KR102681050B1 - 심정지 및 사망에 관한 위험도를 추정하기 위한 방법 및 시스템 - Google Patents
심정지 및 사망에 관한 위험도를 추정하기 위한 방법 및 시스템 Download PDFInfo
- Publication number
- KR102681050B1 KR102681050B1 KR1020230097000A KR20230097000A KR102681050B1 KR 102681050 B1 KR102681050 B1 KR 102681050B1 KR 1020230097000 A KR1020230097000 A KR 1020230097000A KR 20230097000 A KR20230097000 A KR 20230097000A KR 102681050 B1 KR102681050 B1 KR 102681050B1
- Authority
- KR
- South Korea
- Prior art keywords
- real
- time information
- classification model
- information
- subject
- Prior art date
Links
- 208000010496 Heart Arrest Diseases 0.000 title claims abstract description 29
- 206010049993 Cardiac death Diseases 0.000 title claims abstract description 28
- 206010011906 Death Diseases 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013145 classification model Methods 0.000 claims abstract description 68
- 238000005259 measurement Methods 0.000 claims description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000006854 communication Effects 0.000 description 34
- 238000004891 communication Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000036760 body temperature Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Abstract
본 발명의 일 태양에 따르면, 심정지 및 사망에 관한 위험도를 추정하기 위한 방법으로서, 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하는 단계, 상기 비실시간 정보 및 상기 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보가 생성되도록 하는 단계, 및 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보를 조합하여 상기 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 심정지 및 사망에 관한 위험도를 추정하기 위한 방법 및 시스템에 관한 것이다.
최근 의료 기관 내에서 의료 인력의 부족이 심화됨에 따라 이러한 인적 자원의 한계를 극복하기 위한 다양한 기술이 개발되고 있다. 이러한 기술 중 하나로 비연속적인 생체 신호만을 이용하여 피측정자의 심정지 및 사망에 관한 위험도를 추정(또는 예측)하는 기술이 소개된 바 있으나, 이러한 기술은 오탐(false alarm)이 상당히 많아 그 추정 결과가 임상적으로 유의미하게 활용될 수 없다는 한계가 있다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 딥러닝 내지 인공지능 기반의 모델에 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보가 연속적인 정보로 입력되도록 함으로써, 피측정자의 심정지 및 사망에 관한 위험도가 높은 정확도로 추정되도록 하고, 나아가 그 추정 결과가 임상적으로 유의미하게 활용될 수 있도록 하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 심정지 및 사망에 관한 위험도를 추정하기 위한 방법으로서, 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하는 단계, 상기 비실시간 정보 및 상기 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보가 생성되도록 하는 단계, 및 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보를 조합하여 상기 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 심정지 및 사망에 관한 위험도를 추정하기 위한 시스템으로서, 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하는 획득부, 상기 비실시간 정보 및 상기 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보가 생성되도록 하는 생성부, 및 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보를 조합하여 상기 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하는 추정부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 딥러닝 내지 인공지능 기반의 모델에 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보가 연속적인 정보로 입력되도록 함으로써, 피측정자의 심정지 및 사망에 관한 위험도가 높은 정확도로 추정될 수 있고, 나아가 그 추정 결과가 임상적으로 유의미하게 활용될 수 있다.
도 1은 본 발명의 일 실시예에 따라 심정지 및 사망에 관한 위험도를 추정하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 추정 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 따라 심정지 및 사망에 관한 위험도를 추정하는 과정을 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 추정 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 따라 심정지 및 사망에 관한 위험도를 추정하는 과정을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 심정지 및 사망에 관한 위험도를 추정하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 추정 시스템(200), 서버(300) 및 디바이스(400)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 추정 시스템(200)은 통신망(100)을 통하여 후술할 서버(300) 및 디바이스(400)와의 통신을 수행할 수 있다. 또한, 본 발명의 일 실시예에 따른 추정 시스템(200)은, 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하고, 비실시간 정보 및 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 비실시간 정보에 기초한 출력 정보 및 실시간 정보에 기초한 출력 정보가 생성되도록 하고, 비실시간 정보에 기초한 출력 정보 및 실시간 정보에 기초한 출력 정보를 조합하여 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하는 기능을 수행할 수 있다. 한편, 이러한 추정 시스템(200)은 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기일 수 있으며, 예를 들어 통신망(100)상에서 운영되는 서버 시스템일 수 있다.
본 발명의 일 실시예에 따른 추정 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 서버(300)는, 병원, 보건소 등의 의료 기관 내부에 구비될 수 있으며, 의료 기관 내에서 이루어지는 다양한 이벤트를 관리하는 기능을 수행할 수 있다.
특히, 본 발명의 일 실시예에 따른 서버(300)는, 피측정자의 전자의무기록(EMR; Electronic Medical Record)을 저장하고 관리(예컨대 업데이트)하는 기능을 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 전자의무기록(EMR)에는 피측정자의 심박 주기(HR; Heart Rate), 호흡 주기(RR; Respiratory Rate), 체온(BT; Body Temperature), 혈압(BP; Blood Pressure) 등의 생체 신호가 기록될 수 있다. 본 발명의 일 실시예에 따르면, 전자의무기록(EMR)에는 생체 신호가 소정 시간 간격으로 기록되되 실시간으로는 기록되지 않을 수 있는데, 이에 따라 전자의무기록(EMR)에 기록되는 생체 신호에는 측정 공백이 포함될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 서버(300)는 통신망(100)을 통하여 추정 시스템(200)과 통신할 수 있는데, 이러한 통신 과정에서 전자의무기록(EMR)(또는 전자의무기록(EMR)에 기록된 생체 신호)이 서버(300)에서 추정 시스템(200)으로 전송될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(400)는, 피측정자의 신체에 부착되어 피측정자로부터 생체 신호(예컨대 심전도(ECG; electrocardiogram), 산소 포화도(SpO2; saturation of percutaneous oxygen) 등)를 실시간으로 측정하기 위한 센싱 수단(미도시됨)(예컨대 접촉 전극 등)을 포함하여 구성되거나 해당 센싱 수단과 연동될 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 디바이스(400)는, 피측정자의 신체에 부착됨으로써 단일 또는 복수의 리드(lead)를 기반으로 심전도(ECG)를 측정하는 센싱 수단을 포함하여 구성되거나 해당 센싱 수단과 연동될 수 있다. 본 발명의 일 실시예에 따르면, 이러한 디바이스(400)는 환자감시장치(PM; Patient Monitor), 홀터(Holter), 패치, 손목 시계 등의 형태로 구성될 수 있다.
다른 예를 들어, 본 발명의 일 실시예에 따른 디바이스(400)는, 피측정자의 신체(구체적으로, 손가락 끝과 같은 신체 말초 부분)에 부착됨으로써 광용적맥파(PPG; photoplethysmogram)를 기반으로 산소 포화도(SpO2) 등을 측정하는 센싱 수단을 포함하여 구성되거나 해당 센싱 수단과 연동될 수 있다. 본 발명의 일 실시예에 따르면, 이러한 는 디바이스(400)는 클립 등의 형태로 구성될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 디바이스(400)는 통신망(100)을 통하여 추정 시스템(200)과 통신할 수 있는데, 이러한 통신 과정에서 센싱 수단에 의해 측정된 생체 신호가 디바이스(400)에서 추정 시스템(200)으로 전송될 수 있다.
추정 시스템의 구성
이하에서는, 도 2를 참조하여 추정 시스템(200)의 내부 구성을 살펴보고, 도 3을 참조하여 추정 시스템(200)의 기능이 실현됨에 따라 심정지 및 사망에 관한 위험도가 추정되는 과정을 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 추정 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다. 또한, 도 3은 본 발명의 따라 심정지 및 사망에 관한 위험도를 추정하는 과정을 예시적으로 나타내는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 추정 시스템(200)은 획득부(210), 생성부(220), 추정부(230), 통신부(240) 및 제어부(250)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 추정 시스템(200)의 획득부(210), 생성부(220), 추정부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 추정 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 추정 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 추정 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 추정 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 서버(300) 및/또는 디바이스(400) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 획득부(210)는, 피측정자의 생체 신호와 연관되는 비실시간 정보(I1) 및 실시간 정보(I2)를 획득하는 기능을 수행할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 획득부(210)는, 서버(300)로부터 피측정자의 생체 신호와 연관되는 비실시간 정보(I1)를 획득할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 비실시간 정보(I1)에는 피측정자의 전자의무기록(EMR)에 기록된 생체 신호가 포함될 수 있다. 본 발명의 일 실시예에 따르면, 피측정자의 전자의무기록(EMR)에 기록된 생체 신호에는, 전술한 바와 같이 피측정자의 심박 주기(HR), 호흡 주기(RR), 체온(BT), 혈압(BP) 등이 포함될 수 있다. 본 발명의 일 실시예에 따르면, 이러한 생체 신호는 전술한 바와 같이 그 기록 과정에서 측정 공백이 포함될 수 있으므로, 실시간성이 결여된 것으로 보아 비실시간 정보(I1)에 포함되는 것으로 이해될 수 있다.
다른 예를 들어, 본 발명의 일 실시예에 따른 획득부(210)는, 디바이스(400)로부터 피측정자의 생체 신호와 연관되는 실시간 정보(I2)를 획득할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 실시간 정보(I2)에는 디바이스(400)에 의해 측정된 피측정자의 생체 신호가 포함될 수 있다. 본 발명의 일 실시예에 따르면, 디바이스(400)에 의해 측정된 피측정자의 생체 신호에는, 전술한 바와 같이 피측정자의 심전도(ECG), 산소 포화도(SpO2) 등이 포함될 수 있다. 본 발명의 일 실시예에 따르면, 이러한 생체 신호는 전술한 바와 같이 디바이스(400)에 의해 실시간으로 측정될 수 있으므로, 실시간성이 충족되는 것으로 보아 실시간 정보(I2)에 포함되는 것으로 이해될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 획득부(210)는 비실시간 정보(I1)와 실시간 정보(I2)를 각각 서버(300)와 디바이스(400)로부터 전송받을 수 있는데, 이 때 이러한 비실시간 정보(I1)와 실시간 정보(I2)를 획득부(210)가 단일의 모듈로서 통합적으로 전송받는 것으로 이해될 수도 있지만, 획득부(210) 내에 포함되는 제1 획득부(미도시됨)와 제2 획득부(미도시됨)가 별개의 모듈로서 비실시간 정보(I1)와 실시간 정보(I2)를 독립적으로 전송받는 것으로 이해될 수도 있다. 예를 들어, 비실시간 정보(I1)는 제1 획득부가 전송받고, 실시간 정보(I2)는 제2 획득부가 전송받는 것으로 이해될 수도 있다.
다른 한편, 전술한 바에 따르면 비실시간 정보(I1)에는 측정 공백이 포함될 수 있는데, 이러한 측정 공백은 소정의 처리 과정(이러한 처리 과정은 전처리(preprocessing) 과정에 해당할 수 있음)을 거쳐 유효한 정보(또는 유효한 값)로 대체될 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 획득부(210)는, 비실시간 정보(I1)에 측정 공백이 포함된 것에 대응하여, 적어도 하나의 통계적 방식을 이용하여 해당 측정 공백을 유효한 정보로 대체할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 획득부(210)는, 측정 공백이 발생한 시점의 이전 시점에 기록된 복수의 생체 신호의 추세, 측정 공백이 발생한 시점의 이후 시점에 기록된 복수의 생체 신호의 추세, 측정 공백이 발생한 시점을 포함하는 소정의 시간 간격 내에 기록된 복수의 생체 신호의 평균 등을 이용하는 것과 같은 방식을 이용하여 측정 공백을 유효한 정보로 대체할 수 있다.
다만, 본 발명의 일 실시예에 따르면, 측정 공백을 유효한 정보로 대체하는 방식이 반드시 상기 열거한 바에 한정되는 것은 아니며, 측정 공백을 해당 측정 공백이 발생한 시점의 직전 시점에 기록된 생체 신호와 동일한 정보로 대체하는 방식(forward fill), 측정 공백을 해당 측정 공백이 발생한 시점의 직후 시점에 기록된 생체 신호와 동일한 정보로 대체하는 방식(backward fill) 등의 다양한 방식이 이용될 수 있음을 밝혀 둔다.
다음으로, 본 발명의 일 실시예에 따른 생성부(220)는, 위와 같이 획득된 비실시간 정보(I1) 및 실시간 정보(I2)에 각각 제1 분류 모델(M1) 및 제2 분류 모델(M2)을 적용하여 비실시간 정보(I1)에 기초한 출력 정보 및 실시간 정보(I2)에 기초한 출력 정보가 생성되도록 할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 생성부(220)는, 제1 분류 모델(M1)에 대한 입력 데이터로써 비실시간 정보(I1)가 입력되도록 할 수 있고, 제2 분류 모델(M2)에 대한 입력 데이터로써 실시간 정보(I2)가 입력되도록 할 수 있다.
특히, 본 발명의 일 실시예에 따른 생성부(220)는, 제2 분류 모델(M2)에 실시간 정보(I2)가 입력되도록 할 경우, 실시간 정보(I2)를 분할(예컨대 고정된 크기로 분할)하여 시계열적인 요소(sequence)로 구성하고, 이러한 시계열적인 요소가 제2 분류 모델(M2)에 입력되도록 할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 시계열적인 요소는 실시간 정보(I2)에 비해 저차원으로 구성될 수 있다.
본 발명의 일 실시예에 따르면, 제1 분류 모델(M1)과 제2 분류 모델(M2)은 상이한 딥러닝(또는 인공지능) 기반 분류 모델에 해당할 수 있다. 예를 들어, 제1 분류 모델(M1)은 순환 신경망(RNN; Recurrent Neural Network) 및 합성곱 신경망(CNN; Convolutional Neural Network) 중 적어도 하나를 기반으로 하는 분류 모델일 수 있고, 제2 분류 모델(M2)은 합성곱 신경망(CNN) 및 비전 트랜스포머(ViT; Vision Transformer) 중 적어도 하나를 기반으로 하는 분류 모델일 수 있다.
한편, 본 발명의 일 실시예에 따르면, 제1 분류 모델(M1)과 제2 분류 모델(M2)은, 상술한 바와 같이 상이한 딥러닝 기반 분류 모델에 해당할 수 있지만, 공통적으로는 심정지 및 사망에 관한 위험도를 생성(또는 출력)하도록 학습된 모델일 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 제1 분류 모델(M1)이 비실시간 정보(I1)를 처리한 결과로 비실시간 정보(I1)에 기초한 출력 정보가 생성될 수 있고, 제2 분류 모델(M2)이 실시간 정보(I2)를 처리한 결과로 실시간 정보(I2)에 기초한 출력 정보가 생성될 수 있는데, 제1 분류 모델(M1)과 제2 분류 모델(M2)에서 생성된 각각의 출력 정보는 심정지 및 사망에 관한 위험도를 포함할 수 있다.
즉, 본 발명의 일 실시예에 따르면, 제1 분류 모델(M1)과 제2 분류 모델(M2)은 상이한 속성(즉, 비실시간 또는 실시간)을 갖는 정보를 입력받아 동일한 속성을 갖는 정보를 생성할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 추정부(230)는, 비실시간 정보(I1)에 기초한 출력 정보 및 실시간 정보(I2)에 기초한 출력 정보를 조합하여 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 최종적으로 추정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 추정부(230)는, 제1 분류 모델(M1)과 제2 분류 모델(M2)에서 생성된 각각의 출력 정보를 조합(또는 제1 분류 모델(M1)과 제2 분류 모델(M2)을 조합)하는 앙상블 모델(M3)이 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하도록 할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 추정부(230)는, 앙상블 모델(M3)이 제1 분류 모델(M1)에서 출력되는 정보(즉, 비실시간 정보(I1)에 기초한 출력 정보)와 제2 분류 모델(M2)에서 출력되는 정보(즉, 실시간 정보(I2)에 기초한 출력 정보)에 대해 보팅(voting) 등의 방식을 이용하여 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하도록 할 수 있다.
본 발명의 일 실시예에 따르면, 도 3에서는 제1 분류 모델(M1)과 제2 분류 모델(M2)의 후단에 앙상블 모델(M3)이 배치되는 것으로 도시되었으나, 앙상블 모델(M3)에 제1 분류 모델(M1)과 제2 분류 모델(M2)이 포함되는 것으로 이해될 수도 있다.
계속해서, 본 발명의 일 실시예에 따른 추정부(230)는, 앙상블 모델(M3)에서 추정된 각 위험도를 소정 범위 내의 스코어로 변환하여 출력할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 앙상블 모델(M3)에서 추정된 각 위험도는 확률 형태로 표현될 수 있는데, 추정부(230)는 이와 같이 확률 형태로 표현된 각 위험도를 스코어 형태로 변환하여 심정지 위험도에 관한 스코어(S1) 및 사망 위험도에 관한 스코어(S2)로 출력할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 추정부(230)에 의해 변환된 스코어는 0 내지 100 사이로 설정되는 범위 내에서 특정한 값으로 변환될 수 있으나, 그 범위가 반드시 상술한 범위에 한정되는 것은 아니며 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있음을 밝혀 둔다.
다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 획득부(210), 생성부(220) 및 추정부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 획득부(210), 생성부(220), 추정부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명의 일 실시예에 따른 제어부(250)는 추정 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 추정 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 획득부(210), 생성부(220), 추정부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 추정 시스템
210: 획득부
220: 생성부
230: 추정부
240: 통신부
250: 제어부
300: 서버
400: 디바이스
200: 추정 시스템
210: 획득부
220: 생성부
230: 추정부
240: 통신부
250: 제어부
300: 서버
400: 디바이스
Claims (13)
- 심정지 및 사망에 관한 위험도를 추정하기 위한 추정 시스템에서 구현되는 방법으로서 - 상기 추정 시스템은 획득부, 생성부 및 추정부를 포함함 -,
상기 획득부가, 의료 기관 내에서 수집되는 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하는 단계,
상기 생성부가, 상기 비실시간 정보 및 상기 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보가 생성되도록 하는 단계, 및
상기 추정부가, 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보를 조합하는 앙상블 모델이 상기 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하도록 하는 단계를 포함하고,
상기 비실시간 정보에는 상기 피측정자의 전자의무기록(EMR; Electronic Medical Record)에 기록된 생체 신호가 포함되고,
상기 실시간 정보에는 상기 피측정자의 신체에 부착되는 디바이스에 의해 측정된 생체 신호가 포함되며,
상기 제1 분류 모델과 상기 제2 분류 모델은, 상이한 딥러닝 기반 분류 모델에 해당하되 의료 기관 내에서 수집되는 비실시간 정보 및 실시간 정보에 각각 기초하여 심정지 및 사망에 관한 위험도를 출력하도록 학습된 모델이고,
상기 제1 분류 모델에 대한 입력 데이터로서 상기 비실시간 정보가 입력되고, 상기 제2 분류 모델에 대한 입력 데이터로서 상기 실시간 정보가 입력되고,
상기 획득 단계에서, 상기 획득부가, 상기 비실시간 정보에 측정 공백이 포함된 것에 대응하여, 적어도 하나의 통계적 방식을 이용하여 상기 측정 공백을 유효한 정보로 대체하고,
상기 생성 단계에서, 상기 생성부가, 상기 제2 분류 모델에 상기 실시간 정보가 입력되도록 함에 있어서, 상기 실시간 정보를 고정된 크기로 분할하여 상기 실시간 정보에 비하여 차원이 낮은 시계열적인 요소로 구성하고, 상기 시계열적인 요소가 상기 제2 분류 모델에 입력되도록 하고,
상기 피측정자의 생체 신호가 기록됨에 따라 생성되는 정보 중 측정 공백으로 인해 실시간성이 결여된 정보는 상기 비실시간 정보에 포함되는
방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 제1 분류 모델에는 순환 신경망(RNN; Recurrent Neural Network) 및 합성곱 신경망(CNN; Convolutional Neural Network) 중 적어도 하나를 기반으로 하는 분류 모델이 포함되고,
상기 제2 분류 모델에는 합성곱 신경망(CNN) 및 비전 트랜스포머(ViT; Vision Transformer) 중 적어도 하나를 기반으로 하는 분류 모델이 포함되는
방법. - 삭제
- 제1항에 있어서,
상기 추정된 위험도는 소정 범위 내의 스코어로 변환되어 출력되는
방법. - 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- 심정지 및 사망에 관한 위험도를 추정하기 위한 시스템으로서,
의료 기관 내에서 수집되는 피측정자의 생체 신호와 연관되는 비실시간 정보 및 실시간 정보를 획득하는 획득부,
상기 비실시간 정보 및 상기 실시간 정보에 각각 제1 분류 모델 및 제2 분류 모델을 적용하여 상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보가 생성되도록 하는 생성부, 및
상기 비실시간 정보에 기초한 출력 정보 및 상기 실시간 정보에 기초한 출력 정보를 조합하는 앙상블 모델이 상기 피측정자의 심정지 및 사망 중 적어도 하나에 관한 위험도를 추정하도록 하는 추정부를 포함하고,
상기 비실시간 정보에는 상기 피측정자의 전자의무기록(EMR; Electronic Medical Record)에 기록된 생체 신호가 포함되고,
상기 실시간 정보에는 상기 피측정자의 신체에 부착되는 디바이스에 의해 측정된 생체 신호가 포함되며,
상기 제1 분류 모델과 상기 제2 분류 모델은, 상이한 딥러닝 기반 분류 모델에 해당하되 의료 기관 내에서 수집되는 비실시간 정보 및 실시간 정보에 각각 기초하여 심정지 및 사망에 관한 위험도를 출력하도록 학습된 모델이고,
상기 제1 분류 모델에 대한 입력 데이터로서 상기 비실시간 정보가 입력되고, 상기 제2 분류 모델에 대한 입력 데이터로서 상기 실시간 정보가 입력되고,
상기 획득부가, 상기 비실시간 정보에 측정 공백이 포함된 것에 대응하여, 적어도 하나의 통계적 방식을 이용하여 상기 측정 공백을 유효한 정보로 대체하고,
상기 생성부가, 상기 제2 분류 모델에 상기 실시간 정보가 입력되도록 함에 있어서, 상기 실시간 정보를 고정된 크기로 분할하여 상기 실시간 정보에 비하여 차원이 낮은 시계열적인 요소로 구성하고, 상기 시계열적인 요소가 상기 제2 분류 모델에 입력되도록 하고,
상기 피측정자의 생체 신호가 기록됨에 따라 생성되는 정보 중 측정 공백으로 인해 실시간성이 결여된 정보는 상기 비실시간 정보에 포함되는
시스템. - 삭제
- 삭제
- 제8항에 있어서,
상기 제1 분류 모델에는 순환 신경망(RNN; Recurrent Neural Network) 및 합성곱 신경망(CNN; Convolutional Neural Network) 중 적어도 하나를 기반으로 하는 분류 모델이 포함되고,
상기 제2 분류 모델에는 합성곱 신경망(CNN) 및 비전 트랜스포머(ViT; Vision Transformer) 중 적어도 하나를 기반으로 하는 분류 모델이 포함되는
시스템. - 삭제
- 제8항에 있어서,
상기 추정된 위험도는 소정 범위 내의 스코어로 변환되어 출력되는
시스템.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102681050B1 true KR102681050B1 (ko) | 2024-07-05 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11147500B2 (en) | Electrocardiogram processing system for delineation and classification | |
| US20220125322A1 (en) | Methods and Systems for Determining Abnormal Cardiac Activity | |
| US11253202B1 (en) | System and method for characterizing cardiac arrhythmia | |
| Pathinarupothi et al. | IoT-based smart edge for global health: Remote monitoring with severity detection and alerts transmission | |
| CN108478209B (zh) | 心电信息动态监护方法和动态监护系统 | |
| US11617528B2 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
| JP2014100473A (ja) | 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ | |
| Leutheuser et al. | Comparison of real-time classification systems for arrhythmia detection on Android-based mobile devices | |
| Demirel et al. | Energy-efficient real-time heart monitoring on edge–fog–cloud internet of medical things | |
| JP2021514768A (ja) | 睡眠段階検出のための方法、コンピューティングデバイス、およびウェアラブルデバイス | |
| KR102346824B1 (ko) | 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법 | |
| CN109310351A (zh) | 用于表征对象的心率的评估系统和方法 | |
| US20230117220A1 (en) | Electrocardiogram data processing server, method and computer program for displaying analysis data of electrocardiogram signal | |
| US11426113B2 (en) | System and method for the prediction of atrial fibrillation (AF) | |
| US20220104750A1 (en) | Electrocardiogram processing system for delineation and classification | |
| US20240099665A1 (en) | Electrocardiogram data processing server, electrocardiogram data processing method of extracting analysis required section while segmenting electrocardiogram signal into signal segments with variable window sizes, and computer program | |
| US20230346305A1 (en) | Parameter determination method, parameter determination apparatus, storage medium, and electronic device | |
| Yuldashev et al. | Systems and technologies for remote health state monitoring of patients with chronic diseases | |
| KR102681050B1 (ko) | 심정지 및 사망에 관한 위험도를 추정하기 위한 방법 및 시스템 | |
| KR20220037917A (ko) | 인공지능을 이용한 심전도 기반 혈당 측정 방법, 장치 및 프로그램 | |
| EP4216232A1 (en) | Methods and system for cardiac arrhythmia prediction using transformer-based neural networks | |
| KR102549010B1 (ko) | 복합 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| Hasan et al. | Cardiac arrhythmia detection in an ECG beat signal using 1D convolution neural network | |
| JP2024501861A (ja) | リアルタイムのフォトプレチスモグラフィデータにより推定血糖値を生成するシステム、方法及び装置 | |
| Shevchuk et al. | Remote monitoring of the person physiological state |