KR102639285B1 - 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 - Google Patents
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102639285B1 KR102639285B1 KR1020230161412A KR20230161412A KR102639285B1 KR 102639285 B1 KR102639285 B1 KR 102639285B1 KR 1020230161412 A KR1020230161412 A KR 1020230161412A KR 20230161412 A KR20230161412 A KR 20230161412A KR 102639285 B1 KR102639285 B1 KR 102639285B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- family
- data
- information
- health
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims description 67
- 238000013473 artificial intelligence Methods 0.000 title claims description 10
- 235000013376 functional food Nutrition 0.000 claims description 85
- 235000015097 nutrients Nutrition 0.000 claims description 78
- 238000013528 artificial neural network Methods 0.000 claims description 61
- 230000037213 diet Effects 0.000 claims description 60
- 235000005911 diet Nutrition 0.000 claims description 60
- 201000010099 disease Diseases 0.000 claims description 59
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 59
- 235000013305 food Nutrition 0.000 claims description 59
- 230000003449 preventive effect Effects 0.000 claims description 57
- 230000000694 effects Effects 0.000 claims description 37
- 238000004519 manufacturing process Methods 0.000 claims description 30
- 230000007958 sleep Effects 0.000 claims description 25
- 230000004622 sleep time Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 23
- 239000004615 ingredient Substances 0.000 claims description 22
- 238000002255 vaccination Methods 0.000 claims description 19
- 235000021172 family meals Nutrition 0.000 claims description 16
- 239000013589 supplement Substances 0.000 claims description 15
- 229940079593 drug Drugs 0.000 claims description 14
- 239000003814 drug Substances 0.000 claims description 14
- 230000008520 organization Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 9
- 230000002950 deficient Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 45
- 235000012041 food component Nutrition 0.000 description 24
- 239000005417 food ingredient Substances 0.000 description 24
- 235000012054 meals Nutrition 0.000 description 22
- 238000012545 processing Methods 0.000 description 13
- 230000002787 reinforcement Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 235000015872 dietary supplement Nutrition 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000006806 disease prevention Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000037396 body weight Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 244000251953 Agaricus brunnescens Species 0.000 description 1
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 241001280436 Allium schoenoprasum Species 0.000 description 1
- 235000001270 Allium sibiricum Nutrition 0.000 description 1
- 235000003261 Artemisia vulgaris Nutrition 0.000 description 1
- 240000006891 Artemisia vulgaris Species 0.000 description 1
- 102000040350 B family Human genes 0.000 description 1
- 108091072128 B family Proteins 0.000 description 1
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000012659 Joint disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000006180 nutrition needs Nutrition 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
- 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
- G16H50/20—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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
일실시예에 따른 장치는 사용자의 단말로부터 사용자의 정보를 획득하고, 사용자의 정보를 기초로, 건강관련 기관으로부터 사용자의 건강 데이터를 획득하고, 사용자의 가족 정보를 기초로, 데이터베이스에 저장된 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 사용자의 가족 데이터에 사용자의 정보 및 건강 데이터를 매칭하여 저장하고, 사용자의 정보, 사용자의 건강 데이터 및 사용자의 가족 데이터를 기초로, 사용자의 단말로 사용자 맞춤형 의료 가이드 정보를 제공한다.
Description
아래 실시예들은 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보를 제공하는 방법에 관한 것이다.
급격한 고령화 및 생활양식 변화로 지속적 관리를 요하는 각종 질환과 암, 고혈압, 당뇨 등과 같은 만성 질환 등의 다양한 질환이 급증하고 있고, 전 세계적으로 평균 기대 수명 증가와 함께 개인의 건강, 질병에 대한 관심 및 인식이 점차 확산되고 있다.
이로 인해, 언제, 어디에서나 개인이 적극적으로 건강 관리를 할 수 있는 자가 의료 부분 U-Health 산업이 점차 대두되고 있으며, 병원을 내원하지 않으면서 고품질의 의료 서비스 혜택을 받는 개인 건강관리 서비스가 최근 각광받고 있다.
또한, 인간이 신체적, 정신적, 사회적으로 건강한 상태를 웰니스라고 하는데, 이러한 웰니스는 적절한 음식 섭취와 운동을 통해 실현가능하기 때문에 자신의 현재 건강 상태를 파악하여 웰니스를 실현하고자 하는 사용자가 많아지고 있다.
따라서, 사용자의 건강 데이터를 통해 사용자에게 적합한 의료 가이드 정보를 제공하는 기술이 요구된다.
실시예들은 사용자의 건강 데이터를 기초로, 인공지능 모델을 활용하여 사용자 맞춤형 의료 가이드 정보를 제공하고자 한다.
실시예들은 사용자가 영아, 유아, 아동일 경우, 사용자의 예방 접종 알림을 제공하고, 동일 연령 대비 사용자의 성장 속도를 제공하고자 한다.
실시예들은 사용자와 매칭된 가족 데이터를 확인하여 가족 단위로 건강 관리를 제공하고자 한다.
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법은 사용자의 단말로부터 상기 사용자의 이름, 상기 사용자의 생년월일, 상기 사용자의 성별, 상기 사용자의 주소, 상기 사용자의 가족 정보를 포함하는 상기 사용자의 정보를 획득하는 단계; 상기 사용자의 정보를 기초로, 건강 관련 기관으로부터 상기 사용자의 건강 데이터를 획득하는 단계; 상기 사용자의 가족 정보를 기초로, 데이터베이스에 저장된 상기 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 상기 사용자의 가족 데이터에 상기 사용자의 정보 및 상기 사용자의 건강 데이터를 매칭하여 저장하는 단계; 및 상기 사용자의 정보, 상기 사용자의 건강 데이터 및 상기 사용자의 가족 데이터를 기초로, 상기 사용자의 단말로 사용자 맞춤형 의료 가이드 정보를 제공하는 단계를 포함한다.
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법은 상기 사용자의 생년월일을 통해 상기 사용자의 연령을 산출하는 단계; 및 상기 사용자의 연령을 기초로, 상기 사용자가 영아기, 유아기, 아동기 중 하나에 포함된다고 확인되면, 상기 사용자 맞춤형 의료 가이드 정보로 상기 사용자의 성장 가이드를 제공하는 단계를 더 포함하고, 상기 사용자의 성장 가이드를 제공하는 단계는, 건강 관련 기관으로부터 연령 별 예방 접종을 획득하는 동작, 상기 사용자의 연령 및 상기 연령 별 예방 접종을 기초로, 상기 사용자의 단말로 예방 접종 알림을 제공하는 동작, 상기 사용자의 건강 데이터를 통해 상기 사용자의 현재 성장 데이터를 획득하는 동작, 통계청 데이터베이스를 통해 상기 사용자의 연령과 동일한 연령의 평균 성장 데이터를 획득하는 동작, 상기 사용자의 현재 성장 데이터 및 상기 평균 성장 데이터를 비교하여 상기 사용자의 성장 속도를 생성하는 동작, 상기 사용자의 단말로 상기 사용자의 성장 속도를 제공하는 동작, 상기 사용자의 성장 속도가 미리 설정된 기준보다 낮은 것에 기반하여, 상기 사용자의 단말로 보충 권유 식품을 추천하는 동작을 포함하고, 상기 사용자의 단말로 상기 보충 권유 식품을 추천하는 동작은, 상기 사용자의 단말로부터 상기 사용자의 수면 시간, 상기 사용자의 활동 시간을 획득하고, 상기 사용자의 수면 시간 및 상기 사용자의 활동 시간을 기초로, 상기 사용자의 활동 수준을 생성하는 동작, 상기 사용자의 연령, 상기 사용자의 현재 성장 데이터, 상기 사용자의 활동 수준을 기초로, 제1 입력 신호를 생성하는 동작, 상기 제1 입력 신호를 제1 인공 신경망에 적용하여 제1 출력 신호를 생성하는 동작, 상기 제1 출력 신호에 기초하여, 상기 사용자에 대응하는 영양소 별 상기 사용자의 필요 수준을 확인하는 동작, 상기 사용자의 단말로부터 미리 설정된 제1 기간동안 상기 사용자의 섭취 식단을 획득하는 동작, 상기 사용자의 섭취 식단을 기초로, 영양소 별 상기 사용자가 현재 섭취중인 수준인 섭취 수준을 확인하는 동작, 영양소에 대응하여 상기 사용자의 필요 수준 및 상기 사용자의 섭취 수준을 비교하고, 상기 사용자의 섭취 수준이 상기 사용자의 필요 수준보다 적은 영양소를 부족 영양소로 확인하는 동작, 및 상기 부족 영양소에 매칭된 식품을 보충 권유 식품으로 확인하고, 상기 사용자의 단말로 상기 보충 권유 식품을 추천하는 동작을 포함한다.
상기 사용자의 정보, 상기 사용자의 건강 데이터 및 상기 사용자의 가족 데이터를 기초로, 상기 사용자의 단말로 사용자 맞춤형 의료 가이드 정보를 제공하는 단계는, 상기 사용자의 가족 데이터를 기초로, 가족 구성원의 질병 이력, 상기 가족 구성원의 약물 복용 이력을 포함하는 상기 가족 구성원의 병력을 확인하는 동작, 상기 사용자의 가족 데이터를 기초로, 상기 가족의 식사 패턴 및 상기 가족의 수면 패턴을 포함하는 상기 가족의 생활 패턴을 확인하는 동작, 상기 가족의 병력, 상기 가족의 생활 패턴을 기초로, 제2 입력 신호를 생성하는 동작, 상기 제2 입력 신호를 제2 인공신경망에 적용하여, 제2 출력 신호를 획득하는 동작, 상기 제2 출력 신호에 기초하여 상기 사용자의 가족에게 발생할 수 있는 예상 질병을 예측하는 동작, 및 상기 예상 질병에 매칭된 예방 식단 및 예방 운동을 확인하고, 상기 사용자의 단말 및 상기 사용자와 매칭된 가족의 단말로 상기 예방 식단 및 예방 운동을 제공하는 동작을 포함한다.
상기 사용자의 단말로 상기 예방 식단을 제공하는 동작 이후에, 상기 사용자의 단말로부터 상기 예방 식단을 섭취하겠다는 메시지 및 섭취 횟수를 수신하는 동작, 및 상기 예방 식단에 필요한 식재료 및 식재료의 수량을 파악하여, 상기 식재료가 상기 사용자의 주소로 배송되도록 제어하는 동작을 더 포함하며, 상기 예방 식단에 필요한 식재료의 수량을 파악하는 동작은, 상기 가족의 식사 패턴을 기초로, 상기 가족의 식사 시간을 확인하는 동작, 상기 가족의 식사 시간을 기초로, 상기 사용자의 주소에 설치된 장치로부터 인식된 단말의 개수를 획득하는 동작, 상기 단말의 개수를 기초로, 식사 인원을 파악하는 동작, 및 상기 섭취 횟수 및 상기 식사 인원을 기초로, 상기 예방 식단에 필요한 식재료의 수량을 파악하는 동작을 포함한다.
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법은 상기 사용자의 가족 데이터를 기초로, 가족 구성원이 섭취하고 있는 건강기능식품을 섭취 건강기능식품으로 확인하는 단계; 상기 섭취 건강기능식품에 대응하는 제조 기업을 확인하는 단계; 상기 확인된 제조 기업 중 가장 많이 포함된 제조 기업을 선호 제조 기업으로 확인하는 단계; 상기 섭취 건강기능식품 중 상기 선호 제조 기업에서 제조되지 않은 식품을 고려 건강기능식품으로 선정하는 단계; 상기 고려 건강기능식품의 기능을 확인하여, 상기 선호 제조 기업에서 판매되는 식품 중 상기 고려 건강기능식품과 동일한 기능의 건강기능식품을 추천 건강기능식품으로 선정하는 단계; 및 상기 사용자의 단말로 상기 추천 건강기능식품에 대한 정보를 제공하는 단계;를 더 포함한다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 사용자의 건강 데이터를 기초로, 인공지능 모델을 활용하여 사용자 맞춤형 의료 가이드 정보를 제공할 수 있다.
실시예들은 사용자가 영아, 유아, 아동일 경우, 사용자의 예방 접종 알림을 제공하고, 동일 연령 대비 사용자의 성장 속도를 제공할 수 있다.
실시예들은 사용자와 매칭된 가족 데이터를 확인하여 가족 단위로 건강 관리를 제공할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 사용자의 정보를 통해 사용자 맞춤형 의료 가이드 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 사용자의 연령을 확인하여 사용자의 연령에 따라 성장 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 사용자에게 성장 가이드를 제공하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 사용자에게 보충 권유 식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 가족 데이터를 통해 사용자의 가족에게 건강 관리에 필요한 의료 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 예방 식단의 식재료를 사용자의 주소로 배송하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 식재료의 수량을 파악하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 가족 구성원이 섭취하고 있는 건강기능식품을 확인하여 건강기능식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 사용자의 정보를 통해 사용자 맞춤형 의료 가이드 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 사용자의 연령을 확인하여 사용자의 연령에 따라 성장 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 사용자에게 성장 가이드를 제공하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 사용자에게 보충 권유 식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 가족 데이터를 통해 사용자의 가족에게 건강 관리에 필요한 의료 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 예방 식단의 식재료를 사용자의 주소로 배송하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 식재료의 수량을 파악하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 가족 구성원이 섭취하고 있는 건강기능식품을 확인하여 건강기능식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 사용자의 단말(100) 및 장치(200)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
사용자의 단말(100)은 사용자의 건강 데이터를 기초로 맞춤형 의료 가이드를 제공받고자 하는 사용자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 사용자의 단말(100)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
사용자의 단말(100)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자의 단말(100)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.
사용자의 단말(100)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(100)은 웹 사이트 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.
도1 및 이하의 설명에서는, 설명의 편의상, 사용자의 단말(100) 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.
장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 사용자의 단말(100)과 유무선으로 통신하도록 구성될 수 있다.
또한, 장치(200)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 장치(200)는 웹사이트에 접속하여 정보를 획득할 수 있다.
장치(200)는 사용자의 단말(100)로부터 사용자의 정보를 획득하고, 사용자의 정보를 기초로, 건강관련 기관으로부터 사용자의 건강 데이터를 획득하고, 사용자의 가족 정보를 기초로, 데이터베이스에 저장된 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 사용자의 가족 데이터에 사용자의 정보 및 건강 데이터를 매칭하여 저장하고, 사용자의 정보, 사용자의 건강 데이터 및 사용자의 가족 데이터를 기초로, 사용자의 단말(100)로 사용자 맞춤형 의료 가이드 정보를 제공할 수 있다.
도 2는 일실시예에 따른 사용자의 정보를 통해 사용자 맞춤형 의료 가이드 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 2를 참조하면, 먼저 S201 단계에서, 장치(200)는 사용자의 단말(100)로부터 사용자의 정보를 획득할 수 있다. 여기서, 사용자의 정보는 사용자의 이름, 사용자의 생년월일, 사용자의 성별, 사용자의 연락처, 사용자의 주소 및 사용자의 가족 정보를 포함할 수 있으며, 사용자의 가족 정보에는 가족의 이름, 가족의 생년월일, 가족의 연락처, 사용자와 가족 간의 관계가 더 포함될 수 있으며, 여기서, 가족은 같은 생활 범주 내에서 생활하며, 비슷한 생활 패턴을 공유하는 가족일 수 있다. 즉, 여기서, 가족은 주소지가 동일한 가족일 수 있다.
구체적으로, 장치(200)는 사용자의 건강 데이터를 기초로 맞춤형 의료 가이드를 제공받고자 하는 사용자가 소지하고 있는 사용자의 단말(100)로부터 사용자의 이름, 사용자의 생년월일, 사용자의 성별, 사용자의 연락처, 사용자의 주소, 사용자의 가족 정보를 포함하는 사용자의 정보를 획득할 수 있다.
S202 단계에서, 장치(200)는 사용자의 정보를 기초로, 건강 관련 기관으로부터 사용자의 건강 데이터를 획득할 수 있다. 여기서, 건강 관련 기관은 건강보험공단, 건강보험심사평가원, 대한의사협회, 대한제약협회 중 적어도 하나를 포함할 수 있다.
구체적으로, 장치(200)는 건강보험공단, 건강보험심사평가원, 대한의사협회, 대한제약협회 중 적어도 하나를 포함하는 건강 관련 기관의 데이터베이스와 유무선으로 통신할 수 있으며, 장치(200)는 유무선으로 통신하는 건강 관련 기관의 데이터베이스로부터 정보를 획득할 수 있다.
즉, 장치(200)는 건강 관련 기관의 데이터베이스를 통해 사용자의 정보와 대응하는 사용자의 건강 데이터를 획득할 수 있다. 여기서, 사용자의 건강 데이터에는 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레 등을 포함하는 사용자의 성장 데이터가 포함될 수 있고, 사용자의 질병 이력, 사용자의 약물 복용 이력을 포함하는 사용자의 병력이 포함될 수 있다.
한편, 장치(200)는 미리 설정된 주기마다 주기적으로 건강 관련 기관으로부터 사용자의 건강 데이터를 획득할 수 있으며, 주기적으로 획득한 사용자의 건강 데이터를 통해 사용자의 건강 데이터를 업데이트할 수 있다.
S203 단계에서, 장치(200)는 사용자의 가족 정보를 기초로, 데이터베이스에 저장된 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 사용자의 가족 데이터에 사용자의 정보 및 건강 데이터를 매칭하여 저장할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자의 가족 정보를 획득할 수 있고, 획득한 사용자의 가족 정보를 기초로, 장치(200)에 구비된 데이터베이스에 저장된 복수의 가족 데이터 중 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 사용자의 가족 데이터에 사용자의 정보 및 사용자의 건강 데이터를 매칭하여 저장할 수 있다.
즉, 장치(200)는 데이터베이스를 구비할 수 있고, 장치(200)에 구비된 데이터베이스에는 의료 가이드를 받고자 하는 복수의 사용자에 대한 정보가 저장될 수 있으며, 이때, 사용자에 대한 정보는 사용자의 단말로부터 획득한 사용자의 정보 및 건강 관련 기관으로부터 획득한 사용자의 건강 데이터일 수 있으며, 사용자에 대한 정보는 해당 사용자의 가족 데이터에 매칭되어 저장될 수 있다. 즉, 예를 들어, A-1 사용자와, A-2 사용자가 가족이고, B-1 사용자와, B-2 사용자, B-3 사용자가 가족일 경우, 장치(200)는 장치(200)에 구비된 데이터베이스에 A-1 사용자에 대한 정보, A-2 사용자에 대한 정보를 매칭하여 A 가족 데이터로 저장할 수 있고, B-1 사용자에 대한 정보, B-2 사용자에 대한 정보, B-3 사용자에 대한 정보를 매칭하여 B 가족 데이터로 저장할 수 있다.
한편, 장치(200)는 사용자의 가족 정보를 기초로, 장치(200)에 구비된 데이터베이스에 저장된 복수의 가족 데이터 중 사용자의 가족 정보와 대응하는 가족 데이터를 확인한 결과, 사용자의 가족 정보에 대응하는 가족 데이터가 없다고 확인되면, 장치(200)는 사용자를 중심으로 가족 데이터를 생성할 수 있고, 사용자를 중심으로 생성된 가족 데이터에 사용자의 정보 및 사용자의 건강 데이터를 매칭하여 저장할 수 있다.
S204 단계에서, 장치(200)는 사용자의 정보, 사용자의 건강 데이터 및 사용자의 가족 데이터를 기초로, 사용자의 단말(100)로 사용자 맞춤형 의료 가이드 정보를 제공할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 정보, 건강 관련 기관으로부터 획득한 사용자의 건강 데이터 및 데이터베이스에 저장된 사용자의 가족 데이터를 기초로, 사용자의 단말(100)로 사용자 맞춤형 의료 가이드 정보를 제공할 수 있다. 이때, 장치(200)는 사용자의 연령을 기초로, 사용자가 영아기, 유아기, 아동기 중 하나라고 확인되면, 사용자 맞춤형 의료 가이드 정보로 사용자의 성장 가이드를 제공할 수 있고, 또한, 장치(200)는 사용자의 가족 데이터를 기초로, 사용자 맞춤형 의료 가이드 정보로 사용자의 가족 건강을 관리하는 가이드를 제공할 수 있다.
이로 인해, 장치(200)는 사용자의 정보, 사용자의 건강 데이터를 기초로, 사용자 맞춤형 의료 가이드를 제공받을 수 있다.
도 3은 일실시예에 따른 사용자의 연령을 확인하여 사용자의 연령에 따라 성장 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 3을 참조하면, 먼저, S301 단계에서 장치(200)는 사용자의 생년월일을 통해 사용자의 연령을 산출할 수 있다.
구체적으로, 장치(200)는 사용자의 정보에 포함된 사용자의 생년월일을 확인할 수 있고, 사용자의 생년월일을 기초로, 사용자의 연령을 산출할 수 있다. 이때, 사용자의 연령을 산출하는 과정은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 사용자의 연령을 산출하는 과정과 동일한 과정으로 수행될 수 있다. 또한, 사용자의 연령은 사용자의 개월 수일 수도 있고, 사용자의 나이일 수도 있다.
S302 단계에서, 장치(200)는 사용자의 연령을 기초로, 사용자가 영아기, 유아기, 아동기 중 하나에 포함된다고 확인되면, 사용자 맞춤형 의료 가이드 정보로 사용자의 성장 가이드를 제공할 수 있다. 이때, 영아기는 0개월 이상 12개월 미만의 연령을 포함하고, 유아기는 12개월 이상 6세 미만의 연령을 포함하고, 아동기는 6세 이상 12세 미만의 연령을 포함할 수 있다.
구체적으로, 장치(200)는 사용자의 생년월일을 통해 사용자의 연령을 산출할 수 있고, 산출된 사용자의 연령이 0개월 이상 12개월 미만의 연령을 포함하는 영아기, 또는 12개월 이상 6세 미만의 연령을 포함하는 유아기, 또는 6세 이상 12세 미만의 연령을 포함하는 아동기 중 하나에 포함된다고 확인되면, 사용자 맞춤형 의료 가이드 정보로 사용자의 성장 가이드를 제공할 수 있다.
즉, 장치(200)는 사용자의 연령이 0개월 이상 12세 미만에 포함된다고 확인되면, 사용자의 단말(100)로 사용자의 성장 가이드를 제공할 수 있다. 이때, 사용자의 성장 가이드를 제공하는 과정은 도 4를 참조하여 설명하기로 한다.
이를 통해, 장치(200)는 사용자의 연령을 통해 사용자가 성장할 시기라고 확인되면, 사용자가 원활하게 성장할 수 있도록 성장 가이드를 제공할 수 있다.
도 4는 일실시예에 따른 사용자에게 성장 가이드를 제공하는 과정을 설명하기 위한 도면이다.
도 4를 참조하면, 먼저, S401 단계에서, 장치(200)는 건강 관련 기관으로부터 연령 별 예방 접종을 획득할 수 있다.
구체적으로, 장치(200)는 장치(200)와 유무선으로 통신하는 건강 관련 기관의 데이터베이스로부터 연령 별 예방 접종을 획득할 수 있다. 이때, 연령 별 예방 접종은 연령 별로 접종해야 할 필수 또는 권고 예방 접종에 대한 정보일 수 있다.
S402 단계에서, 장치(200)는 사용자의 연령 및 연령 별 예방 접종을 기초로, 사용자의 단말(100)로 예방 접종 알림을 제공할 수 있다.
구체적으로, 장치(200)는 사용자의 생년월일을 통해 산출된 사용자의 연령 및 건강 관련 기관으로부터 획득한 연령 별 예방 접종을 기초로, 사용자가 예방 접종을 해야 할 시기에 사용자의 단말(100)로 예방 접종 알림을 제공할 수 있다.
S403 단계에서, 장치(200)는 사용자의 건강 데이터를 통해 사용자의 현재 성장 데이터를 획득할 수 있다. 여기서, 사용자의 현재 성장 데이터는 사용자의 현재 키, 사용자의 현재 몸무게, 사용자의 현재 체질량 지수, 사용자의 현재 머리 둘레를 포함할 수 있다.
구체적으로, 장치(200)는 사용자의 건강 데이터를 통해 현 시점을 기준으로 미리 설정된 기간 이내에 측정된 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레가 사용자의 건강 데이터 내에 포함되는지 여부를 확인할 수 있고, 장치(200)는 확인 결과 미리 설정된 기간 이내에 측정된 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레가 사용자의 건강 데이터 내에 포함되어 있다고 확인되면, 해당 키, 몸무게, 체질량 지수, 머리 둘레를 사용자의 현재 성장 데이터를 획득할 수 있다. 여기서, 미리 설정된 기간은 실시 예에 따라 달라질 수 있다.
한편, 장치(200)는 확인 결과 미리 설정된 기간 이내에 측정된 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레가 사용자의 건강 데이터 내에 포함되어 있지 않다고 확인되면, 장치(200)는 사용자의 단말로 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레를 업데이트하라는 메시지를 전송할 수 있고, 사용자는 해당 메시지에 응답하여 사용자의 성장 데이터를 업데이트할 수 있다. 이때, 사용자는 사용자의 성장 데이터를 업데이트 하기 위해 건강 관련 기관에 방문하여 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레를 측정할 수 있고, 장치(200)는 건강 관련 기관의 데이터베이스로부터 업데이트된 사용자의 성장 데이터를 획득하여 사용자의 현재 성장 데이터를 획득할 수 있고, 또한, 사용자는 사용자의 단말(100)을 통해 사용자의 키, 사용자의 몸무게, 사용자의 체질량 지수, 사용자의 머리 둘레에 대한 정보를 장치(200)로 송신할 수 있으며, 장치(200)는 사용자의 단말(100)로부터 획득한 정보를 기초로 사용자의 현재 성장 데이터를 획득할 수 있다.
S404 단계에서, 장치(200)는 통계청 데이터베이스를 통해 사용자의 연령과 동일한 연령의 평균 성장 데이터를 획득할 수 있다.
구체적으로, 장치(200)는 통계청 데이터베이스와 유무선으로 통신할 수 있으며, 통계청 데이터베이스에는 연령 별로 평균 성장 데이터가 저장될 수 있다. 통계청 데이터베이스에는 연령에 따른 평균 키, 평균 몸무게, 평균 체질량 지수, 평균 머리 둘레가 저장될 수 있다.
즉, 장치(200)는 장치(200)와 유무선으로 통신하는 통계청 데이터베이스를 통해 사용자의 연령과 동일한 연령의 평균 키, 평균 몸무게, 평균 체질량 지수, 평균 머리 둘레를 포함하는 평균 성장 데이터를 획득할 수 있다.
S405 단계에서, 장치(200)는 사용자의 현재 성장 데이터 및 평균 성장 데이터를 비교하여 사용자의 성장 속도를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 현재 성장 데이터 및 통계청 데이터베이스를 통해 획득한 사용자의 연령과 동일한 연령의 평균 성장 데이터를 비교할 수 있고, 비교 결과에 따라 사용자의 성장 속도를 생성할 수 있다. 이때, 장치(200)는 (사용자의 성장 데이터 - 사용자의 연령과 동일한 연령의 평균 성장 데이터) / (사용자의 연령과 동일한 연령의 평균 성장 데이터) X 100%로 사용자의 성장 속도를 생성할 수 있으며, 사용자의 성장 속도는 ± % 형태로 생성될 수 있다. 또한, 사용자의 성장 속도는 키, 몸무게, 체질량 지수, 머리 둘레에 따라 각각 생성될 수 있다.
예를 들어, 사용자의 현재 성장 데이터를 통해 사용자의 현재 키가 120cm이고, 사용자의 연령과 동일한 연령의 평균 성장 데이터를 통해 사용자의 연령과 동일한 연령의 평균 키가 100cm인 것으로 확인되면, 장치(200)는 (120cm - 100cm) / 100cm X 100%를 계산하여 키에 따른 사용자의 성장 속도를 +20%로 생성할 수 있다.
S406 단계에서, 장치(200)는 사용자의 단말(100)로 사용자의 성장 속도를 제공할 수 있다.
구체적으로, 장치(200)는 사용자의 현재 성장 데이터 및 사용자의 연령과 동일한 연령의 평균 성장 데이터를 통해 사용자의 성장 속도를 생성할 수 있고, 생성된 사용자의 성장 속도를 사용자의 단말(100)로 제공할 수 있다. 이때, 장치(200)는 사용자의 성장 속도를 사용자의 단말(100)로 제공하는 과정에서, 사용자의 현재 성장 데이터, 사용자의 연령과 동일한 연령의 평균 성장 데이터 및 사용자의 성장 속도를 함께 제공할 수 있다.
S407 단계에서, 장치(200)는 사용자의 성장 속도가 기준보다 낮은 것에 기반하여 사용자의 단말(100)로 보충 권유 식품을 추천할 수 있다. 여기서, 기준은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 키에 따라 생성된 사용자의 성장 속도, 몸무게에 따라 생성된 사용자의 성장 속도, 체질량 지수에 따라 생성된 사용자의 성장 속도, 머리 둘레에 따라 생성된 사용자의 성장 속도 각각을 미리 설정된 기준과 비교할 수 있으며, 장치(200)는 키에 따라 생성된 사용자의 성장 속도, 몸무게에 따라 생성된 사용자의 성장 속도, 체질량 지수에 따라 생성된 사용자의 성장 속도, 머리 둘레에 따라 생성된 사용자의 성장 속도 중 적어도 하나가 미리 설정된 기준보다 낮다고 확인되면, 사용자의 단말(100)로 보충 권유 식품을 추천할 수 있다. 보충 권유 식품을 추천하는 과정은 도 5를 참조하여 설명하기로 한다.
한편, 장치(200)는 키에 따라 생성된 사용자의 성장 속도, 몸무게에 따라 생성된 사용자의 성장 속도, 체질량 지수에 따라 생성된 사용자의 성장 속도, 머리 둘레에 따라 생성된 사용자의 성장 속도 모두가 미리 설정된 기준보다 낮지 않다고 확인되면, 사용자의 단말(100)로 보충 권유 식품을 추천하지 않을 수 있다.
이로 인해, 장치(200)는 사용자가 성장할 시기라고 확인되면, 사용자가 예방 접종을 접종할 시기에 예방 접종 알림을 제공하고, 사용자의 성장 속도를 제공할 수 있어, 사용자가 원활하게 성장할 수 있도록 가이드할 수 있다.
도 5는 일실시예에 따른 사용자에게 보충 권유 식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 사용자의 단말(100)로부터 사용자의 수면 시간 및 사용자의 활동 시간을 획득하고, 사용자의 수면 시간 및 사용자의 활동 시간을 기초로, 사용자의 활동 수준을 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자의 수면 시간 및 사용자의 활동 시간을 획득할 수 있다. 여기서, 사용자의 수면 시간은 사용자가 수면을 취하는 평균 시간일 수 있고, 사용자의 활동 시간은 사용자가 활동을 하는 즉, 사용자가 움직이는 시간일 수 있다. 이때, 장치(200)가 사용자의 단말(100)로부터 사용자의 수면 시간을 획득하는 방법은 사용자의 입력을 통해 사용자의 수면 시간을 획득할 수도 있고, 사용자의 단말(100)에 설치된 수면 감지 센서를 통해 사용자의 수면을 감지하고 감지된 수면을 기초로 사용자의 수면 시간을 산출할 수도 있다. 또한, 장치(200)가 사용자의 단말(100)로부터 사용자의 활동 시간을 획득하는 방법은 사용자의 입력을 통해 사용자의 활동 시간을 획득할 수도 있고, 사용자의 단말(100)에 설치된 움직임 센서를 통해 사용자의 움직임을 감지하고 감지된 움직임을 기초로 사용자의 활동 시간을 산출할 수도 있다. 여기서, 수면 감지 센서를 통해 수면을 감지하여 수면 시간을 산출하는 과정 및 움직임 센서를 통해 움직임을 감지하여 활동 시간을 산출하는 과정은 구체적으로 작성하지 않았지만 통상적으로 사용되는 방법에 의해 수행될 수 있다.
또한, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 수면 시간 및 사용자의 활동 시간을 포함하여 사용자의 활동 수준을 생성할 수 있다.
S502 단계에서, 장치(200)는 사용자의 연령, 사용자의 현재 성장 데이터, 사용자의 활동 수준을 기초로, 제1 입력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 연령, 사용자의 현재 성장 데이터, 사용자의 활동 수준을 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 연령, 현재 성장 데이터, 활동 수준은 인공신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.
S503 단계에서, 장치(200)는 제1 입력 신호를 제1 인공신경망에 적용하여 제1 출력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 제1 인공신경망을 포함하거나, 별개의 제1 인공신경망과 유무선으로 통신할 수 있으며, 여기서, 제1 인공신경망은 사용자의 연령, 사용자의 현재 성장 데이터, 사용자의 활동 수준을 입력하면, 사용자의 현재 성장 데이터에서 사용자의 연령에 맞는 성장 데이터까지 도달하기 위해 영양소 별로 필요한 수준을 예측하는 알고리즘일 수 있다.
즉, 제1 인공신경망은 연령, 현재 성장 데이터, 활동 수준을 고려하여, 영양소 별로 필요 수준을 예측 및 출력할 수 있다.
제1 인공신경망의 학습이 이루어지는 학습 장치는 학습된 제1 인공신경망을 이용하여 영양소 별로 필요 수준을 생성하는 장치(200)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다.
학습 장치는 제1 인공신경망에 입력을 적용할 수 있다. 제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 연령에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제2 보상은 현재 키에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제3 보상은 현재 몸무게에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제4 보상은 현재 체질량 지수에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제5 보상은 현재 머리 둘레에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제6 보상은 수면 시간에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있고, 제7 보상은 활동 시간에 따라 적합한 영양소 별로 필요 수준을 선정할수록 보상 값이 높아질 수 있으며, 제8 보상은 연령에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상값이 높아질 수 있고, 제9 보상은 현재 키에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제10 보상은 현재 몸무게에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제11 보상은 현재 체질량 지수에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제12 보상은 현재 머리 둘레에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제13 보상은 수면 시간에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있고, 제14 보상은 활동 시간에 따라 적합하지 않은 영양소 별로 필요 수준을 선정하지 않을수록 보상 값이 높아질 수 있다.
학습 장치는 제1 인공신경망으로부터 출력을 획득할 수 있다. 제1 인공신경망의 출력은, 사용자의 연령, 사용자의 현재 성장 데이터, 사용자의 활동 수준에 따른 사용자에 대응하는 영양소 별 사용자의 필요 수준일 수 있다. 이때, 제1 인공신경망은 사용자의 연령, 사용자의 현재 키, 사용자의 현재 몸무게, 사용자의 현재 체질량 지수, 사용자의 현재 머리 둘레, 사용자의 수면 시간, 및 사용자의 활동 시간을 고려하여, 영양소 별 사용자의 필요 수준을 분석 및 예측할 수 있으며, 예측한 영양소 별 사용자의 필요 수준을 출력할 수 있다.
학습 장치는 제1 인공신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 제10 보상, 제11 보상, 제12 보상, 제13 보상, 및 제14 보상 등으로 나뉠 수 있다.
구체적으로, 학습 장치는 사용자의 연령에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제1 보상을 많이 수여하고, 사용자의 현재 키에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제2 보상을 많이 수여하고, 사용자의 현재 몸무게에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제3 보상을 많이 수여하고, 사용자의 현재 체질량 지수에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제4 보상을 많이 수여하고, 사용자의 현재 머리 둘레에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제5 보상을 많이 수여하고, 사용자의 수면 시간에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제6 보상을 많이 수여하고, 사용자의 활동 시간에 따라 적합한 영양소 별 사용자의 필요 수준을 출력하면 제7 보상을 많이 수여하고, 사용자의 연령에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제8 보상을 많이 수여하고, 사용자의 현재 키에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제9 보상을 많이 수여하고, 사용자의 현재 몸무게에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제10 보상을 많이 수여하고, 사용자의 현재 체질량 지수에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제11 보상을 많이 수여하고, 사용자의 현재 머리 둘레에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제12 보상을 많이 수여하고, 사용자의 수면 시간에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제13 보상을 많이 수여하고, 사용자의 활동 시간에 따라 적합하지 않은 영양소 별 사용자의 필요 수준을 출력하지 않으면 제14 보상을 많이 수여할 수 있다.
학습 장치는 평가를 기초로 제1 인공신경망을 갱신할 수 있다.
구체적으로, 학습 장치는 제1 인공신경망이, 사용자의 연령, 사용자의 현재 키, 사용자의 현재 몸무게, 사용자의 현재 체질량 지수, 사용자의 현재 머리 둘레, 사용자의 수면 시간, 및 사용자의 활동 시간을 고려하여, 영양소 별 사용자의 필요 수준에 대한 정보를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
학습 장치는 상술한 제1 인공신경망의 학습 과정을 반복함으로써, 제1 인공신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 사용자의 연령, 사용자의 현재 키, 사용자의 현재 몸무게, 사용자의 현재 체질량 지수, 사용자의 현재 머리 둘레, 사용자의 수면 시간, 및 사용자의 활동 시간을 고려하여, 영양소 별 사용자의 필요 수준을 예측 출력하는 인공신경망을 학습시킬 수 있다.
즉, 학습 장치는 사용자의 연령, 사용자의 현재 키, 사용자의 현재 몸무게, 사용자의 현재 체질량 지수, 사용자의 현재 머리 둘레, 사용자의 수면 시간, 및 사용자의 활동 시간을 고려하여, 영양소 별 사용자의 필요 수준을 출력할 때, 제1 보상, 제2 보상, 제3 보상, 제4 보상, 제5 보상, 제6 보상, 제7 보상, 제8 보상, 제9 보상, 제10 보상, 제11 보상, 제12 보상, 제13 보상 및 제14 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공신경망을 학습시킬 수 있다.
S504 단계에서, 장치(200)는 제1 출력 신호에 기초하여, 사용자에 대응하는 영양소 별 사용자의 필요 수준을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 연령, 사용자의 현재 성장 데이터, 사용자의 활동 수준을 기초로, 제1 입력 신호를 생성하고, 생성된 제1 입력 신호를 사용자의 현재 성장 데이터에서 사용자의 연령에 맞는 성장 데이터까지 도달하기 위해 영양소 별로 필요한 수준을 예측하는 제1 인공신경망에 적용하여 제1 출력 신호를 생성할 수 있다. 또한, 장치(200)는 생성된 제1 출력 신호를 기초로, 사용자에 대응하는 영양소 별 사용자의 필요 수준을 확인할 수 있다.
S505 단계에서, 장치(200)는 사용자의 단말(100)로부터 제1 기간 동안 사용자의 섭취 식단을 획득할 수 있다. 이때, 제1 기간은 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 미리 설정된 제1 기간 동안 사용자가 섭취한 식단인 섭취 식단을 획득할 수 있다. 이때, 섭취 식단에는 사용자가 섭취한 음식에 대한 정보가 포함될 수 있으며, 음식에 대한 정보에는 음식의 명칭, 음식의 개수, 음식의 중량, 크기 중 적어도 하나를 포함하는 음식의 양 등이 포함될 수 있다.
S506 단계에서, 장치(200)는 사용자의 섭취 식단을 기초로, 영양소 별 사용자가 현재 섭취중인 수준인 섭취 수준을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자가 제1 기간동안 섭취한 사용자의 섭취 식단을 획득할 수 있고, 획득한 사용자의 섭취 식단을 기초로, 영양소 별 사용자가 현재 섭취중인 수준인 섭취 수준을 확인할 수 있다. 이때, 장치(200)는 섭취 식단을 통해 영양소 별 섭취 수준을 확인하기 위해 음식 - 영양소 데이터베이스를 구비하거나, 별개의 음식 - 영양소 데이터베이스와 유무선으로 통신할 수 있으며, 음식 - 영양소 데이터베이스에는 음식에 함유된 영양소 및 해당 영양소가 해당 음식에 얼마나 함유되어 있는지에 대한 정보가 저장되어 있을 수 있다.
또한, 장치(200)는 사용자의 섭취 식단 및 음식 - 영양소 데이터베이스를 통해 영양소 별 사용자가 현재 섭취중인 수준인 섭취 수준을 확인할 수 있다.
S507 단계에서, 장치(200)는 영양소에 대응하여 필요 수준 및 섭취 수준을 비교하여 섭취 수준이 필요 수준보다 적은 영양소를 부족 영양소로 확인할 수 있다.
구체적으로, 장치(200)는 제1 인공신경망을 통해 영양소 별로 사용자의 필요 수준을 확인할 수 있고, 사용자의 섭취 식단을 통해 영양소 별로 사용자의 섭취 수준을 확인할 수 있으며, 영양소에 대응하여 필요 수준 및 섭취 수준을 비교하여 섭취 수준이 필요 수준보다 적은 영양소를 부족 영양소로 확인할 수 있다.
한편, 장치(200)는 섭취 수준이 필요 수준보다 적은 영양소가 없다고 확인되면, 사용자의 단말(100)로 보충 권유 식품을 추천하지 않을 수 있다.
S508 단계에서, 장치(200)는 부족 영양소에 매칭된 식품을 보충 권유 식품으로 확인하고, 사용자의 단말(100)로 보충 권유 식품을 추천할 수 있다.
구체적으로, 장치(200)는 영양소 별로 섭취 수준과 필요 수준을 비교하여, 섭취 수준이 필요 수준 보다 적은 영양소를 부족 영양소로 확인할 수 있고, 부족 영양소가 확인되면, 영양소 - 보충 권유 식품 데이터베이스를 통해 부족 영양소를 추가로 보충할 수 있는 보충 권유 식품을 확인하여 사용자의 단말(100)로 보충 권유 식품을 추천할 수 있다. 이때, 장치(200)는 영양소 - 보충 권유 식품 데이터베이스를 구비하거나, 별개의 영양소 - 보충 권유 식품 데이터베이스와 유무선으로 통신할 수 있으며, 영양소 - 보충 권유 식품 데이터베이스에는 영양소에 대응하여 해당 영양소를 보충할 수 있는 식품이 매칭되어 있을 수 있다. 이때, 보충 권유 식품은 영양제를 포함하는 건강기능식품일 수 있고, 식단에 포함될 수 있는 음식일 수도 있다.
이로 인해, 장치(200)는 사용자의 성장 속도가 기준 보다 낮다고 확인되면, 사용자에게 부족한 영양소 즉, 사용자가 추가로 섭취할 필요가 있는 영양소를 확인하여 해당 영양소가 보충될 수 있도록 보충 권유 식품을 추천할 수 있다.
한편, 장치(200)는 사용자의 단말(100)로 사용자 맞춤형 의료 가이드 정보를 제공하는 과정에서 사용자의 가족 데이터를 통해 가족 단위로 건강 관리에 필요한 의료 가이드를 제공할 수 있다.
도 6은 일실시예에 따른 가족 데이터를 통해 사용자의 가족에게 건강 관리에 필요한 의료 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 6을 참조하면, 먼저 S601 단계에서, 장치(200)는 사용자의 가족 데이터를 기초로, 가족 구성원의 질병 이력, 가족 구성원의 약물 복용 이력을 포함하는 가족의 병력을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 정보 및 사용자의 건강 데이터를 장치(200)에 구비된 데이터베이스에 저장하는 과정에서, 사용자의 가족 데이터를 확인하고 사용자의 가족 데이터에 매칭하여 사용자의 정보 및 사용자의 건강 데이터를 저장할 수 있으며, 장치(200)는 사용자의 가족 데이터를 기초로, 가족 데이터에 저장된 가족 구성원의 건강 데이터를 획득할 수 있고, 가족 구성원의 건강 데이터를 통해 가족 구성원의 질병 이력, 가족 구성원의 약물 복용 이력을 포함하는 가족의 병력을 확인할 수 있다. 여기서, 가족 구성원은 사용자를 포함하여 사용자와 가족인 복수의 사용자를 의미할 수 있다.
S602 단계에서, 장치(200)는 사용자의 가족 데이터를 기초로, 가족의 식사 패턴 및 가족의 수면 패턴을 포함하는 가족의 생활 패턴을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자의 정보를 획득하는 과정에서 사용자의 식단, 식사 시간을 포함하는 식사 패턴 및 사용자의 수면 시간을 포함하는 사용자의 수면 패턴을 추가로 획득할 수 있고, 획득한 식사 패턴 및 수면 패턴을 가족 데이터에 저장할 수 있다. 이때, 장치(200)는 가족 구성원 모두의 식사 패턴이 동일하다고 확인되면 해당 식사 패턴을 가족의 식사 패턴으로 선정할 수 있고, 가족 구성원 중 식사 패턴이 다른 가족 구성원이 있다고 확인되면, 중복으로 포함된 식단 및 중복으로 포함된 식사 시간을 가족의 식사 패턴으로 선정할 수 있다. 또한, 장치(200)는 가족 구성원 모두의 수면 패턴이 동일하다고 확인되면 해당 수면 패턴을 가족의 수면 패턴으로 선정할 수 있고, 가족 구성원 중 수면 패턴이 다른 가족 구성원이 있다고 확인되면, 각 가족 구성원으로부터 획득한 수면 시간의 평균 값을 산출하여 평균 수면 시간을 생성할 수 있고 생성된 평균 수면 시간을 가족의 수면 패턴으로 선정할 수 있다.
S603 단계에서, 장치(200)는 가족의 병력, 가족의 생활 패턴을 기초로, 제2 입력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 가족의 병력, 가족의 생활 패턴을 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 병력, 생활 패턴은 인공신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.
S604 단계에서, 장치(200)는 제2 입력 신호를 제2 인공신경망에 적용하여 제2 출력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 제2 인공신경망을 포함하거나, 별개의 제2 인공신경망과 유무선으로 통신할 수 있으며, 여기서, 제2 인공신경망은 가족의 병력, 가족의 생활 패턴을 입력하면, 가족에게 발생할 수 있는 예상 질병을 예측하는 알고리즘일 수 있다.
즉, 제2 인공신경망은 병력, 생활 패턴을 고려하여, 발생 가능한 질병을 예측 및 출력할 수 있다.
제2 인공신경망의 학습이 이루어지는 학습 장치는 학습된 제2 인공신경망을 이용하여 예상 질병을 생성하는 장치(200)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다.
학습 장치는 제 인공신경망에 입력을 적용할 수 있다. 제2 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제2 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 제2 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, A 보상은 질병 이력에 따라 적합한 예상 질병을 선정할수록 보상 값이 높아질 수 있고, B 보상은 약물 복용 이력에 따라 적합한 예상 질병을 선정할수록 보상 값이 높아질 수 있고, C 보상은 식사 패턴에 따라 적합한 예상 질병을 선정할수록 보상 값이 높아질 수 있고, D 보상은 수면 패턴에 따라 적합한 예상 질병을 선정할수록 보상 값이 높아질 수 있으며, E 보상은 질병 이력에 따라 적합하지 않은 예상 질병을 선정하지 않을수록 보상값이 높아질 수 있고, F 보상은 약물 복용 이력에 따라 적합하지 않은 예상 질병을 선정하지 않을수록 보상 값이 높아질 수 있고, G 보상은 식사 패턴에 따라 적합하지 않은 예상 질병을 선정하지 않을수록 보상 값이 높아질 수 있고, H 보상은 수면 패턴에 따라 적합하지 않은 예상 질병을 선정하지 않을수록 보상 값이 높아질 수 있다.
학습 장치는 제2 인공신경망으로부터 출력을 획득할 수 있다. 제2 인공신경망의 출력은, 가족의 병력, 가족의 생활 패턴에 따른 가족에게 발행할 수 있는 예상 질병일 수 있다. 이때, 제2 인공신경망은 질병 이력, 약물 복용 이력, 식사 패턴, 수면 패턴을 고려하여, 발생 가능한 예상 질병을 분석 및 예측할 수 있으며, 예측한 예상 질병을 출력할 수 있다.
학습 장치는 제2 인공신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 A 보상, B 보상, C 보상, D 보상, E 보상, F 보상, G 보상, 및 H 보상 등으로 나뉠 수 있다.
구체적으로, 학습 장치는 질병 이력에 따라 적합한 예상 질병을 출력하면 A 보상을 많이 수여하고, 약물 복용 이력에 따라 적합한 예상 질병을 출력하면 B 보상을 많이 수여하고, 식사 패턴에 따라 적합한 예상 질병을 출력하면 C 보상을 많이 수여하고, 수면 패턴에 따라 적합한 예상 질병을 출력하면 D 보상을 많이 수여하고, 질병 이력에 따라 적합하지 않은 예상 질병을 출력하지 않으면 E 보상을 많이 수여하고, 약물 복용 이력에 따라 적합하지 않은 예상 질병을 출력하지 않으면 F 보상을 많이 수여하고, 식사 패턴에 따라 적합하지 않은 예상 질병을 출력하지 않으면 G 보상을 많이 수여하고, 수면 패턴에 따라 적합하지 않은 예상 질병을 출력하지 않으면 H 보상을 많이 수여할 수 있다.
학습 장치는 평가를 기초로 제2 인공신경망을 갱신할 수 있다.
구체적으로, 학습 장치는 제2 인공신경망이, 질병 이력, 약물 복용 이력, 식사 패턴, 수면 패턴을 고려하여, 발생 가능한 예상 질병에 대한 정보를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
학습 장치는 상술한 제2 인공신경망의 학습 과정을 반복함으로써, 제2 인공신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 질병 이력, 약물 복용 이력, 식사 패턴, 수면 패턴을 고려하여, 발생 가능한 예상 질병을 예측 출력하는 인공신경망을 학습시킬 수 있다.
즉, 학습 장치는 질병 이력, 약물 복용 이력, 식사 패턴, 수면 패턴을 고려하여, 발생 가능한 예상 질병을 출력할 때, A 보상, B 보상, C 보상, D 보상, E 보상, F 보상, G 보상, 및 H 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제2 인공신경망을 학습시킬 수 있다.
S605 단계에서, 장치(200)는 제2 출력 신호에 기초하여 가족에게 발생할 수 있는 예상 질병을 예측할 수 있다.
구체적으로, 장치(200)는 가족의 병력, 가족의 생활 패턴을 기초로, 제2 입력 신호를 생성하고, 생성된 제2 입력 신호를 가족에게 발생할 수 있는 예상 질병을 예측하는 제2 인공신경망에 적용하여 제2 출력 신호를 생성할 수 있다. 또한, 장치(200)는 생성된 제2 출력 신호를 기초로, 가족에게 발생할 수 있는 예상 질병을 확인할 수 있다.
S606 단계에서, 장치(200)는 예상 질병에 매칭된 예방 식단 및 예방 운동을 확인하고, 사용자의 단말(100) 및 사용자와 매칭된 가족의 단말로 예방 식단 및 예방 운동을 제공할 수 있다.
구체적으로, 장치(200)는 질병 - 예방 습관 데이터베이스를 구비할 수 있으며, 이때, 예방 습관에는 해당 질병을 예방할 수 있는 식단인 예방 식단 및 해당 질병을 예방할 수 있는 운동인 예방 운동이 포함될 수 있다. 예를 들어, 질병 - 예방 습관 데이터베이스에는 간 질병과 매칭하여 예방 식단으로 부추, 양송이 버섯, 쑥 등이 매칭되어 있을 수 있고, 위 질병과 매칭하여 예방 식단으로 양배추, 감자 등이 매칭되어 있을 수 있고, 심혈관 질병과 매칭하여 예방 운동으로 유산소 운동 등이 매칭되어 있을 수 있고, 관절 질병과 매칭하여 예방 운동으로 수중 운동, 유연성 운동 등이 매칭되어 있을 수 있고, 정신 질병과 매칭하여 예방 운동으로 요가, 명상 등이 매칭되어 있을 수 있다. 한편, 이에 한정되는 것은 아니고, 실시 예가 증가함에 따라 질병 - 예방 습관 데이터베이스에 매칭된 질병과 예방 습관은 증가될 수 있다.
즉, 장치(200)는 제2 인공신경망을 통해 가족에게 발생할 수 있는 예상 질병을 확인할 수 있고, 질병 - 예방 습관 데이터베이스를 통해 해당 예상 질병과 매칭된 예방 식단 및 예방 운동을 확인하여 사용자의 단말(100) 및 사용자와 매칭된 가족의 단말 즉, 가족 구성원의 단말로 예방 식단 및 예방 운동을 제공할 수 있다.
이로 인해, 장치(200)는 가족의 병력과 가족의 생활 패턴을 통해 가족에게 발생할 수 있는 예상 질병을 예측하고, 해당 예상 질병에 대한 예방 습관을 가족 모두에게 제공함으로써 가족은 예상 질병에 걸리지 않도록 건강을 관리할 수 있다.
한편, 장치(200)는 사용자의 단말(100)로부터 예방 식단을 섭취하겠다는 메시지를 수신할 수 있고, 예방 식단의 식재료를 확인하여 사용자의 주소로 배송할 수도 있다.
도 7은 일실시예에 따른 예방 식단의 식재료를 사용자의 주소로 배송하는 과정을 설명하기 위한 순서도이다.
도 7을 참조하면, 먼저, S701 단계에서, 장치(200)는 사용자의 단말(100)로부터 예방 식단을 섭취하겠다는 메시지 및 섭취 횟수를 수신할 수 있다.
구체적으로, 사용자는 사용자의 단말(100)을 통해 장치(200)로부터 제공된 예상 질병을 예방할 수 있는 예방 식단을 확인할 수 있고, 사용자는 예방 식단을 섭취하고자 하는 경우, 사용자의 단말(100)을 통해 장치(200)로 예방 식단을 섭취하겠다는 메시지 및 예방 식단을 몇 회 섭취할 것인지 섭취 횟수를 전송할 수 있다. 이로 인해, 장치(200)는 사용자의 단말(100)로부터 예방 식단을 섭취하겠다는 메시지 및 섭취 횟수를 수신할 수 있다.
S702 단계에서, 장치(200)는 예방 식단에 필요한 식재료 및 식재료의 수량을 파악하여 식재료가 사용자의 주소로 배송되도록 제어할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 예방 식단을 섭취하겠다는 메시지 및 섭취 횟수를 수신하면 예방 식단에 필요한 식재료를 확인할 수 있다. 이때, 장치(200)는 예방 식단에 필요한 식재료를 확인하기 위해 장치(200)와 유무선으로 통신하는 웹 사이트를 통해 해당 예방 식단을 검색할 수 있고, 검색 결과, 예방 식단에 대한 레시피를 획득할 수 있다. 장치(200)는 획득한 레시피를 기초로, 예방 식단에 필요한 식재료를 확인할 수 있다.
또한, 장치(200)는 사용자의 식사 패턴을 통해 사용자와 함께 해당 예방 식단을 섭취할 식사 인원을 파악할 수 있고, 파악된 식사 인원 및 예방 식단에 필요한 식재료를 기초로 식재료의 수량을 파악할 수 있다. 이때, 식재료의 수량을 파악하는 과정은 도 8을 참조하여 추가 설명하기로 한다.
또한, 장치(200)는 확인된 예방 식단에 필요한 식재료 및 식재료의 수량을 기초로, 식재료가 사용자의 주소로 배송되도록 제어할 수 있다. 이때, 장치(200)는 식재료 판매 사이트와 유무선으로 통신할 수 있으며, 식재료 판매 사이트를 통해 식재료가 사용자의 주소로 배송되도록 제어할 수 있다. 여기서, 장치(200)는 식재료 판매 사이트를 통해 식재료가 사용자의 주소로 배송되도록 제어하기 위해, 사용자의 단말(100)로부터 결제 수단을 획득하는 과정, 식재료 판매 사이트를 통해 식재료를 구매하는 과정, 식재료가 사용자의 주소로 배송되도록 식재료 판매 사이트에 사용자의 주소를 제공하는 과정을 더 수행할 수 있고, 이와 관련된 과정은 본문에 구체적으로 작성하지 않았지만 통상적으로 사용되는 상품을 판매하여 배송하는 과정과 동일한 형태로 수행될 수 있다.
이로 인해, 사용자는 편리하게 예방 식단을 섭취할 수 있다.
도 8은 일실시예에 따른 식재료의 수량을 파악하는 과정을 설명하기 위한 순서도이다.
도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 가족의 식사 패턴을 통해 가족의 식사 시간을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 가족 데이터에 저장된 가족의 식사 패턴을 확인할 수 있고, 가족의 식사 패턴을 통해 가족의 식사 시간을 확인할 수 있다.
S802 단계에서, 장치(200)는 가족의 식사 시간을 기초로, 사용자의 주소에 설치된 기기로부터 인식된 단말의 개수를 획득할 수 있다. 이때, 장치(200)는 사용자의 주소에 설치된 기기와 유무선으로 통신할 수 있으며, 사용자의 주소에 설치된 기기는 와이파이 기기일 수 있고, 그 외의 사용자의 주소에 설치된 기기일 수도 있다. 또한, 사용자의 주소에 설치된 기기는 미리 설정된 범위 내에 있는 단말을 인식할 수 있으며, 사용자의 주소에 설치된 기기는 인식된 단말의 개수를 장치(200)로 전송할 수 있다.
구체적으로, 장치(200)는 가족의 식사 시간을 확인하여 사용자의 주소에 설치된 기기로부터 가족의 식사 시간 내에 인식된 단말의 개수를 획득할 수 있다. 즉, 장치(200)는 사용자의 주소에 설치된 기기로부터 가족의 식사 시간 내에 사용자의 주소에 위치한 단말의 개수를 획득할 수 있다.
S803 단계에서, 장치(200)는 단말의 개수를 기초로, 식사 인원을 파악할 수 있다.
구체적으로, 장치(200)는 사용자의 주소에 설치된 기기로부터 가족의 식사 시간 내에 사용자의 주소에 위치한 단말의 개수를 획득할 수 있고, 획득한 단말의 개수를 기초로, 식사 인원을 파악할 수 있다.
예를 들어, 장치(200)는 사용자의 주소에 설치된 기기로부터 가족의 식사 시간 내에 인식된 단말의 개수로 5개를 획득하면, 장치(200)는 인식된 단말의 개수를 통해 식사 인원을 5명으로 파악할 수 있다.
S804 단계에서, 장치(200)는 섭취 횟수 및 식사 인원을 기초로, 예방 식단에 필요한 식재료의 수량을 파악할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)로부터 수신한 섭취 횟수 및 사용자의 주소에 설치된 기기를 통해 인식된 단말의 개수를 기초로 파악된 식사 인원을 기초로, 예방 식단에 필요한 식재료의 수량을 파악할 수 있다.
즉, 장치(200)는 웹 사이트를 통해 획득한 예방 식단에 대한 레시피, 섭취 횟수 및 식사 인원을 통해 예방 식단에 필요한 식재료의 수량을 파악할 수 있다.
이로 인해, 장치(200)는 식사 시간 내에 사용자의 주소에 포함된 단말의 개수를 기초로 예방 식단을 섭취할 인원을 쉽게 파악할 수 있고, 파악된 인원을 기초로, 식재료의 수량을 파악하여 사용자의 주소로 식재료가 배송되도록 제어할 수 있다.
도 9는 일실시예에 따른 가족 구성원이 섭취하고 있는 건강기능식품을 확인하여 건강기능식품을 추천하는 과정을 설명하기 위한 순서도이다.
도 9를 참조하면, 먼저, S901 단계에서, 장치(200)는 사용자의 가족 데이터를 기초로, 가족 구성원이 섭취하고 있는 건강기능식품을 섭취 건강기능식품으로 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(100)을 통해 사용자의 정보를 획득하는 과정에서 사용자가 섭취하고 있는 건강기능식품의 정보를 추가로 획득할 수 있으며, 이때, 건강기능식품의 정보는 건강기능식품의 명칭, 건강기능식품의 제조 기업, 건강기능식품의 기능, 건강기능식품의 성분 등이 포함될 수 있다.
또한, 장치(200)는 사용자의 단말(100)을 통해 획득한 사용자가 섭취하고 있는 건강기능식품의 정보를 사용자의 가족 데이터에 매칭하여 저장할 수 있고, 장치(200)는 사용자의 가족 데이터에 매칭하여 저장된 가족 구성원이 섭취하고 있는 건강기능식품을 섭취 건강기능식품으로 확인할 수 있다.
S902 단계에서, 장치(200)는 섭취 건강기능식품에 대응하여 제조 기업을 확인할 수 있다.
구체적으로, 장치(200)는 가족 구성원이 섭취하고 있는 섭취 건강기능식품에 대응하여 해당 섭취 건강기능식품의 제조 기업을 확인할 수 있다.
S903 단계에서, 장치(200)는 제조 기업 중 가장 많이 포함된 제조 기업을 선호 제조 기업으로 확인할 수 있다.
구체적으로, 장치(200)는 가족 구성원이 섭취하고 있는 섭취 건강기능식품에 대응하여 섭취 건강기능식품의 제조 기업을 확인할 수 있고, 확인된 제조 기업을 기초로, 가장 많이 포함된 제조 기업을 선호 제조 기업으로 확인할 수 있다.
S904 단계에서, 장치(200)는 섭취 건강기능식품 중 선호 제조 기업에서 제조되지 않은 식품을 고려 건강기능식품으로 선정할 수 있다.
구체적으로, 장치(200)는 섭취 건강기능식품의 제조 기업을 확인하여 가장 많이 포함된 제조 기업을 선호 제조 기업으로 확인할 수 있고, 섭취 건강기능식품 중 선호 제조 기업에서 제조되지 않은 식품을 고려 건강기능식품으로 선정할 수 있다.
S905 단계에서, 장치(200)는 고려 건강기능식품의 기능을 확인하여 선호 제조 기업에서 판매되는 식품 중 고려 건강기능식품과 동일한 기능의 건강기능식품을 추천 건강기능식품으로 선정할 수 있다.
구체적으로, 장치(200)는 사용자의 가족 데이터에 저장된 고려 건강기능식품의 정보를 확인하여 고려 건강기능식품의 기능을 확인할 수 있고, 장치(200)는 장치(200)와 유무선으로 통신하는 웹 사이트를 통해 선호 제조 기업의 판매 사이트에 접속할 수 있고, 선호 제조 기업의 판매 사이트를 통해 고려 건강기능식품의 기능과 동일한 기능의 건강기능식품을 확인하여 추천 건강기능식품으로 선정할 수 있고, 선호 제조 기업의 판매 사이트에서 추천 건강기능식품에 대한 정보를 획득할 수 있다. 이때, 추천 건강기능식품에 대한 정보는 추천 건강기능식품의 명칭, 추천 건강기능식품의 가격, 추천 건강기능식품의 기능, 추천 건강기능식품의 성분, 추천 건강기능식품의 판매 링크 등이 포함될 수 있다.
S906 단계에서, 장치(200)는 사용자의 단말(100)로 추천 건강기능식품에 대한 정보를 제공할 수 있다.
구체적으로, 장치(200)는 선호 제조 기업의 판매 사이트를 통해 고려 건강기능식품과 동일한 기능의 건강기능식품을 추천 건강기능식품으로 선정할 수 있고, 선정된 추천 건강기능식품에 대한 정보를 획득할 수 있다. 또한, 장치(200)는 획득한 추천 건강기능식품에 대한 정보를 사용자의 단말(100)로 제공할 수 있다.
이로 인해, 장치(200)는 사용자에게 사용자의 가족 구성원의 건강기능식품을 동일 기업의 식품으로 구매하도록 유도할 수 있고, 사용자는 고려 건강기능식품을 선호 제조 기업의 식품을 구매함으로써 가격적인 효과, 영양 균형적인 효과를 얻을 수 있다.
한편, 장치(200)는 가족의 건강 데이터를 기초로, 가족 구성원이 섭취하고 있는 건강기능식품인 섭취 건강기능식품을 확인할 수 있고, 또한 섭취 건강기능식품의 성분을 확인할 수 있으며, 장치(200)는 섭취 건강기능식품의 성분을 기초로, 섭취 건강기능식품 중 병용금기 식품이 있는지 여부를 확인하고, 병용금기 식품이 있는 것에 기반하여, 해당 병용금기 식품을 섭취하는 가족 구성원의 단말로 병용금기 식품을 섭취할 때 다른 병용금기 식품을 섭취하지 않도록 주의하라는 알림을 제공할 수 있다. 이때, 장치(200)는 섭취 건강기능식품 중 병용금기 식품이 있는지 여부를 확인하기 위해, 병용금기 성분 데이터베이스를 구비하거나, 별개의 병용금기 성분 데이터베이스와 유무선으로 통신할 수 있으며, 병용금기 성분 데이터베이스를 통해 가족 구성원이 섭취하고 있는 섭취 건강기능식품의 성분 중 병용금기 성분이 있는지 여부를 확인할 수 있다. 장치(200)는 섭취 건강기능식품의 성분 중 병용금기 성분이 있는지 여부를 확인한 결과, 가족 구성원이 섭취하고 있는 섭취 건강기능식품 중 병용금기 식품이 있는지 여부를 확인할 수 있다.
이로 인해, 가족 구성원은 건강기능식품을 안심하고 섭취할 수 있으며, 장치(200)를 통해 주의 알람을 받은 가족 구성원은 자신이 병용금기 식품을 섭취하는 것을 알 수 있어 더욱 주의하여 건강기능식품을 섭취할 수 있다.
도 10은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 개인 또는 단체는 도 1 내지 도 9를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
장치(200)는 인공신경망을 학습시키거나, 학습된 인공신경망을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공신경망을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공신경망을 학습시키는 장치(200)와 학습된 인공신경망을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 장치에 의해 수행되는, 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법에 있어서,
사용자의 단말로부터 상기 사용자의 이름, 상기 사용자의 생년월일, 상기 사용자의 성별, 상기 사용자의 주소, 상기 사용자의 가족 정보를 포함하는 상기 사용자의 정보를 획득하는 단계;
상기 사용자의 정보를 기초로, 건강 관련 기관으로부터 상기 사용자의 건강 데이터를 획득하는 단계;
상기 사용자의 가족 정보를 기초로, 데이터베이스에 저장된 상기 사용자의 가족 정보와 대응하는 가족 데이터를 확인하고, 상기 사용자의 가족 데이터에 상기 사용자의 정보 및 상기 사용자의 건강 데이터를 매칭하여 저장하는 단계;
상기 사용자의 정보, 상기 사용자의 건강 데이터 및 상기 사용자의 가족 데이터를 기초로, 상기 사용자의 단말로 사용자 맞춤형 의료 가이드 정보를 제공하는 단계를 포함하고,
상기 사용자의 생년월일을 통해 상기 사용자의 연령을 산출하는 단계; 및
상기 사용자의 연령을 기초로, 상기 사용자가 영아기, 유아기, 아동기 중 하나에 포함된다고 확인되면, 상기 사용자 맞춤형 의료 가이드 정보로 상기 사용자의 성장 가이드를 제공하는 단계를 더 포함하고,
상기 사용자의 가족 데이터를 기초로, 가족 구성원이 섭취하고 있는 건강기능식품을 섭취 건강기능식품으로 확인하는 단계;
상기 섭취 건강기능식품에 대응하는 제조 기업을 확인하는 단계;
상기 확인된 제조 기업 중 가장 많이 포함된 제조 기업을 선호 제조 기업으로 확인하는 단계;
상기 섭취 건강기능식품 중 상기 선호 제조 기업에서 제조되지 않은 식품을 고려 건강기능식품으로 선정하는 단계;
상기 고려 건강기능식품의 기능을 확인하여, 상기 선호 제조 기업에서 판매되는 식품 중 상기 고려 건강기능식품과 동일한 기능의 건강기능식품을 추천 건강기능식품으로 선정하는 단계; 및
상기 사용자의 단말로 상기 추천 건강기능식품에 대한 정보를 제공하는 단계;를 더 포함하고,
상기 사용자의 가족 데이터를 기초로, 가족 구성원이 섭취하고 있는 건강기능식품인 섭취 건강기능식품을 확인하는 단계;
상기 섭취 건강기능식품의 성분을 확인하는 단계;
섭취 건강기능식품 중 병용금기 식품이 있는 것에 기반하여, 해당 병용금기 식품을 섭취하는 가족 구성원의 단말로 병용금기 식품을 섭취할 때 다른 병용금기 식품을 섭취하지 않도록 주의하라는 알림을 제공하는 단계를 더 포함하고,
상기 사용자의 성장 가이드를 제공하는 단계는,
건강 관련 기관으로부터 연령 별 예방 접종을 획득하는 동작,
상기 사용자의 연령 및 상기 연령 별 예방 접종을 기초로, 상기 사용자의 단말로 예방 접종 알림을 제공하는 동작,
상기 사용자의 건강 데이터를 통해 상기 사용자의 현재 성장 데이터를 획득하는 동작,
통계청 데이터베이스를 통해 상기 사용자의 연령과 동일한 연령의 평균 성장 데이터를 획득하는 동작,
상기 사용자의 현재 성장 데이터 및 상기 평균 성장 데이터를 비교하여 상기 사용자의 성장 속도를 생성하는 동작,
상기 사용자의 단말로 상기 사용자의 성장 속도를 제공하는 동작,
상기 사용자의 성장 속도가 미리 설정된 기준보다 낮은 것에 기반하여, 상기 사용자의 단말로 보충 권유 식품을 추천하는 동작을 포함하고,
상기 사용자의 단말로 상기 보충 권유 식품을 추천하는 동작은,
상기 사용자의 단말로부터 상기 사용자의 수면 시간, 상기 사용자의 활동 시간을 획득하고, 상기 사용자의 수면 시간 및 상기 사용자의 활동 시간을 기초로, 상기 사용자의 활동 수준을 생성하는 동작,
상기 사용자의 연령, 상기 사용자의 현재 성장 데이터, 상기 사용자의 활동 수준을 기초로, 제1 입력 신호를 생성하는 동작,
상기 제1 입력 신호를 제1 인공 신경망에 적용하여 제1 출력 신호를 생성하는 동작,
상기 제1 출력 신호에 기초하여, 상기 사용자에 대응하는 영양소 별 상기 사용자의 필요 수준을 확인하는 동작,
상기 사용자의 단말로부터 미리 설정된 제1 기간동안 상기 사용자의 섭취 식단을 획득하는 동작,
상기 사용자의 섭취 식단을 기초로, 영양소 별 상기 사용자가 현재 섭취중인 수준인 섭취 수준을 확인하는 동작,
영양소에 대응하여 상기 사용자의 필요 수준 및 상기 사용자의 섭취 수준을 비교하고, 상기 사용자의 섭취 수준이 상기 사용자의 필요 수준보다 적은 영양소를 부족 영양소로 확인하는 동작, 및
상기 부족 영양소에 매칭된 식품을 보충 권유 식품으로 확인하고, 상기 사용자의 단말로 상기 보충 권유 식품을 추천하는 동작을 포함하는,
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법. - 삭제
- 제1항에 있어서,
상기 사용자의 정보, 상기 사용자의 건강 데이터 및 상기 사용자의 가족 데이터를 기초로, 상기 사용자의 단말로 사용자 맞춤형 의료 가이드 정보를 제공하는 단계는,
상기 사용자의 가족 데이터를 기초로, 가족 구성원의 질병 이력, 상기 가족 구성원의 약물 복용 이력을 포함하는 상기 가족 구성원의 병력을 확인하는 동작,
상기 사용자의 가족 데이터를 기초로, 상기 가족의 식사 패턴 및 상기 가족의 수면 패턴을 포함하는 상기 가족의 생활 패턴을 확인하는 동작,
상기 가족의 병력, 상기 가족의 생활 패턴을 기초로, 제2 입력 신호를 생성하는 동작,
상기 제2 입력 신호를 제2 인공신경망에 적용하여, 제2 출력 신호를 획득하는 동작,
상기 제2 출력 신호에 기초하여 상기 사용자의 가족에게 발생할 수 있는 예상 질병을 예측하는 동작,
상기 예상 질병에 매칭된 예방 식단 및 예방 운동을 확인하고, 상기 사용자의 단말 및 상기 사용자와 매칭된 가족의 단말로 상기 예방 식단 및 예방 운동을 제공하는 동작을 포함하는,
개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230161412A KR102639285B1 (ko) | 2023-11-20 | 2023-11-20 | 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230161412A KR102639285B1 (ko) | 2023-11-20 | 2023-11-20 | 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102639285B1 true KR102639285B1 (ko) | 2024-02-21 |
Family
ID=90052635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230161412A KR102639285B1 (ko) | 2023-11-20 | 2023-11-20 | 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102639285B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101284882B1 (ko) | 2011-11-28 | 2013-07-12 | 가천대학교 산학협력단 | 의료정보 연동을 통한 혈당 관리 어플리케이션 서비스 시스템 및 그 방법 |
| KR101512308B1 (ko) | 2008-03-03 | 2015-04-15 | 건국대학교 산학협력단 | 지능형 개인 맞춤 건강관리 기록시스템 |
| KR102080534B1 (ko) | 2018-12-05 | 2020-02-25 | 주식회사 헬스브릿지 | 맞춤형 건강관리 서비스 시스템 |
| KR20210109912A (ko) * | 2020-02-28 | 2021-09-07 | 고신대학교 산학협력단 | 소아청소년을 위한 개인 맞춤 식단 제공 시스템 및 이를 이용한 개인 맞춤 식단 제공 방법 |
| KR20210116039A (ko) * | 2020-03-17 | 2021-09-27 | 박종선 | 인공지능 기반 맞춤형 생활건강 정보제공시스템 및 인공지능 기반 맞춤형 생활건강 정보제공방법 |
| KR102472889B1 (ko) | 2020-09-29 | 2022-12-01 | 주식회사 셀바스에이아이 | 건강검진 정보를 이용한 건강 관리 방법 및 서버 |
| KR20230109068A (ko) * | 2022-01-12 | 2023-07-19 | 주식회사 에이치디메디 | 인공지능 모델을 이용한 사용자 맞춤형 질병 예측 시스템 및 방법 |
-
2023
- 2023-11-20 KR KR1020230161412A patent/KR102639285B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101512308B1 (ko) | 2008-03-03 | 2015-04-15 | 건국대학교 산학협력단 | 지능형 개인 맞춤 건강관리 기록시스템 |
| KR101284882B1 (ko) | 2011-11-28 | 2013-07-12 | 가천대학교 산학협력단 | 의료정보 연동을 통한 혈당 관리 어플리케이션 서비스 시스템 및 그 방법 |
| KR102080534B1 (ko) | 2018-12-05 | 2020-02-25 | 주식회사 헬스브릿지 | 맞춤형 건강관리 서비스 시스템 |
| KR20210109912A (ko) * | 2020-02-28 | 2021-09-07 | 고신대학교 산학협력단 | 소아청소년을 위한 개인 맞춤 식단 제공 시스템 및 이를 이용한 개인 맞춤 식단 제공 방법 |
| KR20210116039A (ko) * | 2020-03-17 | 2021-09-27 | 박종선 | 인공지능 기반 맞춤형 생활건강 정보제공시스템 및 인공지능 기반 맞춤형 생활건강 정보제공방법 |
| KR102472889B1 (ko) | 2020-09-29 | 2022-12-01 | 주식회사 셀바스에이아이 | 건강검진 정보를 이용한 건강 관리 방법 및 서버 |
| KR20230109068A (ko) * | 2022-01-12 | 2023-07-19 | 주식회사 에이치디메디 | 인공지능 모델을 이용한 사용자 맞춤형 질병 예측 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Peer reviewed: agent-based modeling of chronic diseases: a narrative review and future research directions | |
| US20190159677A1 (en) | Systems, devices, and methods for analyzing and enhancing patient health | |
| US11765119B2 (en) | Systems and methods for facilitating trigger-associated user messaging | |
| Gadassi et al. | Perceived partner responsiveness mediates the association between sexual and marital satisfaction: A daily diary study in newlywed couples | |
| US20200279622A1 (en) | Systems and Methods for Collecting and Analyzing Comprehensive Medical Information | |
| JP2020091885A (ja) | ウェルネスタスクの生成、表示、追跡に係るシステム、方法、非一時的なマシン可読媒体 | |
| Knofczynski et al. | Sample sizes when using multiple linear regression for prediction | |
| US20120083669A1 (en) | Personal Nutrition and Wellness Advisor | |
| US20150088536A1 (en) | Healthcare system and method for adjusting a personalized care plan of a user | |
| US20160171180A1 (en) | Incentivized wellness behavior modification | |
| WO2014197741A2 (en) | System and method for managing behavior change applications for mobile users | |
| KR20200051290A (ko) | 요양병원추천시스템과 요양병원추천방법 및 이를 이용한 요양병원추천용 어플리케이션 | |
| KR20140124062A (ko) | 양방향 유비쿼터스 네트워크를 이용한 지능형 헬스케어 플랫폼을 포함하는 스마트 헬스 그리드 시스템 및 방법 | |
| Hägglund et al. | Theory testing of patient perspectives using a mobile health technology system in heart failure self-care | |
| Bandini et al. | Complexity in internal medicine wards: A novel screening method and implications for management | |
| Parvin et al. | Personalized real-time anomaly detection and health feedback for older adults | |
| US20220246296A1 (en) | Predicting adverse health events using a measure of adherence to a testing routine | |
| US20170162069A1 (en) | Scalable population health management tools for clinicians | |
| Hancı et al. | Measuring commitment to self-tracking: development of the C2ST scale | |
| KR102639285B1 (ko) | 개인화된 건강 데이터를 기초로 한 인공지능 모델 기반 사용자 맞춤형 의료 가이드 정보 제공 방법, 장치 및 시스템 | |
| KR102493770B1 (ko) | 환자 증상 평가 질문지 제공 방법, 장치 및 시스템 | |
| Nag et al. | Cybernetic health | |
| US20140046677A1 (en) | Streamlining input of exercise and nutrition logic using geographic information | |
| KR20230100770A (ko) | 개인건강정보(phr)에 기초한 개인 맞춤형 건강관리 솔루션 제공 시스템 | |
| KR20230149382A (ko) | 메타버스를 이용한 개인 건강관리 서비스 제공시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |