KR102547548B1 - 집합적 진단 제어 방법 및 그 시스템 - Google Patents

집합적 진단 제어 방법 및 그 시스템 Download PDF

Info

Publication number
KR102547548B1
KR102547548B1 KR1020200145096A KR20200145096A KR102547548B1 KR 102547548 B1 KR102547548 B1 KR 102547548B1 KR 1020200145096 A KR1020200145096 A KR 1020200145096A KR 20200145096 A KR20200145096 A KR 20200145096A KR 102547548 B1 KR102547548 B1 KR 102547548B1
Authority
KR
South Korea
Prior art keywords
diagnosis
diagnostic
samples
positive
pool
Prior art date
Application number
KR1020200145096A
Other languages
English (en)
Other versions
KR20220059655A (ko
Inventor
문병로
Original Assignee
문병로
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 문병로 filed Critical 문병로
Priority to KR1020200145096A priority Critical patent/KR102547548B1/ko
Priority to PCT/KR2021/013170 priority patent/WO2022097916A1/ko
Publication of KR20220059655A publication Critical patent/KR20220059655A/ko
Application granted granted Critical
Publication of KR102547548B1 publication Critical patent/KR102547548B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

집합적 진단 제어 방법 및 그 시스템이 개시된다.
집합적 진단 제어 방법은 집합적 진단 제어 시스템이 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하는 단계 및 상기 집합적 진단 제어 시스템이 최적화로 도출된 상기 진단전략에 상응하도록 풀링 진단 프로세스를 적어도 한 번 수행하기 위해 진단 시스템을 제어하는 진단 프로세스 수행단계를 포함하며, 상기 풀링 진단 프로세스는 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 주입된 상기 K 개의 풀들 각각의 풀 진단결과 중 적어도 하나가 음성인 경우에는 상기 특정샘플을 음성 또는 음성 후보로 판정하고 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 과정을 포함하며, 상기 최적화 파라미터는 상기 N, P, 또는 K 중 적어도 하나를 포함한다.

Description

집합적 진단 제어 방법 및 그 시스템{Method and system for collective diagnostic control}
본 발명은 집합적 진단 제어 방법 및 그 시스템에 관한 것으로, 보다 상세하게는 생물학적 진단 테스트를 대량의 샘플들에 수행하여야 할 경우 그 진단횟수를 매우 줄일 수 있으면서도 모든 샘플들에 진단 결과를 획득할 수 있는 방법 및 시스템에 관한 것이다.
생물학적 진단 테스트를 위해서는 피검체(예컨대, 사람, 동물 등)로부터 진단에 적합한 샘플을 채취하고, 채취한 샘플에 대해서 잘 알려진 적절한 진단테스트 방법(예컨대, PCR(Polymerase Chain Reaction) 검사 등)을 수행하여 특정 감염체에 감염되었는지 여부를 판단하게 된다.
그런데 대량의 샘플들에 대해 신속히 진단 테스트를 수행하여야 할 필요가 있는 경우에, 대량의 샘플들 각각에 대해 진단 테스트를 수행하는 것은 매우 많은 시간과 비용이 들어서 신속한 방역에 걸림돌이 될 수 있는 문제점이 있다.
또한 2차대전 때 징병검사에서 소정의 질병을 검사하기 위해 개별적 테스트 대신 복수 개의 샘플을 묶어서 검사하는 도프먼 검사 방식이 사용된 이후 아프리카, 인도, 이스라엘 등에서 복수 샘플 동시 검사 방법들이 제안되기도 하였었으나, 이 방법들은 모두 고정된 프로세스를 갖고 있어 다양한 양성률이나 환경 변수에 효율적으로 대응하지 못하는 한계를 지니고 있다.
따라서 대량의 샘플들에 대해 진단 테스트의 횟수를 획기적으로 줄이면서도 양성률 등의 환경변수에 최적화되어 상기 대량의 샘플들 각각에 대한 진단 결과를 획득할 수 있는 기술적 사상이 절실히 요구된다.
한국등록특허 10-1473705호 "생물학적 샘플 분석 시스템 및 방법"
본 발명이 이루고자 하는 기술적인 과제는 대량의 샘플들에 대해 적은 진단 횟수로 신속하게 진단 결과를 획득할 수 있는 방법 및 이를 위한 시스템에 관한 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 실시 예에 따른 집합적 진단 제어 방법은 집합적 진단 제어 시스템이 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하는 단계 및 상기 집합적 진단 제어 시스템이 최적화로 도출된 상기 진단전략에 상응하도록 풀링 진단 프로세스를 적어도 한 번 수행하기 위해 진단 시스템을 제어하는 진단 프로세스 수행단계를 포함하며, 상기 풀링 진단 프로세스는 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 주입된 상기 K 개의 풀들 각각의 풀 진단결과 중 적어도 하나가 음성인 경우에는 상기 특정샘플을 음성 또는 음성 후보로 판정하고 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 과정을 포함하며, 상기 최적화 파라미터는 상기 N, P, 또는 K 중 적어도 하나를 포함한다.
상기 진단 프로세스 수행단계는 상기 특정 샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하는 단계를 포함하며, 상기 최적화 파라미터는 상기 T를 더 포함할 수 있다.
상기 집합적 진단 제어 시스템이 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하는 단계는 소정의 방식으로 추정되는 추정 양성률을 포함하는 환경 변수 세트와 상기 미리 결정된 상기 최적화 파라미터 각각의 허용범위를 이용하여, 최적화 작업의 결과로 상기 최적화 파라미터를 도출하는 단계를 포함할 수 있다.
상기 진단 프로세스 수행단계는 상기 진단 제어 시스템이 상기 P 개의 풀에 추가로 풀당 단 하나의 샘플만 주입하는 하나 이상의 예외 풀을 설정하고 상기 예외 풀에 소정의 샘플이 주입되도록 제어하는 단계를 더 포함할 수 있다.
상기 최적화 파라미터를 도출하는 단계는 비용 민감도 C, 시간의 시급성 W, 샘플을 분할 투입할 수 있는 최대 횟수 D, 검사 장비의 위양성률 FP, 검사 장비의 위음성률 FN, 상기 풀링 진단 프로세스에서 N 개의 테스트 대상 샘플을 P 개의 풀들 중 K 개에 분산 주입하는 데 소요되는 총 시간 T1, 상기 풀링 진단 프로세스에서 P 개의 풀 각각의 풀 진단을 수행하고 결과를 획득하는 데 소요되는 총 시간 T2 중 적어도 하나를 환경 변수 세트로 더 포함할 수 있다.
상기 진단 프로세스 수행단계는 초기 추정 양성률에 기초하여 도출된 제1최적화 파라미터를 이용하여, 풀링 진단 프로세스를 적어도 한 번 수행하는 1단계 진단 프로세스 수행단계 및 상기 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과를 이용하여 도출된 제(M-1)단계 양성률에 기초하여 도출된 제M최적화 파라미터를 이용하여 풀링 진단 프로세스를 수행하는 M 단계 진단 프로세스 수행단계를 포함할 수 있다.
상기 M 단계 진단 프로세스 수행단계는 상기 (M-1) 단계 진단 프로세스 수행단계 결과 특정되는 양성 후보 샘플들 또는 음성 후보 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 상기 M단계 진단 프로세스 수행단계의 테스트 대상 샘플로 특정하는 단계를 포함할 수 있다.
다른 일 측면에 따른 집합적 진단 제어 방법은 집합적 진단 제어 시스템이 진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하는 단계, 상기 집합적 진단 제어 시스템이 특정샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하며, 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 단계를 포함한다.
또 다른 일 측면에 따른 집합적 진단 제어 방법은 집합적 진단 제어 시스템이 진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하는 a) 단계, 상기 a)단계의 수행결과에 기초하여 수행되는 최적화 알고리즘에 의해 결정되는 상기 N, P, K의 새로운 값과 상기 A 단계에서 양성 또는 음성으로 판정되지 않은 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 다음 단계의 테스트 대상 샘플로 특정하는 b) 단계를 포함하며, 상기 a) 단계와 b) 단계를 모든 샘플들이 판정될때까지 반복하거나, 상기 a) 단계와 b) 단계를 반복하다가 종료 명령이 있을 시에는 양성 0또는 음성으로 판정되지 않은 샘플들에 대하여 개별 진단 테스트를 실시한다.
상기의 방법은 데이터 처리장치에 설치되며 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램에 의해 구현될 수 있다.
본 발명의 기술적 사상에 따른 집합적 진단 제어 시스템은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램이 기록된 메모리를 포함하며, 상기 프로세서는 상기 프로그램을 구동하여 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하고, 최적화로 도출된 상기 진단전략에 상응하도록 풀링 진단 프로세스를 적어도 한 번 수행하기 위해 진단 시스템을 제어하는 진단 프로세스 수행단계를 포함하며, 상기 풀링 진단 프로세스는 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 주입된 상기 K 개의 풀들 각각의 풀 진단결과 중 적어도 하나가 음성인 경우에는 상기 특정샘플을 음성 또는 음성 후보로 판정하고 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 과정을 포함하며, 상기 최적화 파라미터는 상기 N, P, 또는 K 중 적어도 하나를 포함한다.
상기 프로세서는 상기 프로그램을 구동하여, 상기 특정 샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하며, 상기 최적화 파라미터는 상기 T를 더 포함할 수 있다.
상기 프로세서는 상기 프로그램을 구동하여, 소정의 방식으로 추정되는 추정 양성률을 포함하는 환경 변수 세트와 상기 미리 결정된 상기 최적화 파라미터 각각의 허용범위를 이용하여, 최적화 작업의 결과로 상기 최적화 파라미터를 도출할 수 있다.
상기 프로세서는 상기 프로그램을 구동하여, 초기 추정 양성률에 기초하여 도출된 제1최적화 파라미터를 이용하여, 풀링 진단 프로세스를 적어도 한 번 수행하는 1단계 진단 프로세스 수행과정 및 상기 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과를 이용하여 도출된 제(M-1)단계 양성률에 기초하여 도출된 제M최적화 파라미터를 이용하여 풀링 진단 프로세스를 수행하는 M 단계 진단 프로세스 수행과정을 진행할 수 있다.
상기 프로세서는 상기 프로그램을 구동하여, 상기 (M-1) 단계 진단 프로세스 수행단계 결과 특정되는 양성 후보 샘플들 또는 음성 후보 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 상기 M단계 진단 프로세스 수행단계의 테스트 대상 샘플로 특정할 수 있다.
다른 일 측면에 따른 집합적 진단 제어 시스템은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램이 기록된 메모리를 포함하며, 상기 프로세서는 상기 프로그램을 구동하여, 진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하며, 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리한다.
또 다른 일 측면에 따른 집합적 진단 제어 시스템은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램이 기록된 메모리를 포함하며, 상기 프로세서는 상기 프로그램을 구동하여, 진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하는 a) 과정을 수행하고, 상기 a)과정의 수행결과에 기초하여 수행되는 최적화 알고리즘에 의해 결정되는 상기 N, P, K의 새로운 값과 상기 A 단계에서 양성 또는 음성으로 판정되지 않은 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 다음 단계의 테스트 대상 샘플로 특정하는 b) 과정을 수행하며, 상기 a) 과정과 b)과정을 모든 샘플들이 판정될때까지 반복하거나, 상기 a) 과정과 b) 과정을 반복하다가 종료 명령이 있을 시에는 양성 또는 음성으로 판정되지 않은 샘플들에 대하여 개별 진단 테스트를 실시한다.
본 발명의 기술적 사상에 의하면 대량의 샘플들에 대해 적은 진단 횟수로 신속하게 샘플들 모두에 대한 진단 결과를 획득할 수 있는 효과가 있다.
본 발명은 진단 전략 내에서 다양성을 제공하는 파라미터, 진단 대상 샘플들의 흐름과 진단 플로우를 최적화 문제로 모델링하여 진단의 효율성을 극대화할 수 있으며, 이를 통해 비용을 절감하고 신속한 방역 조치가 가능해지는 효과가 있다.
또한 진단 프로세스 단계를 반복하면서, 앞 단계의 판정 유보 샘플들에 대해 바로 개별 샘플 테스트를 진행하지 않고, 이들을 새로운 샘플들에 더해 다음 단계를 진행하여 개별 샘플별 테스트를 최소한으로 함으로써 추가적으로 비용을 절감하는 효과가 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시 예에 따른 집합적 진단 제어 방법을 구현하기 위한 개략적인 시스템 구성을 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 집합적 진단 제어 시스템의 개략적인 구성을 나타낸다.
도 3은 본 발명의 실시 예에 따른 풀링 진단 프로세스를 설명하기 위한 도면이다.
도 4는 본 발명의 다른 실시 예에 따른 풀링 진단 프로세스를 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 집합적 진단 제어 방법을 설명하기 위한 플로우 차트를 나타낸다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시 예에 따른 집합적 진단 제어 방법을 구현하기 위한 개략적인 시스템 구성을 나타낸다.
도 1을 참조하면, 본 발명의 기술적 사상에 따른 집합적 진단 제어 방법을 구현하기 위해서는 집합적 진단 제어 시스템(이하, '진단 제어 시스템', 100)이 구비될 수 있다.
상기 진단 제어 시스템(100)은 본 발명의 기술적 사상에 따라 대량의 테스트 대상 샘플들에 대한 진단 테스트에 대한 전략을 수립하고, 수립한 전략에 따른 진단 테스트가 수행되도록 진단 시스템(200)를 제어할 수 있다.
상기 진단 제어 시스템(100)은 진단 시스템(200)를 제어하여, 본 발명의 기술적 사상에 따라 테스트 대상인 샘플들을 미리 정해진 풀에 주입할 수 있다.
또한 상기 진단 제어 시스템(100)은 상기 진단 시스템(200)로부터 각각의 풀에 대한 진단 결과를 획득하고, 그에 따라 샘플들을 음성으로 판정하거나 음성후보 또는 양성 후보로 특정하거나 또는 최종적으로 양성으로 판정할 수 있다.
상기 진단 제어 시스템(100)은 본 발명의 기술적 사상에 따라 풀링 진단 프로세스를 진행할 수 있다. 이를 위해 상기 진단 제어 시스템(100)은 미리 정해진 테스트 대상 샘플들이 각각이 미리 정해진 하나의 풀에 하나씩 주입되거나 복수 개로 분산하여 주입되도록 상기 진단 시스템(200)를 제어할 수 있다. 그리고 각각의 풀들에 대한 진단결과를 상기 진단 시스템(200)로부터 획득할 수 있다.
획득한 풀들 각각의 진단 결과 즉 풀 진단결과에 따라 상기 진단 제어 시스템(100)은 테스트 대상 샘플들 중 일부를 음성/음성후보로 처리하고, 나머지 일부를 양성/양성 후보로 특정하는 진단처리를 수행할 수 있다.
이처럼 상기 진단 제어 시스템(100)이 수행하는 풀링 진단 프로세스를 통해, 기존의 모든 샘플들 각각에 대해 개별적인 진단 테스트를 수행하는 것에 비해 비약적인 진단 테스트의 횟수 감소가 가능해질 수 있다.
이는 특정 샘플에 진단의 대상이 되는 특정 질환요인 또는 바이러스가 존재하면, 상기 특정 샘플이 주입되며 다른 샘플들과 혼합된 풀에서도 상기 특정 질환요인 또는 바이러스가 존재하는 경우에 유용할 수 있다.
예컨대, 풀링 진단 프로세스를 수행하는 경우, 500개의 테스트 대상인 샘플들이 존재하고, 상기 진단 제어 시스템(100)이 상기 진단 시스템(200)를 제어하여 500개의 테스트 대상 샘플들을 20개의 풀에 분산하여 주입하는 경우를 가정할 수 있다.
이러한 경우 1개의 풀에는 25개의 샘플들이 주입되고, 만약 특정 풀의 풀 진단결과가 음성이면 상기 특정 풀에 주입된 25개의 샘플들은 모두 음성인 것을 의미할 수 있다.
따라서 풀 진단결과가 음성인 경우에는 한 번의 진단 테스트만으로 하나의 풀에 주입된 샘플들(예컨대, 25개) 개수 만큼의 진단 테스트를 대체하는 효과를 가질 수 있다.
만약 풀 진단결과가 양성인 풀은, 해당 풀에 주입된 샘플들 중 적어도 하나는 양성인 것을 의미할 수 있다. 따라서 해당 풀에 주입된 샘플들은 양성 후보 샘플로 분류될 수 있다.
다른 실시 예에 의하면, 상기 진단 시스템(200)이 수행하는 풀링 진단 프로세스는 하나의 샘플을 어느 하나의 풀에만 주입하는 것이 아니라, 복수의 풀에 분산하여 주입할 수도 있다.
즉, 본 발명의 기술적 사상에 의하면 테스트 대상 샘플들 각각을 K개의 풀에 분산하여 주입할 수 있고, 상기 K는 1일 수도 있지만 1보다 큰 자연수일 수도 있다.
예컨대, 500개의 테스트 대상인 샘플들이 존재하고, 상기 진단 제어 시스템(100)이 상기 진단 시스템(200)를 제어하여 500개의 테스트 대상 샘플들 각각을 25개의 풀 중 4개에 분산하여 주입하는 경우를 가정할 수 있다.
그러면 각 샘플이 4개의 서로 다른 풀에 주입되므로, 어느 하나의 풀에 동일한 개수의 샘플이 주입된다고 가정하면, 총 2000개의 샘플이 25개의 풀에 주입되는 것일 수 있다.
그리고 만약 특정샘플이 양성이라면 상기 특정샘플이 주입된 모든 풀은 풀 진단결과가 양성이어야 하며, 이는 상기 특정 샘플이 주입된 풀들(예컨대, 4개) 중 어느 하나만이라도 풀 진단결과가 음성인 것이 존재하면 상기 특정 샘플은 음성인 것을 의미할 수 있다.
이처럼 어느 하나의 샘플을 복수의 풀들에 분산하여 주입하는 방식의 풀링 진단 프로세스는 이스라엘의 벤구리온 대학에서 48개의 풀을 구비하고, 어느 하나의 샘플을 6개의 풀에 분산 주입하여 제공하는 프로세스를 제안한 바 있다. 하지만 이러한 방식은 양성률에 따라 효율성이 큰 폭으로 차이가 있고, 기타 다른 환경 요인들을 고려하지 않은 고정적 풀링 방법이란 한계가 있다.
물론, 어느 하나의 풀에 주입되는 샘플의 수는 제한적일 수 있고, 개별 샘플의 양, 샘플을 담는 튜브의 용량, 검사 장비의 특성, 샘플 내에서 바이러스 분포의 고른 정도에 따라 영향을 받을 수도 있다. 하지만 이러한 제한은 향후 기술의 발달에 따라 얼마든지 완화될 수 있다.
하지만 본 발명의 기술적 사상에 의하면 후술할 바와 같이 환경변수에 따라 풀링 진단 프로세스의 플로우 즉, 진단전략이나 풀링 진단 프로세스에서 사용될 파라미터를 전략적으로 선택할 수 있는 효과가 있다.
본 발명의 기술적 사상에 따르면, 복수의 풀들을 구비하고 각각의 풀에 복수의 샘플들을 주입하여 각각의 풀들의 진단결과를 활용하여 전체 진단횟수를 줄일 수 있는 전략을 제공하되, 고정적인 전략으로는 다양한 양성률과 환경 변수에 효율적으로 대응할 수 없어 실용성이 제한되므로 이를 최적화 문제로 모델링하여 최적의 파라미터 집합과 최적화된 진단전략을 도출한 후에 진단을 수행할 수 있다.
한편, 상기 풀링 진단 프로세스는 양성률에 따라 진단횟수의 감축이 영향을 받을 수 있다.
예컨대, 양성률이 5%이상이라면 풀링 진단 프로세스를 수행하더라도, 모든 샘플들 각각에 대해 개별적인 진단 테스트를 수행하는 것에 비해, 진단횟수의 감축효과는 크지 않을 수 있다. 하지만 상황에 따라 양성률이 낮을 수도 있는데(예컨대, 3%, 2%, 1%, 0.1%, ...) 이럴 경우에는 비약적인 진단횟수의 감축효과가 나타날 수 있다.
즉, 양성률과 환경변수에 따라 진단횟수의 감축효과가 변경될 수 있고, 본 발명에 의하면 이러한 진단회수 역시 최적화의 대상으로 취급할 수 있다.
또한 풀링 진단 프로세스를 수행하는 경우는, 양성률, 어느 하나의 샘플을 몇 개의 풀에 분산하여 주입하는지, 그리고 전체 풀은 몇 개인지에 따라 진단횟수의 감축효과가 매우 큰 영향을 받을 수 있다.
따라서 상기 진단 제어 시스템(100)은 풀링 진단 프로세스에서 통계적으로 테스트 대상 샘플의 개수, 양성률, 하나의 샘플이 분산되어 주입되는 풀의 개수, 및 전체 풀의 개수 등의 파라미터를 최적화할 수 있다. 즉, 상기 진단 제어 시스템(100)은 테스트 대상 샘플의 개수, 및 추정되는 양성률에 따라 동적으로 하나의 샘플이 분산되어 주입되는 풀의 개수, 및 전체 풀의 개수를 변화시킴으로써 효과적으로 전체 진단 횟수를 감축시킬 수 있다.
상기 진단 시스템(200)은 상기 진단 제어 시스템(100)의 제어를 통해 테스트 대상 샘플들을 소정의 방식(예컨대, PCR 검사 등)으로 진단할 수 있는 장비일 수 있다.
상기 진단 시스템(200)은 상기 진단 제어 시스템(100)의 제어명령에 기초하여 테스트 대상 샘플들 각각을 하나 또는 복수의 풀에 나누어 주입할 수 있다.
이를 위해 상기 진단 시스템(200)은 피검체(예컨대, 사람, 동물 등)로부터 채취된 샘플을 필요에 따라 증폭하거나, 증폭된 샘플에서 일부 또는 전부를 미리 정해진 풀 즉, 샘플들이 집합되는 기구(예컨대, 시험관 등)로 주입하기 위한 이송/주입 장비, 각각의 풀 또는 각각의 샘플에서 대상이 되는 질환요인(예컨대, 바이러스, 균 등)을 진단하기 위한 진단 장비가 구비될 수 있음은 물론이다.
또한 상기 진단 시스템(200)은 상기 진단 제어 시스템(100)의 제어에 따라, 적응적으로 구비되는 풀의 개수 및/또는 풀링 진단 프로세스를 위해 어느 하나의 샘플을 분산하여 주입하는 풀의 개수를 변경할 수도 있다. 이러한 변경은 진단이 진행되면서 업데이트되는 환경변수(예컨대, 양성률 등)의 변화에 따라 다시 최적화 과정이 수행된 결과에 기초할 수 있다.
또한 상기 진단 시스템(200)은 풀의 진단결과 또는 샘플의 개별적인 진단결과를 상기 진단 제어 시스템(100)으로 전송할 수 있으며, 이를 위해 상기 진단 제어 시스템(100)과 상기 진단 시스템(200)은 유무선 네트워크를 통해 연결될 수도 있다.
실시 예에 따라서, 상기 진단 제어 시스템(100)은 상기 진단 시스템(200)에 설치될 수도 있다. 즉, 본 발명의 기술적 사상에 따른 진단 제어 시스템(100)을 구현하기 위한 소프트웨어가 상기 진단 시스템(200)에 구비되는 하드웨어와 유기적으로 결합되어 상기 진단 제어 시스템(100)이 구현될 수도 있고, 이러한 경우에는 상기 진단 제어 시스템(100)이 상기 진단 시스템(200)에 포함되어 설치되는 것일 수 있다.
따라서 도 1에서는 설명의 편의를 위해 상기 진단 제어 시스템(100)과 상기 진단 시스템(200)이 별개의 물리적 장치인 것처럼 도시하였지만, 필요에 따라 상기 진단 제어 시스템(100) 및 상기 진단 시스템(200)이 어느 하나의 물리적 장치로 구현될 수도 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
한편, 이러한 기술적 사상을 제공하기 위한 상기 진단 제어 시스템(100)의 구성은 도 2에 도시된 바와 같을 수 있다.
도 2는 본 발명의 일 실시 예에 따른 집합적 진단 제어 시스템의 개략적인 구성을 나타낸다.
우선 도 2를 참조하면, 상기 진단 제어 시스템(100)은 소정의 데이터 처리장치로 구현될 수 있다.
상기 진단 제어 시스템(100)은 도 2에 도시된 바와 같이 본 명세서에서 정의되는 기능을 구현하기 위한 프로세서(110) 및 저장매체(또는 메모리, 120)를 포함한다. 상기 프로세서(110)는 소정의 프로그램(소프트웨어 코드)을 실행할 수 있는 연산장치를 의미할 수 있으며 상기 데이터 처리장치의 구현 예 또는 벤더(Vendor) 모바일 프로세서, 마이크로 프로세서, CPU, 싱글 프로세서, 멀티 프로세서, GPU 등 다양한 명칭으로 명명될 수 있으며 하나 이상의 프로세서로 구현될 수 있다.
상기 프로세서(110)는 상기 프로그램을 구동하여 본 발명의 기술적 사상에 필요한 데이터 처리를 수행할 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
상기 메모리(120)는 본 발명의 기술적 사상을 구현하기 위한 프로그램이 저장/설치되는 장치를 의미할 수 있다. 구현 예에 따라 상기 메모리(120)는 복수의 서로 다른 물리적 장치로 분할되어 있을 수 있으며, 구현 예에 따라 상기 메모리(120)의 일부는 상기 프로세서(110)의 내부에 존재할 수도 있다. 상기 메모리(120)는 구현 예에 따라 하드 디스크, GPU, SSD(Solid State Disk), 광 디스크, RAM(Random Access Memory), 및/또는 기타 다양한 종류의 기억매체로 구현될 수 있으며, 필요에 따라서는 상기 메모리(120)에 착탈식으로 구현될 수도 있다.
상기 진단 제어 시스템(100)은 진단 시스템(200)을 제어하여 대량의 테스트 대상 샘플들의 진단을 제어하기 위한 독립적인 서버로 구현될 수도 있지만, 이에 국한되지는 않으며 상기 프로그램을 실행할 데이터 처리능력이 있는 어떠한 데이터 처리장치(예컨대, 컴퓨터, 모바일 단말 등)로도 구현될 수 있다.
또한, 상기 진단 제어 시스템(100)은 상기 프로세서(110), 상기 메모리(120), 및 상기 진단 제어 시스템(100)에 구비되는 다양한 주변장치들(예컨대, 입출력장치, 디스플레이 장치, 오디오 장치 등, 140, 141)과 이러한 장치들을 연결하기 위한 통신 인터페이스(예컨대, 통신 버스, 130 등)가 구비될 수도 있음은 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
한편, 본 발명의 기술적 사상에 따른 상기 진단 제어 시스템(100)은 상기 메모리(120)에 저장된 상기 프로그램(또는 소프트웨어)과 상기 프로세서(110)가 유기적으로 결합되어 구현될 수 있음은 물론이며, 이하 본 명세서에서 상기 진단 제어 시스템(100)이 수행하는 기능 및/또는 동작은 상기 프로그램이 상기 프로세서(110)에 의해 실행되어 이루어질 수 있음을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
본 발명의 기술적 사상에 따르면, 상기 진단 제어 시스템(100)은 풀링 진단 프로세스를 적어도 한 번 수행할 수 있다.
상기 진단 제어 시스템(100)은 진단을 효율적으로 수행하기 위해 어떤 파라미터를 갖는 풀링 진단 프로세스를 한 번 수행할지, 복수 회 수행할지에 대한 정보인 진단 플로우를 최적화할 수 있다. 또한 진단을 수행하는 과정에서 다시 최적화 알고리즘을 통해 최적화에 의해 진단 플로우를 가변적으로 조정할 수 있다.
또한 수행할 각각의 풀링 진단 프로세스에서 사용되는 최적화 파라미터 역시 최적화의 결과로 도출할 수 있다.
본 명세서에서는 이처럼 최적화 알고리즘을 통해 도출되는 진단 플로우 및/또는 최적화 파라미터를 진단전략으로 정의할 수 있다.
상기 진단 제어 시스템(100)에 의해 진단전략이 결정되면, 상기 진단 제어 시스템(100)은 진단 시스템(200)을 제어하여 진단전략에 상응하도록 풀링 진단 프로세스가 한번 또는 복수 번 수행될 수 있도록 할 수 있다.
그리고 이러한 진단전략을 적응적으로 결정하기 위해 양성률을 추정하고, 추정된 양성률에 기초하여 적응적으로 진단플로우 및/또는 최적화 파라미터를 결정할 수 있다.
일 실시 예에 의하면, 상기 진단 제어 시스템(100)은 진단 플로우를 고정한 채(예컨대, 1번 또는 3번의 풀링 진단 프로세스 수행 등), 각각의 풀링 진단 프로세스에서 사용될 최적화 파라미터를 최적화할 수도 있다. 이때는 최적화의 대상은 최적화 파라미터만일 수도 있다.
다른 실시 예에 의하면, 상기 진단 제어 시스템(100)은 최적화 파라미터를 고정한 채(예컨대, 후술할, N, P, K 및/또는 T 등) 진단 플로우만을 최적화할 수도 있다. 또한 최적화 파라미터 중 일부는 고정되고, 나머지 일부만 최적화의 대상이 될 수도 있다.
물론 실시 예에 따라서는, 전술한 바와 같이 진단 플로우 및 최적화 파라미터가 모두 최적화의 대상이 될 수도 있다.
본 발명의 기술적 사상에 따라 상기 진단 제어 시스템(100)이 결정하는 파라미터에 따른 풀링 진단 프로세스의 일 예들은 도 3 및 도 4를 참조하여 설명하도록 한다.
도 3은 본 발명의 실시 예에 따른 풀링 진단 프로세스를 설명하기 위한 도면이다. 또한, 도 4는 본 발명의 다른 실시 예에 따른 풀링 진단 프로세스를 설명하기 위한 도면이다.
우선 도 3을 참조하면, 도 3은 K가 1인 경우의 풀링 진단 프로세스를 설명하는 도면이다. 즉, 어느 하나의 샘플은 어느 하나의 풀에만 주입되는 경우의 풀링 진단 프로세스를 설명하고 있다.
N(N은 자연수)개의 테스트 대상 샘플들(예컨대, S1, S2, …, SN)이 확보된 상태에서 상기 진단 제어 시스템(100)은 진단 시스템(200)을 제어하여 P(P는 2이상 N미만의 자연수)개의 풀들(예컨대, Pool1, Pool2, …, PoolP)을 준비하도록 할 수 있다.
그리고 상기 진단 제어 시스템(100)은 각각의 샘플들을 P개의 풀들에 한 개씩 주입할 수 있다. 이 때는 가급적 동일하거나 비슷한 수의 샘플들이 하나의 풀에 주입되도록 하는 것이 바람직할 수 있다. 예컨대, 제1샘플(S1)은 제1풀(Pool1)에 주입되고, 제2샘플(S2)는 제2풀(Pool2)에 주입되며, 제P샘플(SP)는 제P풀(PoolP)에 주입될 수 있다. 그리고 제(P+1)샘플(SP+1)은 제1풀(Pool1)에 주입되고, 제(P+2)샘플(SP+2)은 제2풀(Pool2)에 주입되며, 제2P샘플(S2P)은 제P풀(PoolP)에 주입될 수 있다.
예컨대, N이 1000이고 P가 50인 경우, 테스트 대상 샘플들은 하나의 풀에 각각 20개씩 분배되어 주입될 수 있다. 즉 하나의 풀에는 20개의 서로 다른 샘플이 주입되어 있을 수 있다.
물론 이때 각각의 풀에 주입되는 샘플은 샘플 전체가 아니라 샘플의 일부만일 수 있고, 상기 진단 제어 시스템(100)은 어떤 샘플이 어떤 풀에 주입되었는지에 대한 정보를 유지/관리할 수 있다.
그러면 상기 진단 제어 시스템(100)은 P개의 풀에 대해 상기 진단 시스템(200)이 진단 테스트를 수행하도록 제어할 수 있고, 그 결과인 각각의 풀의 풀 진단결과를 상기 진단 시스템(200)으로부터 획득할 수 있다.
그러면 상기 진단 제어 시스템(100)은 풀 진단결과가 음성인 음성 풀에 주입된 샘플은 모두 음성으로 진단처리할 수 있으며, 풀 진단결과가 양성인 양성 풀에 주입된 샘플들은 양성 후보 샘플로 분류할 수 있다.
예컨대, 전술한 예에서 50개의 풀들 중 5개의 풀만 양성 풀이고, 40개의 풀은 음성 풀이라고 가정하면, 40개의 풀에 주입된 샘플들 800개에 대해서 40번만의 테스트로 모두 진단 테스트를 한 것과 유사한 효과를 가질 수 있다. 다만 5개의 풀에 주입된 200개의 샘플들은 양성 후보 샘플로 분류할 수 있다. 이 샘플들에 대한 최종 테스트는 상당한 부담을 줄 수 있는데 본 발명에서는 최대한 개별 테스트를 하지 않고 풀링 진단 프로세스가 반복되는 과정에서 판정이 될 수 있도록 하여 테스트의 감축효과를 더욱 배가 시킬 수 있는 효과가 있다.
즉, 상기 진단 제어 시스템(100)은 음성 풀에 주입된 샘플들을 음성으로 특정하고, 양성 풀에 주입된 샘플들을 양성 후보 샘플로 특정하여 그 결과를 기록하는 진단처리를 수행할 수 있다.
또한, 이러한 풀링 진단 프로세스를 통해 상기 진단 제어 시스템(100)은 양성률을 추정할 수도 있다. 실제 양성률이 크게 높지 않고, 양성률보다 충분히 많은 풀의 개수가 구비된 경우라면, 어느 하나의 풀에 복수의 양성인 샘플이 주입되는 가능성은 상당히 낮을 수 있다. 예컨대, 전술한 예에서 실제 양성률이 1%라면 1000개의 테스트 대상 샘플들 중 10개의 양성 샘플이 존재하는데, 이러한 경우에 1000개의 테스트 대상 샘플들을 50개의 풀들에 임의로 나누어 주입하는 경우 10개의 양성 샘플이 모두 다른 풀에 속하거나 9개의 서로 다른 풀에 속할 확률이 가장 높다. 통계적으로 최빈값은 9개일 수 있다. 이런 수치와 최근 테스트 결과로 얻어놓은 양성률 수치 등을 바탕으로 대략적인 양성률을 추정할 수 있다. 이러한 방식으로 진단 과정의 초기에 추정한 양성률은 전술한 후술할 바와 같이 풀링 진단 프로세스를 수행하면서 보다 정확하게 업데이트될 수 있다.
예컨대, 전술한 예에서 양성풀이 9개라면 중복을 감안하여 통계적으로 가장 가능성이 높은 양성률(예: 1%) 근처에서 새로운 추정 양성률이 설정될 수 있다. 따라서 1000개의 테스트 대상 샘플들 중 양성 풀의 개수와 전 단계들에서의 양성 판정율 등을 종합적으로 참고하여 근사적으로 양성률을 추정할 수 있다.
예컨대, 상기 진단 제어 시스템(100)은 양성 풀의 개수를 양성 샘플의 수로부터 추정하여 양성률을 추정하거나, 양성 풀의 개수를 통계적 실험을 통해 보정하여 보정된 개수를 양성률로 추정할 수 있다.
다른 실시 예에 의하면, 상기 진단 제어 시스템(100)은 풀링 진단 프로세스를 N개의 샘플들에 대해 K는 1 또는 1보다 큰 자연수로 설정하여, 독립적으로 한 번 수행한 후, P개의 풀들 중 풀 진단결과가 양성인 샘플 속에 존재하는 샘플을 개별 진단하도록 진단 시스템(200)을 제어하여 최종적으로 양성 판정된 샘플 수(예컨대, X)를 획득할 수 있다. 그러면 추정되는 양성률은 X/N이 될 수 있다. 물론 이런 시행은 예외적인 경우에 실시할 수 있는 일 실시 예일 뿐 이런 방식으로 개별 테스트를 하지 않고도 추정 양성률을 획득할 수 있다.
이처럼 추정되는 양성률은 양성률에 대한 정보가 아주 빈약한 경우에 추산할 수 있는 초기의 양성률이 될 수 있고, 이런 방식의 추정치 없이 통상적인 최근의 양성률 등을 이용해도 시스템은 부드럽게 시작할 수 있다. 진단이 수행되면서 구체적으로 총 진단이 수행된 샘플들 중에서 최종 양성으로 진단된 샘플을 참고하여 추정 양성률은 업데이트될 수 있음은 물론이다.
이렇게 양성률이 추정되면, 상기 진단 제어 시스템(100)은 추정된 양성률에 기초하여 후술할 바와 같이 최적화 알고리즘을 실시하여 진단전략을 결정할 수 있다.
본 발명의 실시 예에 따른 풀링 진단 프로세스는 어느 하나의 샘플이 복수의 풀에 분산 주입하는 방식이 더 많이 진단전략으로 선택될 수 있다. 즉, K가 2이상의 자연수로 선택될 경우가 더 많을 수 있다. 이때 상대적으로 각 풀에 주입되는 샘플들의 개수가 많아질 수 있으며 이에 따라 양성률이 높은 경우에는 대부분의 풀들이 양성 풀로 진단되어 효과가 떨어질 수도 있다. 이에 비해 상대적으로 양성률이 낮은 경우에는 음성 풀로 진단된 풀이 다수 존재하고, 음성 풀 하나에 주입된 샘플들은 전부 또는 (전략에 따라) 대부분 음성으로 판정되므로 더 비약적인 진단 회수의 감소가 이루어질 수 있다.
한편, 이렇게 진단전략은 복수의 풀링 진단 프로세스가 단계적으로 수행되도록 결정될 수도 있다. 예컨대, 풀링 진단 프로세스를 통해 1차적으로 1단계 진단 프로세스가 수행되면, 그 결과를 이용하여 상기 진단 제어 시스템(100)은 2단계 진단 프로세스를 수행할 수도 있다.
2단계 진단 프로세스는 디폴트 환경 변수와 1단계 풀링 진단 프로세스의 결과로부터 도출된 추정 양성률을 포함하는 환경 변수 세트에 기초하여 다시 최적화 알고리즘을 통해 결정되는 최적화 파라미터를 이용하는 풀링 진단 프로세스일 수 있다. 물론 실시 예에 따라서는, 1단계 진단 프로세스를 통해 분류된 양성 후보 샘플의 개수가 작은 경우에는 양성 후보 샘플들 각각에 대한 개별적 진단 테스트를 수행할 수도 있다.
한편, 본 발명의 기술적 사상에 의하면 음성 후보 샘플도 정의될 수 있다.
상기 양성 후보 샘플들 이외에도 상황에 따라 아직 양성, 음성, 양성 후보 어디에도 속하지 않은 음성 후보 샘플이 존재할 수도 있다. 이런 경우에 음성 후보 샘플들은 양성 후보 샘플들과 함께 새로운 풀링 진단 프로세스에 투입될 수 있다.
이처럼 음성 후보 샘플이 정의되는 경우에는, 진단 시스템(200)의 정확도에 따라 실제로는 양성인데 음성으로 진단되는 위음성 진단을 수행할 확률이 존재하는 경우에 더욱 유용해질 수 있다.
물론 상기 음성 후보 샘플은 환경 변수의 선택에 따라 또는 진단 시스템(200)의 성능에 따라 근본적으로 존재하지 않을 수도 있다.
상기 진단 제어 시스템(100)은 1단계 진단 프로세스 결과 양성 후보 샘플 및/또는 음성 후보 샘플로 분류된 샘플들을 2단계 진단 프로세스의 테스트 대상 샘플로 특정할 수 있다. 구현 예에 따라서는 상기 1단계 진단 프로세스 결과로 특정된 양성 후보 샘플 및/또는 음성 후보 샘플에 새로운 샘플들을 추가하여 2단계 진단 프로세스의 테스트 대상 샘플들로 특정할 수도 있다.
예컨대, 전술한 예에서 상기 진단 제어 시스템(100)은 1단계 진단 프로세스 결과 양성 후보 샘플로 분류된 200개의 샘플들을 테스트 대상 샘플로 특정하여 2단계 진단 프로세스를 수행할 수도 있고, 실시 예에 따라서는 1단계 진단 프로세스 결과 양성 후보 샘플로 분류된 200개의 샘플들과 새로운 800개의 샘플들이 추가된 새로운 1000개의 샘플들을 테스트 대상 샘플들로 특정하여 2단계 진단 프로세스를 수행할 수도 있다.
상기 진단 제어 시스템(100)은 2단계 진단 프로세스의 대상이 되는 테스트 대상 샘플 즉, 제2테스트 대상 샘플을 1단계 진단 프로세스 결과 분류된 양성 후보 샘플만으로 특정할 것인지 또는 상기 양성 후보 샘플 및/또는 음성 후보 샘플에 새로운 샘플들을 추가하여 특정할 것인지를 미리 결정해두거나 또는 선택적으로 결정할 수 있다. 물론, 상기 양성 후보 샘플 및 음성 후보 샘플들 중 일부만 선택하고 새로운 샘플들을 2단계 진단 프로세스의 테스트 대상 샘플로 결정할 수도 있다.
한편, 풀링 진단 프로세스는 도 4에 도시된 바와 같이, K가 2 이상일 수도 있다. 즉, 어느 하나의 샘플이 K개의 풀에 분산하여 주입되어 진행되는 풀링 진단 프로세스일 수 있다.
N개(N은 자연수)의 제2테스트 대상 샘플(예컨대, S1, S2, …, SN )이 특정되고, P개(P는 N 보다 작은 자연수)의 풀들(Pool1, Pool2, …, PoolP)이 준비된 상태에서 각각의 제2테스트 대상 샘플(예컨대, S1, S2, …, SN)을 미리 정해진 복수의 K 개(K는 2이상이고 P 보다 작은 자연수)의 풀에 분산하여 주입한 후, 풀 진단결과를 통해 음성과 양성인 샘플을 구분하는 프로세스일 수 있다.
예컨대, K가 3인 경우, 제1샘플(S1)의 일부인 분산 샘플(S11)이 제1풀(Pool1), 제1샘플(S1)의 일부인 분산 샘플(S12)이 제2풀(Pool2), 제1샘플(S1)의 일부인 분산 샘플(S13)이 제3풀(Pool3)에 각각 주입될 수 있다. 그리고 제2샘플(S2)의 일부인 분산 샘플(S21)이 제2풀(Pool2), 제2샘플(S2)의 일부인 분산 샘플(S22)이 제3풀(Pool3), 제2샘플(S2)의 일부인 분산 샘플(S23)이 제4풀(Pool4)에 각각 주입될 수 있다. 이러한 방식으로 분산 주입 패턴을 정해놓을 수도 있고, 임의로 분산시킬 수도 있다.
이러한 방식으로 각 샘플들이 K개의 풀들에 분산 주입된 후, 상기 진단 제어 시스템(100)은 진단 시스템(200)으로부터 각 풀의 풀 진단결과를 획득할 수 있다.
그러면 상기 진단 제어 시스템(100)은 특정 샘플이 주입된 K개의 풀들의 풀 진단결과가 모두 양성인 경우에만 상기 특정 샘플을 양성 후보 샘플로 분류하고, 그렇지 않은 경우 즉 K개의 풀들 중 어느 하나라도 음성인 풀이 존재하는 경우에는 상기 특정 샘플을 음성으로 분류하는 진단처리를 수행할 수 있다.
예컨대, 전술한 일 예서 제1샘플(S1)은 제1풀(Pool1), 제2풀(Pool2), 및 제3풀(Pool3)이 모두 양성인 경우에만 양성 후보 샘플로 분류되고, 그렇지 않은 경우에는 음성으로 분류될 수 있다. 또한, 전술한 일 예서 제2샘플(S1)은 제2풀(Pool2), 제3풀(Pool3), 및 제4풀(Pool4)이 모두 양성인 경우에만 양성 후보 샘플로 분류되고, 그렇지 않은 경우에는 음성으로 분류될 수 있다.
또한 실시 예에 따라서는, 특정샘플이 분산 주입된 상기 K 개의 풀들 중 어느 하나라도 음성인 풀이 존재하면 상기 특정 샘플을 음성으로 판정하는 대신 상기 특정샘플이 주입된 풀들 중 풀 진단결과가 음성인 풀의 개수에 따라 선택적으로 상기 특정샘플을 음성으로 판단할 수도 있다.
예컨대, 상기 특정샘플이 주입된 K 개의 풀들 중 T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 상기 특정샘플을 음성 후보샘플로 처리할 수도 있다. 또는 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과가 S 개 이상 양성인 경우에 상기 특정샘플을 양성 후보 샘플로 처리할 수도 있다.
이처럼 풀링 진단 프로세스를 통한 음성 후보 샘플 및/또는 양성 후보 샘플의 특정은 진단 시스템(200)의 위양성 또는 위음성 확률, 실험 세팅으로 인한 위양성 또는 위음성 확률 등을 반영하여 보다 높은 진단의 정확성을 제공할 수 있는 효과가 있다.
풀링 진단 프로세스는 하나의 풀에 주입되는 샘플의 개수가 많으므로 양성률이 상대적으로 높은 경우에는 대부분의 풀이 양성이 될 가능성이 높으므로, 상기 진단 제어 시스템(100)은 양성/음성 후보 샘플들을 어느 정도 비율로 새로운 샘플과 혼용할 것인지 주의 깊게 설정할 필요가 있다. 이 역시 최적화의 대상이 될 수 있다.
또한, 풀링 진단 프로세스에서 총 N개의 테스트 대상 샘플들에 대해 수행하여야 하는 진단 회수는, 양성률, 상기 N, 풀의 개수(P), 및 하나의 샘플을 분산하여 주입할 분산개수(K)에 지배적인 영향을 받을 수 있다.
따라서 상기 진단 제어 시스템(100)은 양성률이 추정되면, 추정된 양성률에 기초하여 상기 N, P, K를 동적으로 최적화할 수 있다. 2단계 진단 프로세스에서 상기 N은 실시 예에 따라 1단계 진단 프로세스의 양성 후보 샘플의 개수로 특정될 수도 있지만, 전술한 바와 같이 새로운 샘플을 추가하여 2단계 테스트 대상 샘플의 개수를 가변할 수 있다.
물론, 본 발명의 기술적 사상에 따른 진단 전략은 1단계 진단 프로세스 및 2단계 진단 프로세스에 그치지 않고 더 많은 단계의 진단 프로세스를 수행하도록 결정될 수도 있다.
즉, 상기 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과 특정된 양성 후보샘플 및/또는 음성 후보 샘플에 새로운 샘플들이 추가되어 M 단계 진단 프로세스가 수행될 수 있다.
또한, 실시 예에 따라서는 각 단계별 진단 프로세스가 수행되기 전에 다시 최적화 알고리즘을 통해 최적화 파라미터가 수정되고, 수정된 최적화 파라미터에 따른 풀링 진단 프로세스가 수행될 수도 있다. 예컨대 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과((M-1)단계까지의 누적 진단결과를 사용하는 경우를 포함함) 추정되는 양성률과 환경 변수에 기초하여 이용하여 도출된 제(M-1)단계 양성률에 기초하여, 다시 상기 진단 제어 시스템(100)은 최적화를 실행하고 이에 따라 도출된 제M최적화 파라미터를 이용하여 M 단계풀링 진단 프로세스를 수행할 수 있다.
최적화 파라미터를 도출하기 위해서는, 다양한 환경 변수들 및 상수, 그리고 제약조건이 추가적으로 특정되어야 할 수 있다. 이러한 환경 변수들 및 상수는 추정 양성률 H, 비용 민감도 C, 시간의 시급성 W, 샘플을 분할 투입할 수 있는 최대 횟수 D, 검사 장비의 위양성률 FP, 검사 장비의 위음성률 FN, 상기 풀링 진단 프로세스에서 N 개의 테스트 대상 샘플을 P 개의 풀들 중 K 개에 분산 주입하는 데 소요되는 총 시간 T1, 상기 풀링 진단 프로세스에서 P 개의 풀 각각의 풀 진단을 수행하고 결과를 획득하는 데 소요되는 총 시간 T2 중 적어도 하나를 포함할 수 있다.
상기 추정 양성률 H는 전술한 바와 같이 소정의 방식으로 초기 양성률이 추정된 후, 진단이 수행되면서 매단계마다 업데이트될 수 있다.
예컨대, 초기 추정 양성률에 기초하여 1단계 진단 프로세스의 최적화가 수행될 수 있고, 1단계 진단 프로세스의 수행결과를 통해 측정된 양성률 또는 추정 양성률에 기초하여 2단계 진단 프로세스에 대한 최적화가 수행될 수 있다.
상기 비용 민감도 C는 0에서 1 사이의 실수로 정의될 수 있다.
상기 시간의 시급성 W도 0에서 1 사이의 실수로 정의될 수 있다.
상기 샘플을 분할 투입할 수 있는 최대 횟수 D는 자연수로 정의될 수 있다.
검사 장비의 위양성률 FP, 검사 장비의 위음성률 FN, 및 상기 T1, 상기 T2는 상기 진단 시스템(200)에 미리 상수 값으로 결정되어 있을 수도 있고, 진단을 수행하면서 실험적 측정으로 결정될 수도 있다.
한편, 최적화를 위한 제약 조건으로는 상기 변수 풀링 진단 프로세스를 위한 N의 허용되는 범위(예: 200~1000), 하나의 풀에 주입할 수 있는 샘플 수의 상한선 U, 상기 변수 P의 범위(예: 10~100), 상기 변수 K의 범위(예: 1~8)일 수 있으며, 이 역시 미리 결정되어 있을 수 있다.
한편, 상기 샘플을 분할 투입할 수 있는 최대 횟수 D는 추출한 개별 샘플의 총량, 샘플을 부분 추출하는 양, 샘플을 담는 튜브의 크기, 검사 장비의 민감도 등에 영향을 받는다. 이는 향후 기술의 발전에 따라 점차 커질 수 있는 변수다. 변수 D의 한도가 충분치 않을 때는 상기 진단 제어 시스템(100)의 어느 시점에 상기 하나의 샘플을 분산하여 주입할 분산개수 K를 1로 놓고 샘플에 대한 판정을 가속화하는 선택이 필요할 수도 있다. 변수 D의 한도가 극히 일부 샘플에 대해서만 충분치 않을 때는 해당 샘플만 개별 테스트하도록 처리할 수도 있다.
일 실시 예로는 특정된 P 개의 풀 이외에 추가로 풀당 단 하나의 샘플만 주입하는 1개 이상의 예외 풀을 둠으로써 개별 샘플 테스트를 병행할 수 있다. 즉, 풀링 진단 프로세스를 수행하면서 개별 샘플들의 진단 테스트를 일부 병행할 수 있다. 이때 예외 풀에 주입되는 샘플은 전단계 진단 프로세스에서 양성 후보 샘플 또는 음성 후보 샘플로 특정된 것일 수도 있지만 이에 국한되는 것은 아니다.
이러한 최적화 파라미터(N, P, K) 및 환경변수와 상수, 그리고 제약조건이 특정되면, 상기 진단 제어 시스템(100)이 풀링 진단 프로세스의 상기 파라미터들(N, P, K)를 최적화하기 위해서는 다양한 최적화(optimizer) 알고리즘(예컨대, 유전 알고리즘, 휴리스틱 알고리즘, 및/또는 머신러닝 기법 등)을 이용할 수 있음을 본 발명의 기술 분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
한편, 풀링 진단 프로세스에 의해 분류된 양성 후보 샘플 및/또는 음성 후보 샘플에 대해서는 상기 진단 제어 시스템(100)은 전술한 바와 같이 샘플별로 개별적 진단 테스트가 수행되는 진단처리를 하거나, 또는 이들의 전부 또는 일부를 이후 단계의 진단 프로세스에서 새로운 샘플들과 혼용하여 테스트 대상 샘플로 사용할 수 있음은 물론이다.
도 5는 본 발명의 다른 실시 예에 따른 집합적 진단 제어 방법을 설명하기 위한 플로우 차트를 나타낸다.
도 5를 참조하면, 본 발명의 기술적 사상에 따른 집합적 진단 제어 시스템(100)은 초기 추정 양성률을 포함하는 환경 변수 세트에 기초하여 최적화 알고리즘을 통해 최적화 작업을 수행할 수 있다(S100).
이러한 최적화 작업을 통해 풀링 진단 프로세스가 몇 번 수행될지 여부인 진단 플로우 및/또는 각 단계별로 사용될 최적화 파라미터가 도출될 수 있다.
상기 진단 플로우의 최적화를 통해 1회의 풀링 진단 프로세스를 수행하도록 결정될 수도 있고, 복수의 풀링 진단 프로세스를 단계적으로 수행하도록 결정될 수도 있음은 전술한 바와 같다.
초기의 최적화 작업(S100) 결과에 따라 복수의 단계로 풀링 진단 프로세스가 수행되도록 결정될 수 있으며, 각각의 단계별 진단 프로세스에 사용될 최적화 파라미터가 결정될 수 있다.
최적화 작업의 결과 도출된 진단 플로우 및/또는 최적화 파라미터에 기초하여 풀링 진단 프로세스가 수행될 수 있다(S110).
실시 예에 의하면, 초기의 최적화 작업(S100)을 통해 도출된 최적화 파라미터들은 단계별 풀링 진단 프로세스가 수행된 후, 업데이트될 수 있다(S130, S140).
예컨대, 상기 진단 제어 시스템(100)은 전술한 바와 같은 소정의 양성률 추산 알고리즘을 통해 2이상의 자연수 M에 대해 (M-1)단계 단독 또는 (M-1)단계까지의 진단 프로세스의 수행결과를 이용하여 양성률을 추정할 수 있다(S130).
그러면 최적화 파라미터의 도출에 지배적인 영향을 미치는 양성률이 업데이트될 수 있으므로, 업데이트된 양성률을 이용하여 다시 최적화 알고리즘을 통한 최적화 작업을 수행할 수 있다(S140).
다시 수행된 최적화 작업(S140)을 통해 M 단계의 풀링 진단 프로세스(S110)의 최적화 파라미터가 수정될 수 있고, 수정된 최적화 파라미터에 상응하도록 풀링 진단 프로세스가 수행되는 M 단계 진단 프로세스가 수행될 수 있다(S110).
이러한 최적화는 최적화 파라미터를 결정/연산함으로써 이루어질 수 있으며, 이때 최적화 파라미터는 풀링 진단 프로세스에 사용되는 파라미터인 테스트 대상 샘플의 수 N, 풀의 개수 P, 하나의 샘플을 분산하여 주입할 풀의 개수 K일 수 있다. 또한 장비나 실험 세팅과 관련된 에러를 감안하여 음성 후보로 판단하는 풀의 수 T, 양성 후보로 판단하는 풀의 수 S도 상기 최적화 파라미터로 도출하도록 할 수도 있고, 미리 정해놓을 수도 있다. 상기 변수 T와 S는 파라미터가 될 수도 있고, 미리 고정해놓는 경우에는 환경 변수가 될 수도 있다.
또한 각 단계별 진단 프로세스의 최적화 과정에 사용되는 환경 변수 세트에는 적어도 추정 양성률 H이 포함될 수 있다. 물론, 추정 양성률 H 이외에도 비용 민감도 C, 시간의 시급성 W, 검사 장비의 위양성률 FP, 검사 장비의 위음성률 FN, 상기 풀링 진단 프로세스에서 N 개의 테스트 대상 샘플을 P 개의 풀들 중 K 개에 분산 주입하는 데 소요되는 총 시간 T1, 상기 풀링 진단 프로세스에서 P 개의 풀 각각의 풀 진단을 수행하고 결과를 획득하는 데 소요되는 총 시간 T2 중 적어도 하나를 더 포함할 수 있다.
제약조건으로는 상기 변수 N의 허용되는 범위(예:100~1000), 하나의 풀에 주입할 수 있는 샘플 수의 상한선 U, 상기 변수 T의 범위(예: 2~100), 상기 변수 P의 범위(예: 10~100), 상기 변수 K의 범위(예: 1~8)가 미리 설정될 수 있다.
그러면 상기 집합적 진단 제어 시스템(100)은 소정의 최적화 알고리즘을 통해 목적변수를 최적화할 수 있는 최적화 파라미터 조합 <N, P, K> 또는 <N, P, K, T, S>를 도출할 수 있다(S100, S140).
상기 최적화 알고리즘(S100, S140)은 다양한 방법을 사용할 수 있다. 유전 알고리즘의 예를 들면, 위 파라미터 조합 <N, P, K> 또는 <N, P, K, T, S>를 솔루션 염색체로 두고, 임의의 염색체 집합으로 시작해서 유전 알고리즘의 연산인 교차, 변이, 지역최적화 휴리스틱 등을 결합하여 염색체의 집단을 진화시킬 수 있다. 최종적으로 하나의 조합 <N, P, K> 또는 <N, P, K, T, S>가 풀링 진단 프로세스에 대응된다.
이러한 최적화 결과 즉, 최적화 파라미터는 진단 시스템(200)으로 전송되어 상기 진단 제어 시스템(100)이 진단 시스템(200)을 제어할 수 있다.
이를 통해 상기 진단 시스템(200)은 전달받은 최적화 파라미터에 상응하도록 진단 프로세스를 수행을 준비시킴으로써 진단 프로세스의 수행을 시작 할 수 있다.
진단 프로세스의 수행은 진단 시스템(200)에 의한 진단 프로세스의 준비 즉, 테스트 대상 샘플(N)개의 특정, 정해진 개수(P)개의 풀의 준비, 풀에 샘플들 각각을 K 개의 풀에 분산하여 주입하는 프로세스를 포함할 수 있으며, 각각의 풀의 풀 진단결과는 진단 시스템(200)으로부터 진단 제어 시스템(100)으로 전달될 수 있다.
상기 풀링 진단 프로세스에서 원 샘플로부터 대상 풀로 분산 투입하는 프로세스는 최적 스케줄링 문제로 모델링되며 이 또한 적절한 최적화 알고리즘으로 최적화 될 수 있다.
상기 진단 제어 시스템(100)은 최적화된 진단 플로우를 통해 마지막 풀링 진단 프로세스를 수행한 후, 각 단계별 풀링 진단 프로세스를 종료할 수 있다(S150).
풀링 진단 프로세스가 종료된 후에, 최종 판정되지 않은 양성 후보 샘플 및/또는 음성 후보 샘플에 대해서는 최종 테스트 즉 개별진단이 수행될 수 있다.
한편, 전술한 바와 같이 최적화의 결과에 따라 복수 단계 진단 프로세스가 수행되도록 결정될 수도 있으며, 복수 단계 진단 프로세스는 M 단계 진단 프로세스를 포함할 수 있다.
예컨대, 초기 추정 양성률에 기초한 최적화 파라미터에 기초하여 풀링 진단 프로세스가 수행되는 1단계 진단 프로세스가 수행되고, 1단계 진단 프로세스의 수행결과를 이용하여 2단계 진단 프로세스가 수행될 수 있고, 이러한 방식으로 M 단계까지의 진단 프로세스가 수행될 수 있다.
이때 M 단계 진단 프로세스는 (M-1)단계 진단 프로세스의 수행결과를 이용할 수 있다. 이는 (M-1)단계 진단 프로세스의 수행결과 특정된 양성 후보 샘프 및/또는 음성 후보 샘플이 M 단계 진단 프로세스의 테스트 대상 샘플의 적어도 일부일 수 있음을 의미할 수 있다.
(M-1)단계 진단 프로세스의 수행결과 특정된 양성 후보 샘플 및/또는 음성 후보 샘플에 새로운 샘플이 추가되어 M 단계 진단 프로세스의 테스트 대상 샘플이 될 수 있음은 전술한 바와 같다.
또한 M 단계 진단 프로세스가 (M-1)단계 진단 프로세스의 수행결과를 이용한다고 함은, (M-1)단계 단독 또는 (M-1)단계까지의 진단 프로세스의 수행결과에 기초하여 추정되는 양성률을 이용하여 M 단계에서 이용될 최적화 파라미터가 다시 최적화 알고리즘을 통해 업데이트될 수 있음을 의미할 수 있다.
예컨대, 상기 진단 제어 시스템(100)은 최적화 파라미터로 N 1000, P 30, K 5를 결정할 수 있다. 이는 복수 단계 진단 프로세스를 수행하도록 최적화된 결과일 수도 있다.
그러면 상기 진단 제어 시스템(100)은 N 1000, P 50, K 5를 이용해 풀링 진단 프로세스를 (M-1)회 수행하여 (M-1)단계까지의 진단 프로세스를 수행하고, A개의 양성 후보 샘플을 특정할 수 있다.
예컨대, 상기 진단 제어 시스템(100)은 (M-1)단계 진단 프로세스 수행결과 특정된 A개의 양성후보샘플 및/또는 음성후보샘플과 새로운 (1000-A)개의 샘플을 포함하는 N(1000)개의 테스트 대상 샘플을 M단계 진단 프로세스의 테스트 대상 샘플로 특정할 수 있다.
실시 예에 따라서는 새로운 N(1000)개의 샘플과 (M-1)단계 진단 프로세스 수행결과 특정된 A개의 양성후보 샘플 및/또는 음성 후보 샘플 중 전부 또는 일부를 포함하여 1000개가 넘는 소정 개수의 샘플을 M단계 진단 프로세스의 테스트 대상 샘플로 특정할 수 있다.
이때 (M-1)단계 양성후보 샘플 및/또는 음성 후보 샘플 몇 개를 M단계 진단 프로세스의 테스트 대상 샘플로 추가할지는 추정 양성률과 상기 환경 변수에 기초하여 결정할 수 있다. 이것 역시 최적화 알고리즘에 의해 결정될 수도 있다.
상기 진단 제어 시스템(100)이 (M-1)단계 진단 프로세스를 수행 후 양성 후보 샘플 및 음성 후보 샘플 각각에 대하여 최종 테스트(S150) 즉 개별샘플의 진단을 실시하지 않고, M 단계의 입력으로 포함시키는 과정으로 인해서도 상당한 테스트 절감 효과가 발생할 수 있다.
(M-1)단계에서 양성 후보 샘플 및 음성 후보 샘플로 분류되었던 샘플이 M단계에서 양성 또는 음성으로 판정될 가능성이 높기 때문에 개별 테스트를 피할 수 있다. 이런 식으로 개별 테스트를 하지 않고 계속 단계를 진행함으로써 실시 예에 따라서는 아예 최종 테스트(S150) 없이 진단이 수행될 수도 있다.
즉, 최종 테스트(S150)는 상기 진단 제어 시스템(100)이 단계를 반복하다 어느 시점에 일단락 짓고 다시 시작하고자 할 때 수행되는 것으로 작업의 플로우에서 필수적으로 포함될 필요는 없다. 반면, 어느 단계의 풀링 진단 프로세스 수행 후 양성/음성 후보 샘플이 극히 희소할 때는 부담없이 최종 테스트(S150)로 진행할 수도 있다.
최종 테스트(S150)는 새로운 샘플이 계속 발생할 경우에는 수행되지 않고 S110 ~ S140의 순환이 모든 샘플들의 테스트가 완료될때까지 반복될 수도 있다. 개별 진단 테스트는 가능하면 피하는 것이 유리하기 때문에 이런 방식의 순환이 길어지는 것은 본 발명이 권장하는 흐름이다.
물론 상기 진단 제어 시스템(100)이 종료 명령을 강제로 발생시킬 수 있고, 이러한 경우에는 양성 또는 음성으로 최종 판정되지 않은 샘플들에 대해서는 개별샘플에 대한 개별진단이 이루어질 수 있다. 상기 진단 제어 시스템(100)은 전체 샘플들 중 몇 개 이하의 샘플이 최종 판정이 이루어지지 않은지를 카운트하고 이에 기초하여 종료 명령을 내릴 수도 있다.
결국, 본 발명의 기술적 사상에 의하면, 진단 시스템(200)의 성능이나 최적화하고자 하는 목표(진단회수, 시간, 비용 등)에 따라 적응적으로 최적화된 방식으로 전략적인 진단을 수행할 수 있는 효과가 있다.
본 발명의 실시 예에 따른 집합적 진단 제어 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 광 데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본 발명은 도면에 도시된 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (17)

  1. 집합적 진단 제어 시스템이 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하는 단계; 및
    상기 집합적 진단 제어 시스템이 최적화로 도출된 상기 진단전략에 상응하도록 풀링 진단 프로세스를 적어도 한 번 수행하기 위해 진단 시스템을 제어하는 진단 프로세스 수행단계를 포함하며,
    상기 풀링 진단 프로세스는,
    N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 주입된 상기 K 개의 풀들 각각의 풀 진단결과 중 적어도 하나가 음성인 경우에는 상기 특정샘플을 음성 또는 음성 후보로 판정하고 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 과정을 포함하며,
    상기 최적화 파라미터는,
    상기 N, P, 및 K 를 포함하는 집합적 진단 제어방법.
  2. 제1항에 있어서, 상기 진단 프로세스 수행단계는,
    상기 특정 샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하는 단계를 포함하며,
    상기 최적화 파라미터는,
    상기 T를 더 포함하는 집합적 진단 제어방법.
  3. 제1항에 있어서, 상기 집합적 진단 제어 시스템이 진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하는 단계는,
    소정의 방식으로 추정되는 추정 양성률을 포함하는 환경 변수 세트와 상기 미리 결정된 상기 최적화 파라미터 각각의 허용범위를 이용하여, 최적화 작업의 결과로 상기 최적화 파라미터를 도출하는 단계를 포함하는 집합적 진단 제어방법.
  4. 제1항에 있어서, 상기 진단 프로세스 수행단계는,
    상기 진단 제어 시스템이 상기 P 개의 풀에 추가로 풀당 단 하나의 샘플만 주입하는 하나 이상의 예외 풀을 설정하고 상기 예외 풀에 소정의 샘플이 주입되도록 제어하는 단계를 더 포함하는 집합적 진단 제어방법.
  5. 제3항에 있어서, 상기 최적화 파라미터를 도출하는 단계는,
    비용 민감도 C, 시간의 시급성 W, 샘플을 분할 투입할 수 있는 최대 횟수 D, 검사 장비의 위양성률 FP, 검사 장비의 위음성률 FN, 상기 풀링 진단 프로세스에서 N 개의 테스트 대상 샘플을 P 개의 풀들 중 K 개에 분산 주입하는 데 소요되는 총 시간 T1, 상기 풀링 진단 프로세스에서 P 개의 풀 각각의 풀 진단을 수행하고 결과를 획득하는 데 소요되는 총 시간 T2 중 적어도 하나를 환경 변수 세트로 더 포함하는 집합적 진단 제어방법.
  6. 제1항에 있어서, 상기 진단 프로세스 수행단계는,
    초기 추정 양성률에 기초하여 도출된 제1최적화 파라미터를 이용하여, 풀링 진단 프로세스를 적어도 한 번 수행하는 1단계 진단 프로세스 수행단계; 및
    상기 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과를 이용하여 도출된 제(M-1)단계 양성률에 기초하여 도출된 제M최적화 파라미터를 이용하여 풀링 진단 프로세스를 수행하는 M 단계 진단 프로세스 수행단계를 포함하는 집합적 진단 제어방법.
  7. 제6항에 있어서, 상기 M 단계 진단 프로세스 수행단계는,
    상기 (M-1) 단계 진단 프로세스 수행단계 결과 특정되는 양성 후보 샘플들 또는 음성 후보 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 상기 M단계 진단 프로세스 수행단계의 테스트 대상 샘플로 특정하는 단계를 포함하는 집합적 진단 제어 방법.
  8. 삭제
  9. 집합적 진단 제어 시스템이 진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하는 a) 단계;
    상기 a)단계의 수행결과에 기초하여 수행되는 최적화 알고리즘에 의해 결정되는 상기 N, P, K의 새로운 값과 상기 A 단계에서 양성 또는 음성으로 판정되지 않은 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 다음 단계의 테스트 대상 샘플로 특정하는 b) 단계를 포함하며,
    상기 a) 단계와 b) 단계를 모든 샘플들이 판정될때까지 반복하거나,
    상기 a) 단계와 b) 단계를 반복하다가 종료 명령이 있을 시에는 양성 또는 음성으로 판정되지 않은 샘플들에 대하여 개별 진단 테스트를 실시하는 집합적 진단 제어방법.
  10. 데이터 처리장치에 설치되며 제1항 내지 제7항, 또는 제9항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램.
  11. 프로세서; 및
    상기 프로세서에 의해 실행되는 프로그램이 기록된 메모리를 포함하며,
    상기 프로세서는 상기 프로그램을 구동하여,
    진단을 위한 진단방식을 최적화 문제로 모델링하여 최적화 파라미터 또는 진단 플로우를 포함하는 진단전략을 도출하고, 최적화로 도출된 상기 진단전략에 상응하도록 풀링 진단 프로세스를 적어도 한 번 수행하기 위해 진단 시스템을 제어하는 진단 프로세스 수행단계를 포함하며,
    상기 풀링 진단 프로세스는,
    N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하고, 특정샘플이 주입된 상기 K 개의 풀들 각각의 풀 진단결과 중 적어도 하나가 음성인 경우에는 상기 특정샘플을 음성 또는 음성 후보로 판정하고 상기 특정샘플이 주입된 K 개의 풀들의 풀 진단결과가 모두 양성인 경우에는 상기 특정샘플을 양성 후보 샘플로 처리하는 과정을 포함하며,
    상기 최적화 파라미터는,
    상기 N, P, 및 K 를 포함하는 집합적 진단 제어시스템.
  12. 제11항에 있어서, 상기 프로세서는 상기 프로그램을 구동하여,
    상기 특정 샘플이 분산 주입된 상기 K 개의 풀들 각각의 풀 진단결과를 획득한 후, T 개(T는 K 이하의 정수) 이상이 음성인 경우에는 상기 특정샘플을 음성으로 판정하고 상기 특정샘플이 주입된 상기 K 개의 풀들의 풀 진단결과 중 1 개 이상 T 개 미만이 음성인 경우에는 음성 후보 샘플로 판정하며, 상기 최적화 파라미터는 상기 T를 더 포함하는 집합적 진단 제어시스템.
  13. 제11항에 있어서, 상기 프로세서는 상기 프로그램을 구동하여,
    소정의 방식으로 추정되는 추정 양성률을 포함하는 환경 변수 세트와 상기 미리 결정된 상기 최적화 파라미터 각각의 허용범위를 이용하여, 최적화 작업의 결과로 상기 최적화 파라미터를 도출하는 집합적 진단 제어 시스템.
  14. 제11항에 있어서, 상기 프로세서는 상기 프로그램을 구동하여,
    초기 추정 양성률에 기초하여 도출된 제1최적화 파라미터를 이용하여, 풀링 진단 프로세스를 적어도 한 번 수행하는 1단계 진단 프로세스 수행과정 및 상기 (M-1)단계(여기서 M은 2이상의 정수) 진단 프로세스 수행단계의 수행결과를 이용하여 도출된 제(M-1)단계 양성률에 기초하여 도출된 제M최적화 파라미터를 이용하여 풀링 진단 프로세스를 수행하는 M 단계 진단 프로세스 수행과정을 진행하는 집합적 진단 제어시스템.
  15. 제14항에 있어서, 상기 프로세서는 상기 프로그램을 구동하여,
    상기 (M-1) 단계 진단 프로세스 수행단계 결과 특정되는 양성 후보 샘플들 또는 음성 후보 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 상기 M단계 진단 프로세스 수행단계의 테스트 대상 샘플로 특정하는 집합적 진단 제어 시스템.
  16. 삭제
  17. 프로세서; 및
    상기 프로세서에 의해 실행되는 프로그램이 기록된 메모리를 포함하며,
    상기 프로세서는 상기 프로그램을 구동하여,
    진단 시스템을 제어하여 N 개(N은 양의 정수)의 테스트 대상 샘플들 각각이 P개(P는 N보다 작은 양의 정수)의 풀들 중 K 개(K는 P보다 작거나 같은 양의 정수)에 분산 주입되어 획득된 P개의 풀 각각의 풀 진단결과를 획득하는 a) 과정을 수행하고,
    상기 a)과정의 수행결과에 기초하여 수행되는 최적화 알고리즘에 의해 결정되는 상기 N, P, K의 새로운 값과 상기 a) 과정에서 양성 또는 음성으로 판정되지 않은 샘플들 전부 또는 일부에 새로운 샘플들을 추가하여 다음 단계의 테스트 대상 샘플로 특정하는 b) 과정을 수행하며,
    상기 a) 과정과 b)과정을 모든 샘플들이 판정될때까지 반복하거나, 상기 a) 과정과 b) 과정을 반복하다가 종료 명령이 있을 시에는 양성 또는 음성으로 판정되지 않은 샘플들에 대하여 개별 진단 테스트를 실시하는 집합적 진단 제어시스템.
KR1020200145096A 2020-11-03 2020-11-03 집합적 진단 제어 방법 및 그 시스템 KR102547548B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200145096A KR102547548B1 (ko) 2020-11-03 2020-11-03 집합적 진단 제어 방법 및 그 시스템
PCT/KR2021/013170 WO2022097916A1 (ko) 2020-11-03 2021-09-28 집합적 진단 제어 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200145096A KR102547548B1 (ko) 2020-11-03 2020-11-03 집합적 진단 제어 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20220059655A KR20220059655A (ko) 2022-05-10
KR102547548B1 true KR102547548B1 (ko) 2023-06-26

Family

ID=81457289

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200145096A KR102547548B1 (ko) 2020-11-03 2020-11-03 집합적 진단 제어 방법 및 그 시스템

Country Status (2)

Country Link
KR (1) KR102547548B1 (ko)
WO (1) WO2022097916A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101473705B1 (ko) * 2013-10-11 2014-12-18 삼성에스디에스 주식회사 생물학적 샘플 분석 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1397120B1 (it) * 2009-02-25 2012-12-28 Alifax Holding S P A Dispositivo integrato per analisi diagnostiche, e relativo procedimento
WO2017163112A1 (en) * 2016-03-21 2017-09-28 Azure Vault Ltd. Sample mixing control

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101473705B1 (ko) * 2013-10-11 2014-12-18 삼성에스디에스 주식회사 생물학적 샘플 분석 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문, Boosting test-efficiency by pooled testing strategies for SARS-CoV-2, arXiv:2003.09944 [q-bio.PE], (2020. 3. 21.)

Also Published As

Publication number Publication date
WO2022097916A1 (ko) 2022-05-12
KR20220059655A (ko) 2022-05-10

Similar Documents

Publication Publication Date Title
US10402039B2 (en) Adaptive user interface using machine learning model
JP2008507784A (ja) 実行可能医療ガイドラインの実行をシミュレートするための意思決定支援システム
EP3872818A2 (en) Method for providing diagnostic system using semi-supervised learning, and diagnostic system using same
US20210125723A1 (en) Method for processing result data of medical examination
EP3819911A2 (en) Bioimage diagnosis system, bioimage diagnosis method, and terminal for executing same
EP3975050A1 (en) Method and system for evaluating consistency of an engineered system
JPH11250030A (ja) 進化型アルゴリズム実行システムおよびそのプログラム記録媒体
JPWO2019141748A5 (ko)
KR102547548B1 (ko) 집합적 진단 제어 방법 및 그 시스템
US20220067495A1 (en) Intelligent processor, data processing method and storage medium
JP4421971B2 (ja) 解析エンジン交換型システム及びデータ解析プログラム
JP7315181B2 (ja) 探索方法及び情報処理システム
CN108334935B (zh) 精简输入的深度学习神经网络方法、装置和机器人系统
US20080244583A1 (en) Conflicting sub-process identification method, apparatus and computer program
KR102371183B1 (ko) 가이드에이전트 기반의 복수의 메인에이전트 강화학습 방법을 사용한 특징 선택 방법, 컴퓨팅장치 및 컴퓨터 프로그램
Alban et al. Expected value of information methods for contextual ranking and selection: clinical trials and simulation optimization
EP3660736B1 (en) Image analysis for evaluating the effect of a drug
Henriques da Silva et al. A 3-step cartesian genetic programming for designing combinational logic circuits with multiplexers
JP2016024713A (ja) パラメータ選定方法、パラメータ選定プログラム及びパラメータ選定装置
KR102439690B1 (ko) 학습한 컨텐츠의 기억 유지 기간을 예측하는 방법 및 장치
KR102593718B1 (ko) 집합적 진단 제어 방법 및 그 시스템
US11099251B2 (en) Method for automatic selection of imaging parameters for imaging methods
US20230016735A1 (en) Computer, Diagnosis System, and Generation Method
Abedini et al. A cloud-based infrastructure for feedback-driven training and image recognition
CN112861951B (zh) 一种图像神经网络参数的确定方法及电子设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant