KR102482793B1 - 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법 - Google Patents

인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법 Download PDF

Info

Publication number
KR102482793B1
KR102482793B1 KR1020200173714A KR20200173714A KR102482793B1 KR 102482793 B1 KR102482793 B1 KR 102482793B1 KR 1020200173714 A KR1020200173714 A KR 1020200173714A KR 20200173714 A KR20200173714 A KR 20200173714A KR 102482793 B1 KR102482793 B1 KR 102482793B1
Authority
KR
South Korea
Prior art keywords
health
principal component
data
user
user terminal
Prior art date
Application number
KR1020200173714A
Other languages
English (en)
Other versions
KR20210075028A (ko
Inventor
권광석
김승호
Original Assignee
(주)유에스티21
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유에스티21 filed Critical (주)유에스티21
Publication of KR20210075028A publication Critical patent/KR20210075028A/ko
Application granted granted Critical
Publication of KR102482793B1 publication Critical patent/KR102482793B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • 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
    • G16H20/70—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
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 인공지능데이터베이스에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법을 제안한다. 인공지능데이터베이스는 사용자가 일상에서 이용하는 단말기나 장치로부터 획득하는 사용자의 건강측정데이터를 기초로 사용자에게 필요한 건강관리정보를 실시간으로 제공한다.

Description

인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법{System and Method for providing individual health-care information from AI database to user's device}
본 발명은 사용자에게 개별화된 관리정보를 제공하는 시스템 및 방법에 관한 것이다.
의료에 있어서 건강 정보를 수집하는 전통적인 방식은 환자가 병원 또는 의원 등의 의료기관에 방문하였을 때, 질병과 관련된 정보들을 전자의무기록 (Electric Health Record) 에 기록하는 것이다. 이러한 방식은 의료기관에서 환자에 대한 관한 정보를 집중적으로 파악하고 진료를 할 수 있지만, 짧은 시간 내에 환자에게 필요한 건강 정보를 수집해야 한다는 한계가 있다. 따라서, 환자의 현재 건강 상태의 문제점 이외에, 환자의 건강 상태의 근본적인 원인이 되는 환자의 삶의 방식, 습관, 주변 환경 등의 일상에 대한 일상 생활 방식 정보를 수집하기 어렵고, 설사 이러한 일상 생활 방식 정보를 수집하더라도, 환자의 주관적 기억에 의존하기 때문에 부정확할 수 있다는 단점이 있다. 또한, 환자의 일상 생활 방식 정보를 파악하기 위해서 상당한 시간을 들여야 한다는 부담이 있다. 또한, 전통적인 방식은 의료기관에 방문한 환자를 대상으로 질병과 관련된 정보들을 조사하므로, 특이적인 증상이나 질병이 나타나기 이전의 건강한 사람 또는 질병에 대한 인식이 없는 사람에 대해서는, 일상 생활 방식 정보를 수집하기 어렵다는 한계가 있다.
최근에는 인터넷과 웨어러블 기기 및 스마트폰의 발달로 개개인의 생체신호를 매일 모니터링이 가능하며, 조기 단계에 개개인에게 발생하는 생체신호의 변화와 이상징후를 감지할 수 있다. 그러나, 실시간으로 개개인의 생체신호를 수집하더라도 웨어러블 기기와 스마트폰만을 통한 생체수집 정보는 사용자들의 건강 상태를 파악하기에는 제한이 있다.
KR 10-1808541 B1
본 발명의 바람직한 일 실시예에서는 사용자 단말기에서 획득, 수집하는 사용자의 건강데이터를 기초로, 사용자가 건강에 이상을 감지하여 병원에 방문하기 이전에라도 사용자 각각에게 개별화된 건강관리정보를 제공하고자 한다.
본 발명의 바람직한 일 실시예에서는 사용자 단말기로부터 획득, 수집한 사용자의 건강데이터와, 공공건강검진자료 및 인공지능을 이용하여, 사용자의 건강에 이상이 발생한 경우 조기에 사용자에게 문제가 발생할 수 있음을 알림으로써 사용자가 영구적인 손상을 입기 이전에 치료나 활동을 권고할 수 있는 건강관리정보 플랫폼을 제공하고자 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템으로, 상기 시스템은 인공지능데이터베이스서버 및 사용자 단말기를 포함하고, 상기 사용자 단말기는 적어도 하나의 웨어러블장치와 통신을 수행하며, 상기 인공지능데이터베이스서버는 공공건강검진자료데이터베이스에 지역별, 성별, 년도별, 월별 행렬테이블로 저장된 학습데이터에 대해 주성분분석 트레이닝을 수행하는 머신러닝부; 상기 머신러닝부에서 상기 주성분분석 트레이닝을 통해 분석된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 각각의 관계와, 상기 제 1 주성분의 변화량과 상기 적어도 하나 이상의 제 2 주성분 각각의 변화량의 관계를 2차원의 점그래프로 건강검진 인자분석결과를 표시하는 표시부;및 상기 점그래프로 표시된 상기 제 1 주성분과 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 추천하는 추천부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템에서 상기 사용자 단말기는 사용자가 이용하는 적어도 하나의 웨어러블장치에서 실시간으로 획득한 상기 사용자의 적어도 하나의 건강측정데이터를 확보하는 개별건강정보획득부; 및 상기 사용자의 적어도 하나의 건강측정데이터에 대응하는 상기 제 1 주성분을 검색하고, 상기 추천부로부터 상기 제 1 주성분과 관련된 건강관리정보를 수신하여 제공하는 건강관리부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템에서 상기 추천부는 상기 사용자 단말기에 상기 사용자 단말기가 측정하거나 수집한 건강측정데이터 정보, 상기 건강측정데이터가 건강기준표 대비 정상범위에 속하는지 여부에 대한 정보, 상기 건강측정데이터에 대응하는 건강데이터를 기초로 상기 머신러닝부에서 주성분분석 트레이닝 분석을 통해 학습한 제 1 주성분과 관련된 건강관리정보, 그리고 상기 추천부에서 랜덤포레스트 학습을 수행하여 학습한 제 1 주성분과 관련한 건강관리정보를 제공하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템에서 상기 공공건강검진자료데이터베이스는 국민건강보험공단에서 개방하는 건강검진정보, 진료내역정보 및 의약품처방 정보 학습데이터를 가공 및 저장하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템에서 상기 추천부는 전문가가 상기 제 1 주성분 또는 상기 제 1 주성분의 변화량에 대해 요구되는 건강관리정보 내용을 작성하면, 작성된 건강관리정보 내용을 기초로 상기 랜덤포레스트 학습을 수행하는 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 방법은 공공건강검진자료데이터베이스에 지역별, 성별, 년도별, 월별 행렬테이블로 저장된 학습데이터에 대해 머신러닝부를 통해 주성분분석 트레이닝을 수행하는 단계; 표시부에서 상기 주성분분석 트레이닝을 통해 분석된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 각각의 관계 또는 상기 제 1 주성분의 변화량과 상기 적어도 하나 이상의 제 2 주성분 각각의 변화량의 관계를 2차원의 점그래프로 표시하는 단계; 및 추천부에서 상기 점그래프로 표시된 상기 제 1 주성분과 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 추천하는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 방법은 상기 인공지능데이터베이스서버는 사용자 단말기와 유무선 통신을 수행하고, 상기 사용자 단말기는 상기 사용자가 이용하는 적어도 하나의 웨어러블장치에서 실시간으로 획득한 상기 사용자의 적어도 하나의 건강측정데이터를 확보하는 단계; 및 상기 추천부에서 상기 사용자 단말기에서 확보한 건강측정데이터를 수신하여 상기 인공지능데이터베이스서버에 기저장된 건강기준표에서 벗어나는 건강측정데이터가 있는지 판단하는 단계; 를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 방법에서 상기 추천부는 상기 건강기준표에 벗어나는 건강측정데이터가 있는 경우, 해당 건강측정데이터에 대응하는 상기 제 1 주성분을 검색하고, 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 상기 사용자 단말기에 추천하는 단계;를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 방법에서 상기 추천부는 상기 사용자 단말기에 상기 사용자 단말기가 측정하거나 수집한 건강측정데이터 정보, 상기 건강측정데이터가 건강기준표 대비 정상범위에 속하는지 여부에 대한 정보, 상기 건강측정데이터에 대응하는 건강데이터를 기초로 상기 머신러닝부에서 주성분분석 트레이닝 분석을 통해 학습한 제 1 주성분과 관련된 건강관리정보, 그리고 상기 추천부에서 랜덤포레스트 학습을 수행하여 학습한 제 1 주성분과 관련한 건강관리정보를 제공하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법은 사용자가 일상에서 이용하는 단말기나 장치로부터 획득하는 사용자의 건강측정데이터를 기초로 사용자에게 필요한 건강관리정보를 실시간으로 제공하여, 사용자의 건강의 이상상태를 조기에 발견하고 사전에 건강을 지킬 수 있는 효과가 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템의 내부 구성도를 도시한다.
도 2 내지 4는 본 발명의 바람직한 일 실시예로서, 머신러닝부에서 학습데이터를 학습하기 위하여 건강보험공단 데이터베이스에 저장된 건강데이터를 지역별, 성별, 년도별, 월별 행렬테이블 형태로 재가공하여 저장하는 일 예를 도시한다.
도 5 내지 6은 본 발명의 바람직한 일 실시예로서, 표시부에서 서울시의 남성 45~49세의 중성지방(triglyceride)과 관련한 점그래프의 일 예를 도시한다.
도 7 은 본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스에서 기저장된 건강기준표의 일 예를 도시한다.
도 8 은 본 발명의 바람직한 일 실시예로서, 사용자 단말기에게 개별화된 건강관리정보를 제공하는 일 예를 도시한다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명한다.
도 1 은 본 발명의 바람직한 일 실시예로서, 인공지능데이터베이스에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템의 내부 구성도를 도시한다.
도 1에 도시된 시스템(100)은 인공지능데이터베이스 서버(120) 및 사용자 단말기(110)를 포함한다. 이 때, 사용자 단말기(110)는 적어도 하나의 웨어러블장치, 그 외 다양한 의료기기 및 단말기와 통신을 수행하며 사용자의 혈압, 맥박, 신체온도, 혈당 등과 같은 생체데이터를 포함하는 건강데이터를 실시간으로 획득하고 누적하여 수집, 관리한다.
사용자 단말기(110), 적어도 하나의 웨어러블장치, 그 외 다양한 의료기기 및 단말기는 UE(User Equipment), ME(Mobile Equipment), MS(Mobile Station), UT(User Terminal), SS(Subscriber Station), MSS(Mobile Subscriber Station), 무선기기(Wireless Device), 휴대기기(Handheld Device), AT(Access Terminal), 웨어러블디바이스, 로봇 등을 모두 포함하는 개념으로 휴대폰, 셀룰러폰, 스마트 폰(smart phone), PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿(tablet device), 컴퓨터(computer), 스마트와치, CCTV, 인공지능스피커, 홈어플라이언스 또는 멀티미디어 기기 등의 형태로 구현이 가능하다.
본 발명의 또 다른 일 실시예로서 단말기(110)는 카메라, 디스플레이, 메모리 및 통신부를 포함하고, 영상데이터 또는 음성데이터를 송수신하는 인터페이스를 구비할 수 있다. 사용자 단말기(110)는 또한 앱 형태로 사용자의 건강 이상상태를 자동검출하거나 사용자의 건강상태에 맞는 건강관리정보를 제공하는 애플리케이션을 인공지능데이터베이스(120)로부터 다운받아 설치할 수 있다.
본 발명의 바람직한 일 실시예로서, 사용자 개개인에게 개별화된 건강관리정보를 제공하는 인공지능데이터베이스서버(120)는 건강보험공단데이터베이스 서버(160) 등과 유무선 통신이 가능하다. 또한, 위급상황 발생시 콜센터서버 내지 병원서버 등을 통해 사용자의 응급상황을 알릴 수 있다.
본 발명의 바람직한 일 실시예로서, 사용자 개개인에게 개별화된 건강관리정보를 제공하는 인공지능데이터베이스서버(120)는 머신러닝부(130), 표시부(140) 및 추천부(150)를 포함한다.
머신러닝부(130)는 건강보험공단 데이터베이스(160)등과 같은 공공건강검진자료데이터베이스에 지역별, 성별, 년도별, 월별 행렬테이블로 저장된 학습데이터에 대해 주성분분석(Principal Component Analysis) 트레이닝을 수행한다. 주성분 분석이란 다양한 인자(차원)으로 구성된 학습데이터의 분산이 최대가 되는 축을 찾는 기계학습 방식을 의미한다.
본 발명의 바람직한 일 실시예에서, 머신러닝부(130)는 건강보험공단 데이터베이스(160)로부터 획득한 학습데이터에서 분산이 최대가 되는 첫번째 축을 찾고, 찾은 첫번째 축과 직교하면서 분산이 최대가 되는 두 번째 축을 찾는다. 이후 첫번째 축과 두번째 축에 직교하면서 분산이 최대가 되는 세 번째 축을 찾는다. 머신러닝부(130)는 첫 번재에서 세 번째 축을 찾는 단계를 반복하면서 목표 차원 수만큼의 축을 찾는다.
본 발명의 바람직한 일 실시예에서는 머신러닝부(130)는 국민건강보험가입자의 진료내역정보, 의약품처방정보, 건강검진정보가 축적되어 있는 건강보험공단 데이터베이스(160)의 건강데이터를 이용하고자 한다. 머신러닝부(130)는 국민건강보험가입자의 진료내역정보, 의약품처방정보, 건강검진정보가 축적되어 있는 건강데이터를 도 2 내지 4와 같은 형식으로 가공 및 저장하여 학습데이터를 생성하고, 이를 빅데이터로 이용하여 기계학습을 수행한다.
국민건강보험공단은 건강보험공단 데이터베이스(160)를 통해 가입자 일련번호 및 수진자 기본정보(성, 연령, 거주지 시도코드), 신체, 몸무게, 허리둘레 등 신체사이즈 정보, 혈압, 혈당, 콜레스테롤, 요단백, 감마지피티와 같은 병리검사결과, 시력과 청력, 구강검사와 같은 진단검사결과, 그 외 음주와 흡연 여부에 대한 문진결과 등을 개방하여 제공하고 있다.
도 1 을 참고하면, 건강보험공단 데이터베이스(160)는 건강검진정보 저장부(162), 진료내역정보 저장부(164) 및 의약품처방정보 저장부(166)를 포함한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 머신러닝부(130)가 건강검진정보 저장부(162)에 저장되어 있는 데이터를 가공한 예를 도시한다. 머신러닝부(130)는 "일반건강검진 및 의료급여생애전환기검진 결과 판정기준”를 참조하여 건강검진정보 저장부(162)에 저장된 데이터를 기준년도, 시도, 성별, 연령대(5세 단위), 신장(5cm 단위), 체중(5kg 단위) 등을 기준으로 검진 결과 상관성을 도출하도록 학습을 수행한다.
도 3 은 본 발명의 바람직한 일 실시예로서, 머신러닝부(130)가 진료내역정보 저장부(164)에 저장되어 있는 데이터를 가공한 예를 도시한다.
머신러닝부(130)는 "질병분류기호"를 참조하여 진료내역정보 저장부(164)에 저장된 데이터를 기준년도, 시도, 성별, 연령대로 분류하고 이 후 진료과목코드, 주상병코드, 부상병코드, 요양일수,입내원일수 등을 기준으로 검진결과 상관성을 도출하도록 학습을 수행한다.
도 4 는 본 발명의 바람직한 일 실시예로서, 머신러닝부(130)가 의약품처방정보 저장부(166)에 저장되어 있는 데이터를 가공한 예를 도시한다.
머신러닝부(130)는 또한 "보건복지부 고시 약제급여목록 및 급여상한금액표"를 참조하여 의약품처방정보 저장부(166)에 저장된 데이터를 기준년도, 시도, 성별, 연령대로 분류하고 약품일반성분명코드, 총투여일수 등을 기준으로 검진결과 상관성을 도출하도록 학습을 수행한다.
본 발명의 바람직한 일 실시예로서, 머신러닝부(130)는 도 2 내지 4에 도시된 학습데이터를 대상으로 지역별, 성별, 년도별, 월별 행렬테이블마다 주성분분석(Principal Component Analysis) 트레이닝을 수행한 후, 주성분분석 트레이닝 분석 결과를 표시부(140)에 제공한다.
도 5 내지 6은 본 발명의 바람직한 일 실시예로서, 표시부에서 서울시의 남성 45~49세의 중성지방(triglyceride)과 관련한 점그래프의 일 예를 도시한다.
표시부(140)는 머신러닝부(130)에서 주성분분석 트레이닝을 통해 분석된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 각각의 관계와, 제 1 주성분의 변화량과 상기 적어도 하나 이상의 제 2 주성분 각각의 변화량의 관계를 2차원의 점그래프로 표시하여 건강검진 인자분석결과를 표시한다. 도 5 에서 제 1 주성분은 중성지방이며, 제 2 주성분은 gamma_gtp, idl_chole 이다.
도 6을 참고하면, 머신러닝부에서 주성분분석 트레이닝 분석을 통해 중성지방(triglyceride)을 제 1 주성분으로, 그 외 중성지방(triglyceride)과 관련 있는 성분으로 체중(weight), 허리둘레(waist), 콜레스테롤(tot_chole, ldl_chole, hdl_chole), 간기능검사(SGPT(ALT),SGOT(AST), gamma_gtp), 신장, 크레아틴, 혈압(bp_lwst, bp_high, bids) 등을 도출하였다. 그리고, 서울시의 남성 45~49세의 중성지방과 관련성이 높은 성분으로 gamma_gtp 값과 ldl_chole을 도출하였다.
추천부(150)는 표시부(140)에서 그래프로 표시된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행한다. 랜덤포레스트 학습을 수행하기 전에 전문가는 제 1 주성분 또는 제 1 주성분의 변화량에 대해 요구되는 건강관리정보 내용을 작성하면, 추천부(150)는 작성된 건강관리정보 내용을 기초로 랜덤포레스트 학습을 수행할 수 있다. 랜덤포레스 학습이 완료되면 추천부(150)는 제 1 주성분과 관련된 건강관리정보를 추천한다.
예를 들어, 추천부(150)는 도 4 내지 5와 같이 표시부(140)에 표시된 점그래프에서 파악된 제 1 주성분인 중성지방(triglyceride)과 제 2 주성분인 gamma_gtp 및 ldl_chole의 연관관계를 기초로 랜덤포레스트 학습을 수행한다. 그리고, 랜덤포레스트 학습 결과를 기초로 제 1 주성분과 관련된 건강관리정보를 추천한다.
일 예로, 사용자 단말기(110)에 설치된 중성지방 측정센서에서 서울시에 사는 47세의 남성의 중성지방 173이라는 건강데이터를 획득한 경우, 추천부(150)는 사용자 단말기(110)로부터 수신한 서울시에 사는 47세 남성의 중성지방 173의 수치에 대응하는 제 1 주성분을 인공지능데이터베이스 서버(120)에서 검색한다. 인공지능데이터베이스 서버(120)에 제 1 주성분에 대한 데이터가 있는 경우, 제 1 주성분과 관련된 건강관리정보를 사용자 단말기(110)에 전달한다. 인공지능데이터베이스 서버(120)에 도 5 내지 6과 같이 중성지방에 대해 학습한 데이터가 기저장되어 관리되고 있는 경우, 추천부(150)는 인공지능데이터베이스 서버(120)에 기저장된 도 7의 건강기준표와 같은 표를 참고하여, 도 8의 일 예와 같이 사용자 단말기(110)에 중성지방이 173으로 정상B(경계)(810)에 속하며, 더 높아질 경우 '이상지질혈증'이 발생할 수 있고, gamma_gtp 및 ldl_chole 의 수치검사가 필요하고, 술 담배를 금하고, 규칙적인 운동을 할 것을 제안할 수 있다.
본 발명의 바람직한 일 실시예로서, 추천부(150)는 사용자 단말기에 사용자 단말기가 측정한 건강측정데이터 정보(811), 사용자의 건강측정데이터가 건강기준표(도 7 참고) 대비 정상범위에 속하는지 여부에 대한 정보(810, 820), 사용자의 건강측정데이터에 대응하는 건강데이터를 기초로 머신러닝부(130)에서 주성분분석 트레이닝 분석을 통해 학습한 제 1 주성분과 관련된 건강관리정보(830, 840), 추천부(150)에서 랜덤포레스트 학습을 수행하여 학습한 제 1 주성분과 관련한 건강관리정보(850)를 제공할 수 있다. 건강측정데이터 정보(811)는 사용자의 혈압, 맥박, 심박수, 그 외 단말기를 통해 측정할 수 있는 여러가지 형태의 건강과 관련된 데이터 외에, 사용자가 거주하는 지역, 사용자의 성별, 해당 데이터를 측정한 년도(year), 월(month) 등과 같은 날짜에 대한 정보를 포함한다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

Claims (10)

  1. 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템으로, 상기 시스템은
    인공지능데이터베이스서버 및 사용자 단말기를 포함하고, 상기 사용자 단말기는 적어도 하나의 웨어러블장치와 통신을 수행하며,
    상기 인공지능데이터베이스서버는
    공공건강검진자료데이터베이스에 지역별, 성별, 년도별, 월별 행렬테이블로 저장된 학습데이터에 대해 주성분분석 트레이닝을 수행하는 머신러닝부;
    상기 머신러닝부에서 상기 주성분분석 트레이닝을 통해 분석된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 각각의 관계와, 상기 제 1 주성분의 변화량과 상기 적어도 하나 이상의 제 2 주성분 각각의 변화량의 관계를 2차원의 점그래프로 건강검진 인자분석결과를 표시하는 표시부;및
    상기 점그래프로 표시된 상기 제 1 주성분과 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 추천하는 추천부;를 포함하고,
    상기 추천부는 사용자 단말기에서 획득한 사용자가 거주하는 지역 및 사용자의 건강과 관련된 데이터에 대응하는 상기 제 1 주성분을 상기 인공지능데이터베이스서버에서 검색하고, 상기 인공지능데이터베이스서버에 상기 제 1 주성분에 대한 데이터가 있는 경우 상기 제 1 주성분과 관련된 건강관리정보를 상기 사용자 단말기에 전달하는 것을 특징으로 하는 시스템.
  2. 제 1 항에 있어서, 상기 사용자 단말기는
    사용자가 이용하는 적어도 하나의 웨어러블장치에서 실시간으로 획득한 상기 사용자의 적어도 하나의 건강측정데이터를 확보하는 개별건강정보획득부; 및
    상기 사용자의 적어도 하나의 건강측정데이터에 대응하는 상기 제 1 주성분을 검색하고, 상기 추천부로부터 상기 제 1 주성분과 관련된 건강관리정보를 수신하여 제공하는 건강관리부;를 포함하고,
    상기 건강측정데이터는 사용자의 혈압, 맥박, 심박수, 그 외 상기 사용자 단말기를 통해 측정할 수 있는 건강과 관련된 데이터 외에, 사용자가 거주하는 지역, 사용자의 성별, 해당 데이터를 측정한 년도(year), 월(month) 등과 같은 날짜에 대한 정보를 포함하는 것을 특징으로 하는 시스템.
  3. 제 2 항에 있어서, 상기 추천부는
    상기 사용자 단말기에 상기 사용자 단말기가 측정하거나 수집한 건강측정데이터 정보, 상기 건강측정데이터가 건강기준표 대비 정상범위에 속하는지 여부에 대한 정보, 상기 건강측정데이터에 대응하는 건강데이터를 기초로 상기 머신러닝부에서 주성분분석 트레이닝 분석을 통해 학습한 제 1 주성분과 관련된 건강관리정보, 그리고 상기 추천부에서 랜덤포레스트 학습을 수행하여 학습한 제 1 주성분과 관련한 건강관리정보를 제공하는 것을 특징으로 하는 시스템.
  4. 제 1 항에 있어서, 상기 공공건강검진자료데이터베이스는
    국민건강보험공단에서 개방하는 건강검진정보, 진료내역정보 및 의약품처방 정보 학습데이터를 가공 및 저장하는 것을 특징으로 하는 시스템.
  5. 제 1 항에 있어서, 상기 추천부는
    전문가가 상기 제 1 주성분 또는 상기 제 1 주성분의 변화량에 대해 요구되는 건강관리정보 내용을 작성하면, 작성된 건강관리정보 내용을 기초로 상기 랜덤포레스트 학습을 수행하는 것을 특징으로 하는 시스템.
  6. 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 방법으로서,
    공공건강검진자료데이터베이스에 지역별, 성별, 년도별, 월별 행렬테이블로 저장된 학습데이터에 대해 머신러닝부를 통해 주성분분석 트레이닝을 수행하는 단계;
    표시부에서 상기 주성분분석 트레이닝을 통해 분석된 제 1 주성분과 적어도 하나 이상의 제 2 주성분 각각의 관계 또는 상기 제 1 주성분의 변화량과 상기 적어도 하나 이상의 제 2 주성분 각각의 변화량의 관계를 2차원의 점그래프로 표시하는 단계; 및
    추천부에서 상기 점그래프로 표시된 상기 제 1 주성분과 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 추천하는 단계;를 포함하고,
    상기 추천부는 사용자 단말기에서 획득한 사용자가 거주하는 지역 및 사용자의 건강과 관련된 데이터에 대응하는 상기 제 1 주성분을 상기 인공지능데이터베이스서버에서 검색하고, 상기 인공지능데이터베이스서버에 상기 제 1 주성분에 대한 데이터가 있는 경우 상기 제 1 주성분과 관련된 건강관리정보를 상기 사용자 단말기에 전달하는 것을 특징으로 하는 방법.
  7. 제 6 항에 있어서,
    상기 인공지능데이터베이스서버는 사용자 단말기와 유무선 통신을 수행하고, 상기 사용자 단말기는 상기 사용자가 이용하는 적어도 하나의 웨어러블장치에서 실시간으로 획득한 상기 사용자의 적어도 하나의 건강측정데이터를 확보하는 단계; 및
    상기 추천부에서 상기 사용자 단말기에서 확보한 건강측정데이터를 수신하여 상기 인공지능데이터베이스서버에 기저장된 건강기준표에서 벗어나는 건강측정데이터가 있는지 판단하는 단계; 를 더 포함하고,
    상기 건강측정데이터는 사용자의 혈압, 맥박, 심박수, 그 외 상기 사용자 단말기를 통해 측정할 수 있는 건강과 관련된 데이터 외에, 사용자가 거주하는 지역, 사용자의 성별, 해당 데이터를 측정한 년도(year), 월(month) 등과 같은 날짜에 대한 정보를 포함하는 것을 특징으로 하는 방법.
  8. 제 7 항에 있어서,
    상기 추천부는 상기 건강기준표에 벗어나는 건강측정데이터가 있는 경우, 해당 건강측정데이터에 대응하는 상기 제 1 주성분을 검색하고, 상기 적어도 하나 이상의 제 2 주성분 간의 연관관계를 기초로 랜덤포레스트 학습을 수행하여 상기 제 1 주성분과 관련된 건강관리정보를 상기 사용자 단말기에 추천하는 단계;를 더 포함하는 것을 특징으로 하는 방법.
  9. 제 6 항에 있어서, 상기 공공건강검진자료데이터베이스는
    국민건강보험공단에서 개방하는 건강검진정보, 진료내역정보 및 의약품처방 정보 학습데이터를 가공 및 저장하고, 상기 머신러닝부는 상기 공공건강검진자료데이터베이스에 가공 및 저장된 학습데이터를 빅데이터로 이용하여 학습을 수행하는 것을 특징으로 하는 방법.
  10. 제 8 항에 있어서, 상기 추천부는
    상기 사용자 단말기에 상기 사용자 단말기가 측정하거나 수집한 건강측정데이터 정보, 상기 건강측정데이터가 건강기준표 대비 정상범위에 속하는지 여부에 대한 정보, 상기 건강측정데이터에 대응하는 건강데이터를 기초로 상기 머신러닝부에서 주성분분석 트레이닝 분석을 통해 학습한 제 1 주성분과 관련된 건강관리정보, 그리고 상기 추천부에서 랜덤포레스트 학습을 수행하여 학습한 제 1 주성분과 관련한 건강관리정보를 제공하는 것을 특징으로 하는 방법.
KR1020200173714A 2019-12-12 2020-12-11 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법 KR102482793B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190165990 2019-12-12
KR1020190165990 2019-12-12

Publications (2)

Publication Number Publication Date
KR20210075028A KR20210075028A (ko) 2021-06-22
KR102482793B1 true KR102482793B1 (ko) 2022-12-29

Family

ID=76600822

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200173714A KR102482793B1 (ko) 2019-12-12 2020-12-11 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102482793B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100794516B1 (ko) * 2007-12-03 2008-01-14 한국정보통신대학교 산학협력단 사례 기반 기계학습 추론을 이용한 질환 진단 및 검사 항목선정 시스템 및 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108292329A (zh) * 2015-06-15 2018-07-17 南托米克斯有限责任公司 用于从细胞系基因组学预测患者特异性药物响应的系统和方法
KR101903522B1 (ko) * 2015-11-25 2018-11-23 한국전자통신연구원 다차원 건강데이터에 대한 유사사례 검색 방법 및 그 장치
KR101808541B1 (ko) 2016-02-18 2017-12-13 주식회사 유비케어 맞춤형 건강 가이드 장치 및 방법
KR101855117B1 (ko) * 2016-09-30 2018-05-04 주식회사 셀바스에이아이 질병에 대한 발병 확률 예측 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100794516B1 (ko) * 2007-12-03 2008-01-14 한국정보통신대학교 산학협력단 사례 기반 기계학습 추론을 이용한 질환 진단 및 검사 항목선정 시스템 및 방법

Also Published As

Publication number Publication date
KR20210075028A (ko) 2021-06-22

Similar Documents

Publication Publication Date Title
Laver et al. Telerehabilitation services for stroke
Buchbinder et al. Self‐management education programmes for osteoarthritis
Watson et al. The role of medical smartphone apps in clinical decision-support: A literature review
Bravata et al. Using pedometers to increase physical activity and improve health: a systematic review
US10103947B2 (en) Processing of portable device data
US20150339455A1 (en) Interactive testing system for analysing biological samples
Blaiss et al. Diagnosis and treatment of nasal and ocular allergies: the Allergies, Immunotherapy, and RhinoconjunctivitiS (AIRS) surveys
WO2013155002A1 (en) Wireless telemedicine system
US20120078652A1 (en) Healthcare information system
Brown et al. Update on value-based medicine
US20180060518A1 (en) Electronic community medical marijuana network
KR20150025629A (ko) 환자맞춤형질환정보제공 단말기
Wagner et al. Challenges in blood pressure self‐measurement
CN113168919A (zh) 一种利用个性化指标进行健康分析的系统及其使用方法
Crossland et al. Evaluation of a home-printable vision screening test for telemedicine
WO2012090226A2 (en) Computer implemented system and method for measuring individual wellness index
Richard et al. Burn patient acuity demographics, scar contractures, and rehabilitation treatment time related to patient outcomes: the ACT study
KR20130007166A (ko) 유무선 통신망을 이용한 질병 관리 시스템 및 방법
KR102482793B1 (ko) 인공지능데이터베이스서버에서 사용자 단말기에게 실시간으로 개별화된 건강관리정보를 제공하는 시스템 및 방법
KR102567536B1 (ko) Ai를 이용한 지역별, 성별, 연령대별 건강분석방법
Guo et al. Association of visual acuity improvement with uncorrected refractive error in patients new to low vision clinics
KR20210014881A (ko) 사용자의 노화 정도 평가 제공 방법 및 시스템
CN111128400A (zh) 医学护理资料的处理方法及装置、存储介质、电子设备
Kindman et al. Blood pressure measurement modalities: a primer for busy practitioners
Connors et al. Use of geographic information system mapping in the examination of specialized low vision resources and areas of need in Michigan

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