배치되는 디바이스이고,
상기 양측 부위별 체중 분포는,
상기 복수의 센서를 활용한 양발의 발꿈치, 발바닥, 발가락의 체중부하 분포를 기반으로 도출되는 것인,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 5,
The wearable device,
A device in which a plurality of sensors attached to both feet or shoes of a patient are disposed,
The weight distribution by both sides is,
It is derived based on the weight load distribution of the heels, soles, and toes of both feet using the plurality of sensors,
A method for monitoring patient condition based on gait measurement data.
상기 신체 기능 평가는,
상지 기능 평가, 하지 기능 평가 및 근육량 평가 중 적어도 하나를 포함하고,
상기 신체 데이터는,
근육량, 체지방량, 근 긴장도(muscle tone), 근력, 보행 속도, 악력, 복부둘레, 상완둘레 및 종아리둘레 중 적어도 하나를 포함하는,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The body function evaluation,
Including at least one of an upper limb function evaluation, a lower limb function evaluation, and a muscle mass evaluation,
The body data,
Including at least one of muscle mass, body fat mass, muscle tone, muscle strength, walking speed, grip strength, abdominal circumference, upper arm circumference, and calf circumference,
A method for monitoring patient condition based on gait measurement data.
상기 컴퓨터가 사용자로부터 보행 입력 데이터를 수신하는 단계를 더 포함하고,
상기 보행 입력 데이터는,
상기 환자가 상기 웨어러블 디바이스를 사용할 수 없는 날짜 및 기간에 대하여 보행이 측정되지 않음이 입력되는 것이고,
상기 보행 측정 데이터 분석 결과는,
상기 보행 입력 데이터를 반영한 분석 결과인,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The computer further comprises the step of receiving walking input data from the user,
The walking input data,
It is input that no gait is measured for the date and period in which the patient cannot use the wearable device,
The gait measurement data analysis result,
The analysis result reflecting the walking input data,
A method for monitoring patient condition based on gait measurement data.
상기 컴퓨터가 상기 보행 측정 데이터 분석 결과를 시간의 흐름에 따라 그래프로 도시하는 단계; 및
상기 컴퓨터가 상기 보행 측정 데이터 분석 결과 그래프 상에 동일한 날짜 및 시간에 획득한 상기 진단 데이터를 함께 도시하는 단계를 더 포함하는,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
Graphing, by the computer, a result of analyzing the gait measurement data over time; And
The computer further comprises showing the diagnostic data acquired at the same date and time on the gait measurement data analysis result graph together,
A method for monitoring patient condition based on gait measurement data.
상기 컴퓨터가 상기 진단 데이터 및 상기 보행 측정 데이터를 학습 데이터로서 상기 진단 데이터 및 상기 보행 측정 데이터와 환자의 상태 변화의 상관관계에 대한 학습을 수행하고, 상기 수행된 학습의 결과를 기반으로 학습 모델을 구성하는 단계를 더 포함하는,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The computer performs learning on the correlation between the diagnostic data and the gait measurement data and the state change of the patient using the diagnostic data and the gait measurement data as training data, and builds a learning model based on the result of the performed learning. Further comprising the step of configuring,
A method for monitoring patient condition based on gait measurement data.
상기 컴퓨터가 상기 신체 데이터, 상기 진단 데이터 및 상기 보행 측정 데이터를 학습 데이터로서 상기 신체 데이터, 상기 진단 데이터 및 상기 보행 측정 데이터와 환자의 상태 변화의 상관관계에 대한 학습을 수행하고, 상기 수행된 학습 결과를 기반으로 학습 모델을 구성하는 단계를 더 포함하는,
보행 측정 데이터 기반 환자 상태 모니터링 방법.The method of claim 1,
The computer learns about the correlation between the body data, the diagnostic data, and the gait measurement data and the state change of the patient using the body data, the diagnostic data, and the gait measurement data as learning data, and the performed learning Further comprising the step of constructing a learning model based on the results,
A method for monitoring patient condition based on gait measurement data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190038151A KR102228925B1 (en) | 2019-04-02 | 2019-04-02 | Method of monitoring patient condition based on gait measurement data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190038151A KR102228925B1 (en) | 2019-04-02 | 2019-04-02 | Method of monitoring patient condition based on gait measurement data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200116607A KR20200116607A (en) | 2020-10-13 |
| KR102228925B1 true KR102228925B1 (en) | 2021-03-16 |
Family
ID=72885184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190038151A KR102228925B1 (en) | 2019-04-02 | 2019-04-02 | Method of monitoring patient condition based on gait measurement data |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102228925B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116249574A (en) * | 2020-10-20 | 2023-06-09 | 株式会社爱世克私 | Motion analysis device, motion analysis method, and motion analysis program |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080281165A1 (en) * | 2007-05-09 | 2008-11-13 | Raghu Rai | system and method for acquiring and transferring data to a remote server |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100909350B1 (en) * | 2007-03-13 | 2009-07-24 | 최용재 | 3D biomechanical data and parameter analysis method and apparatus using the method |
| KR101934935B1 (en) * | 2016-11-14 | 2019-01-03 | 남서울대학교 산학협력단 | A system for gait realignment |
| KR102617480B1 (en) * | 2017-02-22 | 2023-12-26 | 광주과학기술원 | Apparatus and method for estimating fall risk based on machine learning |
| KR102090698B1 (en) | 2017-08-24 | 2020-04-23 | 연세대학교 산학협력단 | Method of measuring amount of ex vivo interferon-gamma for diagnosing, monitoring, or prognosing in cancer |
-
2019
- 2019-04-02 KR KR1020190038151A patent/KR102228925B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080281165A1 (en) * | 2007-05-09 | 2008-11-13 | Raghu Rai | system and method for acquiring and transferring data to a remote server |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200116607A (en) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaminsky et al. | Cardiorespiratory fitness and cardiovascular disease-the past, present, and future | |
| Stirling et al. | Seizure forecasting and cyclic control of seizures | |
| Michos et al. | Framingham risk equation underestimates subclinical atherosclerosis risk in asymptomatic women | |
| Grundy | Coronary plaque as a replacement for age as a risk factor in global risk assessment | |
| Sydó et al. | Relationship between exercise heart rate and age in men vs women | |
| US9050032B2 (en) | Methods for measuring the magnitude of attention and motor activity disturbance in a subject | |
| US20240005501A1 (en) | Automated assessment of wound tissue | |
| Tan et al. | Can activity monitors predict outcomes in patients with heart failure? A systematic review | |
| Fujisawa et al. | Actigraphy as an assessment of performance status in patients with advanced lung cancer | |
| CN113905663A (en) | Diagnosis and effectiveness of monitoring attention deficit hyperactivity disorder | |
| Engelhard et al. | Real-world walking in multiple sclerosis: Separating capacity from behavior | |
| Chandrasekar et al. | Preliminary concurrent validity of the Fitbit-Zip and ActiGraph activity monitors for measuring steps in people with polymyalgia rheumatica | |
| KR102228925B1 (en) | Method of monitoring patient condition based on gait measurement data | |
| Kraal et al. | Energy expenditure estimation in beta-blocker-medicated cardiac patients by combining heart rate and body movement data | |
| Lim et al. | Machine learning versus classical electrocardiographic criteria for echocardiographic left ventricular hypertrophy in a pre-participation cohort | |
| Elmasry et al. | Laser speckle contrast imaging in children with scalds: its influence on timing of intervention, duration of healing and care, and costs | |
| US11826011B2 (en) | Cortical recording and signal processing methods and devices | |
| RU2523391C1 (en) | Method for prediction of risk of developing coronary artery restenosis after stenting procedure in patients with ischemic heart disease | |
| Gruber et al. | Monitoring gait complexity as an indicator for running-related injury risk in collegiate cross-country runners: A proof-of-concept study | |
| Valenza et al. | Maximal-radius multiscale entropy of cardiovascular variability: A promising biomarker of pathological mood states in bipolar disorders | |
| Gondring et al. | A touch pressure sensory assessment of the surgical treatment of the tarsal tunnel syndrome | |
| KR102329988B1 (en) | Method for predicting user heart state using active state of ppg and rest state of ppg | |
| AU2012278417A1 (en) | Assessment method | |
| US20190295701A1 (en) | Drug administration timing | |
| Skov et al. | Perceived stress predicts the stability of vitamin K-antagonist treatment of anticoagulant clinic patients |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |