KR102427390B1 - 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 - Google Patents
헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR102427390B1 KR102427390B1 KR1020220063499A KR20220063499A KR102427390B1 KR 102427390 B1 KR102427390 B1 KR 102427390B1 KR 1020220063499 A KR1020220063499 A KR 1020220063499A KR 20220063499 A KR20220063499 A KR 20220063499A KR 102427390 B1 KR102427390 B1 KR 102427390B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- information
- action plan
- exercise
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004590 computer program Methods 0.000 title claims description 21
- 230000009471 action Effects 0.000 claims abstract description 127
- 239000000090 biomarker Substances 0.000 claims abstract description 49
- 230000036541 health Effects 0.000 claims abstract description 37
- 230000003340 mental effect Effects 0.000 claims abstract description 10
- 230000004630 mental health Effects 0.000 claims description 51
- 208000020016 psychiatric disease Diseases 0.000 claims description 46
- 239000003814 drug Substances 0.000 claims description 40
- 229940079593 drug Drugs 0.000 claims description 32
- 239000003550 marker Substances 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 11
- 230000001225 therapeutic effect Effects 0.000 claims description 8
- 238000002560 therapeutic procedure Methods 0.000 claims 2
- 230000008450 motivation Effects 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 description 83
- 238000012549 training Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 229940124597 therapeutic agent Drugs 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 241000282326 Felis catus Species 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010028916 Neologism Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Psychiatry (AREA)
- Physical Education & Sports Medicine (AREA)
- Biophysics (AREA)
- Developmental Disabilities (AREA)
- Molecular Biology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Educational Technology (AREA)
Abstract
전술한 바와 같은 과제를 실현하기 위한 본 발명의 다양한 실시예에 따른 헬스케어 서비스 제공방법이 개시된다. 상기 방법은, 사용자의 운동 기록 정보 및 상기 사용자의 디지털 바이오 마커를 수집하는 단계; 상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계; 및 상기 액션 플랜 정보를 상기 사용자에게 제공하는 단계;를 포함하고, 상기 액션 플랜 정보는, 상기 사용자에게 정신적 치료 또는 신체적 치료를 제안하는 정보 및 상기 사용자에 대한 운동 처방 정보 중 적어도 하나를 포함할 수 있다.
Description
본 발명의 다양한 실시예는 헬스케어 서비스를 제공하기 위한 것으로, 보다 구체적으로, 사용자의 신체 건강과 정신 건강에 기반하여 효율적인 헬스케어 서비스를 제공하기 위한 방법, 서버 및 컴퓨터 프로그램에 관한 것이다.
현대사회는 고도의 과학화로 인한 생산력 증대 및 소득 수준의 증가로 생활의 가치관 및 의식 변화를 초래하여 개인적 즐거움을 추구하는 태도가 변화되고 있다. 이러한 변화들은 자연적으로 인간에게 많은 여가 시간을 갖게 하여 개인의 자아실현이나 즐거움의 욕구를 증대시켜 더 많은 여가 소비를 촉진시키고 있다. 여가는, 단순한 휴식이라는 개념에 국한되는 것이 아니라 개인의 행복증진과 생활만족 향상의 수단으로 변화하고 있다.
또한, 오늘날 건강에 대한 사용자들의 관심이 증대됨에 따라 운동의 중요성이 강조되고 있으며, 여가 시간을 운동을 통해 소비하는 사람들이 많아지고 있다. 운동은 신체적인 건강 증진 뿐 아니라, 정신적인 건강증진과 삶의 질을 향상시키는 중요한 부분으로 인식되고 있다.
한편, 최근 코로나 이슈로 인해 실외활동이 줄어들고 헬스장에서 운동을 하기가 어려운 환경이 조성됨에 따라 흠트족이 늘어나고 있다. 홈트족이란, 홈(home)에서 트레이닝을 하는 사람들을 일컫는 신조어이다. 홈 트레이닝은, 다른 사용자들의 눈치를 보지 않아도 되며, 운동에 소비되는 비용과 시간을 최소화할 수 있다는 장점이 있다. 또한, 이러한 홈 트레이닝은, SNS나, 유튜브 등 다양한 인터넷 플랫폼을 통해 운동 방법에 관한 전문적인 지식이나 운동 영상 등을 용이하게 확보할 수 있어, 다양한 운동에 대한 접근이 용이하다는 장점이 있다.
다만, 집에서 홀로 운동 즉, 트레이닝을 수행하는 경우, 흥미 유발 측면에 있어서 단점이 있다. 구체적으로, 사용자가 혼자 운동을 수행하기 때문에 쉽게 나태해지거나, 지루함을 느낄 수 있으며, 획일화된 트레이닝만 수행할 수 있다. 구체적인 예를 들어, 집에서 사이클 기구를 통해 운동을 수행하는 경우, 획일화된 페달의 부하 조절 기능만 제공한다. 이 경우, 사용자가 쉽게 지루함을 느낄 수 있으며, 정신적인 건강증진은 기대하기 어렵다. 대한민국 등록실용신안공보 20-0207343호는 실내에서 운동 기구(예컨대, 런닝 머신, 사이클링 머신 및 로잉 머신 등)를 활용하여 운동을 수행하는 경우, 사용자가 흥미를 잃는 것을 방지하기 위하여 영상장치를 장착한 실내 운동기구를 개시하고 있다.
종래의 기술은, 운동 기구 상에 디스플레이 화면을 배치하여 영상 데이터를 제공하고, 해당 영상 데이터를 보면서 운동 기구를 이용하도록 하거나, 사용자로 하여금 속도 또는 페달을 강도를 스스로 조작하여 런닝이나 라이딩 상황을 변경할 수 있도록 함을 개시하나, 이 또한 사용자의 흥미를 지속적으로 유발할 수 없으며, 정신 건강을 케어 할 수 없다는 한계를 가진다. 즉, 종래의 기술은 신체 건강에 대한 트레이닝 기능만 제공할 수 있으며, 운동에 대한 지속적인 동기부여를 제공할 수 없다.
따라서, 사용자의 신체 건강과 정신 건강의 변화를 활용하여 운동에 대한 지속적인 동기부여를 제공하고, 다음 액션 플랜을 제공하여 사용자의 신체 건강 뿐 아니라, 사용자의 정신 건강도 증진시키기 위한 헬스케어 서비스 플랫폼에 대한 기술 개발이 요구될 수 있다.
삭제
본 발명이 해결하고자 하는 과제는 전술한 배경기술에 대응하여 안출된 것으로, 사용자의 신체 건강과 사용자의 정신 건강에 기반하여 효율적인 헬스케어 서비스를 제공하기 위한 방법, 서버 및 컴퓨터 프로그램을 제공하기 위한 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 헬스케어 서비스 제공방법이 개시된다. 상기 방법은, 사용자의 운동 기록 정보 및 상기 사용자의 디지털 바이오 마커를 수집하는 단계; 상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계; 및 상기 액션 플랜 정보를 상기 사용자에게 제공하는 단계;를 포함하고, 상기 액션 플랜 정보는, 상기 사용자에게 정신적 치료 또는 신체적 치료를 제안하는 정보 및 상기 사용자에 대한 운동 처방 정보 중 적어도 하나를 포함할 수 있다.
대안적인 실시예에서, 상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계는, 상기 운동 기록 정보에 대응하는 운동 스코어를 산출하는 단계; 상기 디지털 바이오 마커에 기초하여, 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계; 및 상기 운동 스코어 및 상기 중증도 스코어를 이용하여, 상기 액션 플랜 정보를 생성하는 단계;를 포함할 수 있다.
대안적인 실시예에서, 상기 디지털 바이오 마커에 기초하여, 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계는, 상기 디지털 바이오 마커에서 특정 정신 질환과 관련된 특정 마커를 추출하는 단계; 및 상기 특정 마커를 사전 학습된 신경망 모델에 입력하여, 상기 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계;를 포함하고, 상기 사전 학습된 신경망 모델은, 하나 이상의 마커를 입력 받는 하나 이상의 서브 모델을 포함하고, 상기 하나 이상의 서브 모델 각각의 출력된 서브 출력 값의 평균 값을 상기 중증도 스코어로 출력할 수 있다.
대안적인 실시예에서, 상기 중증도 스코어를 산출한 경우, 상기 사용자의 복약 순응도를 높이기 위해 상기 중증도 스코어를 포함하는 정신 건강 정보를 생성하는 단계; 및 상기 정신 건강 정보를 상기 액션 플랜 정보와 함께 상기 사용자에게 제공하는 단계;를 더 포함하고, 상기 정신 건강 정보는, 주의군 또는 위험군을 분류하기 위한 임계 값을 초과하는 중증도 스코어를 갖는 특정 정신 질환에 대한 정보를 포함하고, 상기 액션 플랜 정보는, 상기 특정 정신 질환에 대응하는 디지털 치료제 처방 정보를 더 포함할 수 있다.
대안적인 실시예에서, 상기 디지털 바이오 마커는, 상기 사용자의 정신 건강을 측정하기 위한 요소로서, 휴대폰 사용 시간, 휴대폰 사용 횟수, 음성, 심박변이도, 이동 시간, 이동 속도, 이동 거리, 특정 정신 건강과 관련된 설문의 응답 및 디지털 치료제 애플리케이션 사용 정보 중 적어도 하나를 포함할 수 있다.
대안적인 실시예에서, 상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 복약 순응도 값을 산출하는 단계; 및 상기 복약 순응도 값에 기초하여, 상기 액션 플랜 정보를 업데이트하는 단계;를 더 포함할 수 있다.
대안적인 실시예에서, 상기 복약 순응도 값에 기초하여, 상기 액션 플랜 정보를 업데이트하는 단계는, 상기 복약 순응도 값이 낮음으로 판단되는 제1 값 미만인 경우, 상기 액션 플랜 정보에 포함된 상기 운동 처방 정보의 운동량을 낮추거나, 상기 액션 플랜 정보에 포함된 디지털 치료제 처방 정보의 디지털 치료제 사용량을 낮추는 단계; 및 상기 복약 순응도 값을 높이기 위해 액션 플랜 정보에 포함된 운동 처방 또는 디지털 치료제를 수행하도록 야기하는 알림을 상기 사용자에게 제공하는 단계;를 포함할 수 있다.
대안적인 실시예에서, 상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 상기 사용자에게 이전에 제공된 액션 플랜의 달성 여부를 판단하고, 상기 달성 여부에 따라 상기 사용자에게 보상을 제공하는 단계;를 더 포함하고, 상기 액션 플랜의 달성 여부는, 상기 사용자에게 정신적 치료 또는 신체적 치료를 제안한 것에 대응하여 병원을 방문했는지 여부, 운동 처방에 대응하는 운동량을 수행했는지 여부 및 디지털 치료제 처방에 대응하는 디지털 치료제를 사용했는지 여부 중 적어도 하나에 기초하여 판단될 수 있다.
대안적인 실시예에서, 상기 액션 플랜 정보를 제공하는 단계는, 상기 사용자의 액션 플랜 이행에 따른 보상을 제공하는 단계; 를 더 포함하고, 상기 보상을 제공하는 단계는, 상기 사용자의 액션 플랜 이행 결과에 따라 이에 대응하는 가상자산을 제공하는 단계; 를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따라, 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상술한 방법들을 수행하는 장치가 개시된다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따라, 하드웨어인 컴퓨터와 결합되어, 상술한 방법들을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 개시된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 사용자의 신체 건강과 사용자의 정신 건강에 기반한 효율적인 헬스케어 서비스 제공 방법, 서버 및 컴퓨터 프로그램을 통해 사용자에게 운동에 대한 동기부여를 제공하여 사용자의 신체 건강 증진을 야기하고, 다음 액션 플랜을 제공하여 사용자의 정신 건강 증진을 야기할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 서버의 하드웨어 구성도이다.
도 3은 본 발명의 일 실시예에 따른 네트워크 함수를 나타낸 개략도이다.
도 4는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 액션 플랜 정보를 생성하는 방법을 설명하기 위한 순서도이다.
도 6은 다양한 실시예에서, 특정 정신 질환에 대한 중증도 스코어를 산출하는 방법을 설명하기 위한 순서도이다.
도 7은 다양한 실시예에서, 정신 건강 정보를 생성 및 제공하는 방법을 설명하기 위한 순서도이다.
도 8은 다양한 실시예에서, 액션 플랜 정보를 업데이트하는 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 서버의 하드웨어 구성도이다.
도 3은 본 발명의 일 실시예에 따른 네트워크 함수를 나타낸 개략도이다.
도 4는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 액션 플랜 정보를 생성하는 방법을 설명하기 위한 순서도이다.
도 6은 다양한 실시예에서, 특정 정신 질환에 대한 중증도 스코어를 산출하는 방법을 설명하기 위한 순서도이다.
도 7은 다양한 실시예에서, 정신 건강 정보를 생성 및 제공하는 방법을 설명하기 위한 순서도이다.
도 8은 다양한 실시예에서, 액션 플랜 정보를 업데이트하는 방법을 설명하기 위한 순서도이다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 발명의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시 적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 애플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 애플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 발명내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
제시된 실시예들에 대한 설명은 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 시스템은 서버(100), 사용자 단말(200), 외부 서버(300) 및 네트워크(400)를 포함할 수 있다.
여기서, 도 1에 도시된 헬스케어 서비스 제공 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다. 또한, 서버(100)는 컴퓨팅 장치에 포함되거나 컴퓨팅 장치를 의미할 수 있다.
일 실시예에서, 헬스케어 서비스 제공 서버(100)(이하, “서버(100)”)는 사용자에게 복수의 서비스를 제공함으로써, 사용자의 신체 건강과 정신 건강을 케어하는 기능을 제공할 수 있다.
여기서, 복수의 서비스는 교육 콘텐츠 제공 서비스(예: 영어, 외국어 등), 자기계발 서비스(예: 저축, 독서 등), 운동 서비스(예: 다이어트, 건강, 운동, 스포츠 등) 및 디지털 치료제 서비스(예: 정신 질환 중재 등)를 의미할 수 있으며, 복수의 서비스는 서버(100) 내에서 자체적으로 제공 가능한 서비스 즉, 서버(100)에 의해 직접 제공되는 서비스뿐만 아니라, 외부 서버에 의해 제공되는 서비스(예: 서드파티(third party) 서비스)도 포함될 수 있다.
또한, 사용자가 미션을 수행한다는 것은 복수의 서비스를 통해 사용자가 특정한 행위를 하는 것, 예컨대, 교육 콘텐츠 제공 서비스를 통해 교육 콘텐츠를 이용함에 따라 학습 활동을 하거나 운동 서비스를 통해 운동, 스포츠를 하거나, 자기계발 서비스를 통해 저축 또는 독서를 하거나, 디지털 치료제 애플리케이션을 사용하여 치료를 받는 행위를 하는 것을 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 서버(100)는 사용자의 운동 기록 정보 및 사용자의 디지털 바이오 마커를 이용하여 액션 플랜 정보를 생성하고, 이를 사용자에게 제공할 수 있다. 구체적으로, 서버(100)는 사용자의 정신 건강과 신체 건강을 함께 고려하여 액션 플랜 정보를 생성하고, 이를 사용자에게 제공할 수 있다. 또한, 서버(100)는 사용자의 신체적 변화와 정신적 변화를 반영하여 액션 플랜 정보를 업데이트하고, 이를 사용자에게 제공할 수 있다. 예를 들어, 서버(100)는 사용자의 운동 기록 정보를 이용하여 사용자의 신체 건강을 점수화 하고, 디지털 바이오 마커를 이용하여 사용자의 정신 건강을 점수화 할 수 있다. 그리고, 서버(100)는 점수화 된 신체 건강과 정신 건강을 이용하여 사용자에게 제공할 액션 플랜 정보를 생성하거나 업데이트할 수 있다.
여기서, 액션 플랜 정보는 사용자에게 정신적 치료 또는 신체적 치료를 제안하거나, 사용자에게 운동 처방 또는 디지털 치료제 처방을 하는 정보를 포함할 수 있다. 즉, 본 발명의 액션 플랜 정보는 사용자에게 소정의 목표를 제시하기 위한 정보일 수 있다.
다양한 실시예에서, 서버(100)는 사용자가 미션을 수행함에 따라 사용자에 대하여 설정된 목표를 달성할 수 있도록 동기부여를 제공할 수 있다.
여기서, 동기부여를 제공하는 것은 사용자가 포기하지 않고 목표를 달성할 수 있도록 유도하기 위한 것으로서, 예를 들어, 목표 달성에 따른 보상을 제공하거나 목표를 달성할 수 있도록 가이드 정보 및 알림을 제공하는 것을 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 서버(100)가 제공하는 헬스케어 서비스 제공방법은 애플리케이션(Application) 형태로 구현될 수 있다. 예컨대, 서버(100)는 네트워크(400)를 통해 사용자 단말(200)과 연결될 수 있으며, 사용자 단말(200)로 복수의 서비스를 제공하는 애플리케이션을 제공할 수 있고, 사용자는 사용자 단말(200)을 통해 애플리케이션을 다운로드, 설치 및 실행함으로써 복수의 서비스를 이용할 수 있다.
여기서, 사용자 단말(200)은 애플리케이션의 구동이 가능한 운영체제를 포함하며, 애플리케이션을 실행함에 따라 출력되는 사용자 인터페이스(User Interface, UI)(예: GUI)를 출력하기 위하여 적어도 일부 영역에 디스플레이를 포함하는 스마트폰(Smart-phone)일 수 있으나, 이에 한정되지 않고, 사용자 단말(200)은, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 내비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트 패드(Smartpad), 태블릿 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
또한, 여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 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 포함할 수 있다.
또한, 여기서, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등을 포함할 수 있으나, 이에 한정되지는 않는다.
일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 서버(100)와 연결될 수 있으며, 서버(100)가 헬스케어 서비스 제공방법을 수행하기 위해 필요한 각종 정보 및 데이터를 저장 및 관리하거나, 헬스케어 서비스 제공방법을 수행함에 따라 생성되는 각종 정보 및 데이터를 제공받아 저장 및 관리할 수 있다.
다양한 실시예에서, 외부 서버(300)는 서버(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다. 이하, 도 2를 참조하여, 헬스케어 서비스 제공방법을 수행하는 서버(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공 서버의 하드웨어 구성도이다.
도 2를 참조하면, 다양한 실시예에서, 서버(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 서버(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit), GPGPU(General Purpose Graphics Processing Unit), TPU(Tensor Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 서버(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
다양한 실시예에서, 프로세서(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 발명의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 램과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 서버(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 서버(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 서버(100)를 통해 헬스케어 서비스 제공 프로세스를 수행하는 경우, 스토리지(150)는 헬스케어 서비스 제공 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 사용자의 운동 기록 정보 및 사용자의 디지털 바이오 마커를 수집하는 단계, 운동 기록 정보 및 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계 및 액션 플랜 정보를 사용자에게 제공하는 단계를 포함하는 헬스케어 서비스 제공방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
다양한 실시예에서, 컴퓨터 프로그램(151)은 사전 학습된 신경망 모델에 디지털 바이오 마커를 입력하여 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다. 여기서, 컴퓨터 프로그램(151)은 액션 플랜 정보를 생성하거나, 액션 플랜 정보를 업데이트하는데 중증도 스코어를 이용할 수 있다. 추가로, 컴퓨터 프로그램(151)은 액션 플랜 정보를 생성하는데 신경망 모델을 이용할 수도 있다. 이하, 도 3을 참조하여 본 발명의 신경망 모델을 구성하는 네트워크 함수에 대해 개략적으로 설명한다.
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.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 4 내지 8을 참조하여, 서버(100)에 의해 수행되는 헬스케어 서비스 제공방법에 대해 설명한다.
도 3은 본 발명의 일 실시예에 따른 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 상호 교환 가능한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
본 개시의 일 실시예에 따른 뉴럴 네트워크는 복수의 신경망 레이어를 포함할 수 있다. 복수의 신경망 레이어들은 그 기능과 역할에 따라 뉴럴 네트워크 내에서 일정한 순서를 갖는 시퀀스(sequence)를 구성할 수 있다. 상기 복수의 신경망 레이어들에는 컨볼루션 레이어, 풀링(pooling) 레이어, 풀리 커넥티드 레이어(fully connected layer) 등이 포함될 수 있다. 뉴럴 네트워크에 대한 최초 입력은 시퀀스 내 가장 낮은, 최초의 레이어에 의해 수신될 수 있다. 뉴럴 네트워크는 최초 입력으로부터 최종 출력을 생성하기 위해 최초 입력을 시퀀스 내 레이어들에 순차적으로 입력할 수 있다. 상기 최초 입력은 예를 들어 이미지일 수 있고 그에 대한 최종 출력은 예를 들어 하나 이상의 카테고리를 포함하는 카테고리 집합에 있어서 각각의 카테고리에 대한 스코어일 수 있다.
본 개시의 일 실시예에 따른 신경망 레이어는 적어도 하나의 노드를 포함할 수 있다. 신경망 레이어에 포함된 각 노드에는 가중치(weight) 또는 편향값(bias)이 할당될 수 있다. 본 개시에 따른 서버(100)의 메모리(120)는 신경망 레이어에 포함된 적어도 하나의 노드에 할당된 가중치 또는 편향값을 저장할 수 있다. 각 신경망 레이어는 컨볼루션 신경망에 대한 최초 입력 또는 직전 신경망 레이어의 출력을 입력으로 수신할 수 있다. 예를 들어, 복수의 신경망 레이어로 이루어진 시퀀스에 있어서 제 N 번째 신경망 레이어는 제 N-1 번째 신경망 레이어의 출력을 입력으로 수신할 수 있다. 각 신경망 레이어는 입력으로부터 출력을 생성할 수 있다. 신경망 레이어가 시퀀스에서 가장 높은, 최후의 신경망 레이어인 경우, 이러한 신경망 레이어의 출력은 전체 뉴럴 네트워크의 출력으로 취급될 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
도 4는 본 발명의 일 실시예에 따른 헬스케어 서비스 제공방법을 설명하기 위한 순서도이다.
도 4를 참조하면, S100 단계에서, 서버(100)는 사용자의 운동 기록 정보 및 사용자의 디지털 바이오 마커를 수집할 수 있다.
예를 들어, 서버(100)는 사용자 단말(200) 및 웨어러블 디바이스(미도시)로 애플리케이션을 제공할 수 있고, 사용자가 애플리케이션을 설치함에 따라 수집되는 운동 기록 정보 및 디지털 바이오 마커를 사용자 단말(200) 및 웨어러블 디바이스로부터 수신할 수 있다.
여기서, 서버(100)가 제공하는 애플리케이션은 교육 콘텐츠 제공 서비스(예: 영어, 외국어 등), 자기계발 서비스(예: 저축, 독서 등), 운동 서비스(예: 다이어트, 건강, 운동, 스포츠 등) 및 디지털 치료제 서비스(예: 정신 질환 중재 등) 각각을 사용자가 이용함에 따라 기록되는 데이터를 수집할 수 있다.
한편, 사용자가 외부 서버(300)에 의해 제공되는 서비스(예컨대, 디지털 치료제 서비스)를 이용하는 경우, 사용 시간, 사용 횟수, 치료 이행률 등과 같은 디지털 바이오 마커를 외부 서버(300)로부터 수신할 수 있다.
일례로, 서버(100)는 홈 트레이닝 서비스, 외국어 교육 콘텐츠 제공 서비스, 저축 서비스 등과 같은 기능을 구현하는 애플리케이션을 사용자에게 제공하는 경우, 각 서비스에 대한 액션 플랜, 이용 목표, 서비스 이용 기록 등을 수집할 수 있다.
다른 일례로, 서버(100)가 게임 형태의 콘텐츠를 사용자에게 제공하는 경우, 게임 콘텐츠 내에서 사용자에 대응되는 게임 캐릭터의 레벨 또는 게임 캐릭터가 획득하는 경험치의 양 등에 대한 데이터를 수집할 수 있다.
여기서, 게임 형태의 콘텐츠는 예를 들어, 가상 세계를 구축하여 그 자체로 하나의 사회를 구성하고, 복수의 사용자들이 가상 세계에서 사회 구성원으로서 행동할 수 있는 메타버스(metaverse) 기반의 게임 형태를 포함할 수 있다. 이 경우, 복수의 사용자들이 가상 세계 내에서 복수의 서비스를 자유롭게 선택 및 이용할 수 있도록 복수의 사용자마다 각각의 게임 캐릭터를 생성할 수 있다. 또한, 메타버스 기반의 게임 내에서, 복수의 사용자 각각에 대응하는 게임 캐릭터들마다 레벨이 설정될 수 있고, 사용자들은 액션 플랜 정보에 포함된 특정 액션 또는 미션 등을 수행함에 따라 사용자에 대응하는 게임 캐릭터에 소정의 경험치를 제공받아 게임 캐릭터의 레벨을 상승 즉, 게임 캐릭터를 성장시킬 수 있는 게이미피케이션(gamification) 요소가 적용된 형태로 구현될 수 있다.
본 발명의 디지털 바이오 마커는 사용자의 정신 건강을 측정하기 위한 요소로서, 휴대폰 사용 시간, 휴대폰 사용 횟수, 음성, 심박변이도, 이동 시간, 이동 속도, 이동 거리, 특정 정신 건강과 관련된 설문의 응답 및 디지털 치료제 애플리케이션 사용 정보 중 적어도 하나를 포함할 수 있다. 여기서, 디지털 치료제 애플리케이션 사용 정보는 사용 시간, 사용 횟수, 치료 이행률 등과 같은 정보를 포함할 수 있다.
본 발명의 운동 기록 정보는 사용자가 수행한 운동의 종목에 대한 정보, 사용자가 수행한 운동 시간에 대한 정보 및 사용자가 수행한 운동 횟수에 대한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
다양한 실시예에서, 서버(100)는 사용자의 운동 기록 정보를 사용자로부터 직접 입력 받을 수 있다. 예를 들어, 서버(100)는 사용자 단말(200)을 통해 애플리케이션이 실행됨에 따라 사용자 단말(200) 상에 사용자 인터페이스(User Interface, UI)를 출력할 수 있고, 사용자 인터페이스를 통해 사용자로부터 직접 운동 기록에 관한 정보를 입력 받을 수 있다(예: 런닝 머신 운동 날짜, 운동 시간 등).
단계 S200에서, 서버(100)는 운동 기록 정보 및 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성할 수 있다. 여기서, 액션 플랜 정보는 사용자에게 정신적 치료 또는 신체적 치료를 제안하거나, 사용자에게 운동 처방 또는 디지털 치료제 처방을 하는 정보를 포함할 수 있다. 즉, 본 발명의 액션 플랜 정보는 사용자에게 소정의 목표를 제시하기 위한 정보일 수 있다.
구체적으로, 서버(100)는 운동 기록 정보를 이용해 사용자의 신체 건강 상태를 파악하고, 디지털 바이오 마커를 이용해 사용자의 정신 건강 상태를 파악할 수 있다. 그리고, 서버(100)는 사용자의 신체 건강과 정신 건강을 고려하여 액션 플랜 정보를 생성할 수 있다.
좀더 구체적으로, 서버(100)는 사용자의 운동 기록 정보를 통해 사용자의 신체 건강 상태를 인식할 수 있다. 이와 동시에 서버(100)는 사용자의 디지털 바이오 마커를 통해 사용자의 정신 건강 상태를 인식할 수 있다. 그리고, 서버(100)는 사용자의 신체 건강과 정신 건강을 증진시키기 위한 맞춤형 정보를 포함하는 액션 플랜 정보를 생성할 수 있다.
예를 들어, 서버(100)는 사용자의 신체 건강에 대한 제1 스코어와 정신 건강에 대한 제2 스코어 각각을 산출하고 이를 분석해 사용자에게 최적화된 운동을 추천(또는, 운동 처방)하는 액션 플랜 정보를 생성할 수 있다.
추가적인 실시예에서, 사용자가 헬스케어 서비스를 지속적으로 이용하는 경우, 이전에 획득된 사용자의 제1 운동 기록 정보 및 제1 디지털 바이오 마커와 현재 획득된 사용자의 제2 운동 기록 정보 및 제2 디지털 바이오 마커를 비교하여, 사용자의 신체 건강 변화 및 정신 건강 변화를 인식할 수 있다. 그리고, 서버(100)는 사용자의 신체 건강 변화 및 정신 건강 변화 중 적어도 하나의 건강 상태가 악화된 경우, 액션 플랜 정보를 업데이트하거나, 초기화한 후 새롭게 생성하여 사용자에게 제공할 수 있다.
사용자의 운동 기록 정보 및 사용자의 디지털 바이오 마커를 이용하여 액션 플랜 정보를 생성하고, 이를 사용자에게 제공할 수 있다. 예를 들어, 서버(100)는 사용자의 정신 건강과 신체 건강을 함께 고려하여 액션 플랜 정보를 생성하고, 이를 사용자에게 제공할 수 있다. 또한, 서버(100)는 사용자의 신체적 변화와 정신적 변화를 반영하여 액션 플랜 정보를 업데이트하고, 이를 사용자에게 제공할 수 있다.
즉, 서버(100)는 사용자의 정신 건강과 신체 건강을 함께 고려하여 액션 플랜 정보를 생성하기 때문에, 사용자의 정신 건강과 신체 건강의 증진을 야기할 수 있다.
이하, 서버(100)가 액션 플랜 정보를 생성하는 방법에 대한 설명은 도 5를 참조하여 후술한다.
단계 S300에서, 서버(100)는 액션 플랜 정보를 사용자에게 제공할 수 있다.
따라서, 사용자는 신체 건강과 정신 건강이 고려된 액션 플랜 정보를 제공받아 운동 효율을 극대화할 수 있으며, 신체와 정신 건강을 케어 가능한 헬스케어 서비스를 제공받을 수 있다.
다양한 실시예에서, 서버(100)는 운동 기록 정보 및 디지털 바이오마커에 기초하여, 사용자에게 이전에 제공된 액션 플랜의 달성 여부를 판단하고, 달성 여부에 따라 사용자에게 보상을 제공할 수 있다.
본 발명에서 보상은 서버(100)가 제공하는 헬스케어 서비스 애플리케이션 내에서 이용 가능한 재화(예: 포인트, 마일리지, 토큰 등)일 수 있으나, 이에 한정되지 않고, 보상은 애플리케이션 내에서 이용 가능한 복수의 서비스 중 유료 서비스를 이용함에 따라 결제된 금액에 대한 캐시백이거나, 유료 서비스에 대한 할인 쿠폰을 포함할 수 있다. 또한, 경우에 따라 사용자가 이용한 서비스(목표 달성을 위해 미션을 수행한 서비스)가 서버(100)가 직접 제공하는 서비스가 아닌 외부의 서드파티 서비스이거나, 사용자로부터 외부의 서드파티 서비스에 대한 보상을 요청받는 경우, 보상은 서드파티 서비스 내에서 이용 가능한 재화일 수 있으나, 이에 한정되지 않는다.
다양한 실시 예에서, 제공되는 보상은 블록체인 기술에 기반하여 제공되는 가상자산(예: 코인 또는 토큰)의 형태로 제공될 수 있으나, 이에 제한되지 않는다. 예를 들어, 사용자가 공부나 운동 등 다양한 애플리케이션을 통해 제공되는 미션이나 특정한 조건을 달성할 시, 이에 따른 가상자산이 사용자에게 지급될 수 있다. 사용자는 해당 가상자산을 가상자산 지갑으로 이동시키거나, 다른 종류의 가상자산과 교환하거나, 현금화할 수 있다.
구체적으로, 서버(100)가 액션 플랜의 달성 여부를 판단하는 경우, 사용자에게 정신적 치료 또는 신체적 치료를 제안한 것에 대응하여 병원을 방문했는지 여부, 운동 처방에 대응하는 운동량을 수행했는지 여부 및 디지털 치료제 처방에 대응하는 디지털 치료제를 사용했는지 여부 중 적어도 하나에 기초하여 판단할 수 있다.
따라서, 서버(100)는 보상을 제공하여 액션 플랜 정보에 해당하는 액션을 수행하는 동기를 부여하고, 헬스케어 서비스에 대한 순응도를 높일 수 있다.
추가적인 실시예에서, 서버(100)는 사용자에 대하여 설정된 목표를 달성할 수 있도록 동기부여를 제공할 수 있다. 여기서, 목표는 액션 플랜 정보에 포함된 일부 콘텐츠를 의미하거나, 액션 플랜 정보 자체를 의미할 수 있다.
구체적으로, 서버(100)는 사용자에 대한 목표를 설정하고, 사용자가 미션을 수행함에 따라 생성된 정보를 수집할 수 있다. 여기서, 목표 설정은 서버(100)가 액션 플랜 정보를 사용자에게 제공하는 방식으로 설정될 수 있다. 다만, 이에 한정되는 것은 아니고, 사용자가 직접 사용자 인터페이스를 통해 설정할 수도 있다.
일례로, 서버(100)는 사용자에 대하여 설정된 제1 목표가 서비스 2시간 이상 이용일 경우, 사용자가 미션을 수행함에 따라 수집된 정보에 기초하여 사용자의 서비스 이용 시간을 산출하고, 사용자의 서비스 이용 시간이 2시간 이상인지를 판단함으로써 제1 목표의 달성 여부를 판단할 수 있다.
다른 일례로, 서버(100)는 사용자에 대하여 설정된 제1 목표가 사용자에 대응하는 게임 캐릭터의 레벨 1 상승인 경우, 사용자가 미션을 수행함에 따라 수집된 정보에 기초하여 사용자가 획득한 총 경험치량을 산출할 수 있고, 산출된 총 경험치의 양에 기초하여 사용자에 대응하는 게임 캐릭터에 레벨을 상승시킬 수 있는지 판단함으로써, 제1 목표의 달성 여부를 판단할 수 있다.
그리고, 서버(100)는 수집된 정보에 기초하여 설정된 목표의 달성 여부를 판단한 경우, 판단된 목표의 달성 여부에 따라 사용자에게 보상을 제공할 수 있다.
예를 들어, 서버(100)는 사용자에 대하여 설정된 목표(또는, 액션 플랜 정보에 포함된 내용)가 디지털 치료제 애플리케이션 2시간 이상 사용일 경우, 사용자의 애플리케이션 사용 기록을 통해 사용자의 디지털 치료제 애플리케이션을 이용하였는지 판단함으로써 목표의 달성 여부를 판단할 수 있다. 그리고, 목표의 달성 여부에 따라 사용자에게 보상을 제공할 수 있다.
다른 예를 들어, 서버(100)는 사용자에게 설정된 목표가 사이클 운동 매일 1시간 하기인 경우, 사용자 단말, 운동기구 또는 운동 기구에 부착된 장치(예: 센서 장치)로부터 정보를 수신할 수 있다. 그리고, 서버(100)는 수신된 정보와 설정된 목표를 비교하여, 사용자의 목표 달성 여부를 판단할 수 있다. 그리고, 서버(100)는 목표의 달성 여부에 따라 사용자에게 보상을 제공할 수 있다.
다양한 실시예에서, 서버(100)는 사용자에 대하여 설정된 제1 목표가 달성된 것으로 판단되는 경우, 사용자에게 제1 목표에 따른 보상을 제공하되, 목표의 난이도, 사용자로부터 수행된 미션의 종류 및 목표의 초과 달성 정도 중 적어도 하나에 기초하여 보상의 종류 및 크기를 결정할 수 있다.
보다 구체적으로, 먼저, 서버(100)는 목표의 난이도에 따라 보상의 종류 및 크기를 결정할 수 있다. 예를 들어, 서버(100)는 사용자에 대하여 설정된 제1 목표에 대한 사용자의 달성 확률 및 제1 목표의 크기에 기초하여 제1 목표에 대한 난이도를 결정할 수 있고, 결정된 난이도에 비례하여 제1 목표 달성에 따른 보상의 크기를 결정할 수 있다.
즉, 서버(100)는 제1 사용자와 제2 사용자가 동일한 크기의 목표(예: 게임 캐릭터 레벨 1 상승)를 가졌다 하더라도, 달성 확률이 낮은 사용자에게 더 큰 보상이 제공되도록 보상의 크기를 설정할 수 있고, 제1 사용자와 제2 사용자가 동일한 달성 확률(예: 70%)을 가졌다 하더라도 목표의 크기가 큰 사용자에게 더 큰 보상이 제공되도록 보상의 크기를 설정할 수 있다.
또한, 서버(100)는 사용자로부터 수행된 미션의 종류에 따라 보상의 종류 및 크기를 결정할 수 있다. 예를 들어, 서버(100)는 사용자가 목표를 달성하기 수행한 미션의 종류 및 개수에 비례하여 제1 목표 달성에 따른 보상의 크기를 결정할 수 있다.
또한, 서버(100)는 사용자로부터 수행된 미션의 난이도에 기초하여 제1 목표 달성에 따른 보상의 크기를 결정할 수 있다. 이때, 서버(100)는 사용자로부터 서로 상이한 복수의 미션이 수행된 경우, 복수의 미션 각각의 난이도의 평균을 산출하고, 산출된 평균 난이도에 기초하여 제1 목표 달성에 따른 보상의 크기를 결정할 수 있다. 여기서, 복수의 미션 각각의 난이도는 사전에 설정될 수 있다(예: 운동 난이도 5, 교육 콘텐츠 난이도 3, 독서 난이도 2 등)
즉, 서버(100)는 제1 사용자와 제2 사용자가 동일한 달성 확률과 동일한 크기의 목표를 가졌다 하더라도, 더 많은 종류의 미션을 수행한 사용자 또는 난이도가 높은 미션을 수행하여 목표를 달성한 사용자에게 더 큰 보상이 제공되도록 보상의 크기를 설정할 수 있다.
또한, 서버(100)는 목표의 초과 달성 정도에 따라 보상의 크기를 결정할 수 있다. 예를 들어, 서버(100)는 목표의 초과 달성 정도에 비례하여 목표 달성에 따른 보상의 크기를 결정할 수 있다.
즉, 서버(100)는 제1 사용자가 목표를 100% 달성하였고, 제2 사용자가 목표를 120% 달성한 경우, 목표를 20% 초과 달성한 제2 사용자에게 더 큰 보상이 제공되도록 보상의 크기를 설정할 수 있다.
다양한 실시예에서, 서버(100)는 사용자가 제1 목표를 달성한 것에 응답하여 사용자에게 보상을 제공하되, 사용자의 연속 목표 달성 횟수에 기초하여 사용자에게 추가 보상을 제공할 수 있다. 예를 들어, 서버(100)는 사용자가 10회 연속 목표를 달성하는 경우, 목표에 따른 보상 이외에 추가 보상을 제공할 수 있다.
한편, 서버(100)는 사용자가 목표를 달성하지 못한 것으로 판단되는 경우 사용자가 목표에 달성할 수 있도록 가이드 정보를 제공할 수 있다.
즉, 본 발명의 서버(100)는 헬스케어 서비스에 포함된 다양한 콘텐츠에 대한 동기부여를 제공할 수 있다.
추가적인 실시예에서, 서버(100)는 복수의 사용자를 그룹화하여 복수의 팀을 생성할 수 있다.
일례로, 서버(100)는 동일한 목표를 가지는 사용자들을 그룹화 즉, 개인 목표를 기준으로 복수의 사용자를 그룹화함에 따라 복수의 팀을 생성할 수 있다.
다른 일례로, 서버(100)는 복수의 사용자 각각의 미션 수행 이력에 기초하여, 목표 달성을 위해 동일한 미션을 수행하는 사용자들을 그룹화 즉, 미션의 종류를 기준으로 복수의 사용자를 그룹화함에 따라 복수의 팀을 생성할 수 있다.
또 다른 일례로, 서버(100)는 복수의 사용자 각각의 미션 수행 이력에 기초하여, 동일한 시간대에 미션을 수행하는 사용자들을 그룹화 즉, 생활 습관을 기준으로 복수의 사용자를 그룹화함에 따라 복수의 팀을 생성할 수 있다.
또 다른 일례로, 서버(100)는 복수의 사용자 각각의 성향(예: MBTI)에 기초하여, 서로 동일한 성향을 가진 사용자들을 그룹화함에 따라 복수의 팀을 생성하거나, 상호 보완적인 성향을 가진 사용자들을 그룹화 즉, 사용자의 성향을 기준으로 복수의 사용자를 그룹화함에 따라 복수의 팀을 생성할 수 있다.
여기서, 서버(100)는 팀 생성을 위한 커뮤니티를 구축할 수 있으며, 커뮤니티를 통해 팀을 생성할 수 있다. 예컨대, 서버(100)는 제1 사용자의 요청에 따라 커뮤니티 상에 팀 생성 콘텐츠를 게시할 수 있다. 이후, 서버(100)는 팀 생성 콘텐츠를 통해 하나 이상의 사용자들을 하나의 팀으로 그룹화할 수 있다.
한편, 서버(100)는 복수의 사용자를 그룹화하여 복수의 팀을 생성한 경우, 팀을 대상으로 하는 액션 플랜 정보를 생성 및 제공할 수 있다. 이 경우, 팀에 속한 사용자들이 느끼는 소속감을 통해 동기부여가 제공될 수 있으며, 디지털 헬스케어 서비스에 대한 사용자들의 순응도가 높아질 수 있다.
도 5는 다양한 실시예에서, 액션 플랜 정보를 생성하는 방법을 설명하기 위한 순서도이다.
다양한 실시예에서, 서버(100)는 사용자의 운동 기록 정보 및 사용자의 디지털 바이오 마커를 수집한 경우, 이를 이용하여 액션 플랜 정보를 생성할 수 있다.
구체적으로, 도 5를 참조하면, 단계 S210에서, 서버(100)는 운동 기록 정보에 대응하는 운동 스코어를 산출할 수 있다.
예를 들어, 서버(100)는 운동 기록 정보에 포함된 사용자가 수행한 운동의 종목에 대한 정보, 사용자가 수행한 운동 시간에 대한 정보 및 사용자가 수행한 운동 횟수에 대한 정보 각각을 이용하여 운동 스코어를 산출할 수 있다.
일례로, 서버(100)는 사용자가 런닝 머신 운동을 주 3회, 1시간씩 수행한 경우, 런닝 머신 운동에 대응하는 가중치(예컨대, 1)를 총 운동시간에 곱하여 운동 스코어(즉, 1*3)를 산출할 수 있다.
다른 일례로, 서버(100)는 사용자가 사이클 운동을 주 5회 2시간씩 수행한 경우, 사이클 운동에 대응하는 가중치(예컨대, 1.3)를 총 운동시간에 곱하여 운동 스코어(즉, 1.3*10)를 산출할 수 있다.
단계 S220에서, 서버(100)는 디지털 바이오 마커에 기초하여, 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다.
상술한 바와 같이, 디지털 바이오 마커는 복수의 마커들을 포함할 수 있는데, 서버(100)는 복수의 마커들 중 특정 정신 질환에 대한 중증도를 산출하기 위한 몇몇 마커를 추출(또는 선별)할 수 있다. 그리고, 서버(100)는 몇몇 마커를 이용하여 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다.
예를 들어, 서버(100)는 제1 정신 질환(예컨대, 스트레스)를 선별하거나, 제1 정신 질환에 대한 중증도를 판단하기 위해 제1 마커, 제1 마커와 상이한 제2 마커를 추출할 수 있다. 그리고, 서버(100)는 제1 마커 및 제2 마커를 사전 학습된 신경망 모델에 입력하여, 상기 모델로부터 특정 정신 질환에 대한 중증도 스코어를 획득할 수 있다.
다른 예를 들어, 서버(100)는 디지털 바이오 마커에 포함된 특정 정신 건강과 관련된 설문의 응답을 이용하여, 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다. 여기서, 특정 정신 건강과 관련된 설문은 특정 정신 질환에 대한 중증도를 판별하기 위한 문항들을 포함할 수 있다.
본 발명에서, 특정 정신 질환에 대한 중증도는 정상군(또는, 양호군), 주의군, 위험군 및 고위험군으로 구분될 수 있으며, 중증도 스코어는 정상군 0, 주의군 1, 위험군 2, 고위험군 3 등으로 할당될 수 있다.
이하, 서버(100)가 중증도 스코어를 산출하는 방법에 대한 설명은 도 6을 참조하여 후술한다.
단계 S230에서, 서버(100)는 운동 스코어 및 중증도 스코어를 이용하여, 액션 플랜 정보를 생성할 수 있다.
일례로, 서버(100)는 사전 설정된 테이블에 사용자의 운동 스코어 및 중증도 스코어를 입력하여, 액션 플랜 정보를 결정할 수 있다.
여기서, 사전 설정된 테이블은 운동 스코어를 행으로 갖고, 중증도 스코어를 열로 갖으며, 테이블의 각 셀은 액션 플랜과 관련된 정보를 포함할 수 있다. 여기서, 테이블의 각 셀은 운동 스코어와 중증도 스코어 별로 최적화된 정보를 포함할 수 있다. 한편, 운동 스코어 또는 중증도 스코어가 소수점 단위인 경우, 테이블은 소수점 단위의 숫자를 모두 포함(예: 1.0, 1.1, 1.2??)하는 행과 열을 갖는 형태로 구성될 수 있다.
예를 들어, 서버(100)는 운동 스코어가 1이고, 중증도 스코어가 2인 경우, 1행 2열 셀에 포함된 정보를 포함하는 액션 플랜 정보를 생성할 수 있다. 다른 예를 들어, 서버(100)는 운동 스코어가 1.3이고, 중증도 스코어가 2.0인 경우, 1.3행 2.0열에 포함된 액션 플랜 정보를 생성할 수 있다.
다른 일례로, 서버(100)는 사전 학습된 액션 플랜 생성 모델을 이용하여, 액션 플랜 정보를 생성할 수 있다.
여기서, 사전 학습된 액션 플랜 생성 모델은 운동 스코어와 중증도 스코어를 입력 받으면, 액션 플랜을 출력하도록 사전 학습될 수 있다. 구체적으로, 액션 플랜 생성 모델은, 학습용 데이터에 라벨링 된 라벨 데이터와 치매 식별 모델에서 출력된 예측 데이터 사이의 차이 값을 역전파(back propagation)하여 신경망의 가중치를 업데이트하는 방법으로 학습될 수 있다.
액션 플랜 생성 모델의 학습 데이터는 복수의 사용자 각각의 단말을 통해 본 발명의 헬스케어 서비스를 제공받음에 따라 획득될 수 있다. 여기서, 학습 데이터는 복수의 사용자 각각이 본 발명의 헬스케어 서비스를 제공받을 때 수집되는 운동 스코어와 디지털 바이오 마커를 통해 산출된 중증도 스코어를 포함할 수 있다. 여기서, 테스트 사용자는, 정상군 사용자, 주의군 사용자, 위험군 사용자 및 고위험군 사용자 등을 포함할 수 있다. 다만 이에 한정되는 것은 아니다.
추가적인 실시예에서, 서버(100)는 사전 학습된 액션 플랜 생성 모델을 이용하여, 액션 플랜 정보를 생성하는 경우, 운동 스코어와 중증도 스코어 외에 신체 건강의 변화 및 정신 건강의 변화를 나타내는 지표를 입력 데이터로 활용할 수 있다. 이 경우, 서버(100)는 보다 최적화된 액션 플랜 정보를 생성할 수 있다.
도 6은 다양한 실시예에서, 특정 정신 질환에 대한 중증도 스코어를 산출하는 방법을 설명하기 위한 순서도이다.
다양한 실시예에서, 서버(100)는 디지털 바이오 마커를 이용하여 특정 정신 질환에 대한 중증도를 산출할 수 있다.
구체적으로, 도 6을 참조하면, 단계 S221에서, 서버(100)는 디지털 바이오 마커에서 특정 정신 질환과 관련된 특정 마커를 추출할 수 있다.
예를 들어, 디지털 바이오 마커는 제1 정신 질환을 판별하는데 이용되는 하나 이상의 마커, 제2 정신 질환을 판별하는데 이용되는 하나 이상의 마커를 포함할 수 있다. 또한, 제1 정신 질환과 제2 정신 질환 각각을 판별하는데 동일한 마커가 이용될 수 있다.
따라서, 서버(100)는 수집된 디지털 바이오 마커들 중 특정 정신 질환을 판별하는데 이용되는 몇몇 마커들을 선별할 수 있다.
예를 들어, 서버(100)는 제1 정신 질환(예컨대, 스트레스)를 선별하거나, 제1 정신 질환에 대한 중증도를 판단하기 위해 제1 마커, 제1 마커와 상이한 제2 마커를 추출할 수 있다. 다른 예를 들어, 서버(100)는 제2 정신 질환(예컨대, 우울증)를 선별하거나, 제2 질환에 대한 중증도를 판단하기 위해 제1 마커, 제3 마커 및 제4 마커를 추출할 수 있다.
단계 S222에서, 서버(100)는 특정 마커를 사전 학습된 신경망 모델에 입력하여, 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다.
여기서, 사전 학습된 신경망 모델은 하나 이상의 마커를 입력 받는 하나 이상의 서브 모델을 포함할 수 있다. 그리고, 신경망 모델은 하나 이상의 서브 모델 각각의 출력된 서브 출력 값의 평균 값을 중증도 스코어로 출력할 수 있다.
예를 들어, 신경망 모델은 제1 정신 질환과 관련된 제1 마커를 제1 서브 모델에 입력 받고, 제1 정신 질환과 관련된 제2 마커를 제2 서브 모델에 입력 받을 수 있다. 그리고, 신경망 모델은 제1 서브 모델이 1을 출력하고, 제2 서브 모델이 3을 출력하는 경우, 1과 3의 평균 값인 2를 중증도 스코어로 출력할 수 있다.
추가적인 실시예에서, 신경망 모델이 포함하는 서브 모델들은 중증도 스코어의 정확도를 높이기 위한 가중치가 설정되어 있을 수 있다. 구체적으로, 복수의 서브 모델 각각에는 특정 정신 질환의 중증도 판단에 기여하는 정도에 기초하여 가중치가 설정되어 있을 수 있다.
예를 들어, 신경망 모델은 제2 정신질환과 관련된 마커들을 입력 받는 제1 서브 모델, 제3 서브 모델 및 제4 서브 모델을 포함할 수 있다. 여기서, 제1 서브 모델은 사전 분석에 따라 가중치가 1로 설정되고, 제3 서브 모델은 1.2, 제4 서브 모델은 0.8의 가중치가 설정될 수 있다. 이 경우, 신경망 모델은 각 서브모델에서 출력하는 값에 각 서브 모델에 설정된 가중치를 곱한 결과 값의 평균 값을 중증도 스코어로 출력할 수 있다.
다른 실시예에서, 서버(100)는 디지털 바이오 마커에 포함된 특정 정신 건강과 관련된 설문의 응답을 이용하여, 특정 정신 질환에 대한 중증도 스코어를 산출할 수 있다. 여기서, 특정 정신 건강과 관련된 설문은 특정 정신 질환에 대한 중증도를 판별하기 위한 문항들을 포함할 수 있다.
또 다른 실시예에서, 서버(100)는 신경망 모델을 이용하여 산출한 제1 중증도 스코어와 특정 정신 건강과 관련된 설문의 응답을 이용하여 산출하는 제2 중증도 스코어를 이용하여, 최종 중증도 스코어를 산출할 수 있다.
예를 들어, 서버(100)는 제1 중증도 스코어와 제2 중증도 스코어가 동일한 경우에만 최종 중증도 스코어를 산출할 수 있다. 다른 예를 들어, 서버(100)는 제1 중증도 스코어와 제2 중증도 스코어가 상이한 경우, 제1 중증도 스코어를 출력한 신경망 모델이 제2 중증도 스코어를 산출하도록 보정할 있다.
도 7은 다양한 실시예에서, 정신 건강 정보를 생성 및 제공하는 방법을 설명하기 위한 순서도이다.
다양한 실시예에서, 서버(100)는 본 발명의 헬스케어 서비스 또는 서드파티 서비스에서 제공하는 디지털 치료제의 복약 순응도를 높일 수 있다.
구체적으로, 도 7을 참조하면, 단계 S400에서, 서버(100)는 중증도 스코어를 산출한 경우, 사용자의 복약 순응도를 높이기 위해 중증도 스코어를 포함하는 정신 건강 정보를 생성할 수 있다.
여기서, 정신 건강 정보는 주의군 또는 위험군을 분류하기 위한 임계 값을 초과하는 중증도 스코어를 갖는 특정 정신 질환에 대한 정보를 포함할 수 있다. 예를 들어, 정신 건강 정보는 사용자가 불안 장애에 해당되고, 주의군에 포함된다는 내용을 포함할 수 있다. 다른 예를 들어, 정신 건강 정보는 사용자가 외상 후 스트레스 장애에 해당되고, 위험군에 포함된다는 내용을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
단계 S500에서, 서버(100)는 정신 건강 정보를 액션 플랜 정보와 함께 사용자에게 제공할 수 있다. 여기서, 액션 플랜 정보는 특정 정신 질환에 대응하는 디지털 치료제 처방 정보를 포함할 수 있다.
즉, 사용자 액션 플랜 정보를 확인하여, 다음 운동을 하거나 디지털 치료제 애플리케이션을 사용하거나 또는 병원을 내방하는 것과 동시에 자신의 정신 건강 정보를 확인할 수 있다. 이 경우, 사용자는 본인에게 해당되는 정신 질환에 대한 정보를 인식함에 따라 복약 순응도가 높아질 수 있다.
도 8은 다양한 실시예에서, 액션 플랜 정보를 업데이트하는 방법을 설명하기 위한 순서도이다.
다양한 실시예에서, 서버(100)는 사용자의 상태 또는 사용자의 복약 순응도에 따라 액션 플랜 정보를 업데이트할 수 있다.
구체적으로, 도 8을 참조하면, 단계 S600에서, 서버(100)는 운동 기록 정보 및 디지털 바이오 마커에 기초하여, 복약 순응도 값을 산출할 수 있다. 여기서, 복약 순응도 값은 디지털 치료제 이용 시간, 횟수, 완료율 등에 기초하여 산출될 수 있으며, 디지털 치료제 이용 시간, 횟수, 완료율 등은 디지털 바이오 마커에 포함될 수 있다.
일례로, 서버(100)는 사용자의 복약 순응도 값을 산출할 때, 사용자의 디지털 치료제 이용 시간이 사전 설정된 이용 시간 이상이거나, 액션 플랜 정보에 포함된 디지털 치료제 이용 시간(또는 목표 사용 시간) 이상인지 여부를 이용하여 복약 순응도 값을 산출할 수 있다.
예를 들어, 사용자의 디지털 치료제 이용 시간이 사전 설정된 이용 시간 이상이거나, 액션 플랜 정보에 포함된 디지털 치료제 이용 시간 이상인 경우, 복약 순응도 값에 1점을 부가할 수 있다. 한편, 사용자의 디지털 치료제 이용 시간이 사전 설정된 이용 시간 미만이거나, 액션 플랜 정보에 포함된 디지털 치료제 이용 시간 미만인 경우, 복약 순응도 값에 0점을 부가할 수 있다.
다른 일례로, 서버(100)는 사용자의 복약 순응도 값을 산출할 때, 사용자의 디지털 치료제 이용 횟수가 사전 설정된 이용 횟수 이상이거나, 액션 플랜 정보에 포함된 디지털 치료제 이용 횟수(또는 목표 사용 횟수) 이상인지 여부를 이용하여 복약 순응도 값을 산출할 수 있다.
예를 들어, 서버(100)는 사용자의 디지털 치료제 이용 횟수가 사전 설정된 이용 횟수 이상이거나 액션 플랜 정보에 포함된 디지털 치료제 이용 횟수 이상인 경우, 복약 순응도 값에 1점을 부가할 수 있다. 한편, 사용자의 디지털 치료제 이용횟수가 사전 설정된 이용 횟수 미만이거나 액션 플랜 정보에 포함된 디지털 치료제 이용 횟수 미만인 경우, 복약 순응도 값에 0점을 부가할 수 있다.
상술한 예시들 외에도 서버(100)는 디지털 바이오 마커에 포함된 적어도 하나의 마커를 이용하여 사용자의 복약 순응도 값을 산출할 수 있다.
단계 S700에서, 서버(100)는 복약 순응도 값에 기초하여, 액션 플랜 정보를 업데이트할 수 있다.
일례로, 서버(100)는 복약 순응도 값이 낮음으로 판단되는 제1 값 미만인 경우, 액션 플랜 정보에 포함된 운동 처방 정보의 운동량을 낮출 수 있다. 또한, 서버(100)는 액션 플랜 정보에 포함된 운동 처방을 수행하도록 야기하는 알림을 사용자에게 제공할 수 있다.
다른 일례로, 서버(100)는 복약 순응도 값이 낮음으로 판단되는 제1 값 미만인 경우, 액션 플랜 정보에 포함된 디지털 치료제 처방 정보의 디지털 치료제 사용량(예컨대, 사용 시간, 사용 횟수 등)을 낮출 수 있다. 또한, 서버(100)는 액션 플랜 정보에 포함된 디지털 치료제를 수행하도록 야기하는 알림을 상기 사용자에게 제공할 수 있다.
이 경우, 서버(100)는 사용자가 수행하기에 무리가 되지 않는 선에서 액션 플랜 정보에 포함된 운동, 디지털 치료제 등을 이용할 수 있는 환경을 제공할 수 있다.
따라서, 본 발명의 서버(100)는 사용자가 실제로 따라올 수 있는 플랜을 세워, 사용자에게 최적화된 액션 플랜 정보를 제공할 수 있다.
다양한 실시예에서, 본 발명의 운동 처방 또는 디지털 치료제는 게이미피케이션 요소가 적용된 형태로 사용자에게 제공될 수 있다. 서버(100)는 게이미피케이션 요소가 적용된 형태의 디지털 치료제의 경우, 게임 캐릭터의 레벨, 경험치, 목표 달성 시간(완료 시간) 등을 통해 복약 순응도를 파악하고, 액션 플랜 정보를 업데이트할 수 있다.
일례로, 서버(100)는 액션 플랜 정보에 포함된 제1 목표 및 사용자가 제1 목표를 달성한 시점부터 보상 제공 종료 시간(예: 24시)까지 남은 시간에 기초하여 제2 목표를 설정할 수 있다. 예를 들어, 서버(100)는 제1 목표가 서비스 이용 3시간이고, 제1 목표를 달성한 시점부터 보상 제공 종료 시간인 24시까지 남은 시간이 4시간인 경우, 액션 플랜 정보에 포함된 제2 목표를 서비스 이용 30분 이상(예: 3*(4/24))으로 업데이트 할 수 있다. 한편, 서버(100)는 액션 플랜 정보에 포함된 제1 목표가 게임 캐릭터 레벨 1 상승이고, 제1 목표를 달성한 시점부터 보상 제공 종료 시간인 24시까지 남은 시간이 4시간인 경우, 액션 플랜 정보에 포함된 제2 목표를 획득 경험치 17% 이상(예: 100%*(4/24))으로 업데이트 할 수 있다. 그러나, 이에 한정되지 않는다.
다양한 실시예에서, 서버(100)는 액션 플랜 정보에 포함된 제1 목표 달성을 위해 수행한 미션에 관한 정보와 소정의 기간 동안 사용자의 미션 수행 이력에 기초하여 액션 플랜 정보에 포함된 제2 목표를 업데이트 할 수 있다.
구체적으로, 서버(100)는 소정의 기간 동안 사용자의 미션 수행 이력에 기초하여, 복수의 서비스 각각에 대한 사용자의 평균 이용 시간(또는 평균 획득 경험치량)을 산출할 수 있다. 그리고, 서버(100)는 복수의 서비스 각각에 대한 평균 이용 시간(또는 평균 획득 경험치량)과 복수의 서비스 각각의 실제 이용 시간(또는 실제 획득 경험치량) 간의 차이 값을 산출할 수 있다. 예를 들어, 서버(100)는 복수의 서비스 중 평균 이용 시간 대비 적은 시간을 이용한 서비스 또는 평균 획득 경험치 대비 적은 경험치를 획득한 서비스를 선택하고, 선택한 서비스에 대한 차이 값(예: 선택된 서비스의 평균 이용 시간과 실제 이용 시간의 차이 값 또는 선택된 서비스의 평균 획득 경험치량과 실제 획득 경험치량의 차이 값)을 산출할 수 있다.
이후, 서버(100)는 산출된 차이 값을 이용하여 액션 플랜 정보에 포함된 제2 목표를 업데이트 할 수 있다.
일례로, 서버(100)는 사용자에 의해 선택된 서비스가 운동 서비스이고 운동 서비스의 평균 이용 시간과 실제 이용 시간의 차이가 30분인 경우, 액션 플랜 정보에 포함된 제2 목표를 운동 서비스 이용 30분 이상으로 업데이트 할 수 있다.
다른 예로, 서버(100)는 사용자에 의해 선택된 서비스가 운동 서비스이고 운동 서비스의 평균 획득 경험치량과 실제 획득 경험치량의 차이가 30%인 경우, 액션 플랜 정보에 포함된 제2 목표를 운동 서비스를 통해 경험치 30% 이상 획득으로 업데이트 할 수 있다.
다양한 실시예에서, 서버(100)는 액션 플랜 정보에 포함된 제2 목표의 달성을 위한 하나 이상의 추천 미션을 결정하고, 하나 이상의 추천 미션에 관한 정보를 포함하는 가이드 정보를 사용자에게 제공할 수 있다. 예를 들어, 서버(100)는 사용자가 제1 목표 달성을 위해 수행한 미션에 관한 정보와 소정의 기간 동안 사용자의 미션 수행 이력에 기초하여 하나 이상의 추천 미션을 결정할 수 있다.
일례로, 서버(100)는 소정의 기간 동안 사용자의 미션 수행 이력에 기초하여, 복수의 서비스 각각에 대한 사용자의 평균 이용 시간(또는 평균 획득 경험치량)을 산출할 수 있고, 복수의 서비스 각각에 대한 평균 이용 시간(또는 평균 획득 경험치량)과 사용자가 제1 목표 달성을 위해 수행한 미션에 관한 정보를 비교하여 하나 이상의 추천 미션을 결정할 수 있다. 예를 들어, 서버(100)는 사용자의 평균 교육 콘텐츠 이용 시간이 1시간, 평균 운동 서비스 이용 시간이 1시간이고, 사용자가 제1 목표 달성을 위해 수행한 미션이 교육 콘텐츠 1시간 30분, 운동 서비스 30분인 경우 즉, 사용자의 운동 서비스 이용 시간이 평균보다 30분 적은 경우, 운동 서비스를 추천 미션으로 결정하여 사용자에게 운동 서비스를 이용하여 제2 목표를 달성하도록 안내하는 가이드 정보를 제공할 수 있다.
다른 예로, 서버(100)는 사용자가 액션 플랜 정보에 포함된 제1 목표 달성을 위해 수행한 미션에 기초하여, 복수의 서비스 중 사용자가 이용하지 않은 적어도 하나의 서비스를 선택하고, 선택된 적어도 하나의 서비스를 이용하여 제2 목표를 달성하도록 안내하는 가이드 정보를 제공할 수 있다.
즉, 본 발명의 서버(100)는 사용자의 서비스 이용 상태(복약 순응도)를 고려하여, 액션 플랜 정보를 업데이트하고, 가이드를 제공할 수 있다. 따라서, 서버(100)는 사용자별로 최적화된 액션 플랜 정보를 제공할 수 있다.
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.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
본 발명의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 발명의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 발명의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 발명의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (11)
- 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서,
사용자의 운동 기록 정보 및 상기 사용자의 디지털 바이오 마커를 수집하는 단계;
상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계; 및
상기 액션 플랜 정보를 상기 사용자에게 제공하는 단계;
를 포함하고,
상기 액션 플랜 정보는,
상기 사용자에게 정신적 치료 또는 신체적 치료를 제안하는 정보 및 상기 사용자에 대한 운동 처방 정보 중 적어도 하나를 포함하고,
상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 액션 플랜 정보를 생성하는 단계는,
상기 운동 기록 정보에 대응하는 운동 스코어를 산출하는 단계;
상기 디지털 바이오 마커에 기초하여, 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계; 및
상기 운동 스코어 및 상기 중증도 스코어를 이용하여, 상기 사용자에게 최적화된 운동을 처방하는 상기 액션 플랜 정보를 생성하는 단계;
를 포함하고,
상기 방법은,
상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 상기 사용자에게 이전에 제공된 액션 플랜의 달성 여부를 판단하고, 상기 달성 여부에 따라 상기 사용자에게 보상을 제공하는 단계;
를 더 포함하고,
상기 보상을 제공하는 단계는,
상기 사용자가 상기 액션 플랜 정보에 포함된 제1 목표를 달성한 경우, 상기 제1 목표를 달성한 시점부터 보상 제공 종료 시간까지 남은 시간에 기초하여 제2 목표를 설정하는 단계; 를 포함하고,
상기 제2 목표를 설정하는 단계는,
상기 사용자의 이력에 기초하여 수행목표를 결정하는 단계; 및
상기 남은 시간에 기초하여 상기 수행목표의 일정 비율에 해당하는 상기 제2 목표를 설정하는 단계; 를 포함하는,
헬스케어 서비스 제공방법. - 삭제
- 제1항에 있어서,
상기 디지털 바이오 마커에 기초하여, 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계는,
상기 디지털 바이오 마커에서 특정 정신 질환과 관련된 특정 마커를 추출하는 단계; 및
상기 특정 마커를 사전 학습된 신경망 모델에 입력하여, 상기 특정 정신 질환에 대한 중증도 스코어를 산출하는 단계;
를 포함하고,
상기 사전 학습된 신경망 모델은,
하나 이상의 마커를 입력 받는 하나 이상의 서브 모델을 포함하고,
상기 하나 이상의 서브 모델 각각의 출력된 서브 출력 값의 평균 값을 상기 중증도 스코어로 출력하는,
헬스케어 서비스 제공방법. - 제1항에 있어서,
상기 방법은,
상기 중증도 스코어를 산출한 경우, 상기 사용자의 복약 순응도를 높이기 위해 상기 중증도 스코어를 포함하는 정신 건강 정보를 생성하는 단계; 및
상기 정신 건강 정보를 상기 액션 플랜 정보와 함께 상기 사용자에게 제공하는 단계;
를 더 포함하고,
상기 정신 건강 정보는,
주의군 또는 위험군을 분류하기 위한 임계 값을 초과하는 중증도 스코어를 갖는 특정 정신 질환에 대한 정보를 포함하고,
상기 액션 플랜 정보는,
상기 특정 정신 질환에 대응하는 디지털 치료제 처방 정보를 더 포함하는,
헬스케어 서비스 제공방법. - 제1항에 있어서,
상기 디지털 바이오 마커는,
상기 사용자의 정신 건강을 측정하기 위한 요소로서, 휴대폰 사용 시간, 휴대폰 사용 횟수, 음성, 심박변이도, 이동 시간, 이동 속도, 이동 거리, 특정 정신 건강과 관련된 설문의 응답 및 디지털 치료제 애플리케이션 사용 정보 중 적어도 하나를 포함하는,
헬스케어 서비스 제공방법. - 제1항에 있어서,
상기 방법은,
상기 운동 기록 정보 및 상기 디지털 바이오 마커에 기초하여, 복약 순응도 값을 산출하는 단계; 및
상기 복약 순응도 값에 기초하여, 상기 액션 플랜 정보를 업데이트하는 단계;
를 더 포함하는,
헬스케어 서비스 제공방법. - 제6항에 있어서,
상기 복약 순응도 값에 기초하여, 상기 액션 플랜 정보를 업데이트하는 단계는,
상기 복약 순응도 값이 낮음으로 판단되는 제1 값 미만인 경우, 상기 액션 플랜 정보에 포함된 상기 운동 처방 정보의 운동량을 낮추거나, 상기 액션 플랜 정보에 포함된 디지털 치료제 처방 정보의 디지털 치료제 사용량을 낮추는 단계; 및
상기 복약 순응도 값을 높이기 위해 액션 플랜 정보에 포함된 운동 처방 또는 디지털 치료제를 수행하도록 야기하는 알림을 상기 사용자에게 제공하는 단계;
를 포함하는,
헬스케어 서비스 제공방법. - 제1항에 있어서,
상기 액션 플랜의 달성 여부는,
상기 사용자에게 정신적 치료 또는 신체적 치료를 제안한 것에 대응하여 병원을 방문했는지 여부, 운동 처방에 대응하는 운동량을 수행했는지 여부 및 디지털 치료제 처방에 대응하는 디지털 치료제를 사용했는지 여부 중 적어도 하나에 기초하여 판단되는,
헬스케어 서비스 제공방법. - 제1 항에 있어서,
상기 보상을 제공하는 단계는,
상기 사용자의 액션 플랜 이행 결과에 따라 이에 대응하는 가상자산을 제공하는 단계; 를 포함하는,
헬스케어 서비스 제공방법. - 하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
제1항의 방법을 수행하는, 장치. - 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220063499A KR102427390B1 (ko) | 2022-05-24 | 2022-05-24 | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220063499A KR102427390B1 (ko) | 2022-05-24 | 2022-05-24 | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102427390B1 true KR102427390B1 (ko) | 2022-08-01 |
Family
ID=82844306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220063499A KR102427390B1 (ko) | 2022-05-24 | 2022-05-24 | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102427390B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102566213B1 (ko) * | 2022-11-03 | 2023-08-11 | 에버엑스 주식회사 | 디지털 기반의 근골격계 재활 치료 제공 방법 및 시스템 |
| KR102573773B1 (ko) * | 2022-09-19 | 2023-09-04 | 주식회사 파이디지털헬스케어 | 개인정보 비식별 처리를 적용한 디지털 치료제 처방 데이터 교환 시스템 및 방법 |
| KR102650936B1 (ko) * | 2022-12-16 | 2024-03-26 | 주식회사 닥터포레스트 | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 |
| KR102658076B1 (ko) * | 2023-08-14 | 2024-04-17 | 웰트 주식회사 | 사용자의 표현형을 기반으로 한 적응적 디지털 치료 방법 및 이러한 방법을 수행하는 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101630611B1 (ko) * | 2015-08-11 | 2016-06-15 | (주) 비비비 | 사용자의 생체 정보 및 건강 활동 정보를 기반으로 사용자 맞춤형 건강 관리 지침 정보를 제공하는 방법 |
| KR20160116762A (ko) * | 2015-03-31 | 2016-10-10 | 삼성생명보험주식회사 | 리워드를 통하여 건강활동을 독려하기 위한 컴퓨터 프로그램, 서버 및 사용자 단말 |
| KR102224188B1 (ko) * | 2019-12-31 | 2021-03-08 | 이창훈 | 클라우드 기반 인공지능을 활용하여 가상현실용 헬스케어 콘텐츠를 제공하기 위한 시스템 및 방법 |
| KR20210058449A (ko) * | 2019-11-14 | 2021-05-24 | 주식회사 셀바스에이아이 | 인공 지능 기반의 정신 건강 관리를 위한 장치 및 방법 |
| KR102374780B1 (ko) | 2021-12-24 | 2022-03-17 | 주식회사 네시삼십삼분 | 정신적 장애의 개선을 위한 게임 기반의 디지털 치료 솔루션 제공방법, 서버 및 컴퓨터프로그램 |
-
2022
- 2022-05-24 KR KR1020220063499A patent/KR102427390B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160116762A (ko) * | 2015-03-31 | 2016-10-10 | 삼성생명보험주식회사 | 리워드를 통하여 건강활동을 독려하기 위한 컴퓨터 프로그램, 서버 및 사용자 단말 |
| KR101630611B1 (ko) * | 2015-08-11 | 2016-06-15 | (주) 비비비 | 사용자의 생체 정보 및 건강 활동 정보를 기반으로 사용자 맞춤형 건강 관리 지침 정보를 제공하는 방법 |
| KR20210058449A (ko) * | 2019-11-14 | 2021-05-24 | 주식회사 셀바스에이아이 | 인공 지능 기반의 정신 건강 관리를 위한 장치 및 방법 |
| KR102224188B1 (ko) * | 2019-12-31 | 2021-03-08 | 이창훈 | 클라우드 기반 인공지능을 활용하여 가상현실용 헬스케어 콘텐츠를 제공하기 위한 시스템 및 방법 |
| KR102374780B1 (ko) | 2021-12-24 | 2022-03-17 | 주식회사 네시삼십삼분 | 정신적 장애의 개선을 위한 게임 기반의 디지털 치료 솔루션 제공방법, 서버 및 컴퓨터프로그램 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102573773B1 (ko) * | 2022-09-19 | 2023-09-04 | 주식회사 파이디지털헬스케어 | 개인정보 비식별 처리를 적용한 디지털 치료제 처방 데이터 교환 시스템 및 방법 |
| KR102566213B1 (ko) * | 2022-11-03 | 2023-08-11 | 에버엑스 주식회사 | 디지털 기반의 근골격계 재활 치료 제공 방법 및 시스템 |
| WO2024096204A1 (ko) * | 2022-11-03 | 2024-05-10 | 에버엑스 주식회사 | 디지털 기반의 근골격계 재활 치료 제공 방법 및 시스템 |
| KR102650936B1 (ko) * | 2022-12-16 | 2024-03-26 | 주식회사 닥터포레스트 | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 |
| KR102658076B1 (ko) * | 2023-08-14 | 2024-04-17 | 웰트 주식회사 | 사용자의 표현형을 기반으로 한 적응적 디지털 치료 방법 및 이러한 방법을 수행하는 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102427390B1 (ko) | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 | |
| US10322349B2 (en) | Method and system for learning and cognitive training in a virtual environment | |
| CN110678932B (zh) | 服务提供方处理设备和用于提供定制的锻炼推荐的方法 | |
| US8775332B1 (en) | Adaptive user interfaces | |
| US11420115B2 (en) | Automated dynamic custom game content generation | |
| US11642594B2 (en) | Operator interface for automated game content generation | |
| US11724193B2 (en) | Automated prediction of user response states based on traversal behavior | |
| US20230076907A1 (en) | Game definition file | |
| US11957982B2 (en) | Parametric player modeling for computer-implemented games | |
| US20220088481A1 (en) | Automated game assessment | |
| US11806624B2 (en) | On device game engine architecture | |
| US11738272B2 (en) | Automated generation of custom content for computer-implemented games | |
| KR102374780B1 (ko) | 정신적 장애의 개선을 위한 게임 기반의 디지털 치료 솔루션 제공방법, 서버 및 컴퓨터프로그램 | |
| Figueroa et al. | Adaptive learning algorithms to optimize mobile applications for behavioral health: guidelines for design decisions | |
| CN113449260A (zh) | 广告点击率预测方法、模型的训练方法、装置和存储介质 | |
| Flórez et al. | User-Based Cognitive Model in NGOMS-L for the Towers of Hanoi Algorithm in the Metacognitive Architecture CARINA | |
| KR102671422B1 (ko) | 학생의 인적성 및 성적 자료와 머신러닝 기술을 활용하여 학교에서 반 배정을 하는 장치 및 방법 | |
| KR102617130B1 (ko) | Ai 기술에 기반한 사용자 감정 맞춤형 작품 추천 및 가상전시 플랫폼 제공 방법, 장치 및 프로그램 | |
| KR102598931B1 (ko) | 선수 스카우팅을 위한 정보 제공 장치 및 방법 | |
| KR20240027259A (ko) | 사용자의 목표 달성을 위한 게이미피케이션 서비스 제공방법, 장치 및 컴퓨터 프로그램 | |
| KR20240080193A (ko) | 인적성 검사 결과 기반의 자동 반 배정 장치, 방법 및 프로그램 | |
| KR20240037846A (ko) | 학생의 인적성 및 성적 자료와 머신러닝 기술을 활용하여 학교에서 반 배정을 하는 장치 및 방법 | |
| KR20240027256A (ko) | 데이터 분석을 통한 사용자 정서상태 추론 방법, 장치 및 컴퓨터 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A302 | Request for accelerated examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |