KR102541046B1 - Artificial Intelligence-based Predictive Medical Information Service System and Its Method - Google Patents

Artificial Intelligence-based Predictive Medical Information Service System and Its Method Download PDF

Info

Publication number
KR102541046B1
KR102541046B1 KR1020200177246A KR20200177246A KR102541046B1 KR 102541046 B1 KR102541046 B1 KR 102541046B1 KR 1020200177246 A KR1020200177246 A KR 1020200177246A KR 20200177246 A KR20200177246 A KR 20200177246A KR 102541046 B1 KR102541046 B1 KR 102541046B1
Authority
KR
South Korea
Prior art keywords
information
user
medical
genetic
health
Prior art date
Application number
KR1020200177246A
Other languages
Korean (ko)
Other versions
KR20220086968A (en
Inventor
박재민
Original Assignee
다윈그룹(주)
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 다윈그룹(주) filed Critical 다윈그룹(주)
Priority to KR1020200177246A priority Critical patent/KR102541046B1/en
Publication of KR20220086968A publication Critical patent/KR20220086968A/en
Application granted granted Critical
Publication of KR102541046B1 publication Critical patent/KR102541046B1/en

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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G16H20/10—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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 인공지능 기반 예측 의료정보서비스 시스템에 관한 것이다. 본 시스템은 기설정된 문진 항목에 대한 사용자 문진 정보를 입력하여 정보처리서버로 전송하는 적어도 하나의 사용자 단말 및 사용자 단말로부터 전송받은 사용자 문진 정보와 사용자의 유전자 정보 및 의료정보가 포함된 빅데이터를 분석하여 사용자의 건강상태를 판단하고, 판단된 결과를 인공지능을 통해 사용자의 질환을 예측하는 정보처리서버를 포함할 수 있다.The present invention relates to an AI-based predictive medical information service system. This system analyzes at least one user terminal that inputs user medical examination information for a preset medical examination item and transmits it to the information processing server, and big data including user medical examination information transmitted from the user terminal and user genetic information and medical information. It may include an information processing server that determines the user's health condition and predicts the user's disease through artificial intelligence based on the determined result.

Description

인공지능 기반 예측 의료정보서비스 시스템 및 그 방법{Artificial Intelligence-based Predictive Medical Information Service System and Its Method}Artificial Intelligence-based Predictive Medical Information Service System and Its Method

본 발명은 인공지능 기반 예측 의료정보서비스 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 공공빅데이터(국민건강공단 데이터베이스, 건강보험심사평가원 데이터베이스, 국립암센터 데이터베이스, 질병관리청 데이터베이스 등 공공의 이익을 위하여 제공되는 빅데이터), 족보편찬위원회 데이터베이스(가계도 정보), 개인 유전체정보와 의료정보를 포함한 데이터베이스를 종합한 빅데이터를 이용하여 딥러닝 알고리즘으로 분석하여 인공지능을 통한 예측 의료정보서비스 시스템 및 그 방법에 관한 것이다. The present invention relates to an artificial intelligence-based predictive medical information service system and method, and more specifically, to public big data (National Health Service database, Health Insurance Review and Assessment Service database, National Cancer Center database, Korea Centers for Disease Control and Prevention database, etc. predictive medical information service system and its It's about how.

유전자 검사는 염색체에 들어있는 유전자에 대한 검사로써 유전질환이나 일부 질환의 진단 및 돌연변이, 염색체 이상 등을 진단할 수 있다. 검사 방법으로는 중합효소 연쇄반응(PCR, polymerase chain reaction) 혹은 DNA 순차배열분석(DNA sequencing), 염색체 미세배열(chromosomal microarray, CMA) 혹은 염색체 검사(karyotyping), 형광동소보합법(fluorescence in situ hybridization, FISH) 등이 있다.Genetic testing is a test for genes contained in chromosomes, and can diagnose genetic diseases or some diseases, as well as mutations and chromosomal abnormalities. Test methods include polymerase chain reaction (PCR) or DNA sequencing, chromosomal microarray (CMA) or karyotyping, and fluorescence in situ hybridization , FISH), etc.

유전자 검사를 통해 개인 건강을 파악하고 이를 이용하여 사용자에게 맞는 의약적 처치 및 치료를 할 수 있다. 한국공개특허 제2011-0081861호에는 핵심 물질대사 유전자의 피험체 물질대사 유전자형을 기초로 피험체를 위한 개인별 체중감량 프로그램을 확립할 수 있는 방법 및 검사법에 관해 개시되어 있다.Personal health can be identified through genetic testing, and medical treatment and treatment tailored to the user can be performed using it. Korean Patent Publication No. 2011-0081861 discloses a method and test method for establishing an individual weight loss program for a subject based on a subject's metabolic genotype of a key metabolic gene.

이는 피험체에 적절한 의료 처치 및 치료를 위한 의사결정을 지원하는 방법으로서, IL-1B, IL-1A, IL-1RN, ADRB2, ADRB3 및 MCR4로 이루어진 군에서 선택된 1 이상의 유전자에서 피험체를 유전자형 검사하고, 이때 상기 유전자와 내 1 이상의 대립유전자의 존재는 저칼로리 식이, 또는 액체 식이, 또는 둘 모두에 반응하는 체중 감량에 대한 상기 피험체의 소인을 예측하는 기술에 대해 개시되어 있다.This is a method of supporting decision-making for appropriate medical treatment and treatment for a subject, and genotyping a subject in one or more genes selected from the group consisting of IL-1B, IL-1A, IL-1RN, ADRB2, ADRB3, and MCR4. and wherein the presence of one or more alleles within the gene and a technique for predicting the subject's predisposition to weight loss in response to a low-calorie diet, or a liquid diet, or both are disclosed.

즉, 개인 건강 정보를 기초로 적절한 의료 처치 및 치료를 받기 위한 의사결정에 사용함으로써, 피험체의 물질대사 유전자형을 결정할 수 있다.That is, the subject's metabolic genotype can be determined by using the personal health information for decision-making to receive appropriate medical treatment and treatment.

인공 신경망(artificial neural network) 학습에는 많은량의 학습 데이터(training data)가 필요하다. 인공 신경망(artificial neural network) 학습 데이터에 실제값(ground truth)으로 레이블링 된 다량의 학습 데이터를 구축하는 것은 많은 인력과 시간이 소요된다. 그러나 정확하게 레이블링 된 학습 데이터를 이용하여야 인공 신경망(artificial neural network)의 성능을 확보할 수 있다. Training of an artificial neural network requires a large amount of training data. It takes a lot of manpower and time to build a large amount of training data labeled with ground truth in artificial neural network training data. However, it is possible to secure the performance of an artificial neural network only when accurately labeled training data is used.

질환은 원인이 다양한 만큼 예방, 진단, 치료의 세 영역에 혁신적인 접근이 필요하다. 현재 진단과 예방 및 치료제의 개발에 필수적인 타겟 유전자의 발굴에 있어 해외 글로벌 제약사의 데이터베이스에 의존하는 만큼 국내에서의 접근성이 어려움 있다. As diseases have various causes, innovative approaches are needed in three areas: prevention, diagnosis, and treatment. Currently, accessibility in Korea is difficult as it relies on the databases of overseas global pharmaceutical companies in discovering target genes essential for diagnosis and development of preventive and therapeutic agents.

[특허문헌 1] 한국공개특허공보 제10-2011-0081861호, 2011.07.14. 공개.[Patent Document 1] Korean Patent Publication No. 10-2011-0081861, 2011.07.14. open.

본 발명은 전술한 문제점을 해결하기 위하여 창출된 것으로, 인공지능 기반 예측 의료정보서비스 시스템 및 그 방법을 제공하는 것을 그 목적으로 한다. The present invention has been created to solve the above problems, and an object of the present invention is to provide an AI-based predictive medical information service system and method.

본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the objects mentioned above, and other objects not mentioned will be clearly understood from the description below.

상기한 목적들을 달성하기 위하여, 본 발명의 일 실시예에 따른 인공지능 기반 예측 의료정보서비스 시스템이 개시된다. 본 시스템은 기설정된 문진 항목에 대한 사용자 문진 정보를 입력하여 정보처리서버로 전송하는 적어도 하나의 사용자 단말 및 사용자 단말로부터 전송받은 사용자 문진 정보와 사용자의 유전자 정보 및 의료정보가 포함된 빅데이터를 분석하여 사용자의 건강상태를 판단하고, 판단된 결과를 인공지능을 통해 사용자의 질환을 예측하는 정보처리서버를 포함할 수 있다. In order to achieve the above objects, an artificial intelligence-based predictive medical information service system according to an embodiment of the present invention is disclosed. This system analyzes at least one user terminal that inputs user medical examination information for a preset medical examination item and transmits it to the information processing server, and big data including user medical examination information transmitted from the user terminal and user genetic information and medical information. It may include an information processing server that determines the user's health condition and predicts the user's disease through artificial intelligence based on the determined result.

또한, 본 발명의 일 실시예에 따르면, 정보처리서버는, 의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 정보 획득부, 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 건강상태 판단부 및 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시하는 건강 정보부를 포함할 수 있다. In addition, according to an embodiment of the present invention, the information processing server includes an information acquisition unit that receives medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution; A health status determination unit that determines the user's health status based on user genetic information and user medical information included in medical big data information, and sets the user's health status based on user genetic information, and determines genetic variation and genetic variation from user genetic information. Extracts directly related physical or environmental factors, determines the user's appropriate health information from the extracted physical or environmental factors, and predicts the user's disease and health based on the determined user's health condition or genetic information A health information unit displaying information for management may be included.

또한, 본 발명의 일 실시예에 따르면, 건강상태 판단부는, 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단할 수 있다. Further, according to an embodiment of the present invention, the health state determination unit may determine the user's health state using a deep learning algorithm based on the user's genetic information and the user's medical information.

또한, 본 발명의 일 실시예에 따르면, 건강 정보부는, 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천할 수 있다. In addition, according to an embodiment of the present invention, the health information unit sets the user's necessary nutritional components and required intake based on the user's genetic information and medical information, and the physical or It is possible to recommend customized health care suitable for the user's health condition and user's medical information after extracting environmental factors and identifying user's unique eating habit information from the extracted physical or environmental factors.

또한, 본 발명의 일 실시예에 따르면, 정보처리서버는, 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단부 및 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 서비스부를 더 포함할 수 있다. In addition, according to an embodiment of the present invention, the information processing server determines a user having similar genetic information and personal medical information or a user having a disease similar to the user's disease predicted in the health information unit, and a similar disease determination unit and judgment It may further include an online sharing service unit for sharing information between users having similar genetic information and personal medical information or users having similar diseases.

또한, 본 발명의 일 실시예에 따르면, 사용자 유전자 정보 및 사용자 의료정보는, 체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 것을 특징으로 할 수 있다. In addition, according to an embodiment of the present invention, user genetic information and user medical information are genetic information associated with at least one or more of body mass index, blood pressure, diabetes, cholesterol, triglyceride, smoking, inflammation, height, weight, and alcohol consumption. It may be characterized in that medical information is included.

또한, 본 발명의 일 실시예에 따른 인공지능 기반 예측 의료정보서비스 방법이 개시된다. 본 방법은 의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 정보 획득 단계, 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 건강상태 판단 단계 및 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시하는 건강 정보 판단 및 표시단계를 포함할 수 있다. In addition, an artificial intelligence-based predictive medical information service method according to an embodiment of the present invention is disclosed. This method includes an information acquisition step of receiving medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution, user genetic information and user medical information included in medical big data information The health state determination step of determining the user's health state based on the information and the user's health state is set based on the user's genetic information, and physical or environmental factors directly related to the genetic mutation are extracted from the user's genetic information , Determining appropriate health information of the user from the extracted physical or environmental factors, and displaying information for prediction of the user's disease and health management based on the determined user's health condition or genetic information, and displaying health information can include

또한, 본 발명의 일 실시예에 따르면, 건강상태 판단 단계는 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단하는 단계일 수 있다. Further, according to an embodiment of the present invention, the step of determining the health state may be a step of determining the health state of the user using a deep learning algorithm based on the user's genetic information and the user's medical information.

또한, 본 발명의 일 실시예에 따르면, 건강 정보 판단 및 표시단계는, 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 상기 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천하는 단계일 수 있다. In addition, according to one embodiment of the present invention, the health information determination and display step sets the user's necessary nutritional components and required intake based on the user's genetic information and medical information, and directly correlates genetic mutations from personal genetic information. A step of extracting related physical or environmental factors, identifying the user's unique eating habit information from the extracted physical or environmental factors, and then recommending customized health care suitable for the user's health condition and user's medical information. can

또한, 본 발명의 일 실시예에 따르면, 인공지능 기반 예측 의료정보서비스 방법은, 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단 단계 및 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 단계를 더 포함할 수 있다. In addition, according to an embodiment of the present invention, the artificial intelligence-based predictive medical information service method determines a user having similar genetic information and personal medical information or a user having a disease similar to a user's disease predicted by the health information unit. The method may further include a disease determination step and an online sharing step of sharing the information between users having similar genetic information and personal medical information or users having similar diseases.

또한, 본 발명의 일 실시예에 따르면, 사용자 유전자 정보 및 사용자 의료정보는, 체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 것을 특징으로 할 수 있다. In addition, according to an embodiment of the present invention, user genetic information and user medical information are genetic information associated with at least one or more of body mass index, blood pressure, diabetes, cholesterol, triglyceride, smoking, inflammation, height, weight, and alcohol consumption. It may be characterized in that medical information is included.

상기한 목적들을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술될 실시예들을 참조하면 명확해질 것이다. Specific details for achieving the above objects will become clear with reference to embodiments to be described later in detail in conjunction with the accompanying drawings.

그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라, 서로 다른 다양한 형태로 구성될 수 있으며, 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "통상의 기술자")에게 발명의 범주를 완전하게 알려주기 위해서 제공되는 것이다. However, the present invention is not limited to the embodiments disclosed below, and may be configured in a variety of different forms, so that the disclosure of the present invention is complete and those of ordinary skill in the art to which the present invention belongs ( It is provided hereafter to fully inform the "ordinary skilled person") of the scope of the invention.

본 발명의 일 실시예에 의하면, 공공빅데이터, 족보편찬위원회 데이터베이스(가계도 정보), 개인 유전체정보와 의료정보를 포함한 데이터베이스를 종합한 빅데이터를 이용함으로써 한국인에 대응되는 유전체 분석 기반을 구축할 수 있다.According to an embodiment of the present invention, it is possible to build a genome analysis basis corresponding to Koreans by using big data that combines public big data, the Genealogical Compilation Committee database (family tree information), and a database including personal genome information and medical information. there is.

또한, 빅데이터 서버로부터 수신받은 정보를 인공지능을 통해 예측함으로써, 방대한 양의 정보를 간편하게 이용할 수 있으며, 인공지능을 이용함으로써 질병의 예측 정확도를 높일 수 있다.In addition, by predicting the information received from the big data server through artificial intelligence, a vast amount of information can be conveniently used, and the prediction accuracy of diseases can be increased by using artificial intelligence.

또한, 개인의 의료정보와 가계도 데이터를 이용함으로써, 질환별 한국인의 가계도 구축을 통한 개인 맞춤형 의료서비스를 제공할 수 있다.In addition, by using personal medical information and family tree data, personalized medical services can be provided through the establishment of a Korean family tree for each disease.

또한, 각각의 개인 의료정보와 가계도 데이터를 활용함으로써, 한국인의 특성에 맞는 질병을 파악할 수 있다.In addition, by utilizing individual medical information and family tree data, it is possible to identify diseases that fit the characteristics of Koreans.

또한, 개인의 의료정보와 한국인의 가계도 데이터를 이용한 가계도 분석 및 질환별 한국인의 가계도 구축을 통한 개인 맞춤형 의료서비스를 제공할 수 있다.In addition, it is possible to provide personalized medical service through family tree analysis using individual medical information and Korean family tree data and construction of Korean family tree by disease.

본 발명의 효과들은 상술된 효과들로 제한되지 않으며, 본 발명의 기술적 특징들에 의하여 기대되는 잠정적인 효과들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다. The effects of the present invention are not limited to the above-mentioned effects, and the potential effects expected by the technical features of the present invention will be clearly understood from the description below.

상기 언급된 본 발명 내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나 첨부된 도면들은 단지 본 발명 내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 발명의 일 실시예에 따른 유전자 검사와 개인 의료정보에 기반한 빅데이터를 이용하여 딥러닝 알고리즘으로 분석하여 인공지능을 통한 예측 의료정보서비스 시스템을 나타낸 블록도(Block diagram)이다.
도 2는 본 발명의 일 실시예에 따른 정보처리서버의 세부구성을 도시한 블록도(Block diagram)이다.
도 3은 유전자 정보를 통해 예측 가능한 질병과 관련된 유전자 검사 표현형 정보의 일 예를 표시한 표이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반 예측 의료정보서비스 방법의 순서도이다. In order that the above-mentioned features of the present invention may be understood in detail, more specifically, with reference to the following embodiments, some of the embodiments are shown in the accompanying drawings. Also, like reference numbers in the drawings are intended to refer to the same or similar function throughout the various aspects. However, it should be noted that the accompanying drawings only show specific exemplary embodiments of the present invention, and are not considered to limit the scope of the present invention, and other embodiments having the same effect may be fully appreciated. let it do
1 is a block diagram showing a predictive medical information service system through artificial intelligence by analyzing with a deep learning algorithm using big data based on genetic testing and personal medical information according to an embodiment of the present invention.
2 is a block diagram showing the detailed configuration of an information processing server according to an embodiment of the present invention.
3 is a table showing an example of genetic test phenotype information related to a predictable disease through genetic information.
4 is a flowchart of an artificial intelligence-based predictive medical information service method according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시예들을 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail.

청구범위에 개시된 발명의 다양한 특징들은 도면 및 상세한 설명을 고려하여 더 잘 이해될 수 있을 것이다. 명세서에 개시된 장치, 방법, 제법 및 다양한 실시예들은 예시를 위해서 제공되는 것이다. 개시된 구조 및 기능상의 특징들은 통상의 기술자로 하여금 다양한 실시예들을 구체적으로 실시할 수 있도록 하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다. 개시된 용어 및 문장들은 개시된 발명의 다양한 특징들을 이해하기 쉽게 설명하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다.Various features of the invention disclosed in the claims may be better understood in consideration of the drawings and detailed description. Devices, methods, manufacturing methods, and various embodiments disclosed in the specification are provided for illustrative purposes. The disclosed structural and functional features are intended to enable a person skilled in the art to specifically implement various embodiments, and are not intended to limit the scope of the invention. The disclosed terms and phrases are intended to provide an easy-to-understand description of the various features of the disclosed invention, and are not intended to limit the scope of the invention.

본 발명을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.In describing the present invention, if it is determined that a detailed description of related known technologies may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted.

이하, 본 발명의 일 실시예에 따른 인공지능 기반 예측 의료정보서비스 시스템 및 그 방법을 설명한다. Hereinafter, an artificial intelligence-based predictive medical information service system and method according to an embodiment of the present invention will be described.

도 1은 본 발명의 일 실시예에 따른 유전자 검사와 개인 의료정보에 기반한 빅데이터를 이용하여 딥러닝 알고리즘으로 분석하여 인공지능을 통한 예측 의료정보서비스 시스템을 나타낸 블록도(Block diagram)이고, 도 2는 본 발명의 일 실시예에 따른 정보처리서버의 세부구성을 도시한 블록도(Block diagram)이다. 1 is a block diagram showing a predictive medical information service system through artificial intelligence by analyzing with a deep learning algorithm using big data based on genetic testing and personal medical information according to an embodiment of the present invention. 2 is a block diagram showing the detailed configuration of an information processing server according to an embodiment of the present invention.

도 1 및 도 2를 참조하면, 인공지능 기반 예측 의료정보서비스 시스템은 적어도 하나의 의료기관 서버, 적어도 하나의 사용자 단말 및 정보처리서버를 포함할 수 있다. Referring to FIGS. 1 and 2 , the AI-based predictive medical information service system may include at least one medical institution server, at least one user terminal, and an information processing server.

상기 의료기관 서버, 사용자 단말 및 정보처리서버는 네트워크 망을 이용하여 서로 통신할 수 있다. The medical institution server, user terminal, and information processing server may communicate with each other using a network.

여기서 네트워크는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다.Here, the network is one of networks such as a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), a broadband network (BBN), and the Internet. Any of the above networks may be included.

또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수도 있으나, 이에 제한되지는 않는다. 뿐만 아니라, 사용자 단말은 다양한 방식의 무선통신 즉, NFC(Near Field Communication), 블루투스, RFID, WiFi, 지그비와 같은 근거리 무선 통신 모듈을 포괄하도록 해석된다.In addition, the network may include any one or more of network topologies including, but not limited to, a bus network, a star network, a ring network, a mesh network, a star-bus network, a tree or a hierarchical network, and the like. don't In addition, the user terminal is interpreted to cover various types of wireless communication, that is, short-range wireless communication modules such as NFC (Near Field Communication), Bluetooth, RFID, WiFi, and ZigBee.

상기 복수개의 의료기관 서버들은 사용자 단말로부터 사용자 문진 정보에 기반하여 개인 의료정보에 대한 요청을 받아, 의료 빅데이터 정보를 전송할 수 있다. 복수개의 의료기관은 국민건강공단, 건강보험심사평가원, 질병관리청, 국립암센터 및 족보편찬위원회 등 개인의 질병을 파악할 수 있는 의료정보가 포함된 모든 기관을 포함할 수 있다. The plurality of medical institution servers may transmit medical big data information upon receiving a request for personal medical information from a user terminal based on user medical examination information. The plurality of medical institutions may include all institutions including medical information capable of identifying an individual's disease, such as the National Health Service, Health Insurance Review and Assessment Service, the Korea Centers for Disease Control and Prevention, the National Cancer Center, and the Genealogy Compilation Committee.

일 실시예에서, 사용자 단말은 복수개의 의료기관 서버에 사용자 문진 정보를 전송하고, 전송한 문진 정보에 대응되는 사용자의 의료 빅데이터 정보를 수신할 수 있다. 문진 항목은 개인의 평소 식습관, 체중, 키, 음주량, 복용하는 약, 기호음식, 개인을 식별할 수 있는 정보 등을 포함하는 항목으로 구성할 수 있다. In one embodiment, the user terminal may transmit user medical examination information to a plurality of medical institution servers and receive medical big data information of the user corresponding to the transmitted medical examination information. The questionnaire item may be composed of items including the individual's usual eating habits, weight, height, alcohol consumption, medication taken, favorite food, and information for identifying the individual.

또한, 사용자 단말은 사용자로부터 기설정된 문진 항목에 대한 사용자 문진 정보를 입력받아, 정보처리서버 또는 의료기관 서버로 전송할 수 있다. In addition, the user terminal may receive user medical examination information for a preset medical examination item from the user and transmit it to an information processing server or a medical institution server.

또한, 사용자 단말은 정보처리서버로부터 사용자 유전정보 및 의료정보에 기반하여 예측된 질환에대한 정보를 수신할 수 있다. In addition, the user terminal may receive information about a disease predicted based on the user's genetic information and medical information from the information processing server.

일 실시예에서, 정보처리서버는 사용자 단말로부터 전송받은 사용자 문진 정보와 사용자의 유전자 정보 및 의료정보가 포함된 빅데이터를 분석하여 사용자의 건강상태를 판단하고, 판단된 결과를 인공지능을 통해 사용자의 질환을 예측할 수 있으며, 정보처리서버는 정보 획득부, 건강상태 판단부 및 건강 정보부를 포함할 수 있다. In one embodiment, the information processing server determines the user's health status by analyzing the user's medical examination information transmitted from the user's terminal and the big data including the user's genetic information and medical information, and the user's determined result through artificial intelligence. It is possible to predict the disease of, and the information processing server may include an information acquisition unit, a health condition determination unit, and a health information unit.

일 실시예에서, 정보 획득부는 복수개의 의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 받을 수 있다. In one embodiment, the information acquisition unit may receive medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from servers of a plurality of medical institutions.

보다 구체적으로, 사용자 유전자 정보 및 사용자 의료정보는 체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 정보일 수 있다. More specifically, the user genetic information and user medical information may be information including genetic information and medical information related to at least one of body mass index, blood pressure, diabetes, cholesterol, triglyceride fat, smoking, inflammation, height, weight, and drinking. there is.

일 실시예에서, 건강상태 판단부는 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단할 수 있다. In one embodiment, the health state determination unit may determine the user's health state based on user genetic information and user medical information included in medical big data information.

보다 구체적으로, 건강상태 판단부는 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단할 수 있다. 사용자 유전자 정보 및 사용자 의료정보에 기반하여 사용자의 건강상태를 판단함으로써 개인 맞춤형 예측의료를 실현할 수 있다. More specifically, the health state determination unit may determine the user's health state using a deep learning algorithm based on the user's genetic information and the user's medical information. By determining the user's health status based on the user's genetic information and the user's medical information, personalized predictive medical care can be realized.

일 실시예에서, 건강 정보부는 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시할 수 있다. In one embodiment, the health information unit sets the user's health condition based on the user's genetic information, extracts a physical or environmental related factor directly related to the genetic variation from the user's genetic information, and extracts the extracted physical or environmental factors. Appropriate health information of the user may be determined from related elements, and information for prediction of the user's disease and health management may be displayed based on the determined user's health condition or genetic information.

사용자의 질환 예측 정보는 적어도 하나 이상의 질환정보 및 질환 정보에 대한 구체적이 정보를 포함하며, 예측된 질환에 대비한 식습관 정보가 포함된 건강관리 정보를 포함할 수 있다. The user's disease prediction information includes at least one disease information and specific information about the disease information, and may include health management information including dietary habit information in preparation for the predicted disease.

또한, 건강 정보부는 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 상기 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천할 수 있다. In addition, the health information unit sets the user's necessary nutritional components and required intake based on the user's genetic information and medical information, extracts physical or environmental factors directly related to genetic variation from personal genetic information, and extracts the extracted After identifying the user's unique eating habit information from physically or environmental factors, it is possible to recommend customized health care suitable for the user's health condition and user's medical information.

또한, 정보처리서버는 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단부 및 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 서비스부를 더 포함할 수 있다. In addition, the information processing server determines a user whose genetic information and personal medical information are similar or a user who has a disease similar to the user's disease predicted by the health information unit, and a user whose genetic information and personal medical information are similar. Alternatively, an online sharing service unit for sharing information among users having similar diseases may be further included.

도 3은 유전자 정보를 통해 예측 가능한 질병과 관련된 유전자 검사 표현형 정보의 일 예를 표시한 표이다. 3 is a table showing an example of genetic test phenotype information related to a predictable disease through genetic information.

도 3을 참조하면, 도 3은 유전자 정보를 통해 예측 가능한 질병과 관련된 유전자 검사 표현형 정보의 일 예를 표시한 표로서, 표에서 제시한 표현형 및 유전자 마커에 한정하지는 않는다.Referring to FIG. 3, FIG. 3 is a table showing an example of genetic test phenotype information related to diseases predictable through genetic information, and is not limited to the phenotypes and genetic markers presented in the table.

참고로, 유전자 표현형(phenotype) 정보는 항목에 따라 세부적으로 분류된다. 예를 들어, 질환은 뇌졸중, 뇌전증, 고혈압, 뇌혈관, 우울증, 심장병, 분노조절장애, 암(유방암, 구강암, 식도암, 간암, 대장암) 등으로 분류되고, 건강상태는 유당분해, 체질량 지수, 혈압, 콜레스테롤, 중성지방, 혈당 등으로 분류된다. For reference, gene phenotype information is classified in detail according to items. For example, diseases are classified into stroke, epilepsy, hypertension, cerebrovascular disease, depression, heart disease, anger control disorder, cancer (breast cancer, oral cancer, esophageal cancer, liver cancer, colon cancer), etc., and health status is lactose breakdown, body mass index. , blood pressure, cholesterol, triglycerides, and blood sugar.

도 4는 본 발명의 일 실시예에 따른 인공지능 기반 예측 의료정보서비스 방법의 순서도로, 유전자 검사와 개인 의료정보에 기반한 빅데이터를 이용하여 딥러닝 알고리즘으로 분석하여 인공지능을 통한 예측 의료정보서비스 시스템의 방법을 설명한 흐름도이다.4 is a flow chart of an artificial intelligence-based predictive medical information service method according to an embodiment of the present invention, using big data based on genetic testing and personal medical information, analyzed by a deep learning algorithm, and predictive medical information service through artificial intelligence It is a flow chart explaining the method of the system.

도 4를 참조하면, 인공지능 기반 예측 의료정보서비스 방법은 의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 정보 획득 단계, 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 건강상태 판단 단계 및 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시하는 건강 정보 판단 및 표시단계를 포함할 수 있다. Referring to FIG. 4, the artificial intelligence-based predictive medical information service method includes an information acquisition step of receiving medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution, medical The health status determination step of determining the user's health status based on the user's genetic information and user's medical information included in the big data information, and the user's health status is set based on the user's genetic information, and the genetic variation and direct Extracts physical or environmental related factors related to the extracted physical or environmental related factors, determines the appropriate health information of the user from the extracted physical or environmental related factors, predicts the user's disease and manages health based on the determined user's health condition or genetic information It may include a health information determination and display step of displaying information for.

일 실시예에서, 정보 획득 단계는 의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 단계일 수 있다. In one embodiment, the information acquisition step may be a step of receiving medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution.

보다 구체적으로, 의료 기관의 서버로부터 전송받는 사용자 유전자 정보 및 사용자 의료정보는, 체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 것을 특징으로 할 수 있다. More specifically, the user's genetic information and user's medical information transmitted from the server of the medical institution are genetic information associated with at least one of body mass index, blood pressure, diabetes, cholesterol, triglyceride, smoking, inflammation, height, weight, and drinking. It may be characterized in that medical information is included.

일 실시예에서, 건강상태 판단 단계는 정보 획득 단계에서 획득한 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 단계일 수 있다. In one embodiment, the health state determination step may be a step of determining the user's health state based on user genetic information and user medical information included in the medical big data information obtained in the information acquisition step.

보다 구체적으로, 건강상태 판단 단계는 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단하는 단계일 수 있다. More specifically, the health state determination step may be a step of determining the user's health state using a deep learning algorithm based on the user's genetic information and the user's medical information.

본 명세서에서 딥러닝 알고리즘은 예컨대 심층 신경망(Deep Neural Network, DNN), 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN), 제한 볼츠만 머신(Restricted Boltzmann Machine, RBM), 심층 신뢰 신경망(Deep Belief Network, DBN) 및 심층 Q-네트워크(Deep Q-Networks)와 같은 알고리즘을 지칭하거나, 예시되지 않은 다른 딥러닝 알고리즘을 지칭할 수도 있다.In this specification, the deep learning algorithm includes, for example, a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), a restricted Boltzmann machine (RBM), It may also refer to algorithms such as deep belief networks (DBNs) and deep Q-networks, or other deep learning algorithms not exemplified.

일 실시예에서, 건강 정보 판단하는 단계 및 표시단계는 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측하는 단계 및 예측된 사용자의 질환과 질환을 대비한 건강관리를 위한 정보를 표시하는 단계일 수 있다. In one embodiment, the step of determining and displaying the health information sets the user's health condition based on the user's genetic information, extracts and extracts a physically or environmentally related factor directly related to the genetic variation from the user's genetic information, and extracts the user's genetic information. Determining the appropriate health information of the user from the physically or environmentally related factors, predicting the user's disease based on the determined user's health condition or genetic information, and for health management in preparation for the predicted user's disease and disease It may be a step of displaying information.

또한, 건강 정보 판단 및 표시단계는 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천하는 단계일 수 있다. In addition, the health information determination and display step sets the user's necessary nutritional components and required intake based on the user's genetic information and medical information, and extracts physical or environmental factors directly related to genetic variation from personal genetic information. It may be a step of recommending customized health management suitable for the user's health condition and user's medical information after identifying the user's unique eating habit information from the extracted physical or environmental factors.

일 실시예에서, 인공지능 기반 예측 의료정보서비스 방법은 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단 단계 및 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 단계를 더 포함할 수 있다. In one embodiment, the artificial intelligence-based predictive medical information service method includes a similar disease judgment step of determining a user having similar genetic information and personal medical information or a user having a disease similar to that of the user predicted by the health information unit, and the determined gene An online sharing step of sharing information between users having similar information and personal medical information or users having similar diseases may be further included.

이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로, 통상의 기술자라면 본 발명의 본질적인 특성이 벗어나지 않는 범위에서 다양한 변경 및 수정이 가능할 것이다. The above description is only illustrative of the technical idea of the present invention, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention.

따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라, 설명하기 위한 것이고, 이러한 실시예들에 의하여 본 발명의 범위가 한정되는 것은 아니다. Therefore, the embodiments disclosed in this specification are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the present invention is not limited by these embodiments.

본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 이해되어야 한다. The protection scope of the present invention should be interpreted according to the claims, and all technical ideas within the equivalent range should be understood to be included in the scope of the present invention.

Claims (11)

인공지능 기반 예측 의료정보서비스 시스템에 있어서,
기설정된 문진 항목에 대한 사용자 문진 정보를 입력하여 정보처리서버로 전 송하는 적어도 하나의 사용자 단말; 및
상기 사용자 단말로부터 전송받은 사용자 문진 정보와 사용자의 유전자 정보 및 의료정보가 포함된 빅데이터를 분석하여 사용자의 건강상태를 판단하고, 판단된 결과를 인공지능을 통해 사용자의 질환을 예측하는 정보처리서버를 포함하고,
상기 정보처리서버는
상기 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부 에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단부; 및
상기 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 서비스부를 더 포함하는,
인공지능 기반 예측 의료정보서비스 시스템.

In the AI-based predictive medical information service system,
at least one user terminal for inputting user medical examination information for a preset medical examination item and transmitting the information to an information processing server; and
An information processing server that analyzes the user medical examination information transmitted from the user terminal and big data including the user's genetic information and medical information to determine the user's health condition and predicts the user's disease through artificial intelligence based on the determined result. including,
The information processing server
a similar disease determining unit for determining a user whose genetic information and personal medical information are similar or determining a user having a disease similar to that of the user predicted by the health information unit; and
Further comprising an online sharing service unit for sharing information between users having similar genetic information and personal medical information or users having similar diseases,
AI-based predictive medical information service system.

 제1항에 있어서,
상기 정보처리서버는,
의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 정보 획득부;
상기 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 건강상태 판단부; 및
상기 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 상기 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시하는 건강 정보부를 포함하는,
인공지능 기반 예측 의료정보서비스 시스템.
According to claim 1,
The information processing server,
an information acquisition unit that receives medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution;
a health condition determining unit for determining a user's health condition based on user genetic information and user medical information included in the medical big data information; and
The user's health condition is set based on the user's genetic information, physical or environmental factors directly related to the genetic variation are extracted from the user's genetic information, and the user's fitness is determined from the extracted physical or environmental factors. Including a health information unit that determines health information and displays information for predicting a user's disease and managing health based on the determined user's health condition or genetic information,
AI-based predictive medical information service system.
 제2항에 있어서,
상기 건강상태 판단부는,
상기 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단하는,
인공지능 기반 예측 의료정보서비스 시스템.
According to claim 2,
The health status determination unit,
Based on the user's genetic information and the user's medical information, the user's health condition is determined by a deep learning algorithm,
AI-based predictive medical information service system.
 제2항에 있어서,
상기 건강 정보부는,
상기 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 상기 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천하는,
인공지능 기반 예측 의료정보서비스 시스템.
According to claim 2,
The health information department,
Based on the user's genetic information and medical information, the user's necessary nutritional components and required intake are set, and physical or environmental factors directly related to genetic variation are extracted from the personal genetic information, and the extracted physical or environmental factors are extracted. After recognizing the user's unique eating habits information from the relevant factors, recommending customized health care suitable for the user's health condition and user's medical information,
AI-based predictive medical information service system.
 삭제delete 제1항에 있어서,
상기 사용자 유전자 정보 및 사용자 의료정보는,
체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 것을 특징으로 하는,
인공지능 기반 예측 의료정보서비스 시스템.
According to claim 1,
The user genetic information and user medical information,
Characterized in that genetic information and medical information related to at least one or more of body mass index, blood pressure, diabetes, cholesterol, triglyceride, smoking, inflammation, height, weight, and drinking are included,
AI-based predictive medical information service system.
 인공지능 기반 예측 의료정보서비스 방법에 있어서,
의료 기관의 서버로부터 전송받은 사용자 문진 정보와 대응되는 사용자 유전자 정보 및 사용자 의료정보가 포함된 의료 빅데이터 정보를 전송받는 정보 획득 단계;
상기 의료 빅데이터 정보에 포함된 사용자 유전자 정보 및 사용자 의료정보를 기초로 사용자의 건강상태를 판단하는 건강상태 판단 단계; 및
상기 사용자 유전자 정보에 기초하여 사용자의 건강상태를 설정하고, 상기 사용자 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 적정 건강정보를 판단하고, 판단된 사용자 건강상태 또는 유전정보를 기초로 사용자의 질환 예측과 건강관리를 위한 정보를 표시하는 건강 정보 판단 및 표시단계;
상기 유전자 정보와 개인 의료정보가 유사한 사용자 판단 또는 건강 정보부 에서 예측된 사용자의 질환과 유사한 질환을 가지는 사용자를 판단하는 유사 질환 판단 단계; 및
상기 판단된 유전자 정보와 개인 의료정보가 유사한 사용자 또는 유사한 질 환을 가지는 사용자간에 정보를 공유 시키는 온라인 공유 단계를 더 포함하는,
인공지능 기반 예측 의료정보서비스 방법.
In the artificial intelligence-based predictive medical information service method,
An information acquisition step of receiving medical big data information including user genetic information and user medical information corresponding to user medical examination information transmitted from a server of a medical institution;
a health state determination step of determining the user's health state based on user genetic information and user medical information included in the medical big data information; and
The user's health condition is set based on the user's genetic information, physical or environmental factors directly related to the genetic variation are extracted from the user's genetic information, and the user's fitness is determined from the extracted physical or environmental factors. a health information determination and display step of determining health information and displaying information for prediction of a user's disease and health management based on the determined user's health condition or genetic information;
a similar disease determination step of determining a user whose genetic information and personal medical information are similar or a user having a disease similar to that of the user predicted by the health information unit; and
Further comprising an online sharing step of sharing information between users having similar genetic information and personal medical information or users having similar diseases,
Artificial intelligence-based predictive medical information service method.
 제7항에 있어서,
상기 건강상태 판단 단계는,
상기 사용자 유전자 정보 및 사용자 의료정보에 기반하여, 사용자의 건강상태를 딥러닝 알고리즘으로 판단하는 단계인,
인공지능 기반 예측 의료정보서비스 방법.
According to claim 7,
The health status determination step,
Based on the user's genetic information and the user's medical information, the step of determining the user's health condition with a deep learning algorithm,
Artificial intelligence-based predictive medical information service method.
 제7항에 있어서,
상기 건강 정보 판단 및 표시단계는,
상기 사용자의 유전자 정보 및 의료정보에 기초하여 사용자의 필요 영양 성분 및 필요 섭취량을 설정하고, 개인 유전자 정보로부터 유전 변이와 직접적으로 연관되는 신체적 또는 환경적 관련 요소를 추출하고, 추출된 신체적인 또는 환경적인 관련 요소로부터 사용자의 특유의 식습관 정보를 파악한 후, 상기 사용자 건강상태, 사용자 의료정보에 적합한 맞춤형 건강관리를 추천하는 단계인,
인공지능 기반 예측 의료정보서비스 방법.
According to claim 7,
The health information determination and display step,
Based on the user's genetic information and medical information, the user's necessary nutritional components and required intake are set, and physical or environmental factors directly related to genetic variation are extracted from the personal genetic information, and the extracted physical or environmental factors are extracted. A step of recommending customized health care suitable for the user's health condition and user's medical information after identifying the user's unique eating habit information from the relevant factors,
Artificial intelligence-based predictive medical information service method.
 삭제delete 제7항에 있어서,
상기 사용자 유전자 정보 및 사용자 의료정보는,
체질량 지수, 혈압, 당뇨, 콜레스테롤, 중성지방, 흡연, 염증, 키, 체중, 음주 중 적어도 하나 이상과 연관된 유전자 정보와 의료정보가 포함된 것을 특징으로 하는,
인공지능 기반 예측 의료정보서비스 방법.
According to claim 7,
The user genetic information and user medical information,
Characterized in that genetic information and medical information related to at least one or more of body mass index, blood pressure, diabetes, cholesterol, triglyceride, smoking, inflammation, height, weight, and drinking are included,
Artificial intelligence-based predictive medical information service method.
KR1020200177246A 2020-12-17 2020-12-17 Artificial Intelligence-based Predictive Medical Information Service System and Its Method KR102541046B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200177246A KR102541046B1 (en) 2020-12-17 2020-12-17 Artificial Intelligence-based Predictive Medical Information Service System and Its Method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200177246A KR102541046B1 (en) 2020-12-17 2020-12-17 Artificial Intelligence-based Predictive Medical Information Service System and Its Method

Publications (2)

Publication Number Publication Date
KR20220086968A KR20220086968A (en) 2022-06-24
KR102541046B1 true KR102541046B1 (en) 2023-06-12

Family

ID=82215743

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200177246A KR102541046B1 (en) 2020-12-17 2020-12-17 Artificial Intelligence-based Predictive Medical Information Service System and Its Method

Country Status (1)

Country Link
KR (1) KR102541046B1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043959B1 (en) * 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 System for providing personalized food menus based on gene type and health record data
KR102126496B1 (en) * 2019-11-22 2020-06-25 주식회사 클리노믹스 System and method for managing genetic characterstic of body and disease

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100112570A1 (en) 2008-10-22 2010-05-06 Interleukin Genetics, Inc. Genetic Markers for Weight Management and Methods of Use Thereof
KR20180062917A (en) * 2016-11-30 2018-06-11 한국전자통신연구원 Apparatus and method for diagnosing cardiovascular disorders using genome information and health medical examination data
KR20180099193A (en) * 2017-02-28 2018-09-05 연세대학교 산학협력단 Method, server and system for providing disease predictions service usiing multiple disease prediction models

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043959B1 (en) * 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 System for providing personalized food menus based on gene type and health record data
KR102126496B1 (en) * 2019-11-22 2020-06-25 주식회사 클리노믹스 System and method for managing genetic characterstic of body and disease

Also Published As

Publication number Publication date
KR20220086968A (en) 2022-06-24

Similar Documents

Publication Publication Date Title
Alonso et al. Predictive, personalized, preventive and participatory (4P) medicine applied to telemedicine and eHealth in the literature
Álvarez-Machancoses et al. Using artificial intelligence methods to speed up drug discovery
Pai et al. Patient similarity networks for precision medicine
de Los Campos et al. Complex-trait prediction in the era of big data
CN106462337B (en) Composite type consumer's genome service
Lill et al. Keeping up with genetic discoveries in amyotrophic lateral sclerosis: the ALSoD and ALSGene databases
Hutchinson et al. Fine-mapping genetic associations
Martín-Sanchez et al. Integrating genomics into health information systems
Yao et al. Novel opportunities for computational biology and sociology in drug discovery: corrected paper
WO2015054156A1 (en) Clinical outcome tracking and analysis
CN102171697A (en) Methods and systems for personalized action plans
Messinger et al. The doctor will see you now: How machine learning and artificial intelligence can extend our understanding and treatment of asthma
US20190172586A1 (en) System and method for determining medical risk factors for patients
JP2022543240A (en) Data-based mental illness research and treatment systems and methods
Hopkins et al. Strategic risk management using complementary assets: Organizational capabilities and the commercialization of human genetic testing in the UK
Agarwal Unleashing the Power of Data: Enhancing Physician Outreach through Machine Learning
Cutillo et al. A global approach to rare diseases research and orphan products development: the international rare diseases research consortium (IRDiRC)
Mei et al. A decision fusion framework for treatment recommendation systems
KR102541046B1 (en) Artificial Intelligence-based Predictive Medical Information Service System and Its Method
Helgesson et al. Valuations of experimental designs in proteomic biomarker experiments and traditional randomised controlled trials
Chapman et al. Response to Eberhard and Cordero, and Cordoba-Aguilar and Contreras-Garduno: sexual conflict and female choice
Akter et al. Identification of Myocardial Infarction (MI) Probability from Imbalanced Medical Survey Data: An Artificial Neural Network (ANN) with Explainable AI (XAI) Insights.
Bienstock Data sharing advances rare and neglected disease clinical research and treatments
KR20220075594A (en) System for diagnosing gene using self-improving genetic sequensing based on artificial intelligence
Feero Establishing the clinical validity of arrhythmia-related genetic variations using the electronic medical record: a valid take on precision medicine?

Legal Events

Date Code Title Description
E902 Notification of reason for refusal