KR20120076564A - 환자 건강정보 기반의 환자대 환자관계 추천방법 - Google Patents

환자 건강정보 기반의 환자대 환자관계 추천방법 Download PDF

Info

Publication number
KR20120076564A
KR20120076564A KR1020100121973A KR20100121973A KR20120076564A KR 20120076564 A KR20120076564 A KR 20120076564A KR 1020100121973 A KR1020100121973 A KR 1020100121973A KR 20100121973 A KR20100121973 A KR 20100121973A KR 20120076564 A KR20120076564 A KR 20120076564A
Authority
KR
South Korea
Prior art keywords
patient
patients
relationship
health information
disease
Prior art date
Application number
KR1020100121973A
Other languages
English (en)
Inventor
임준호
박찬용
박수준
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020100121973A priority Critical patent/KR20120076564A/ko
Publication of KR20120076564A publication Critical patent/KR20120076564A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명에 따른 환자 건강정보 기반의 환자대 환자 관계 추천방법이 개시된다. 본 발명에 따른 환자대 환자관계 추천방법은 환자 커뮤니티를 이용하는 환자들의 건강정보를 수집하는 단계, 상기 수집된 환자들의 건강정보에 기초하여 위험징후 규칙을 결정하는 단계, 상기 환자들의 건강정보와 위험징후 규칙에 기초하여 환자간 질병 유사도를 계산하여 유사한 질병을 갖는 환자를 매핑하는 단계 및 상기 환자의 매핑결과에 기초하여 유사한 질병을 갖는 환자-환자 관계를 추천하는 단계를 포함하며, 상기 환자들의 건강정보를 수집하는 단계는, 개인용 컴퓨터 또는 모바일폰을 통하여 전송된 환자들의 건강정보를 수집하는 단계를 포함하는 것을 특징으로 한다.

Description

환자 건강정보 기반의 환자대 환자관계 추천방법{PATIENTS RELATIONSHIP BUIDING METHOD BASED ON MEDICAL INFORMATIONS OF PATIENTS}
본 발명은 환자 건강정보 기반의 환자대 환자 관계의 추천방법에 관한 것으로, 더욱 상세하게는 환자 커뮤니티를 이용하여 환자들의 건강정보를 취합하고 이를 기초로 유사한 질병을 갖는 환자를 추천하는 방법에 관한 것이다.
인터넷은 전세계 사람들에게 여러 가지 주제와 관련된 정보, 의견 및 경험 등을 공유할 수 있는 공간을 제공한다. 이러한 인터넷의 특징을 이용하여 사람들로 하여금 자신의 일상이나 관심사를 인터넷의 특정 공간에 게시하고, 이에 관심을 갖는 전세계 사람들과 의사소통하는 공간과 서비스를 제공하는 여러 종류의 커뮤니티 사이트가 등장했다.
예를 들면 사이월드, 트위터, 페이스북과 같이 자신과 관계를 맺는 다른 사람들과 네트워크를 형성할 수 있도록 기능을 제공하는 사교 및 친분을 위한 사이트가 있는가 하면, 사진을 좋아하는 사람들을 위한 커뮤니티 서비스를 제공하는www.flicker.com이나 동영상을 공유할 수 있도록 공간을 제공하는 유튜브와 같이 특정한 취미나 기호를 갖는 사람들이 모여서 관련지식이나 정보를 공유하도록 특화된 기능을 제공하는 사이트가 있다.
이러한 인터넷 기반의 커뮤니티를 형성해주는 사이트에서 제공하는 서비스를 일명 소셜 네트워크 서비스(SNS:Social Network Service)라고도 한다. 최근에는 정보기술의 발달과 함께 좀더 기술적으로 진화되고 특화된 서비스를 제공하는 사이트가 많아졌는데, 특히 건강에 대한 관심의 증가와 함께 질병 관련 정보를 제공하는 사이트, 의약품 관련 효과나 부작용에 관한 정보를 제공하는 사이트, 환자들 간의 질병에 대한 증세나 치료법 등을 공유하는 사이트들도 점차 증가하고 있다.
일반적으로 환자들 간의 질병에 대한 정보를 공유하는 사이트는 주로 환자로부터 직접 입력받은 환자들의 건강정보를 기초로 질병을 예측하거나 유사한 질병을 갖는 환자를 검색하여 주는 기능을 제공한다. 이와 같이 환자의 건강정보를 기초로 질병을 예측하고, 유사환자를 검색하기 위해서는 환자의 건강정보가 정확하고 풍부하게 입력되어야 정확한 결과를 기대할 수 있다.
질병을 예측하고 유사질병의 환자를 찾아주는 종래의 방법은 주로 환자가 직접입력한 데이터를 기초로 하고 있다. 그런데 환자들이 자신의 증세를 정량화하여 입력하는 것이 쉽지않기 때문에 사실상 정확한 예측결과를 기대하기 어렵고, 이로 인해서 유사한 질병을 갖는 환자를 매칭하는 것도 신뢰할 수 있는 결과를 기대할 수 없다. 또한 질병을 예측하는 알고리즘도 암이나 백혈병과 같이 기초자료가 풍부한 불치의 병에 한정되어 있어서 좀 더 다양한 징후와 관련된 정보를 원하는 환자들의 요구를 충족시키기 어렵다.
상기와 같은 문제점을 해결하기 위하여, 본 발명의 목적은 환자들의 건강정보를 용이하고 정확하게 취합할 수 있는 기능을 제공하는 환자 커뮤니티를 이용하여 환자의 질병에 대한 증후를 예측하고, 유사한 질병을 갖는 환자를 추천하여 주는 방법을 제공하는 것이다.
상기의 목적을 달성하기 위한 본 발명은 환자대 환자 관계 추천장치에서 환자 건강정보 기반의 환자대 환자 관계를 추천하는 방법에 있어서, 커뮤니티를 이용하는 환자들의 건강정보를 수집하는 단계, 상기 수집된 환자들의 건강정보에 기초하여 위험징후 규칙을 결정하는 단계, 상기 환자들의 건강정보와 위험징후 규칙에 기초하여 환자간 질병 유사도를 계산하여 유사한 질병을 갖는 환자를 매핑하는 단계 및 상기 환자의 매핑결과에 기초하여 유사한 질병을 갖는 환자-환자 관계를 추천하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계의 추천방법을 제공한다.
여기서, 상기 환자들의 건강정보를 수집하는 단계는, 개인용 컴퓨터 또는 모바일폰을 통하여 전송된 환자들의 건강정보를 수집하는 단계를 포함하고, 상기 개인용 컴퓨터 또는 모바일폰을 통하여 전송되는 환자들의 건강정보는 가정용 개인 건강 측정기기로 측정되어 상기 개인용 컴퓨터 또는 모바일폰으로 전송된 측정결과를 포함하며, 상기 환자들의 건강정보를 수집하는 단계는, 병원이나 환자들의 건강정보를 보유한 기관으로부터 환자들의 건강정보를 전송받는 단계를 더 포함하는 것을 특징으로 한다.
또한 여기에서, 상기 위험징후 규칙을 결정하는 단계는, 상기 수집된 환자의 건강정보에 기초하여 위험징후들을 분류하는 단계, 상기 분류된 위험징후별 측정항목을 설정하는 단계 및 상기 위험징후별 측정항목들에 대한 판단기준치를 적용하여 위험징후 규칙을 설정하는 단계를 포함하는 것을 특징으로 한다.
또한 여기에서, 상기 유사한 질병을 갖는 환자를 매핑하는 단계는, 커뮤니티의 모든 환자에 대하여 상기 위험징후 규칙을 적용하여 유사한 징후를 갖는 환자들을 그룹화하는 위험징후 집합 구성단계 및 상기 환자들의 건강정보와 상기 구성된 위험징후 집합에 기반하여 환자별로 유사한 징후를 갖는 타 환자를 매핑하는 환자-환자 질병유사도를 계산하는 단계를 포함하며, 상기 환자별 환자-환자 질병유사도를 계산하는 단계는, 선형보간법(Linear Interpolation)을 사용하는 것을 특징으로 한다.
여기에서, 상기 질병유사도는 신체유사도와 위험징후유사도를 이용하며 각각의 별도의 가중치를 적용하며, 상기 신체유사도는 환자의 신체적 특징에서 선택된 인자를 이용하고, 상기 위험징후 유사도는 상기 위험징후 집합 구성단계에서 구축된 환자별 위험징후 집합간의 교집합의 개수를 이용하여 선형 보간법이 적용되며, 상기 질병유사도는 상기 신체유사도는 환자의 성별, 나이, BMI(Body Mass Index) 중 하나 이상의 인자를 기초로 하며, 상기 성별, 나이 및 BMI(Body Mass Index)는 각각의 개별적인 가중치가 적용되는 것을 특징으로 한다.
한편 여기에서, 상기 환자-환자 관계를 추천하는 단계는, 관계추천을 요청한 환자에 대한 환자-환자 관계추천요청 단계, 상기 유사한 질병을 갖는 환자의 매핑결과를 참조하여 상기 요청환자와 매핑된 다른 환자들에 대하여 질병유사도에 따라서 순위화하는 단계, 상기 질병유사도에 따라서 순위화된 환자들에 대하여 상기 요청환자의 요구에 따른 검색조건에 따라 필터링하는 단계 및 상기 필터링된 결과에 기초하여 특정환자에 대한 환자-환자 관계리스트를 작성하는 단계를 포함하며, 상기 검색조건은 상기 순위화된 환자들의 나이, 거주지역, 근무처, 진료병원 중의 하나 이상을 조합한 것을 특징으로 한다.
또한 여기에서 상기 환자간 유사한 질병을 갖는 환자의 매핑결과에 기초하여 의사의 진찰환자들과 유사한 질병을 갖는 환자들을 추천하는 의사-환자관계 추천단계를 더 포함하는 것을 특징으로 하며, 상기 의사-환자 관계 추천단계는, 의사의 요청에 의하여 해당 의사에 대한 의사-환자 관계추천요청 단계, 상기 요청의사의 진찰환자들에 대한 리스트를 작성하는 단계, 상기 진찰환자 리스트에서 하나 이상의 환자를 선택하는 단계, 상기 선택된 각 환자들에 대한 환자-환자 관계추천 요청단계, 상기 유사한 질병을 갖는 환자의 매핑결과를 참조하여 상기 선택된 각 환자와 매핑된 다른 환자들에 대하여 질병유사도에 따라서 순위화하는 단계, 상기 선택된 각 환자별로 질병유사도에 따라서 순위화된 환자들에 대하여 상기 의사의 요구에 따른 검색조건에 따라 필터링하는 단계 및 상기 필터링된 결과에 기초하여 상기 선택된 각 환자에 대한 환자-환자 관계리스트를 수집하는 단계, 상기 수집된 환자별 유사도 가중치를 계산하는 단계, 상기 유사도 가중치에 따라 분류된 추천 의사-환자 관계 리스트를 작성하는 단계를 포함하는 것을 특징으로 한다.
한편 여기에서, 상기 유사도 가중치를 계산하는 방법은, 질병 유사도 값을 평균 내는 방법, 특정 순위 내에서 몇 번 등장했는지 카운팅하는 방법 및 각 리스트에 대해서 1/순위를 더하는 방법 중 하나를 선택하고, 상기 검색조건에 따라 필터링하는 단계는 상기 요청의사의 진찰환자들만을 필터링하는 단계를 더 포함하는 것을 특징으로 한다.
상술한 바와 같은 본 발명에 따른 환자 건강정보 기반의 환자대 환자 관계 추천방법을 이용하면, 개인들의 건강정보와 병원의 임상정보를 자동화 기기를 이용하여 취합하고 분석하여 유사한 질병을 갖는 환자들을 연결시켜 줌으로써, 정확하고 풍부한 환자의 건강정보를 기반으로 환자의 증세에 따른 질병의 징후를 예측하고 유사한 질병을 갖는 환자를 추천할 수 있고, 환자들 간에 자신의 질병이나 징후에 대한 정보를 교환하고 치료에 도움을 받을 수 있도록 해주는 효과가 있다.
도 1a는 본 발명의 실시예에 따른 환자대 환자관계추천을 위한 시스템의 개념도이다.
도 1b는 본 발명에 따른 환자대 환자관계 추천을 위한 전반적인 과정을 개략적으로 보여주는 시퀀스 차트이다.
도 2는 본 발명의 실시예에 따른 환자별 건강정보가 수집되는 과정을 보여주는 개념도이다.
도 3은 본 발명의 실시예에 따른 위험 징후규칙을 결정하는 과정을 보여주는 개념도이다.
도 4는 본 발명의 실시예에 따른 유사한 질병을 갖는 환자를 매핑하는 과정을 보여주는 개념도이다.
도 5는 본 발명의 실시예에 따른 환자-환자 관계 추천과정을 보여주는 시퀀스 차트이다.
도 6은 본 발명의 실시예에 따른 의사-환자 관계 추천과정을 보여주는 시퀀스 차트이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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 본 발명이 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 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명은 유사한 질병을 갖는 환자들 간에 질병의 증세와 치료법에 대한 정보를 공유할 수 있는 커뮤니티를 제공한다. 이를 위해 유사한 증세를 갖는 환자를 매핑하여 주는 환자-환자추천 기능과, 의사에게 진료환자와 유사한 증세나 질병을 갖는 환자를 매핑하여 주는 의사-환자 추천기능을 제공한다. 특히 환자의 건강정보가 건강 측정기기를 통하여 자동으로 커뮤니티 서버로 전송되도록 함으로써, 환자가 본인의 건강관련자료를 좀 더 편리하게 입력할 수 있는 기능을 제공한다. 또한 환자의 증세로 질병의 증후를 파악하고 예측할 수 있는 데이터베이스와 기능을 제공한다.
상기의 환자의 건강정보를 측정하는 건강 측정기기로는 혈압계, 혈당계 등과 같은 개인 건강측정기기가 있으며, 이 기기들은 생체신호를 가정 및 모바일 환경에서 측정할 수 있도록 하는 기술로서, 최근에는 ISO/IEEE 11073 개인건강기기 표준이 제정되어, 이와 같은 개인 건강기기가 모바일폰 등의 게이트웨이와 플러그-앤드-플레이 방식으로 동작할 수 있는 상호운용성을 제공한다.
본 발명에서 언급되는 건강정보는 개인의 건강상태, 본인의 병력, 가족병력, 신체기능, 만성질병, 일시적이지만 규칙적 또는 불규칙적으로 발생하는 증세 등을 포함한다. 또한 건강에 영향을 미칠 수 있는 생활 습관이 포함될 수 있다. 예를 들면 음주, 흡연, 규칙적인 운동 여부 등이 포함될 수 있다. 또한 환자의 성별, 거주지정보, 연령정보 등이 포함되어 다양한 분석을 위한 기초자료로 활용될 수 있다.
본 발명의 환자는 특정 질병의 보유 여부에 상관없이, 본 발명의 커뮤니티에 등록하여 자신의 건강정보를 제공하는 일반적인 사용자를 포함한다. 이들은 자신의 건강정보를 입력하고, 자신과 유사한 증세나 질병을 갖는 다른 환자를 검색할 수 있으며, 자신의 건강정보를 기초로 하여 계산된 위험징후 즉 예상되는 질병을 검색할 수 있다.
본 발명에서는 언급되는 병원의 전자건강기록(EHR:Electronic Hospital Record) 시스템은 본 발명에 따른 커뮤니티와 연계되어 환자에 대한 진료정보 또는 위험징후별 증세정보 등을 제공하고, 상기 커뮤니티에 등록된 환자들의 정보를 참조할 수 있도록 협약이 되어 있는 병원의 시스템을 포함할 수 있고, 또는 공공의 목적으로 개방된 익명성을 갖는 의료정보시스템 및 환자의 동의를 기초로 환자의 병원으로부터 진료자료를 넘겨받도록 연계되는 시스템 등을 포함할 수 있다.
이하 본 발명에 따른 환자 건강정보 기반의 환자대 환자 관계 추천방법과 관련하여, 환자대 환자관계 추천을 위한 시스템의 전반적인 구성과 방법에 대하여 설명하고, 환자대 환자관계 추천 방법에 대하여 단계별로 좀 더 자세하게 설명하기로 한다.
환자대 환자관계 추천을 위한 시스템의 구성
도 1a는 본 발명의 실시예에 따른 환자대 환자관계추천을 위한 시스템의 개념도이다.
도 1a를 참조하면, 본 발명에 따른 환자대 환자관계추천을 위한 시스템은 유사질병환자 서버(140)와 상기 유사질병환자 서버와 필요한 정보와 서비스를 주고받도록 연결된 가정용 개인 건강측정기기(110), 개인 통신기기 예를 들면 모바일폰(120) 또는 개인용 컴퓨터(130), 병원 EHR 시스템(150)을 포함하여 구성되어 있다.
도 1a를 참조하면 본 발명에 따른 환자대 환자관계추천을 위한 시스템의 각 구성요소 및 추천과정은 다음과 같이 설명될 수 있다.
상기 가정용 개인 건강측정기기(110)는 가정 또는 모바일 환경에서 개인의 건강을 측정하는 기기로 혈압계, 혈당계, 체지방 측정기 등과 같은 기기와 IT기술이 융합된 낙상감지 센서, 약 복용 센서, 심전도를 측정하는 바이오 패치 등과 같은 개인용 건강기기를 포함한다. 상기 가정용 개인 건강측정기기(110)를 통해 측정된 측정결과는 상기 모바일폰(120)이나 PC(130)로 전송되어 상기 유사질병환자 서버(140)로 전달된다. 여기서 개인의 건강정보가 반드시 상기 건강측정기기 (110)과 연결되어 수집되는 것은 아니며, 필요에 따라 모바일폰이나 PC상에서 수작업으로 직접 입력될 수도 있다.
상기 모바일폰(120) 및 PC(130)는 상기 가정용 개인 건강측정기기(110)로부터 전송된 건강측정결과 또는 환자가 직접 입력한 건강정보를 유사질병환자 서버로 전송하는 역할을 한다. 상기 모바일폰(120) 및 PC(130)는 특별한 구성에 한정되지는 않고 환자의 건강정보를 유사질병환자 서버로 전송해 주는 역할을 하는 모든 기기를 포함한다.
상기 유사 질병환자 서버(140)는 상기 모바일 또는 PC를 통해서 취득한 환자 건강정보에 기반하여 환자들 간의 커뮤니티 서비스를 제공하며, 특히 환자대 환자관계 및 환자대 의사관계 추천서비스를 제공한다. 또한 상기 유사질병환자 서버(140)는 개인 건강정보 데이터베이스(160), 위험징후 규칙 데이터베이스(170), 환자추천 인덱스 데이터베이스(180) 및 관계추천 모듈(141)을 포함한다.
상기 개인 건강정보 데이터베이스(160)에는 모바일폰이나 PC를 통하여 전달된 개인별 건강정보가 저장된다. 즉 개인 건강측정기기로 측정된 개인별 건강측정결과 또는 PC나 모바일폰을 통해 직접 입력한 개인별 건강정보가 상기 데이터베이스(160)에 저장되는 것인데, 여기에는 개인 건강측정기기(110)로 측정한 개인별 혈압, 혈당, 체지방 수치, 심전도 수치 등의 데이터가 PC나 모바일폰을 경유하여 저장될 수 있다. 또한 연계된 병원의 EHR 시스템의 해당환자의 진료결과, 예를 들면, 혈액검사, 소변겸사 등의 다양한 검사들이 수집되어 상기 개인 건강정보 데이터베이스(160)에 저장될 수 있다. 상기의 데이터들은 환자-환자관계 및 의사-환자관계를 추천하는 과정에서 입력데이터로서 활용된다.
상기 위험징후 규칙 데이터베이스(170)는 개인 건강기기로부터 측정된 개인 건강 데이터 또는 병원에서 검진된 환자의 진료결과 데이터에 기반하여, 위험 측정 기준별로 위험징후를 분류하여 저장한 데이터베이스로서, 위험을 측정하는 기준, 지표, 위험징후가 기본 항목이 될 수 있다. 예를 들면 측정기준이 '소변_산도'이고, 지표는 '< 4.5' 이고, 위험징후가 "신장질병"으로 저장되어 있다면 소변_산도가 4.5 미만이면 신장질병의 징후라는 의미가 될 수 있다.
환자추천 인덱스 데이터베이스(180)는 개인건강데이터베이스와 위험징후규칙 데이터베이스를 참조하여 각 환자들의 위험징후를 분석하여 각 환자들 간의 위험징후 유사도가 계산되어 구축된 질병 유사도 매트릭스가 저장된다. 상기 환자추천 인덱스 데이터베이스의 데이터는 추천환자 검색단계에서 입력데이터로서 활용된다.
상기 관계추천 모듈(141)은 특정 환자에게 자신과 유사한 질병을 지닌 다른 환자를 추천하는 기능을 수행한다. 이를 통해, 환자는 인터넷 상에서 기존에 자신이 알지 못하던 유사 질병의 다른 사람들과의 네트워크를 구축하고, 질병 관련 정보, 병원 및 의사 정보 등과 같은 질병 및 치료와 관련된 다양한 정보를 교류할 수 있다. 또한 관계 추천 기능을 활용하여 의사에게 자신이 진료하고 있는 환자와 유사한 다른 환자들을 검색하여 줌으로써, 의사들은 자신이 진료하고 있는 환자들과 비교하여 볼 수 있고, 그 외에 연구를 위한 다양한 임상 케이스를 조사하는데 도움이 될 수 있다.
병원 전자건강기록(EHR) 시스템(150)은 본 발명에 따른 환자 커뮤니티와 제휴된 병원에서 전자적으로 관리되는 환자들의 건강기록 시스템으로서, 환자 임상결과 데이터베이스(190)를 포함한다. 상기 임상결과 데이터베이스(190)의 환자의 건강진료 기록은 위험징후 규칙을 생성하는 과정 연계되어, 상기 개인건강정보 데이터베이스(160)의 데이터와 함께 환자별 위험징후를 분류하기 위한 입력자료로 활용될 수 있다. 또는 환자별 개인건강 데이터를 수집하는 과정에서 상기 개인건강 정보 데이터베이스(160)로 저장될 수도 있을 것이다.
환자대 환자관계 추천을 위한 방법
다음으로 상기 환자대 환자관계추천을 위한 전반적인 과정을 설명하기로 한다.
도 1b는 본 발명에 따른 환자대 환자관계 추천을 위한 전반적인 과정을 개략적으로 보여주는 시퀀스차트이다.
도 1b를 참조하면, 상기 환자들의 건강정보를 수집하는 단계는 환자 커뮤니티를 이용하는 환자들의 건강정보를 수집하는 단계(200), 상기 수집된 환자들의 건강정보에 기초하여 위험징후 규칙을 결정하는 단계(300), 상기 환자들의 건강정보와 위험징후 규칙에 기초하여 유사한 질병을 갖는 환자를 매핑하는 단계(400), 상기 환자의 매핑결과에 기초하여 환자-환자관계를 추천하는 단계(500) 및 상기 환자의 매핑결과에 기초하여 의사-환자관계를 추천하는 단계(600) 로 구성되는데, 이하 상기 각 단계별로 좀 더 자세하게 설명하기로 한다.
1) 환자들의 건강정보 수집단계
환자들의 건강정보는 환자가 개인건강 측정기기로 건강상태를 측정한 후에, 모바일폰이나 PC와 같은 개인 통신기기를 통해서 유사질병환자 서버로 전송되어 수집된다.
도 2는 본 발명의 실시예에 따른 환자별 건강정보가 수집되는 과정을 보여주는 개념도이다.
도 2를 참조하면 가정용 개인건강 측정기기(110)로 측정된 개인들의 건강측정결과가 모바일폰(120) 또는 개인용 컴퓨터(130)를 통해서 유사질병환자 서버의 개인건강정보 데이터베이스(160)에 저장되는 과정을 볼 수 있다.
환자가 가정이나 모바일 환경에서 가정용 개인건강 측정기기(110)로 건강상태를 측정한다. 이때 상기 가정용 개인건강 측정기기(110)에는 혈압계, 혈당계, 체지방 측정기 등의 기기와 IT기술이 융합된 낙상감지 센서, 약복용 센서, 심전도를 측정하는 바이오 패치 등 다양한 기기가 포함될 수 있다. 바람직하게는 ISO/IEEE 11073 개인 건강기기(PHD:Personal Health Device)의 국제표준을 준수하는 기기가사용될 수 있지만 반드시 여기에 한정되는 것은 아니다.
또한 건강상태 측정시 상기 개인건강 측정기기(110)가 상기 모바일폰(120) 또는 개인용 컴퓨터(130)에 연결된 상태에서 측정됨으로써, 측정과 동시에 연결된 기기로 측정결과가 직접 전송될 수 있다. 바람직하게는 상기 측정결과는 PHD 표준의 형태로 전송될 것이다. 그러나 측정기기(110)에 따라서 오프라인 상태에서 건강상태를 측정한 후, 추후 상기 모바일폰(120) 또는 개인용 컴퓨터(130)를 연결하여 측정결과를 전송하거나 직접 입력할 수도 있을 것이다. 이는 개인건강 측정기기(110)의 구성이나 호환성에 따라서 선택될 수 있다.
예를 들어 PHD표준의 데이터 포맷을 지원하는 모바일폰을 소유한 고령의 고혈압 환자가 있다면. 상기 환자는 자신의 모바일폰(120)을 혈압계, 체온계, 혈당계 등의 개인건강 측정기기(110)에 연결하여 이용하여 혈압, 체온 및 혈당을 측정하면, 상기 측정결과는 환자의 모바일폰으로 전송되므로 고령의 환자가 데이터를 직접 입력하는 수고를 덜어준다.
개인건강 기기와 모바일폰 사이의 통신 프로토콜은 지그비(Zigbee), 블루투스(Bluetooth), IrDA(Infrared Data Association) 등과 같이 각 기기에서 제공하는 모든 통신 프로토콜이 사용될 수 있지만, 일반적으로 모바일폰에서 많이 사용되는 블루투스 및 TCP/IP를 사용하여 상기 PHD 표준 형태의 건강데이터가 전송될 수 있다.
상기 모바일폰(120)에서는 상기 PHD 표준에 따라 전송된 건강측정결과를 HL7 CDA(Clinical Document Architecture) 포맷으로 재구성하게 된다.
다음 표 1은 PHD 포맷의 건강측정 데이터를 보여준다. 표의 왼쪽은 건강측정데이터의 헥사값이고, 오른쪽에는 헥사값에 대한 ASN 표기를 보여준다.
Figure pat00001
모바일폰(120)내의 PHD TO CDA 변환 모듈(미 도시)에서는 가정용 개인 건강 측정기기(110)로부터 전송된 PHD 포맷의 건강측정 데이터를 HL7 CDA 표준 포맷으로 변환한다.
다음 표2는 표1의 건강측정 데이터 중 하단의 체온 데이터를 HL7 CDA로 변환한 예를 보여주는데, 전체 HL7 CDA 문서 중 측정 결과 부분을 나타낸다. HL7 CDA로 변환된 개인건강 데이터는 유사질병환자 서버(140)로 전달된다.
Figure pat00002
모바일폰으로부터 HL7 CDA 포맷의 개인건강 데이터를 전송받은 유사질병환자 서버(140)에서는 상기 건강데이터를 개인건강정보 데이터베이스(160)에 저장한다. 이와 같이 수집된 개인건강정보 데이터베이스의 데이터는 환자들 간의 소셜-네트워크 서비스를 제공하기 위하여 사용된다.
또한 상기 환자들의 건강정보는 병원이나 환자들의 건강정보를 보유한 기관으로부터 환자들의 건강정보를 전송받아서 상기 개인건강정보 데이터베이스에 입력할 수도 있다. 이는 환자나 병원 또는 건강정보 기관의 협의에 따라서 선택적으로 적용될 수 있을 것이다.
2) 위험징후 규칙 결정
다음으로 상기 수집된 환자들의 건강정보에 기초하여 위험징후 규칙을 결정하는 단계(300)로서, 위험징후 규칙을 생성하여 위험징후 데이터베이스에 저장하는 과정을 설명하기로 한다.
도 3은 본 발명의 실시예에 따른 위험 징후규칙을 결정하는 과정을 보여주는 개념도이다.
도 3을 참조하면 개인 건강정보 데이터베이스(160)와 환자 임상결과 데이터베이스(190)의 개인 건강정보를 이용하여 위험징후를 분류(310)한 후, 위험징후를 측정할 항목을 설정(320)하고 가정용 개인건강 측정기기(110)로 측정된 개인들의 건강측정결과가 모바일폰(120) 또는 개인용 컴퓨터(130)를 통해서 유사 질병환자 서버의 개인건강정보 데이터베이스(160)에 저장되는 과정을 볼 수 있다.
위험징후 규칙을 결정하기 위하여, 우선 위험징후들을 분류(310)하는데, 이를위해 개인건강정보 데이터베이스(160) 및 환자 임상결과 데이터베이스(190)의 환자별 건강데이터를 기반으로 위험징후를 분류하게 된다. 예를 들면, 신장질환, 빈혈과 같이 어떤 특정 질병 또는 질병과 연관될 수 있는 징후들이 분류된다.
두 번째 단계로서, 상기에 분류된 위험 징후들을 측정할 기준이 되는 항목을 설정한다(320). 예를 들면 상기 예시된 위험징후인 빈혈 여부를 측정할 항목으로 적혈구 수치가 설정될 수 있고, 신장질병의 징후를 결정할 항목으로 소변 산도가 설정될 수 있을 것이다. 상기 위험징후에 대한 측정항목은 하나 이상이다.
다음으로 상기에서 분류된 위험징후 측정항목에 대하여 위험징후 규칙을 설정한다(330). 즉, 각 위험징후 측정항목에 대하여, 해당 환자에게 위험징후가 있는지 여부를 판단할 판단 기준치 또는 경계값이 설정된다.
예를 들면, 임상적으로 적혈구 수치가 4.0 이하이면 빈혈로 판단하는 경우, 위험징후는 '빈혈징후'가 되고, 측정항목이 '적혈구 수치'가 되며, 빈혈 여부를 판단할 적혈구 수치의 판단 기준치는 '4.0 이하'로 설정된다. 이와 같은 위험징후별 측정항목과 판단 기준치는 병원의 의사들이 사용하는 이미 알려진 규칙을 이용하여 생성할 수 있을 것이다.
다음 표 3은 위험징후 규칙을 IF-THEN 구문으로 표시한 예를 보여준다.
Figure pat00003
상기와 같이 결정된 위험징후규칙은 위험 징후 규칙 데이터베이스(170)에 저장되며, 환자간의 질병 유사도 계산들 돕기 위하여 사용된다.
3) 유사한 질병을 갖는 환자를 매핑하는 단계
다음으로 환자들의 건강정보와 위험징후 규칙에 기초하여 유사한 질병을 갖는 환자를 매핑하는 단계(400)이다.
도 4는 본 발명의 실시예에 따른 유사한 질병을 갖는 환자를 매핑하는 과정을 보여주는 개념도이다.
도 4를 참조하면 유사한 질병을 갖는 환자를 매핑하는 단계는 개인건강 데이터베이스(160)와 위험징후 규칙데이터베이스(170)를 참조하여 유사한 징후를 갖는 환자들을 그룹화하는 위험징후 집합 구성단계(410)와 환자-환자의 질병 유사도를 계산하는 단계(420)로 구성된다.
상기 위험징후 집합 구성단계(410)는 상기 개인건강 정보 데이터베이스(160) 내의 모든 환자에 대해서, 위험징후들을 분류하고 상기 위험징후 규칙 데이터베이스(170)에 저장된 위험징후 규칙을 적용한 후, 환자별 위험징후 집합을 구성하게 된다.
예를 들면, 개인 건강정보 데이터베이스(160)에서 검색된 어떤 환자의 건강정보를 검색한 결과, 건강 측정 결과중 소변_산도가 3이고 간_지오티 AST가 200라는 결과가 있었다면, 이를 위험 징후 규칙에 적용하면 해당 환자는 신장질병(기준치:소변_산도 < 4.5)과 급만성간염(기준치:간_지오티AST >40)의 위험이 있는 것으로 분류될 수 있다.
다만 상기 위험 징후 규칙은 환자를 진단하는 규칙이 아니라, 환자의 위험 징후를 파악하여 환자간의 유사도 계산을 돕기 위한 방법으로만 사용된다는 점에 유의해야 한다. 즉, 급만성 간염 징후로 분류된 환자는 급만성 간염의 보유가능성에 기반하여 타 환자와의 유사도를 계산할 뿐, 실제 해당 환자를 급만성간염을 보유한 것으로 진단하는 것은 아니다.
다음으로 환자-환자의 질병 유사도를 계산하는 단계(420)에서는 환자의 나이, 성별, 키, 몸무게 등의 개인 신체정보와 상기 위험징후 집합 구성단계(420)에서 검출된 환자별 위험 징후에 기반하여 환자들 간의 질병 유사도를 계산한다. 질병 유사도의 계산 원칙은 비슷한 신체 조건을 가질수록, 그리고 비슷한 위험 징후를 가질수록 높은 질병 유사도를 가지는 것이다.
표 4는 실시예에 따른 두 환자간의 질병 유사도를 구하는 계산식을 보여준다.
Figure pat00004
<상기 α1, α2, α11, α12, α13는 가중치>
표 4를 참조하면 상기 유사도의 계산식은 선형보간법(Linear Interpolation)을 사용한다. 상기 가중치는 전문가가 미리 구축한 유사 환자 집합 (학습집합)을 이용하여, 정답집합과 유사한 유사도 결과가 나올 수 있도록 계산한다.
두 환자의 질병 유사도는 신체 유사도와 위험 징후 유사도로 구분된다. 신체유사도의 경우 두 환자의 나이가 비슷할수록, 성별이 같을수록, BMI(Body Mass Index)가 비슷할수록 높은 유사도 값을 갖게 되고, 상기 세 가지 인자에 대하여 각각의 가중치에 따른 선형보간된 값을 갖는다.
위험징후유사도는 상기 환자별 위험징추 검출(410)단계에서 구축된 각 환자별 위험징후 집합 간의 교집합의 개수를 이용하여 계산한다. 즉, 두 환자 사이의 위험 징후가 많이 일치할수록 높은 유사도를 가지게 된다. 상기와 같이 모든 환자 쌍에 대해서 질병유사도를 계산하여, 질병 유사도 매트릭스를 구축한다. 이렇게 구축된 질병유사도 정보는 환자 추천인덱스 데이터베이스(180)에 저장되어, 추천 환자 검색 단계에서 사용된다.
4) 환자-환자 관계 추천단계
다음으로 유사한 질병을 갖는 환자의 매핑결과에 기초하여 환자-환자 관계를 추천하는 단계로서(500), 유사질병을 갖는 환자-환자 관계의 추천과정을 설명하기로 한다.
도 5는 본 발명의 실시예에 따른 환자-환자 관계 추천과정을 보여주는 시퀀스 차트이다.
도 5를 참조하면 환자-환자 관계를 추천하는 과정은 환자-환자 관계추천을 요청하는 단계(510), 질병유사도에 따라서 순위화하는 단계(520), 검색조건에 따라 필터링하는 단계(530), 추천 환자-환자 관계리스트를 작성하는 단계(540)로 구성된다.
환자-환자 관계 추천은 환자 입장에서 자신과 유사한 질병을 갖는 환자를 검색하는 기능이다. 유사질병환자 서버의 관계추천 모듈이 관계추천을 요청한 환자에게, 요청환자와 유사한 질병을 갖는 다른 환자를 추천해줌으로써, 유사질병을 갖는 환자간의 네트워크를 구축하고 질병, 병원 및 의사들에 대한 정보 등을 공유하고 교류할 수 있도록 하는 기능이다.
환자-환자 관계추천 요청단계(510)는 환자가 환자-환자 관계를 추천해주도록 요청하는 단계로서, 상기의 요청환자는 자신의 건강정보가 유사질병환자에 기 등록되어 있는 환자이다. 이때 추천을 받을 환자의 조건(연령대, 거주지역, 근무처, 진료 병원 등)을 지정할 수도 있다.
질병유사도에 따라서 순위화하는 단계(520)에서는 상기 환자-환자 관계 추천 요청(510)을 받은 후에, 환자추천 인덱스 데이터베이스(180)를 참조하여 요청환자를 기준으로 유사한 질병을 갖는 다른 환자를 검색하게 된다. 이때 유사한 질병을 갖는 환자들을 질병 유사도의 순위를 부여하여, 일정 순위내의 환자들만을 추출한다(520).
다음으로 검색조건에 따라 필터링하는 단계(530)에서는 상기 질병유사도에 따라서 순위화하는 단계(520)에서 검색된 요청환자와 유사한 질병을 갖는 환자들에 대하여, 환자의 요구에 따른 검색조건을 부여하여 필터링작업을 하게 된다. 예를 들어 요청환자가 특정 연령대와 거주지를 갖는 환자를 검색조건으로 지정했다면, 상기 조건에 맞는 환자가 필터링될 것이다.
추천 환자-환자 관계 리스트 작성 단계(540)에서는 상기 필터링 단계(530)를 거쳐서 최종적으로 추출된 환자들에 대한 환자-환자관계 리스트가 작성(540)된다. 이렇게 생성된 환자-환자 관계 리스트는 환자에게 제공이 되고, 해당 환자는 이를 통하여 유사한 질병의 사람들과의 커뮤니티를 형성하게 된다.
5) 의사-환자 관계 추천단계
다음으로 의사의 진찰환자에 대한 환자-환자관계 추천하는 단계에 대해서 각 과정을 설명하기로 한다.
도 6은 본 발명의 실시예에 따른 의사-환자 관계 추천과정을 보여주는 시퀀스 차트이다.
도 6을 참조하면 의사-환자 관계를 추천하는 단계는 의사-환자 관계 추천 요청 단계(610), 진찰환자 리스트 작성단계(620), 진찰환자별 환자-환자 관계 추청요청단계(630), 환자별 추천환자 리스트 수집 및 필터링 단계(640), 수집환자별 유사도 가중치 계산 단계(660), 추천 의사-환자 관계 리스트 작성단계(680)로 구성된다. 또한 진찰환자별 환자-환자 관계 추천요청 단계(630)는 도 5의 유사질병을 갖는 환자-환자 관계의 추천과정인, 질병유사도에 따라 순위화하는 단계(632), 검색조건에 따른 필터링단계(634), 추천 환자-환자 관계 리스트 작성단계(636)가 해당의사의 진찰환자에 대해서 반복됨을 알 수 있다.
의사-환자 관계 추천 기능은 의사가 진찰하고 있는 환자들과 유사한 질병을 가진 환자들을 검색하여 추천하는 기능으로, 의사들은 자신이 진료하는 환자와 유사한 다른 환자들을 검색하여 비교할 수 있다.
의사가 자신이 진찰하는 환자에 대한 의사-환자 관계 추천을 요청하면(610), 추천을 요청한 의사의 진찰환자의 리스트를 작성하게 된다(620). 다음으로 진찰환자별 환자-환자 관계요청단계(630)는 상기 의사의 진찰환자에 대하여 진찰환자-환자 관계를 추천해주도록 요청하는 단계로서, 상기의 진찰환자 역시 환자의 건강정보가 유사질병환자 서버에 기 등록되어 있는 환자이다.
질병 유사도에 따라서 순위화 하는(632) 단계에서는 상기 진찰환자에 대하여 환자추천 인덱스 데이터베이스(180)를 참조하여 진찰환자를 기준으로 유사한 질병을 갖는 다른 환자를 검색하게 된다. 이때 유사한 질병을 갖는 환자들을 질병 유사도의 순위를 부여하여, 일정순위 내의 환자들만을 추출한다.
다음으로 검색조건에 따른 필터링 단계(634)에서는 의사가 지정한 조건에 따른 환자가 필터링될 것이다. 상기 진찰환자별 환자-환자 관계추천 요청단계는 의사의 모든 진찰환자에 대하여 수행될 수도 있고, 의사가 지정한 환자들에 대해서만 수행될 수도 있다.
상기 의사가 지정한 모든 진찰환자들에 대한 추천 환자-환자 관계 리스트가 작성된 후에는 환자별로 작성된 추천환자 리스트를 수집하고, 조건에 따른 필터링(640)을 하게 된다. 예를 들면 의사의 진찰환자와 유사질병을 갖는 환자 중에는 상기 의사의 담당 환자가 아닌 경우도 있는데, 이러한 환자를 제외할지 여부를 선택할 수도 있을 것이다.
상기와 같은 필터링 작업이 수행되고 나면, 의사의 각 진찰환자에 대하여 유사한 질병을 갖는 환자 리스트가 수집된다.
다음으로 수집환자별 유사도 가중치 계산단계(660)에서는 수집된 환자 리스트를 기초로 가중치를 계산한다.
먼저 유사도 가중치 계산을 위해서, 각 환자별 추천환자 리스트를 모아서 하나의 추천 의사-환자 관계 리스트로 구성한다. 추천 의사-환자 관계 리스트의 구성 방법은 환자별 추천 리스트에 여러 번 등장한 환자를 의사-환자 관계 리스트의 상위에 랭킹하여 주고, 환자별 추천 리스트에 적게 등장한 환자는 의사-환자 관계 리스트의 하위에 랭킹하는 방법을 사용할 수 있다.
구체적인 계산 방법으로는 질병 유사도 값을 평균 내는 방법, 특정 순위 내에서 몇 번 등장했는지 카운트를 하는 방법, 그리고 각 리스트에 대해서 "1/순위"을 더하는 방법 등의 방법을 이용하여 추천 의사-환자 관계 리스트를 구성할 수 있다.
질병 유사도 값을 평균 내는 방법은 각 진찰 환자별 추천 환자 리스트에 포함된 모든 환자에 대해서, 진찰 환자와 추천 환자 사이의 유사도 값을 모아서 평균을 내고, 해당 평균값을 의사-환자 관계 유사도 값으로 사용하는 방법이다. 즉, 어느 환자가 특정 진찰 환자와의 유사도가 0.5이고, 다른 진찰 환자와의 유사도가 0.3이면, 의사와 해당 환자 사이의 유사도는 (0.5+0.3)/2 = 0.4로 계산한다.
특정 순위 내에서 몇 번 등장했는지 카운트하는 방법은,각 진찰환자 별 추천 환자 리스트의 특정 순위(예를 들면, 상위 10명 혹은 100명) 내의 환자를 선별하여, 상기 선별된 환자들에 대하여 각각 추천 환자 리스트에 몇 번 등장했는지를 세는 방법이다. 예를 들어, 5명의 진찰 환자에 대해서, 각각 추천환자를 검색하였을 때, 5명의 진찰 환자의 추천 환자 리스트에서 모두 등장한 환자는 의사와 5/5 = 1의 유사도 값을 가지고, 3명의 진찰 환자의 추천 환자 리스트에서 등장한 환자는 의사와 3/5 = 0.6의 유사도 값을 가진다.
각 리스트에 대해서 "1/순위"을 더하는 방법은 위의 카운트 방법과 유사한 방법으로, 위의 방법은 순위에 관계없이 모두 동일한 값을 더하지만, 이 방법은 순위를 고려하여 1등은 1점, 3등은 1/3점을 더하는 방법이다. 예를 들어, 5명의 진찰 환자에 대해서, 특정 환자가 추천 환자 리스트에서 1등으로 한 번, 2등으로 한 번 나타난 경우, 해당 환자와 의사와의 유사도 값은 (1/1 + 1/2) / 5 = 0.3의 값을 가진다.
상기 환자에 대한 유사도 가중치계산이 완료되면 이에 따라서 추천 의사-환자 관계리스트가 작성(680)된다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (15)

  1. 환자대 환자 관계 추천장치에서 환자 건강정보 기반의 환자대 환자 관계를 추천하는 방법에 있어서,
    환자 커뮤니티를 이용하는 환자들의 건강정보를 수집하는 단계;
    상기 수집된 환자들의 건강정보에 기초하여 위험징후 규칙을 결정하는 단계;
    상기 환자들의 건강정보와 위험징후 규칙에 기초하여 환자간 질병 유사도를 계산하여 유사한 질병을 갖는 환자를 매핑하는 단계; 및
    상기 환자의 매핑결과에 기초하여 유사한 질병을 갖는 환자-환자 관계를 추천하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  2. 제 1항에 있어서,
    상기 환자들의 건강정보를 수집하는 단계는, 개인용 컴퓨터 또는 모바일폰을 통하여 전송된 환자들의 건강정보를 수집하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  3. 제 2항에 있어서,
    상기 개인용 컴퓨터 또는 모바일폰을 통하여 전송되는 환자들의 건강정보는 가정용 개인 건강 측정기기로 측정되어 상기 개인용 컴퓨터 또는 모바일폰으로 전송된 측정결과를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  4. 제 2항에 있어서,
    상기 환자들의 건강정보를 수집하는 단계는, 병원이나 환자들의 건강정보를 보유한 기관으로부터 환자들의 건강정보를 전송받는 단계를 더 포함하는 것을 특징으로 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  5. 제1항에 있어서,
    상기 위험징후 규칙을 결정하는 단계는,
    상기 수집된 환자의 건강정보에 기초하여 위험징후들을 분류하는 단계;
    상기 분류된 위험징후별 측정항목을 설정하는 단계; 및
    상기 위험징후별 측정항목들에 대한 판단기준치를 적용하여 위험징후 규칙을 설정하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  6. 제 1항에 있어서,
    상기 유사한 질병을 갖는 환자를 매핑하는 단계는,
    커뮤니티의 모든 환자에 대하여 상기 위험징후 규칙을 적용하여 유사한 징후를 갖는 환자들을 그룹화하는 위험징후 집합 구성단계; 및
    상기 환자들의 건강정보와 상기 구성된 위험징후 집합에 기반하여 환자별로 유사한 징후를 갖는 타 환자를 매핑하는 환자-환자 질병유사도를 계산하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  7. 제 6항에 있어서,
    상기 환자별 환자-환자 질병유사도를 계산하는 단계는, 선형보간법(Linear Interpolation)을 사용하여 환자-환자 질병유사도를 계산하여는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  8. 제 7항에 있어서,
    상기 질병유사도는 신체유사도와 위험징후유사도를 이용하며 각각의 별도의 가중치를 적용하며, 상기 신체유사도는 환자의 신체적 특징에서 선택된 인자를 이용하고, 상기 위험징후 유사도는 상기 위험징후 집합 구성단계에서 구축된 환자별 위험징후 집합간의 교집합의 개수를 이용하여 선형 보간법이 적용되는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  9. 제 8항에 있어서,
    상기 질병유사도는 상기 신체유사도는 환자의 성별, 나이, BMI(Body Mass Index) 중 하나 이상의 인자를 기초로 하며, 상기 성별, 나이 및 BMI(Body Mass Index)는 각각의 개별적인 가중치가 적용되는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  10. 제 1항에 있어서,
    상기 환자-환자 관계를 추천하는 단계는,
    관계추천을 요청한 환자에 대한 환자-환자 관계추천요청 단계;
    상기 유사한 질병을 갖는 환자의 매핑결과를 참조하여 상기 요청환자와 매핑된 다른 환자들에 대하여 질병유사도에 따라서 순위화하는 단계;
    상기 질병유사도에 따라서 순위화된 환자들에 대하여 상기 요청환자의 요구에 따른 검색조건에 따라 필터링하는 단계; 및
    상기 필터링된 결과에 기초하여 특정환자에 대한 환자-환자 관계리스트를 작성하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  11. 제 10항에 있어서,
    상기 검색조건은 상기 순위화된 환자들의 나이, 거주지역, 근무처, 진료병원 중의 하나 이상을 조합한 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  12. 제 1항에 있어서,
    상기 환자간 유사한 질병을 갖는 환자의 매핑결과에 기초하여 의사의 진찰환자들과 유사한 질병을 갖는 환자들을 추천하는 의사-환자관계 추천단계를 더 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  13. 제 12항에 있어서,
    상기 의사-환자 관계 추천단계는,
    의사의 요청에 의하여 해당 의사에 대한 의사-환자 관계추천요청 단계;
    상기 요청의사의 진찰환자들에 대한 리스트를 작성하는 단계;
    상기 진찰환자 리스트에서 하나 이상의 환자를 선택하는 단계;
    상기 선택된 각 환자들에 대한 환자-환자 관계추천 요청단계;
    상기 유사한 질병을 갖는 환자의 매핑결과를 참조하여 상기 선택된 각 환자와 매핑된 다른 환자들에 대하여 질병유사도에 따라서 순위화하는 단계;
    상기 선택된 각 환자별로 질병유사도에 따라서 순위화된 환자들에 대하여 상기 요청의사의 요구에 따른 검색조건에 따라 필터링하는 단계;
    상기 필터링된 결과에 기초하여 상기 선택된 각 환자에 대한 환자-환자 관계리스트를 수집하는 단계;
    상기 수집된 환자별 유사도 가중치를 계산하는 단계; 및
    상기 유사도 가중치에 따라 분류된 추천 의사-환자 관계 리스트를 작성하는 단계를 포함하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  14. 제 13항에 있어서,
    상기 유사도 가중치를 계산하는 방법은, 질병 유사도 값을 평균 내는 방법, 특정 순위 내에서 몇 번 등장했는지 카운팅하는 방법 및 각 리스트에 대해서 1/순위를 더하는 방법 중 하나를 선택하는 것을 특징으로 하는 환자 건강정보 기반의 환자대 환자 관계 추천방법.
  15. 제 13항에 있어서,
    상기 검색조건에 따라 필터링하는 단계는 상기 요청의사의 진찰환자들만을 필터링하는 단계를 더 포함하는 것을 특징으로 환자 건강정보 기반의 환자대 환자 관계 추천방법.
KR1020100121973A 2010-12-02 2010-12-02 환자 건강정보 기반의 환자대 환자관계 추천방법 KR20120076564A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100121973A KR20120076564A (ko) 2010-12-02 2010-12-02 환자 건강정보 기반의 환자대 환자관계 추천방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100121973A KR20120076564A (ko) 2010-12-02 2010-12-02 환자 건강정보 기반의 환자대 환자관계 추천방법

Publications (1)

Publication Number Publication Date
KR20120076564A true KR20120076564A (ko) 2012-07-09

Family

ID=46710174

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100121973A KR20120076564A (ko) 2010-12-02 2010-12-02 환자 건강정보 기반의 환자대 환자관계 추천방법

Country Status (1)

Country Link
KR (1) KR20120076564A (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160096439A (ko) * 2015-02-05 2016-08-16 삼성생명보험주식회사 보험 서비스 제공 방법, 장치 및 컴퓨터 프로그램
KR20180085237A (ko) * 2017-01-18 2018-07-26 삼성생명보험주식회사 보험 상품을 제공하기 위한 방법 및 서버
CN108768822A (zh) * 2018-04-11 2018-11-06 丽睿客信息科技（北京）有限公司 身体状态自诊软硬件系统及其用于建立社群的方法
KR20200038597A (ko) * 2018-10-04 2020-04-14 박재병 질환 기반의 노인 돌봄 토탈 서비스 제공장치
KR20200136278A (ko) * 2019-05-27 2020-12-07 계명대학교 산학협력단 5g 기반의 멀티 헬스케어 서비스 스마트홈 플랫폼 시스템 및 그 구동 방법
KR20200144252A (ko) 2019-06-18 2020-12-29 주식회사 비브로스 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치
KR20210015985A (ko) 2019-06-18 2021-02-10 주식회사 비브로스 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치
KR20210066235A (ko) * 2019-11-28 2021-06-07 이태경 정량적 지표 기반 의료서비스 추천 시스템
US11830588B2 (en) * 2020-04-30 2023-11-28 Kpn Innovations, Llc Methods and systems for a physiologically informed virtual support network

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160096439A (ko) * 2015-02-05 2016-08-16 삼성생명보험주식회사 보험 서비스 제공 방법, 장치 및 컴퓨터 프로그램
KR20180085237A (ko) * 2017-01-18 2018-07-26 삼성생명보험주식회사 보험 상품을 제공하기 위한 방법 및 서버
CN108768822A (zh) * 2018-04-11 2018-11-06 丽睿客信息科技（北京）有限公司 身体状态自诊软硬件系统及其用于建立社群的方法
KR20200038597A (ko) * 2018-10-04 2020-04-14 박재병 질환 기반의 노인 돌봄 토탈 서비스 제공장치
KR20200136278A (ko) * 2019-05-27 2020-12-07 계명대학교 산학협력단 5g 기반의 멀티 헬스케어 서비스 스마트홈 플랫폼 시스템 및 그 구동 방법
KR20200144252A (ko) 2019-06-18 2020-12-29 주식회사 비브로스 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치
KR20210015985A (ko) 2019-06-18 2021-02-10 주식회사 비브로스 의료정보 기반의 커뮤니티 서비스 제공 방법 및 장치
KR20210066235A (ko) * 2019-11-28 2021-06-07 이태경 정량적 지표 기반 의료서비스 추천 시스템
WO2021107688A3 (ko) * 2019-11-28 2021-07-22 이태경 정량적 지표 기반 의료서비스 추천 시스템
US11830588B2 (en) * 2020-04-30 2023-11-28 Kpn Innovations, Llc Methods and systems for a physiologically informed virtual support network

Similar Documents

Publication Publication Date Title
KR20120076564A (ko) 환자 건강정보 기반의 환자대 환자관계 추천방법
KR102558021B1 (ko) 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법
WO2021232591A1 (zh) 基于物联网数据的用户数据分类方法、装置、计算机设备及存储介质
Mixon et al. Preparedness for hospital discharge and prediction of readmission
KR101497690B1 (ko) 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법
KR101500673B1 (ko) 이동 통신 기기를 이용하는 건강 관리 시스템, 이동 통신 기기 및 건강 관리 방법
Baker et al. Continuous and automatic mortality risk prediction using vital signs in the intensive care unit: a hybrid neural network approach
KR20110032637A (ko) 혈당 관리 정보를 제공하는 방법 및 장치
Xie et al. Development and assessment of an interpretable machine learning triage tool for estimating mortality after emergency admissions
WO2005122033A1 (ja) 医療総合情報装置及び医療総合情報システム
BR102016011525A2 (pt) System and related methods for conducting correlation between medical data and conditions of diagnosis and follow-up of health treatment of patient monitored in real time
WO2018106481A1 (en) Computer-implemented methods, systems, and computer-readable media for diagnosing a condition
WO2013136611A1 (ja) 生体情報表示方法、生体情報表示画像データ作成装置およびそのためのプログラム
Xie et al. Benchmarking emergency department prediction models with machine learning and public electronic health records
CN114121266A (zh) 一种智能化的辅助诊断方法和系统
KR20110029414A (ko) 건강 관리 정보를 제공하는 방법 및 장치
WO2021140731A1 (ja) 情報伝達装置および情報伝達方法
CN113436738A (zh) 管理风险用户的方法、装置、设备及存储介质
Moreno-Alsasua et al. Primary prevention of asymptomatic cardiovascular disease using physiological sensors connected to an iOS app
Hulley et al. Planning the measurements: precision, accuracy, and validity
JP2020017137A (ja) 診断支援システム
Krey et al. Wearable technology in healthcare
Park et al. Telecare system for cardiac surgery patients: implementation and effectiveness
JP7393518B2 (ja) 教師データ収集装置、教師データ収集方法および記録媒体
Kim et al. A personal health index system with IoT devices

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination