KR102481734B1

KR102481734B1 - 개인 피부 타입 결정 방법 및 이에 기반한 맞춤형 화장품 제공 방법 및 시스템

Info

Publication number: KR102481734B1
Application number: KR1020200130605A
Authority: KR
Inventors: 김병호; 서인수; 김수윤; 황태순; 홍경원; 신진희; 이해광; 박원석; 남진; 이성원; 고명진
Original assignee: 재단법인 제주테크노파크; 주식회사 테라젠헬스; 피엔케이피부임상연구센타 주식회사; (주)아모레퍼시픽
Priority date: 2020-10-08
Filing date: 2020-10-08
Publication date: 2022-12-27
Also published as: KR20220047096A; WO2022075794A1

Abstract

맞춤형 화장품의 제공에 있어서 가장 중요한 피부 타입의 결정을 빅데이터 분석에 기반하여 개인 피부 타입의 결정이 가장 정교하게 이루어질 수 있도록 하는 개인 피부 타입 결정 방법 및 이에 기반한 개인 맞춤형 화장품의 제공 방법 및 시스템이 제공된다. 개인 피부 타입 결정 방법은 개인으로부터 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값, 단일염기다형성 측정값, 설문문진값을 수득하고, 상기 피부 측정값, 단일염기다형성 측정값, 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성한다.

Description

개인 피부 타입 결정 방법 및 이에 기반한 맞춤형 화장품 제공 방법 및 시스템 {A METHOD FOR DETERMINING PERSONAL SKIN TYPE AND METHOD AND SYSTEM FOR PERSONAL TAILORED COSMETIC BASED ON THE SAME}

본 기재는 개인 피부 타입 결정 방법 및 이에 기반한 맞춤형 화장품 제공 방법 및 시스템에 관한 것으로, 특히 소비자 만족도를 향상시킬 수 있는 개인 맞춤형 화장품 제공 시스템에 관한 것이다.

현재까지의 소비자는 제조사가 제조사의 기준에 맞추어 제조한 화장품을 수동적으로 선택하여 사용하는 것이 일반적이었다. 이는 개인별 특성이 정확히 반영되지 못한 상태로 일반적인 효능/효과에 의존하여 제품을 사용하는 문제가 있다. 최근 들어 화장품 시장이 기존의 생산자 중심으로 '무엇을 팔 것인가?'에서 소비자 중심으로 '무엇을 사고 싶어 하는가?'로 변화되는 추세에 비추어 볼 때 개별 소비자의 다양한 욕구를 충족시키고 개인 만족도를 높이기 위해서는 소비자 개인의 피부 타입에 맞춘 맞춤형 화장품을 제공할 필요가 있다.

본 개시는 소비자 개인의 피부 타입을 결정하는 방법에 관한 것이다.

본 개시는 소비자 개인의 피부 타입에 맞춘 개인 맞춤형 화장품을 제공하는 방법에 관한 것이다.

본 개시는 소비자 개인의 피부 타입에 맞추어 개인 맞춤형 화장품을 제공하는 시스템에 관한 것이다.

실시예들에 따른 개인 피부 타입을 결정하는 방법은 개인으로부터 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값, 단일염기다형성 측정값, 설문문진값을 수득하고, 상기 피부 측정값, 단일염기다형성 측정값, 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성하거나,

개인으로부터 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값과 설문문진값을 수득한 후, 상기 피부 측정값과 상기 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 적어도 n 자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성한다.

실시예들에 따른 개인 맞춤형 화장품 제공 시스템은 개인으로부터 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값, 단일염기다형성 측정값, 설문문진값을 수득하고, 상기 피부 측정값, 단일염기다형성 측정값, 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 적어도 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성하거나,

개인으로부터 적어도 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값과 설문문진값을 수득한 후, 상기 피부 측정값과 상기 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 적어도 n 자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성하는 알고리즘;

상기 개인 피부 타입 코드에 따라 맞춤형 화장품의 레시피를 결정하는 맞춤형 화장품 처방 연산부; 및

결정된 레시피에 따라 개인 맞춤형 화장품을 제공하는 개인 맞춤형 화장품 제공부를 포함한다.

본 기재의 실시예들에서는 개인 피부의 측정 정보, 유전자 정보, 및 설문/문진 정보 또는 개인 피부의 측정 정보 및 설문/문진 정보를 종합적으로 평가하여 정확한 개인의 피부 타입을 결정한 후, 결정된 개인의 피부 타입에 맞추어 개인 맞춤형 화장품을 제공함으로써 개인의 만족도를 높일 수 있다. 맞춤형 화장품의 제공에 있어서 가장 중요한 피부 타입의 결정을 빅데이터 분석에 기반한 개인 피부의 측정 정보, 유전자 정보 및 설문/문진 정보의 합산에 의해 가장 정교하게 이루어지도록 하기 때문에 개인의 니즈를 최대한 충족시킬 수 있는 개인 맞춤형 화장품의 제공이 가능해진다.

또한, 본 기재의 실시예들에서는 개인 맞춤형 화장품 제공 후 일정 기간이 지난 후에 개인 피부의 측정 정보 및 설문/문진 정보를 다시 평가하여 맞춤형 화장품 적용 후 개인의 피부 타입의 변화를 판단하고 피부 타입의 변화가 발생한 경우에는 변화된 피부 타입에 맞추어 새로운 레시피의 맞춤형 화장품을 제공함으로써 개인의 진정한 요구를 반영한 맞춤형 화장품을 제공할 수 있다.

도 1은 일 실시예에 따른 개인 맞춤형 화장품 제공 시스템의 개략도이다.
도 2는 일 실시예에 따른 개인 맞춤형 화장품 제공 시스템에서 개인의 피부 타입을 결정하는 알고리즘을 설명하기 위한 개략도이다.

이하 본 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 실시예들에 대하여 상세히 설명한다. 실시예는 여러가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 구체적인 실시예로만 한정되지 않는다.

도 1은 일 실시예에 따른 고객 맞춤형 제공 시스템의 개략도이다.

도 1을 참조하면, 고객 맞춤형 화장품 제공 시스템은 정보 수신부(100), 데이터 수집/관리/분석부(200), 입력정보 처리부(300), 맞춤형 화장품 처방 연산부(300), 맞춤형 화장품 제공부(400), 피드백 정보 제공부(500) 및 피드백 정보 연산부(600)를 포함한다.

정보 수신부(100)는 설문/문진(101), 스마트 피부진단기(103), 피부 유전자 검사용 키트(105) 등으로부터 데이터를 수신한다.

설문/문진(101) 데이터는 피부 타입과 피부 고민을 알아보기 위한 다양한 항목에 대한 소비자의 응답 데이터를 포함할 수 있다.

스마트 피부진단기(103)는 피부 측정을 통해 피부 타입과 피부 고민을 알아보기 위한 디바이스이다. 스마트 피부진단기(103)는 모바일 핸드폰의 카메라 또는 별도의 정밀 피부 진단기 등일 수 있으며, 피부 이미지 정보와 피부 수분량 정보 등의 피부 진단 데이터를 획득하여 전달한다.

피부 유전자 검사용 키트(105)는 개개인의 유전정보를 검사하기 위한 키트이며, 이를 이용하여 개개인의 유전 정보 데이터를 획득하여 전달한다.

빅데이터 수집/관리/분석부(200)는 생활환경/뷰티 정보 데이터베이스(10), 개인 피부/유전 정보 데이터베이스(30) 및 화장품 원료/제형 데이터베이스(50)를 포함한다.

생활환경/뷰티 정보 데이터베이스(10)에는 온도, 습도, 자외선, 미세먼지 등과 같은 생활환경 정보와 다양한 뷰티 정보가 저장된다.

개인피부/유전 정보 데이터베이스(30)는 설문/문진, 정밀 피부 진단 및 유전 분석 정보가 저장된다.

화장품 원료/제형 데이터베이스(50)에는 맞춤형 화장품 원료 및 맞춤형 화장품 제형 정보가 저장된다.

입력정보 처리부(300)는 정보 수신부(100)를 통해 입력된 데이터를 사용하고 생활환경/뷰티 정보 데이터베이스(10) 및 개인 피부/유전 정보 데이터베이스(30)를 참조하여 개인 피부 타입 및 피부 고민을 결정한다.

입력정보 처리부(300)는 정보 수신부(100)와 함께 하나의 디바이스에 설치될 수도 있고 별도의 디바이스에 설치될 수도 있다. 예를 들면 스마트 피부진단기(103)의 경우에는 정보 수신부(100)와 입력정보 처리부(300)를 모두 포함하여 피부의 이미지 정보를 획득함과 동시에 이들 값에 기초하여 피부 타입 및 피부 고민을 결정할 수 있다. 반면, 모바일 핸드폰의 카메라의 경우에는 획득한 이미지 정보를 빅데이터 수집/관리/분석부(200)와 함께 클라우드 컴퓨터 등에 설치되어 있는 입력정보 처리부(300)로 이를 전송하고 클라우드 컴퓨터에서 이를 분석하여 피부 타입 및 피부 고민을 결정할 수도 있다. 유전 정보 처리의 경우에도 입력정보 처리부(300)는 정보 수신부(100)와 함께 하나의 디바이스에 설치될 수도 있고 별도의 디바이스에 설치될 수도 있다.

맞춤형 화장품 처방 연산부(350)는 입력정보 처리부(300)에서 결정된 개인 피부 타입에 기반하여 화장품 원료/제형 데이터베이스(50)를 참조하여 맞춤형 화장품 레시피를 결정한다.

개인 맞춤형 화장품 제공부(400)는 맞춤형 화장품 처방 연산부(350)에서 결정된 맞춤형 화장품 레시피에 따라 개인 맞춤형 화장품을 소비자에게 제공한다. 개인 맞춤형 화장품 제공부(400)는 스마트 팩토리에서 레시피에 따라 맞춤형 화장품을 제조한 후 이를 스마트 패키징 기술을 적용하여 포장된 맞춤형 화장품을 완성할 수 있다.

경우에 따라서는 개인 맞춤형 화장품 제공부(400)는 맞춤형 레시피 데이터를 제공받아 이에 따라 맞춤형 화장품을 즉석에서 소비자에게 제공하는 스마트 디바이스일 수도 있다. 스마트 디바이스는 매장에 설치된 디바이스일 수도 있으며, 경우에 따라서는 개별 소비자의 집에 개별적으로 설치된 홈 디바이스일 수도 있다.

도 2는 일 실시예에 따른 개인 맞춤형 화장품 제공 시스템에서 개인의 피부 타입을 결정하는 알고리즘을 설명하기 위한 개략도이다. 본 알고리즘은 입력정보 처리부(300)에 포함될 수 있다.

피부의 주름은 다양한 원인으로 발생하지만 주로 진피 속의 탄력섬유, 결합직섬유, 근육섬유의 퇴화 또는 위축 등 노화에 의해 일어나는 것이라고 알려져 있다. 처음에는 가느다란 잔주름이 지지만, 차츰 크고 깊은 주름이 되는 것이 일반적이며, 진피의 탄력섬유나 결합직섬유의 퇴화·변성·위축에 의한 주름살은 치유되지 않는 것이 보통이다. 주름의 원인에는 다른 장기의 노화와 함께 수반되는 내인성 노화와, 외부 요인으로 인한 외인성 노화가 있으며, 외인성 노화의 가장 주요 요인으로는 햇빛, 얼굴 표정 또는 피부의 건조함 등이 있다.

피부는 각질층에 존재하는 수분에 의하여 탄력있고 부드럽게 유지된다. 이러한 각질층의 수분에 의한 탄력성이 유지되려면 피부에 10% 이상의 수분 함유함유가 필수적인 것으로 알려져 왔다. 수분 함량을 조절함으로써 피부는 건조하고 쉽게 마르는 피부 표면을 손상으로부터 보호한다. 피부 보습은 상기와 같은 각질층 하부로부터의 수분확산, 피부상층에 존재하는 자연보습인자 각질층 지질 및 피지에 의한 내적 인자와 상대습도, 화장품 같은 외적 인자에 의하여 영향을 받는다.

피부 색소 침착은 피부의 표면 또는 점막 등에 멜라닌 증가에 의하여 색이 검거나 갈색을 보이는 피부 증상을 의미한다. 피부 색소 침착은 유전질환, 약물, 염증, 외상, 태양광 노출, 과색소성 피부질환 등으로 발생할 수 있다. 특히, 생리적으로 체내에 있는 멜라닌의 양이 비정상적인 경우 또는 나타나는 장소에 이상이 있을 경우, 생리적으로는 존재하지 않는 색소가 병적 조건 아래에서 발생하는 경우 등이 있다.

피부는 각질층에 존재하는 유분 및 수분에 의하여 탄력있고 부드럽게 유지된다. 이러한 각질층의 유분 및 수분에 의한 탄력성이 유지되려면 피부에 10% 이상의 수분함유 및 적당한 유분 함유가 필수적인 것으로 알려져 왔다. 유분(오일 함량)을 조절함으로써 피부는 건조하고 쉽게 마르는 피부 표면을 손상으로부터 보호한다. 이러한 피부의 유분 및 수분 유지 능력은 피부 각질 세포 사이의 지질 이중층에 달려 있다. 피부에서 유분이 부족하거나 과하면 피부 트러블을 일으킬 수 있는데, 피부가 건조해지고 염증 반응을 일으키거나 여드름이나 뾰루지가 생성된다. 이러한 유분량은 사람마다 다양한 차이가 존재하며 또한, 흔하게 말하는 지성, 건성 등의 피부 타입에 따라서도 달라져 개인차가 크다

피부의 민감도란, 환경 등 외부적인 요인에 의한 피부의 반응 정도를 의미하며, 민감성 피부란 일반적으로 환경이 바뀜에 따라 빠르고 민감하게 반응하는 피부를 의미한다. 피부의 민감도는 사람마다 차이가 있으며, 흔하게 말하는 지성, 건성 등의 피부 타입에 따라서도 달라진다. 민감성 피부의 경우, 홍조, 가려움증, 발진 등의 증상이 쉽게 일어날 수 있어 주의를 요한다.

기존에 널리 알려져 있는 피부 타입을 분류하는 바우만 타입에서는 주름, 색소, 피지분비, 민감의 4가지 항목에 대해서만 판단을 하고 피부 타입 또한 16가지로 한정되어서 개인 맞춤형 화장품을 제공하기에는 분류가 충분하지 못하였다.

이에 본 발명의 실시예들에 따른 개인 피부 타입 결정 방법은 n개(n≥3) 이상의 피부 표현형 항목에 대해서 각각, 높음(H), 중간(M), 낮음(L)으로 코딩된 값의 조합으로 이루어진 3ⁿ개의 피부 타입으로 구분한 후 이 중 하나의 피부 타입으로 개인의 피부 타입을 진단한다. 피부 표현형이 가장 작은 n=3일 경우에도 바우만 타입보다도 다양한 27(=3*3*3)가지의 피부 타입 구분이 가능하다.

또한, 주름, 보습(수분), 색소 침착(미백), 유분, 민감의 다섯 가지 피부 표현형 항목을 사용할 경우에는 243(=3*3*3*3*3)가지의 피부 타입으로 구분이 가능하다.

1000명 이상의 피부 측정 데이터를 분석한 결과 주름, 색소, 민감의 항목은 그대로 유지하되 동양인, 특히 한국인의 피부 특성을 정확하게 반영하기 위해서 피지분비를 유분과 수분으로 구분할 경우 보다 정확한 개인 피부 타입 결정이 가능하고 이를 통하여 보다 정확한 맞춤형 화장품 제공이 가능해짐을 발견하였다.

도 2에 도시되어 있는 바와 같이, 개인피부/유전 정보 데이터베이스(30)에는 1000명 이상의 유전자(단일염기다형성(SNP)) 데이터와 1000명 이상의 피부 측정 데이터, 1000개 이상의 설문 문진 데이터로 이루어진 빅 데이터를 분석한 결과가 저장되고 이 결과를 아래에서 설명하는 바와 같은 다중 회귀 분석을 통해서 다섯 가지의 피부 표현형 항목을 기준으로 하여 243가지의 피부 타입을 분류하는 알고리즘이 입력정보처리부(300)에 저장된다. 243가지의 피부 타입을 분류하는 알고리즘은 아래와 같은 실험예를 통해서 도출하였다.

피부 표현형 항목에 대한 피부 측정값의 코딩값(제1 코딩 값) 도출

표본 모집단

표본 집단은 2019 년 1 월부터 2019 년 11 월까지 P & K 피부 연구 센터 (서울)에서 집된 총 1,079 명의 한국 여성으로 구성되었다. 모든 참가자는 피부 관련 질환이 없었으며 평균 연령은 40.81 세였다. 든 참가자는 연구에 대해 서면으로 동의하였다. 상기 집단은 the institutional review board of Theragen Etex Bio Institute (IRB No.: 700062-20190819-GP-006-01)에 의해 승인되었다.

피부 측정 장비를 이용한 피부 표현형별 측정값의 도출

피부 특성을 측정하기 위해, 다양한 측정 장치가 사용되었다.

피부 주름의 경우, Primos CR (Canfield Scientific, Parsippany, NJ, USA) 장치를 사용하여 눈가 피부의 평균 거칠기, 눈가 피부의 최대 주름 깊이, 미간 피부의 평균 거칠기, 미간 피부의 최대 주름 깊이를 측정하였다.

피부 보습(수분)의 경우, Corneometer®CM-825 (EnviroDerm Services Ltd., Hedworth, Grange Court, UK) 장치를 사용하여 미간 및 오른쪽 뺨 피부의 수분 함량을 측정하였다.

색소 침착(미백)의 경우, Mexameter 및 CM-700d 장치를 각각 사용하여 멜라닌과 피부 밝기를 측정하였다.

피부 유분(오일 함량)의 경우, Sebumeter®SM 815 (Courage+Khazaka electronic GmbH., Germany) 장치를 이하여 미간 및 오른쪽 뺨 피부의 유분(오일 함량)을 측정하였다.

피부 민감도의 경우, 측정 장치 없이 피부에 10%(v/v) 락트산(lactic acid)을 처리하여 반응 정도에 따라 측정하였다.

그 결과, 표본 집단의 피부 측정치의 raw data를 수득할 수 있었다. 피부 측정치 데이터를 바탕으로 각 피부측정치에 대한 변수명, 측정 부위, 변수값 설명 등을 코드북화하여 정리하였다.

측정 지표의 환산

피부 측정 장비를 이용한 표현형별 측정의 경우, 각 표현형별로 다른 측정 장비를 사용하였기 때문에, GWAS 분석을 수행하기 이전에 각 측정값을 균일하게 변환할 필요가 있었다.

따라서, 본 발명자들은 각 측정 항목에 코드를 부여하였고, 각 측정값의 크기에 따라 1, 2,및 3의 세 그룹으로 나누고, 각 그룹에 대해 1점(낮음(L)), 2점(중간(M)), 3점(높음(H))의 점수를 부여하였다.

이어서, 각 측정 부위에 대해 코드를 부여하고, 코드별 상위 그룹, 중간 그룹 및 하위 그룹으로 나누어 상위 그룹에 3점, 하위 그룹에 1점을 순차적으로 부여하여 정량화하였다.

정량화 결과, 피부 주름의 경우, 측정값에 따라 총 4 내지 총 12점으로 환산되었고, 4 내지 6점을 낮은 그룹(L)으로, 7 내지 9점을 중간 그룹(M)으로, 10 내지 12점을 높은 그룹(H)으로 분류하여 측정값을 정량화할 수 있었다.

정량화 결과, 피부 보습의 경우, 측정값에 따라 총 2 내지 총 6점으로 환산되었고, 2점을 낮은 그룹(L)으로, 3 내지 5점을 중간 그룹(M)으로, 6점을 높은 그룹(H)으로 분류하여 측정값을 정량화할 수 있었다.

정량화 결과, 피부 색소의 경우, 측정값에 따라 총 4 내지 총 12점으로 환산되었고, 4 내지 6점을 낮은 그룹(L)으로, 7 내지 8점을 중간 그룹(M)으로, 9 내지 12점을 높은 그룹(H)으로 분류하여 측정값을 정량화할 수 있었다.

정량화 결과, 피부 오일의 경우, 측정값에 따라 총 2 내지 총 6점으로 환산되었고, 2점을 낮은 그룹(L)으로, 3 내지 4점을 중간 그룹(M)으로, 5 내지 6점을 높은 그룹(H)으로 분류하여 측정값을 정량화할 수 있었다.

정량화 결과, 피부 민감도의 경우, 측정값에 따라 총 1 또는 2점으로 환산되었고, 1점을 낮은 그룹(L)으로, 2점을 중간 그룹(M)으로 분류하여 측정값을 정량화할 수 있었다.

이상에서 설명한 방법에 의해 각각의 피부 표현형 항목에 대한 피부 측정값(제1 코딩 값)을 도출할 수 있다.

피부 표현형 항목에 대한 유전자 위험도(단일염기다형성) 측정값의 코딩값(제2 코딩 값) 도출

유전자 다형성 마커의 선별 준비

피부 표현형에 대해 유전자 다형성 마커를 선별하기 위해, 본 발명자들은 표본 집단의 구강에서 면봉으로 샘플을 수득하고, ExgeneTM Tissue SV (GeneAll, Seoul, Korea)을 이하여 DNA를 검출하였다. 든 DNA 샘플은 25-125 bp 단편으로 증폭되었고, 무작위로 분획되었으며, 상기 DNA는 the Asian Precision Medicine Research Array (Thermofisher Scientific, Waltham, Massachusetts, USA)에 기반한 맞춤형 분석인 Theragen Precision Medicine Research Array (Theragen PMRA 분석)을 이용하여 차례로 순화, 재현탁 및 혼성화하였다. 혼성화 후, DMA를 엄한 조건 하에서 세척하여 노이즈를 최소화할 수 있도록 배경을 제거하였다. 그 다음으로, Thaeragen PMRA 분석을 사하여 지침대로 82만개의 SNP를 분석하였다. 연관 등으로 발생할 수 있는 오차를 줄이기 위하여, 엄한 품질 관리 방법을 적하여 발명에 이용될 SNP를 선택 하고 데이터 세트를 제어하였다. 더불어, 82만개의 SNP에 대해 품질 관리 절차를 수행하였다. SNP 세트는 the genotype call rates(≥ 0.95) 및 MAF(≥0.10)을 기반으로 필터링되었으며, 개별 SNP에 대해 Hardy-Weinberg equilibrium (HWE) 이 계산되었다.

결과적으로, 모든 SNP는 HWE p values > 0.01을 나타내었으며, 상기 필터링 후, 염색체 1 내지 22 내에서 560,795개의 다형성 SNP가 분석되었다.

피부 표현형의 GWAS 분석

상기 표본 집단에 대해 GWAS(genome-wide association study)분석을 수행하였다. 그 결과 총 23개의 SNP를 선별하였으며, 상기 SNP는 기준 데이터베이스(KRGDB, http : //coda.nih go.kr/coda/KRGDB/index.jsp; Ensembl DB, https://asia.ensembl.org)의 마이너 대립 유전자 빈도(minor allele frequency: MAF)와 일치하는 피부 표현형을 사용한 GWAS 분석에 의해 유의미한 p- 값 (P<1.0x10^-5)을 나타내었다. 구체적인 유전자 다형성은 아래에서 설명한다.

피부 표현형별 유전자 다형성

피부주름 관련 유전자 다형성

피부 주름과 관련하여, rs117381658, rs1961184, rs1929013, 및 rs7042102의 단일 염기 다형성(single nucleotide polymorphism: SNP)을 선별하였다. 그 중에서 rs117381658은 주름에 대한 피부 표현형 변화와 가장 높은 상관 관계(β= 0.952, P = 1.52x10-8)를 보였으며 ± 100kb 부근의 5 개의 SNP는 GWAS 분석에서 P <0.05의 유의적인 상관 관계를 나타냈다.

노화는 B-세포 수체를 축적하고 이들을 통해 만성 염증을 유발할 위험이 더 커지며, 이는 염증 반응을 유발하는 FCRL5의 전사를 유도하는 것으로 알려져 있다(Damdinsuren et al. 2016).

결과적으로, rs117381658의 경우 FCRL5 유전자의 다운스트림에 존재하며 만성 염증 상태 주위에 상당한 SNP 클러스터를 형성함으로써 FCRL5에 영향을 줄 수 있었다. 더불어, FCRL5의 발현은 염증 반응 및 NF-κ경로에 영향을 줄 수 있으며, 이는 조직 불변성 조절제(tissue constancy modulators)를 파괴하고 피부 노화에 영향을 줄 수 있음을 시사하는 것이다.

또한, 또 다른 SNP인 rs7042102는 SPTLC1 유전자의 다운 스트림에 존재하는 변이이며, 피부 조직의 유전자형에 따른 발현 차이가 eQTL 데이터베이스에 나타나는 것을 확인하였다.

피부보습(수분) 관련 유전자 다형성

피부 보습과 관련하여, rs9873353, rs34567709, rs1362404, rs7853290, 및 rs143938096의 단일 염기 다형성을 선별하였다. 이 중에서 rs9873353은 높은 상관관계를 나타냈다(β= -0.567, P = 1.47x10-6).

피부 수분 함량과 관련된 내부 요인은 각질층의 유분, 천연 보습 인자 및 외부 요인으로 인한 수분 함량으로서, 상기와 같은 요인에 의해 차이가 나타나는 것으로 알려져 있다(Iizaka 2017).

eQTL 데이터베이스에서 SNP에 따른 발현 차이는 지방 조직만이 단일조직 eQTL에 제공된다는 것을 보여 주지만, 다중 조직 eQTL은 rs7853290의 유전자형에 의해 CEMIP2의 발현 차이가 피부 조직에도 나타난다는 것을 보여준다. 이러한 결과는 상기 SNP가 장벽을 보습하고 기능적으로 제어할 수 있음을 시사하는 것이다.

피부 색소 침착(미백) 관련 유전자 다형성

피부 색소와 관련하여, rs74653330, rs34466224, rs11685354, rs4653497, rs59784607, 및 rs76548385의 단일 염기 다형성을 선별하였다. 특히, rs74653330은 GWAS 데이터에서 높은 유의성(β= -1.092, P = 1.04x10-8)의 상관관계를 보여주었다.

아시아 인종에서 아미노산 치환(His615Arg)은 피부 미백 및 색소 변화와 관련성이 높고, 상기 rs74653330은 미스센스 돌연변이의 일봉으로써(Ala481Thr), 동아시아 인구의 색소 침착과 관련이 있음을 확인할 수 있었다.

피부 유분(오일 함량)관련 유전자 다형성

피부 오일 함량과 관련하여, rs308971, rs151209785, rs9577919, rs147804495, rs8107564 및 rs6490805의 단일 염기 다형성을 선별하였다. 이 중에서 rs308971는 높은 상관 관계를 나타내었다(β= -0.325, P = 4.60x10-6).

rs308971, rs9577919, rs8107564 및 rs6490805의 잠재적 기능으로 피부가 변할 수 있다. 보다 구체적으로, rs9577919는 염증 반응을 매개하고 건선의 발달에 영향을 미치는 유전자인 GAS6 유전자의 인트론 1에 위치하고 있었다. 또한, rs8107564는 INSR 유전자의 다운 스트림에 위치하였다. 더불어, rs308971 및 rs6490805도 분석 결과, 피부 오일 함량과의 상관 관계를 시사하였다.

피부민감성 관련 유전자 다형성

피부 민감도와 관련하여, rs7334780 및 rs41308의 단일 염기 다형성을 선별하였다. 이 중에서 rs7334780은 높은 유의성 (OR = 0.635, P = 2.82x10-6)을 나타내었다.

피부 표현형별 유전자 다형성 환산식 도출

피부 표현형 예측 유전자 지표 알고리즘

표현형별 SNP 바이오마커를 SPSS 통계 프로그램을 이해 선형회귀분석을 실시하였다. 선형상관분석의 종속변수는 각 피부의 표현형이고, 독립 변수는 각 표현형의 SNP 마커, 개체의 나이, 성별 등이다. 상기 선형회귀분석을 통하여 각 표현형 마커별 가중치 상수(회귀분석 베타값)를 도출하였다.

그 결과 아래 표 1 내지 표 5에 나타낸 것과 같이 피부 표현형의 환산식을 도출할 수 있었다. 표 1은 피부 주름 표현형의 환산식을 나타내고, 표 2는 피부 보습(수분) 표현형의 환산식을 나타내고, 표 3은 피부 색소 침작(미백) 표현형의 환산식을 나타내고, 표 4는 피부 유분(오일 함량) 표현형의 환산식을 나타내고, 표 5는 피부 민감성 표현형의 환산식을 나타낸다.

	SNP	B		퍼센트	기준값
주름	(상수)	7.45	LOW	7.434(39.2%)	0<=X<=7.434
	rs117381658	0.857	MEDIUM	7.773(33.3%)	7.434<X<=7.773
	rs1961184	0.699	HIGH	10.509(27.5%)	7.773<X<=10.509
	rs1929013	-0.339
	rs7042102	0.323
FORMULA	7.45+(rs117381658)(0.857)+(rs1961184)(0.699)+(rs1929013)(-0.339)+(rs7042102)(0.323)

	SNP	B		퍼센트	기준값
보습	(상수)	3.968	LOW	3.65(30.13%)	0<=X<=3.65
	rs9873353	-0.492	MEDIUM	4.056(31.01%)	3.65<X<=4.056
	rs34567709	0.406	HIGH	5.562(38.86%)	4.056<X<=5.562
	rs1362404	-0.318
	rs7853290	0.482
	rs143938096	-0.521
	rs12955989	0.353
FORMULA	3.968+(rs1362404)(-0.318)+(rs7853290)(0.482)+(rs143938096)(-0.521)+(rs12955989)(0.353)

	SNP	B		퍼센트	기준값
멜라닌	(상수)	7.939	LOW	7.547(30.03%)	0<=X<=7.547
	rs74653330	-1.006	MEDIUM	8.189(30.31%)	7.547<X<=8.189
	rs34466224	0.532	HIGH	10.427(39.66%)	8.189<X<=10.427
	rs11685354	-0.419
	rs4653497	0.419
	rs59784607	-0.462
	rs76548385	0.712
FORMULA	7.939+(rs74653330)(-1.006)+(rs34466224)(0.532)+(rs11685354)(-0.419)+(rs4653497)(0.419)+(rs59784607)(-0.462)+(rs76548385)(0.712)

	SNP	B		퍼센트	기준값
유분	(상수)	3.901	LOW	3.873(27.47%)	0<=X<=3.873
	rs308971	-0.28	MEDIUM	4.211(34.37%)	3.873<X<=4.211
	rs151209785	-0.558	HIGH	5.824(38.16%)	4.211<X<=5.824
	rs9577919	0.5
	rs147804495	0.649
	rs8107564	0.31
	rs6490805	0.315
FORMULA	3.901+(rs308971)(-0.28)+(rs151209785)(-0.558)+(rs9577919)(0.5)+(rs147804495)(0.649)+(rs8107564)(0.31)+(rs6490805)(0.315)

	SNP	B		퍼센트	기준값
민감	(상수)	1.479	LOW	1.384(26.07%)	0<=X<=1.384
	rs7334780	-0.104	MEDIUM	1.488(40.41%)	1.384<X<=1.488
	rs41308	0.113	HIGH	1.705(33.53%)	1.488<X<=1.705
FORMULA	1.479+(rs7334780)(-0.104)+(rs41308)(0.113)

위의 표 1 내지 표 5의 환산식을 사용하여 각 피부 표현형별 유전자 위험도를 예측할 수 있다. 이하 구체적인 환산식을 들어 피부 표현형별 위험도를 예측하는 방법을 설명한다.

피부 주름 예측

즉, 피부 주름을 예측하는 것은 하기 수학식 1을 사용하여 환산값을 도출하고, 환산값이 7.773 초과 내지 10.509 이하인 경우에 피부주름 위험도가 높은(H) 것으로 예측하고, 환산값이 7.434 초과 내지 7.773 이하인 경우에 피부주름 위험도가 중간(M)인 것으로 예측하며, 환산값이 0 이상 내지 7.434 이하인 경우에 피부주름 위험이 낮은(L) 것으로 예측한다.

[수학식 1]

환산값

=7.45+(rs117381658)*(0.857)+(rs1961184)(0.699)+(rs1929013)(0.339)+(rs7042102)*(0.323)

상기 수학식에서 상기 (SNP)는 각 SNP의 유전자형이 WILDTYPE 이면 0, Heterotype 이면 1, Mutant type 이면 2의 값을 의미한다.

피부 보습(수분) 예측

피부 보습을 예측하는 것은 하기 수학식 2를 사용하여 환산값을 도출하고, 환산값이 4.056 초과 내지 5.562 이하인 경우 피부 수분 함량이 높아 피부 보습 위험도가 낮은 것으로 예측하고, 상기 환산값이 3.65 초과 내지 4.056 이하인 경우에 피부 수분 함량이 중간으로 피부 보습 위험도가 중간인 것으로 예측하며, 상기 환산값이 0 이상 내지 3.65 이하인 경우에 피부 수분 함량이 낮아 피부 보습 위험도가 높은 것으로 예측한다.

[수학식 2]

환산값

=3.968+(rs1362404)*(-0.318)+(rs7853290)*(0.482)+(rs143938096)(0.521)

+(rs12955989)*(0.353)

피부 색소 침착(미백) 예측

피부 색소 침착을 예측하는 것은 하기 수학식 3을 사용하여 도출하고, 환산값이 8.189 초과 내지 10.427 이하인 경우 피부 색소 침착 위험도가 높은(H) 것으로 예측하고, 환산값이 7.547 초과 내지 8.189 이하인 경우에 피부 색소 침착 위험도가 중간(M)인 것으로 예측하며, 환산값이 0 이상 내지 7.547 이하인 경우에 피부 색소 침착 위험도가 낮은(L) 것으로 예측한다.

[수학식 3]

환산값

=7.939+(rs74653330)*(1.006)+(rs34466224)(0.532)+(rs11685354)*(0.419)+(rs4653497)*(0.419)+(rs59784607)*(-0.462)+(rs76548385)*(0.712)

피부 유분 예측

피부 유분을 예측하는 것은 하기 수학식 4를 사용하여 도출하고, 환산값이 4.211 초과 내지 5.824 이하인 경우 피부 유분 위험도가 높은 것으로 예측하고, 환산값이 3.873 초과 내지 4.211 이하인 경우에 피부 유분 위험도가 중간인 것으로 예측하며, 환산값이 0 이상 내지 3.873 이하인 경우에 피부 유분 위험도가 낮은 것으로 예측한다.

[수학식 4]

환산값

= 3.901+(rs308971)*(-0.28)+(rs151209785)(0.558)*(rs9577919)(0.5)+ (rs147804495)*(0.649)+(rs8107564)*(0.31)+(rs6490805)*(0.315)

피부 민감도 예측

피부 민감도를 예측하는 것은 하기 수학식 5를 사용하여 도출하고, 환산값이 1.488 초과 내지 1.705 이하인 경우 피부 민감 위험도가 높은(H) 것으로 예측하고, 환산값이 1.384 초과 내지 1.488 이하인 경우에 피부 민감 위험도가 중간(M)인 것으로 예측하며, 환산값이 0 이상 내지 1.384 이하인 경우에 피부 민감 위험도가 낮은(L) 것으로 예측한다.

[수학식 5]

환산값

=1.479+(rs7334780)*(-0.104)+(rs41308)*(0.113)

피부 표현형 항목에 대한 설문 문진 측정값의 코딩값(제3 코딩 값) 도출

88개의 설문에 대하여 1000명 이상의 설문 결과를 빅 데이터 분석한 후, 5개의 피부 표현형 항목에 대해서 측정치(종속 변수)와 설문전체(독립 변수)에 대해 단계적 회귀분석을 수행하여 총 88개 설문 중 측정치에 대해 영향력을 미치는 최소 설문만 산출하였다. 표 6은 산출된 설문 리스트를 나타낸다.

피부 표현형 항목	설문명	설문
주름 설문 조합	Q47S1	T존 U존 트러블
	Q02S1	피부 고민: 과색소 침착
	Q14S1	기미, 점, 주근깨
	Q07S1	모공 상태
	Q13S1	실핏줄
	Q33S1	기름지고 단 음식
	Q10S1	날씨 피부 발적
	Q01S4	중성
	Q02S4	피부고민: 주름
	Q02S5	피부고민: 모공
보습(수분) 설문 조합	Q35S1	자외선 차단제
	Q31S2	화장품 바르는 느낌: 금방 흡수되는 느낌
	Q18S1	색소침착
	Q24S1	피부 노화
	Q42S1	피부 악화(임신, 출산)
색소 침착(미백) 설문 조합	Q15S1	칙칙함
	Q17S1	태양민감
	Q28S1	얼굴볼륨
	Q07S1	모공상태
	Q02S3	피부고민:탄력
	Q36S1	피부악화(다이어트)
	Q19S1	잔주름
	Q31S2	화장품 바르는 느낌: 금방 흡수되는 느낌
	Q13S1	실핏줄
	Q04S2	화장이 잘 들뜸
	Q03S1	세안 후 당김
	Q23S1	피부 자국
유분 설문 조합	Q26S1	모공크기 및 모양
	Q48S1	스트레스 트러블
	Q18S1	색소침착
	Q07S1	모공상태
	Q05S1	T존 건조
	Q08S2	피부 윤기 과다
	Q24S1	피부 노화
	Q04S1	화장이 쉽게 지워짐
민감 설문 조합	Q05S1	T존 건조
	Q42S1	피부 악화(임신, 출산)
	Q33S1	기름지고 단 음식

유전자 위험도 환산값 계산식과 유사한 방식으로 각각의 설문 조합에 대해서 선형회귀분석을 실시하였다. 선형회귀분석을 통하여 각 설문별 가중치 상수(회귀분석 베타값)을 도출하였다. 베타값(beta)이 양수인 경우 위험도가 높고, 음수인 경우 위험도가 낮은 것으로 예측한다.

환산값 계산식에 따라 환산값을 계산한 후 환산값이 상위 40% 범위 내인 경우 각 피부 표현형의 발현 위험도가 높은(H) 것으로 예측하고, 중간 30% 범위 내인 경우 발현 위험도가 중간(M)인 것으로 예측하고, 하위 30% 범위 내인 경우 발현 위험도가 낮은(L) 것으로 예측한다.

보습(수분) 예측을 예로 들면 하기 수학식 6을 사용하여 환산값을 도출한다.

[수학식 6]

환산값

=5.065+(Q35S1)*(-0.509)+(Q31S2)*(0.288)

+(Q18S1)*(-0.294)+(Q24S1)*(0.513)+(Q42S1)*(0.246)

앞에서 설명한 방법에 따라 도출된 피부 표현형 항목에 대한 피부 측정값(제1 코딩 값), 피부 표현형 항목에 대한 유전자 위험도 측정값(제2 코딩 값), 피부 표현형 항목에 대한 설문 문진 측정값(제3 코딩 값)을 +한다. 합산 값이 상위 40% 범위 내인 경우 각 피부 표현형의 발현 위험도가 높은(H) 것으로 예측하고, 중간 30% 범위 내인 경우 발현 위험도가 중간(M)인 것으로 예측하고, 하위 30% 범위 내인 경우 발현 위험도가 낮은(L) 것으로 예측한다. 그 결과, 다섯 가지 피부 표현형 항목에 대해서 대해서 각각, 높음(H), 중간(M), 낮음(L)으로 코딩된 값의 조합으로 이루어진 243(=3*3*3*3*3)가지의 피부 타입이 도출되게 된다.

제1 코딩 값, 제2 코딩 값, 및 제3 코딩 값을 합산할 때, 웨이트를 동일하게 적용하여 이를 합한 후 1/3하여 합산값을 구할 수 있으나, 각 코딩 값의 웨이트를 달리하여 합산할 수 있다. 예를 들면, 고객의 현재 상태를 가장 많이 반영하는 피부 측정의 제1 코딩값에는 0.5를, 유전자(SNP)를 이용하여 측정한 제2 코딩값에는 0.3을, 설문 문진의 제1 코딩값에는 0.2를 곱하여 합산함으로써 가장 합리적이고 객관적인 합산 값을 구하는 것이 더욱 바람직할 수 있다.

이렇게 빅데이터 수집/관리/분석부(200)에서 빅 데이터에 대한 정보 처리를 통해 구축한 243개의 피부 타입 분류 및 판단 알고리즘은 빅데이터 수집/관리/분석부(200) 뿐만 아니라 입력정보처리부(300)에 저장되게 된다.

개인 소비자가 정보 수신부(100)의 스마트 피부 진단기(101), 피부 유전자 검사용 키트(103) 및 설문/문진(105)을 이용하여 각 개인의 피부 측정값, 유전자 측정값, 설문 문진값을 입력하면 앞에서 설명한 알고리즘에 따라 피부 표현형 항목에 대한 피부 측정값(제1 코딩 값), 피부 표현형 항목에 대한 유전자 위험도 측정값(제2 코딩 값), 피부 표현형 항목에 대한 설문 문진 측정값(제3 코딩 값)을 합산하고 합산 값이 어느 범위인지를 계산하여 제1 범위(예., 상위 40% 범위) 내인 경우 각 피부 표현형의 발현 위험도가 높은(H) 것으로 예측하고, 제2 범위(예., 중간 30% 범위) 내인 경우 발현 위험도가 중간(M)인 것으로 예측하고, 제3 범위(예., 하위 30% 범위) 내인 경우 발현 위험도가 낮은(L) 것으로 예측한다. 이렇게 얻어진 값에 따라 5자리로 코딩된 피부 타입이 얻어질 수 있다.

예를 들면, 243가지의 코드 중 아래와 같은 하나의 피부 타입 코드(표 7)가 개인 피부 타입으로 주어질 수 있다.

주름	보습(수분)	색소침착(미백)	유분	민감
H	M	L	H	M

이상 설명에서는 피부 표현형의 종류를 5개를 예시하여 설명하였으나, 개인 피부 타입 결정시 측정하는 피부 표현형의 종류를 5개 이상, 예를 들면 피지, 모공 피부 표현형을 더 추가하여 피부 타입을 구분할 수도 있다. 피지, 모공 또한 예시적인 것이며 다양한 형태의 피부 표현형이 추가될 수 있음은 물론이다. 개인 피부 타입 결정시 피부 측정값, 단일염기다형성 측정값, 설문문진값을 각각 피부 표현형 각각에 대하여 높음, 중간, 낮음의 3단계 중 어느 하나로 코딩한 후, 이들의 값을 합산한 후 다시 높음, 중간, 낮음의 3단계 중 어느 하나로 환산하는 것을 예시하여 설명하였으나, 피부 표현형에 따라서는 조금 더 세분화하여 5단계 중 어느 하나로 코딩한 후, 이들의 값을 합산한 후 다시 5단계 중 어느 하나로 환산할 수도 있다. 이 경우에는 5*5*5*5*5 가지의 피부 타입으로 구분될 수도 있다. 5단계를 예시하였으나 필요에 따라서는 보다 더 세분화할 수도 있음은 물론이다.

그리고, 소비자의 고민이 많은 피부 표현형의 경우에는 코딩 단계를 3단계 이상으로 세분화하고 소비자의 고민이 적은 피부 표현형의 경우에는 코딩 단계를 3단계로만 하여 피부 타입을 결정할 수도 있다.

이상 설명한 바와 같이 피부 표현형의 종류, 코딩 단계의 구분, 이들의 조합 등을 다양화함으로써 소비자의 만족도를 조금 더 높일 수 있다.

맞춤형 화장품 처방 연산부(350)는 입력정보 처리부(300)에서 결정된 개인 피부 타입에 기반하여 화장품 원료/제형 데이터베이스(50)를 참조하여 맞춤형 화장품 레시피를 결정하고, 결정된 맞춤형 화장품 레시피에 따라 개인 맞춤형 화장품 제공부(400)에서 개인 맞춤형 화장품을 소비자에게 제공한다.

일정 기간이 지난 후, 소비자에게 제공된 맞춤형 화장품에 대한 소비자의 만족도 또는 제공된 맞춤형 화장품의 효능에 대한 정보가 피드백 정보 수신부(500)에 제공될 수 있다.

피드백 정보 수신부(500)는 입력정보 처리부(300)와 달리 피부 유전자 검사용 키트는 포함하지 않고, 스마트 피부진단기와 설문/문진으로 구성될 수 있다. 유전자 정보는 이미 측정된 값이 개인 피부/유전정보 DB(30)에 저장되어 있으므로 이를 다시 측정할 필요가 없기 때문이다. 맞춤형 화장품을 일정 기간 사용 후 스마트 피부진단기로 피부를 측정하고 설문/문진을 재작성한 후 이 값이 입력되면 피드백 정보 연산부(600)는 앞에서 설명한 알고리즘에 따라서 5자리로 코딩된 피부 타입을 재계산할 수 있다. 만약 피부 타입이 기존과 동일하다면 기존에 처방된 맞춤형 레시피를 그대로 적용하면 되지만 피부 타입이 변화(HMLHM → HMHLL)하였다면 변화된 피부 타입에 맞추어 새로운 레시피의 맞춤형 화장품을 제공할 수 있다. 즉, 소비자의 피드백 정보를 입력 받아 앞에서 결정된 피부 타입의 정확도, 제공된 맞춤형 화장품에 대한 만족도 및/또는 제공된 맞춤형 화장품의 효능을 평가한 후, 맞춤형 화장품의 유지, 개선, 또는 변경을 결정한 후 이를 소비자에게 제공하여 소비자의 진정한 요구를 반영한 맞춤형 화장품을 제공할 수 있다.

필요에 따라서는 피드백 정보 연산부(600)의 기능을 입력정보 처리부(300)가 통합하여 수행할 수 있음은 물론이다.

앞의 설명에서는 피부 측정값의 코딩값, 단일염기다형성 측정값의 코딩값, 설문문진값의 코딩값을 합산하는 경우를 예시하여 설명하였으나, 맞춤형 화장품 제공 및 시스템을 경량화 또는 저가화하고자 할 경우에는 n개(n≥3) 이상의 피부 표현형 각각에 대한 피부 측정값과 설문문진값을 수득한 후, 상기 피부 측정값과 상기 설문문진값을 상기 피부 표현형 각각에 대하여 최소 3단계 값 중 어느 하나로 코딩하고, 상기 피부 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 적어도 n 자리로 이루어진 개인 피부 타입 코드를 생성하는 알고리즘에 따라 개인 피부 타입 코드를 생성할 수 있다.

비록 다양한 실시예들을 참조로 하여 본 발명을 설명하였지만 다양한 변형 및 변화가 본 발명의 취지 및 범위 내에 포함된다는 것을 이해할 수 있다.

Claims

데이터 수집/관리/분석부가 제1 피부 표현형에 대하여 피부 측정값, 단일염기다형성 측정값, 설문문진값을 수득하는 제1-1 단계;
입력정보처리부가 상기 피부 측정값, 상기 단일염기다형성 측정값, 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 제1-2 단계; 및
상기 입력정보처리부가 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 이 환산값을 상기 제1 피부 표현형에 코드 값으로 부여하는 제1-3 단계를 포함하고,
제2 내지 제n ((n≥3)의 피부 표현형 각각에 대하여 상기 제1-1 내지 제1-3 단계를 반복 수행하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인 피부 타입 코드를 생성하거나,
상기 데이터 수집/관리/분석부가 제1 피부 표현형에 대하여 피부 측정값과 설문문진값을 수득하는 제2-1 단계;
상기 입력정보처리부가 상기 피부 측정값과 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 제2-2 단계; 및
상기 입력정보처리부가 상기 피부 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 이 환산값을 상기 제1 피부 표현형에 코드 값으로 부여하는 제2-3 단계를 포함하고,
제2 내지 제n ((n≥3)의 피부 표현형 각각에 대하여 상기 제2-1 내지 제2-3 단계를 반복 수행하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인피부 타입 코드를 생성하는 개인 피부 타입 결정 방법으로,
상기 제1-2 단계 또는 제2-2 단계에서 상기 피부 측정값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형에 해당하는 적어도 하나 이상의 피부 측정 항목별로 상기 피부 측정값의 크기에 따라 최소 3단계 값 중 어느 하나의 점수를 부여하고 측정 항목별 값들을 모두 합산한 후 이를 다시 최소 3단계 값 중 어느 하나로 분류하여 상기 피부 표현형의 피부 측정값의 코딩값을 결정하는 것이고,
상기 제1-2 단계 또는 제2-2 단계에서 상기 단일염기다형성 측정값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형별로 선택된 단일염기다형성을 검출하되 단일염기다형성의 회귀분석 베타값(beta)이 양수인 경우 위험도가 높고, 음수인 경우 위험도가 낮은 것으로 예측하는 회귀환산식에 따라 환산값을 도출하고 환산값을 다시 최소 3단계 값 중 어느 하나로 환산하여 상기 단일염기다형성 측정값의 코딩값을 결정하는 것이고,
상기 제1-2 단계 또는 제2-2 단계에서 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형별로 선택된 설문의 회귀분석 베타값(beta)이 양수인 경우 위험도가 높고, 음수인 경우 위험도가 낮은 것으로 예측하는 회귀환산식에 따라 환산값을 도출하고 환산값을 다시 최소 3단계 값 중 어느 하나로 환산하여 상기 설문문진값의 코딩값을 결정하는 것인 개인 피부 타입 결정 방법.
삭제
삭제
삭제
제1 항에 있어서,
상기 제1-3 단계에서 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산하거나 상기 제2-3 단계에서 상기 피부 측정값의 코딩값과 상기 설문문진값의 코딩값을 합산하는 것은 상기 각 코딩값의 웨이트를 달리하여 합산하는 것인 개인 피부 타입 결정 방법.
제5 항에 있어서,
상기 피부 측정값의 코딩값의 웨이트: 상기 단일염기다형성 측정값의 코딩 값의 웨이트: 상기 설문문진값의 코딩값의 웨이트는 5:3:2 인 개인 피부 타입 결정 방법.
제1 항에 있어서,
상기 n은 5이고 상기 피부 표현형은 주름, 보습(수분), 색소침착(미백), 유분 및 민감인 개인 피부 타입 결정 방법.
제1항, 제5 항 내지 제7항 중 어느 한 항에 있어서,
맞춤형 화장품 처방 연산부가 상기 개인 피부 타입 코드에 따라 맞춤형 화장품의 레시피를 결정하는 단계; 및
맞춤형 화장품 제공부가 결정된 레시피에 따라 개인 맞춤형 화장품을 제공하는 단계를 더 포함하는 개인 맞춤형 화장품 제공 방법.
제8 항에 있어서,
상기 개인 맞춤형 화장품을 제공한 후, 일정 기간이 지난 후, 피드백 정보 수신부가 상기 n개(n≥3) 이상의 피부 표현형 각각에 대하여 새로이 측정한 피부 측정값 및 설문문진값을 수득하는 단계; 및
상기 새로이 측정한 피부 측정값과 설문문진값을 기존에 측정된 단일염기다형성 측정값과 함께 또는 상기 새로이 측정한 피부 측정값과 설문문진값을 상기 제1-2 단계 및 제1-3 단계 또는 제2-2 단계 및 제2-3 단계에 따라 처리하여 피부 타입 코드를 재계산하여 앞에서 계산된 상기 피부 타입 코드의 정확도, 상기 제공된 맞춤형 화장품에 대한 만족도 및/또는 상기 제공된 맞춤형 화장품의 효능을 평가한후, 상기 제공된 맞춤형 화장품의 유지, 개선 또는 변경을 결정한 후 이를 소비자에게 제공하는 단계를 더 포함하는 개인 맞춤형 화장품 제공 방법.
개인으로부터 제1 피부 표현형에 대한 피부 측정값, 단일염기다형성 측정값, 설문문진값을 수득하는 제1-1 단계;
상기 피부 측정값, 상기 단일염기다형성 측정값, 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 제1-2 단계; 및
상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 이 환산값을 상기 제1 피부 표현형에 코드 값으로 부여하는 제1-3 단계를 포함하고,
제2 내지 제n ((n≥3)의 피부 표현형 각각에 대하여 상기 제1-1 내지 제1-3 단계를 반복 수행하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인 피부 타입 코드를 생성하거나,
제1 피부 표현형에 대하여 피부 측정값과 설문문진값을 수득하는 제2-1 단계;
상기 피부 측정값과 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 제2-2 단계; 및
상기 피부 측정값의 코딩값, 상기 설문문진값의 코딩값을 합산한 후 합산 값을 다시 최소 3단계 값 중 어느 하나로 환산하여 이 환산값을 상기 제1 피부 표현형에 코드 값으로 부여하는 제2-3 단계를 포함하고,
제2 내지 제n ((n≥3)의 피부 표현형 각각에 대하여 상기 제2-1 단계 내지 제2-3 단계를 반복 수행하여 3ⁿ개 이상의 피부 타입 중 어느 하나이며 n자리로 이루어진 개인피부 타입 코드를 생성하는 알고리즘을 포함하는 빅데이터 수집/관리/분석부 및 입력정보 처리부로,
상기 제1-2 단계 또는 제2-2 단계에서 상기 피부 측정값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형에 해당하는 적어도 하나 이상의 피부 측정 항목별로 상기 피부 측정값의 크기에 따라 최소 3단계 값 중 어느 하나의 점수를 부여하고 측정 항목별 값들을 모두 합산한 후 이를 다시 최소 3단계 값 중 어느 하나로 분류하여 상기 피부 표현형의 피부 측정값의 코딩값을 결정하는 것이고,
상기 제1-2 단계 또는 제2-2 단계에서 상기 단일염기다형성 측정값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형별로 선택된 단일염기다형성을 검출하되 단일염기다형성의 회귀분석 베타값(beta)이 양수인 경우 위험도가 높고, 음수인 경우 위험도가 낮은 것으로 예측하는 회귀환산식에 따라 환산값을 도출하고 환산값을 다시 최소 3단계 값 중 어느 하나로 환산하여 상기 단일염기다형성 측정값의 코딩값을 결정하는 것이고,
상기 제1-2 단계 또는 제2-2 단계에서 상기 설문문진값을 최소 3단계 값 중 어느 하나로 코딩하는 것은 상기 피부 표현형별로 선택된 설문의 회귀분석 베타값(beta)이 양수인 경우 위험도가 높고, 음수인 경우 위험도가 낮은 것으로 예측하는 회귀환산식에 따라 환산값을 도출하고 환산값을 다시 최소 3단계 값 중 어느 하나로 환산하여 상기 설문문진값의 코딩값을 결정하는 빅데이터 수집/관리/분석부 및 입력정보 처리부;
상기 개인 피부 타입 코드에 따라 맞춤형 화장품의 레시피를 결정하는 맞춤형 화장품 처방 연산부; 및
결정된 레시피에 따라 개인 맞춤형 화장품을 제공하는 개인 맞춤형 화장품 제공부를 포함하는 개인 맞춤형 화장품 제공 시스템.
삭제
삭제
삭제
제10 항에 있어서,
상기 제1-3 단계에서 상기 피부 측정값의 코딩값, 상기 단일염기다형성 측정값의 코딩 값 및 상기 설문문진값의 코딩 값을 합산하거나, 상기 피부 측정값의 코딩값과 상기 설문문진값의 코딩값을 합산할 때, 각 코딩 값의 웨이트를 달리하여 합산하는 것인 개인 맞춤형 화장품 제공 시스템.
제14 항에 있어서,
상기 피부 측정값의 코딩값의 웨이트: 상기 단일염기다형성 측정값의 코딩 값의 웨이트: 상기 설문문진값의 코딩 값의 웨이트는 5:3:2 인 개인 맞춤형 화장품 제공 시스템.
제10 항에 있어서,
상기 n은 5이고 상기 피부 표현형은 주름, 보습(수분), 색소침착(미백), 유분 및 민감인 개인 맞춤형 화장품 제공 시스템.
제10 항에 있어서,
상기 개인 맞춤형 화장품을 제공한 후, 일정 기간이 지난 후, 상기 n개(n≥3) 이상의 피부 표현형 각각에 대하여 새로이 측정한 피부 측정값 및 설문문진값을 수득하는 단계; 및
상기 새로이 측정한 피부 측정값과 설문문진값을 기존에 측정된 단일염기다형성 측정값과 함께 또는 상기 새로이 측정한 피부 측정값과 설문문진값을 상기 제1-2 단계 및 제1-3 단계 또는 제2-2 단계 및 제2-3 단계에 따라 처리하여 피부 타입 코드를 재계산하여 앞에서 계산된 상기 피부 타입 코드의 정확도, 상기 제공된 맞춤형 화장품에 대한 만족도 및/또는 상기 제공된 맞춤형 화장품의 효능을 평가한후, 상기 제공된 맞춤형 화장품의 유지, 개선 또는 변경을 결정하는 단계를 수행하는 피드백 정보 연산부를 더 포함하는 개인 맞춤형 화장품 제공 시스템.