KR102474661B1 - 인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법 - Google Patents

인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법 Download PDF

Info

Publication number
KR102474661B1
KR102474661B1 KR1020207017543A KR20207017543A KR102474661B1 KR 102474661 B1 KR102474661 B1 KR 102474661B1 KR 1020207017543 A KR1020207017543 A KR 1020207017543A KR 20207017543 A KR20207017543 A KR 20207017543A KR 102474661 B1 KR102474661 B1 KR 102474661B1
Authority
KR
South Korea
Prior art keywords
atopic dermatitis
reba
analysis
snp
result data
Prior art date
Application number
KR1020207017543A
Other languages
English (en)
Other versions
KR20210053808A (ko
Inventor
이혜존
유광민
Original Assignee
주식회사 이노제닉스
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 주식회사 이노제닉스 filed Critical 주식회사 이노제닉스
Publication of KR20210053808A publication Critical patent/KR20210053808A/ko
Application granted granted Critical
Publication of KR102474661B1 publication Critical patent/KR102474661B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • 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
    • G16H50/20—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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/156—Polymorphic or mutational markers
    • 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
    • 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
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Biotechnology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Finance (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)

Abstract

본 발명은 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계와, 상기 판독 결과 데이터를 기반으로 하여 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 단계를 포함하는 인공지능 기반 아토피 피부염 예측 방법, 예방 상품 추천 방법 및 시스템을 제공한다.

Description

인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법
본 발명은 아토피 피부염 예측 및 예방 상품 추천 방법에 관한 것으로서, 보다 자세하게는 인공지능을 기반으로 하여 아토피 피부염 위험군을 예측하고 이러한 예측 결과를 토대로 아토피 피부염 예방 가이드라인을 제시하며 관련 상품을 추천하고 판매할 수 있는 서비스 방법에 관한 것이다.
아토피피부염은 주로 영·유아에서 발생하는 흔한 만성, 재발성 피부염으로 가려움증을 동반하며 홍조를 띄는 습진성 질환이다. 전 세계적으로 소아에서 7.3-7.9%를 차지하며, 한국에서는 소아에서 10-20%, 성인에서는 1-3%를 차지한다고 보고되어 있다. 특히 3세 이하 소아에서 유병률이 높다고 보고되어 있다. 아토피 피부염 환자의 50%는 알레르기성 비염으로 75%는 천식으로 진행되는 것으로 보고되어 있다. 따라서 영·유아 시기에 신속한 예방은 아토피 피부염 진행을 현저히 낮추어 알레르기성 질환 발전 가능성을 낮게 하는 것으로 보고되어 있다. 이러한 아토피 피부염 조기에 예방하기 위해서 보습제, 유산균, 모유 수유 등 다양한 방법을 이용하여 진행되므로 조기에 예방할 유전적 소향이 있는 대상자를 선별하는 검사가 필요하다. 아토피피부염 발병 전 유아 및 소아를 대상으로 간편하고 저렴하며 비침습적인 방법으로 검체 채취가 용이한 아토피피부염 선별 분자유전검사를 제조하고 이를 이용한 예측과 함께 아토피피부염의 효율적인 예방 정보 추천 및 관련 상품을 판매 서비스함으로써 극심한 고통으로 삶의 질이 악화되는 아토피 피부염을 효과적으로 예방하는데 기여하고자 한다.
대한민국 등록특허 제10-1864614호(이하 '특허문헌 1'이라 함)는 아토피 질환을 앓고 있는 환자들에게 자신의 증상에 따라 의사처방, 민감요법, 이유식, 도시락, 세척제, 입욕제, 보습크림, 장갑, 습도조절기 또는 이들의 조합을 포함한 아토피 완화나 제거를 위한 각종 치료법, 식이요법 및 용품사용에 관련된 케어 프로그램을 기계학습을 통해 제공하도록 하는 아토피 오토케어 장치 및 그 방법에 관한 내용을 개시하고 있다.
대한민국 등록특허 제10-1864986호(이하 '특허문헌 2'라 함)는 유전체 정보 기반 질병 예측 방법 및 장치에 대한 내용을 개시하고 있다. 특허문헌 2에 따르면 질병 예측 방법은 유전체 정보를 수신하고, 상기 수신된 유전체 정보를 단일 염기 다형성(SNP) 위치 및 유전체형(genotypes)들을 포함하는 원-핫 벡터 형태로 변환하는 단계와, 상기 원-핫 벡터와 미리 결정된 질병들 정보를 포함하는 벡터 간의 상호 정보(mutual information)을 이용하여 상기 단일 염기 다형성(SNP) 위치 및 유전체형(genotypes)들 중 일정 개수의 주요 단일 염기 다형성(SNP) 위치 및 유전체형(genotype)들을 결정하는 단계와, 및 상기 결정도니 주요 단일 다형성(SNP) 위치 및 유전체형(genotypes)들에 기초하여 질병을 예측하는 단계를 포함한다.
대한민국 등록특허 제10-0098561호(이하 '특허문헌 3'이라 함)는 분석 대상 질병에 관련된 단일염기다형성(SNP) 조합을 기초로 사용자의 질병 발생 위험도를 예측하는 질병 발생 위험도 예측 장치로서, 질환군과 대조군의 전장유전체분석 정보를 기초로 추출한 SNP들의 질병 연관도를 저장하는 전장유전체분석 기반 질병 연관도 데이터베이스, 그리고 상기 질병 연관도 데이터베이스에서 가져온 분석 대상 질병 관련 SNP 데이터를 필터링 순서에 따라 단계적으로 필터링하고, 각 단계의 필터링으로 생성된 SNP 후보 조합들의 오류율을 기초로 다음 단계의 필터링을 진행하며, SNP 후보 조합들에서 오류율이 가장 낮은 SNP 후보 조합을 질병 관련 SNP 조합으로 추출하는 SNP 조합 추출부를 포함한다.
대한민국 등록특허 제10-005787호(이하 '특허문헌 4'라 함)는 질병 정보 예측 시스템으로서, 유전자별 발현 분포를 기초로 복수의 유전자 데이터세트 각각에 대한 발현현화 유전자 정보를 생성하는 발현변화 유전자 추출부, 유전자, 세포 기능, 그리고 질병의 연관 관계를 기초로 초기 심층 신경망을 생성하고 상기 복수의 유전자 데이터세트 각각에 대한 발현변화 유전자 정보를 기초로 상기 초기 심층 신경망을 학습시켜 최종 심층 신경망을 생성하는 학습부, 그리고 상기 최종 심층 신경망을 역전파(backward propagation)하여 상기 질병에 관련된 질병 정보를 탐색하는 탐색부를 포함한다.
대한민국 등록특허 제10-0134203호(이하 '특허문헌 5'라 함)는 SNP를 이용한 질병 관련 유전체 분석 시스템 및 장치에 관한 것이다. 종래의 질병 및 약물반응 예측 유전자 검사 시스템은 의뢰자의 요구 및 의심 질환의 종류에 따른 사전상담, 접수, 개인 유전체 변이형 확인(실험), 예측, 결과보고서와 같은 일련의 과정 및 이와 관련된 정보 수집과 적용에 대한 기술로서 이루어지고 있는데, 광범위하게 발표되고 있는 데이터의 정확한 인식과 향후 의뢰자에게 전달하는 객관적이고 구체적인 보고서에 대한 논의가 미흡한 사항으로 인해 신뢰성 문제가 발생되고 있는 실정이므로 1단계로 질병 및 약물 반응 관련 데이터베이스, 연구 데이터베이스 및 유전자 데이터베이스로부터 개선된 알고리즘에 의해 객관적이고 구체적인 SNP-질병 연관성을 도출하고, 2단계로 상기 1단계에서 도출된 특정 질병 관련 SNP들의 복합성을 분석하여 최종 질병 위험도를 산출하므로, 질병 예측 결과의 정확도를 향상시키는 효과가 있을 것으로 기대된다.
본 발명은 단일염기 다형성 정보에 따른 아토피 선별 검사 결과를 인공지능 모델을 이용하여 아토피 피부염 위험도를 분석 및 예측하고, 나아가 아토피 피부염 위험군 예방 가이드라인 제시 및 관련 상품 추천 및 판매 서비스를 제공하는 것을 목적으로 한다.
상기와 같은 과제를 해결하기 위해 본 발명은 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계와, 상기 판독 결과 데이터를 기반으로 하여 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 단계를 포함하는 인공지능 기반 아토피 피부염 예측 방법을 제공한다.
본 발명의 일 실시예에 따르면, 상기 AI분석은 한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 구성되는 인공신경망 분석 방법을 이용한다.
본 발명의 일 실시예에 따르면, 상기 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계는 구강상피세포 및 타액에서 추출된 genomic DNA를 이용한 Multiplex PCR 데이터를 수집하는 단계와, REBA Atopy SNP 검사를 수행하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 상기 REBA Atopy SNP 검사를 수행하는 단계는 KLK 유전자의 rs1991818, SPINK5 유전자의 rs2303064, rs2303065, rs2303070, FLG 유전자의 rs200519781, rs146466242, KDR 유전자의 rs2305948, IL5RA 유전자의 rs334809, IL9 유전자의 rs31563, IL12RB1 유전자의 rs393548, rs436857 및 DEFB1_1 유전자의 rs5743399 로 이루어진 군에서 선택된 1종 이상의 SNP 를 포함한다.
또한, 본 발명은 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계와, 상기 판독 결과 데이터를 기반으로 하여 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 단계와, 발병 위험도에 따라 사용자 군을 구분하고 상기 구분된 사용자 군 별 예방 방법을 추천하는 단계를 포함하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법을 개시한다.
본 발명의 일 실시예에 따르면, 상기 AI 분석은 한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 구성되는 인공신경망 분석 방법을 이용한다.
본 발명의 일 실시예에 따르면, 상기 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계는 구강상피세포 및 타액에서 추출된 genomic DNA를 이용한 Multiplex PCR 데이터를 수집하는 단계와, REBA Atopy SNP 검사를 수행하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 상기 REBA Atopy SNP 검사를 수행하는 단계는 KLK 유전자의 rs1991818, SPINK5 유전자의 rs2303064, rs2303065, rs2303070, FLG 유전자의 rs200519781, rs146466242, KDR 유전자의 rs2305948, IL5RA 유전자의 rs334809, IL9 유전자의 rs31563, IL12RB1 유전자의 rs393548, rs436857 및 DEFB1_1 유전자의 rs5743399 로 이루어진 군에서 선택된 1종 이상의 SNP 를 포함한다.
본 발명의 일 실시예에 따르면, 상기 사용자 군은 피부 장벽 손상 가능성이 높은 군 및 면역 시스템 손상 가능성이 높은 군을 포함한다.
본 발명의 일 실시예에 따르면, 아토피 피부염 예방 상품 추천 방법은 상기 피부 장벽 손상 가능성이 높은 군에게는 보습제를 이용한 피부 장벽 손상 차단 상품을 추천한다.
본 발명의 일 실시예에 따르면, 상기 면역 시스템 손상 가능성이 높은 군에게는 유산균 섭취를 통한 유해균 억제 및 면역 물질 생성 상품과, 모유 수유 및 부분 가수분해 분유 섭취를 통한 면역 물질 생성 상품을 추천한다.
또한, 본 발명은 PCR-REBA 판독 결과 데이터를 수신하는 통신 모듈과, 상기 수신한 판독 결과 데이터에 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 AI 분석 모듈과, 발병 위험도에 따라 사용자 군을 구분하고 상기 구분된 사용자 군 별 예방 방법을 추천하는 사용자 관리 모듈을 포함하는 인공지능 기반 아토피 피부염 예방 상품 추천 시스템을 개시한다.
본 발명의 일 실시예에 따르면, 상기 AI 분석 모듈은 인공 신경망 분석 방법을 이용하여 발병 가능성을 예측한다.
본 발명의 일 실시예에 따르면, 상기 인공 신경망 분석 방법은 한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 구성되는 인공신경망을 포함한다.
본 발명의 개인별 단일염기 다형성 정보에 따른 아토피 선별검사를 통한 조기예방 서비스 방법 제시에 따르면, 아토피 SNP에 대한 빅데이터를 기계학습으로 분석하여, 유사사례별로 예측모델을 생성하며, 생성한 예측모델을 토대로 특정 이용자에게 앞으로 아토피 발병이 생길지 예측하여 그에 따른 적절한 조기 예방 방법을 제시할 수 있으며 이를 통해 아토피를 사전에 예방할 수 있도록 하며, 아토피 질환에 대한 관리를 용이하게 수행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 아토피 피부염 위험군 예측 및 위험군 예방 상품 판매 시스템의 개념도.
도 2는 인공지능 기반 아토피 피부염 위험군 예측 및 위험군 예방 상품 판매 시스템의 작동 순서도.
도 3은 본 발명에 적용되는 인공 신경망 구조를 나타내는 개념도.
도 4는 본 발명의 인공 신경망의 분석 학습 과정을 나타내는 순서도.
도 5는 REBA 기반 아토피 피부염 스크리닝 검사 과정을 도시한 개념도.
도 6은 인공지능 분석을 기반으로 한 아토피 피부염 발병 예측도 비율을 나타낸 개념도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하, 본 발명에 대하여 도면을 참조하여 보다 상세하게 설명한다. 본 명세서에서는 서로 다른 실시예라도 동일·유사한 구성에 대해서는 동일·유사한 참조번호를 부여하고, 그 설명은 처음 설명으로 갈음한다. 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 또는 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 아토피 피부염 위험군 예측 및 위험군 예방 상품 판매 시스템의 개념도이다.
도 1을 참조하면, 시스템은 AI 분석 모듈과, 통신 모듈과, 사용자 관리 모듈 등을 포함할 수 있다.
또한, 도면에는 표시되지 않았지만 각 모듈들의 구동을 제어하고 관리하는 제어 모듈이 존재할 수 있다.
이러한 모듈들은 하드웨어적으로 서로 분리되어 있을 수도 있고, 하드웨어적으로는 분리되지 않고 소프트웨어적으로만 분리되어 있을 수도 있다.
AI 분석 모듈은 PCR-REBA 판독 결과 데이터를 기반으로 인공신경망 기법을 활용해 아토피 피부염 발병을 예측한다.
통신 모듈은 PCR-REBA 검사키트를 이용해 판독된 결과 데이터를 수신한다.
사용자 관리모듈은 AI 분석 모듈이 예측한 아토피 피부염 발병 가능성이 높은 사람들의 그룹을 위험군으로 구분하고 위험군에게 예상 상품을 나누어 그룹에 아토피 피부염 조기 예방 방법을 제시하고 아토피 피부염 예방을 위해 필요한 제품을 추천한다.
도 2는 인공지능 기반 아토피 피부염 위험군 예측 및 위험군 예방 상품 판매 시스템의 작동 순서도이다.
도 2를 참조하면, 아토피 피부염 예측 및 예방 상품 추천 방법은 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계(S100)와, 판독 결과 데이터를 기반으로 AI 분석하는 단계(S200)와, 아토피 피부염 발병 가능성을 예측하는 단계(S300)와, 발병 위험군에게 예방 가이드라인을 제시하고 필요한 상품을 추천하는 단계(S400) 등을 포함할 수 있다.
PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계(S100)에서는 구강상피세포 및 타액에서 추출된 genomic DNA를 이용한 Multiplex PCR 데이터를 수집하는 단계와, REBA Atopy SNP 검사를 수행하는 단계가 포함될 수 있다.
구체적으로, genomic DNA 추출 단계에서는 Dry-flocked swab을 이용하여 구강상피세포를 채취한 후, 보존액에 5분간 방치한다. 추출된 genomic DNA 및 타액에 존재하는 genomic DNA를 이용하여 REBA Atopy screening을 수행하기 위한 PCR의 주형이 제작된다.
Multiplex PCR 데이터 수집을 위해 HelixAmp™ Direct PCR [3G](Nanohelix, 대전) 가 이용될 수 있다. Direct PCR [3G](Nanohelix, 대전) 의 조성은 Hot-start Taq polymerase, reaction buffer, MgCl 2, dNTP 이다.
PCR을 위한 각 조성은 Multiplex PCR premix 1tube (20㎕)에 각 유전자 표적의 primer를 한 쌍 당 5~10 pmole/rxn이 투입되고, 1ng 이상의 genomic DNA 로 최종볼륨 20㎕이 맞춰진다.
PCR 반응은 초기 변성과정을 위해 95℃ 5분, 증폭과정을 위해 95℃ 20초, 63℃ 1분 반응을 40번 반복 후 완전한 신장반응을 위해 72℃ 5분간 반응시킨다.
REBA Atopy SNP검사는 PCR 산물에 동량의 Denaturation solution (0.2N NaOH, 0.2mM EDTA)가 혼합된 후 실온에서 5분간 반응시켜 이중가닥의 PCR 반응산물이 단일가닥으로 변성된다.
변성된 증폭산물은 2X SSPE/0.1% SDS buffer로 희석되어 Skin barrier 및 면역관련 유전자의 올리고뉴클레오타이드 프로브가 부착된 얇은막 REBA Atopy SNP strip에 넣어진 후 50℃ 에서 30분간 교잡 반응된다. 2X SSPE/0.5% SDS buffer 을 이용하여 50℃에서 10분간 두 번 세척된 후 1:2000 (v/v)으로 희석한 alkaline phosphatase-labeled streptavidin conjugate (Roche,Mannheim, Germany) 처리되어 실온에서 30분간 반응된다.
반응이 끝난 Strip을 실온에서 1분간 2회 세척되고, alkaline phosphatase에 반응하는 발색용 기질 용액인 NBT/BCIP (Roche, Germany)에 10분간 발색된 후 검출 여부가 판단된다.
SNP에 대한 결과는 개개인이 모두 다르게 나올 수 있으며, 이것은
임상소견과 SNP 결과 사이의 상관관계를 분석함으로서 규명될 수 있다. 현재까지
SNP는 주로 시퀀싱을 통해서 이루어지고 있지만 면역에 관련되어 있는 여러 종류의
사이토카인을 확인하기 위해서는 해당되는 부위를 각각 확인해야 하는 번거로움이
있으며 시간과 비용의 문제가 발생한다.
이와 같은 문제점을 해결하기 위하여 본원발명에서는 REBA(Reverse blot hybridization assay)를 이용한 SNP 검사를 수행한다. SNP 검사에 사용되는 프라이머 및 프로브 서열은 아래 표 1 및 표 2에 도시되어 있다.
Figure 112020062423182-pct00001
Figure 112020062423182-pct00002
Figure 112020062423182-pct00003
상기 프라이머 및 프로브 서열은 보다 높은 민감도, 특이도를 얻기 위해 선별된 서열이다.
타깃SNP로는 총 12개 유전자의 SNP 를 이용하였으며 SNP 타깃은 다음과 같다: KLK 유전자의 rs1991818, SPINK5 유전자의 rs2303064, rs2303065, rs2303070, FLG 유전자의 rs200519781, rs146466242, KDR 유전자의 rs2305948, IL5RA 유전자의 rs334809, IL9 유전자의 rs31563, IL12RB1 유전자의 rs393548, rs436857, DEFB1_1 유전자의 rs5743399 및 상기 SNP들은 알려진 다양한 SNP 중 아토피 피부염 예측을 위하여 선별된 SNP 이다.
아토피 피부염 환자와 건강 대조군의 SNP 차이를 확인하고, 이를 아토피 피부염 예측에 이용할 수 있는지 확인하기 위하여, 상기 실시예의 SNP 를 비교하였다. 건강 대조군 및 아토피 피부염 환자에서의 SNP 부위 비교 결과를 아래 표 3 및 표 4에 나타내었다.
Figure 112020062423182-pct00004
Figure 112020062423182-pct00005
상기 표 3 및 표 4에서 확인할 수 있는 바와 같이, 아토피 피부염 환자와 건강 대조군 사이의 유전자 변이의 빈도가 상이하게 나타났다. 이러한 결과를 통해 SNP의 발생 빈도 분석을 통해 아토피 피부염 피부염을 예측할 수 있음을 알 수 있다.
판독 결과 데이터를 기반으로 AI 분석하는 단계(S200)에서는 인공신경망 구조를 이용하여 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계(S100)에서 수집된 데이터를 분석한다.
도 3은 인공지능 기반 아토피 피부염 위험군 예측 및 위험군 예방 상품 판매 시스템의 작동 순서도이고, 도 4는 본 발명에 적용되는 인공 신경망 구조를 나타내는 개념도이고, 도 5는 REBA 기반 아토피 피부염 스크리닝 검사 과정을 도시한 개념도이다.
도 3 내지 도 5을 참조하면, 인공신경망 구조는 한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 형성되어 있다.
각각의 층(layer)은 처리요소인 노드들로 이루어지며 이들 노드는 연결 가중치(weight)가 부여된 선으로 연결되어 있다.
개별 노드는 이전 단계의 출력 값을 다시 입력 값으로 받아 활성화 함수를 거쳐 출력값을 산출한다. 인공신경망은 출력 값과 실제 값의 오차를 줄이는 방법으로 보편적으로 오차역전파(back propagation)를 사용하며 상위의 출력층에서 은닉층, 은닉층에서 입력층으로 역방향을 가지며 연결가중치를 조종하는 방법이다.
다음의 수식과 같이 반복적으로 오차가 작아지는 방향으로 노드들의 연결가중치를 조절하는 과정을 학습(Learning)하게 된다.
Figure 112020062423182-pct00006
다층퍼셉트론 인공신경망은 여러 개의 로지스틱 함수를 선형(linear) 결합한 비선형(non-linear) 판별함수를 가지게 된다. 이러한 인공신경망 기법은 뇌와 유사한 문제 해결 방식을 보이는데, 복잡한 비선형적 관계를 병렬적으로 분석할 수 있으며 데이터 학습(machine learning)을 통한 예측 및 일반화의 능력이 뛰어나다.
아토피 피부염 발병 가능성을 예측하는 단계(S300)는 위의 단계를 통해 얻어진 데이터를 이용해 발병 가능성을 예측한다.
도 6은 인공지능 분석을 기반으로 한 아토피 피부염 발병 예측도 비율을 나타낸 개념도이다.
도 6을 참조하면, 본 발명에서 인공지능 분석을 기반으로 한 아토피 피부염 발병 예측의 정확도를 확인할 수 있다.
도 6의 표를 확인하기 위한 조건은 다음과 같다.
AI 분석을 Train set, validation set, test set로 나누어서 진행하였다. 70% 정도는 학습을 시키기 위한 training set로, 30% 정도는 학습결과를 확인하기 위한 validation set로 구성하였으며, Validation set에서 최고값인 모델의test set의 값을 구하였다.
AI 모델 선정을 위해 아토피 피부염 환자 197명과 정상인 197명으로 정상자료 비율을 50%로 맞추어 Train set에 각각 157명, Validation set에 각각 40명, Test set에 197명으로 배치하였으며, 1000회 신경망 분석 중 Validation set 값이 최고인 모델을 선정하였다.
이 때 Validation set의 정확도는 688%, 민감도 725%, 특이도 65% 였으며 Test set의 정확도는 893%, 민감도 914%, 873% 로 나타났다.
그 후에 아토피 피부염을 예측하기 위한 모델로 사용하기 위해서 선정된 AI 분석 모델을 예측 모델에 적용하여 아토피 피부염 환자 290명, 정상인 197명의 아토피 피부염 발병 예측도를 구하였다.
그 결과 AI 분석에서 정확도는 838%, 민감도 803%, 특이도 873% 로 나타났다. 신경망 분석 1000회 최고값을 기반으로 한 아토피 피부염 발병 예측도를 도 6에 나타내었다.
본 발명에 따른 아토피 피부염 예측 모델에는 다양한 해석가능 모델들을 사용할 수 있으며, 신경망 분석 외에도 로지스틱 회귀 (logistic regression),　의사결정 나무(decision tree),　서포트벡터머신 (support vector machine) 을 이용할 수 있다.
발병 위험군에게 예방 가이드라인을 제시하고 필요한 상품을 추천하는 단계(S400)에서는 위의 단계에서 예측된 결과를 토대로 아토피 위험군 예방 가이드라인 제시 및 관련 상품 추천 및 판매 서비스를 보급한다.
예를 들어, 특정 위험군에게는 보습제를 이용한 피부 장벽 손상을 차단하며 유산균 섭취를 통한 유해균 억제 및 면역 물질 생성 및 면역 시스템 회복을 가능케 하는 방법을 추천하는 것이 가능하고, 다른 위험군에게는 모유 수유 및 부분 가수분해 분유 섭취를 통한 면역 물질 생성을 통해 아토피 피부염 예방 관련 상품 추천 및 판매 서비스를 제공할 수 있다.
상기에서 설명한 본 발명의 실시예들에 따르면, 개인별 단일염기 다형성 정보에 따른 아토피 선별검사를 통한 조기예방 서비스 방법을 제시한다. 구체적으로 아토피 SNP에 대한 빅데이터를 기계학습으로 분석하여 유사사례별로 예측모델을 생성하고 생성한 예측모델을 토대로 특정 이용자에게 앞으로 아토피 발병이 생길지 예측하여 그에 따른 적절한 조기 예방 방법을 제시할 수 있다. 이를 통해 아토피를 사전에 예방할 수 있게 하고 아토피 질환에 대한 관리를 용이하게 수행할 수 있게 하는 등 종래기술과는 차별되는 효과를 기대할 수 있다.
이상에서 설명한 본 발명은 위에서 설명된 실시예들의 구성과 방법에 한정되는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

Claims (14)

  1. 통신 모듈이 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계; 및
    AI 분석 모듈이 상기 판독 결과 데이터를 기반으로 하여 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 단계를 포함하고,
    여기서, 상기 통신 모듈이 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계는,
    구강상피세포 및 타액에서 추출된 genomic DNA를 이용한 Multiplex PCR 데이터를 수집하는 단계; 및
    REBA Atopy SNP 검사를 수행하는 단계를 포함하고,
    상기 REBA Atopy SNP 검사를 수행하는 단계는,
    KLK 유전자의 rs1991818, SPINK5 유전자의 rs2303064, rs2303065, rs2303070, FLG 유전자의 rs200519781, rs146466242, KDR 유전자의 rs2305948, IL5RA 유전자의 rs334809, IL9 유전자의 rs31563, IL12RB1 유전자의 rs393548, rs436857 및 DEFB1_1 유전자의 rs5743399로 이루어진 SNP를 포함하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예측 방법.
  2. 제1항에 있어서,
    상기 AI분석은,
    한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 구성되는 인공신경망 분석 방법을 이용하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예측 방법.
  3. 삭제
  4. 삭제
  5. 통신 모듈이 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계;
    AI 분석 모듈이 상기 판독 결과 데이터를 기반으로 하여 AI분석을 적용하여 아토피 피부염 발병 가능성을 예측하는 단계; 및
    사용자 관리 모듈이 발병 위험도에 따라 사용자 군을 구분하고 상기 구분된 사용자 군 별 예방 방법을 추천하는 단계를 포함하고,
    여기서, 상기 통신 모듈이 PCR-REBA를 이용한 검사키트 판독 결과 데이터를 수집하는 단계는,
    구강상피세포 및 타액에서 추출된 genomic DNA를 이용한 Multiplex PCR 데이터를 수집하는 단계; 및
    REBA Atopy SNP 검사를 수행하는 단계를 포함하고,
    상기 REBA Atopy SNP 검사를 수행하는 단계는,
    KLK 유전자의 rs1991818, SPINK5 유전자의 rs2303064, rs2303065, rs2303070, FLG 유전자의 rs200519781, rs146466242, KDR 유전자의 rs2305948, IL5RA 유전자의 rs334809, IL9 유전자의 rs31563, IL12RB1 유전자의 rs393548, rs436857 및 DEFB1_1 유전자의 rs5743399 로 이루어진 SNP를 포함하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법.
  6. 제5항에 있어서,
    상기 AI분석은,
    한 개의 입력층(input layer), 한 개 이상의 은닉층 (hidden layer) 그리고 한 개의 출력층(output layer)으로 구성된 다계층 신경망(multi-layer perceptron neural network)으로 구성되는 인공신경망 분석 방법을 이용하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법.
  7. 삭제
  8. 삭제
  9. 제5항에 있어서,
    상기 사용자 군은,
    피부 장벽 손상 가능성이 높은 군 및 면역 시스템 손상 가능성이 높은 군을 포함하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법.
  10. 제9항에 있어서,
    상기 피부 장벽 손상 가능성이 높은 군에게는 보습제를 이용한 피부 장벽 손상 차단 상품을 추천하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법.
  11. 제9항에 있어서,
    상기 면역 시스템 손상 가능성이 높은 군에게는 유산균 섭취를 통한 유해균 억제 및 면역 물질 생성 상품과, 모유 수유 및 부분 가수분해 분유 섭취를 통한 면역 물질 생성 상품을 제시하는 것을 특징으로 하는 인공지능 기반 아토피 피부염 예방 상품 추천 방법.
  12. 삭제
  13. 삭제
  14. 삭제
KR1020207017543A 2019-10-31 2019-10-31 인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법 KR102474661B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/014513 WO2021085676A1 (ko) 2019-10-31 2019-10-31 인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법

Publications (2)

Publication Number Publication Date
KR20210053808A KR20210053808A (ko) 2021-05-12
KR102474661B1 true KR102474661B1 (ko) 2022-12-06

Family

ID=75716374

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207017543A KR102474661B1 (ko) 2019-10-31 2019-10-31 인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법

Country Status (3)

Country Link
KR (1) KR102474661B1 (ko)
CN (1) CN113068411A (ko)
WO (1) WO2021085676A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102280694B1 (ko) * 2019-12-19 2021-07-22 주식회사 이노제닉스 아토피 피부염 진단용 snp 및 이를 이용한 아토피 피부염 진단방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100893823B1 (ko) * 2007-06-18 2009-04-20 금오공과대학교 산학협력단 영상 기반의 아토피 진단 지원 방법 및 장치
JP6175236B2 (ja) * 2009-09-25 2017-08-09 カッパーアールエヌエー，インコーポレイテッド フィラグリン（ｆｌｇ）の発現および活性の調整によるｆｌｇ関連疾患の処置
KR20150028508A (ko) * 2013-09-06 2015-03-16 엠앤디 (주) 아토피 환자의 유전자 돌연변이 검출용 프라이머, 프로브 및 방법
KR101860061B1 (ko) * 2015-06-08 2018-05-23 한국과학기술원 심층 신경망 기반 질병 정보 예측 시스템 및 방법
WO2017083576A1 (en) * 2015-11-10 2017-05-18 Pathway Genomics Corporation Methods and systems for improving skin condition
KR101898084B1 (ko) * 2016-05-23 2018-09-12 연세대학교 원주산학협력단 한국인 아토피피부염 환자의 유전자 돌연변이 동시 검출용 프라이머, 프로브 및 방법
KR102024373B1 (ko) * 2016-12-30 2019-09-23 서울대학교 산학협력단 대사이상 질환의 질병 위험도를 예측하는 장치 및 방법
KR20190083928A (ko) * 2018-01-05 2019-07-15 (주)이노진 아토피 진단 시스템
KR20190084551A (ko) * 2018-01-08 2019-07-17 (주)이노진 아토피 예후 예측 시스템
KR102001337B1 (ko) * 2018-02-01 2019-07-17 (주)위드어스커뮤니케이션즈 빅데이터 및 ａｉ를 이용한 피부 타입 맞춤형 서비스 통합제공시스템
KR102280694B1 (ko) * 2019-12-19 2021-07-22 주식회사 이노제닉스 아토피 피부염 진단용 snp 및 이를 이용한 아토피 피부염 진단방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHUTA TOMIDA 등. JOURNAOLF B IOSCIENCAEN DB IOENGINEERING. 제93권, 제5호, 페이지 470-478 (2002)*
윤나영. 연세대학교 박사학위논문. "Development of biomarkers predicting severe and recalcitrant atopic dermatitis using reverse blot hybridization assay (REBA) method" (2017.06.)*
허인희 등, 한방안이비인후과피부과학회지, 제21권, 제2호, 페이지 71-79 (2008.08.)*

Also Published As

Publication number Publication date
KR20210053808A (ko) 2021-05-12
WO2021085676A1 (ko) 2021-05-06
CN113068411A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
Karlsson Linnér et al. An epigenome-wide association study meta-analysis of educational attainment
Mayerle et al. Identification of genetic loci associated with Helicobacter pylori serologic status
Byun et al. Genome-wide pharmacogenomic analysis of the response to interferon beta therapy in multiple sclerosis
EP2912584B1 (en) Combined use of clinical risk factors and molecular markers for thrombosis for clinical decision support
TWI423151B (zh) 結合多個環境及基因風險因子的方法及系統
Wang et al. Enhanced prediction of lopinavir resistance from genotype by use of artificial neural networks
JP2014140387A (ja) 遺伝子分析系および方法
KR20140103611A (ko) 질병 관련 유전체 분석 서비스 시스템 및 그 방법
Eichstaedt et al. Genetic counselling and testing in pulmonary arterial hypertension: a consensus statement on behalf of the International Consortium for Genetic Studies in PAH
JP2012501181A (ja) バイオマーカー・プロファイルを測定するためのシステムおよび方法
Ying et al. Genetic and phenotypic analysis of the causal relationship between aging and COVID-19
WO2022247903A1 (zh) 冠心病多基因遗传风险评分及其构建方法与联合临床风险评估应用
CN113506594A (zh) 冠心病的多基因遗传风险综合评分的构建方法与装置及应用
EP1332462A2 (en) System and method for selectively classifying a population
US20210324473A1 (en) Indices of Microbial Diversity Relating To Health
KR102474661B1 (ko) 인공지능 기반 아토피 피부염 예측 및 예방 상품 추천 방법
Kato et al. Functional outcome prediction after spinal cord injury using ensemble machine learning
KR102042824B1 (ko) 류마티스관절염 예후 예측용 snp 마커 세트
Bray et al. Transethnic and race-stratified genome-wide association study of fibroid characteristics in African American and European American women
Qin et al. The epigenetic etiology of cardiovascular disease in a longitudinal Swedish twin study
Ahmed et al. Deciphering genomic signatures associating human dental oral craniofacial diseases with cardiovascular diseases using machine learning approaches
KR102042823B1 (ko) 류마티스관절염 예후 예측용 snp 마커 세트
JP7161443B2 (ja) 尿管結石及び／又は腎結石のリスクを判定する方法
JP7108573B2 (ja) 慢性中耳炎のリスクを判定する方法
JP7107885B2 (ja) 化学物質過敏症のリスクを判定する方法

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