KR102650936B1 - 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 - Google Patents
정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 Download PDFInfo
- Publication number
- KR102650936B1 KR102650936B1 KR1020220177308A KR20220177308A KR102650936B1 KR 102650936 B1 KR102650936 B1 KR 102650936B1 KR 1020220177308 A KR1020220177308 A KR 1020220177308A KR 20220177308 A KR20220177308 A KR 20220177308A KR 102650936 B1 KR102650936 B1 KR 102650936B1
- Authority
- KR
- South Korea
- Prior art keywords
- mental health
- user
- information
- health risk
- signal detection
- Prior art date
Links
- 230000004630 mental health Effects 0.000 title claims abstract description 117
- 238000001514 detection method Methods 0.000 title claims abstract description 111
- 239000000090 biomarker Substances 0.000 claims abstract description 54
- 238000003745 diagnosis Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 22
- 238000002372 labelling Methods 0.000 claims description 20
- 238000013480 data collection Methods 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 18
- 230000007958 sleep Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 208000025721 COVID-19 Diseases 0.000 description 6
- 208000020016 psychiatric disease Diseases 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 208000019901 Anxiety disease Diseases 0.000 description 4
- 230000036506 anxiety Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 206010012335 Dependence Diseases 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009849 deactivation Effects 0.000 description 2
- 206010022437 insomnia Diseases 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 206010002869 Anxiety symptoms Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 208000011688 Generalised anxiety disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000029364 generalized anxiety disease Diseases 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Developmental Disabilities (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
사용자 단말기(센서가 있는 모든 디바이스, ex 스마트폰, 워치, 로봇 등)를 이용하여 측정 가능한 센서 정보(GPS/Gyro/Acce/Touch, Used Data, sleep mode 등을 통해 산출된 정보)인 디지털 바이오마커를 바탕으로 우울증 및 위급상황 등의 정신건강 위험신호를 탐지할 수 있는 시스템 및 방법을 개시한다. 본 발명의 시스템은 하나 이상의 사용자 단말부와 관리자 단말부; 그리고 사용자 데이터베이스와 사용자 진단부, 서버 통신부를 포함하는 서버부를 포함하고, 상기 사용자 데이터베이스는 한 명 이상의 사용자 각각에 대한 디지털 바이오마커 정보를 하나 이상 포함하는 개별 데이터베이스를 하나 이상 포함하며, 상기 사용자 진단부는 하나 이상의 탐지 모델과, 판단 프로그램을 포함하여, 정신건강의 위험신호를 탐지할 수 있다.
Description
본 발명은 우울증 및 위급상황 등의 정신건강 위험신호 탐지 시스템 및 방법에 대한 것으로, 보다 상세하게는 사용자 단말기(센서가 있는 모든 디바이스, ex 스마트폰, 워치, 로봇 등)를 이용하여 측정 가능한 센서 정보(GPS/Gyro/Acce/Touch, Used Data, sleep mode 등을 통해 산출된 정보)인 디지털 바이오마커를 바탕으로 우울증 및 위급상황 등의 정신건강 위험신호를 탐지할 수 있는 시스템 및 방법에 대한 것이다.
2019년 말 이래로 유행하는 코로나바이러스감염증-19(COVID-19, 이하 코로나19)로 인하여 사회적 거리두기 등의 방역수칙 준수가 강제됨에 따라 사람들의 정신적인 고통을 호소하는 경우가 늘어나고 있다. 특히 코로나와 우울감(Blue)이 합쳐진 코로나 블루, 짜증이나 분노(Red)가 합쳐져 만든 코로나 레드, 암담함(Black)이 합쳐져 만든 코로나 블랙과 같은 정신건강적 신조어들이 만들어져 크게 유행할 정도로 사람들의 정신건강에 안 좋은 방향으로 영향을 주고 있는 실정이다. 2021년의 연구결과에 따르면 코로나19 기간 동안 우울증이나 불안 증상을 경험한 비율이 53%에 이르렀고, 2021년 보건복지부 정신건강실태조사 결과 발표에 따르면 코로나19 발생 초기인 2020년 3월 대비 자살을 생각하는 사람 비율이 40% 증가하였으며, 5명 중 1명 꼴로 우울 위험군으로 조사되었다. 해외사례를 보면 코로나19 발병 이후 약 38.3%가 수면 질이 악화되었다고 보고되었으며, 이러한 코로나19로 인한 불안과 우울, 수면장애로 인한 정신건강 문제가 대두되고 있다.
따라서 이러한 사람의 정신건강을 빠르게 진단하고 이에 따른 정확한 조치를 취해야 할 필요성이 대두되었는데, 정신건강 문제의 경우 신체적인 건강 문제와는 다르게 겉으로 표시되지 않아 본인이 정신건강 문제를 가지고 있다는 자각 자체를 하지 못하는 경우가 많고, 설령 본인이 정신건강에 문제가 있다는 것을 알고 있다고 하더라도 정신과에 대한 편견 내지는 주위의 시선 등으로 인하여 치료를 기피하는 경우 또한 적지 않아 제때 치료할 수 있는 시기를 늦춰 건강을 더 악화시키는 경우가 많다.
실제로 상기와 같이 우울증과 같은 정신건강의 이상을 경험 비율이 급격히 늘어나는 추세와 반대로 2021년 보건복지부 정신건강실태조사 결과 발표에 따르면 한국의 지난 1년간 정신건강서비스 이용률은 7.2%로 집계되었으며, 이는 다른 국가들과 비교했을 때 현저히 낮은 수준으로서 미국은 43.1%, 캐나다 46.5%, 호주 34.9%의 이용률을 보인 것과 대조적이다.
상기와 같은 우울증과 같은 정신질환의 발병은 그 원인이 다양하기 때문에 우울증 발병에 영향을 미치는 요소 및 연관성을 연구하는 다양한 연구가 진행되었는데, 통상적으로 불면, 스마트폰 중독, 학업 및 취업 스트레스 등이 우울증 및 정신건강 위험신호 발병과 유의미한 연관이 있는 것으로 알려져 있다.
특히 불면 및 학업, 취업 스트레스는 스마트폰의 과의존으로 이어지고, 스마트폰 과의존에 의한 스마트폰 중독이 우울증 등 정신질환의 발병에 영향을 미친다는 점이 알려져 있어, 스마트폰 사용자에 대하여 우울증 등 정신질환 발병 여부를 확인하는 것이 중요해졌다. 따라서 스마트폰 센서 정보를 기반으로 사용자가 스마트폰을 사용할 시 센서를 통해 실시간으로 측정되는 시계열 데이터를 통해 우울증 및 위급상황을 탐지할 수 있는 모델을 구축하면 스마트폰 과의존자를 상대로 우울증 및 위급상황을 탐지하여 조치를 취할 수 있게 된다.
본 발명은 상기와 같은 종래 기술과는 다른 방식으로 상술한 스마트폰 센서 정보를 기반으로 스마트폰 사용 시 측정되는 시계열적 데이터를 통해 우울증 및 위급상황 등의 정신건강 위험신호를 탐지할 수 있는 시스템과, 이를 이용한 우울증 및 위급상황 등 정신건강 위험신호를 탐지하는 방법을 제공하는 데 그 목적이 있다.
본 발명은 상기와 같은 본 발명의 목적을 달성하기 위하여,
정신건강 위험신호 탐지 시스템으로서, 하나 이상의 사용자 단말부와 관리자 단말부; 그리고 사용자 데이터베이스와 사용자 진단부, 서버 통신부를 포함하는 서버부를 포함하고, 상기 사용자 데이터베이스는 한 명 이상의 사용자 각각에 대한 디지털 바이오마커 정보를 하나 이상 포함하는 개별 데이터베이스를 하나 이상 포함하며, 상기 사용자 진단부는 하나 이상의 탐지 모델과, 판단 프로그램을 포함하는 정신건강 위험신호 탐지 시스템을 제공한다.
상기에서, 사용자 단말부와 관리자 단말부 중 선택된 어느 하나 이상은 입출력부 및 디스플레이부, 단말 통신부가 포함된다.
상기에서, 하나 이상의 사용자 단말부 중 선택된 어느 하나 이상은 센서부를 포함하는 것이 바람직하다.
상기에서, 개별 데이터베이스는 각각 해당 사용자에 대한 로그인 정보가 포함되는 회원 로그인 정보부; 해당 회원의 신상정보가 하나 이상 포함되는 회원 신상정보부; 해당 회원의 디지털 바이오마커 정보를 하나 이상 포함하는 회원 센싱정보부; 해당 회원에 대한 진단정보를 하나 이상 포함하는 회원 진단 정보부; 그리고 해당 회원에 대한 종합적인 정신건강정보와 판정 라벨링 정보를 하나 이상 포함하는 회원 진단결과 정보부를 포함한다.
상기에서, 하나 이상의 탐지 모델은 하나 이상의 정신건강 위험신호 탐지 모델과, 위급상황 탐지 모델을 포함한다.
상기에서, 디지털 바이오마커 정보는 이동거리, 걸음수, 단말기 화면 사용횟수, 단말기 데이터 사용량, 그리고 단말기 미사용시간 중 선택된 어느 하나 이상을 포함하는 것이 바람직하다.
상기에서, 센서부는 이동거리 측정부, 보행수 측정부, 사용빈도 측정부, 그리고 사용량 측정부 중 선택된 어느 하나 이상을 포함하는 것이 바람직하다.
상기의 정신건강 위험신호 탐지 시스템을 통한 정신건강 위험신호 탐지 방법으로서, 상기 하나 이상의 사용자 단말부를 통해 해당 사용자에 대한 디지털 바이오마커를 하나 이상 수집하여 상기 서버부에 제공하는 디지털 바이오마커 수집 단계(S1); 상기 사용자 진단부의 판단 프로그램이 해당 사용자에 대한 정신건강 위험신호 유무를 판단하는 질환 여부 판단단계(S2); 상기 단계(S2)를 통해 생성된 판단 데이터를 해당 사용자의 개별 데이터베이스에 구분 저장하는 진단정보 구분 저장단계(S3); 해당 사용자에 대한 정신건강 종합정보를 생성하여 해당 사용자의 개별 데이터베이스에 구분 저장하는 정신건강 종합정보 생성단계(S4)가 실시되는 정신건강 위험신호 탐지 방법을 제공한다.
상기 단계(S1)에서의 디지털 바이오마커 수집은 기 설정된 시간 간격에 따라 주기적으로 실시되는 것이고, 기 설정된 시간에 상기 사용자 단말부로부터 선택된 디지털 바이오마커가 수집되지 않아 결측치가 발생하였다면, 결측치에 대한 해당 디지털 바이오마커의 결측 예상값(dl)은 아래 수학식 1과 같이 구해지도록 하는 것이 바람직하다.
[수학식 1]
여기서 μ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디지털 바이오마커값의 평균값이며, σ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디지털 바이오마커값의 표준편차이고, s는 0부터 0.01 사이 중에서 선택되는 무작위 실수값이다.
상기 정신건강 종합정보는 판정 라벨링 정보를 포함하는 것이 바람직하다.
상기 정신건강 종합정보 생성단계(S4)의 실시 이후, 상기 관리자 단말부(30)의 제어 명령 또는 정보 입력에 따라 해당 사용자의 정신건강 종합정보 내용이 변경되는 정신건강 종합정보 수정단계(S5)가 더 실시되도록 하는 것이 바람직하다.
상기의 정신건강 탐지 시스템을 통한 탐지 모델의 학습 방법으로서, 상기 정신건강 위험신호 탐지 모델은 상기 사용자 데이터베이스 내 개별 데이터베이스로부터 데이터를 수집하는 데이터 수집단계(S11); 상기 단계(S11)에서 수집된 데이터를 가공하여 데이터셋을 형성하는 데이터 가공단계(S12); 상기 단계(S12)에서 형성된 데이터셋을 통하여 상기 정신건강 위험신호 탐지 모델을 학습시키는 정신건강 위험신호 탐지 모델 학습단계(S13); 그리고 상기 단계(S13)를 통해 학습한 정신건강 위험신호 탐지 모델의 탐지 정확도를 평가하는 정신건강 위험신호 탐지 모델 평가단계(S14)가 실시되도록 한다.
상기의 정신건강 탐지 서비스를 통한 탐지 모델의 학습 방법으로서, 상기 위급상황 탐지 모델은 상기 사용자 데이터베이스 내 개별 데이터베이스로부터 데이터를 수집하는 데이터 수집단계(S11); 상기 단계(S11)에서 수집된 데이터 중 위급상황여부 라벨링이 포함되어 있는지 판단하는 위급상황여부 라벨링 확인단계(S21); 상기 단계(S21) 이후, 수집된 데이터 중 위급상황여부 라벨링이 포함되어 있는 데이터에 대하여 가공하여 데이터셋을 형성하는 데이터 가공단계(S12); 상기 단계(S12)에서 형성된 데이터셋을 통하여 상기 위급상황 탐지 모델을 학습시키는 위급상황 탐지 모델 학습단계(S22); 그리고 상기 단계(S22)를 통해 학습한 위급상황 탐지 모델의 탐지 정확도를 평가하는 위급상황 탐지 모델 평가단계(S23)가 실시되도록 한다.
본 발명에 의하면, 사용자의 단말기 사용패턴 및 사용량, 그리고 현재 사용자의 센싱 정보를 바탕으로 사용자의 정신건강에 대한 위급신호를 빠르게 파악하여 조치를 취하거나 또는 사용자가 자각할 수 있도록 함으로서 사용자의 정신건강이 악화되는 것을 빠르고 능동적으로 막을 수 있으며, 또한 사용자가 한 번 이상 정신질환을 앓았던 적이 있는 경우 정신건강의 위급상황이 발생하는 것 또한 빠르게 파악하여 조치를 취할 수 있도록 할 수 있다.
도 1은 본 발명의 시스템의 개략 구조도.
도 2는 본 발명의 서버부의 구조도.
도 3은 본 발명의 시스템의 동작 구조도.
도 4는 본 발명의 시스템의 동작 순서도.
도 5는 본 발명의 결손치 보정 구조도.
도 6은 본 발명의 정신질환 탐지 모델의 학습 순서도.
도 7은 본 발명의 위급상황 탐지 모델의 학습 순서도.
도 2는 본 발명의 서버부의 구조도.
도 3은 본 발명의 시스템의 동작 구조도.
도 4는 본 발명의 시스템의 동작 순서도.
도 5는 본 발명의 결손치 보정 구조도.
도 6은 본 발명의 정신질환 탐지 모델의 학습 순서도.
도 7은 본 발명의 위급상황 탐지 모델의 학습 순서도.
※이 출원은 충청북도 음성군 충북과학기술혁신원의 2022년 시군 경쟁력 강화산업 육성사업으로 수행되었음.
이하에서는 바람직한 실시예와 첨부된 도면을 참조하여 본 발명을 보다 상세히 설명한다. 하기의 설명은 본 발명의 이해와 실시를 돕기 위한 것이지 본 발명을 이에 한정하려는 것은 아니다. 본 발명이 속한 기술분야에서 통상의 지식을 가진 자들은 이하의 청구범위에 기재된 본 발명의 사상 내에서 다양한 변형이나 수정 또는 변경이 있을 수 있음을 이해할 것이다.
설명에 앞서, 본 명세서에 있어서 '부(部)'란, 하나 이상의 물리적 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
또한, 본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
그리고 이하의 명세서에서 사용되는 단어 '디지털 바이오마커' 는, 사람의 정신건강 측정을 위하여 해당 사람이 휴대 또는 착용하는 디지털 기기가 자신의 센서 등을 통하여 파악, 측정 또는 추정할 수 있는 어느 하나 이상의 데이터를 지칭한다. 예를 들어, 상기 디지털 바이오마커는 해당 단말기의 ON/OFF횟수, 데이터의 사용량, 해당 단말기를 휴대 또는 착용한 사람의 총 걸음수, 활동반경, 수면량, 주변의 소음수준 등과 같은 인자 중 선택된 어느 하나일 수 있다.
그리고 이하의 명세서에서 사용되는 단어 '정신건강 위험신호' 은 우울증, 불안, 조울증, 조현병과 같이 인간의사고, 감정, 행동에 영향을 미치는 병적인 정신상태 또는 이러한 병적인 정신상태가 발발할 수 있는 정신적, 신체적 기저요인 전반을 나타내는 단어로서 사용되며, 정신의학과에서 인정되는 모든 정신건강 장애적, 장해적 질환 및 현상 및 현상이 나타날 수 있는 병변, 기저요인을 모두 포함한다.
또한 이하의 명세서에서 사용되는 단어 '사용자' 는, 본 발명의 시스템에서 관리의 대상이 되는 사람, 즉 환자 또는 의심환자이거나 또는 이러한 관리의 대상이 되는 사람을 돕는 도우미 등을 포함할 수 있다.
그리고 이하의 명세서에서 사용되는 단어 '관리자' 는 상기한 '사용자' 에 대하여 진단을 내리거나 또는 관리해야 하는 사람, 즉 정신과 의사이거나 병원, 지방자치단체의 관리인원 등을 포함할 수 있다.
도 1은 본 발명의 정신건강 위험신호 탐지 시스템의 개략 구조도이다. 이하에서는 도 1을 통하여 본 발명의 정신건강 위험신호 탐지 시스템의 개략적인 구성요소에 대하여 설명한다.
도 1에 도시된 바와 같이, 본 발명의 시스템은 하나 이상의 사용자 단말부(10)와 관리자 단말부(30)를 포함한다.
상기 사용자 단말부(10)는 사용자에 의해 사용되거나 장착되거나, 또는 사용자를 측정하는 하나 이상의 단말기로서, 적어도 하나 이상은 연산장치와 기억장치, 그리고 통신장치를 포함하는 컴퓨팅 시스템, 예를 들어 데스크탑, 스마트폰, 스마트워치, 랩탑, 임베디드 디바이스와 같은 장치들 중 선택된 어느 하나일 수 있다.
또한 상기 사용자 단말부(10)는 비단 사용자가 장착하는 장치 뿐 아니라 로봇, 전용 센서기기와 같이 하나 이상의 디지털 바이오마커를 측정할 수 있는 센서가 포함되는 모든 장치가 상기 사용자 단말부(10)로서 사용 가능하다.
상기와 같은 사용자 단말부(10)는 통상의 입출력부(11) 및 디스플레이부(12)를 포함한다. 예를 들어 상기 사용자 단말부(10)가 컴퓨팅 시스템이면, 통상의 유저 인터페이스(UI)와 같은 입출력부(11) 및 디스플레이부(12)를 포함할 수 있다.
그리고 상기 사용자 단말부(10)는 센서부(13)를 포함한다. 상기 센서부(13)는 해당 사용자에 대한 하나 이상의 디지털 바이오마커를 측정하기 위한 구성요소로서, 상기 입출력부(11) 및 디스플레이부(12)와 결합되어 있을 수도 있지만 통신 가능한 상태로 상호간에 분리되어 구성될 수도 있다. 예를 들어, 상기 센서부(13)의 구성요소는 사용자의 몸에 부착되거나 또는 별도 설치되어 있고, 또 다른 사용자 단말부(10) 장치에 연결되어 동작할 수도 있다.
그리고 상기 사용자 단말부(10)는 사용자단말 통신부(14)를 포함한다. 상기 사용자단말 통신부(14)는 상기 서버부(20)와의 유선 또는 무선 통신을 수행하기 위한 통상의 구성요소를 포함한다.
상기와 같은 구성요소들(11, 12, 14)의 구성 및 동작은 통상의 장치 및 방법을 사용하면 되므로 이에 대한 설명은 생략한다.
또한 본 발명의 시스템은 하나 이상의 관리자 단말부(30)를 포함한다. 상기 하나 이상의 관리자 단말부(30)는 관리자에 의해 사용되는 하나 이상의 단말기로서, 연산장치와 기억장치, 통신장치를 포함하는 컴퓨팅 시스템으로 구성되는 것이 바람직하다.
상기와 같은 관리자 단말부(30)는 각각 통상의 입출력부(31) 및 디스플레이부(32), 그리고 관리자단말 통신부(34)를 포함한다. 상기와 같은 구성요소들(31, 32, 34)의 구성 및 동작은 통상의 장치 및 방법을 사용하면 되므로 이에 대한 설명은 생략한다.
그리고 본 발명의 시스템은 서버부(20)를 포함한다. 상기 서버부(20)는 통상의 서버 컴퓨터나 데스크탑 컴퓨터 등 하나 이상의 연산장치와 기억장치를 포함하는 컴퓨팅 시스템으로 구성되는 것이 바람직하다.
상기와 같은 서버부(20)는 사용자 데이터베이스(21)와 사용자 진단부(22), 그리고 서버 통신부(24)를 포함한다.
도 2는 본 발명의 서버부(20)의 구체적인 구성요소에 대한 구조도이다. 이하에서는 도 2를 통하여 본 발명의 서버부(20)의 구성요소에 대하여 상세히 설명한다.
상술한 바와 같이, 본 발명의 시스템에 포함되는 서버부(20)는 사용자 데이터베이스(21)와 사용자 진단부(22)를 포함한다.
상기 사용자 데이터베이스(21)는 한 명 이상의 사용자에 대한 개별 데이터베이스(21a)를 하나 이상 포함한다, 본 발명의 시스템을 사용하는 사용자는 여러 명일 수 있으므로, 상기 개별 데이터베이스 또한 여럿(21a, 21b, 21c...)일 수 있으며, 각각의 개별 데이터베이스(21a, 21b, 21c...) 내 구성요소는 모두 동일하므로, 이하에서는 그 중 하나(21a) 내 구성요소에 대하여 일예시로서 설명한다.
상기 개별 데이터베이스(21a)는 각각 해당 회원, 예를 들어 사용자 1에 대한 ID 또는 고유번호, 그리고 비밀번호 등의 로그인 정보가 포함되는 회원 로그인 정보부(211), 그리고 해당 회원의 신상정보가 하나 포함되어 저장되는 회원 신상정보부(212)를 포함한다.
여기서 상기 회원 신상정보부(212)에 포함되는 신상정보는 해당 회원에 대한 나이, 성별, 이름, 거주지역, 직업, 수입, 가구원 중 선택된 어느 하나 이상을 포함하는 것이 바람직하다.
그리고 상기 개별 데이터베이스(21a)는 해당 회원에 대하여 상기 센서부(13)에서 측정된 센싱 데이터, 즉 해당 회원에 대한 디지털 바이오마커가 하나 이상 포함되어 저장되는 회원 센싱정보부(213)를 포함한다.
상기 회원 센싱정보부(213)에 포함되는 디지털 바이오마커는 데이터 생성일시, 이동거리, 걸음수, 상기 사용자 단말부(10)의 입출력부(11) 또는 디스플레이부(12)를 사용한 횟수인 단말기 화면 사용횟수, 그리고 상기 사용자 단말부(10)의 데이터 사용량인 단말기 데이터 사용량, 그리고 상기 사용자 단말기(10)의 사용하지 않은 시간인 단말기 미사용시간 중 선택된 어느 하나 이상을 포함하는 것이 바람직하다.
그리고 상기 개별 데이터베이스(21a)는 해당 회원에 대한 진단정보를 하나 이상 포함하는 회원 진단 정보부(214)와, 해당 회원에 대한 종합적인 정신건강정보와 판정 라벨링 정보를 하나 이상 포함하는 회원 진단결과 정보부(215)를 포함한다.
이러한 상기 개별 데이터베이스(21a) 내 구성요소들은, 다른 개별 데이터베이스들(21b, 21c...)에도 모두 동일하게 포함되어 있다.
그리고 본 발명의 서버부(20)는 상술한 바와 같이 사용자 진단부(22)를 포함한다.
여기서 상기 사용자 진단부(22)는 해당 사용자에 대하여 우울증 및 위급상황 등 정신건강 위험신호 유무를 판단하는 판단 프로그램(223)을 포함한다.
그리고 상기 사용자 진단부(22)는 상기 판단 프로그램(223)이 해당 사용자에 대하여 우울증 및 위급상황 등 정신건강 위험신호 유무를 판단할 수 있는 하나 이상의 탐지 모델(221, 222)을 포함하는데, 바람직하게는 정신건강 위험신호 탐지 모델(221)과 위급상황 탐지 모델(222) 중 선택된 어느 하나 이상을 포함한다.
도 3은 본 발명의 시스템의 동작 흐름을 나타낸 구조도이며, 도 4는 본 발명의 시스템의 동작 순서도이다. 이하에서는 도 3 및 도 4를 통하여 본 발명의 시스템의 동작 흐름 및 순서에 대하여 설명한다.
설명에 앞서, 본 발명의 시스템에서 상기 사용자 단말기(10) 내 센서부(13)는 도 3에 도시된 바와 같이, 상기한 디지털 바이오마커인 데이터 생성일시, 이동거리, 걸음수, 단말기 화면 사용횟수, 단말기 데이터 사용량, 그리고 단말기 미사용시간 중 선택된 어느 하나 이상을 유효하게 측정 또는 산출하기 위하여 이동거리 측정부(131), 보행수 측정부(132), 사용빈도 측정부(133) 및 사용량 측정부(134) 중 선택된 어느 하나 이상을 포함하고 있는 것이 바람직하다.
상기와 같이 센서부(13)에 각 측정부(131~134)가 포함됨으로서, 상기 이동거리에 대하여 이동거리 측정부(134)가, 걸음수에 대하여 보행수 측정부(132)가, 단말기 화면 사용횟수에 대하여 사용빈도 측정부(134)가, 그리고 단말기 데이터 사용량에 대하여 사용량 측정부(134)가 각각 측정할 수 있으며, 상기 데이터 생성일시는 통상의 표준시를 바탕으로 입력하면 되고, 상기 단말기 미사용시간은 상기 사용자 단말기(10)가 사용되지 않은 시간을 통상의 방법으로 측정하여 산출하면 된다. 여기서 상기 단말기 미사용시간은 즉 수면시간으로 추정할 수 있다.
또한 상기 센서부(13) 내 측정부(131~134)는 통상의 방식으로 각각의 디지털 바이오마커를 측정하게 되며, 이를 위하여 하나 이상의 통상적인 장치적 구성을 더 포함할 수 있다. 예를 들어 이동거리 측정부(134)는 구현을 위하여 통상의 GPS 센서 등을 포함하여 거리를 측정할 수 있으며, 또한 보행수 측정부(132)는 구현을 위하여 통상의 자이로 센서 등을 포함하여 보행수를 측정할 수 있다.
또한 상기 센서부(13)는 통상의 스마트폰, 스마트워치, 랩탑, 센서를 포함하는 로봇이나 디바이스 등과 같이 하나 이상의 상기한 디지털 바이오마커를 측정하기 위한 구성을 가질 경우, 해당 기기 내의 센서를 사용할 수 있다. 예를 들어 대부분의 스마트폰은 GPS센서, 자이로(Gyro)센서, 가속(Acceleration)센서, 터치수를 측정할 수 있는 터치스크린, 실시간 데이터 사용량 측정기능, 수면모드(Sleep Mode) 등과 같은 하드웨어적 장치 또는 소프트웨어적 기능을 포함하고 있으므로, 이러한 종래의 장치가 제공하는 장치 또는 기능을 상기 각 측정부(131~134)의 구성요소 중 어느 하나로서 사용할 수 있으며, 이를 통하여 디지털 바이오마커를 측정 또는 산출할 수 있게 된다.
본 발명의 정신건강 위험신호 탐지 시스템은 우선, 상기 센서부(13)에서 측정된 하나 이상의 디지털 바이오마커를 수집하여 상기 서버부(20)에 제공하는 디지털 바이오마커 수집 단계(S1)가 실시된다.
상기 단계(S1)에서 수집된 디지털 바이오마커는 해당 사용자의 개별 데이터베이스(21a)의 회원 센싱 정보부(213)에 구분 저장된다.
이때 상기 단계(S1)의 실시 빈도, 즉 상기 센서부(13)가 상기 디지털 바이오마커를 수집하여 제공하는 빈도는 상기 관리자의 요청에 의하여 실시될 수도 있지만, 바람직하게는 기 설정된 시간 간격에 따라 주기적으로 실시되는 것이 바람직하다.
예를 들어, 상기 센서부(13)가 디지털 바이오마커를 15분 간격으로 제공하기로 설정되어 있다면, 상기 단계(S1)는 15분 간격으로 실시될 것이다.
상기와 같이 시간 간격을 두고 주기적으로 디지털 바이오마커를 측정 및 수집하도록 하는 이유는, 해당 사용자에 대하여 측정된 디지털 바이오마커를 시계열적으로 분석함으로서 해당 사용자에 대한 정신건강 위험신호의 유무 판단을 더 명확히 할 수 있고, 또한 상기 탐지 모델(221, 222)을 더 정밀하게 학습시킬 수 있기 때문이다.
그런데 상기 센서부(13)와 서버부(20)간의 통신 불안정 또는 상기 센서부(13)의 비활성화, 또는 상기 단말기(10)의 비활성화 등을 이유로 기 설정된 시간 간격 동안 상기 센서부(13)가 동작하지 않아 디지털 바이오마커가 수집되지 못할 수도 있다.
이를 보완하기 위하여, 도 5에 도시된 바와 같이 결측지를 제거하는 대신 다른 일자의 동일 시간, 예를 들어 전날 동 시간대에 측정된 값의 평균(μ)과 표준편차(σ)를 구하여 아래 수학식 1과 같은 디지털 바이오마커 결측 예상값(dl)을 구하여 상기 회원 센싱 정보부(213)에 입력시킬 수 있다.
여기서 μ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디지털 바이오마커값의 평균값이며, σ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디지털 바이오마커값의 표준편차이고, s는 0부터 0.01 사이 중에서 선택되는 무작위 실수값이다.
그리고 상기 사용자 진단부(22)의 판단 프로그램(223)이 해당 회원의 회원 센싱 정보부(213)의 시간대별로 구분 저장되어 있는 하나 이상의 디지털 바이오마커 정보를 통하여 우울증이나 위급상황 등의 정신건강 위험신호 유무를 판단하는 질환 여부 판단단계(S2)가 실시된다.
상기 단계(S2)의 실시를 위하여, 상기 판단 프로그램(223)은 질환을 판단할 수 있는 하나 이상의 진단 기준 정보를 포함하고 있어야 하는데, 예를 들어 상기 판단 프로그램(223)은 우울증을 판단하기 위한 한국판 우울증 선별도구(Patient Health Questionnaire-9), 그리고 불안 증상을 판단하기 위한 불안척도(Generalized Anxiety Disorder 7) 등의 통상적인 정신건강 위험신호 판별 도구로서 사용되고 있는 하나 이상의 진단 기준 정보를 포함하고 있다.
또한 상기 단계(S2)에서의 판단 프로그램(223)은 정신건강 위험신호의 판단을 위하여, 상기 하나 이상의 탐지 모델(221, 222)을 사용할 수 있다. 상기 탐지 모델(221, 222)은 기계학습(ML; Machine Learning) 가능한 인공지능 학습 모델로서, 종래의 학습 알고리즘을 하나 이상 포함하여 사용할 수 있다. 이러한 상기 탐지 모델(221, 222)의 구성 및 동작은 차후에 설명하기로 한다.
상기 단계(S2)의 실시에 따라 상기 판단 프로그램(223)이 해당 사용자에 대하여 정신건강 위험신호 유무를 판단하게 되면, 그 판단 데이터를 해당 사용자의 회원 진단 정보부(214)에 구분 저장하는 진단정보 구분 저장단계(S3)가 실시된다.
그리고 본 발명의 서버부(20) 내 운영 프로그램이 해당 사용자의 신상정보부(212), 가장 최근의 디지털 바이오마커까지 구분 저장되어 있는 센싱정보부(214) 및 상기 단계(S3)를 통하여 가장 최근의 진단정보까지 구분 저장되어 있는 회원 진단정보부(215)의 저장된 내용을 토대로 회원 정신건강 종합정보(MD)가 생성되어 회원 진단결과 정보부(215)에 구분 저장되는 정신건강 종합정보 생성단계(S4)가 실시된다.
여기서 상기 단계(S4)를 통해 생성되는 정신건강 종합정보(MD)는 판정 라벨링 정보(L)를 포함한다. 상기 판정 라벨링 정보(L)는 해당 사용자가 정신건강 위험신호를 가지고 있는지 여부와, 어떤 정신건강 위험신호를 가지고 있는지를 포함하는 의학적 정보이다.
상기 단계(S4)를 통해 생성된 정신건강 종합정보(MD)는 사용자 또는 관리자가 자신의 단말(10, 30)을 통해서 확인할 수 있는데, 사용자의 경우 자신의 단말기(10)를 통해서 내용을 확인할 수 있다. 확인 방법은 통상의 방법으로 단말기(10) 내 프로그램 또는 어플리케이션 등을 통하여 확인하거나, 또는 공중의 웹 서비스를 통하여 확인할 수 있다.
그리고 관리자는 자신의 단말기(30)를 통해 내용을 확인할 수 있을 뿐 아니라, 해당 정신건강 종합정보(MD) 내용에 대한 수정 및 보완이 가능하다. 따라서 상기 단계(S4) 후 관리자가 해당 사용자의 회원 진단결과 정보부(215)에 저장되어 있는 정신건강 종합정보(MD) 내용에 대한 수정 또는 보완을 자신의 단말기(30)를 통해 실시하는 정신건강 종합정보 수정단계(S5)가 더 실시될 수 있다.
상기와 같은 단계(S5)가 실시되는 이유는 상기 관리자가 정신의학 전문의 또는 정신의학 전문 임상병리사 등과 같은 전문 관리인력이기 때문에, 상기 서버부(20)의 사용자 진단부(22)가 생성한 데이터의 부족한 부분을 보완 또는 잘못된 부분에 대한 수정을 가할 수 있도록 하는 것이 바람직하기 때문이다.
도 6은 본 발명의 정신건강 위험신호 탐지 모델(221)의 학습 모델을 도시한 구조도이다. 이하에서는 도 6을 통하여 본 발명의 정신건강 위험신호 탐지 모델(221)의 학습 순서 및 과정에 대하여 설명한다.
상술한 바와 같이, 본 발명의 정신건강 위험신호 탐지 모델(221)은 기계학습이 가능한 인공지능 학습 모델일 수 있으며, 상기 사용자 데이터베이스(21) 및 그 외에 외부에서 제공되는 정신건강 위험신호 관련 데이터를 통하여 보다 정확한 정신건강 위험신호 탐지 모델을 구축할 수 있다.
먼저 상기 정신건강 위험신호 탐지 모델(221)의 학습을 위한 데이터 수집단계(S11)가 실시된다. 상기 데이터 수집단계(S11)에서 수집되는 데이터는 상기 사용자 데이터베이스(21) 내 개별 데이터베이스(21a, 21b, 21c...)에 포함되어 있는 신상정보, 디지털 바이오마커 정보, 진단 정보, 정신건강 종합정보(MD) 중 선택된 어느 하나 이상일 수 있다.
그리고 상기 데이터 수집단계(S11)에서 수집된 하나 이상의 데이터에 대하여 상기 정신건강 위험신호 탐지 모델(221)에서 사용하기 적합하게 가공하는 데이터 가공단계(S12)가 실시된다.
상기 데이터 가공단계(S12)는 상술한 디지털 바이오마커 수집 단계(S1)에 포함될 수 있는, 디지털 바이오마커 결측 예상값(dl)을 구하여 추가하는 과정을 더 포함할 수 있다.
그리고 상기 데이터 가공단계(S12)는 또한, 상기 데이터 수집단계(S11)를 통해 수집되는 하나 이상의 디지털 바이오마커 정보의 시간 특성을 변수로 만드는 것이 바람직하다.
더 자세히 설명하면, 성가 데이터 가공단계(S12)에서는 상기 데이터 수집단계(S11)를 통해 수집되는 하나 이상의 디지털 바이오마커 정보에 대하여, 시간 정보를 시간과 분으로 분리 구분하며, 범주형 변수로서 원-핫 인코딩(One-Hot Encording)과, 이상치에 영향을 상대적으로 적게 받는 표준화 방식의 스탠다드 스케일러(Standard Scaler)를 적용한 수치형 변수로 변환한다.
상기 데이터 가공 단계(S12)를 통해 가공된, 한 명 이상의 사용자에 대한 디지털 바이오마커 정보가 정신건강 위험신호 탐지 모델(221)에 대한 데이터셋(Dataset)으로서 사용된다.
상기한 데이터 가공단계(S12)를 통해 가공된 데이터를 통하여 상기 정신건강 위험신호 탐지 모델(221)을 학습시키는 정신건강 위험신호 탐지 모델 학습단계(S13)가 실시되는데, 먼저 상기 정신건강 위험신호 탐지 모델(221)에서 사용할 수 있는 학습 알고리즘에 대하여 먼저 설명한다.
본 발명의 시스템의 정신건강 위험신호 탐지 모델(221)에 사용될 수 있는 학습 알고리즘은 VAE(Variational Auto-Encorder), DAGMM(Deep Autoencoding Gaussian Mixture Model), ECOD(Empirical Cumulative Distribution), COPOD(Copula-Based Outlier Detection), LGBM(Light Gradient-Boosting Machine) 등을 사용할 수 있으며, 분류(Classification) 모델의 경우 FLAML(Fast and Lightweight AutoML) 알고리즘을 사용하여 상기 데이터 가공단계(S12)를 통해 가공된 데이터를 한번 더 가공할 수 있다.
본 발명의 출원인은 상기한 학습 알고리즘을 사용하여 정신건강 위험신호 탐지 모델(221)을 구성하고, 이에 대하여 평가하였다.
상기 단계(S13)를 통해 상기한 학습 알고리즘 중 어느 하나를 선택하여 구성한 정신건강 위험신호 탐지 모델(221)을 학습시킨 뒤, 상기 정신건강 위험신호 탐지 모델(221)이 해당 사용자에 대한 정신건강 위험신호를 얼마나 정확히 탐지하였는지 평가하는 정신건강 위험신호 탐지 모델 평가단계(S14)가 실시된다.
본 발명의 출원인은 상기한 학습 알고리즘 중 선택된 어느 하나를 선택하여 구성한 정신건강 위험신호 탐지 모델(221)에 대하여 F점수(F1-Score)을 이용해 평가하는 방식으로 상기 단계(S14)를 실시하였다. 본 발명의 시스템에 사용하기 적합한 정신건강 위험신호 탐지 모델(221)은 성능 목표로서 F점수 0.92점 이상인 것이 바람직한데, 본 발명의 출원인은 상기 단계(S14)를 각 학습 알고리즘 별로 실시한 결과, 아래 표 1과 같은 탐지 성능을 확인할 수 있었다.
알고리즘 | F1 Score |
VAE | 0.5784 |
DAGMM | 0.5121 |
ECOD | 0.7865 |
COPOD | 0.807 |
LGBM | 0.9375 |
본 발명의 출원인이 상기 단계(S14)를 각 학습 알고리즘 별로 실시한 결과, LGBM 알고리즘을 본 발명의 정신건강 위험신호 탐지 모델(221)에 포함시켜 사용하는 것이 적합한 것으로 판단되어, 상기 정신건강 위험신호 탐지 모델(221)의 탐지 알고리즘으로 LGBM 알고리즘을 사용하는 것이 바람직하다.
도 7은 본 발명의 위급상황 탐지 모델(222)의 학습 모델을 도시한 구조도이다. 이하에서는 도 7을 통하여 본 발명의 위급상황 탐지 모델(222)의 학습 순서 및 과정에 대하여 설명한다.
도 7에 도시된 순서에서, 데이터를 수집하고 가공하는 단계(S11, S12)는 상기 도 6을 통해 설명한 과정과 동일하게 진행된다.
그런데 상기 사용자 진단부(22)에 위급상황 탐지 모델(222)이 포함되어 있을 경우, 상기 데이터 수집 단계(S11) 이후에 상기 정신건강 위험신호 탐지 모델(221)을 통하여 상기 판단 프로그램(223) 정신건강 위험신호를 가지고 있다고 상기 판정 라벨링 정보(L)가 작성되어 있는 사용자에 대하여, 상기 판정 레벨링 정보(L) 내에 위급상황여부 라벨링이 포함되어 있는지 판단하는 위급상황여부 라벨링 확인단계(S21)가 더 포함되어, 데이터 수집 단계(S11)와 데이터 가공 단계(S12) 사이에서 실행된다.
상기 판정 라벨링 정보(L) 내에 위급상황여부 라벨링이 포함되어 있는 경우, 상기 데이터 수집 및 가공(S11, S12)의 대상이 되는 해당 사용자는 위급상황을 한 번 이상 겪어본 사람의 데이터이므로, 위급상황 탐지 모델(222)의 학습 데이터로서 사용할 수 있다.
상기 데이터 가공 단계(S12)를 통해 가공된, 위급상황이 라벨링 정보(L)에 기재되어 있는 한 명 이상의 사용자에 대한 디지털 바이오마커 정보가 위급상황 탐지 모델(222)에 대한 데이터셋(Dataset)으로서 사용된다.
상기 위급상황여부 라벨링 확인단계(S21) 및 데이터 가공 단계(S12)까지 실시된 이후 위급상황 탐지 모델(222)에 대하여 학습이 실시되되는 위급상황 탐지 모델 학습단계(S22)가 실시된다. 상기 위급상황 탐지 모델(222) 또한 상기한 학습 알고리즘인 VAE, DAGMM, ECOD, COPOD, LGBM 중 어느 하나를 선택하여 사용할 수 있다.
본 발명의 출원인은 상기한 학습 알고리즘을 사용하여 위급상황 탐지 모델(222)을 구성하고, 이에 대하여 평가하였다.
상기 단계(S22)를 통해 상기한 학습 알고리즘 중 어느 하나를 선택하여 구성한 위급상황 탐지 모델(222)을 학습시킨 뒤, 상기 위급상황 탐지 모델(222)이 해당 사용자에 대한 정신건강 위험신호를 얼마나 정확히 탐지하였는지 평가하는 위급상황 탐지 모델 평가단계(S23)가 실시된다.
본 발명의 출원인은 상기한 학습 알고리즘 중 선택된 어느 하나를 선택하여 구성한 위급상황 탐지 모델(222)에 대하여 F점수(F1-Score)와 재현율(Recall)을 이용해 평가하는 방식으로 상기 단계(S23)를 실시하였다. 본 발명의 시스템에 사용하기 적합한 위급상황 탐지 모델(221)은 성능 목표로서 F점수 0.92점 이상, 재현율 0.95 이상인 것이 바람직한데, 본 발명의 출원인은 상기 단계(S23)를 각 학습 알고리즘 별로 실시한 결과, 아래 표 2과 같은 탐지 성능을 확인할 수 있었다.
알고리즘 | F1 Score | Recall |
VAE | 0.1816 | 0.5226 |
DAGMM | 0.2088 | 0.6 |
ECOD | 0.9275 | 1 |
COPOD | 0.9302 | 0.9302 |
LGBM | 0.99 | 1 |
본 발명의 출원인이 상기 단계(S23)를 각 학습 알고리즘 별로 실시한 결과, ECOD 및 LGBM 알고리즘을 본 발명의 위급상황 탐지 모델(222)에 포함시켜 사용하는 것이 적합한 것으로 판단되어, 상기 위급상황 탐지 모델(222)의 탐지 알고리즘으로 ECOD, LGBM 알고리즘을 사용하는 것이 바람직하다.
10 : 사용자 단말부. 11, 31 : 입출력부.
12, 32 : 디스플레이부. 13 : 센서부.
131 : 이동거리 측정부. 132 : 보행수 측정부.
133 : 사용빈도 측정부. 134 : 사용량 측정부.
14, 24, 34 : 통신부. 20 : 서버부.
21 : 유저 DB. 211 : 회원 로그인 정보부.
212 : 회원 신상 정보부. 213 : 회원 센싱 정보부.
214 : 회원 진단 정보부. 215 : 회원 진단결과 정보부.
22 : 사용자 진단부. 221 : 정신질환 탐지 모델.
222 : 위급상황 탐지 모델. 223 : 판단 프로그램.
30 : 관리자 단말부.
12, 32 : 디스플레이부. 13 : 센서부.
131 : 이동거리 측정부. 132 : 보행수 측정부.
133 : 사용빈도 측정부. 134 : 사용량 측정부.
14, 24, 34 : 통신부. 20 : 서버부.
21 : 유저 DB. 211 : 회원 로그인 정보부.
212 : 회원 신상 정보부. 213 : 회원 센싱 정보부.
214 : 회원 진단 정보부. 215 : 회원 진단결과 정보부.
22 : 사용자 진단부. 221 : 정신질환 탐지 모델.
222 : 위급상황 탐지 모델. 223 : 판단 프로그램.
30 : 관리자 단말부.
Claims (13)
- 정신건강 위험신호 탐지 시스템으로서,
하나 이상의 사용자 단말부와 관리자 단말부; 그리고 사용자 데이터베이스와 사용자 진단부, 서버 통신부를 포함하는 서버부를 포함하고,
상기 사용자 데이터베이스는 한 명 이상의 사용자 각각에 대한 디지털 바이오마커 정보를 하나 이상 포함하는 개별 데이터베이스를 하나 이상 포함하며,
상기 사용자 진단부는 하나 이상의 탐지 모델과, 판단 프로그램을 포함하고, 상기 탐지 모델은 하나 이상의 정신건강 위험신호 탐지 모델과, 위급상황 탐지 모델을 포함하며,
상기 정신건강 위험신호 탐지 모델은 상기 사용자 데이터베이스 내 개별 데이터베이스로부터 데이터를 수집하는 데이터 수집단계(S11); 상기 단계(S11)에서 수집된 데이터를 가공하여 데이터셋을 형성하는 데이터 가공단계(S12); 상기 단계(S12)에서 형성된 데이터셋을 통하여 상기 정신건강 위험신호 탐지 모델을 학습시키는 정신건강 위험신호 탐지 모델 학습단계(S13); 그리고 상기 단계(S13)를 통해 학습한 정신건강 위험신호 탐지 모델의 탐지 정확도를 평가하는 정신건강 위험신호 탐지 모델 평가단계(S14)가 실시되어 학습되는 것이며,
상기 위급상황 탐지 모델은 상기 사용자 데이터베이스 내 개별 데이터베이스로부터 데이터를 수집하는 데이터 수집단계(S11); 상기 단계(S11)에서 수집된 데이터 중 위급상황여부 라벨링이 포함되어 있는지 판단하는 위급상황여부 라벨링 확인단계(S21); 상기 단계(S21) 이후, 수집된 데이터 중 위급상황여부 라벨링이 포함되어 있는 데이터에 대하여 가공하여 데이터셋을 형성하는 데이터 가공단계(S12); 상기 단계(S12)에서 형성된 데이터셋을 통하여 상기 위급상황 탐지 모델을 학습시키는 위급상황 탐지 모델 학습단계(S22); 그리고 상기 단계(S22)를 통해 학습한 위급상황 탐지 모델의 탐지 정확도를 평가하는 위급상황 탐지 모델 평가단계(S23)가 실시되어 학습되는 것이고,
상기 정신건강 위험신호 탐지 모델 및 위급상황 탐지 모델에서 실시되는 데이터 가공단계(S12)는 상기 데이터 수집단계(S11)를 통해 수집되는 하나 이상의 디지털 바이오마커 정보의 시간 특성을 변수로 만드는 것임을 특징으로 하는 정신건강 위험신호 탐지 시스템. - 제 1항에 있어서,
상기 사용자 단말부와 관리자 단말부 중 선택된 어느 하나 이상은 입출력부 및 디스플레이부, 단말 통신부가 포함되는 것을 특징으로 하는, 정신건강 위험신호 탐지 시스템. - 제 1항에 있어서,
상기 하나 이상의 사용자 단말부 중 선택된 어느 하나 이상은 센서부를 포함하는 것을 특징으로 하는, 정신건강 위험신호 탐지 시스템. - 제 1항에 있어서,
상기 개별 데이터베이스는 각각 해당 사용자에 대한 로그인 정보가 포함되는 회원 로그인 정보부;
해당 회원의 신상정보가 하나 이상 포함되는 회원 신상정보부;
해당 회원의 디지털 바이오마커 정보를 하나 이상 포함하는 회원 센싱정보부;
해당 회원에 대한 진단정보를 하나 이상 포함하는 회원 진단 정보부;
그리고 해당 회원에 대한 종합적인 정신건강정보와 판정 라벨링 정보를 하나 이상 포함하는 회원 진단결과 정보부를 포함하는 것을 특징으로 하는, 정신건강 위험신호 탐지 시스템. - 삭제
- 제 1항에 있어서,
상기 디지털 바이오마커 정보는 이동거리, 걸음수, 단말기 화면 사용횟수, 단말기 데이터 사용량, 그리고 단말기 미사용시간 중 선택된 어느 하나 이상을 포함하는 것을 특징으로 하는, 정신건강 위험신호 탐지 시스템. - 제 3항에 있어서,
상기 센서부는 이동거리 측정부, 보행수 측정부, 사용빈도 측정부, 그리고 사용량 측정부 중 선택된 어느 하나 이상을 포함하는 것을 특징으로 하는, 정신건강 위험신호 탐지 시스템. - 제 1항의 정신건강 위험신호 탐지 시스템에 의해서 수행되는 정신건강 위험신호 탐지 방법으로서,
상기 하나 이상의 사용자 단말부를 통해 해당 사용자에 대한 디지털 바이오마커를 하나 이상 수집하여 상기 서버부에 제공하는 디지털 바이오마커 수집 단계(S1); 상기 사용자 진단부의 판단 프로그램이 해당 사용자에 대한 정신건강 위험신호 유무를 판단하는 질환 여부 판단단계(S2); 상기 단계(S2)를 통해 생성된 판단 데이터를 해당 사용자의 개별 데이터베이스에 구분 저장하는 진단정보 구분 저장단계(S3); 그리고 해당 사용자에 대한 정신건강 종합정보를 생성하여 해당 사용자의 개별 데이터베이스에 구분 저장하는 정신건강 종합정보 생성단계(S4)가 실시되고,
상기 단계(S1)에서의 디지털 바이오마커 수집은 기 설정된 시간 간격에 따라 주기적으로 실시되는 것이며, 기 설정된 시간에 상기 사용자 단말부로부터 선택된 디지털 바이오마커가 수집되지 않아 결측치가 발생하였다면, 결측치에 대한 해당 디지털 바이오마커의 결측 예상값(dl)은 아래 수학식 1과 같이 구해지고, 상기 정신건강 종합정보 생성단계(S4)의 실시 이후, 상기 관리자 단말부(30) 의 제어 명령 또는 정보 입력에 따라 해당 사용자의 정신건강 종합정보 내용이 변경되는 정신건강 종합정보 수정단계(S5)가 더 실시되는 것을 특징으로 하는, 정신건강 위험신호 탐지 방법.
[수학식 1]
여기서 μ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디지털 바이 오마커값의 평균값이며, σ는 기 설정된 다른 일자의 동일 시간대 측정된 특정 디 지털 바이오마커값의 표준편차이고, s는 0부터 0.01 사이 중에서 선택되는 무작위 실수값이다. - 삭제
- 제 8항에 있어서,
상기 정신건강 종합정보는 판정 라벨링 정보를 포함하는 것을 특징으로 하는, 정신건강 위험신호 탐지 방법. - 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220177308A KR102650936B1 (ko) | 2022-12-16 | 2022-12-16 | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220177308A KR102650936B1 (ko) | 2022-12-16 | 2022-12-16 | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102650936B1 true KR102650936B1 (ko) | 2024-03-26 |
Family
ID=90472785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220177308A KR102650936B1 (ko) | 2022-12-16 | 2022-12-16 | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102650936B1 (ko) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150002084A (ko) | 2013-06-28 | 2015-01-07 | 전자부품연구원 | 라이프 스타일 기반의 맞춤형 서비스 제공 방법 및 시스템 |
KR101534328B1 (ko) * | 2012-06-22 | 2015-07-07 | 주식회사 케이티 | 정신건강 관리 시스템을 위한 정신건강 측정 장치 및 정신건강 관리 장치 |
KR20180106099A (ko) | 2017-03-17 | 2018-10-01 | 가천대학교 산학협력단 | 웹 기반의 개인화된 건강 데이터 관리 시스템 및 방법 |
KR101913850B1 (ko) | 2018-04-02 | 2018-11-01 | (주)에프앤아이 | 심리 상태 판단용 키트를 통해 획득되는 사용자의 심리 상태 데이터를 분석함으로써 사용자의 심리 상태를 판단하는 방법 및 이를 이용한 서버 |
JP2020510909A (ja) * | 2017-02-09 | 2020-04-09 | コグノア,インク. | デジタル個別化医療のためのプラットフォームとシステム |
KR102293433B1 (ko) * | 2021-01-19 | 2021-08-27 | 주식회사 닥터포레스트 | 스마트폰 센서를 이용한 정신건강측정 서비스 제공 시스템 |
KR102427390B1 (ko) * | 2022-05-24 | 2022-08-01 | 주식회사 야나두 | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 |
KR20220125766A (ko) * | 2021-03-05 | 2022-09-14 | (주) 비비비 | 비대면 방식의 정신 장애 진료 시스템 및 방법 |
-
2022
- 2022-12-16 KR KR1020220177308A patent/KR102650936B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101534328B1 (ko) * | 2012-06-22 | 2015-07-07 | 주식회사 케이티 | 정신건강 관리 시스템을 위한 정신건강 측정 장치 및 정신건강 관리 장치 |
KR20150002084A (ko) | 2013-06-28 | 2015-01-07 | 전자부품연구원 | 라이프 스타일 기반의 맞춤형 서비스 제공 방법 및 시스템 |
JP2020510909A (ja) * | 2017-02-09 | 2020-04-09 | コグノア,インク. | デジタル個別化医療のためのプラットフォームとシステム |
KR20180106099A (ko) | 2017-03-17 | 2018-10-01 | 가천대학교 산학협력단 | 웹 기반의 개인화된 건강 데이터 관리 시스템 및 방법 |
KR101913850B1 (ko) | 2018-04-02 | 2018-11-01 | (주)에프앤아이 | 심리 상태 판단용 키트를 통해 획득되는 사용자의 심리 상태 데이터를 분석함으로써 사용자의 심리 상태를 판단하는 방법 및 이를 이용한 서버 |
KR102293433B1 (ko) * | 2021-01-19 | 2021-08-27 | 주식회사 닥터포레스트 | 스마트폰 센서를 이용한 정신건강측정 서비스 제공 시스템 |
KR20220125766A (ko) * | 2021-03-05 | 2022-09-14 | (주) 비비비 | 비대면 방식의 정신 장애 진료 시스템 및 방법 |
KR102427390B1 (ko) * | 2022-05-24 | 2022-08-01 | 주식회사 야나두 | 헬스케어 서비스 제공방법, 서버 및 컴퓨터 프로그램 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kunkel et al. | Physical inactivity post-stroke: a 3-year longitudinal study | |
US9861308B2 (en) | Method and system for monitoring stress conditions | |
US10039485B2 (en) | Method and system for assessing mental state | |
JP6892233B2 (ja) | 双方向の遠隔的な患者監視および状態管理介入システム | |
Coohey et al. | Actuarial risk assessment in child protective services: Construction methodology and performance criteria | |
CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
JP2023544550A (ja) | 機械学習支援される認知的評価および処置のためのシステムおよび方法 | |
US8834174B2 (en) | Methods and systems for assessing latent traits using probabilistic scoring | |
KR102053604B1 (ko) | 수면 분석 방법 및 이를 이용한 수면 분석 디바이스 | |
Hendrickx et al. | Identifying factors associated with sedentary time after stroke. Secondary analysis of pooled data from nine primary studies. | |
Zhou et al. | Assessment of gait and balance impairment in people with spinocerebellar ataxia using wearable sensors | |
Kelly et al. | Automatic prediction of health status using smartphone-derived behavior profiles | |
KR20200001777A (ko) | 우울증 발병 예측 방법 및 이를 이용한 우울증 발병 예측 디바이스 | |
Merone et al. | A decision support system for tele-monitoring COPD-related worrisome events | |
KR102293433B1 (ko) | 스마트폰 센서를 이용한 정신건강측정 서비스 제공 시스템 | |
JP2024513618A (ja) | 感染症及び敗血症の個別化された予測のための方法及びシステム | |
KR102650936B1 (ko) | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 | |
Murray et al. | Mokken scales for testing both pre-and postintervention: An analysis of the Clinical Outcomes in Routine Evaluation—Outcome Measure (CORE–OM) before and after counseling. | |
CA3178828A1 (en) | Methods and systems for comprehensive patient screening | |
KR20130026845A (ko) | 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
US20220342956A1 (en) | Systems and methods for removing systemic bias | |
Anakal et al. | Clinical Decision Support System for Diagnosis and Treatment of COPD Using Ensemble Methods | |
JP7322818B2 (ja) | 推定システム及びシミュレーションシステム | |
Pazhaniraja et al. | A survey on various prediction model for Chronic Obstructive Pulmonary Disease (COPD) | |
Kong et al. | Parkinson's Disease Diagnosis and Severity Prediction with Machine Learning Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |