KR102261092B1 - Medical diagnosis management system - Google Patents
Medical diagnosis management system Download PDFInfo
- Publication number
- KR102261092B1 KR102261092B1 KR1020210008206A KR20210008206A KR102261092B1 KR 102261092 B1 KR102261092 B1 KR 102261092B1 KR 1020210008206 A KR1020210008206 A KR 1020210008206A KR 20210008206 A KR20210008206 A KR 20210008206A KR 102261092 B1 KR102261092 B1 KR 102261092B1
- Authority
- KR
- South Korea
- Prior art keywords
- medical
- treatment
- questionnaire
- chart
- diagnosis
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
본 발명은 의료진단 관리 시스템에 관한 것으로 더욱 상세하게는, 환자별 진료차트에 포함된 증상을 기 설정된 우선순위(위험도 높은 진단명, 그에 따른 치료법)에 따라 정렬하고, 의사로부터 입력받은 진료/검사 결과에 대한 AI 분석을 통해 추가검사 여부를 판단하며, 검사단계별로 확률이 보정된 가능성 높은 진단명을 갱신하고, DB로부터 색인한 진단별 투약리스트에서 중복 및 과다투약을 배제하여 추천 투약리스트를 생성하며, 추천 투약리스트에 대한 AI 검증을 거쳐 투약정보를 포함하는 처방전을 생성하는 기술에 관한 것이다.The present invention relates to a medical diagnosis management system, and more particularly, aligning symptoms included in a patient-specific treatment chart according to a preset priority (high-risk diagnosis name, treatment according to it), and receiving treatment/test results from a doctor Determines whether additional tests are required through AI analysis of the drug, updates the likely diagnosis name with corrected probability for each test step, and creates a recommended medication list by excluding duplicates and overdose from the medication list for each diagnosis indexed from the DB, It relates to a technology for generating a prescription including medication information through AI verification of a recommended medication list.
병의원이나 보건소 등의 각종 의료기관에서는 진료 및 치료와 관련하여 발생되는 전후 업무사항이나 환자의 진료/치료 기록과 같은 관련 의료 정보를 체계적으로 관리/유지하여, 의료행위에 도움이 되도록 하고 있다. Various medical institutions such as hospitals and public health centers systematically manage and maintain related medical information such as before and after work related to treatment and treatment and patient's treatment/treatment records to help with medical practice.
이와 같이 의료기관에서는 의사나 간호사 등의 의료인이 환자를 진료하고, 치료하는 과정에서 관련 의료 정보들을 차트에 기록하여 관리하고 있다.As described above, in medical institutions, medical personnel such as doctors and nurses treat patients and record and manage related medical information in charts in the process of treatment.
근래에는 전자 차트 시스템(EMR, Electronic Medical Record)이 도입되어 종이매체에 의해 기록되었던 모든 의료기록과 환자의 진료행위를 중심으로 발생한 업무상의 자료, 진료 및 수술, 검사 기록을 전산에 기반해 입력, 정리 및 보관하고 있다.In recent years, electronic chart system (EMR, Electronic Medical Record) has been introduced, and all medical records recorded by paper media and business data, medical treatment, surgery, and examination records that occurred mainly on the patient's medical treatment are entered based on the computer. Organized and stored.
그러나, 현재 의료기관에서 사용 중인 전자 차트 시스템의 경우, 환자가 의료기관에 내방하여 의사에게 진료받은 이후, 의사가 의료기록을 전산으로 입력하여 진료차트를 생성하고, 이를 의료기관에서 환자별로 저장 및 관리하고 있는바, 환자가 반드시 의료기관에 내방해야만 하는 번거로움이 있다.However, in the case of the electronic chart system currently used in medical institutions, after a patient visits a medical institution and receives treatment from a doctor, the doctor enters the medical record into a computer to create a medical chart, and the medical institution stores and manages it for each patient. However, there is a inconvenience in that the patient must visit a medical institution.
한편, 의료기관에 내방이 어려운 환자의 경우 배포된 문진표에 환자 스스로 증상을 기재한 이후 이를 의료기관에서 수거하게 되는데, 이러한 문진표는 수기로 작성되기 때문에 의료기관에서 전산으로 입력하는 과정이 수반되는 번거로움이 있다.On the other hand, in the case of a patient who is difficult to visit a medical institution, the patient writes his/her symptoms on the questionnaire distributed and collects it at the medical institution. .
또한, 전산으로 입력된 문진표는 의사의 진단과정을 거처 진료차트로 생성되기 때문에 문진표 작성에서부터 진료차트 생성에 이르기까지 많은 시간이 소요되고, 진단 및 처방 과정이 의사의 경험에만 의존하게 됨에 따라 중복투약 및 과다투약 여부를 확인하는데 많은 시간이 소요되는 문제점이 있다.In addition, since the questionnaire entered by computer is generated as a medical chart through the doctor's diagnosis process, it takes a lot of time from preparing the questionnaire to creating the medical chart, and as the diagnosis and prescription process depend only on the doctor's experience, it takes a lot of time. And there is a problem that takes a lot of time to check whether or not overdose.
이에 본 출원인은 사용자 단말기에 설치된 앱을 통해 입력받은 설문내역을 수신한 진료서버가 설문내역 각 항목을 DB에 저장된 의료용어별로 매칭시켜 진료차트 생성 과정을 자동화하고, DB로부터 색인한 진단별 투약리스트에서 중복 및 과다투약을 배제하여 추천 투약리스트를 생성하며, 추천 투약리스트에 대한 AI 검증을 거쳐 투약정보를 포함하는 처방전을 생성하는 의료진단 관리 시스템을 제공하고자 한다.Accordingly, the applicant stated that the medical treatment server, which received the questionnaire received through the app installed on the user's terminal, matches each item of the questionnaire by medical term stored in the DB to automate the process of creating a medical chart, and indexed the medication list for each diagnosis from the DB. It is intended to provide a medical diagnosis management system that generates a recommended medication list by excluding duplicates and overdose in , and generates a prescription including medication information through AI verification of the recommended medication list.
본 발명의 목적은, 원격지에 위치한 환자 또는 전염병으로 인해 의료기관 방문이 어렵거나 장시간 진료를 대기하는 환자가 사용자 단말기에 설치된 앱을 통해 문진표를 작성하고, 이를 취합한 진료서버가 문진표에 포함된 각 항목을 DB에 저장된 의료용어별로 매칭시켜 진료차트를 생성함으로써, 환자들이 원격지에서 수행한 문진표만으로 진료차트 생성이 가능하게 하는데 있다.It is an object of the present invention, a patient located in a remote place or a patient who has difficulty visiting a medical institution due to an infectious disease or a patient who waits for a long time for treatment creates a questionnaire through an app installed on a user terminal, and a medical treatment server that collects the questionnaire contains each item included in the questionnaire By matching each medical term stored in the DB to create a medical chart, it is possible to create a medical chart only with the questionnaire performed by patients at a remote location.
본 발명의 목적은, 진료서버가 사용자 단말기로부터 수신한 문진표의 각 항목을 DB에 저장된 의료용어별로 매칭시키고, AI 분석을 수행하여 확률이 보정된 가능성 높은 진단명을 추출하며, 추출된 진단명에 대해 검수절차를 수행하여 진료차트를 생성함으로써, 진단서버가 문진표 수신과 동시에 유력한 진단명을 제공하여 의사의 신속하고 정확한 진단이 가능하게 하는데 있다.It is an object of the present invention to match each item of the questionnaire received from the user terminal by the medical treatment server for each medical term stored in the DB, perform AI analysis to extract a highly probable diagnosis name with corrected probability, and inspect the extracted diagnosis name By performing a procedure and generating a medical chart, the diagnosis server provides a powerful diagnosis name at the same time as receiving the questionnaire, thereby enabling a quick and accurate diagnosis of the doctor.
본 발명의 목적은, 환자별 진료차트에 포함된 증상을 기 설정된 우선순위(위험도 높은 진단명, 그에 따른 치료법)에 따라 정렬하고, 의사로부터 입력받은 진료/검사 결과에 대한 AI 분석을 통해 추가검사 여부를 판단함으로써, 검사단계별로 일관되고 확률이 보정되어 가능성 높은 진단명을 도출하는데 소요되는 시간을 현저히 단축시키는데 있다.An object of the present invention is to align symptoms included in the patient-specific treatment chart according to preset priorities (high-risk diagnosis, treatment according to it), and whether to perform additional tests through AI analysis of the treatment/test results input from the doctor By judging , the time required for deriving a highly probable diagnosis name is significantly shortened by consistent and correcting probabilities for each test step.
본 발명의 목적은, 진료서버가 DB로부터 색인한 진단별 투약리스트에서 중복 및 과다투약을 배제하여 추천 투약리스트를 생성하되, 추천 투약리스트에 대한 AI 검증을 거쳐 투약정보를 포함하는 처방전을 생성함으로써, 의사의 중복투약 및 과다투약 여부 검증에 소요되는 시간을 현저히 단축시키는데 있다.An object of the present invention is to generate a recommended medication list by excluding duplicates and overdose from the medication list for each diagnosis indexed from the DB by the medical treatment server, but by generating a prescription including medication information through AI verification for the recommended medication list. , it is to significantly shorten the time required to verify whether a doctor has overdose or not.
이러한 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른 의료진단 관리 시스템은, 앱 실행을 통해 기 설정된 설문내역을 로딩하고, 설문내역의 각 항목별 응답을 입력받아 생성한 문진표를 생성하여 진료서버로 전송하는 사용자 단말기; 및 사용자 단말기로부터 수신한 문진표의 응답항목들을 추출하고, 추출한 응답항목과 대응하는 DB에 기 저장된 의료용어와 추출한 응답항목들을 매칭시켜 진료차트를 생성하며, 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하여 의사로부터 입력받은 진료결과 또는 검사결과에 대한 AI 분석을 수행하고, AI 분석을 통해 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신시키는 진료서버를 포함하는 것을 특징으로 한다.The medical diagnosis management system according to an embodiment of the present invention for achieving this technical task loads a preset questionnaire through the execution of an app, and generates a questionnaire generated by receiving responses for each item of the questionnaire history to provide medical treatment a user terminal that transmits to the server; and extracting the response items of the questionnaire received from the user terminal, matching the extracted response items with medical terms stored in the DB corresponding to the extracted response items to create a medical chart, and assigning the symptoms included in the medical chart to a preset priority A medical server that performs AI analysis on the medical treatment results or examination results input from the doctor by sorting according to the criteria, and updates the treatment chart by receiving the treatment results or examination results again when additional treatment or additional examination is required through AI analysis It is characterized in that it includes.
바람직하게는 사용자 단말기는, 설문내역을 로딩하여 화면에 디스플레이하는 로딩부; 설문내역 각각에 대한 응답을 입력받는 입력부; 및 설문내역에 입력된 응답을 취합하고, 설문내역 및 응답에 기 설정된 식별ID를 매칭시켜 문진표를 생성하는 문진부를 포함하는 것을 특징으로 한다.Preferably, the user terminal includes: a loading unit for loading the questionnaire and displaying it on the screen; an input unit for receiving a response to each of the questionnaire details; and a questionnaire that collects responses inputted in the questionnaire details, and generates a questionnaire by matching a preset identification ID to the questionnaire details and responses.
진료서버는, 사용자 단말기로부터 수신한 문진표를 식별ID별로 분류하여 DB에 저장 및 관리하는 수집부; 문진표에 포함된 설문내역 각각에 대한 응답을 추출하여 정렬하고, 정렬된 응답과 대응하는 의료용어를 DB로부터 색인하여 매칭시키는 추출부; 응답과 매칭된 의료용어에 대한 정확도를 계산하여 기 매칭된 의료용어 갱신을 통해 진료차트를 생성하는 검증부; 의료용어와 대응하는 진단명을 유사도 순으로 정렬하여 상기 진료차트를 갱신하는 진단부; 및 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하고, 입력받은 진료결과 또는 검사결과에 대한 값과 딥러닝 학습에 따른 정확도 값을 비교하는 AI 분석을 수행하되, 비교결과 정확도 값의 범주에 속하는 경우 해당 진료결과 또는 검사결과가 반영되도록 진료차트를 갱신하는 분석부를 포함하는 것을 특징으로 한다.The medical treatment server includes: a collection unit for classifying the questionnaire received from the user terminal by identification ID, storing and managing it in a DB; an extracting unit for extracting and sorting responses to each of the questionnaire details included in the questionnaire, and indexing and matching the sorted responses and corresponding medical terms from the DB; a verification unit that calculates the accuracy of the medical term matched with the response and generates a medical chart by updating the previously matched medical term; a diagnosis unit for arranging medical terms and corresponding diagnosis names in order of similarity to update the medical chart; and aligning the symptoms included in the medical chart according to preset priorities, and performing AI analysis that compares the value of the received medical treatment result or test result with the accuracy value according to deep learning learning, It is characterized in that it includes an analysis unit for updating the treatment chart to reflect the relevant treatment results or examination results when belonging to.
또한, 진료서버는 DB로부터 진료차트에 포함된 진단명과 대응하는 투약리스트를 색인하고, 1회 투약 권장량에 부합하도록 중복을 제거하여 처방전을 생성하는 처방부를 더 포함하는 것을 특징으로 한다.In addition, the medical treatment server indexes a medication list corresponding to a diagnosis name included in the treatment chart from the DB, and removes duplicates so as to match the recommended dose for one time, it is characterized in that it further includes a prescription for generating a prescription.
그리고, 진료서버는 진료차트에 기록된 의사 소견에 따라 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신하는 재검부를 더 포함하는 것을 특징으로 한다.And, when additional treatment or additional examination is required according to the doctor's opinion recorded in the medical treatment chart, the medical treatment server is characterized in that it further includes a reexamination unit that receives the medical treatment result or examination result and updates the medical treatment chart.
상기와 같은 본 발명에 따르면, 원격지에 위치한 환자 또는 전염병으로 인해 의료기관 방문이 어렵거나 장시간 진료를 대기하는 환자가 사용자 단말기에 설치된 앱을 통해 문진표를 작성하고, 이를 취합한 진료서버가 문진표에 포함된 각 항목을 DB에 저장된 의료용어별로 매칭시켜 진료차트를 생성함으로써, 환자가 원격지에서 수행한 문진표만으로 진료차트 생성이 가능한 효과가 있다.According to the present invention as described above, a patient located at a remote location or a patient who has difficulty visiting a medical institution due to an infectious disease or a patient who waits for a long time prepares a questionnaire through an app installed in the user terminal, and a medical server that collects them is included in the questionnaire. By matching each item for each medical term stored in the DB to create a medical chart, it is possible to create a medical chart only with the questionnaire performed by the patient at a remote location.
본 발명에 따르면, 진료서버가 사용자 단말기로부터 수신한 문진표의 각 항목을 DB에 저장된 의료용어별로 매칭시키고, AI 분석을 수행하여 확률이 보정된 가능성 높은 진단명을 추출하며, 추출된 진단명에 대해 검수절차를 수행하여 진료차트를 생성함으로써, 진단서버가 문진표 수신과 동시에 유력한 진단명을 제공하여 의사의 신속하고 정확한 진단이 가능한 효과가 있다.According to the present invention, the medical treatment server matches each item of the questionnaire received from the user terminal for each medical term stored in the DB, performs AI analysis to extract a highly probable diagnosis name with corrected probability, and examines the extracted diagnosis name. By performing the procedure to create a medical chart, the diagnosis server provides a powerful diagnosis name at the same time as receiving the questionnaire, so that the doctor can quickly and accurately diagnose.
본 발명에 따르면, 환자별 진료차트에 포함된 증상을 기 설정된 우선순위(위험도 높은 진단명, 그에 따른 치료법)에 따라 정렬하고, 의사로부터 입력받은 진료/검사 결과에 대한 AI 분석을 통해 추가검사 여부를 판단함으로써, 검사단계별로 일관되고 확률이 보정되어 가능성 높은 진단명을 도출하는데 소요되는 시간을 현저히 단축시키는 효과가 있다.According to the present invention, symptoms included in the treatment chart for each patient are sorted according to a preset priority (high-risk diagnosis, treatment according to it), and whether additional examinations are performed through AI analysis of the treatment/test results input from the doctor By judging, there is an effect of significantly shortening the time required for deriving a diagnosis name with a high probability because it is consistent and the probability is corrected for each test step.
본 발명에 따르면, 진료서버가 DB로부터 색인한 진단별 투약리스트에서 중복 및 과다투약을 배제하여 추천 투약리스트를 생성하되, 추천 투약리스트에 대한 AI 검증을 거쳐 투약정보를 포함하는 처방전을 생성함으로써, 의사의 중복투약 및 과다투약 여부 검증에 소요되는 시간을 현저히 단축시키는 효과가 있다.According to the present invention, the medical treatment server generates a recommended medication list by excluding duplicates and overdose from the medication list for each diagnosis indexed from the DB, and generates a prescription including medication information through AI verification of the recommended medication list, It has the effect of remarkably shortening the time required for the doctor to verify whether or not there is an overdose or overdose.
도 1은 본 발명의 일 실시예에 따른 의료진단 관리 시스템을 도시한 구성도.
도 2는 본 발명의 일 실시예에 따른 의료진단 관리 시스템의 사용자 단말기를 도시한 블록도.
도 3은 본 발명의 일 실시예에 따른 의료진단 관리 시스템의 진료서버를 도시한 블록도.
도 4는 본 발명의 일 실시예에 따른 의료진단 관리 시스템의 부가구성을 도시한 블록도.
도 5는 본 발명의 일 실시예에 따른 진료정보 관리 방법을 도시한 순서도.
도 6은 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S504단계에 대한 세부과정을 도시한 순서도.
도 7은 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S508단계에 대한 세부과정을 도시한 순서도.
도 8은 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S510단계 이후과정을 도시한 순서도.
도 9는 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S806단계 이후과정을 도시한 순서도.
도 10은 본 발명의 일 실시예에 따른 의료진단 관리 시스템의 문진표에 포함된 설문내역 샘플을 도시한 도면.1 is a block diagram illustrating a medical diagnosis management system according to an embodiment of the present invention.
2 is a block diagram illustrating a user terminal of a medical diagnosis management system according to an embodiment of the present invention.
3 is a block diagram illustrating a medical treatment server of a medical diagnosis management system according to an embodiment of the present invention.
4 is a block diagram illustrating an additional configuration of a medical diagnosis management system according to an embodiment of the present invention.
5 is a flowchart illustrating a treatment information management method according to an embodiment of the present invention.
6 is a flowchart illustrating a detailed process of step S504 of the method for managing medical information according to an embodiment of the present invention.
7 is a flowchart illustrating a detailed process of step S508 of the method for managing medical information according to an embodiment of the present invention.
8 is a flowchart illustrating a process after step S510 of the treatment information management method according to an embodiment of the present invention.
9 is a flowchart illustrating a process after step S806 of the treatment information management method according to an embodiment of the present invention.
10 is a view showing a sample of questionnaire details included in the questionnaire of the medical diagnosis management system according to an embodiment of the present invention.
본 발명의 구체적인 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다. 또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.The specific features and advantages of the present invention will become more apparent from the following detailed description taken in conjunction with the accompanying drawings. Prior to this, the terms or words used in the present specification and claims are based on the principle that the inventor can appropriately define the concept of the term in order to best describe his or her invention in the technical spirit of the present invention. It should be interpreted with the corresponding meaning and concept. In addition, it should be noted that, when it is determined that the detailed description of the well-known functions related to the present invention and its configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof is omitted.
도 1을 참조하면, 본 발명의 일 실시예에 따른 의료진단 관리 시스템(S)은, 앱 실행을 통해 기 설정된 설문내역을 로딩하고, 설문내역의 각 항목별 응답을 입력받아 생성한 문진표를 생성하여 진료서버(200)로 전송하는 사용자 단말기(100), 및 사용자 단말기(100)로부터 수신한 문진표의 응답항목들을 추출하고, 추출한 응답항목과 대응하는 DB에 기 저장된 의료용어와 추출한 응답항목들을 매칭시켜 진료차트를 생성하며, 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하여 의사로부터 입력받은 진료결과 또는 검사결과에 대한 AI 분석을 수행하고, AI 분석을 통해 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신시키는 진료서버(200)를 포함하여 구성된다.Referring to FIG. 1 , the medical diagnosis management system S according to an embodiment of the present invention generates a questionnaire generated by loading a preset questionnaire through execution of an app, and receiving responses for each item in the questionnaire. to extract the response items of the questionnaire received from the
이하에서는 그 구체적인 언급을 생략하겠으나, 사용자 단말기(100)는 환자 본인 또는 보호자의 설정과 대응하는 예약일마다 활성화될 수 있으며, 앱 설치가 가능하고 정보통신망을 통해 진료서버(200)와의 접속이 가능한 PC, 노트북, 스마트폰 또는 태블릿 중에 어느 하나의 기기로 이해함이 바람직하다.Hereinafter, a detailed description thereof will be omitted, but the
구체적으로, 도 2를 참조하면 사용자 단말기(100)의 로딩부(110)는 설문내역을 로딩하여 화면에 디스플레이하되, 앱 설치와 동시에 내부 저장소에 저장된 파일을 색인하여 화면에 디스플레이 하거나, 앱 실행시 접속된 진료서버(200)로부터 다운로드되어 화면에 디스플레이 하도록 구동될 수 있다.Specifically, referring to FIG. 2 , the loading unit 110 of the
또한, 사용자 단말기(100)는 입력부(120)는 로딩부(110)에 의해 설문내역이 화면에 활성화된 이후, 환자 또는 보호자로부터 설문내역 각각에 대한 응답을 입력받는다. 이때, 설문내역은 증상, 질병 분류, 가족력, 과거력, 복용중인 약, 성별 또는 생활습관 중에 어느 하나의 카테고리를 포함할 수 있고, 응답은 키입력 또는 화면 터치를 통해 입력받되, 객관식 체크 또는 다수의 키입력에 의한 서술형 문장을 입력을 포함할 수 있다.In addition, in the
또한, 사용자 단말기(100)의 문진부(130)는 설문내역에 입력된 응답을 취합하고, 설문내역 및 응답에 기 설정된 식별ID를 매칭시켜 생성한 문진표를 진료서버(200)로 업로드한다.In addition, the questionnaire 130 of the
이때, 문진표에는 설문내역에 대한 응답과 기 설정된 식별ID 외에 사용자 단말기 식별번호가 포함되고, 그밖에 연락처, 이름, 성별 또는 연령 중에 어느 하나의 환자정보가 포함될 수 있다.In this case, the questionnaire may include the user terminal identification number in addition to the response to the questionnaire and the preset identification ID, and may include any one of patient information among contact information, name, gender, or age.
아울러, 문진부(130)는 접속된 진료서버(200)에 기 업로드된 문진표에 대한 조회 기능을 제공하며, 조회한 문진표 편집 기능을 활용하여 설문내역별 응답에 소요되는 시간을 현저히 단축시킬 수 있다.In addition, the questionnaire 130 provides a search function for the questionnaire that has been uploaded to the
도 3을 참조하면 진료서버(200)의 수집부(210)는 사용자 단말기(100)들로부터 수신한 문진표를 식별ID별로 분류하여 DB에 저장 및 관리한다.Referring to FIG. 3 , the collection unit 210 of the
또한, 진료서버(200)의 추출부(220)는 문진표에 포함된 설문내역 각각에 대한 응답을 추출하여 정렬하고, 정렬된 응답과 대응하는 의료용어를 DB로부터 색인하여 매칭시킨다.In addition, the extraction unit 220 of the
또한, 진료서버(200)의 검증부(230)는 딥러닝을 통해 기 학습된 유사도 값을 토대로 응답과 매칭된 의료용어에 대한 정확도를 계산하고, 계산된 정확도에 따라 각 응답에 대해 매칭된 의료용어를 갱신하여 진료차트를 생성한다.In addition, the verification unit 230 of the
또한, 진료서버(200)의 진단부(240)는 검증부(230)로부터 인가받은 진료차트를 화면에 디스플레이하되, 딥러닝 학습을 통해 기 학습된 유사도 값에 따라 각 의료용어별로 확률이 보정된 진단명을 색인하고, 의료용어와 대응하는 진단명을 유사도 순으로 1순위 내지 n순위로 정렬하여 입력받은 진단 값에 따라 진료차트를 갱신한다.In addition, the diagnosis unit 240 of the
이처럼, 본 발명의 일 실시예에 따른 검증부(230)는 딥러닝 학습에 따른 유사도 값에 따라 각 응답별로 확률이 보정된 의료용어를 갱신시키고, 진단부(240)는 각 의료용어별로 확률이 보정된 진단명을 제공하는바, 의사가 진료차트를 확인을 통해 진단을 내리는데 까지 소요되는 시간을 현저히 단축시키게 된다.As such, the verification unit 230 according to an embodiment of the present invention updates the medical terms whose probability is corrected for each response according to the similarity value according to deep learning learning, and the diagnosis unit 240 determines the probability for each medical term. By providing the corrected diagnosis name, the time it takes for a doctor to make a diagnosis by checking the medical chart is significantly reduced.
또한, 진료서버(200)의 분석부(250)는 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하고, 의사로부터 입력받은 진료결과 또는 검사결과에 대한 값과 딥러닝 학습에 따른 정확도 값을 비교하는 AI 분석을 수행하되, 비교결과 정확도 값의 범주에 속하는 경우 해당 진료결과 또는 검사결과가 반영되도록 진료차트를 갱신한다.In addition, the analysis unit 250 of the
여기서, 우선순위는 DB에 기 저장된 위험도 값에 따라 정렬되고, 위험도 값은 크게 A, B 및 C로 설정될 수 있는데, 긴급 수술이 필요하거나 진료차트에 포함된 진단명이 3대 질환(암, 심장질환, 또는 뇌혈관질환)인 경우 위험도 값이 A로 설정되고, 추가검진 또는 약물치료가 필요한 질환인 경우 위험도 값이 B로 설정되며, 그리고 주의를 필요하는 질환인 경우 위험도 값이 C로 설정될 수 있다.Here, the priorities are sorted according to the risk values pre-stored in the DB, and the risk values can be largely set to A, B, and C. disease or cerebrovascular disease), the risk value is set to A, for a disease requiring additional examination or drug treatment, the risk value is set to B, and for a disease requiring attention, the risk value is set to C. can
이때, 분석부(250)는 관리자 또는 의사의 제어에 따라 위험도 값과 해당 값에 포함되는 항목을 변경할 수 있고, 전염력이 강한 바이러스 질환의 경우 위험도 값을 A로 설정할 수 있다.In this case, the analysis unit 250 may change the risk value and items included in the value under the control of the administrator or doctor, and may set the risk value to A in case of a highly contagious viral disease.
또한, 정확도 값은 사전에 딥러닝 학습을 통해 증상별로 매칭된 진료결과 또는 검사결과 값을 수치화한 값으로 이해함이 바람직하다.In addition, it is preferable to understand the accuracy value as a value obtained by digitizing the medical treatment result or test result value matched for each symptom through deep learning in advance.
그리고, 진료서버(200)의 처방부(260)는 DB로부터 진료차트에 포함된 진단명과 대응하는 투약리스트를 색인하고, 1회 투약 권장량에 부합하도록 중복을 제거하여 과다투약을 배제하도록 투약리스트를 갱신시켜 처방전을 생성한다.Then, the prescription unit 260 of the
이때, 처방부(260)는 환자의 나이, 성별, 체중, 음주, 기저질환, 가족력 및 이전 처방내역을 고려하여 질병악화 또는 치료난항이 없도록 투약량을 조절하고, DB로부터 딥러닝 학습을 통해 기 생성된 맞춤 투약량 사례를 색인하여 조절된 투약량과 비교하는 AI 검증을 거처 추천 투약리스트를 생성하고, 의사로부터 입력받은 승인정보에 따라 투약리스트를 갱신하도록 구성된다.At this time, the prescribing unit 260 adjusts the dosage in consideration of the patient's age, sex, weight, drinking, underlying disease, family history, and previous prescription history so that there is no disease worsening or treatment difficulties, and generating a pre-generation through deep learning from the DB It is configured to generate a recommended dosage list through AI verification that indexes the customized dosage case and compares it with the adjusted dosage, and updates the dosage list according to the approval information received from the doctor.
즉, 처방부(260)는 진료대상 환자의 투약량과 동일한 증상, 진료결과 또는 검사결과를 보이는 환자의 투약리스트 상에 투약량을 비교할 수 있고, 투약리스트 갱신은 의사의 검수를 거처 확정되도록 구성된다.That is, the prescribing unit 260 may compare the dosage on the dosage list of the patient showing the same symptoms, treatment results, or test results as the dosage of the patient to be treated, and the dosage list update is configured to be confirmed through a doctor's examination.
이처럼, 본 발명의 일 실시예에 따른 처방부(260)에 의하면 진료차트 확인에서부터 처방전 생성에 소요되는 시간을 현저히 단축시킬 수 있다.In this way, according to the prescription unit 260 according to an embodiment of the present invention, it is possible to significantly shorten the time required for generating a prescription from checking the medical treatment chart.
아울러, 본 발명의 일 실시예에 따른 의료진단 관리 시스템(S)의 진료서버(200)는 도 4에 도시된 바와 같이, 분석부(250)가 생성한 진료차트 또는 처방부(260)가 생성한 처방전을 사용자 단말기(100)와 연계된 제3 기관으로 전송하는 공유부(270) 및 진료차트에 기록된 의사 소견에 따라 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신하는 재검부(280)를 더 포함하여 구성된다.In addition, as shown in FIG. 4 , in the
먼저, 공유부(270)는 사용자 단말기(100)로부터 자신의 진료차트 또는 처방전을 의료기관, 건강보험공단, 질병관리본부 또는 보험사 서버 중에 어느 하나의 제3 기관으로의 전송을 요청하는 정보공유 요청정보를 수신하는 경우, DB로부터 사용자 단말기의 식별ID와 대응하는 진료차트 또는 처방전을 색인하고, 색인한 진료차트 또는 처방전을 제3 기관으로 전송하도록 구성된다.First, the sharing unit 270 requests information sharing request information from the
따라서, 진료서버(200)의 공유부(270)가 제공하는 기능에 의하면 환자가 진료기관에 내방하지 않고도 앱을 통해 자신의 진료차트 사본을 제3 기관으로 전송할 수 있고, 이에 따라 환자의 질환이 진료차트를 생성한 의료기관에서 치료하지 못하는 경우이거나 보험금을 청구하는데 용이하며, 질병관리본부 또는 건강보험공단에서 환자의 질환에 대한 통계자료를 정책에 활용할 수 있다.Therefore, according to the function provided by the sharing unit 270 of the
그리고, 재검부(280)는 분석부(250)로부터 인가받은 진료차트에 기록된 의사 소견 항목을 색인하되, 색인한 의사소견 항목에 추가진료 또는 추가검사가 체크된 경우, 추가진료 또는 추가검사 이후 분석부(250)로 절차를 이관하여 의사로부터 입력받은 진료결과 또는 검사결과에 대한 값과 딥러닝 학습에 따른 정확도 값을 비교하는 AI 분석을 수행하고, 비교결과 정확도 값의 범주에 속하는 경우 해당 진료결과 또는 검사결과가 반영되도록 진료차트를 갱신하도록 구성된다.In addition, the reexamination unit 280 indexes the doctor's opinion items recorded in the medical chart authorized by the analysis unit 250, and when additional treatment or additional examination is checked in the indexed doctor's opinion item, after the additional treatment or additional examination The procedure is transferred to the analysis unit 250 to perform AI analysis that compares the value of the medical treatment result or examination result received from the doctor with the accuracy value according to deep learning learning, and if the comparison result falls within the category of the accuracy value, the corresponding treatment It is configured to update the treatment chart to reflect the results or examination results.
이하, 도 5를 참조하여 본 발명의 일 실시예에 따른 진료정보 관리 방법에 대해 살피면 아래와 같다.Hereinafter, with reference to FIG. 5, the treatment information management method according to an embodiment of the present invention will be described as follows.
먼저, 사용자 단말기(100)가 앱 실행을 통해 기 설정된 설문내역을 로딩한다(S502).First, the
이어서, 사용자 단말기(100)가 설문내역의 각 항목별 응답을 입력받아 문진표를 생성한다(S504).Next, the
뒤이어, 진료서버(200)가 용자 단말기(100)로부터 수신한 문진표의 응답항목들을 추출한다(S506).Subsequently, the
이어서, 진료서버(200)가 추출한 응답항목과 대응하도록 DB에 기 저장된 의료용어와 추출한 응답항목들을 매칭시켜 진료차트를 생성한다(S508).Then, the
그리고, 진료서버(200)가 생성한 진료차트를 환자별로 저장 및 관리한다(S510).Then, the treatment chart generated by the
이하, 도 6을 참조하여 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S504단계에 대한 세부과정을 살피면 아래와 같다.Hereinafter, the detailed process of step S504 of the method for managing medical information according to an embodiment of the present invention will be described with reference to FIG. 6 .
제S502단계 이후, 사용자 단말기(100)가 설문내역에 입력된 응답을 취합한다(S602).After step S502, the
이어서, 사용자 단말기(100)가 설문내역 및 응답에 기 설정된 식별ID를 매칭시켜 생성한 문진표를 생성한다(S604).Next, the
그리고, 사용자 단말기(100)가 생성한 문진표를 진료서버(200)로 전송한다(S606).Then, the questionnaire generated by the
이하, 도 7을 참조하여 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S508단계에 대한 세부과정을 살피면 아래와 같다.Hereinafter, the detailed process of step S508 of the method for managing medical information according to an embodiment of the present invention will be described with reference to FIG. 7 .
제S506단계 이후, 진료서버(200)가 추출된 응답과 대응하는 의료용어를 DB로부터 색인하여 매칭시킨다(S702).After step S506, the
이어서, 진료서버(200)가 기 학습된 유사도 값을 토대로 응답과 매칭된 의료용어에 대한 정확도를 계산한다(S704).Next, the
그리고, 진료서버(200)가 계산된 정확도에 따라 각 응답에 대해 매칭된 의료용어를 갱신하여 진료차트를 생성한다(S706).Then, the
이하, 도 8을 참조하여 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S510단계 이후과정을 살피면 아래와 같다.Hereinafter, a process after step S510 of the method for managing medical information according to an embodiment of the present invention will be described with reference to FIG. 8 .
제S510단계 이후, 진료서버(200)가 기 학습된 유사도 값에 따라 각 의료용어별로 확률이 보정된 진단명을 색인한다(S802).After step S510, the
이어서, 진료서버(200)가 의료용어와 대응하는 진단명을 유사도 순으로 1순위 내지 n순위로 정렬한다(S804).Then, the
그리고, 진료서버(200)가 의사로부터 입력받은 진단 값에 부합하도록 진료차트를 갱신한다(S806).Then, the
이하, 도 9를 참조하여 본 발명의 일 실시예에 따른 진료정보 관리 방법의 제S806단계 이후과정을 살피면 아래와 같다.Hereinafter, the process after step S806 of the treatment information management method according to an embodiment of the present invention will be described with reference to FIG. 9 .
제S806단계 이후, 진료서버(200)가 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬한다(S902).After step S806, the
이어서, 진료서버(200)가 의사로부터 입력받은 진료결과 또는 검사결과에 대한 값과 딥러닝 학습에 따른 정확도 값을 비교하는 AI 분석을 수행한다(S904).Next, the
제S904단계의 비교결과 진료결과 또는 검사결과에 대한 값이 정확도 값의 범주에 속하는 경우, 진료서버(200)가 해당 진료결과 또는 검사결과가 반영되도록 진료차트를 갱신한다(S906).If the comparison result in step S904 and the value for the medical treatment result or the examination result falls within the range of the accuracy value, the
뒤이어, 진료서버(200)가 DB로부터 진료차트에 포함된 진단명과 대응하는 투약리스트를 색인한다(S908).Subsequently, the
그리고, 진료서버(200)가 1회 투약 권장량에 부합하도록 중복을 제거하여 과다투약을 배제하도록 투약리스트를 갱신시켜 처방전을 생성한다(S910).Then, the
한편, 도 10은 본 발명의 일 실시예에 따른 의료진단 관리 시스템(S)의 문진표에 포함된 설문내역 샘플을 도시한 도면이다.Meanwhile, FIG. 10 is a diagram illustrating a sample of questionnaire details included in the questionnaire of the medical diagnosis management system (S) according to an embodiment of the present invention.
도 10에 도시된 샘플은 문진표 생성을 위한 설문내역의 일 예를 나타낸 것으로, 사용자 단말기(100) 각각의 화면 해상도에 따라 변경될 수 있고, 각 카테고리별로 다수의 페이지에 분할된 형태로 화면에 디스플레이될 수 있다.The sample shown in FIG. 10 shows an example of the questionnaire details for generating the questionnaire, which can be changed according to the screen resolution of each
이처럼, 전술한 바와 같은 본 발명의 일 실시예에 의하면, 환자가 원격지에서 수행한 문진표만으로 진료차트 생성이 가능하고, 진단서버가 문진표 수신과 동시에 유력한 진단명을 제공하여 의사의 신속하고 정확한 진단이 가능하다.As described above, according to one embodiment of the present invention as described above, it is possible to create a medical chart only with the questionnaire performed by the patient at a remote location, and the diagnosis server provides a powerful diagnosis name at the same time as receiving the questionnaire, so that the doctor can quickly and accurately diagnose. Do.
뿐만아니라, 진료서버가 DB로부터 색인한 진단별 투약리스트에서 중복 및 과다투약을 배제하여 추천 투약리스트를 생성하고, 추천 투약리스트에 대한 AI 검증을 거쳐 투약정보를 포함하는 처방전을 생성함에 따라, 의사의 중복투약 및 과다투약 여부 검증에 소요되는 시간을 현저히 단축시킬 수 있다.In addition, as the medical treatment server generates a recommended medication list by excluding duplicates and overdose from the medication list for each diagnosis indexed from the DB, and generates a prescription containing medication information through AI verification of the recommended medication list, the doctor It can significantly shorten the time required to verify whether the drug is overdosed or not.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등 물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.Although described and illustrated in relation to a preferred embodiment for illustrating the technical idea of the present invention above, the present invention is not limited to the configuration and operation as shown and described as such, and deviates from the scope of the technical idea. It will be apparent to those skilled in the art that many changes and modifications can be made to the invention without reference to the invention. Accordingly, all such suitable alterations and modifications and equivalents are to be considered as falling within the scope of the present invention.
S: 의료진단 관리 시스템
100: 사용자 단말기
110: 로딩부
120: 입력부
130: 문진부
200: 진료서버
210: 수집부
220: 추출부
230: 검증부
240: 진단부
250: 분석부
260: 처방부
270: 공유부
280: 재검부S: Medical diagnosis management system
100: user terminal
110: loading unit
120: input unit
130: paperweight department
200: medical server
210: collection unit
220: extraction unit
230: verification unit
240: diagnostic unit
250: analysis unit
260: prescription
270: share
280: re-examination
Claims (5)
상기 사용자 단말기로부터 수신한 문진표의 응답항목들을 추출하고, 추출한 응답항목과 대응하는 DB에 기 저장된 의료용어와 추출한 응답항목들을 매칭시켜 진료차트를 생성하며, 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하여 의사로부터 입력받은 진료결과 또는 검사결과에 대한 AI 분석을 수행하고, AI 분석을 통해 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신시키는 진료서버를 포함하되,
상기 진료서버는,
상기 사용자 단말기로부터 수신한 문진표를 식별ID별로 분류하여 DB에 저장 및 관리하는 수집부; 상기 문진표에 포함된 설문내역 각각에 대한 응답을 추출하여 정렬하고, 정렬된 응답과 대응하는 의료용어를 DB로부터 색인하여 매칭시키는 추출부; 상기 응답과 매칭된 의료용어에 대한 정확도를 계산하여 기 매칭된 의료용어 갱신을 통해 진료차트를 생성하는 검증부; 상기 의료용어와 대응하는 진단명을 유사도 순으로 정렬하여 상기 진료차트를 갱신하는 진단부; 및 상기 진료차트에 포함된 증상을 기 설정된 우선순위에 따라 정렬하고, 입력받은 진료결과 또는 검사결과에 대한 값과 딥러닝 학습에 따른 정확도 값을 비교하는 AI 분석을 수행하되, 비교결과 정확도 값의 범주에 속하는 경우 해당 진료결과 또는 검사결과가 반영되도록 진료차트를 갱신하는 분석부를 포함하는 것을 특징으로 하는 의료진단 관리 시스템.a user terminal for loading a preset questionnaire through the execution of the app, generating a questionnaire generated by receiving responses for each item of the questionnaire, and transmitting the generated questionnaire to the medical treatment server; and
Extracts the response items of the questionnaire received from the user terminal, matches the extracted response items with the extracted response items with medical terms stored in the DB corresponding to the extracted response items to generate a medical chart, and prioritizes the symptoms included in the medical treatment chart A medical server that performs AI analysis on the treatment results or examination results received from the doctor by sorting according to the criteria, and updates the treatment chart by receiving the treatment results or examination results again when additional treatment or additional examination is required through AI analysis including,
The medical server is
a collecting unit for classifying the questionnaire received from the user terminal by identification ID, storing and managing it in a DB; an extracting unit for extracting and sorting responses to each of the questionnaire details included in the questionnaire, and indexing and matching the sorted responses and corresponding medical terms from the DB; a verification unit that calculates the accuracy of the medical term matched with the response and generates a medical chart by updating the previously matched medical term; a diagnosis unit for updating the medical chart by arranging diagnosis names corresponding to the medical terms in order of similarity; and aligning the symptoms included in the medical chart according to preset priorities, and performing AI analysis that compares the received medical treatment result or test result with the accuracy value according to deep learning learning, but the comparison result of the accuracy value Medical diagnosis management system, characterized in that it includes an analysis unit for updating the medical treatment chart to reflect the relevant treatment results or examination results when belonging to the category.
상기 사용자 단말기는,
상기 설문내역을 로딩하여 화면에 디스플레이하는 로딩부;
상기 설문내역 각각에 대한 응답을 입력받는 입력부; 및
상기 설문내역에 입력된 응답을 취합하고, 설문내역 및 응답에 기 설정된 식별ID를 매칭시켜 문진표를 생성하는 문진부를 포함하는 것을 특징으로 하는 의료진단 관리 시스템.According to claim 1,
The user terminal,
a loading unit for loading the questionnaire and displaying it on a screen;
an input unit for receiving a response to each of the questionnaire details; and
and a questionnaire for generating a questionnaire by collecting responses inputted in the questionnaire details and matching a preset identification ID to the questionnaire details and responses.
상기 진료서버는,
상기 DB로부터 진료차트에 포함된 진단명과 대응하는 투약리스트를 색인하고, 1회 투약 권장량에 부합하도록 중복을 제거하여 처방전을 생성하는 처방부를 더 포함하는 것을 특징으로 하는 의료진단 관리 시스템.According to claim 1,
The medical server is
The medical diagnosis management system further comprising a prescription unit that indexes a medication list corresponding to a diagnosis name included in the treatment chart from the DB, and removes duplicates to match the recommended dose for one time to generate a prescription.
상기 진료서버는,
상기 진료차트에 기록된 의사 소견에 따라 추가진료 또는 추가검사가 필요한 경우, 재차 진료결과 또는 검사결과를 입력받아 진료차트를 갱신하는 재검부를 더 포함하는 것을 특징으로 하는 의료진단 관리 시스템.According to claim 1,
The medical server is
When additional treatment or additional examination is required according to the doctor's opinion recorded in the treatment chart, the medical diagnosis management system further comprises a reexamination unit for receiving the treatment result or examination result again and updating the treatment chart.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210008206A KR102261092B1 (en) | 2021-01-20 | 2021-01-20 | Medical diagnosis management system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210008206A KR102261092B1 (en) | 2021-01-20 | 2021-01-20 | Medical diagnosis management system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102261092B1 true KR102261092B1 (en) | 2021-06-03 |
Family
ID=76396466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210008206A KR102261092B1 (en) | 2021-01-20 | 2021-01-20 | Medical diagnosis management system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102261092B1 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102332740B1 (en) * | 2021-07-28 | 2021-12-01 | 주식회사 비플컨설팅 | Method, apparatus and system for diagnosing patient's symptoms using deep learning |
| KR102341510B1 (en) * | 2021-07-02 | 2021-12-20 | 박준흥 | Diet system |
| KR102493770B1 (en) | 2022-09-30 | 2023-01-31 | 한승민 | Method, device and system for providing questionnaire to assess symptom of patient |
| CN116313162A (en) * | 2023-05-12 | 2023-06-23 | 北京梆梆安全科技有限公司 | Medical inquiry system based on AI model |
| WO2023191319A1 (en) * | 2022-03-29 | 2023-10-05 | 가톨릭대학교 산학협력단 | Device, method, and system for providing medical information |
| WO2023214835A1 (en) * | 2022-05-04 | 2023-11-09 | 주식회사 타이로스코프 | Prescription assisting method for providing test set by using interview content |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180036229A (en) * | 2016-09-30 | 2018-04-09 | 주식회사 셀바스에이아이 | Method and apparatus for predicting probability of the outbreak of a disease |
| KR20190064268A (en) * | 2017-11-30 | 2019-06-10 | 주식회사 왓비타 | Method for providing health care solution |
| KR102028667B1 (en) | 2018-09-05 | 2019-10-04 | 주식회사 케어랩스 | A method, server and program for providing medical information |
| KR20190132290A (en) * | 2018-05-18 | 2019-11-27 | 주식회사 송아리아이티 | Method, server and program of learning a patient diagnosis |
| KR20200094698A (en) * | 2019-01-30 | 2020-08-07 | 주식회사 히치메드 | Medical assistance system using systematic translation application for medical examination by interview |
-
2021
- 2021-01-20 KR KR1020210008206A patent/KR102261092B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180036229A (en) * | 2016-09-30 | 2018-04-09 | 주식회사 셀바스에이아이 | Method and apparatus for predicting probability of the outbreak of a disease |
| KR20190064268A (en) * | 2017-11-30 | 2019-06-10 | 주식회사 왓비타 | Method for providing health care solution |
| KR20190132290A (en) * | 2018-05-18 | 2019-11-27 | 주식회사 송아리아이티 | Method, server and program of learning a patient diagnosis |
| KR102028667B1 (en) | 2018-09-05 | 2019-10-04 | 주식회사 케어랩스 | A method, server and program for providing medical information |
| KR20200094698A (en) * | 2019-01-30 | 2020-08-07 | 주식회사 히치메드 | Medical assistance system using systematic translation application for medical examination by interview |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102341510B1 (en) * | 2021-07-02 | 2021-12-20 | 박준흥 | Diet system |
| KR102332740B1 (en) * | 2021-07-28 | 2021-12-01 | 주식회사 비플컨설팅 | Method, apparatus and system for diagnosing patient's symptoms using deep learning |
| WO2023191319A1 (en) * | 2022-03-29 | 2023-10-05 | 가톨릭대학교 산학협력단 | Device, method, and system for providing medical information |
| WO2023214835A1 (en) * | 2022-05-04 | 2023-11-09 | 주식회사 타이로스코프 | Prescription assisting method for providing test set by using interview content |
| KR102493770B1 (en) | 2022-09-30 | 2023-01-31 | 한승민 | Method, device and system for providing questionnaire to assess symptom of patient |
| CN116313162A (en) * | 2023-05-12 | 2023-06-23 | 北京梆梆安全科技有限公司 | Medical inquiry system based on AI model |
| CN116313162B (en) * | 2023-05-12 | 2023-08-18 | 北京梆梆安全科技有限公司 | Medical inquiry system based on AI model |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102261092B1 (en) | Medical diagnosis management system | |
| Avati et al. | Improving palliative care with deep learning | |
| Demner-Fushman et al. | Preparing a collection of radiology examinations for distribution and retrieval | |
| US8121858B2 (en) | Optimizing pharmaceutical treatment plans across multiple dimensions | |
| US8032545B2 (en) | Systems and methods for refining identification of clinical study candidates | |
| US8037052B2 (en) | Systems and methods for free text searching of electronic medical record data | |
| US20170091391A1 (en) | Patient Protected Information De-Identification System and Method | |
| US20090112627A1 (en) | Method and System for Creating, Assembling, Managing, Utilizing, and Securely Storing Portable Personal Medical Records | |
| US20180374571A1 (en) | CREDO Logging System | |
| US20080010254A1 (en) | Systems and methods for enrollment of clinical study candidates and investigators | |
| US20170068781A1 (en) | Computer-assisted medical information analysis | |
| AU2015336146A1 (en) | Identification of codable sections in medical documents | |
| CN109427420B (en) | Diagnostic validation tool | |
| US20220020457A1 (en) | Medical data evaluation utilization system and medical data evaluation utilization method | |
| EP3799074A1 (en) | Healthcare network | |
| US20110071852A1 (en) | Health Information Management Systems and Methods | |
| US11688510B2 (en) | Healthcare workflows that bridge healthcare venues | |
| US20210398077A1 (en) | Methods and systems for leveraging healthcare claims for a healthcare provider search | |
| KR102515183B1 (en) | Patient treatment process sharing system among medical personnel | |
| Glance et al. | Building bridges across clinical registries | |
| KR102546365B1 (en) | Treatment information management system | |
| US11243972B1 (en) | Data validation system | |
| KR102604829B1 (en) | Medical diagnosis system using questionnaires and contents | |
| US20160162650A1 (en) | Method for automating medical billing | |
| AU2015213496A1 (en) | Zero-type system and method for capturing medical records and providing prescriptions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |