KR102540256B1 - 개인 맞춤형 단일 캡슐 영양제 제조 시스템 - Google Patents
개인 맞춤형 단일 캡슐 영양제 제조 시스템 Download PDFInfo
- Publication number
- KR102540256B1 KR102540256B1 KR1020230014231A KR20230014231A KR102540256B1 KR 102540256 B1 KR102540256 B1 KR 102540256B1 KR 1020230014231 A KR1020230014231 A KR 1020230014231A KR 20230014231 A KR20230014231 A KR 20230014231A KR 102540256 B1 KR102540256 B1 KR 102540256B1
- Authority
- KR
- South Korea
- Prior art keywords
- nutritional
- intake
- component
- server
- information
- Prior art date
Links
- 235000015872 dietary supplement Nutrition 0.000 title claims abstract description 108
- 238000004519 manufacturing process Methods 0.000 title claims description 22
- 235000015097 nutrients Nutrition 0.000 claims abstract description 90
- 235000016709 nutrition Nutrition 0.000 claims abstract description 84
- 230000036541 health Effects 0.000 claims abstract description 70
- 235000012041 food component Nutrition 0.000 claims abstract description 63
- 239000003814 drug Substances 0.000 claims abstract description 53
- 229940079593 drug Drugs 0.000 claims abstract description 52
- 239000000203 mixture Substances 0.000 claims abstract description 51
- 208000002720 Malnutrition Diseases 0.000 claims abstract description 24
- 235000018343 nutrient deficiency Nutrition 0.000 claims abstract description 24
- 235000003715 nutritional status Nutrition 0.000 claims abstract description 20
- 238000013523 data management Methods 0.000 claims abstract description 16
- 230000002950 deficient Effects 0.000 claims abstract description 13
- 230000007812 deficiency Effects 0.000 claims abstract description 11
- 230000035764 nutrition Effects 0.000 claims description 25
- 238000002360 preparation method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 2
- 239000002775 capsule Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 18
- 235000018823 dietary intake Nutrition 0.000 description 11
- 238000000034 method Methods 0.000 description 11
- 235000006286 nutrient intake Nutrition 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000004615 ingredient Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003238 esophagus Anatomy 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013376 functional food Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- 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
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
개인 맞춤형 영양제 제조 시스템이 제공된다. 상기 개인 맞춤형 영양제 제조 시스템은 사용자에게 개인 맞춤형 영양제를 유통 또는 판매하는 서비스를 제공하는 영양제 마켓 서버, 투약 정보 및 건강검진 정보를 포함하는 복수 사람들의 건강정보가 저장된 건강정보 서버, 상기 영양제 마켓 서버로부터 추천 영양제 정보의 요청에 의해, 상기 건강정보 서버로부터 상기 건강정보를 제공받아 상기 개인 맞춤형 영양제의 영양 조성 비율 및 용량을 결정하는 운영 서버, 및 상기 운영 서버로부터 제공받은 상기 영양 조성 비율 및 용량에 기초하여 상기 개인 맞춤형 영양제를 제조하는 영양제 제조장치를 포함하되, 상기 운영 서버는, 상기 건강정보 서버로부터 획득한 복수 사람들의 각 개인의 건강정보를 저장하는 빅데이터 관리부, 상기 건강정보 서버로부터 상기 사용자의 약물 투여 기간 중 임의의 투약 정보를 제공받으면, 투약 기간 동안의 평균적인 영양 성분 섭취량을 결정하는 영양 상태 결정부, 상기 사용자의 과거 영양 성분 섭취량, 다른 사람들의 평균 영양 성분 섭취량과 최근 평균 영양 성분 섭취량을 기초로 결핍 영양 성분을 결정하는 결핍 영양 상태 결정부, 및 상기 결핍 영양 상태 결정부에서 산출되는 영양 성분들의 비율에 따라 상기 개인 맞춤형 영양제의 상기 영양 조성 비율을 결정하고, 가장 결핍된 영양 성분의 결핍 비율에 따라 상기 결핍 영양 상태 결정부에서 산출되는 영양 성분들의 상기 용량을 결정하는 조성 비율과 용량 결정부를 포함한다.
Description
본 발명은 개인 맞춤형 단일 캡슐 영양제 제조 시스템에 관한 것이다.
정보 통신 기술(ICT)의 발달로 전자 상거래가 널리 이용됨에 따라 약국이나 병원 등과 같은 오프라인 경로를 통해 영양제를 구매하던 방식에서 벗어나 온라인 마켓을 통해 영양제를 구매하는 경우가 크게 증가하고 있다.
일반적으로 구매자들은 미리 특정 영양 성분을 가지도록 제조된 영양제를 구매한다. 또한, 본인에게 필요한 영양 성분 및 조성 비율이 무엇인지 모르고 이미 제조된 영양제를 구매하는 것이 대다수이다. 또한, 일반적인 구매자들은 의학적 지식이 의사나 약사 등과 같은 전문가에 비해 낮기 때문에 영양제의 성분이나 기능을 세밀하게 고려하여 자신에게 적합한 건강기능식품을 선택하기에는 어려움이 많다.
또한, 현재 영양제를 구매자가 구매해 복용하더라도, 영양제가 단지 특정 대표 영양 성분으로 하나의 캡슐(one-table)로 구성되어 있거나, 대표적인 영양 성분들로 하나의 캡슐화 구성으로 판매되기 때문에, 구매자가 영양제를 한번에 여러 개 찾아서 복용해야 하는 번거로움이 발생한다.
본 발명이 해결하고자 하는 과제는, 개인마다 적절한 영양 조성 비율 및 용량을 가진 영양제를 추천하는 개인 맞춤형 단일 캡슐 영양제 제조 시스템을 제공하고자 하는 것이다.
또한, 영양제 캡슐의 형상이 복용하는 개인마다 적절한 크기를 가지도록 결정하는 개인 맞춤형 영양제 제조 시스템을 제공하고자 하는 것이다.
또한, 맞춤형 영양 조성 비율과 용량으로 하나의 단일 캡슐형(one-table) 영양제를 제조할 수 있도록, 단일 캡슐 기반 영양 성분들을 결정하여 영양제를 단일 캡슐로 제조하도록 유도하고자 하는 것이다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템은, 사용자에게 개인 맞춤형 영양제를 유통 또는 판매하는 서비스를 제공하는 영양제 마켓 서버, 투약 정보 및 건강검진 정보를 포함하는 복수 사람들의 건강정보가 저장된 건강정보 서버, 상기 영양제 마켓 서버로부터 추천 영양제 정보의 요청에 의해, 상기 건강정보 서버로부터 상기 건강정보를 제공받아 상기 개인 맞춤형 영양제의 영양 조성 비율 및 용량을 결정하는 운영 서버, 및 상기 운영 서버로부터 제공받은 상기 영양 조성 비율 및 용량에 기초하여 상기 개인 맞춤형 영양제를 제조하는 영양제 제조장치를 포함하되, 상기 운영 서버는, 상기 건강정보 서버로부터 획득한 복수 사람들의 각 개인의 건강정보를 저장하는 빅데이터 관리부, 상기 건강정보 서버로부터 상기 사용자의 약물 투여 기간 중 임의의 투약 정보를 제공받으면, 투약 기간 동안의 평균적인 영양 성분 섭취량을 결정하는 영양 상태 결정부, 상기 사용자의 과거 영양 성분 섭취량, 다른 사람들의 평균 영양 성분 섭취량과 최근 평균 영양 성분 섭취량을 기초로 결핍 영양 성분을 결정하는 결핍 영양 성분 결정부, 및 상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 비율에 따라 상기 개인 맞춤형 영양제의 상기 영양 조성 비율을 결정하고, 가장 결핍된 영양 성분의 결핍 비율에 따라 상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 상기 용량을 결정하는 조성 비율과 용량 결정부를 포함한다.
상기 영양 상태 결정부는 인공 신경망을 기반으로 작동하고, 상기 빅데이터 관리부에 저장된 영양 상태 학습 데이터를 획득하여 특정 기간동안 어느 한 시점에서 섭취 영양소들의 각 용량을 성분 값으로 갖는 제1 특징 벡터로 변환하여 입력값(Ym)을 생성하고, 특정 기간동안 섭취 영양소들의 각 평균 용량을 성분값으로 갖는 제2 특징 벡터로 이루어진 출력값(Y'm)을 생성한 후, 상기 입력값과 상기 출력값에 따른 손실 함수(H(Y,Y'))의 출력값이 최소화되도록 섭취 영양 추측 모델을 지도학습시키는 섭취 영양 추측 모델 학습부를 포함하고, 상기 손실 함수는 다음의 수학식 1에 의해 정의될 수 있다.
[수학식 1]
상기 영양 상태 결정부는, 투약 정보를 기초로 영양 성분 마다 투여 용량 지표로 환산하고, 환산된 값으로 정의된 입력값을 상기 섭취 영양 추측 모델에 적용하여 출력된 출력값을 이용해 평균 섭취 영양소 지표 벡터를 산출하되, 최근 투약 정보를 상기 입력값으로서 상기 섭취 영양 추측 모델에 적용하여 출력되는 제1 평균 섭취 영양소 지표 벡터 및 과거 투약 정보를 상기 입력값으로서 상기 섭취 영양 추측 모델에 적용하여 출력되는 제2 평균 섭취 영양소 지표 벡터를 산출할 수 있다.
상기 결핍 영양 성분 결정부는 상기 제1 평균 섭취 영양소 지표 벡터와 상기 제2 평균 섭취 영양소 지표 벡터의 제1 차이 값과 상기 제1 평균 섭취 영양소 지표 벡터와 유사한 나이, 성별, 몸무게를 가진 다른 사람들의 평균 섭취 영양소 지표를 성분으로 하는 제3 평균 섭취 영양소 지표 벡터의 제2 차이 값에 각각 다른 가중치를 두어 제1 기초 벡터를 산출하고, 상기 제1 기초 벡터에서 음수 값을 가지는 성분을 제외하고 양수 값을 가지는 성분만을 포함하는 제2 기초 벡터를 생성하여 상기 제2 기초 벡터를 기반으로 사용자 개인의 결핍 영양 성분을 결정하되, 상기 제1 차이 값에 적용하는 가중치는 상기 제2 차이 값에 적용하는 가중치 보다 큰 값일 수 있다.
상기 조성 비율과 용량 결정부는 상기 제2 기초 벡터의 성분들 중 상기 제3 평균 섭취 영양소 지표 벡터에서 양수 값을 가진 성분들과 대응하여 가장 낮은 비율을 가진 제1 성분을 추출하고, 제3 평균 섭취 영양소 지표 벡터에서 상기 제1 성분과 대응하는 제2 성분과의 비율을 결정하고, 상기 제2 기초 벡터의 성분들 모두에 상기 비율을 나눈 값이 나타내는 지표를 각 영양 성분의 용량으로 결정할 수 있다.
상기 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 개인 맞춤형 영양제 제조 시스템은, 사용자와의 거리를 감지하는 거리 센서 및 음성을 수집하는 마이크를 포함하는 사용자 단말, 상기 사용자에게 개인 맞춤형 영양제를 유통 또는 판매하는 서비스를 제공하는 영양제 마켓 서버, 투약 정보 및 건강검진 정보를 포함하는 복수 사람들의 건강정보가 저장된 건강정보 서버, 상기 영양제 마켓 서버로부터 추천 영양제 정보의 요청에 의해 상기 건강정보 서버로부터 상기 건강정보를 제공받아 상기 개인 맞춤형 영양제의 영양 조성 비율 및 용량을 결정하고, 상기 사용자 단말로부터 제공받은 상기 사용자와 상기 사용자 단말 간의 거리, 상기 사용자의 목소리 주파수와 진폭 값을 기초로 영양제 캡슐 형상을 결정하는 운영 서버, 및 상기 운영 서버로부터 제공받은 상기 영양 조성 비율과 용량 및 상기 영양제 캡슐 형상에 기초하여 상기 개인 맞춤형 영양제를 제조하는 영양제 제조장치를 포함하되, 상기 운영 서버는, 상기 건강정보 서버로부터 획득한 복수 사람들의 각 개인의 건강정보를 저장하는 빅데이터 관리부, 상기 건강정보 서버로부터 상기 사용자의 약물 투여 기간 중 임의의 투약 정보를 제공받으면, 투약 기간 동안의 평균적인 영양 성분 섭취량을 결정하는 영양 상태 결정부, 상기 사용자의 과거 영양 성분 섭취량, 다른 사람들의 평균 영양 성분 섭취량과 최근 평균 영양 성분 섭취량을 기초로 결핍 영양 성분을 결정하는 결핍 영양 성분 결정부, 상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 비율에 따라 상기 개인 맞춤형 영양제의 상기 영양 조성 비율을 결정하고, 가장 결핍된 영양 성분의 결핍 비율에 따라 상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 상기 용량을 결정하는 조성 비율과 용량 결정부, 및 상기 영양제 캡슐 형상을 정의하는 길이, 폭 및 단부의 곡률반경을 결정하는 캡술 형상 결정부를 포함한다.
본 발명의 실시예에 따르면, 의학/약학적 지식이 부족한 일반인에게 자동으로 개인 맞춤형 영양제를 제공할 수 있다.
특히, 맞춤형 영양 조성 비율과 용량으로 하나의 단일 캡슐형(one-table) 영양제를 제조하도록 제조단계에 전달할 수 있기 때문에, 소비자입장에서 하나의 캡슐 복용으로 필요한 영양제를 간편하게 모두 섭취할 수 있는 장점이 있다.
실시예들에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 도시한 도면이다.
도 2는 도 1의 개인 맞춤형 영양제 제조 시스템의 기본 동작을 나타낸 순서도이다.
도 3은 도 1의 운영 서버의 기능별 구성을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다.
도 5 및 도 6은 각각 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 운영 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 도시한 도면이다.
도 9는 사용자가 사용자 단말을 사용하는 모습의 일 예를 도시한다.
도 10은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 사용자 단말 간의 관계를 나타내는 도면이다.
도 11은 도 8의 운영 서버의 기능별 구성을 도시한 도면이다.
도 12는 운영 서버가 캡슐 형상을 결정하는 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다.
도 14는 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 영양제 제조 장치 간의 관계를 나타내는 도면이다.
도 2는 도 1의 개인 맞춤형 영양제 제조 시스템의 기본 동작을 나타낸 순서도이다.
도 3은 도 1의 운영 서버의 기능별 구성을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다.
도 5 및 도 6은 각각 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 운영 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 도시한 도면이다.
도 9는 사용자가 사용자 단말을 사용하는 모습의 일 예를 도시한다.
도 10은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 사용자 단말 간의 관계를 나타내는 도면이다.
도 11은 도 8의 운영 서버의 기능별 구성을 도시한 도면이다.
도 12는 운영 서버가 캡슐 형상을 결정하는 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다.
도 14는 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 영양제 제조 장치 간의 관계를 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 도면상의 동일한 구성 요소에 대해서는 동일하거나 유사한 참조 부호를 사용한다.
도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 도시한 도면이다.
도 1을 참조하면, 개인 맞춤형 영양제 제조 시스템은 운영 서버(10), 영양제 마켓 서버(20), 건강정보 서버(30) 및 영양제 제조장치(40)를 포함할 수 있다. 개인 맞춤형 영양제 제조 시스템 내에 포함된 다양한 개체들(entities) 간의 통신은 유/무선 네트워크를 통해 수행될 수 있다. 유/무선 네트워크는 표준 통신 기술 및/또는 프로토콜들이 사용될 수 있다.
운영 서버(10)는 개인 맞춤형 영양제의 영양 조성 비율 및 용량을 결정하고, 결정된 정보를 영양제 제조장치(40)에 제공하기 위한 서버일 수 있다. 예를 들어, 운영 서버(10)는 사용자에게 부족한 영양 성분을 판단하여 조성 비율을 결정하고, 가장 결핍된 영양 성분의 용량을 기초로 각 영양 성분의 용량을 결정할 수 있다.
영양제 제조장치(40)는 운영 서버(10)로부터 제공받은 영양 조성 비율 및 용량 데이터를 기초로 영양제를 제조하는 장치일 수 있다. 예를 들어, 영양제 제조장치(40)는 캡슐형 영양제를 제조하는 장치일 수 있다.
영양제 마켓 서버(20)는 개인 맞춤형 영양제를 유통 또는 판매하는 서비스 주체의 서버일 수 있다. 예를 들어, 영양제 마켓 서버(20)는 쿠팡, 옥션, G마켓, 11번가, 이베이(e-bay), 아마존(Amazon) 등의 서버일 수 있다. 영양제 마켓 서버(20)는 사용자의 개인 정보를 포함할 수 있다. 영양제 마켓 서버(20)는 운영 서버(10)에서 결정된 개인 맞춤형 영양제의 성분 정보를 포함할 수 있다. 사용자는 모바일 장치나 PC 등의 개인 단말을 통해 영양제 마켓 서버(20)의 웹 페이지에 접속하여, 개인 맞춤형 영양제를 구매할 수 있다.
건강정보 서버(30)는 복수의 사용자들의 건강정보를 포함할 수 있다. 예를 들어, 건강정보는 각 사용자의 진료 정보, 수술 정보, 투약 정보, 신체 정보 및 건강검진 정보 등을 포함할 수 있다. 예를 들어, 건강정보 서버(30)는 건강보험심사평가원 서버, 의료기관 서버, 약국 서버, 건강검진 센터 서버 등일 수 있다. 사용자가 영양제 마켓 서버(20)에서 제공하는 웹페이지를 통해 개인의 건강정보를 제공하는데 동의하면, 영양제 마켓 서버(20)는 사용자의 건강정보를 운영 서버(10)로 제공하도록 건강정보 서버(30)에 요청할 수 있다.
도 2는 도 1의 개인 맞춤형 영양제 제조 시스템의 기본 동작을 나타낸 순서도이다.
도 2를 참조하면, 영양제 마켓 서버(20)는 사용자의 입력을 획득할 수 있다. 예를 들여, 사용자 입력은 사용자가 영양제 마켓 서버(20)가 제공하는 웹 페이지 등을 통해 사용자가 개인 맞춤형 영양제 추천을 요청하는 추천 요청 입력을 포함할 수 있다. 여기서 추천 요청 입력에는 사용자 개인의 건강정보를 건강정보 서버(30)로부터 제공받는 것에 동의하는 입력이 포함될 수 있다.
영양제 마켓 서버(20)가 사용자 입력을 획득한 이후, 운영 서버(10)에 추천 영양제 정보를 제공해줄 것을 요청할 수 있다. 또한, 영양제 마켓 서버(20)가 사용자 입력을 획득한 이후, 건강정보 서버(30)에 사용자 개인의 건강정보를 운영 서버(10)에 제공해줄 것을 요청할 수 있다.
건강정보 서버(30)는 영양제 마켓 서버(20)의 요청에 대응하여 사용자 개인의 건강정보를 운영 서버(10)에 제공할 수 있다. 건강정보는 병의원 진료정보, 투약정보, 건강검진 정보 및 신체 정보(나이, 몸무게, 성별 등)를 포함할 수 있다.
운영 서버(10)는 건강정보 서버(30)로부터 획득한 정보를 기초로 영양제의 영양 조성 비율과 영양제의 용량을 결정할 수 있다. 운영 서버(10)는 상기 결정 이후 상기 정보(영양제의 영양 조성 비율, 영양제의 용량)를 포함하는 추천 영양제 정보를 영양제 마켓 서버(20)에 제공할 수 있다.
영양제 마켓 정보는 운영 서버(10)로부터 추천 영양제 정보를 제공받아, 추천 영양제 정보를 웹 사이트에 표시할 수 있다. 영양제 마켓 서버(20)는 추천 영양제에 대해 사용자의 구매 의사가 포함된 사용자 입력을 획득할 수 있다. 영양제 마켓 서버(20)는 사용자의 구매 의사가 포함된 사용자 입력에 대한 피드백 정보를 운영 서버(10)에 제공할 수 있다.
운영 서버(10)는 영양제 마켓 서버(20)로부터 상기 피드백 정보를 획득하면, 영양제 제조 장치로 추천 영양제 정보를 제공하고, 추천 영양제 정보에 기초한 영양제 제조를 요청할 수 있다.
도 3은 도 1의 운영 서버의 기능별 구성을 도시한 도면이다.
도 3을 참조하면, 운영 서버(10)는 빅데이터 관리부(101), 영양 상태 결정부(102), 결핍 영양 성분 결정부(103), 조성 비율과 용량 결정부(104)를 포함할 수 있다.
빅데이터 관리부(101)는 건강정보 서버(30)로부터 획득한 복수 사람들의 각 개인의 건강정보를 저장할 수 있다. 빅데이터 관리부(101)는 건강정보 서버(30)로부터 소정 주기로 계속적으로 각 개인의 건강정보를 제공받을 수 있다. 빅데이터 관리부(101)는 특정 기간 동안 각 개인의 건강정보를 저장할 수 있다.
빅데이터 관리부(101)는 건강정보 서버(30)로부터 획득한 건강정보에 기초하여 인공 신경망 기반으로 결정된 특정 기간 동안 사용자의 평균 영양 상태를 저장할 수 있다.
빅데이터 관리부(101)는 건강정보 서버(30)를 통해 획득한 특정 진료나 투약 정보에 대응하는 필요 영양 정보를 저장할 수 있다. 예를 들어, 빅데이터 관리부(101)는 건강정보 서버(30)를 통해 획득된 특정 진료나 투약 정보에 대응하는 필요 영양 정보뿐만 아니라, 건강정보 서버(30) 이외의 웹 사이트(예: 블로그, 카페, 의료기관 웹 사이트)를 통해 획득된 정보를 저장할 수 있다. 예를 들어, 빅데이터 관리부(101)는 크롤링을 통해 다양한 웹 페이지에 작성된 게시물을 수집할 수 있다. 다시 말해서, 빅데이터 관리부(101)는 사용자에 의하여 영양제 추천이 선택됨에 따라, 사용자 개인의 진료기록이나 투약정보에 따른 추천 영양 정보를 제공하기 위하여, 건강정보 서버(30) 및 다른 웹 사이트(예: 블로그, 카페, 의료기관 웹 사이트) 등을 서칭할 수 있다.
영양 상태 결정부(102)는 추천 영양제의 영양 조성 비율과 용량을 결정할 수 있도록 사용자 개인의 영양 상태를 결정할 수 있다. 예를 들어, 영양 상태 결정부(102)는 사용자 개인의 과거 진료정보, 투약정보, 건강검진 정보를 획득하여 특정 기간동안 약품으로 획득된 영양 성분과 용량을 결정할 수 있다.
결핍 영양 성분 결정부(103)는 건강검진 서버로부터 사용자 개인의 과거 진료정보, 투약정보, 건강검진 정보를 획득하여 사용자 개인의 결핍 영양 성분을 결정할 수 있다. 일 예로, 결핍 영양 성분 결정부(103)는 사용자 개인과 유사한 신체조건(나이, 성별, 몸무게, 질병)을 가진 타인의 평균 영양 상태에 대비하여 사용자 개인에게 부족한 영양 성분을 결정할 수 있다. 다른 예로, 결핍 영양 성분 결정부(103)는 사용자 개인의 과거 특정 기간동안 평균 영양 상태와 최근의 영양 상태를 비교하여 사용자 개인에게 부족한 영양 성분을 결정할 수 있다. 결핍 영양 성분 결정부(103)는 사용자 개인의 부족한 영양 성분을 결정하기 위해 앞서 설명한 두가지 예를 모두 활용한 종합 결과를 이용할 수도 있다.
조성 비율과 용량 결정부(104)는 영양 상태 결정부(102)와 결핍 영양 성분 결정부(103)의 각 결과 값 및 사용자 개인의 신체 정보에 기초하여 영양제 용량을 결정할 수 있다. 예를 들어, 조성 비율과 용량 결정부(104)는 작은 몸무게를 가진 사용자에 대비하여 큰 몸무게를 가진 사용자의 추천 영양제의 용량을 더 큰 값으로 결정할 수 있다.
다음으로, 운영 서버(10)가 개인 맞춤형 추천 영양제의 조성 비율과 용량을 결정하는 방법에 대해 설명한다.
도 4는 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다. 도 5 및 도 6은 각각 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 운영 서버(10)가 개인 맞춤형 추천 영양제의 조성 비율과 용량을 결정하는 방법은 건강정보 서버로부터 사용자의 건강정보를 획득하는 단계(S10), 영양 조성 비율 결정 단계(S20), 용량 결정 단계(S30)를 포함할 수 있다.
도 3 내지 도 5를 참조하면, 운영 서버(10)는 인공 신경망을 기반으로 추천 영양제의 영양 조성 비율을 결정할 수 있다. 일 실시예로, 운영 서버(10)는 섭취 영양 추측 모델 학습부(201) 및 섭취 영양 추측 모델(202)을 포함할 수 있다. 운영 서버(10)의 영양 상태 결정부(102)는 인공 신경망을 기반으로 작동할 수 있다. 여기서, 섭취 영양 추측 모델 학습부(201) 및 섭취 영양 추측 모델(202)은 영양 상태 결정부(102)의 기능에 따라 나눠진 구성에 해당한다.
섭취 영양 추측 모델 학습부(201)는 빅데이터 관리부(101)에 저장된 영양 상태 학습 데이터를 획득할 수 있다. 일 실시예로, 영양 상태 학습 데이터는 특정 기간 중 1회 개인의 투약 정보에 대응하는 섭취 영양소 지표를 입력값으로 하고, 평균 섭취 영양소 지표를 출력값을 갖는 훈련 데이터일 수 있다. 섭취 영양소 지표는 투약 정보에 포함된 영양제들에 함유된 것으로 알려진 영양 성분들 각각의 용량에 대응하는 값일 수 있다. 평균 섭취 영양소 지표는, 해당 개인이 해당 특정 기간 중에 섭취한 모든 영양제들에 함유된 영양 성분들 각각의 용량들을 수집하고, 수집된 용량들을 대상으로 해당 특정 기간에 대한 투약 횟수의 평균값을 산출함으로써 얻어질 수 있다.
섭취 영양소 지표는 투약 정보에 기재되거나 투약 정보를 통해 예측되는 각 영양 성분의 1회 투여량이며, 평균 섭취 영양소 지표는 특정 기간(예, 특정 질병에 대한 투약 기간으로 설정하거나 관리자로부터 1주 내지 1달 이내의 기간으로 입력받는 기간에 해당함) 동안 각 영양 성분의 1회 평균 투여량이다. 질병이 회복되는 동안 투여되는 영양 성분 용량은 달라지기 때문에, 영양 상태 결정부(102)는 약물 투여 기간 중 임의의 투약 정보를 제공받으면, 투약 기간 동안의 평균적인 영양 성분 섭취량을 결정할 수 있다.
즉, 이러한 영양 상태 학습 데이터를 통해 섭취 영양 추측 모델(202)은, 특정인의 1회 투약 정보에 대응하는 섭취 영양소 지표를 통해, 특정 기간 동안의 실제로 섭취했을 것으로 예상되는 평균 섭취 영양소 지표를 예측하도록 동작한다. 이는 특정인에 대해 모든 투약 정보를 수집하는 데에는 현실적인 어려움이 있는 점과 외부적으로 공개되고 얻을 수 있는 투약 정보 이외에 개개인이 투약하는 모든 영양제들을 알기 어려운 점을 극복하여 평균 섭취 영양소 지표를 예측하도록 구성한 것이다. 또한, 특정 기간 중 1회의 투약 정보로부터 얻을 수 있는 섭취 영양소 지표와 출력값에 해당하는 평균 섭취 영양소 지표는 상관관계가 있음이 자명하므로, 수집되는 훈련 데이터를 최대한 방대하게 모을 경우 예측 성능이 보장된다. 이때, 훈련 데이터만큼은 개인이 실제로 섭취한 모든 영양제들을 수집하여 구성하기 때문에, 훈련 데이터에는 개인이 투약 이외에 개인적으로 투약하는 영양제들이 반영되어 있고, 따라서, 섭취 영양 추측 모델(202)은, 1회의 투약 정보로부터 전체 투약 기간 중의 평균 섭취 영양소 지표를 산출하는 것이 아니라, 많은 사람들이 개인적으로 투약하는 영양소들의 용량이 일부 반영된 섭취 영양소 지표가 예측된다.
섭취 영양 추측 모델 학습부(201)는 영양 상태 학습 데이터를 이용하여, 섭취 영양 추측 모델(202)을 미리 지도학습시킬 수 있다. 일 실시예로, 섭취 영양 추측 모델(202)로서 인공 신경망(Artificial Neural Network)이 이용될 수 있다. 인공 신경망은 많은 수의 인공 뉴런(또는, 노드)들을 이용하여 생물학적인 시스템의 계산 능력을 모방하는 소프트웨어나 하드웨어로 구현된 예측 모델이다.
도 6을 함께 참조하면, 섭취 영양 추측 모델(202)은 다양한 사람들에 대해 투약 기간 동안의 평균 영양 성분 섭취량을 결정할 수 있도록 다수의 사람들을 대상으로 하여 얻어진 투약 정보를 기초로 1회의 섭취 영양소 지표를 영양소별 섭취 용량을 성분값으로 갖도록 벡터 변환한 제1 특징 벡터(V1)를 입력값으로 하고, 동일한 사람들을 대상으로, 평균 영양 성분 섭취량를 변환한 제2 특징 벡터(V1avr)를 출력값으로 갖는 훈련 데이터를 사용한다. 또한, 훈련 데이터를 구성하기 위한 평균 영양 성분 섭취량은 가급적 투약 기간 동안 얻을 수 있는 모든 투약 정보를 바탕으로 판단되는 영양 섭취량을 사용해 산출되는 것이 바람직하다. 즉, 제1 사용자의 영양 성분 섭취량과 평균 영양 섭취량을 이용하여 입력값과 출력값의 쌍인 제1 학습 데이터를 생성하고, 제2 사용자의 영양 성분 섭취량과 평균 영양 섭취량을 이용하여 입력값과 출력값의 쌍인 제3 학습 데이터를 생성하고, 같은 방식을 반복하여 제n(n은 3 이상의 자연수) 사용자의 영양 성분 섭취량과 평균 영양 섭취량을 이용하여 입력값과 출력값의 쌍인 제n 학습 데이터를 생성하고, 제1 내지 제n 학습 데이터를 훈련 데이터로 구성할 수 있다.
구체적으로, 섭취 영양 추측 모델(202)은 섭취 영양 추측 모델 학습부(201)에 의해서 '섭취 영양소 지표들'과 '평균 섭취 영양소 지표들'을 이용하여 지도 학습될 수 있다. 이때 지도 학습이란, 입력값과 그에 따른 출력값이 있는 데이터를 학습 데이터로 이용하여 주어진 입력값에 따른 출력값을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에 주어지는 입력값과 출력값 세트를 훈련 데이터(Training Data)라고 한다. 즉, 상술한 '섭취 영양소 지표들'과 '평균 섭취 영양소 지표들'은 각각 입력값과 출력값으로서, 섭취 영양 추측 모델(202)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.
예를 들어, 섭취 영양 추측 모델 학습부(201)는 특정 기간동안 해당 개인의 1회의 투약으로 섭취한 영양소들의 각 용량을 성분 값으로 갖는 제1 특징 벡터(V1)를 입력값으로 생성하고, 특정 기간동안 해당 개인이 섭취한 모든 영양소들의 각 평균 용량을 성분값으로 갖는 제2 특징 벡터(V1avr)를 출력값으로 생성한 후, 생성된 입력값과 출력값을 이용해 섭취 영양 추측 모델(202)을 지도학습할 수 있다.
일 실시예로, 섭취 영양 추측 모델(202)은 입력값을 입력받고 제1 특징 벡터의 성분 개수에 상응하는 노드들을 갖는 입력층, 입력층의 출력값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 바이어스(bias)를 더하여 출력하는 하나 이상의 은닉층(hidden layer) 및 은닉층의 출력값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 그 결과를 활성화 함수를 이용하여 출력하는 출력층(output layer)을 포함할 수 있다. 예를 들어, 활성화 함수는, LeRU 함수 또는 Softmax 함수일 수 있으나 이에 한정되는 것은 아니다. 연결강도와 바이어스는 지도 학습에 의해 지속적으로 갱신될 수 있다.
구체적으로, 주어진 입력값(제1 특징 벡터)과 출력값(제2 특징 벡터)에 따른 손실 함수(loss function)의 출력값이 최소화되도록 지도학습될 수 있다. 예를 들어, 손실 함수(H(Y, Y'))는, 다음의 수학식 1과 같이 정의될 수 있다.
여기서 손실 함수(H(Y, Y'))는 종래의 크로스 엔트로피(Cross Entropy) 함수에서 별도의 추가 보정 값을 더해 새롭게 마련된 것으로, 이러한 추가 보정값을 크로스 엔트로피의 결과값에 부가함으로써 손실함수의 결과값이 빠르게 특정 값 이하로 수렴하는 효과(즉, 학습 속도가 빨라지는 효과)가 있고, 이를 통해 컴퓨팅 성능이 낮은 모바일 단말 등에서 직접 지도학습시키면서 섭취 영양 추측 모델(202)의 성능을 지속적으로 개선하는 데 유리하다.
다음으로, 영양 상태 결정부(102)는 획득된 투약 정보를 이용하여 사용자 개인의 평균 섭취 영양소 지표를 결정할 수 있다.
구체적으로, 영양 상태 결정부(102)는 도 6에서와 같이, 투약 정보를 기초로 영양 성분 마다 투여 용량 지표로 환산하고, 환산된 값으로 정의된 입력값(제1 특징 벡터(V1))을 섭취 영양 추측 모델(202)에 적용하여 출력된 출력값을 이용해 평균 섭취 영양소 지표 벡터(제2 특징 벡터(V1avr))를 산출할 수 있다.
일 실시예로, 섭취 영양 추측 모델(202)은 상기와 같은 방식으로 최근(예를 들어 수집 가능한 가장 최신 시기의) 투약 정보를 기초로 하는 제1 평균 섭취 영양소 지표 벡터와 과거 투약 정보(예를 들어, 가장 최신 시기 바로 직전의 투약 정보)를 기초로 하는 제2 평균 섭취 영양소 지표 벡터를 산출할 수 있다.
또한, 섭취 영양 추측 모델(202)은, 해당 개인과 유사한 나이, 성별, 몸무게를 가진 다른 사람의 투약 정보를 기초로 평균 섭취 영양소 지표를 성분으로 하는 제3 평균 섭취 영양소 지표 벡터(V3avr)를 산출할 수 있다. 여기서, 해당 개인과 유사한 나이, 성별, 몸무게를 가진 다른 사람은, 데이터로 수집되어 있는 사람들 중에서 나이, 성별, 몸무게가 해당 개인과 가장 유사한 사람으로 선정된다.
일 실시예로, 결핍 영양 성분 결정부(103)는 제1 평균 섭취 영양소 지표 벡터(V1avr)와 제2 평균 섭취 영양소 지표 벡터(V2avr)의 차이 값과 제1 평균 섭취 영양소 지표 벡터(V1avr)와 제3 평균 섭취 영양소 지표 벡터(V3avr)의 차이 값에 각각 다른 가중치를 두어 사용자 개인의 결핍 영양 성분을 결정할 수 있다(아래 수학식 2 참조).
예를 들어, 결핍 영양 성분 결정부(103)는 아래의 수학식 2를 통해 결핍 영양 성분을 판단하기 위한 제1 기초 벡터(Vdep)를 산출할 수 있다.
일 실시예로, 수학식 2에서 α1은 α2에 비해 더 큰 값으로 설정되며, α1과 α2 의 합은 1일 수 있다. α1과 α2의 대소관계는 사용자 개인의 영양상태 변화에 대한 지표의 가중치가 타인의 평균 섭취량과 비교되는 지표 보다 중요도가 높은 것에 기인한다.
결핍 영양 성분 결정부(103)는 제1 기초 벡터(Vdep) 성분 중 음수 값을 가지는 성분을 제외하고 양수 값을 가지는 성분만을 포함하는 제2 기초 벡터를 생성할 수 있다. 결핍 영양 성분 결정부(103)는 제2 기초 벡터에서 양수 값을 가지는 성분들에 대응하는 영양 성분을 사용자 개인의 결핍 영양 성분으로 결정할 수 있다.
조성 비율과 용량 결정부(104)는 결핍 영양 성분 결정부(103)에서 산출되는 제2 기초 벡터 성분들의 비율을 이용해 사용자 개인의 결핍 영양 조성 비율을 결정할 수 있다. 일 실시예로, 조성 비율과 용량 결정부(104)는 제2 기초 벡터 성분들 중 제3 평균 섭취 영양소 지표 벡터에서 양수 값을 가진 성분들과 (같은 영양 성분을 나타내는 성분으로)대응하여 가장 낮은 비율을 가진(가장 결핍된) 제1 성분을 추출하고, 제1 성분과 제3 평균 섭취 영양소 지표 벡터에서 대응하는 제2 성분과의 비율(결핍 비율)을 결정하고, 제2 기초 벡터 성분들 모두에 상기 비율을 나눈 값이 나타내는 지표를 각 영양 성분의 용량으로 결정할 수 있다.
운영 서버(10)는 추천 영양제의 영양 조성 비율과 용량을 결정하고, 이를 데이터화한 다음 상기 데이터를 영양제 제공장치에 제공할 수 있다.
이때, 운영 서버(10)는, 영양 조성 비율과 용량을 결정하기 전이나 후에 영양 성분 사이에 한번에 섭취할 수 없는 영양 성분들을 미리 데이터베이스화하여 저장하고, 저장된 데이터를 참조하여 앞서 추천 영양제의 영양 조성 비율과 용량에서 한번에 섭취할 수 없는 영양 성분을 결정하고, 결정된 영샹 성분을 제외하고 영양 조성 비율과 용량을 재조정하고, 재조정된 영양 조성 비율과 용량으로 하나의 단일-캡슐형 영양제를 제조하기 위한 단일-캡슐 기반 제조 데이터를 영양제 제공 장치에 제공할 수 있다. 이때, 한번에 섭취할 수 없는 영양 성분이란 하나의 캡슐로 제조하였을 때 영양 성분 사이에 상충작용으로 인해 영양성분의 효과가 기준치 이상 저해되거나, 오히려 부작용을 초래하는 영양 성분으로서 이는 주지된 다수의 공지 논문이나 문헌들을 참고하여 통상의 기술자가 설정하여 데이터베이스화할 수 있으므로 구체적인 예시는 생략한다.
도 7은 본 발명의 일 실시예에 따른 운영 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 7을 참조하면, 운영 서버(10)는 적어도 하나의 프로세서(110), 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(120)를 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120)는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다. 저장 장치(160)는, HDD(hard disk drive), SSD(solid state drive) 등일 수 있다.
또한, 운영 서버(10)는, 통신 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 운영 서버(10)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 운영 서버(10)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다. 운영 서버(10)는 푸쉬 서버(push server), 게이트웨이 서버(gateway server), 네임 서버(name server) 등의 기능을 포함할 수 있다.
다음으로, 다른 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 설명한다. 하, 도 1 내지 도 7과 도면상의 동일한 구성 요소에 대해서는 설명을 생략하고, 동일하거나 유사한 참조 부호를 사용하였다.
도 8은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템을 도시한 도면이다. 도 9는 사용자가 사용자 단말을 사용하는 모습의 일 예를 도시한다. 도 10은 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 사용자 단말 간의 관계를 나타내는 도면이다.
도 8 내지 도 10을 참조하면, 개인 맞춤형 영양제 제조 시스템은 도 1의 개인 맞춤형 영양제 제조 시스템에 대비하여 사용자 단말(50)을 더 포함할 수 있다.
사용자 단말(50)은 사용자와의 거리를 감지하는 거리 센서 및 음성을 수집하는 마이크를 포함할 수 있다. 거리 센서는 광 센서 또는 적외선 등으로 이루어질 수 있다.
사용자 단말(50)은 각각 스마트폰, PC, PDA, 태블릿 등 거리에 따른 용자의 음성 데이터 등을 수집 분석하고 운영 서버(10)에 데이터를 전송할 수 있는 기술적 사상의 범위내에서 다양한 변형이 가능하다.
사용자 단말(50)은 사용자가 사용자 단말(50)을 사용하는 동안 사용자와 사용자 단말(50) 간의 거리(d) 및 사용자의 목소리 주파수(f), 진폭(p)을 복수 회 수집할 수 있다. 사용자 단말(50)은 운영 서버(10)로 수집한 거리와 거리에 대응하는 목소리 주파수와 진폭에 대한 각 데이터를 제공할 수 있다. 사용자가 사용자 단말(50)을 사용하는 동안 사용자와 사용자 단말(50) 간의 거리(d)는 직접적으로 수집하여 사용하는 것이 바람직하나, 직접적인 측정에 어려움이 있을 수 있고, 이 경우 사용자의 목소리 소리의 강도(Q, dB 단위)를 수집하고, 목소리 소리의 강도에 반비례하는 변환식을 통해 거리(d)를 결정할 수 있다. 예를 들어, 거리(d)는 아래의 수학식 3과 같이, 변환 계수(tx)를 사용자의 목소리 소리의 강도(Q)로 나눈 값으로 결정할 수 있다.
도 11은 도 8의 운영 서버의 기능별 구성을 도시한 도면이다. 도 12는 운영 서버가 캡슐 형상을 결정하는 방법을 설명하기 위한 도면이다.
도 11을 참조하면, 운영 서버(10)는 도 3의 운영 서버에 대비하여 캡술 형상 결정부(105)를 더 포함할 수 있다.
예를 들어, 노인의 경우 젊은 사람에 비해 근육활동이 둔화되어 일정 크기 이상의 캡슐 영양제를 삼키는 것이 쉽지 않을 수 있다. 또한, 영양제 복용자는 개개인의 성향에 따라 기성 제품으로 만들어진 캡슐형 영양제를 삼키는데 어려움을 느낄 수도 있다. 캡술 형상 결정부(105)는 영양제를 복용하는 개인에게 맞춤형 형상을 가지는 캡슐 형상 데이터를 생성할 수 있다.
캡술 형상 결정부(105)는 사용자의 식도가 시작되는 부분의 너비를 예측하여 영양제 캡슐 형상을 결정할 수 있다. 일 실시예로, 캡술 형상 결정부(105)는 수집되는 거리에 따른 목소리 주파수와 진폭의 변화 데이터를 기초로 사용자의 식도 너비를 간접적으로 추정함으로써, 영양제 캡슐 형상을 결정할 수 있다.
예를 들어, 도 12를 함께 참조하면, 캡슐의 형상은 길이(h), 폭(w), 단부의 곡률반경(R)으로 정의될 수 있다. 일 실시예로, 캡술 형상 결정부(105)는 아래의 수학식 4를 통해 캡슐의 형상을 결정할 수 있다.
수학식 4에서, d1은 하루동안 수집한 사용자 단말(50)과 사용자의 거리들 중에서, 사용자 단말(50)이 사용자와 거리가 가장 가까울 때의 거리 값이고, p1은 거리 d1에서 측정되는 목소리 진폭 값이고, f1은 d1에서 측정되는 목소리 주파수 값이다. 또한, dn은 사용자 단말(50)이 사용자와 거리가 가장 멀 때의 거리 값이고, pn은 dn에서 측정되는 목소리 진폭 값이고, fn은 dn에서 측정되는 목소리 주파수 값이다. β1, β2, β3는 계산 결과 값이 특정 범위에 포함되도록 미리 정의된 상수 값에 해당한다.
도 13은 본 발명의 일 실시예에 따른 운영 서버가 개인 맞춤형 추천 영양제를 결정하는 방법을 도시한 순서도이다. 도 14는 본 발명의 일 실시예에 따른 개인 맞춤형 영양제 제조 시스템에서 운영 서버와 영양제 제조 장치 간의 관계를 나타내는 도면이다.
도 13을 참조하면, 운영 서버(10)가 개인 맞춤형 추천 영양제의 조성 비율과 용량을 결정하는 방법은 건강정보 서버로부터 사용자의 건강정보를 획득하는 단계(S10), 영양 조성 비율 결정 단계(S20), 용량 결정 단계(S30) 및 캡슐 형상 결정 단계(S40)를 포함할 수 있다.
도 14를 참조하면, 운영 서버(10)는 추천 영양제의 영양 조성 비율과 용량을 결정하고, 추천 영양제의 캡슐 형상을 결정하고, 이를 데이터화한 다음 상기 데이터를 영양제 제조장치(40)에 제공할 수 있다.
이상, 첨부된 도면을 참조하여 본 발명의 기술적 사상에 따른 실시 예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해하여야 한다.
10: 운영 서버
20: 영양제 마켓 서버
30: 건강정보 서버
40: 영양제 제조장치
50: 사용자 단말
101: 빅데이터 관리부
102: 영양 상태 결정부
103: 결핍 영양 성분 결정부
104: 조성 비율과 용량 결정부
105: 캡술 형상 결정부
201: 섭취 영양 추측 모델 학습부
202: 섭취 영양 추측 모델
20: 영양제 마켓 서버
30: 건강정보 서버
40: 영양제 제조장치
50: 사용자 단말
101: 빅데이터 관리부
102: 영양 상태 결정부
103: 결핍 영양 성분 결정부
104: 조성 비율과 용량 결정부
105: 캡술 형상 결정부
201: 섭취 영양 추측 모델 학습부
202: 섭취 영양 추측 모델
Claims (5)
- 사용자에게 개인 맞춤형 영양제를 유통 또는 판매하는 서비스를 제공하는 영양제 마켓 서버;
투약 정보 및 건강검진 정보를 포함하는 복수 사람들의 건강정보가 저장된 건강정보 서버;
상기 영양제 마켓 서버로부터 추천 영양제 정보의 요청에 의해, 상기 건강정보 서버로부터 상기 건강정보를 제공받아 상기 개인 맞춤형 영양제의 영양 조성 비율 및 용량을 결정하는 운영 서버; 및
상기 운영 서버로부터 제공받은 상기 영양 조성 비율 및 용량에 기초하여 상기 개인 맞춤형 영양제를 제조하는 영양제 제조장치를 포함하되,
상기 운영 서버는,
상기 건강정보 서버로부터 획득한 복수 사람들의 각 개인의 건강정보를 저장하는 빅데이터 관리부;
상기 건강정보 서버로부터 상기 사용자의 약물 투여 기간 중 임의의 투약 정보를 제공받으면, 투약 기간 동안의 평균적인 영양 성분 섭취량을 결정하는 영양 상태 결정부;
상기 사용자의 과거 영양 성분 섭취량, 다른 사람들의 평균 영양 성분 섭취량과 최근 평균 영양 성분 섭취량을 기초로 결핍 영양 성분을 결정하는 결핍 영양 성분 결정부; 및
상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 비율에 따라 상기 개인 맞춤형 영양제의 상기 영양 조성 비율을 결정하고, 가장 결핍된 영양 성분의 결핍 비율에 따라 상기 결핍 영양 성분 결정부에서 산출되는 영양 성분들의 상기 용량을 결정하는 조성 비율과 용량 결정부를 포함하고,
상기 영양 상태 결정부는 인공 신경망을 기반으로 작동하고, 상기 빅데이터 관리부에 저장된 영양 상태 학습 데이터를 획득하여 특정 기간동안 어느 한 시점에서 섭취 영양소들의 각 용량을 성분 값으로 갖는 제1 특징 벡터로 변환하여 입력값(Ym)을 생성하고, 특정 기간동안 섭취 영양소들의 각 평균 용량을 성분값으로 갖는 제2 특징 벡터로 이루어진 출력값(Y'm)을 생성한 후, 상기 입력값과 상기 출력값에 따른 손실 함수(H(Y,Y'))의 출력값이 최소화되도록 섭취 영양 추측 모델을 지도학습시키는 섭취 영양 추측 모델 학습부를 포함하고,
상기 손실 함수는 다음의 수학식 1에 의해 정의되고,
[수학식 1]
상기 영양 상태 결정부는,
상기 사용자의 투약 정보를 기초로 영양 성분 마다 투여 용량 지표로 환산하고, 환산된 값으로 정의된 입력값을 상기 섭취 영양 추측 모델에 적용하여 출력된 출력값을 이용해 평균 섭취 영양소 지표 벡터를 산출하되,
상기 사용자의 가장 최근 투약 정보를 상기 입력값으로서 상기 섭취 영양 추측 모델에 적용하여 출력되는 제1 평균 섭취 영양소 지표 벡터;
상기 가장 최근 투약 정보 직전의 과거 투약 정보를 상기 입력값으로서 상기 섭취 영양 추측 모델에 적용하여 출력되는 제2 평균 섭취 영양소 지표 벡터; 및
상기 사용자와 가장 유사한 나이, 성별, 몸무게를 가진 다른 사람의 투약 정보를 상기 입력값으로 상기 섭취 영양 추측 모델에 적용하여 출력되는 제3 평균 섭취 영양소 지표 벡터;를 산출하고,
상기 결핍 영양 성분 결정부는,
상기 제1 평균 섭취 영양소 지표 벡터와 상기 제2 평균 섭취 영양소 지표 벡터의 제1 차이 값과 상기 제1 평균 섭취 영양소 지표 벡터와 상기 제3 평균 섭취 영양소 지표 벡터의 제2 차이 값에 각각 다른 가중치를 두어 제1 기초 벡터를 산출하고, 상기 제1 기초 벡터에서 음수 값을 가지는 성분을 제외하고 양수 값을 가지는 성분만을 포함하는 제2 기초 벡터를 생성하여, 상기 제2 기초 벡터를 기반으로 사용자 개인의 결핍 영양 성분을 결정하되,
상기 제1 차이 값에 적용하는 가중치는 상기 제2 차이 값에 적용하는 가중치 보다 큰 값이고,
상기 조성 비율과 용량 결정부는 상기 제2 기초 벡터의 성분들 중 상기 제3 평균 섭취 영양소 지표 벡터에서 양수 값을 가진 성분들과 대응하여 가장 낮은 비율을 가진 제1 성분을 추출하고, 제3 평균 섭취 영양소 지표 벡터에서 상기 제1 성분과 대응하는 제2 성분과의 비율을 결정하고, 상기 제2 기초 벡터의 성분들 모두에 상기 비율을 나눈 값이 나타내는 지표를 각 영양 성분의 용량으로 결정하는, 개인 맞춤형 영양제 제조 시스템. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230014231A KR102540256B1 (ko) | 2023-02-02 | 2023-02-02 | 개인 맞춤형 단일 캡슐 영양제 제조 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230014231A KR102540256B1 (ko) | 2023-02-02 | 2023-02-02 | 개인 맞춤형 단일 캡슐 영양제 제조 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102540256B1 true KR102540256B1 (ko) | 2023-06-08 |
Family
ID=86765473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230014231A KR102540256B1 (ko) | 2023-02-02 | 2023-02-02 | 개인 맞춤형 단일 캡슐 영양제 제조 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102540256B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210018619A (ko) | 2019-08-07 | 2021-02-18 | 왓비타 주식회사 | 개인화된 영양소 추천 방법 및 서버 |
| KR102414931B1 (ko) | 2021-08-17 | 2022-06-29 | 박영철 | 유저의 건강 상태 정보를 통한 맞춤형 건강 기능 식품을 제조하는 장치 |
| KR102455100B1 (ko) | 2022-04-27 | 2022-10-14 | 주식회사 엔라이즈 | 인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법 |
-
2023
- 2023-02-02 KR KR1020230014231A patent/KR102540256B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210018619A (ko) | 2019-08-07 | 2021-02-18 | 왓비타 주식회사 | 개인화된 영양소 추천 방법 및 서버 |
| KR102414931B1 (ko) | 2021-08-17 | 2022-06-29 | 박영철 | 유저의 건강 상태 정보를 통한 맞춤형 건강 기능 식품을 제조하는 장치 |
| KR102455100B1 (ko) | 2022-04-27 | 2022-10-14 | 주식회사 엔라이즈 | 인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109964280B (zh) | 用于计算、显示、修改和使用改善的个性化营养健康评分来评估和计划最佳饮食的系统和方法 | |
| Winkelmayer et al. | Habitual caffeine intake and the risk of hypertension in women | |
| Adams | Improving health outcomes with better patient understanding and education | |
| Hsu et al. | Use of e-Health services between 1999 and 2002: a growing digital divide | |
| Salama et al. | Malnutrition, measles, mortality, and the humanitarian response during a famine in Ethiopia | |
| Reed et al. | What makes a good staging algorithm: examples from regular exercise | |
| Safford et al. | Reasons for not intensifying medications: differentiating “clinical inertia” from appropriate care | |
| Khan et al. | Patient's global assessment of disease activity and patient's assessment of general health for rheumatoid arthritis activity assessment: are they equivalent? | |
| Cioara et al. | Expert system for nutrition care process of older adults | |
| WO2014087252A2 (en) | Automated health data acquisition, processing and communication system | |
| Khalesi et al. | Dietary patterns, nutrition knowledge, lifestyle, and health-related quality of life: associations with anti-hypertension medication adherence in a sample of Australian adults | |
| JP2017045142A (ja) | 生活習慣管理支援装置および生活習慣管理支援方法 | |
| JP6705089B2 (ja) | ヘルスチューニング支援システム | |
| Walker et al. | Trends and variation in prescribing of low-priority treatments identified by NHS England: a cross-sectional study and interactive data tool in English primary care | |
| KR102467340B1 (ko) | 챗봇 기반의 질의응답 및 생체표지자 데이터를 이용한 맞춤형 영양 관리 시스템 | |
| Stahl et al. | Caloric expenditure assessment among older adults: Criterion validity of a novel accelerometry device | |
| KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
| CN114496247A (zh) | 一种社区健康管理系统 | |
| Erdeniz et al. | Recommender systems for IoT enabled quantified-self applications | |
| Lee et al. | A smart water bottle for new seniors: Internet of Things (IoT) and health care services | |
| Haslam et al. | The Dynamic Impact of Nonprofit Organizations: Are Health-Related Nonprofit Organizations Associated with Improvements in Obesity at the Community Level? | |
| CN116312926A (zh) | 健康路径推荐方法及相关装置、电子设备和存储介质 | |
| Ulfa et al. | Nutrition‐Related Mobile Application for Daily Dietary Self‐Monitoring | |
| KR102540256B1 (ko) | 개인 맞춤형 단일 캡슐 영양제 제조 시스템 | |
| Halme et al. | Patients’ preferences for generic and branded over-the-counter medicines: an adaptive conjoint analysis approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |