KR102489070B1 - 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법 - Google Patents

학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법 Download PDF

Info

Publication number
KR102489070B1
KR102489070B1 KR1020200065426A KR20200065426A KR102489070B1 KR 102489070 B1 KR102489070 B1 KR 102489070B1 KR 1020200065426 A KR1020200065426 A KR 1020200065426A KR 20200065426 A KR20200065426 A KR 20200065426A KR 102489070 B1 KR102489070 B1 KR 102489070B1
Authority
KR
South Korea
Prior art keywords
patient
atopic dermatitis
factors
learning model
atopic
Prior art date
Application number
KR1020200065426A
Other languages
English (en)
Other versions
KR20210147746A (ko
Inventor
신재용
오주영
이상은
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020200065426A priority Critical patent/KR102489070B1/ko
Priority to PCT/KR2021/006550 priority patent/WO2021242010A1/ko
Priority to US17/927,760 priority patent/US20230320653A1/en
Publication of KR20210147746A publication Critical patent/KR20210147746A/ko
Application granted granted Critical
Publication of KR102489070B1 publication Critical patent/KR102489070B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
    • A61B5/411—Detecting or monitoring allergy or intolerance reactions to an allergenic agent or substance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • 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
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Veterinary Medicine (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Operations Research (AREA)
  • Educational Technology (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)

Abstract

본 발명은 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 아토피 피부염 관리 장치를 이용한 아토피 피부염 관리 방법에 있어서, 환자에 관한 일상 생활 인자, 생체 정보 인자, 정신 건강 인자, 피부 현황 인자, 날씨 관련 환경 인자, 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집하는 단계와, 복수의 인자에 대한 각각의 세부 변수와 그에 대응하는 상기 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 상기 세부 변수 별 적용되는 가중치를 학습하는 단계와, 개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정하는 단계와, 상기 인자 별로 상기 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선택하여, 선택한 유효 변수들을 기반으로 상기 학습 모델을 재구성하는 단계, 및 분석 대상 환자에 대응하여 현재 수집된 기초 데이터를 상기 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측하는 단계를 포함하는 아토피 피부염 관리 방법을 제공한다.
본 발명에 따르면, 환자에 대응하여 수집된 기초 데이터를 기 학습된 학습 모델에 적용하는 것을 통하여 아토피 피부염의 상태와 증상 악화를 예측하고 관리할 수 있으며, 예측 결과를 기초로 맞춤형 치료 전략을 제시해 줄 수 있다.

Description

학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법{Apparatus for managing atopic dermatitis based on learning model and method thereof}
본 발명은 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 환자에 대응하여 수집된 기초 데이터를 기반으로 아토피 상태를 예측하여 제공할 수 있는 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법에 관한 것이다.
아토피 피부염은 연령대에 따른 특정 부위의 습진성 병변, 만성 가려움증을 동반하는 면역계의 염증성 질환이다. 역학 연구에 따라 상의하나, 학동기 연령에서 10~20%의 환자가 아토피 피부염 증상을 가진다는 보고가 있다. 성인이 되어도 아토피 환자의 10%는 계속 병변이 지속되어 가려움증이 지속되고 피부가 태선화되는 성인 아토피 피부염으로 진행한다.
아토피 피부염은 악화와 호전을 반복하면서 환자들의 삶의 질에 악영향을 준다. 국내 만 19세 이상 60세 미만 일반인 155명을 대상으로 한 중증 아토피 피부염 환자의 삶의 질에 대한 인식조사 결과, 중증 아토피 피부염 환자의 삶의 질은 청각, 시각 장애인 수준으로 나타나며, 중증 아토피피부염 환자는 일주일에 평균 4일을 가려움증으로 인해 잠들지 못하는 수면 장애에 시달리는 것으로 보고되었다.
중증 환자의 63%는 12시간 이상 가려움이 지속되는 경험을 하며, 응답자들은 치료되지 않는 중증 아토피 피부염 환자로 10년을 사는 것보다 건강하게 3.8년을 살고 6.2년의 삶은 포기하겠다고 답한 바 있다. 이는 청각 또는 시각 장애인의 삶의 질에 따른 기대여명 단축을 분석한 결과(3.9년)와 유사한 수치이다. 반면 치료가 잘 될 경우 약 1.5년의 삶을 포기하겠다고 답해 치료 효과 여부에 따라 기대여명에 대한 반응이 크게 달라지는 것으로 보아, 아토피 피부염 치료에 대한 욕구가 간접적으로 매우 강한 것을 확인할 수 있었다.
삶의 질 감소는 아토피 피부염 환자의 정신과적 증상과 연계되는데, 아토피 피부염 환자는 증상의 호전과 악화를 반복하기 때문에, 필요 시 즉각적으로 전문가의 진료를 받을 수 있는 시스템이 구축되어야 한다.
최근 보건의료체계의 화두는 가치(value)를 극대화하는 정책을 수립하는 것이다. 여기서 가치는 투입되는 자원의 양과 산출되는 건강 결과를 모두 고려한 요소이며, 같은 결과를 얻게 된다면 가급적 예방적 처치, 최소한의 자원 투입으로 양질의 건강 수준을 달성함을 의미한다. 따라서 아토피 환자의 심각도가 중증도로 가지 않게 막아주면서 증상을 스스로 조절하는 방안을 마련하는 가치 기반의 의료 관리 플랫폼이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허 제2019-0083928호(2019.07.15 공개)에 개시되어 있다.
본 발명은 환자에 대응하여 수집된 기초 데이터를 미리 학습된 학습 모델에 적용하여 아토피 피부염의 상태 악화를 예측할 수 있는 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법을 제공하는데 목적이 있다.
본 발명은, 아토피 피부염 관리 장치를 이용한 아토피 피부염 관리 방법에 있어서, 환자에 관한 일상 생활 인자, 생체 정보 인자, 정신 건강 인자, 피부 현황 인자, 날씨 관련 환경 인자, 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집하는 단계와, 복수의 인자에 대한 각각의 세부 변수와 그에 대응하는 상기 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 상기 세부 변수 별 적용되는 가중치를 학습하는 단계와, 개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정하는 단계와, 상기 인자 별로 상기 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선택하여, 선택한 유효 변수들을 기반으로 상기 학습 모델을 재구성하는 단계, 및 분석 대상 환자에 대응하여 현재 수집된 기초 데이터를 상기 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측하는 단계를 포함하는 아토피 피부염 관리 방법을 제공한다.
또한, 상기 세부 변수 별 가중치를 학습하는 단계는, 제1 시간에 수집된 환자에 대한 각 인자별 세부 변수들과 상기 제1 시간으로부터 T1 시간 경과된 제2 시간에 수집된 환자의 아토피 중증도 지수를 상기 학습 모델에 적용하여 학습할 수 있다.
또한, 상기 예측하는 단계는, 현재 시점에서 분석 대상 환자에 대응하여 수집된 기초 데이터 중 각 인자별 유효 변수들을 기 학습된 학습 모델에 적용하여, 현재로부터 T1 시간 경과된 미래 시점에서의 해당 분석대상 환자의 향후 아토피 중증도 지수를 예측할 수 있다.
또한, 상기 아토피 피부염 관리 방법은, 상기 예측한 결과에 대응하는 맞춤형 국소 도포제, 유지 요법, 병원 방문 권유 중 적어도 하나에 관한 치료 전략을 예측 결과와 함께 해당 환자 측의 사용자 단말로 피드백하는 단계를 더 포함할 수 있다.
또한, 상기 기초 데이터는, 환자에 대응한 사용자 단말, 환자의 의료 정보를 저장한 병원 서버, 위치 기반의 날씨 정보를 제공하는 날씨 서버를 통하여 수집될 수 있다.
또한, 상기 아토피 피부염 관리 방법은, 상기 기초 데이터가 수집된 환자를 대상으로 해당 환자의 사용자 단말을 통하여 아토피 피부염 개선을 위한 복수의 교육 컨텐츠를 단계적으로 제공하는 단계를 더 포함하며, 상기 교육 컨텐츠는, 설정 기간 동안 아토피 피부염 관련 기본 지식을 제공하여 아토피 피부염에 대한 환자의 잘못된 인지를 교정하는 교육 프로그램인 인지 교정 컨텐츠, 상기 인지 교정 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자에게 제시한 설문과 응답을 기초로 일상 생활과 질환 경과에 부정적인 영향을 미치는 부정적 사고를 개선하는 교육 프로그램인 자동적 사고 개선 컨텐츠, 및 상기 자동적 사고 개선 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자의 마음 챙김을 위한 명상 교육과 훈련을 위한 교육 프로그램인 행동 교정 컨텐츠를 포함할 수 있다.
그리고, 본 발명은, 환자에 관한 일상 생활 인자, 생체 정보 인자, 정신 건강 인자, 피부 현황 인자, 날씨 관련 환경 인자, 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집하는 데이터 수집부와, 복수의 인자에 대한 각각의 세부 변수와 그에 대응하는 상기 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 상기 세부 변수 별 적용되는 가중치를 학습하는 모델 학습부와, 개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정하는 결정부와, 상기 인자 별로 상기 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선택하여, 선택한 유효 변수들을 기반으로 상기 학습 모델을 재구성하는 모델 재구성부, 및 분석 대상 환자에 대응하여 상기 데이터 수집부를 통해 현재 수집된 기초 데이터를 상기 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측하는 예측부를 포함할 수 있다.
또한, 상기 모델 학습부는, 제1 시간에 수집된 환자에 대한 각 인자별 세부 변수들과 상기 제1 시간으로부터 T1 시간 경과된 제2 시간에 수집된 환자의 아토피 중증도 지수를 상기 학습 모델에 적용하여 학습할 수 있다.
또한, 상기 예측부는, 현재 시점에서 분석 대상 환자에 대응하여 수집된 기초 데이터 중 각 인자별 유효 변수들을 기 학습된 학습 모델에 적용하여, 현재로부터 T1 시간 경과된 미래 시점에서의 해당 분석대상 환자의 향후 아토피 중증도 지수를 예측할 수 있다.
또한, 상기 아토피 피부염 관리 장치는, 상기 예측한 결과에 대응하는 맞춤형 국소 도포제, 유지 요법, 병원 방문 권유 중 적어도 하나에 관한 치료 전략을 예측 결과와 함께 해당 환자 측의 사용자 단말로 피드백하는 알람부를 더 포함할 수 있다.
또한, 상기 아토피 피부염 관리 장치는, 상기 기초 데이터가 수집된 환자를 대상으로 해당 환자의 사용자 단말을 통하여 아토피 피부염 개선을 위한 복수의 교육 컨텐츠를 단계적으로 제공하는 컨텐츠 제공부를 더 포함하며, 상기 교육 컨텐츠는, 설정 기간 동안 아토피 피부염 관련 기본 지식을 제공하여 아토피 피부염에 대한 환자의 잘못된 인지를 교정하는 교육 프로그램인 인지 교정 컨텐츠, 상기 인지 교정 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자에게 제시한 설문과 응답을 기초로 일상 생활과 질환 경과에 부정적인 영향을 미치는 부정적 사고를 개선하는 교육 프로그램인 자동적 사고 개선 컨텐츠, 및 상기 자동적 사고 개선 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자의 마음 챙김을 위한 명상 교육과 훈련을 위한 교육 프로그램인 행동 교정 컨텐츠를 포함할 수 있다.
본 발명에 따르면, 환자에 대응하여 수집된 기초 데이터를 기 학습된 학습 모델에 적용하는 것을 통하여 환자에 대한 아토피 피부염의 상태와 증상 악화를 예측하고 관리할 수 있으며, 예측 결과를 기초로 맞춤형 치료 전략을 제시해 줄 수 있는 이점을 제공한다.
또한, 이러한 본 발명은 인지행동 기반의 아토피 관리, 정신 건강 관리, 스트레스 관리를 위한 모바일 앱 상호 작용 기반의 아토피 피부염 관리 플랫폼을 제공함으로써 아토피 피부염의 증상 호전과 악화 방지를 유도하고 아토피 환자의 삶의 질을 개선하는데 기여할 수 있다.
도 1은 본 발명의 실시예에 따른 아토피 피부염 관리 시스템을 나타낸 도면이다.
도 2는 도 1에 도시된 아토피 피부염 관리 장치의 구성을 나타낸 도면이다.
도 3은 도 2을 이용한 아토피 피부염 관리 방법을 설명하는 도면이다.
도 4는 본 발명의 실시예에 따른 학습 모델의 적용 원리를 설명한 도면이다.
도 5는 본 발명의 실시예에 따른 인지 교정 컨텐츠를 설명하는 도면이다.
도 6은 본 발명의 실시예에 따른 자동적 사고 개선 컨텐츠를 설명하는 도면이다.
도 7은 본 발명의 실시예에 따른 행동 교정 컨텐츠를 설명하는 도면이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 아토피 피부염 관리 시스템을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 아토피 피부염 관리 시스템은 아토피 피부염 관리 장치(100), 사용자 단말(200), 병원 서버(300) 및 날씨 서버(400)를 포함하며, 서로 유무선 네트워크 연결되어 통신하며, 상호 정보를 송수신 할 수 있다.
이하에서는 주로 무선 네트워크를 예시하지만, 무선, 유선 또는 유무선 결합 네트워크를 사용할 수도 있다. 무선 네트워크는 RF, WLAN, Wi-Fi, 블루투스 방식 중 적어도 하나를 포함할 수 있으며 공지된 다양한 무선 네트워크 방식을 사용할 수 있다.
아토피 피부염 관리 장치(100)은 아토피 피부염 관리를 위한 서버 그 자체일 수 있고, 사용자 단말(200) 등의 장치 상에 소프트웨어적으로 구현되는 어플리케이션(Application)일 수 있다. 서버 혹은 어플리케이션은 회원 가입이나 개인 정보 입력 등을 통하여, 인증된 사용자들에게 해당 서비스를 제공할 수 있다. 사용자 단말(200)은 어플리케이션이 실행된 상태에서 아토피 피부염 관리 장치(100)와 네트워크 접속되어 관련 서비스를 제공할 수 있다.
사용자 단말(200)은 PC, 태블릿(Tablet), 노트북(Notebook), 패드(Pad), 스마트폰(Smart Phone) 등과 같이 네트워크에 접속하여 정보를 주고받을 수 있는 기기를 의미할 수 있다. 여기서, 무선 기능을 내장한 기기(스마프폰, 노트북, 패드 등)의 경우 본 발명의 장치(100)에서 제공하는 기능을 해당 기기 상에 모바일 앱(Mobile Application)의 형태로 제공할 수 있다.
여기서 사용자 단말(200)은 환자 측 단말에 해당될 수도 있지만, 병원 등의 의료 기관에 소속된 의료인 측 단말에 해당될 수도 있다. 후자의 경우 환자 내원 시에 의료인이 환자를 대신하여 아토피 피부염 관리 서비스와 관련한 프로세스를 실행시키고 해당 결과에 따라 진료, 상담, 처방, 치료 및 예후 관리를 수행할 수 있다.
병원 서버(300)는 환자의 개인 정보(연령, 성별 등), 과거 수개월 간의 진료 기록, 각종 검사 정보, 처방 정보, 아토피 중등도 지수 등을 포함한 의료 정보(의료정보 DB)를 관리할 수 있다. 여기서, 각종 검사 정보는 알레르기 수치(IgE test 수치), 피부 단자 검사(skin prick test) 결과, 다중 알레르기 항원 검사(MAST) 결과 등을 포함할 수 있다.
병원 서버(300)는 환자의 연령, 성별, IgE 수치, 피부 단자 검사 결과, 다중 알레르기 항원 검사 결과를 포함한 환자의 생체 정보 인자를 제공할 수 있다.
또한 병원 서버(300)는 의료정보 DB 기반의 주요 모니터링 지표로 피부과 전문의 진료에 기반을 둔 의무기록, 처방 내역, 발생 의료비 등을 지속적으로 모니터링하며, 증상 악화 여부, 전신적 약물 사용, 국소적 약물 사용, 약물별 강도, 용량, 복약 순응도, 지속적 외래 방문률, 보습제 처방, 중증도 등의 이력을 관리할 수 있다.
이러한 병원 서버(300)는 전자의무기록(EMR), 처방전달시스템(OCS), 의료영상저장전송시스템(PACS)와 상호 연계되어 동작하거나 이들을 포함하여 구성될 수 있으며, 이를 기반으로 환자와 관련된 각종 정보를 수집 및 통합 관리하고, 각 환자 별로 관련 정보를 서로 매칭하여 관리할 수 있다.
날씨 서버(400)는 위치정보(GPS) 기반의 날씨 정보를 제공한다. 날씨 서버(400)는 사용자 위치에 대응하여, 습도, 기온, 미세먼지, 꽃가루 알러지, 꽃가루 농도 위험지수, 자외선 지수, 천식폐질환 가능지수, 열지수 등을 포함한 날씨 관련 환경 인자를 제공할 수 있다.
사용자 단말(200)은 모바일 앱이 실행된 상태에서 환자로부터 기초 정보를 등록받아 아토피 피부염 관리 장치(100)로 전송한다. 이때, 기초 정보는 해당 환자와 관련한 일상 생활 인자, 정신 건강 인자, 피부 현황 인자를 포함하며, 환자의 기초 조사 데이터에 포함된다.
여기서,일상 생활 인자는 신진대사 해당치(MET), 체질량 지수(BMI), 금속 노출 여부(예: 안경, 금속), 직업(노출 물질, 노출 강도), 자외선 노출 시간, 아토피 식이 정보 등으로 구성될 수 있다. 정신 건강 인자는 환자의 스트레스 수준, 불면 증상 척도, 우울 증상 척도, 불안 증상 척도, 정신과 관련 약물 복용력, 정신과 상담 여부 등을 포함하여 구성될 수 있다. 그리고, 피부 현황 인자는, 병변 분포(면적), 병변 위치(자주 재발되는 위치), 홍반/진물/태선화 정도, 전신 건조증 가려움 정도, 아토피 피부염 악화 요인, 악화 및 재발 패턴(임상경과 기반) 등을 포함하여 구성될 수 있다.
사용자 단말(200)에 실행되는 모바일 앱은 상술한 기초 정보의 입력을 위한 메뉴를 제공할 수 있고, 사용자의 정보 입력 편의를 위하여 설문, 질의 응답, 사진 촬영 등의 기능을 제공할 수 있다.
사용자 단말(200)은 일주일에 2회 또는 수시로 해당 앱의 세션 시작 시에 기초 정보를 입력받을 수 있고, 정보 입력을 유도하는 팝업 알림을 제공할 수 있다. 또한 기초 정보 입력 시에 피부 건강 영역과 정신 건강 영역으로 나누어 2분 이내로 자가 평가 자료를 입력받을 수 있다.
도 2는 도 1에 도시된 아토피 피부염 관리 장치의 구성을 나타낸 도면이고, 도 3은 도 2을 이용한 아토피 피부염 관리 방법을 설명한 도면이다.
도 2 및 도 3을 참조하면, 본 발명의 실시예에 따른 아토피 피부염 관리 장치(100)는 데이터 수집부(110), 모델 학습부(120), 결정부(130), 모델 재구성부(140), 예측부(150), 알람부(160), 컨텐츠 제공부(170)를 포함한다.
우선, 데이터 수집부(110)는 환자에 관한 일상 생활 인자(A), 생체 정보 인자(B), 정신 건강 인자(C), 피부 현황 인자(D), 날씨 관련 환경 인자(E), 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집한다(S310).
이러한 데이터 수집부(110)는 복수의 환자에 대한 기초 데이터를 시간에 따라 수집하여 빅데이터를 구축할 수 있다.
데이터 수집부(110)는 환자에 대응한 사용자 단말(200), 환자의 의료 정보를 관리하는 병원 서버(300), 그리고 위치 기반의 날씨 정보를 제공하는 날씨 서버(400)로부터 환자의 기초 데이터를 수집할 수 있다.
예를 들어, A, C, D 관련 인자는 사용자 단말(200)로부터, B 관련 인자와 아토피 중증도 지수는 병원 서버(300)로부터, 그리고 E 관련 인자는 날씨 서버(400)로부터 수집할 수 있다. 여기서, E 관련 인자의 경우 단말에 실행된 모바일 앱 상에서 날씨 서버(400)와 통신하여 현재 위치(현재 GPS 위치, 개인 정보 상의 거주지 등)에 대응한 환경 관련 데이터를 불러올 수 있다.
다음은 주요 인자 별 세부 변수를 도 4를 통하여 구체적으로 설명한다.
도 4는 본 발명의 실시예에 따른 학습 모델의 적용 원리를 설명한 도면이다.
도 4에 도시된 것과 같이, 일상 생활 인자(A)는 신진대사 해당치(MET), 체질량 지수(BMI), 금속 노출 여부, 직업, 자외선 노출 시간, 아토피 식이 정보 등을 포함한다. 생체 정보 인자(B)는 환자의 연령, 성별, IgE 수치, 피부 단자 검사 결과, 다중 알레르기 항원 검사 결과 등을 포함한다.
정신 건강 인자(C)는 환자의 스트레스 수준, 불면 증상 척도, 우울 증상 척도, 불안 증상 척도, 정신과 관련 약물 복용력, 정신과 상담 여부 등을 포함한다. 피부 현황 인자(D)는 병변 분포, 병변 위치, 홍반/진물/태선화 정도, 전신 건조증 가려움 정도, 아토피 피부염 악화 요인, 악화 및 재발 패턴 등을 포함한다. 날씨 관련 환경 인자(E)는 습도, 기온, 미세먼지, 꽃가루 농도 위험지수, 자외선 지수, 천식폐질환 가능지수, 열지수 등을 포함한다.
환자에 대응하여 수집된 각 인자 별 세부 변수와 그에 대응된 아토피 중증도 지수는 학습 모델의 학습에 활용된다.
이를 위해, 모델 학습부(120)는 A 부터 E 까지의 각 인자별 포함된 세부 변수와 그에 대응하는 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 세부 변수 별 적용되는 가중치를 학습한다(S320).
도 4의 경우, 인자의 종류는 크게 5 가지이며, 각 인자의 세부 요소는 총 30가지 정도 존재한다. 따라서 모델 학습부(120)는 환자에 대응하여 수집된 약 30 가지의 세부 변수들을 활용하여 각 변수 별 가중치를 학습한다.
여기서, 아래 수학식 1의 학습 모델을 이용하여 학습을 진행할 수 있다.
Figure 112020055180634-pat00001
여기서, Xi는 i번째 변수, ωi는 i번째 변수에 적용되는 i번째 가중치(계수), ε는 수학식 1의 모델을 통해 예측된 아토피 지수(Y)와 환자의 실제 아토피 중증도 지수 간의 오차 보정 계수를 나타낸다. 이러한 ε는 오차/잔차(residual)로서, 예측된 Y와 실제 아토피 중중도 지수 간의 차이로 이를 보정하기 위한 보정치이다.
수학식 1에서 i는 변수의 인덱스로, i={1,…,p}로 표현되고, 이때 p는 학습에 사용된 변수의 종류(개수)에 해당한다. 본 발명의 실시예의 경우 p=30이 된다.
모델 학습부(120)는 환자에 대응하여 수집된 30개의 독립 변수와 그에 대응하여 예측되는 Y 값 간의 관계를 머신 러닝 분석하여 각 변수에 대한 가중치(ω)를 추정한다.
즉, 모델 학습부(120)는 환자에 대응하여 수집된 30개의 독립 변수와 그에 대응하는 실제 아토피 중증도 지수를 이용하여 수학식 1에 의한 모델을 학습한다. 이때, 모델 학습부(120)는 오차 ε가 설정 임계치 이하에 들어올 때까지 각각의 가중치 값을 조정하고 반복 학습하여 가중치(ωi) 값을 최종 결정할 수 있다.
여기서, 이러한 수학식 1의 학습 모델을 이용하면, 분석 대상 환자의 현재 수집 데이터에 대응하여 현재의 아토피 중증도 지수를 예측할 수도 있지만, 현재 수집 데이터에 대응하여 현재로부터 설정 기간 후(예: 1주 후)의 아토피 중증도 지수를 예측할 수도 있다.
전자의 경우, 모델 학습 시에, 동일한 제1 시점에서 수집된 환자의 주요 인자(30개 변수) 및 중증도 지수를 학습 데이터로 사용하여 학습하면 된다. 후자의 경우, 모델 학습 시에, 제1 시점에서 수집된 환자의 주요 인자(30개 변수 포함)와 이로부터 시차를 가진 제2 시점에서 수집된 환자의 아토피 중증도 지수를 학습 데이터로 사용하면 된다.
후자의 경우에는 모델 학습부(120)가 제1 시간에 수집된 환자에 대한 각 인자별 세부 변수들과, 동일 환자에 대해 제1 시간으로부터 T1 시간(예: 1주) 경과된 제2 시간에 관측된 아토피 중증도 지수를 학습 데이터로 사용하여 학습 모델을 학습할 수 있다.
이와 같이 즉, 학습 모델의 Y 값을 어떤 시점의 값으로 사용하느냐에 따라 현재 시점의 아토피 중증도 지수를 도출하는 제1 학습 모델과 미래의 중증도 지수를 도출하는 제2 학습 모델로 구분될 수도 있다. 물론, 이러한 두 가지 학습 모델을 모두 활용하여 현재 중증도 지수 및 1주 후 중증도 지수 예측 결과를 함께 제공하여, 현재로부터의 악화 또는 호전 상황을 사전 예측할 수 있다.
S320 단계를 통한 학습이 완료된 이후, 결정부(130)는 개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정한다(S330).
앞서 모델 학습에 따라 p개의 변수에 대응하여 p개의 가중치(ωi; i=1~p)가 도출된다. 여기서 가중치가 낮은 변수일수록 학습 모델에서 중요도가 낮은 변수에 해당한다. 다만, A 내지 E의 각 인자 모두 필요한 인자에 해당하므로, 본 실시예의 경우 각각의 인자마다 최소 N개(예: 3개)의 세부 변수가 학습 모델에 반영될 수 있도록 하기 위한 임계값을 결정한다.
즉, 결정부(130)는 각 인자당 적어도 3개의 세부 변수를 유효 변수로 선정하기 위한 기준값(임계값)을 결정한다. 이러한 기준값을 통해, 가중치가 기준값보다 작은 변수를 배제하면서, 각 인자당 적어도 3개의 변수를 유효 변수로 가져갈 수 있게 된다.
이후, 모델 재구성부(140)는 결정된 기준값을 이용하여, 인자 별로 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선별하고(S340), 선별된 유효 변수들을 기반으로 학습 모델을 재구성한다(S350).
즉, 모델 재구성부(140)는 가중치가 임계 이상인 유의미한 변수(유효 변수)들만으로 학습 모델을 재구성한다.
이때 S340 단계에서는 앞서 결정된 기준값에 따라, 각 인자 별로 적어도 3개의 변수를 선택하게 되는데, 그 과정에서 인자 마다 선별되는 변수의 개수는 서로 동일할 수도 있고 상이할 수도 있다.
예를 들어, 도 4에서 인자 A에 관한 6가지 변수 중에서 기준값 이상의 가중치를 갖는 변수가 4개라면 이 4개의 변수를 인자 A에 대한 유효 변수로 선정하고, 인자 B에 관한 5개의 변수 중 기준값 이상의 가중치를 갖는 변수가 3개라면 이 3개의 변수를 인자 B에 대한 유효 변수로 선정한다. 또한, 인자 C에 대한 6개의 변수 중 해당 변수가 5개이면 이 5개의 변수를 인자 C에 대한 유효 변수로 선정한다.
이렇게 선정한 유효 변수들로 수학식 1의 모델을 재구성할 경우 변수의 총 개수 p는 학습 시의 30개 보다 작아지게 된다. 따라서 p는 q로 대치될 수 있고 이때 q < p가 된다.
이와 같이 모델을 재구성하는 이유는 임계 미만의 가중치를 가진 변수들의 경우 아토피 증상 변화와 관련도가 적은 요소로 볼 수 있어 예측에 필요한 변수 항목에서 배제하기 위함이다. 물론 이러한 모델 재구성을 통하여 모델이 경량화 되고 프로세서의 연산 효율 및 속도가 향상될 수 있다.
여기서, 본 발명의 경우, 유효 변수들로 재구성된 모델에 대한 재학습을 수행하여 유효 변수들에 대한 가중치를 추가로 미세 조정하는 과정을 포함할 수 있다. 즉, 재구성한 모델에 대해 환자에 대응한 유효 변수 값과 아토피 중증도 지수를 적용하여 재구성 모델을 재학습할 수 있다.
학습 모델의 재구성을 통하여 모델이 완성되면, 임의 환자에 대한 수집된 기초 데이터를 해당 학습 모델에 적용하는 것만으로 해당 환자의 아토피 중증도 지수를 도출할 수 있다.
예측부(150)는 분석 대상 환자에 대응하여 현재 수집된 기초 데이터(각 인자 A~E 별 유효 변수)를 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측한다(S360).
즉, 예측부(150)는 현재 시점에서 분석 대상 환자에 대응하여 수집된 각 인자별 유효 변수들을 학습 모델 내 각 변수(Xi)의 값으로 대입하는 것을 통해 그에 대응하는 아토피 중증도 지수를 도출하여 제공한다.
여기서, 앞서 설명한 것과 같이, 모델 구성에 따라 분석 대상 환자의 현재 수집된 데이터에 대응하여 현재 시점의 아토피 중증도 지수를 도출할 수도 있고 1주 경과 후의 아토피 중증도 지수를 제공할 수도 있다.
후자의 경우 예측부(150)는 현재 시점에서 분석 대상 환자에 대응하여 수집된 각 인자별 유효 변수들을 학습 모델에 적용하여, 현재로부터 T1 시간(예: 1주일) 경과된 미래 시점에서의 해당 분석대상 환자의 향후 아토피 중증도 지수를 예측할 수 있다. 또한, 예측된 중증도 지수를 해당 환자의 현재 중증도 지수와 비교하면, 증상의 악화 또는 개선 여부를 확인할 수도 있다.
다음, 알람부(160)는 예측 결과 및 그에 대응된 치료 전략(맞춤형 국소 도포제, 유지 요법, 병원 방문 권유 등)을 해당 환자 측의 사용자 단말(200)로 피드백하여 알린다(S370).
여기서, 사용자 단말(200)은 해당 알람을 수신하면 그에 대응된 정보를 팝업 등의 형태로 알릴 수 있으며, 이를 통하여 아토피 피부염의 상태와 증상 악화에 대한 예측 결과를 통보하고 그에 기반한 맞춤형 치료 전략을 가이드해줄 수 있다.
이외에도, 본 발명은 아토피 피부염의 증상 개선에 도움을 줄 수 있는 디지털 교육 컨텐츠를 제공할 수 있다.
이를 위해, 컨텐츠 제공부(170)는 기초 데이터가 수집된 환자를 대상으로 해당 환자의 사용자 단말을 통하여 아토피 피부염 개선을 위한 복수의 교육 컨텐츠를 단계적으로 제공할 수 있다. 예를 들어, 사용자 단말(200)의 모바일 앱 환경에서 환자로부터 기초 데이터를 입력받으면 이를 기반으로 예측 결과를 피드백하여 제공할 수도 있고, 추가적인 교육 컨텐츠를 제공할 수도 있다.
교육 컨텐츠는 인지 교정 컨텐츠, 자동적 사고 개선 컨텐츠 및 행동 교정 컨텐츠를 포함하며, 각각의 컨텐츠는 설정 기간(예: 4주간)의 교육 과정으로 구성될 수 있다. 컨텐츠 제공부(170)는 이러한 인지 교정 컨텐츠(1단계), 자동적 사고 개선 컨텐츠(2단계) 및 행동 교정 컨텐츠(3단계)를 순차적으로 제공하며, 이전 단계의 교육 컨텐츠 완수 후 다음 단계의 교육 컨텐츠를 제공할 수 있다.
도 5는 본 발명의 실시예에 따른 인지 교정 컨텐츠를 설명하는 도면이다.
도 5와 같이, 인지 교정 컨텐츠는 아토피 피부염 관련 기본 지식을 제공하여, 인지행동치료(cognitive behavioral treatment)를 기반으로 아토피 피부염에 대한 환자의 잘못된 인지를 교정하는 교육 프로그램에 해당한다. 여기서, 각 세션 별로 개별 교육 내용을 상세히 포함한다. 각 세션은 공통되는 플로우를 가지며, 현재 상태 확인, 교육, 퀴즈 및 인센티브 부여 과정을 포함할 수 있다. 이를 통해 새로운 지식 습득, 잘못된 인지 개선이 이루어질 수 있다.
도 6은 본 발명의 실시예에 따른 자동적 사고 개선 컨텐츠를 설명하는 도면이다.
도 6과 같이 자동적 사고 개선 컨텐츠는 환자에게 제시한 설문과 응답을 기초로 일상 생활과 질환 경과에 부정적인 영향을 미치는 부정적 사고를 개선하기 위한 훈련을 진행하는 교육 프로그램에 해당한다. 자동적 사고 개선 프로그램은 불면, 우울, 불안, 노출 및 반응 방지와 관련한 섹션으로 구성되며, 각 세션 별로 자동적 사고 개선 훈련 내용을 포함한다. 또한, 이를 통해 과거 경험에서의 오류를 파악하고 흔한 인지 왜곡에 대한 오리엔테이션을 제시해 줌으로써, 부정적 자동적 사고와 연계된 핵심 인지 왜곡을 찾아내도록 한다.
도 7은 본 발명의 실시예에 따른 행동 교정 컨텐츠를 설명하는 도면이다.
도 7과 같이, 행동 교정 컨텐츠는 마지막 단계로 환자의 마음 챙김을 위한 명상 교육과 훈련을 위한 교육 프로그램에 해당한다. 이러한 마음 챙김을 통하여 행동 교정 연습을 계속 진행하면서 마음 챙김 명상과 훈련을 통한 스트레스 관리가 가능하도록 한다.
아토피 피부염은 호전과 악화를 반복하는 질환이므로 스트레스 관리는 필수적이며, 피부염의 악화로 발생한 스트레스는 다시 질환을 악화시키는 악순환의 고리를 가진다. 이에 체계적 관리를 위하여 마음 챙김 명상 교육과 훈련을 여러 세션으로 구성하여 4주 간 제공할 수 있다. 마음 챙김은 스트레스 관리에 보편적으로 활용되는 방법으로, 마음 챙김의 다양한 버전인 수용 모형과 습관 모델(habit reversal) 등을 복합적으로 사용할 수 있다.
이상과 같은 본 발명에 따르면, 환자에 대응하여 수집된 기초 데이터를 기 학습된 학습 모델에 적용하는 것을 통하여 환자에 대한 아토피 피부염의 상태와 증상 악화를 예측하고 관리할 수 있으며, 예측 결과를 기초로 맞춤형 치료 전략을 제시해 줄 수 있는 이점을 제공한다.
또한, 본 발명에 따르면 모바일 앱 상호 작용 기반의 디지털 치료 컨텐츠를 부가적으로 제공함으로써, 인지행동 기반의 아토피 관리, 정신 건강 관리, 스트레스 관리가 가능하도록 하고 이를 통해 증상 악화 방지 및 호전을 유도함은 물론 아토피 환자의 삶의 질을 개선하는데 기여할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 아토피 피부염 관리 장치
110: 데이터 수집부 120: 모델 학습부
130: 결정부 140: 모델 재구성부
150: 예측부 160: 알람부
170: 컨텐츠 제공부 200: 사용자 단말
300: 병원 서버 400: 날씨 서버

Claims (12)

  1. 아토피 피부염 관리 장치를 이용한 아토피 피부염 관리 방법에 있어서,
    환자에 대응한 사용자 단말, 환자의 의료 정보를 저장한 병원 서버, 위치 기반의 날씨 정보를 제공하는 날씨 서버로부터, 환자에 관한 일상 생활 인자, 생체 정보 인자, 정신 건강 인자, 피부 현황 인자, 날씨 관련 환경 인자, 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집하는 단계;
    복수의 인자에 대한 각각의 세부 변수와 그에 대응하는 상기 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 상기 세부 변수 별 적용되는 가중치를 학습하는 단계;
    개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정하는 단계;
    상기 인자 별로 상기 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선별하고 선별된 유효 변수들을 기반으로 상기 학습 모델을 재구성하는 단계;
    분석 대상 환자에 대응하여 현재 수집된 기초 데이터를 상기 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측하는 단계; 및
    상기 기초 데이터가 수집된 환자를 대상으로 해당 환자의 사용자 단말을 통하여 아토피 피부염 개선을 위한 복수의 교육 컨텐츠를 단계적으로 제공하는 단계를 포함하며,
    상기 복수의 교육 컨텐츠는,
    설정 기간 동안 아토피 피부염 관련 기본 지식을 제공하여 아토피 피부염에 대한 환자의 잘못된 인지를 교정하는 교육 프로그램인 인지 교정 컨텐츠,
    상기 인지 교정 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자에게 제시한 설문과 응답을 기초로 일상 생활과 질환 경과에 부정적인 영향을 미치는 부정적 사고를 개선하는 교육 프로그램인 자동적 사고 개선 컨텐츠, 및
    상기 자동적 사고 개선 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자의 마음 챙김을 위한 명상 교육과 훈련을 위한 교육 프로그램인 행동 교정 컨텐츠를 포함하는 아토피 피부염 관리 방법.
  2. 청구항 1에 있어서,
    상기 세부 변수 별 가중치를 학습하는 단계는,
    제1 시간에 수집된 환자에 대한 각 인자별 세부 변수들과 상기 제1 시간으로부터 T1 시간 경과된 제2 시간에 수집된 환자의 아토피 중증도 지수를 상기 학습 모델에 적용하여 학습하는 아토피 피부염 관리 방법.
  3. 청구항 1 또는 청구항 2에 있어서,
    상기 예측하는 단계는,
    현재 시점에서 분석 대상 환자에 대응하여 수집된 기초 데이터 중 각 인자별 유효 변수들을 기 학습된 학습 모델에 적용하여, 현재로부터 T1 시간 경과된 미래 시점에서의 해당 분석대상 환자의 향후 아토피 중증도 지수를 예측하는 아토피 피부염 관리 방법.
  4. 청구항 1에 있어서,
    상기 예측한 결과에 대응하는 맞춤형 국소 도포제, 유지 요법, 병원 방문 권유 중 적어도 하나에 관한 치료 전략을 예측 결과와 함께 해당 환자 측의 사용자 단말로 피드백하는 단계를 더 포함하는 아토피 피부염 관리 방법.
  5. 삭제
  6. 삭제
  7. 환자에 대응한 사용자 단말, 환자의 의료 정보를 저장한 병원 서버, 위치 기반의 날씨 정보를 제공하는 날씨 서버로부터, 환자에 관한 일상 생활 인자, 생체 정보 인자, 정신 건강 인자, 피부 현황 인자, 날씨 관련 환경 인자, 그리고 환자의 의무 기록 기반의 아토피 중증도 지수를 포함한 기초 데이터를 시간 별로 수집하는 데이터 수집부;
    복수의 인자에 대한 각각의 세부 변수와 그에 대응하는 상기 아토피 중증도 지수 간의 관계를 학습 모델에 적용하여 상기 세부 변수 별 적용되는 가중치를 학습하는 모델 학습부;
    개별 인자당 적어도 N개(N은 2 이상의 정수)의 세부 변수를 유효 변수로 선정하기 위한 가중치의 기준값을 결정하는 결정부;
    상기 인자 별로 상기 기준값 이상의 가중치에 해당한 적어도 N개의 유효 변수를 선별하고 선별된 유효 변수들을 기반으로 상기 학습 모델을 재구성하는 모델 재구성부;
    분석 대상 환자에 대응하여 상기 데이터 수집부를 통해 현재 수집된 기초 데이터를 상기 재구성된 학습 모델에 적용하여 분석 대상 환자에 대한 아토피 중증도 지수를 예측하는 예측부; 및
    상기 기초 데이터가 수집된 환자를 대상으로 해당 환자의 사용자 단말을 통하여 아토피 피부염 개선을 위한 복수의 교육 컨텐츠를 단계적으로 제공하는 컨텐츠 제공부를 포함하며,
    상기 복수의 교육 컨텐츠는,
    설정 기간 동안 아토피 피부염 관련 기본 지식을 제공하여 아토피 피부염에 대한 환자의 잘못된 인지를 교정하는 교육 프로그램인 인지 교정 컨텐츠,
    상기 인지 교정 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자에게 제시한 설문과 응답을 기초로 일상 생활과 질환 경과에 부정적인 영향을 미치는 부정적 사고를 개선하는 교육 프로그램인 자동적 사고 개선 컨텐츠, 및
    상기 자동적 사고 개선 컨텐츠의 이수 후 설정 기간 동안 제공되고, 환자의 마음 챙김을 위한 명상 교육과 훈련을 위한 교육 프로그램인 행동 교정 컨텐츠를 포함하는 아토피 피부염 관리 장치.
  8. 청구항 7에 있어서,
    상기 모델 학습부는,
    제1 시간에 수집된 환자에 대한 각 인자별 세부 변수들과 상기 제1 시간으로부터 T1 시간 경과된 제2 시간에 수집된 환자의 아토피 중증도 지수를 상기 학습 모델에 적용하여 학습하는 아토피 피부염 관리 장치.
  9. 청구항 7 또는 청구항 8에 있어서,
    상기 예측부는,
    현재 시점에서 분석 대상 환자에 대응하여 수집된 기초 데이터 중 각 인자별 유효 변수들을 기 학습된 학습 모델에 적용하여, 현재로부터 T1 시간 경과된 미래 시점에서의 해당 분석대상 환자의 향후 아토피 중증도 지수를 예측하는 아토피 피부염 관리 장치.
  10. 청구항 7에 있어서,
    상기 예측한 결과에 대응하는 맞춤형 국소 도포제, 유지 요법, 병원 방문 권유 중 적어도 하나에 관한 치료 전략을 예측 결과와 함께 해당 환자 측의 사용자 단말로 피드백하는 알람부를 더 포함하는 아토피 피부염 관리 장치.
  11. 삭제
  12. 삭제
KR1020200065426A 2020-05-29 2020-05-29 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법 KR102489070B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200065426A KR102489070B1 (ko) 2020-05-29 2020-05-29 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
PCT/KR2021/006550 WO2021242010A1 (ko) 2020-05-29 2021-05-26 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
US17/927,760 US20230320653A1 (en) 2020-05-29 2021-05-26 Apparatus for managing atopic dermatitis based on learning model and method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200065426A KR102489070B1 (ko) 2020-05-29 2020-05-29 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210147746A KR20210147746A (ko) 2021-12-07
KR102489070B1 true KR102489070B1 (ko) 2023-01-16

Family

ID=78744758

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200065426A KR102489070B1 (ko) 2020-05-29 2020-05-29 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법

Country Status (3)

Country Link
US (1) US20230320653A1 (ko)
KR (1) KR102489070B1 (ko)
WO (1) WO2021242010A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024123099A1 (ko) * 2022-12-08 2024-06-13 사회복지법인 삼성생명공익재단 아토피피부염 환자 개인맞춤형 증상 관리 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864614B1 (ko) * 2017-03-29 2018-06-05 안동과학대학교 산학협력단 아토피 오토케어 장치 및 그 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110295782A1 (en) * 2008-10-15 2011-12-01 Alexander Stojadinovic Clinical Decision Model
WO2015199258A1 (ko) * 2014-06-25 2015-12-30 삼성전자 주식회사 진단모델 생성 시스템 및 방법
WO2018124831A1 (ko) * 2016-12-30 2018-07-05 서울대학교 산학협력단 대사이상 질환의 질병 위험도를 예측하는 장치 및 방법
KR102248751B1 (ko) * 2018-11-12 2021-05-06 서울대학교산학협력단 만성질환자를 위한 건강 관리 방법 및 이를 이용하는 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864614B1 (ko) * 2017-03-29 2018-06-05 안동과학대학교 산학협력단 아토피 오토케어 장치 및 그 방법

Also Published As

Publication number Publication date
US20230320653A1 (en) 2023-10-12
WO2021242010A1 (ko) 2021-12-02
KR20210147746A (ko) 2021-12-07

Similar Documents

Publication Publication Date Title
KR102116664B1 (ko) 온라인 기반의 건강 관리 방법 및 장치
US20080306763A1 (en) System and Method for Modifying Risk Factors by a Healthcare Individual at a Remote Location
Pohl et al. Falls and social isolation of older adults in the National Health and Aging Trends Study
US20020128866A1 (en) Chronic pain patient care plan
US20230360143A1 (en) Using images and voice recordings to facilitate underwriting life insurance
JP6132639B2 (ja) 健康情報利用システム及びそれに用いるプログラム
US11423335B2 (en) Data processing system with machine learning engine to provide output generating functions
US11152099B2 (en) System and process for managing participation and progression in health engagement programs
Paolillo et al. Wearable use in an observational study among older adults: adherence, feasibility, and effects of clinicodemographic factors
Howland et al. Assessing telehealth interventions for physical activity and sedentary behavior self‐management in adults with type 2 diabetes mellitus: An integrative review
Rowland et al. Counselling in primary care: a systematic review of the research evidence
de Girolamo et al. DAily time use, Physical Activity, quality of care and interpersonal relationships in patients with Schizophrenia spectrum disorders (DiAPASon): an Italian multicentre study
Ludman et al. A measure for assessing patient perception of provider support for self‐management of bipolar disorder
KR102489070B1 (ko) 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
Kilkenny et al. Comparison of two methods for assessing diabetes risk in a pharmacy setting in Australia
Minard et al. Development and implementation of an electronic asthma record for primary care: integrating guidelines into practice
KR102404276B1 (ko) 헬스케어부스 및 이를 이용한 건강관리 시스템 및 방법
Rundell et al. Patient-reported outcomes associated with use of physical therapist services by older adults with a new visit for back pain
US20230032043A1 (en) Methods and systems for conducting online insurance application process
Omar et al. Wellness management through Web-based programmes
Eriks-Hoogland et al. Category specification and measurement instruments in large spinal cord injury studies: a comparison using the international classification of functioning, disability, and health as a reference
CN115547483A (zh) 用于监测患慢性炎症性疾病的患者的远程监测方法和系统
WO2020210438A1 (en) Data processing system with machine learning engine to provide output generating functions
Penkunas et al. Risk factors for psychiatric hospital admission for participants in California’s full-service partnership program
Kotwicki et al. Measuring and facilitating client engagement with financial incentives: implications for improving clinical outcomes in a mental health setting

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