KR102383996B1 - 이용자 맞춤형 스마트 헬스케어 시스템 및 방법 - Google Patents

이용자 맞춤형 스마트 헬스케어 시스템 및 방법 Download PDF

Info

Publication number
KR102383996B1
KR102383996B1 KR1020210099585A KR20210099585A KR102383996B1 KR 102383996 B1 KR102383996 B1 KR 102383996B1 KR 1020210099585 A KR1020210099585 A KR 1020210099585A KR 20210099585 A KR20210099585 A KR 20210099585A KR 102383996 B1 KR102383996 B1 KR 102383996B1
Authority
KR
South Korea
Prior art keywords
user
data
health care
program
healthcare
Prior art date
Application number
KR1020210099585A
Other languages
English (en)
Inventor
김영이
Original Assignee
(주)듀얼헬스케어
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)듀얼헬스케어 filed Critical (주)듀얼헬스케어
Priority to KR1020210099585A priority Critical patent/KR102383996B1/ko
Application granted granted Critical
Publication of KR102383996B1 publication Critical patent/KR102383996B1/ko

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 일 실시예에 따른 스마트 헬스케어 시스템은, 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하되, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 헬스케어 서버를 포함하며, 상기 헬스케어 프로그램은 이용자의 의료데이터와 개인 데이터를 수집하여 이용자가 건강 관리를 위한 구체적 운동 및 생활습관 조언을 하는 맞춤형 헬스케어 프로그램인 것을 특징으로 한다.

Description

이용자 맞춤형 스마트 헬스케어 시스템 및 방법{User-customized smart healthcare system and method}
본 발명은 스마트 헬스케어 시스템 및 방법에 관한 것으로, 더욱 상세하게는 개인에 맞는 종합적인 헬스케어 관리가 가능하도록 도움을 주는 스마트 헬스케어 시스템 및 방법에 관한 것이다.
생활을 비롯한 생활 패턴이 변화됨에 따라 고혈압, 당뇨 및 비만 등과 같은 각종 성인병들이 급증하고 있는 추세이다.
이러한 성인병들을 예방하기 위해서는 규칙적인 운동과 정기적 검진이 가장 효과적이나 바쁜 현대인들에게 직접 의료기관을 내진하여 검진 및 처방을 받는 것은 매우 번거로운 일이다.
일반적으로 환자의 건강 상태를 파악하는 척도로서 가장 보편적인 방법은 체온, 혈압, 심(맥)박수, 산소포화도 및 청진 등이 있다.
또한, 대부분의 각 가정에는 가족의 건강을 위해 기본적인 의료기를 보유하고 있는데, 이러한 개인용 의료기기는 스탠드 얼론(stand-alone) 제품이 대부분이어서 가족의 건강 관리에 한계가 있는 문제점이 있다.
또한 종래 헬스기기는 이용자가 운동 프로그램을 직접 설정하여야 하는 것으로, 운동 기구, 운동 프로그램을 설정하기 위한 버튼 등의 이용자 입력부(미도시), 이용자에 의하여 설정된 운동 프로그램을 표시할 수 있는 스크린(미도시) 등을 포함한다. 그러나 이러한 헬스기기들 각각은 독립적인 개체로서, 헬스기기를 사용하여 운동하는 이용자는 헬스기기를 사용할 때마다 운동 프로그램을 직접 설정해야 하는 불편을 겪고 있다.
최근에는 정보통신기술과 검진기술이 발달함에 따라 병원이나 의료기관을 방문하지 않고도 스마트폰이나 웨어러블 기기 등을 이용하여 이용자의 건강상태를 체크하거나 운동량을 측정하는 것이 가능하게 되었다.
그러나 대부분 획일화된 건강 정보를 제공하고, 개인에 맞는 조건의 헬스케어 프로그램을 구체적으로 제안하거나 종합적인 건강 관리를 위한 서비스를 제공해주지 못해 개인마다 다른 조건의 경우 건강 관리에 적합하지 않은 경우가 많으며, 개인의 질환을 고려하지도 못하였다.
따라서, 전술한 문제를 해결하기 위하여 이용자의 개인 데이터를 바탕으로 추천 알고리즘에 의해 맞춤형 헬스케어 프로그램을 제공해주고, 체계적이고 종합적인 건강 관리가 가능한 스마트 헬스케어 시스템 및 방법에 대한 연구가 필요하게 되었다.
대한민국 등록특허 제10-1064736호(2011년09월06일 등록)
본 발명의 목적은 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하며, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 헬스케어 서버를 구비하여 개인별 건강관리 서비스를 제공할 수 있는 스마트 헬스케어 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 스마트 헬스케어 시스템은, 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하되, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 헬스케어 서버를 포함하며, 상기 헬스케어 프로그램은 이용자의 의료데이터와 개인 데이터를 수집하여 이용자가 건강 관리를 위한 구체적 운동 및 생활습관 조언을 하는 맞춤형 헬스케어 프로그램인 것을 특징으로 한다.
상기 헬스케어 서버는 통신망을 통하여 이용자단말기와 통신하여 헬스 케어 관리 앱을 통하여 이용자 데이터를 수집하거나, 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하기 위해 통신망과 호환 가능한 통신 프로토콜을 구비하는 통신부; 상기 이용자단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하거나, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 앱관리부; 이용자 데이터를 토대로 추천된 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태, 생활 습관에 대한 데이터를 주기적으로 제공받아 해당 개인에 대한 통계자료를 생성하여 관리하는 통계학습부; 상기 수집부를 통하여 수집되는 상기 이용자 데이터의 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하도록 기능을 수행하는 데이터보호부; 수집부로부터 수집된 의료 데이터 및 개인 데이터를 제공받아 이용자별로 구분하여 저장하는 데이터베이스를 포함한다.
상기 앱관리부는 추천 알고리즘을 활용하여 이용자 맞춤형 헬스케어 프로그램을 선택하고, 추천해주기 위해서 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집하는 수집부; 상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 이용자 맞춤형 헬스케어 프로그램을 추천하는 추천부; 추천부에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함할 수 있으며, 복합적인 모델 적용에 의해 보다 이용자에게 적합한 맞춤형 헬스케어 프로그램을 제공하는 모델관리부; 상기 헬스케어 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망 학습을 수행하고, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값을 보정하는 모델평가부를 더 포함한다.
상기 인공지능 추천 알고리즘은 유사도 분석을 이용한 인공지능 추천 알고리즘, 행렬인수분해(matrix factorization) 방법, 연관 규칙(association rule), 마이닝 규칙(mining rule), K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm, KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network) 중 적어도 어느 하나를 활용하는 것을 특징으로 한다.
상기 의료 데이터는 관공서 서버나 의료기관 서버에서 제공되는 전문 의료 데이터로서, 의료 진단 차트, 진단서, 진료 내역, 처방전, 인구 통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 건강보험심사평가원 및 국민건강보험공단 데이터, 기후, 직업, 가족 구성원, 스트레스 등에 따른 건강 사회 결정 요인 중 적어도 어느 하나가 포함되며, 상기 개인 데이터는 사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방를 포함하는 신체정보와, 악력을 포함하는 체력정보 중 적어도 어느 하나를 포함한다.
본 발명의 일 실시예에 따른 스마트 헬스케어 방법은, 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하는 헬스케어 서버를 이용한 스마트 헬스케어 방법에 있어서, 상기 헬스케어 서버는 이용자단말기로부터 개인별 제공되는 의료 데이터 및 개인 데이터를 수집하는 단계; 상기 헬스케어 서버는 AI 추천 알고리즘을 활용하여 수집된 데이터를 토대로 개인별 이용자 맞춤형 헬스케어 프로그램을 상기 헬스케어 관리 앱을 통하여 추천하는 단계; 상기 헬스케어 서버는 해당 이용자를 위한 헬스케어 프로그램이 복수 개인 경우, 최적화된 헬스케어 프로그램을 택일하여 제공하거나 복수개 중 가장 유사한 조건의 몇 개를 선정하여 제공하는 단계; 및 상기 헬스케어 서버는 이용자단말기로부터 추천받은 해당 헬스케어 프로그램에 따라 운동, 생활 습관 등 건강 관리를 수행한 후 수행 결과에 대해 제공받아 개인별 통계자료를 생성하여 이용자단말기로 제공하는 단계를 포함한다.
상기 스마트 헬스케어 방법은 컴퓨터에서 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 수행된다.
본 발명의 스마트 헬스케어 시스템은 이용자의 개인 데이터를 바탕으로 추천 알고리즘에 의해 맞춤형 헬스케어 프로그램을 제공해주고, 체계적이고 종합적인 건강 관리가 가능한장점이 있다.
또한, 추천 알고리즘에 의해 제공할 맞춤형 헬스케어 프로그램을 제공하기 위해 의료 데이터와 개인 데이터를 제공받아 이들을 토대로 최적화된 추천 헬스케어 프로그램을 제공할 수 있다.
또한 헬스케어 프로그램 이용 후 이용 평가를 제공하여 통계자료를 생성하여 제공할 수 있으며, 통계자료를 바탕으로 학습하여 추천할 헬스케어 프로그램을 더욱 적합하도록 추천 모델을 보정할 수 있다.
또한 다양한 서버(관공서, 의료기관, 기업 등)와 연계하여 헬스케어 기능 서비스를 제공할 수 있으며, 개인정보 보호를 위해 데이터 암복호화를 수행하여 보안 강화할 수 있다.
또한, 이용자에게서 수집된 이용자 데이터를 토대로 추천 알고리즘을 활용하여 유익한 맞춤형 건강 정보 컨텐츠를 광고 형태로 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 스마트 헬스케어 시스템의 구성을 보인 개념도이다.
도 2는 본 발명의 일 실시예에 따른 스마트 헬스케어 시스템의 전체 구성을 보인 블록도이다.
도 3은 도 2의 스마트 헬스케어 시스템의 헬스케어 서버의 내부 구성을 세부적으로 보인 블록도이다.
도 4는 도 3의 앱관리부의 내부 구성을 세부적으로 보인 블록도이다.
도 5는 본 발명의 일 실시예에 따른 스마트 헬스케어 방법의 순서도이다.
도 6은 본 발명의 일 실시예에 따른 이용자 맞춤형 프로그램의 예시를 보인 플로우 챠트이다.
도 7은 본 발명의 일 실시예에 따른 기업(이용자)과 병원간 이용자 맞춤형 헬스케어 프로그램 제공을 위한 구성 개념도이다.
도 8 내지 도 12는 헬스케어 관리 앱의 화면 예시를 보인 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
본 명세서에서 ‘단말기’는 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말기’는 통신망을 통해 다른 단말기 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다.
도 1은 본 발명의 일 실시예에 따른 스마트 헬스케어 시스템의 구성을 보인 개념도이고, 도 2는 본 발명의 일 실시예에 따른 스마트 헬스케어 시스템의 전체 구성을 보인 블록도이며, 도 3은 도 2의 스마트 헬스케어 시스템의 헬스케어 서버의 내부 구성을 세부적으로 보인 블록도이고, 도 4는 도 3의 앱관리부의 내부 구성을 세부적으로 보인 블록도이다.
본 발명의 스마트 헬스케어 시스템은 도 2를 참조하면, 헬스케어 프로그램을 이용하기 위해 헬스케어 관리 앱을 실행시키는 이용자단말기와, 통신망(200)으로 이용자단말기와 연계하여 헬스케어 프로그램 기능에 대한 서비스를 제공하고, 이용자 앱 사용 이력 등에 대한 통계자료를 관리하며, 특히 이용자의 생활패턴, 습관, 운동 환경 등에 따라 이용자 맞춤형 헬스케어 프로그램을 신경망 학습을 통해 제공할 수 있는 헬스케어 서버(300)를 포함한다.
또한, 스마트 헬스케어 시스템은 헬스케어 서비스를 위해 의료 관련 정보를 주고 받기 위해 관공서 서버(400)나 의료기관 서버(500)와 통신망(200)을 통하여 연계하도록 구축될 수 있다.
헬스케어 관리 앱은 헬스케어 서버(300)에서 제공하는 이용자 맞춤형 헬스케어 프로그램을 제공받도록 이용자단말기에 설치되거나, 웹기반 서비스로 제공되는 관리 앱이다.
특히 헬스케어 관리 앱을 통하여 제공되는 헬스케어 프로그램은 이용자의 의료데이터와 개인 데이터를 수집하여 이용자가 건강 관리를 위한 구체적 운동 및 생활습관 조언을 하는 맞춤형 헬스케어 프로그램이며, 헬스케어 서버(300)에서는 수집된 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 세분화된 프로그램 중 이용자에게 알맞은 프로그램을 제공할 수 있다.
또한 헬스케어 관리 앱은 단말기 형태에 따라 다른 버전으로 제작되어 제공될 수 있으며, 예를 들어 모바일 버전이나 PC 버전으로 구분하여 제공될 수 있다.
헬스케어 서버(300)는 이용자 단말기(100)에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하되, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료 제공 등의 건강 관리 보조 기능도 수행할 수 있다.
이용자에게 적합한 헬스케어 프로그램 제공 서비스를 위한 헬스케어 서버(300)는 이러한 기능을 수행하기 위해 도 3에 도시된 바와 같이, 통신부(310), 앱관리부(320), 통계학습부(330), 데이터보호부(340), 데이터베이스(350)를 더 포함한다.
통신부(310)는 통신망(200)을 통하여 이용자단말기와 통신하여 헬스 케어 관리 앱을 통하여 이용자 데이터를 수집하거나, 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하고, 이를 위해 통신망(200)과 호환 가능한 통신 프로토콜이 포함된다.
여기서 통신망(200)은 단말기들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
또한 통신부(310)는 헬스케어 관리 앱과 호환되는 서버 관리 프로그램간 기능 연동을 위해 API(Application Programming Interface, 응용 프로그래밍 인터페이스)가 더 포함될 수도 있다.
앱관리부(320)는 이용자단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공, 통계 자료 제공 등의 구체적인 기능을 수행하기 위한 관리 서비스를 제공할 수 있다.
나아가 앱관리부(320)는 세부 기능 수행을 위해 도 4를 참조하면, 수집부(321), 추천부(322), 모델관리부(323), 모델평가부(324)를 더 포함한다.
수집부(321)는 추천 알고리즘을 활용하여 이용자 맞춤형 헬스케어 프로그램을 선택하고 추천해주기 위해서 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집할 수 있다.
이때 이용자 데이터는 이용자의 개인 건강과 관련된 모든 데이터가 될 수 있으며, 크게 의료 데이터와 개인 데이터로 구분될 수 있다.
의료 데이터는 관공서 서버(400)나 의료기관 서버(500)에서 제공되는 전문 의료 데이터로서, 의료 진단 차트, 진단서, 진료 내역, 처방전, 인구 통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 건강보험심사평가원 및 국민건강보험공단 데이터, 기후, 직업, 가족 구성원, 스트레스 등에 따른 건강 사회 결정 요인 등이 해당될 수 있다.
개인 데이터는 사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방를 포함하는 신체정보와, 악력을 포함하는 체력정보 등을 포함할 수 있다.
따라서, 수집부(321)는 예컨대 관공서 서버(400) 또는 의료기관 서버(500)로부터 의료 데이터를 수집하고, 개인이 소지한 이용자단말기로부터 제공되는 개인 데이터를 수집하여 이용자 맞춤형 추천 알고리즘에 활용하도록 추천부(322)에 제공할 수 있다.
추천부(322)는 수집부(321)로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 개인 맞춤형 헬스케어 프로그램을 추천할 수 있다.
또한 최초에 초기에 헬스케어 관리 앱을 설치하거나, 개인 데이터가 인공지능 학습에 활용하기에 충분히 수집되어 않은 경우에는 헬스케어 서버(300)에서 최초에 의료 데이터 및 개인 데이터를 수집한 후에 추천되는 헬스케어 프로그램은, 추천 알고리즘의 콜드 스타트(Cold start)를 이용하여 해당 이용자와 유사한 이용자 조건을 검색하여 가장 유사한 조건의 이용자에게 제공된 헬스 케어 프로그램을 제공할 수 있다.
추천되는 조건은 이용자 데이터를 기초로 수행되며, 이를 위해 수집되는 이용자 데이터는 상술한 개인 데이터와 의료 데이터를 포함하며, 예컨대 의료 기록(진단 차트, 진단서, 진료 내역, 건강검진 데이터 등), 처방전, 인구 통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방, 악력 등이 포함될 수 있다.
여기서 가상 유사한 조건은 예를 들어 이용자 데이터에 포함된 정보들의 일치되거나 유사한 정보의 갯수가 가장 많은 조건이 될 수 있다. 또한 일치되는 정보가 없는 경우, 유사한 범위의 정보를 유사 조건을 설정할 수 있으며, 범위의 정도는 정보의 종류에 따라 달라질 수 있다.
또한, 유사 조건에 적용되는 추천 알고리즘 방식은 유사도 분석을 이용한 인공지능 추천 알고리즘을 활용할 수 있다.
나아가 유사도 계산 방식 이외에 상호 작용 행렬의 차원을 줄이고 k개의 잠재 구성 요소가 있는 두 개 이상의 작은 행렬로 근사하며, 해당 행과 열을 곱하면 이용자 별 항목의 등급을 예측할 수 있는 행렬인수분해(matrix factorization) 방법을 활용할 수도 있다.
또한 자주 소비되는 항목이 그래프의 가장자리와 연결되는 연관 규칙(association rule)이나, 마이닝 규칙(mining rule)을 활용하여 가능한 빈번 항목 집합의 상태 공간을 탐구하고 빈번하지 않은 검색 공간의 분기를 제거하며, 자주 사용되는 항목 집합은 규칙을 생성하는 데 사용되며 이러한 규칙은 추천(권장) 사항을 생성할 수도 있다.
예를 들면, 헬스케어 서버(300)에서 이용자 단말기(100)로 추천되는 개인 맞춤형 헬스케어 프로그램을 제공하기 위해 이용자 데이터를 최초에 수집하고, 수집된 이용자 데이터에 기반하여 가장 연령대에 적합한 헬스케어 프로그램을 추천해주거나 이용자의 이용자 데이터를 고려하여 연관 규칙을 생성하고, 이에 부합되는 헬스케어 프로그램을 추천해줄 수도 있다.
이러한 추천 알고리즘 외에도 K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm, KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network)를 활용한 모델 기반 협력 필터링 모형을 이용할 수도 있으며, 추가로 콘텐츠 기반 협력 필터링 모형으로서, 군집분석(Clustering Analysis), 인공신경망(Artificial Neural Network), Tf-idf(Term Frequency Inverse Document Frequency) 등을 추가로 활용할 수도 있다. 이를 통하여 개인별 특성을 고려할 수 있으며, 건강관리를 위한 이용자 맞춤형으로 최적화된 헬스케어 프로그램을 제공할 수 있게 된다.
예를 들어 수집된 데이터들을 바탕으로 해당 이용자가 만성 질환자인 경우 만성 질환자를 위한 헬스케어 프로그램을 제공해줄 수 있다.
모델관리부(323)는 추천부(322)에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함할 수 있으며, 복합적인 모델 적용에 의해 보다 이용자에게 적합한 맞춤형 헬스케어 프로그램을 제공해줄 수 있다.
이때 활용되는 인공지능 알고리즘으로는 상술한 알고리즘 외에도 CNN(Convolutional Neural Networks), R-CNN(Region-based Convolutional Neural Networks), RNN(Recurrent Neural Network), SVM(Support Vector Machine) 등의 신경망 학습 알고리즘을 활용할 수 있다.
특히 SVM은 복수의 디멘션을 갖는 데이터에 대해서, 복수의 디멘션을 잘 구분할 수 있는 최적의 결정 경계(decision boundary)를 찾는 것에 최적화된 방법으로 알려져 있다. SVM이란 클래시피케이션(classification), 리그레션(regression), 특이점 판별(outliers detection) 등에 주로 사용되는 지도 학습(Supervised Learning) 머신 러닝 방법 중 하나이다. 예를 들어, 두 그룹의 데이터셋을 구분하는 여러 가지 방법 중에 각 그룹의 최대 거리에 있는 중간지점을 정확하게 구분할 수 있는 것이 분류정확도를 높일 수 있는 최적의 방법이라고 할 수 있다.
구체적으로 본 발명에서는 추천 모델이 제공하는 헬스케어 프로그램의 적합성 여부를 제공받은 통계자료를 토대로 학습을 통하여 개인에게 얼마나 적합한 프로그램이 제공되었는가, 운동 효과가 있는가, 생활 패턴이 어느 정도 변화하였는가 등에 대해서 기준이 되는 SVM 경계를 통하여 분류할 수 있으며, 이를 통하여 해당 추천 모델의 유용성, 적합성, 효과성 등을 평가할 수 있으며, 평가 결과에 따라 해당 추천 모델을 수정할지 여부에 대해 결정할 수 있도록 도와준다.
모델평가부(324)는 기본적으로 이용자에게 헬스케어 프로그램 추천시 활용되는 인공지능 추천 모델의 입력변수로 상술한 개인의 이용자 데이터를 토대로 이루어지지만, 지속적인 추천 프로그램 산출 후에는 그러한 추천 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망 학습을 수행함으로써, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값 등을 보정할 수 있다.
통계학습부(330)는 이용자 데이터를 토대로 추천된 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태, 생활 습관 등에 대한 데이터를 주기적으로 제공받아 해당 개인에 대한 통계자료를 생성하여 관리하며, 추천 모델의 학습을 수행하거나, 추천 모델 학습을 수행하기 위해 모델평가부(324)에 제공할 수도 있다.
또한 통계자료에는 이용자에 제공된 헬스케어 프로그램에 대한 이용 결과 즉, 평가나 수치화된 점수가 포함될 수 있으며, 나아가 전체 기능에 대한 헬스케어 관리 앱에 대한 평가가 포함될 수도 있다.
데이터보호부(340)는 수집부(321)를 통하여 수집되는 개인의 민감한 정보인 이용자 데이터 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하도록 기능을 수행할 수 있다.
구체적으로, 이용자 단말기(100), 헬스케어 서버(300), 관공서 서버(400) 또는 의료기관 서버(500)간의 주고받는 정보(예를 들어 의료 데이터, 개인 데이터 등)는 외부 해킹 등의 위험으로부터 정보를 보호하기 위해, 해당 데이터의 송/수신에 데이터 암/복호화 기술을 적용할 수 있다.
보다 구체적으로, 이용자 단말기(100), 헬스케어 서버(300), 관공서 서버(400) 또는 의료기관 서버(500)에 각각 신분 증명이 가능한, 식별 정보(identification information)를 부여하여, 각 이용자 단말기(100), 헬스케어 서버(300), 관공서 서버(400) 또는 의료기관 서버(500)의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행한다.
경량 암호 알고리즘에는 본원 발명의 이용자 단말기(100)와 같은 스마트 기기 등의 제한된 환경에서 구현하기 위해 설계된 암호 기술로서, 대칭키 암호 알고리즘인 HIGHT(HIGh security and light weigHT), LEA(Lightweight Encryption)와 해시함수인 LSH(Lightweight Secure Hash) 등을 활용할 수 있다.
이러한 경량 암호 알고리즘을 활용하여 의료 데이터, 개인 데이터 등을 암/복호화 시킴으로써 해당 데이터의 외부 유출이나 외부 해킹으로 인한 불법적인 제어 등을 막을 수 있다. 경량 암호 알고리즘은 이러한 임베디드 컴퓨팅 환경에서 적합한 경량 해시 함수(lightweight hash function)를 사용하는 것이 바람직하다.
나아가 데이터보호부(340)는 다수의 블록체인서버(600)와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 분산 저장하고, 분산 저장된 공개키와 이용자의 개인정보를 기반으로 이용자 인증을 수행할 수도 있다.
더 나아가 데이터보호부(340)는 다수의 이용자 단말기(100)에서 공개키와 함께 개인 고유의 이용자 정보를 전송받아 이용자 정보에 대한 해쉬값을 포함하는 이용자 인증서를 각각 생성할 수 있으며, 각 이용자 인증서에 대한 저장 방식은 머클 트리 구조에 의해 이루어질 수도 있다.
데이터베이스(350)는 수집부(321)로부터 수집된 의료 데이터 및 개인 데이터를 제공받아 이용자별로 카테고리 구분하여 저장할 수 있다.
데이터베이스(350)는 데이터보호부(340)를 통하여 블록체인 기반으로 민감한 개인의 모든 데이터에 대해 저장 관리되도록 함이 바람직하다.
도 6은 본 발명의 일 실시예에 따른 이용자 맞춤형 헬스케어 프로그램의 예시를 보인 플로우 챠트이다.
수집된 이용자 데이터를 바탕으로 추천 알고리즘은 예컨대 만성질환자에 해당하는 경우 맞춤형 운동/식이 프로그램을 산출하여 헬스케어 프로그램으로 제공할 수 있으며, 이와 같은 프로그램은 도 6과 같은 프로그램이 포함될 수 있다.
즉, 연령, 성별, 질환 등의 정보를 반영한 개인별 1일 운동프로그램 및 권장 섭취 칼로리 등 주의 사항 등을 산출하여 해당 개인에 맞는 조건 프로그램을 제시할 수 있다.
이를 위해 기본 헬스케어 데이터 외에도 만성질환자에게 필요한 필요한 운동/식이 생활정보 DB를 구축할 수 있다.
도 7은 기업(이용자)과 병원간 이용자 맞춤형 헬스케어 프로그램 제공을 위한 구성 개념도이다.
본 발명에서 사용되는 헬스 케어 관리 앱은 이용자의 다양한 환경에서 활용될 수 있는데, 도 7과 같이, 기업 직원들의 경우에도 적용 가능하다.
구체적으로 기업은 기업 서버 및 헬스케어 서버(300)와 연계되는 병원에 구축된 의료기관 서버(500)를 통하여 각 임직원의 건강 관리를 위한 프로그램을 제공하도록 헬스케어 관리 앱을 활용할 수도 있다.
즉, 헬스케어 서버(300)는 해당 기업의 임직원들로부터 소지한 이용자단말기로 이용자 데이터를 수집하고, 해당 임직원 개개인마다 맞춤형 헬스케어 프로그램을 제공할 수 있다. 또한 기업서버는 임직원들의 헬스케어 프로그램 적용에 대한 통계자료나 건강관리 가이드를 헬스케어 서버(300)로부터 제공받을 수 있으며, 이를 통하여 임직원들의 건강 관리에 대한 조언을 제공받아 관리에 도움을 줄 수 있는 효과가 있다.
또한, 헬스케어 관리 앱은 의료기관 서버(500)와 연계하여 임직원의 종합건강검진 또는 진료가 필요한 경우 이에 대한 알림 등 안내 서비스를 제공할 수 있으며, 나아가 종합건강검진 또는 진료에 대한 예약 기능도 헬스케어 관리 앱을 통하여 제공해줄 수 있다.
도 8 내지 도 12는 헬스케어 관리 앱의 화면 예시를 보인 도면이다.
도 8은 헬스케어 관리 앱에서 개인 건강 관리를 위한 지표들을 통계적으로 보여주는 화면이며, 혈압, 혈당, 식사량, 체중, 운동, 걸음수, 수분 섭취량, 복용량 현황들을 일간, 주간, 월간, 연간으로 구분하여 제공받을 수 있다.
도 9는 헬스케어 관리 앱에서 개인 복용약에 대한 관리를 받을 수 있도록 기록하고, 복용양 섭취 시점 알람을 제공받을 수도 있다.
또한 도 10은 헬스케어 관리 앱을 통하여 개인별 상담을 받을 수 있도록 Q&A 형태로 된 상담 기능을 제공하며, 전문 의료 상담의 경우 의사나 관공서 전문 상담사를 통하여 답변을 제공할 수도 있다.
도 11은 헬스케어 관리앱을 통하여 맞춤형 건강정보에 대한 광고를 제공하는 기능으로서, 광고 형태는 이미지, 동영상, 텍스트 형태가 될 수 있으며, 개별 사용자에 적합한 맞춤형 미디어 콘텐츠(텍스트, 이미지, 동영상)를 주기적으로 해당 이용자의 헬스케어 관리앱 화면에 노출하도록 제공할 수 있으며, 여러 건강정보에 대한 서비스로, 해당 헬스케어 관련 기업들과 연계함으로써, 광고 노출횟수나 노출 시간에 따라 광고 수익을 창출할 수도 있다. 나아가 개인별 맞춤형 광고는 상술한 추천부(322)의 추천 알고리즘을 활용하여 제공될 수 있다.
도 12는 헬스케어 관리앱을 통하여 통계자료로서 제공되는 주간 리포트에 대한 화면 예시를 보여주고 있으며, 수집된 개인의 이용자 데이터를 바탕으로 항목별 점수와 함께, 건강 관리에 대한 조언 등 커멘트를 포함하여 제공될 수 있다.
도 5는 본 발명의 일 실시예에 따른 스마트 헬스케어 방법의 순서도이다.
헬스케어 서버(300)는 이용자단말기로부터 개인별 제공되는 의료 데이터 및 개인 데이터를 수집한다(S11).
여기서 의료 데이터는 관공서 서버(400)나 의료기관 서버(500)를 통하여 수집될 수도 있다.
헬스케어 서버(300)는 AI 추천 알고리즘을 활용하여 수집된 데이터를 토대로 개인별 이용자 맞춤형 헬스케어 프로그램을 상기 헬스케어 관리 앱을 통하여 추천할 수 있다(S12).
또한 해당 이용자를 위한 헬스케어 프로그램이 복수 개인 경우, 최적화된 헬스케어 프로그램을 택일하여 제공하거나 복수개 중 가장 유사한 조건의 몇 개를 선정하여 제공할 수 있다(S13).
또한 이용자단말기로부터 최적화된 헬스케어 프로그램을 제공받은 후, 해당 헬스케어 프로그램에 따라 운동, 생활 습관 등 건강 관리를 수행한 후 수행 결과에 대해 헬스케어 서버(300)에 제공하면 개인별 통계자료를 생성하여 이용자단말기로 제공할 수 있다(S14).
또한 헬스케어 서버(300)는 이용자 평가 등을 포함한 통계자료를 바탕으로 추천 알고리즘이 적용된 추천 모델을 학습시켜 더욱 적합한 조건의 헬스케어 프로그램을 추천할 수 있도록 추천 기준값 등을 보정할 수도 있으며, 학습이 거듭될수록 혹은 수집된 통계자료가 많을수록 해당 이용자에게 더욱 정밀하게 적합한 조건의 헬스케어 프로그램을 추천해줄 수 있다(S15).
100 ; 이용자 단말기
200 ; 통신망
300 ; 헬스케어 서버
310 ; 통신부
320 ; 앱관리부
321 ; 수집부
322 ; 추천부
323 ; 모델관리부
324 ; 모델평가부
330 ; 통계학습부
340 ; 데이터보호부
350 ; 데이터베이스
400 ; 관공서 서버
500 ; 의료기관 서버
600 ; 블록체인서버

Claims (7)

  1. 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하되, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 헬스케어 서버를 포함하며,
    상기 헬스케어 프로그램은 이용자의 의료데이터와 개인 데이터를 수집하여 이용자가 건강 관리를 위한 구체적 운동 및 생활습관 조언을 하는 맞춤형 헬스케어 프로그램인 것을 특징으로 하되,
    상기 헬스케어 서버는
    통신망을 통하여 이용자 단말기와 통신하여 헬스 케어 관리 앱을 통하여 이용자 데이터를 수집하거나, 헬스케어 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하기 위해 통신망과 호환 가능한 통신 프로토콜을 구비하는 통신부;
    상기 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하거나, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하며, 추천 알고리즘을 활용하여 이용자 맞춤형 헬스케어 프로그램을 선택하고, 추천해주기 위해서 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집하는 수집부;
    상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 이용자 맞춤형 헬스케어 프로그램을 추천하는 추천부;
    추천부에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함할 수 있으며, 복합적인 모델 적용에 의해 보다 이용자에게 적합한 맞춤형 헬스케어 프로그램을 제공하는 모델관리부;
    상기 헬스케어 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망 학습을 수행하고, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값을 보정하는 모델평가부를 구비하는 앱관리부;
    상기 이용자 데이터를 토대로 추천된 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태, 생활 습관에 대한 데이터를 주기적으로 제공받아 해당 개인에 대한 통계자료를 생성하여 관리하는 통계학습부;
    상기 수집부를 통하여 수집되는 상기 이용자 데이터의 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하도록 기능을 수행하는 데이터보호부;
    상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 제공받아 이용자별로 구분하여 저장하는 데이터베이스
    를 포함하는 스마트 헬스케어 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 인공지능 추천 알고리즘은
    유사도 분석을 이용한 인공지능 추천 알고리즘, 행렬인수분해(matrix factorization) 방법, 연관 규칙(association rule), 마이닝 규칙(mining rule), K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm, KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network) 중 적어도 어느 하나를 활용하는 것을 특징으로 하는 스마트 헬스케어 시스템.
  5. 제1항 또는 제4항에 있어서,
    상기 의료 데이터는
    관공서 서버나 의료기관 서버에서 제공되는 전문 의료 데이터로서, 의료 진단 차트, 진단서, 진료 내역, 처방전, 인구 통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 건강보험심사평가원 및 국민건강보험공단 데이터, 기후, 직업, 가족 구성원, 스트레스 등에 따른 건강 사회 결정 요인 중 적어도 어느 하나가 포함되며,
    상기 개인 데이터는
    사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방를 포함하는 신체정보와, 악력을 포함하는 체력정보 중 적어도 어느 하나를 포함하는 스마트 헬스케어 시스템.
  6. 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하는 헬스케어 서버를 이용한 스마트 헬스케어 방법에 있어서,
    상기 헬스케어 서버는 이용자 단말기로부터 개인별 제공되는 의료 데이터 및 개인 데이터를 수집하는 단계;
    상기 헬스케어 서버는 AI 추천 알고리즘을 활용하여 수집된 데이터를 토대로 개인별 이용자 맞춤형 헬스케어 프로그램을 상기 헬스케어 관리 앱을 통하여 추천하는 단계;
    상기 헬스케어 서버는 해당 이용자를 위한 헬스케어 프로그램이 복수 개인 경우, 최적화된 헬스케어 프로그램을 택일하여 제공하거나 복수개 중 가장 유사한 조건의 몇 개를 선정하여 제공하는 단계; 및
    상기 헬스케어 서버는 이용자 단말기로부터 추천받은 해당 헬스케어 프로그램에 따라 운동, 생활 습관 등 건강 관리를 수행한 후 수행 결과에 대해 제공받아 개인별 통계자료를 생성하여 이용자단말기로 제공하는 단계
    를 포함하되,
    상기 헬스케어 서버는
    통신망을 통하여 이용자 단말기와 통신하여 헬스 케어 관리 앱을 통하여 이용자 데이터를 수집하거나, 헬스케어 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하기 위해 통신망과 호환 가능한 통신 프로토콜을 구비하는 통신부;
    상기 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하거나, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하며, 추천 알고리즘을 활용하여 이용자 맞춤형 헬스케어 프로그램을 선택하고, 추천해주기 위해서 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집하는 수집부;
    상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 이용자 맞춤형 헬스케어 프로그램을 추천하는 추천부;
    추천부에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함할 수 있으며, 복합적인 모델 적용에 의해 보다 이용자에게 적합한 맞춤형 헬스케어 프로그램을 제공하는 모델관리부;
    상기 헬스케어 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망 학습을 수행하고, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값을 보정하는 모델평가부를 구비하는 앱관리부;
    상기 이용자 데이터를 토대로 추천된 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태, 생활 습관에 대한 데이터를 주기적으로 제공받아 해당 개인에 대한 통계자료를 생성하여 관리하는 통계학습부;
    상기 수집부를 통하여 수집되는 상기 이용자 데이터의 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하도록 기능을 수행하는 데이터보호부;
    상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 제공받아 이용자별로 구분하여 저장하는 데이터베이스를 포함하는 스마트 헬스케어 방법.
  7. 제6항의 스마트 헬스케어 방법을 수행하는 컴퓨터에서 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020210099585A 2021-07-29 2021-07-29 이용자 맞춤형 스마트 헬스케어 시스템 및 방법 KR102383996B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210099585A KR102383996B1 (ko) 2021-07-29 2021-07-29 이용자 맞춤형 스마트 헬스케어 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210099585A KR102383996B1 (ko) 2021-07-29 2021-07-29 이용자 맞춤형 스마트 헬스케어 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102383996B1 true KR102383996B1 (ko) 2022-04-08

Family

ID=81182913

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210099585A KR102383996B1 (ko) 2021-07-29 2021-07-29 이용자 맞춤형 스마트 헬스케어 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102383996B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102536025B1 (ko) * 2022-05-13 2023-05-26 농협생명보험 주식회사 헬스케어 서비스를 지원하는 서버 및 그 제어 방법
KR20230167600A (ko) 2022-06-02 2023-12-11 주식회사 더드림 랩 건강 측정을 통한 맞춤형 건강채널 서비스 플랫폼
WO2023243940A1 (ko) * 2022-06-12 2023-12-21 아키큐플러스 주식회사 근골격분석을 이용한 운동 코칭 서비스 제공 시스템
US11869015B1 (en) 2022-12-09 2024-01-09 Northern Trust Corporation Computing technologies for benchmarking

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101064736B1 (ko) 2004-09-23 2011-09-14 주식회사 케이티 손목 단말기, 이를 이용한 개인 건강 정보 관리 시스템 및 실시간 운동 관리 방법
KR20140090451A (ko) * 2013-01-09 2014-07-17 (주)녹십자헬스케어 보험사 고객 건강관리 시스템 및 방법
KR20210009683A (ko) * 2019-07-17 2021-01-27 혁 허 건강검진표를 이용한 사용자 맞춤형 온라인 추천 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101064736B1 (ko) 2004-09-23 2011-09-14 주식회사 케이티 손목 단말기, 이를 이용한 개인 건강 정보 관리 시스템 및 실시간 운동 관리 방법
KR20140090451A (ko) * 2013-01-09 2014-07-17 (주)녹십자헬스케어 보험사 고객 건강관리 시스템 및 방법
KR20210009683A (ko) * 2019-07-17 2021-01-27 혁 허 건강검진표를 이용한 사용자 맞춤형 온라인 추천 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102536025B1 (ko) * 2022-05-13 2023-05-26 농협생명보험 주식회사 헬스케어 서비스를 지원하는 서버 및 그 제어 방법
KR20230167600A (ko) 2022-06-02 2023-12-11 주식회사 더드림 랩 건강 측정을 통한 맞춤형 건강채널 서비스 플랫폼
WO2023243940A1 (ko) * 2022-06-12 2023-12-21 아키큐플러스 주식회사 근골격분석을 이용한 운동 코칭 서비스 제공 시스템
US11869015B1 (en) 2022-12-09 2024-01-09 Northern Trust Corporation Computing technologies for benchmarking

Similar Documents

Publication Publication Date Title
US11580090B2 (en) Community data aggregation with automated followup
KR102383996B1 (ko) 이용자 맞춤형 스마트 헬스케어 시스템 및 방법
Marling et al. The OhioT1DM dataset for blood glucose level prediction: Update 2020
Na et al. Feasibility of reidentifying individuals in large national physical activity data sets from which protected health information has been removed with use of machine learning
Sergueeva et al. Understanding the barriers and factors associated with consumer adoption of wearable technology devices in managing personal health
Mistry Systematic review of studies of the cost-effectiveness of telemedicine and telecare. Changes in the economic evidence over twenty years
Bondy et al. Direct expenditures related to otitis media diagnoses: extrapolations from a pediatric medicaid cohort
Cyganek et al. A survey of big data issues in electronic health record analysis
Konrad et al. Key considerations when using health insurance claims data in advanced data analyses: an experience report
Dantu et al. Exploratory analysis of internet of things (IoT) in healthcare: a topic modelling & co-citation approaches
Reimer et al. Veracity in big data: How good is good enough
Praveen et al. A robust framework for handling health care information based on machine learning and big data engineering techniques
US20130332194A1 (en) Methods and systems for adaptive ehr data integration, query, analysis, reporting, and crowdsourced ehr application development
Liu et al. Missed opportunities in preventing hospital readmissions: Redesigning post‐discharge checkup policies
Daim et al. Adoption of health information technologies: the case of a wireless monitor for diabetes and obesity patients
Uddin et al. Rapid health data repository allocation using predictive machine learning
Sarkar et al. A conceptual distributed framework for improved and secured healthcare system
Redfield et al. Derivation and validation of a machine learning record linkage algorithm between emergency medical services and the emergency department
Shortreed et al. Complex modeling with detailed temporal predictors does not improve health records-based suicide risk prediction
Kuruba et al. Data mining and deep learning-based hybrid health care application
Somanchi et al. To predict or not to predict: the case of the emergency department
KR20100034969A (ko) 온라인 건강 멘토 서비스 제공 방법
Uddin et al. Intelligent type 2 diabetes risk prediction from administrative claim data
KR20240062214A (ko) 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템
Brooks et al. Referral source and outcomes of physical therapy care in patients with low back pain

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