KR20130082551A - 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법 - Google Patents

임상 자료 분석 장치 및 그것의 임상 자료 분석 방법 Download PDF

Info

Publication number
KR20130082551A
KR20130082551A KR1020110131106A KR20110131106A KR20130082551A KR 20130082551 A KR20130082551 A KR 20130082551A KR 1020110131106 A KR1020110131106 A KR 1020110131106A KR 20110131106 A KR20110131106 A KR 20110131106A KR 20130082551 A KR20130082551 A KR 20130082551A
Authority
KR
South Korea
Prior art keywords
data
statistical
clinical data
clinical
subject
Prior art date
Application number
KR1020110131106A
Other languages
English (en)
Inventor
박찬용
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 KR1020110131106A priority Critical patent/KR20130082551A/ko
Priority to US13/620,264 priority patent/US20130151516A1/en
Publication of KR20130082551A publication Critical patent/KR20130082551A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명에서는 임상 자료를 통계적으로 분석하여 유용한 의료 정보를 제공하는 임상 자료 분석 장치가 제공된다. 본 발명의 임상 자료 분석 장치는 제 1 임상 자료 또는 제 2 임상 자료를 수집하여 저장하고, 제 1 임상 자료를 통계화한 결과를 통계 자료로서 제공하는 통계 처리부 및 통계 자료 및 제 2 임상 자료를 참조하여 제 2 임상 자료와 통계 자료 사이의 관련성을 검증하거나 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측하고, 검증 결과 또는 예측 결과를 의료 자료로서 사용자 단말기에 제공하는 통계 분석부를 포함한다.

Description

임상 자료 분석 장치 및 그것의 임상 자료 분석 방법{CLINICAL DATA ANALYSIS APPARATUS AND CLINICAL DATA ANALYSIS METHOD THEREOF}
본 발명은 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법에 관한 것으로서, 보다 상세하게는 임상 자료를 통계적으로 분석하여 유용한 의료 정보를 제공하는 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법에 관한 것이다.
의료기관에서는 대상자를 진료한 후 병명, 증상, 체온, 혈압 등을 포함하는 의무기록을 보관한다. 보관된 의무기록은 동일한 대상자를 다시 진료 또는 치료할 때, 그 대상자의 병력, 체질, 투약된 약품, 치료 효과 등을 참고하기 위해 사용될 수 있다.
전산화 장비가 발전하고 보급됨에 따라, 의무 기록을 전산화하여 컴퓨터에 저장하는 전자 의무 기록 시스템(Electric Medical Record System)이 널리 도입되고 있다. 전자 의무 기록 시스템에 대한 구체적인 내용은 대한민국 특허 공개 2010-0053995, 대한민국 특허 공개 2010-0101396 등에 기재되어 있다.
그러나, 종래의 전자 의무 기록 시스템은 의무 기록을 전산화하여 저장한 것에 불과하고, 단순한 의무 기록의 보관 및 검색의 편의 이상을 제공하지 못하는 한계를 가진다.
본 발명의 목적은 임상 자료를 통계적으로 분석하여 유용한 의료 정보를 제공하는 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법을 제공하는 데 있다.
본 발명의 다른 목적은 대상자의 질환 진행 정도 또는 예후를 추측할 수 있는 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법을 제공하는 데 있다.
본 발명의 또 다른 목적은 대상자의 건강 상태을 감지하여 안내 메시지를 전송하는 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법을 제공하는 데 있다.
본 발명의 또 다른 목적은 통계 분석의 정확도를 향상시킨 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법을 제공하는 데 있다.
본 발명에 따른 임상 자료 분석 장치는 제 1 임상 자료 또는 제 2 임상 자료를 수집하여 저장하고, 상기 제 1 임상 자료를 통계화한 결과를 통계 자료로서 제공하는 통계 처리부; 및 상기 통계 자료 및 상기 제 2 임상 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하거나 상기 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측하고, 상기 검증 결과 또는 상기 예측 결과를 의료 자료로서 사용자 단말기에 제공하는 통계 분석부를 포함한다.
실시 예로서, 상기 사용자 단말기는 대상자 단말기, 보호자 단말기 또는 의사 단말기일 수 있다.
실시 예로서, 상기 통계 처리부는, 상기 제 1 및 제 2 임상 자료를 저장하는 임상 자료 데이터 베이스; 상기 제 1 임상 자료를 통계화하여 통계 자료로서 제공하는 통계 처리 모듈; 및 상기 통계 자료를 저장하는 통계 자료 데이터 베이스를 포함한다.
실시 예로서, 상기 통계화는 카이제곱 검정, t 검정, 상관 분석, 분산 분석, 또는 회귀 분석들 중 적어도 하나를 통해 수행된다.
실시 예로서, 상기 통계 분석부는, 상기 통계 자료 및 상기 제 2 임상 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하고, 상기 검증 결과를 의료 자료로서 제공하는 데이터 검증 모듈을 포함한다.
실시 예로서, 상기 통계 분석부는, 상기 통계 자료를 참조하여 상기 대상자의 질환 진행 정도를 예측하고, 상기 예측 결과를 의료 자료로서 제공하는 데이터 예측 모듈을 포함한다.
실시 예로서, 상기 통계 분석부는, 상기 의료 자료가 위험 값에 속하는지 여부에 따라, 위험 신호를 제공하는 위험 감지부를 포함한다.
실시 예로서, 상기 위험 신호를 참조하여, 상기 사용자 단말기에 안내 메시지를 제공하는 메시지 전송부를 더 포함한다.
실시 예로서, 상기 의료 자료 또는 상기 안내 메시지는 유선 또는 무선 통신망을 통해 상기 사용자 단말기에 제공된다.
실시 예로서, 상기 사용자 단말기로부터 상기 의료 자료에 대한 의사의 판단 입력 값을 수신하여 저장한다.
실시 예로서, 상기 판단 입력 값에 따라 상기 제 2 임상 자료를 상기 제 1 임상 자료에 포함시킨다.
실시 예로서, 상기 검증 결과 또는 상기 예측 결과는 뇌졸중 검증 결과 또는 뇌졸중 진행 예측 결과일 수 있다.
실시 예로서, 상기 제 1 임상 자료 또는 상기 제 2 임상 자료는 병원의 의무 기록 데이터 또는 유헬스(u-health) 데이터를 포함한다.
실시 예로서, 상기 유헬스(u-health) 데이터는 대상자의 체중, 혈압, 혈당, 그리고 HsCRP 데이터 중 적어도 하나를 포함한다.
본 발명에 따른 임상 자료 분석 방법은 제 1 임상 자료 또는 제 2 임상 자료를 수집 및 저장하는 단계; 상기 제 1 임상 자료를 통계화하여 통계 자료를 생성하는 단계; 상기 통계 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하거나 상기 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측는 단계; 및 상기 검증 결과 또는 상기 예측 결과를 의료 자료로서 제공하는 단계를 포함한다.
실시 예로서,상기 제 2 임상 자료는 상기 대상자로부터 수집된 유헬스(u-health) 데이터인 임상 자료 분석 방법.
실시 예로서, 상기 사용자 단말기는 대상자 단말기, 보호자 단말기 또는 의사 단말기인 임상 자료 분석 방법.
실시 예로서, 상기 사용자 단말기로부터 상기 의료 자료에 대한 의사의 판단 입력 값을 수신하는 단계; 및 상기 판단 입력 값에 따라 상기 제 2 임상 자료를 상기 제 1 임상 자료에 포함시키는 단계를 더 포함하는 임상 자료 분석 방법.
실시 예로서, 상기 의료 자료가 위험 값 또는 안내 조건에 속하는지 여부에 따라, 상기 사용자 단말기에 안내 메시지를 제공하는 단계를 더 포함하는 임상 자료 분석 방법.
실시 예로서, 상기 안내 메시지는 건강에 대한 경고 메시지, 의료 기관 방문을 권고하는 메시지 또는 방문 가능한 의료 기관에 대한 정보를 포함하는 임상 자료 분석 방법
도 1은 본 발명에 따른 임상 자료 분석 장치를 나타내는 블록도이다.
도 2는 도 1에 나타난 통계 처리부를 나타내는 블록도이다.
도 3은 도 1에 나타난 통계 분석부를 나타내는 블록도이다.
도 4는 본 발명의 제 1 실시 예에 따른 질환 진행 정도 예측 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 제 2 실시 예에 따른 질환 진행 정도 예측 방법을 설명하기 위한 도면이다.
도 6은 본 발명에 따른 임상 자료 분석 방법을 나타내는 순서도이다.
도 7은 본 발명에 따른 임상 자료 분석 방법의 다른 실시 예를 나타내는 순서도이다.
앞의 일반적인 설명 및 다음의 상세한 설명들은 모두 청구된 발명의 부가적인 설명을 제공하기 위한 예시적인 것이다. 그러므로 본 발명은 여기서 설명되는 실시 예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 여기서 소개되는 실시 예는 개시된 내용이 철저하고 완전해 질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 포함한다고 언급되는 경우에, 이는 그 외의 다른 구성요소를 더 포함할 수도 있다는 것을 의미한다. 이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명에 따른 임상 자료 분석 장치를 나타내는 블록도이다. 도 1을 참조하면 임상 자료 분석 장치(300)는 통계 처리부(310), 통계 분석부(320) 및 메시지 전송부(330)를 포함한다.
임상 자료 분석 장치(300)는 의료 정보 수집 장치(100) 또는 병원 의무 기록 저장 장치(200)로부터 제 1 임상 자료 또는 제 2 임상 자료를 수신한다.
후술하겠지만, 제 1 임상 자료는 통계 자료 생성을 위한 모집단으로서 사용된다. 제 2 임상 자료는 통계 분석을 수행할 대상 임상 자료를 의미한다. 그리고, 임상 자료 분석 장치(300)는 사용자 단말기(400)에 의료 자료를 제공한다. 실시 예로서, 사용자 단말기는 대상자 단말기, 보호자 단말기 또는 의사 단말기를 포함할 수 있다. 한편, 여기서 사용자 단말기는 CPU를 포함한 컴퓨팅 장치만을 의미하지는 않는다. 사용자 단말기는 단순히 알람(alarm) 또는 메시지를 수신할 수 있는 수신 장치일 수 있다.
의료 정보 수집 장치(100)는 대상자로부터 유헬스(u-health) 데이터를 수집하고, 수집된 유헬스(u-health) 데이터를 제 1 임상 자료 또는 제 2 임상 자료로서 임상 자료 분석 장치(300)에 제공한다. 의료 정보 수집 장치(100)는 데이터 전송 기기로서 셋탑박스, TV, 휴대폰 또는 태블릿PC 등이 될 수 있다. 실시 예로서, 의료 정보 수집 장치(100)는 전자 의료 진단 기기를 포함할 수 있다. 의료 정보 수집 장치(100)에서 수집되는 유헬스(u-health) 데이터는 대상자의 생체 데이터로서 대상자의 체중, 혈압, 혈당 또는 HsCRP(high sensitivity CRP) 수치를 포함할 수 있다. HsCRP는 혈관 질환을 예측하기 위한 검사 수치로서 뇌졸중의 진단 및 예측에 있어서 유용하다.
병원 의무 기록 저장 장치(200)는 병원의 의무 기록을 전산화하여 저장한 장치이다. 병원의 의무 기록은 병원에서 진료 또는 치료한 대상자의 병명, 증상, 체온 또는 혈압과 같은 기록들을 포함한다. 병원 의무 기록 저장 장치(200)는 저장된 병원의 의무 기록을 임상 자료 분석 장치(300)에 제 1 임상 자료 또는 제 2 임상 자료로서 제공한다.
임상 자료 분석 장치(300)는 통계 처리부(310) 및 통계 분석부(320)를 포함한다.
통계 처리부(310)는 의료 정보 수집 장치(100) 또는 병원 의무 기록 저장 장치(200)로부터 제 1 또는 제 2 임상 자료를 전송받는다. 임상 자료의 전송은 유선 전화망, 인터넷, WIFI 또는 이동 통신망을 통해 수행될 수 있다. 실시 예로서, 전송된 임상 자료는 개인 정보 보호를 위해 암호화될 수 있다. 이때, 통계 처리부(310)는 암호를 해독하기 위한 복호기(미도시)를 포함할 수 있다.
통계 처리부(310)는 수신한 제 1 임상 자료 또는 제 2 임상 자료를 내부의 데이터 베이스에 저장한다. 그리고, 저장된 제 1 임상 자료를 통계화하고 그 결과를 통계 자료로서 저장한다. 즉, 제 1 임상 자료는 통계 자료를 생성하기 위한 모집단으로서 사용된다. 통계 자료는 임상 자료들과 마찬가지로 통계 처리부(310) 내부의 데이터 베이스에 저장된다. 실시 예로서, 통계 처리부(310)는 임상 자료들 및 통계 자료를 각각 구분된 데이터 베이스에 저장할 수 있다. 예를 들어, 임상 자료들은 임상 자료 데이터 베이스에 저장되고, 통계 자료는 통계 자료 데이터 베이스에 저장될 수 있다. 임상 자료 데이터 베이스 및 통계 자료 데이터 베이스는 하나의 하드웨어로써 함께 구현될 수 있지만, 그 저장 영역은 서로 구분된다.
한편, 제 1 임상 자료의 통계화는 다양한 수학적 통계 분석 방법을 통해 수행될 수 있다. 통계화에 의해 생성되는 통계 자료는 목적에 따라 다양한 종류의 것이 될 수 있다. 통계 자료의 종류는 통계 자료 생성을 위해 사용되는 통계화 방법에 의해 결정된다.
실시 예로서, 통계화 방법은 카이제곱 검정, t검정, 상관 분석(correlation test), 분산 분석 또는 회귀 분석을 포함 할 수 있다.
여기서, t검정은 t분포를 사용한 검정의 방식이다. t검정은 두 개의 정규분포에 따르는 모집단 N(μ1, σ21), N(μ2, σ22)에서 추출된 표본자료로부터 각 모집단의 모평균(μ1, μ2)이 동일한지 여부를 검정하는데 사용될 수 있다. 또한, t검정은 하나의 정규 모집단에서 추출된 표본 자료로부터 계산되는 표본평균이 모평균과 동일한지 여부를 검정하는 데 사용될 수 있다.
상관 분석은 복수의 인자가 가지는 서로간의 관련성의 종류 및 정도를 수치적으로 분석하는 통계 방법이다. 특히, 상관의 분석의 결과를 수학적인 함수 형태로 표시한 것을 회귀(regression) 분석이라고 한다.
분산 분석은 복수의 측정값이 가지는 분산이 발생한 원인을 분석하는 통계 방법이다. 분산 분석은 실험 조건을 인자(factor) 별로 분해하여 각각의 인자에 대한 분석을 통해 분산의 원인을 추정한다. 구체적으로, 분산 분석은 분산에 미치는 영향에 있어서 특정 인자에 의한 영향(요인변동)과 특정 인자를 제외한 나머지 인자에 의한 영향(잔차변동)을 구분한다. 그리고, 요인변동과 잔차변동의 크기를 비교함으로써 특정 인자의 영향을 판단한다.
한편, 분산 분석 중 요인 변동을 일으키는 특정 인자가 하나인 경우는 일원 분산 분석이 되고, 둘인 경우는 이원 분산 분석이 되고, 셋 이상인 경우는 다원 분산 분석이 된다.
회귀(regression) 분석은 복수의 변수 사이의 인과 관계를 추측하는 통계 방법이다. 회귀 분석은 인과 관계가 있는 두 변수(독립변수 및 종속변수) 사이의 함수식을 분석한다. 회귀 분석은 복수 변수를 갖는 수학적 선형 함수식을 분석함으로써, 변수 사이의 상호관계를 추정한다. 여기서 사용되는 수학적 선형 함수식은 회귀식이 된다. 회귀 분석은 변수 사이의 인과 관계를 판단한다는 점에서 단순히 변수 사이의 관련성만을 분석하는 상관분석과 다르다.
회귀 분석은 실증 분석을 통해 가설의 타당성 여부를 검토하는 데 유용한 도구가 된다. 그리고, 회귀식이 개연성을 갖는 경우, 독립 변수를 기초로 하여 종속 변수를 추정하거나 예측할 수 있다.
독립 변수가 하나인 회귀 분석을 단순 회귀 분석이라 하고, 독립 변수가 둘 이상인 회귀 분석을 다중 회귀 분석이라 한다.
이상에서 설명한 각 통계화 방법의 구체적인 내용은 당해 기술 분야에 널리 알려져 있으므로 그에 대한 설명은 생략한다.
통계 분석부(320)는 사용자 단말기(400)로부터 통계 분석 명령을 수신한다. 통계 분석부(320)는 통계 분석 명령에 따라 통계 처리부(310)로부터 제 2 임상 자료 및 통계 자료를 읽어들인다. 그리고, 통계 분석부(320)는 통계 자료를 참조하여 제 2 임상 자료에 대해 통계 분석을 수행한다. 통계 분석을 통해 통계 분석부(320)는 통계 처리부(310)로부터 수신한 통계 자료와 제 2 임상 자료 사이의 관련성을 검증할 수 있다. 또는, 통계 분석을 통해 통계 분석부(320)는 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 추정 또는 예측할 수 있다. 나아가, 통계 분석부(320)는 제 2 임상 자료를 제공한 대상자의 질환 예후도 추정할 수 있다. 통계 분석부(320)가 수행하는 통계 분석의 구체적인 내용 및 방법은 이후에 도면과 함께 상세히 설명될 것이다.
통계 분석부(320)에서 수행된 통계 분석의 결과(관련성 검증 결과 또는 질환 진행 정도 예측 결과)는 의료 자료로서 사용자 단말기(400)로 전송된다.
한편, 통계 분석부(320)는 의료 자료를 분석 또는 판단하여 의료 자료가 위험 값 또는 안내 조건에 해당하면 위험 신호를 제공한다. 위험 값 또는 안내 조건은 사용자 또는 임상 자료 분석 장치에 의해 임의로 설정될 수 있다. 예를 들어, 의료 자료가 뇌졸중 발생 가능성을 의미하는 경우, 위험 값이 80으로 설정되어 있고 의료 자료가 나타내는 값이 80이상이면, 통계 분석부(320)는 위험 신호를 발생할 수 있다. 발생된 위험 신호는 안내 메시지 발송을 위해 메시지 전송부(330)에 제공된다.
메시지 전송부(330)는 위험 신호를 참조하여, 사용자 단말기(400)에 안내 메시지를 제공한다. 실시 예로서, 안내 메시지는 발병 가능성 또는 위험을 경고하기 위한 메시지를 포함할 수 있다. 실시 예로서, 안내 메시지는 의료 기관 내방을 권고하는 메시지 또는 대상자가 내방할 의료 기관에 대한 안내 및 정보를 포함할 수 있다.
한편, 임상 자료 분석 장치(300)는 사용자 단말기(400)로부터 의사의 판단 입력 값을 수신할 수 있다. 실시 예로서, 판단 입력 값은 통계 분석부(320)에 제공될 수 있다.
의사의 판단 입력 값은 제공된 의료 자료를 참조하여 판단된 의사의 임상 소견을 나타내는 값이다. 예를 들어, 의료 자료로서 대상자의 질환 진행 정도가 제공되는 경우, 의사는 제 2 임상 자료를 참조하여 의료 자료가 나타내는 결과 값이 적합한지 여부를 판단할 수 있다. 그리고, 그러한 판단에 따른 임상 소견을 판단 입력 값으로서 제공한다.
임상 자료 분석 장치(300)는 제공된 판단 입력 값을 의료 자료와 비교한다. 비교 결과 판단 입력 값이 의료 자료와 일치하면, 의료 자료를 생성하기 위해 사용된 제 2 임상 자료를 유효한 자료로 판단한다. 판단 입력 값이 의료 자료와 일치하지 않으면, 의료 자료를 생성하기 위해 사용된 제 2 임상 자료를 유효하지 않은 자료로 판단한다.
임상 자료 분석 장치(300)는 유효한 자료로 판단된 제 2 임상 자료를 제 1 임상 자료에 포함시킨다. 그렇게 하면, 통계 자료를 생성하기 위한 모집단으로서 사용되는 제 1 임상 자료의 수가 증가한다. 그 결과, 모집단 수가 증가하므로, 이후 생성되는 통계 자료의 정확도는 증가한다.
한편, 실시 예로서, 제 2 임상 자료를 제 1 임상 자료에 포함시키는 경우, 대응되는 판단 입력 값도 제 1 임상 자료에 함께 포함될 수 있다. 실시 예로서, 판단 입력 값의 수신 및 제 2 임상 자료의 유효성 여부 판단은 통계 처리부(310), 통계 분석부(320) 또는 별도의 처리 장치(미도시)에 의해 수행될 수 있다.
위와 같은 본 발명의 구성에 따르면 대상자의 임상 자료를 분석한 의료 자료가 제공될 수 있다. 그리고, 대상자의 질환 진행 정도 또는 예후가 예측 가능하다. 그리고, 통계 자료와 대상자의 임상 자료와의 관련성을 검증할 수 있다.
그리고, 의료 자료에 대한 의사의 판단 입력 값을 참조하여 통계 자료의 모집단이 되는 임상 자료의 수를 증가시킬 수 있다. 그 결과, 통계 자료의 정확도가 증가한다.
그리고, 임상 자료 분석 장치는 대상자의 일상 생활로부터 유헬스(u-health) 데이터를 수집하여 통계 분석할 수 있다. 그리고, 통계 분석된 결과는 의료 자료로서 참조되어, 대상자의 건강 위험을 자동으로 검증할 수 있다. 건강 위험 검증 결과, 대상자의 건강 상태가 위험 값에 해당하면, 사용자(대상자, 보호자 또는 의사)에게 안내 메시지가 제공된 있다. 안내 메시지는 질병 진행 및 발병 가능성에 대한 경고 메시지 또는 의료 기관 내방을 권고하는 메시지를 포함할 수 있다.
그 결과, 대상자의 의료 기관 방문 또는 의사의 임상적 판단이 없이도, 대상자의 건강 상태에 대한 1차적 진단이 가능하다. 이것은 대상자의 건강 관리 비용을 크게 절감시킬 수 있다. 또한, 대상자의 건강 위험이 조기에 감지될 수 있다.
도 2는 도 1에 나타난 통계 처리부를 나타내는 블록도이다. 도 2를 참조하면, 통계 처리부(310)는 데이터 베이스(311) 및 통계 처리 모듈(312)를 포함한다. 그리고, 데이터 베이스(311)는 임상 자료 데이터 베이스(311a) 및 통계 자료 데이터 베이스(311b)를 포함한다.
데이터 베이스(311)는 의료 정보 수집 장치(100) 또는 병원 의무 기록 저장 장치(200)로부터 제 1 또는 제 2임상 자료를 수신하여 임상 자료 데이터 베이스(311a)에 저장한다. 임상 자료 데이터 베이스(311a)에 저장되는 임상 자료들은 대상자의 신상 정보, 처치(treatment) 정보, 혈액 샘플 정보, 스트로크 정보(stroke information), 대상자의 과거 병력, 실험 조건, 유헬스(u-health) 데이터 등을 포함할 수 있다. 실시 예로서, 각각의 자료에는 측정 날짜 및 시간이 기록될 수 있다.
임상 자료 데이터 베이스(311)에 저장된 제 1 임상 자료는 통계 처리 모듈(312)에 제공된다. 제 1 임상 자료는 통계 자료 생성을 위한 모집단으로서 사용된다. 한편, 후술하겠지만, 제 2 임상 자료는 통계 분석을 위해 통계 분석부(320)에 제공된다. 통계 처리 모듈(312)은 제 1 임상 자료를 통계화하여 통계 자료를 생성한다. 통계화 방법의 예시로서 카이제곱 검정, t검정 등이 있을 수 있지만, 이외에도 통계 처리 모듈(312)은 다양한 수학적 통계 방법을 사용하여 통계 자료를 생성할 수 있다.
예로서, 사용자로부터 HsCRP 및 HDL 콜레스테롤(chol)과의 상관 분석을 요청 받은 경우, HsCRP와 HDL 콜레스테롤 사이의 상관 계수(correlation coefficient)를 통계 자료로서 생성할 수 있다.
또 다른 예로서, 통계 처리 모듈(312)은 당뇨 병력이 있는 대상자 그룹(제 1 그룹) 및 당뇨 병력이 없는 대상자 그룹(제 2 그룹)에 대해 HsCRP를 기준으로 t검정을 수행할 수 있다. 그 결과, 제 1 그룹 및 제 2 그룹의 HsCRP 값이 서로 동일한지를 판단하고, 그 결과를 통계 자료로서 생성할 수 있다.
통계 처리 모듈(312)은 사용자의 요청에 따른 특정한 통계 처리를 수행할 수 있다. 또한, 사용자의 요청이 없더라도, 미리 정의된 조건에 따라 특정 통계 처리를 지속적으로 수행하여 그 결과를 통계 자료로서 생성할 수 있다. 예를 들어, 혈압, HsCRP 또는 혈당에 관련된 통계 처리를 지속적으로 하도록 설정하면, 통계 처리 모듈(312)은 설정된 통계 처리를 일정 시간 마다 또는 새로운 임상 자료가 수신되거나 제 1 임상 자료가 갱신될 때마다 반복적으로 수행하여 통계 자료를 생성할 수 있다.
통계 처리 모듈(312)이 수행하는 통계화 방법은 도 1에서 설명한 통계 처리부(310)의 통계화 방법과 동일하다.
통계 처리 모듈(312)은 생성한 통계 자료를 데이터 베이스(311)에 제공한다. 데이터 베이스(311)에 제공된 통계 자료는 데이터 베이스(311) 내의 통계 자료 데이터 베이스(311b)에 저장된다.
통계 자료 데이터 베이스(311b)는 통계 자료를 전산화하여 저장하는 장치이다. 통계 자료 데이터 베이스(311b)는 임상 자료 데이터 베이스(311a)와 동일한 하드웨어로써 구현될 수 있다. 그러나, 통계 자료 데이터 베이스(311b)는 그 저장 영역에 있어서 임상 자료 데이터 베이스(311a)와 구분된다. 예를 들어, 통계 자료 데이터 베이스(311b)는 임상 자료 데이터 베이스(311a)와 논리적 또는 물리적으로 구분된 메모리 블록에 형성될 수 있다.
통계 자료 데이터 베이스(311b)는 저장된 통계 자료를 통계 분석부(320)에 제공한다. 또한, 통계 자료 데이터 베이스(311b)는 통계 분석부(320) 및 임상 자료 데이터 베이스(311a)와 상호 인터페이스 할 수 있다.
예를 들어, 통계 자료 데이터 베이스(311b)가 통계 분석부(320)로부터 특정한 통계 자료에 대한 요청을 수신한다. 통계 자료 데이터 베이스(311b)는 요청받은 통계 자료가 저장되어 있는지 검색한다. 요청받은 통계 자료가 저장되어 있으면, 통계 자료 데이터 베이스(311b)는 저장된 통계 자료를 통계 분석부(320)로 전송한다. 요청받은 통계 자료가 저장되어 있지 않으면, 통계 자료 데이터 베이스(311b)는 통계 자료 생성을 위한 신호를 임상 자료 데이터 베이스(311a)에 전송한다. 그리고, 임상 자료 데이터 베이스(311a)는 통계 자료 생성을 위해 필요한 임상 자료를 선택하여 통계 처리 모듈(312)로 전송한다. 통계 자료 데이터 베이스(311b)는 통계 처리 모듈(312)에 의해 생성된 통계 자료를 저장하고 통계 분석부(320)로 전송한다.
도 3은 도 1에 나타난 통계 분석부를 나타내는 블록도이다. 도 3을 참조하면, 통계 분석부(320)는 데이터 예측 모듈(321) 및 데이터 검증 모듈(322)을 포함한다.
데이터 검증 모듈(322)은 통계 처리부(310)로부터 통계 자료 및 제 2 임상 자료를 수신한다. 제 2 임상 자료는 통계 분석을 위해 분석 대상 대상자로부터 수집된 임상 자료이다. 데이터 검증 모듈(322)은 통계 자료를 참조하여 제 2 임상 자료와 통계 자료 사이의 관련성을 검증하고, 검증 결과를 의료 자료로서 사용자 단말기(400)에 제공한다. 데이터 검증 모듈(322)에서는 제 2 임상 자료가 일반적인 수치의 임상 자료인지 여부를 통계 자료를 기반으로 검증할 수 있다.
구체적으로, 데이터 검증 모듈(322)은 통계 자료 생성을 위한 모집단을 제 1 임상 자료로부터 선택한다. 그리고, 데이터 검증에 사용할 통계 분석 방법을 결정한다. 그리고, 통계 분석 방법을 적용할 측정 항목을 결정한다. 실시 예로서, 여기서 통계 분석 방법은 카이제곱 검정 또는 t검정 방법이 될 수 있다. 또한, 여기서 측정 항목은 혈압, 혈당, 나이 또는 HsCRP가 될 수 있다. 한편, 여기서 제 2 임상 자료는 실험군이 될 수 있고, 모집단은 대조군이 될 수 있다.
즉, 실험군 및 대조군에 대해 HsCRP 항목을 기준으로 하여 t검정 방법을 수행할 수 있다. t검정 결과 도출된 결과는 실험군 및 대조군에서 측정된 임상 자료가 서로 통계적으로 의미있는 관련성을 갖는지 여부를 알려줄 수 있다. 예를 들어, 데이터 검증 모듈(322)은 약물 A를 복용하는 실험군과 그렇지 않은 대조군에 대해서, 측정된 HsCRP 값이 통계적으로 유의미한 차이를 보이는지 여부를 검증할 수 있다.
데이터 예측 모듈(321)은 통계 처리부(310)로부터 통계 자료 및 제 2 임상 자료를 수신한다. 데이터 예측 모듈(321)은 통계 자료 및 제 2 임상 자료를 참조하여 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측하고, 예측 결과를 의료 자료로서 사용자 단말기(400)에 제공한다.
구체적으로, 데이터 예측 모듈(321)은 제 2 임상 자료와 통계적으로 유사한 임상 자료 모델을 통계 자료로부터 분석한다. 그리고, 분석된 임상 자료 모델의 질환 진행 경과를 참조하제 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측한다.
데이터 예측 모듈(321)은 예측 알고리즘으로서 회귀(regression) 분석을 사용할 수 있다. 예를 들어, 데이터 예측 모듈(321)은 뇌졸중 대상자의 질환 진행 정도를 예측하기 위해 회귀 분석이 사용될 수 있다. 구체적으로, 데이터 예측 모듈(321)은 통계 자료로부터 뇌졸중 데이터 모델을 수집하고, 그 중 안정적인 진행 경과를 보이는 데이터 모델(대상 모델)을 구분한다. 그리고, 대상 모델을 기반으로 회귀 파라미터(regression parameter)를 추정하고, 추정된 회귀 파라미터로부터 대상자의 질환 진행 정도를 예측한다.
데이터 예측 모듈(321)의 질환 진행 정도 예측 방법에 대한 상세한 설명이 후술 될 것이다.
위험 감지부(323)는 데이터 예측 모듈(321) 또는 데이터 검증 모듈(322)로부터 제공된 의료 자료를 참조하여, 대상자의 건강 위험 여부를 판단한다. 예를 들어, 위험 감지부(323)는 의료 자료가 나타내는 값이 위험 값 범위에 포함되면 위험 신호를 발생할 수 있다. 또는 위험 감지부(323)는 의료 자료가 나타내는 값이 임상 분석 장치에 미리 설정된 안내 조건에 포함되면 위험 신호를 발생할 수 있다. 실시 예로서, 안내 조건은 사용자(의사 또는 장치 관리자)에 의해 임의로 설정될 수 있다. 발생된 위험 신호는 안내 메시지 전송을 위해 메시지 전송부(330)에 제공된다.
도 4는 본 발명의 제 1 실시 예에 따른 질환 진행 정도 예측 방법을 설명하기 위한 도면이다. 도 4를 참조하면, 임상 자료 A(500)는 대상자번호(510), 의사의 대상자상태 진단(520) 및 HsCRP(530)의 세 개의 필드(field)를 포함한다.
대상자번호(510)는 임상 자료 A(500)에 포함된 대상 대상자를 지시하는 필드이다. 대상자번호(510)는 6명의 대상자를 각각 나타내는 숫자들(1 내지 6)을 포함한다.
의사의 대상자 상태 진단(520)은 의사 대상자의 현재 질환 진행 상태에 대한 임상적 판단을 기록한 필드이다. 의사의 대상자 상태 진단(520)은 대상자 번호(510)에 포함된 6명의 대상자들 각각에 대한 의사의 임상적 판단을 포함한다. 의사의 대상자 상태 진단(520)에 기록된 값들은 크기가 클수록 질환이 심각하게 진행되었음을 나타낸다. 예를 들어, 의사의 대상자 상태 진단(520)에 기록된 값 중 1은 사망 상태를 의미한다. 의사의 대상자 상태 진단(520)에 기록된 값 중 0.1은 경증를 의미한다.
HsCRP(530)는 측정된 HsCRP 수치를 나타내는 필드이다. HsCRP(530)는 대상자 번호(510)에 포함된 6명의 대상자들 각각에 대해 측정한 HsCRP 수치를 포함한다.
본 실시 예에서, 통계 처리부(310, 도 1 참조)는 임상 자료 A(500)에 대해 단순 회귀 분석을 하여 회귀 계수를 통계 자료로서 저장한다. 그리고 데이터 예측 모듈(321, 도 3 참조)은 회귀 계수를 참조하여 새로운 대상자의 질환 진행 상태를 예측한다.
구체적으로, 단순 회귀 분석에서 회귀식 Yi = a + bXi 을 결정한다. 여기서, i는 각 대상자 번호를 의미하고, Yi는 대상자 번호 i에 대응하는 의사의 대상자 상태 진단 값이며, Xi는 대상자 번호 i에 대응하는 HsCRP 수치이다.
통계 처리부(310)는 임상 자료 A(500)에 기록된 의사의 대상자 상태 진단 값들 및 HsCRP 값들을 회귀식에 대입하여, 각 회귀 계수 a 및 b를 구한다.
실시 예로서, 임상 자료 A(500)로부터 회귀 계수 a, b를 구하는 방법으로서 최소 제곱 법(least squares method) 또는 기계 학습 법(machine learning)이 사용될 수 있다.
구해진 회귀 계수 a, b는 통계 처리부(310)의 통계 자료 데이터 베이스(311b, 도 2참조)에 저장된다.
데이터 예측 모듈(321)은 통계 자료 데이터 베이스(311b)에 저장된 회귀 계수를 참조하여 회귀식 Yi = a + bXi 을 결정한다. 이 식의 Xi에 질환을 예측할 새로운 대상자(대상자 K)의 HsCRP 수치를 대입하여 Yi 값을 구한다. 구해진 Yi 는 대상자 K의 질환 진행 상태를 의미한다. 여기서 구한 Yi는 대상자 K의 질환 진행 상태를 통계적으로 예측한 추정 값이고, 정확한 측정 값이 아니다. 그러나, 데이터 예측 모듈(321)은 의사의 임상적 판단을 거치지 않고, 통계적 방법으로써 대상자의 질환 진행 상태를 예측할 수 있다.
위와 같은 본 발명의 실시 예에 따르면, 의사의 임상적 판단을 거치지 않아도 대상자의 질환 진행 상태를 예측 또는 추정할 수 있다. 그리고, 대상자의 일상 생활로부터 유헬스(u-health) 데이터가 수집되고, 수집된 유헬스(u-health) 데이터를 참조하여 대상자의 건강 상태를 자동적으로 판단할 수 있다. 그리고, 대상자의 건강 위험이 감지되면, 자동적으로 사용자(대상자, 보호자 또는 의사)에게 안내 메시지를 전송한다. 안내 메시지는 건강 위험에 대한 경고 메시지, 의료 기관 방문을 권고하는 메시지 또는 방문 가능한 의료 기관에 대한 안내 메시지를 포함할 수 있다.
따라서, 통계적 방법만으로 대상자의 건강 상태에 대한 참고 자료 또는 경고가 제공될 수 있다. 그 결과, 대상자의 건강 위험이 자동적으로 감지될 수 있다. 또한, 대상자의 건강 상태를 상시 확인함으로써, 건강 위험의 조기 검진이 가능하다. 또한, 의료 기관 방문 또는 의사의 임상적 판단 없이 대상자의 건강 상태가 확인되므로, 대상자의 건강 관리 비용이 감소될 수 있다.
도 5는 본 발명의 제 2 실시 예에 따른 질환 진행 정도 예측 방법을 설명하기 위한 도면이다. 도 5를 참조하면, 임상 자료 B(600)는 대상자번호(610), 의사의 대상자상태 진단(620), HsCRP(630), 혈당(640), 혈압(650), 플라크 두께(660), IMT(670, Intima-Media Thickness) 및 에코 발생도(680)의 여덟 개의 필드(field)를 포함한다. 임상 자료 B(600)는 임상 자료 A(500)보다 더 많은 독립 변수 필드를 포함한다. 따라서, 제 2 실시 예에서는 다중 선형 회귀 분석이 수행된다.
대상자번호(610)는 임상 자료 B(600)에 포함된 대상 대상자를 지시하는 필드이다. 대상자번호(610)는 6명의 대상자를 각각 나타내는 숫자들(1 내지 6)을 포함한다.
의사의 대상자 상태 진단(620)은 의사 대상자의 현재 질환 진행 상태에 대한 임상적 판단을 기록한 필드이다. 의사의 대상자 상태 진단(620)은 대상자 번호(610)에 포함된 6명의 대상자들 각각에 대한 의사의 임상적 판단을 포함한다. 의사의 대상자 상태 진단(620)에 기록된 값들은 크기가 클수록 질환이 심각하게 진행되었음을 나타낸다. 예를 들어, 의사의 대상자 상태 진단(620)에 기록된 값 중 1은 사망 상태를 의미한다. 의사의 대상자 상태 진단(620)에 기록된 값 중 0.1은 경증를 의미한다.
HsCRP(630)는 측정된 HsCRP 수치를 나타내는 필드이다. HsCRP(630)는 대상자 번호(610)에 포함된 6명의 대상자들 각각에 대해 측정한 HsCRP 수치를 포함한다.
마찬가지로, 혈당(640), 혈압(650), 플라크 두께(660), IMT(670) 및 에코 발생도(680)는 혈당, 혈압, 플라크 두께, IMT 및 에코 발생도 수치를 나타내는 필드이다. 혈당(640), 혈압(650), 플라크 두께(660), IMT(670) 및 에코 발생도(680)는 각각 대상자 번호(610)에 포함된 6명의 대상자들로부터 측정한 혈당, 혈압, 플라크 두께, IMT 및 에코 발생도 수치를 포함한다.
본 실시 예에서, 통계 처리부(310, 도 1 참조)는 임상 자료 B(600)에 대해 다중 회귀 분석을 하여 회귀 계수를 통계 자료로서 저장한다. 그리고 데이터 예측 모듈(321, 도 3 참조)은 회귀 계수를 참조하여 새로운 대상자의 질환 진행 상태를 예측한다.
구체적으로, 다중 회귀 분석에서 회귀식 Yi = a + b1X1i + b2X2i + … + b6X6i을 결정한다. 여기서, i는 각 대상자 번호를 의미하고, Yi는 대상자 번호 i에 대응하는 의사의 대상자 상태 진단 값이며, X1i 내지 X6i는 각각 대상자 번호 i에 대응하는 HsCRP, 혈당, 혈압, 플라크 두께, IMT, 에코 발생도 수치이다.
통계 처리부(310)는 임상 자료 B(600)에 기록된 의사의 대상자 상태 진단 값들 및 독립 변수들(HsCRP, 혈당, 혈압, 플라크 두께, IMT, 에코 발생도)의 수치들을 회귀식에 대입하여, 각 회귀 계수 a, b1, b2,…,b6를 구한다.
실시 예로서, 임상 자료 B(600)로부터 회귀 계수들을 구하는 방법으로서 최소 제곱 법(least squares method) 또는 기계 학습 법(machine learning)이 사용될 수 있다.
구해진 회귀 계수들은 통계 처리부(310)의 통계 자료 데이터 베이스(311b, 도 2참조)에 저장된다.
데이터 예측 모듈(321)은 통계 자료 데이터 베이스(311b)에 저장된 회귀 계수를 참조하여 회귀식 Yi = a + b1X1i + b2X2i + … + b6X6i 을 결정한다. 이 식의 X1i 내지 X6i에 질환을 예측할 새로운 대상자(대상자 J)의 HsCRP, 혈당, 혈압, 플라크 두께, IMT, 에코 발생도 수치를 대입하여 Yi 값을 구한다. 구해진 Yi 는 대상자 J의 질환 진행 상태를 의미한다.
도 4와 마찬가지로, 여기서 구한 Yi는 대상자 J의 질환 진행 상태를 통계적으로 예측한 추정 값이고, 정확한 측정 값이 아니다. 그러나, 데이터 예측 모듈(321)은 의사의 임상적 판단을 거치지 않고, 통계적 방법으로써 대상자의 질환 진행 상태를 예측할 수 있다는 데에 그 유용성이 있다.
한편, 실제 임상 자료에는 본 실시 예에서 나타낸 것보다 더 많은 독립 변수들이 있을 수 있다. 그리고, 그 중 일부의 독립 변수들만을 선택하여, 그에 따른 회귀 계수들을 구할 수 있다. 즉, 임상 자료에 따라 복수의 회귀 식이 존재할 수 있고, 사용자는 각각의 회귀 식에 대한 질환 상태 예측 값을 구할 수 있다. 그리고, 사용자는 이를 기초로 다양한 질환 상태 예측 결과를 제시할 수 있다.
또한, 대상자 J의 임상 자료는 통계 처리부(310)에 전송되어, 새로운 임상 자료로서 활용될 수 있다.
도 6은 본 발명에 따른 임상 자료 분석 방법을 나타내는 순서도이다. 도 6을 참조하면, 임상 자료 분석 방법은 S110 단계 내지 S180 단계를 포함한다.
S110 단계에서, 임상 자료 분석 장치(300, 도 1 참조)는 사용자로부터 데이터 예측 명령 또는 데이터 검증 명령을 수신한다. 실시 예로서, 데이터 예측 명령은 대상자의 진행 상태 예측 명령일 수 있다. 그리고, 데이터 검증 명령은 수집된 임상 자료들 사이의 관련성 검증 명령일 수 있다.
S120 단계에서, 임상 자료 분석 장치(300)는 통계 자료 데이터 베이스(311b, 도 2 참조)로부터 수신한 명령을 수행하기 위한 통계 자료를 검색한다. 예를 들어, 수신된 명령이 질환 상태 예측 명령인 경우, 회귀 계수들이 통계 자료로서 검색된다.
S130 단계에서, 검색한 통계 자료가 통계 자료 데이터 베이스(311b)에 존재하는지 판단한다. 통계 자료가 존재하지 않으면, S140 단계로 진행한다. 통계 자료가 존재하면 S170 단계로 진행한다.
S140 단계에서, 통계 처리 모듈(312, 도 2 참조)은 임상 자료 데이터 베이스(311a, 도 2 참조)로부터 통계 자료 생성에 필요한 임상 자료들(제 1 임상 자료)을 선택 또는 추출한다.
S150 단계에서, 통계 처리 모듈(312)은 선택된 임상 자료들(제 1 임상 자료)을 통계 처리하여 통계 자료를 생성한다. 통계 처리 모듈(312)이 통계 자료를 생성하는 구체적인 방법은 앞서 설명한 바와 동일하다.
S160 단계에서, 통계 처리 모듈(312)은 생성된 통계 자료를 통계 자료 데이터 베이스(311b)에 제공한다. 통계 자료 데이터 베이스(311b)는 수신한 통계 자료를 저장하고 통계 분석부(320)에 제공한다.
S170 단계에서, 통계 분석부(320)는 통계 자료 및 제 2 임상 자료를 참조하여 명령받은 데이터 예측 동작 또는 데이터 검증 동작을 수행한다. 실시 예로서, 데이터 예측 동작은 데이터 예측 모듈(321)에 의해 수행되고, 데이터 검증 동작은 데이터 검증 모듈(322)에 의해 수행될 수 있다. 데이터 예측 모듈(321) 및 데이터 검증 모듈(322)의 구체적인 동작은 앞서 설명한 바와 동일하다.
S180 단계에서, 통계 분석부(320)는 사용자 단말기(400, 도 1 참조)에 데이터 예측 결과 또는 데이터 검증 결과를 전송한다. 통계 분석부(320)로부터의 데이터 전송은 유선 또는 무선 통신망을 통해 수행될 수 있다. 그리고, 사용자 단말기(400)는 개인용 컴퓨터, 태블릿 PC, 스마트 폰 또는 스마트 TV일 수 있다.
한편, 통계 분석부(320)는 데이터 예측 결과 또는 데이터 검증 결과를 참조하여 사용자 단말기(400)에 안내 메시지를 제공하기 위한 위험 신호를 발생할 수 있다. 실시 예로서, 안내 메시지는 메시지 전송부(330, 도 1 참조)를 통해 제공될 수 있다. 위험 신호 및 안내 메시지를 제공하기 위한 구체적인 구성 및 방법은 위에서 설명한 바와 동일하다.
도 7은 본 발명에 따른 임상 자료 분석 방법의 다른 실시 예를 나타내는 순서도이다. 도 7을 참조하면, 제 2 임상 자료를 제 1 임상 자료에 포함시키는 임상 자료 분석 방법이 제공된다. 구체적으로, 본 실시 예에 다른 임상 자료 분석 방법은 S210 단계 내지 S240 단계를 포함한다.
본 실시 예는, 통계 자료 및 제 2 임상 자료를 참조하여, 사용자 단말기(400, 도 1 참조)에 의료 자료를 제공한 단계가 수행된 것을 전제한다. 의료 자료 제공에 대한 구체적인 내용은 위에서 설명한 바와 동일하다.
S210 단계에서, 임상 자료 분석 장치(100, 도 1 참조)는 사용자 단말기(400)로부터 판단 입력 값을 수신한다. 판단 입력 값은 의사가 의료 자료를 참조하여, 의료 자료의 임상 적합성을 판단한 결과 값을 의미한다. 실시 예로서, 판단 입력 값은 의료 자료가 제 2 임상 자료를 적절하게 분석하였는지 여부에 대한 의사의 소견을 포함할 수 있다. 또는, 판단 입력 값은 제 2 임상 자료에 대한 의사의 질환 예측 또는 질환 진행 정도 판단을 포함할 수 있다.
S220 단계에서, 임상 자료 분석 장치(100)는 의료 자료와 판단 입력 값을 비교한다. 비교 결과, 의료 자료와 판단 입력 값이 일치하면 S230 단계로 진행한다. 반면에, 의료 자료와 판단 입력 값이 일치하지 않으면 S250 단계로 진행한다.
S230 단계에서, 임상 자료 분석 장치(100)는 의료 자료에 대응되는 제 2 임상 자료를 유효한 자료로서 판단한다. 유효한 자료로 판단된 제 2 임상 자료는 통계 처리부(310, 도 1 참조)에 제공된다. 실시 예로서, 임상 자료 분석 장치(100)는 판단 입력 값을 제 2 임상 자료와 함께 통계 처리부(310)에 제공할 수 있다.
S240 단계에서, 통계 처리부(310)는 제공된 제 2 임상 자료 또는 판단 입력 값을 제 1 임상 자료에 포함시킨다. 제 2 임상 자료 또는 판단 입력 값은 제 1 임상 자료로서 이후의 통계 자료 생성을 위한 모집단에 포함될 수 있다.
다시, S220 단계로 돌아가면, 판단 입력 값과 의료 자료가 불일치 하는 경우, S250 단계로 진행한다.
S250 단계에서, 임상 자료 분석 장치(100)는 의료 자료에 대응되는 제 2 임상 자료를 유효하지 않은 자료로서 판단한다. 임상 자료 분석 장치(100)는 제 2 임상 자료를 제 1 임상 자료에 반영하지 않는다.
위와 같은 임상 자료 분석 방법에 따르면, 의사의 소견에 따라 유효한 자료로 판단되는 임상 자료(제 2 임상 자료)를 제 1 임상 자료에 포함할 수 있다. 따라서, 통계 자료 생성에 필요한 모집단(제 1 임상 자료)의 수가 증가한다. 그 결과, 이후 생성되는 통계 자료의 정확도가 증가할 수 있다.
본 발명의 상세한 설명에서는 구체적인 실시 예를 들어 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한 각 실시 예는 여러 가지 형태로 변형될 수 있다. 또한, 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 발명의 범위는 상술한 실시 예에 국한되어 정해져서는 안되며 후술하는 특허 청구범위뿐만 아니라 이 발명의 특허 청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (20)

  1. 제 1 임상 자료 또는 제 2 임상 자료를 수집하여 저장하고, 상기 제 1 임상 자료를 통계화한 결과를 통계 자료로서 제공하는 통계 처리부; 및
    상기 통계 자료 및 상기 제 2 임상 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하거나 상기 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측하고, 상기 검증 결과 또는 상기 예측 결과를 의료 자료로서 사용자 단말기에 제공하는 통계 분석부를 포함하는 임상 자료 분석 장치.
  2. 제 1 항에 있어서,
    상기 사용자 단말기는 대상자 단말기, 보호자 단말기 또는 의사 단말기를 포함하는 임상 자료 분석 장치.
  3. 제 1 항에 있어서,
    상기 통계 처리부는,
    상기 제 1 및 제 2 임상 자료를 저장하는 임상 자료 데이터 베이스;
    상기 제 1 임상 자료를 통계화하여 통계 자료로서 제공하는 통계 처리 모듈; 및
    상기 통계 자료를 저장하는 통계 자료 데이터 베이스를 포함하는 임상 자료 분석 장치.
  4. 제 3 항에 있어서,
    상기 통계화는 카이제곱 검정, t 검정, 상관 분석, 분산 분석, 또는 회귀 분석들 중 적어도 하나를 통해 수행되는 임상 자료 분석 장치.
  5. 제 1 항에 있어서,
    상기 통계 분석부는,
    상기 통계 자료 및 상기 제 2 임상 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하고, 상기 검증 결과를 의료 자료로서 제공하는 데이터 검증 모듈을 포함하는 임상 자료 분석 장치.
  6. 제 1 항에 있어서,
    상기 통계 분석부는,
    상기 통계 자료를 참조하여 상기 대상자의 질환 진행 정도를 예측하고, 상기 예측 결과를 의료 자료로서 제공하는 데이터 예측 모듈을 포함하는 임상 자료 분석 장치.
  7. 제 1 항에 있어서,
    상기 통계 분석부는,
    상기 의료 자료가 위험 값 또는 안내 조건에 속하는지 여부에 따라, 위험 신호를 제공하는 위험 감지부를 포함하는 임상 자료 분석 장치.
  8. 제 7 항에 있어서,
    상기 위험 신호를 참조하여, 상기 사용자 단말기에 안내 메시지를 제공하는 메시지 전송부를 더 포함하는 임상 자료 분석 장치.
  9. 제 8 항에 있어서,
    상기 의료 자료 또는 상기 안내 메시지는 유선 또는 무선 통신망을 통해 상기 사용자 단말기에 제공되는 임상 자료 분석 장치.
  10. 제 1 항에 있어서,
    상기 사용자 단말기로부터 상기 의료 자료에 대한 의사의 판단 입력 값을 수신하여 저장하는 임상 자료 분석 장치.
  11. 제 10 항에 있어서,
    상기 판단 입력 값에 따라 상기 제 2 임상 자료를 상기 제 1 임상 자료에 포함시키는 임상 자료 분석 장치.
  12. 제 1 항에 있어서,
    상기 검증 결과 또는 상기 예측 결과는 뇌졸중 검증 결과 또는 뇌졸중 진행 예측 결과인 임상 자료 분석 장치.
  13. 제 1 항에 있어서,
    상기 제 1 임상 자료 또는 제 2 임상 자료는 병원의 의무 기록 데이터 또는 유헬스(u-health) 데이터를 포함하는 임상 자료 분석 장치.
  14. 제 13 항에 있어서,
    상기 유헬스(u-health) 데이터는 대상자의 체중, 혈압, 혈당, 그리고 HsCRP 데이터 중 적어도 하나를 포함하는 임상 자료 분석 장치.
  15. 제 1 임상 자료 또는 제 2 임상 자료를 수집 및 저장하는 단계;
    상기 제 1 임상 자료를 통계화하여 통계 자료를 생성하는 단계;
    상기 통계 자료를 참조하여 상기 제 2 임상 자료와 상기 통계 자료 사이의 관련성을 검증하거나 상기 제 2 임상 자료를 제공한 대상자의 질환 진행 정도를 예측하는 단계; 및
    상기 검증 결과 또는 상기 예측 결과를 의료 자료로서 사용자 단말기에 제공하는 단계를 포함하는 임상 자료 분석 방법.
  16. 제 15 항에 있어서,
    상기 제 2 임상 자료는 상기 대상자로부터 수집된 유헬스(u-health) 데이터인 임상 자료 분석 방법.
  17. 제 15 항에 있어서,
    상기 사용자 단말기는 대상자 단말기, 보호자 단말기 또는 의사 단말기인 임상 자료 분석 방법.
  18. 제 17 항에 있어서,
    상기 의료 자료가 위험 값 또는 안내 조건에 속하는지 여부에 따라, 상기 대상자 단말기, 상기 보호자 단말기 또는 상기 의사 단말기에 안내 메시지를 제공하는 단계를 더 포함하는 임상 자료 분석 방법.
  19. 제 18 항에 있어서,
    상기 안내 메시지는 건강에 대한 경고 메시지, 의료 기관 방문을 권고하는 메시지 또는 방문 가능한 의료 기관에 대한 정보를 포함하는 임상 자료 분석 방법.
  20. 제 15 항에 있어서,
    상기 사용자 단말기로부터 상기 의료 자료에 대한 의사의 판단 입력 값을 수신하는 단계; 및
    상기 판단 입력 값에 따라 상기 제 2 임상 자료를 상기 제 1 임상 자료에 포함시키는 단계를 더 포함하는 임상 자료 분석 방법.
KR1020110131106A 2011-12-08 2011-12-08 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법 KR20130082551A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020110131106A KR20130082551A (ko) 2011-12-08 2011-12-08 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법
US13/620,264 US20130151516A1 (en) 2011-12-08 2012-09-14 Clinical data analysis apparatus and clinical data analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110131106A KR20130082551A (ko) 2011-12-08 2011-12-08 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법

Publications (1)

Publication Number Publication Date
KR20130082551A true KR20130082551A (ko) 2013-07-22

Family

ID=48572978

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110131106A KR20130082551A (ko) 2011-12-08 2011-12-08 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법

Country Status (2)

Country Link
US (1) US20130151516A1 (ko)
KR (1) KR20130082551A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180110310A (ko) * 2017-03-28 2018-10-10 한국전자통신연구원 뇌졸중 예측과 분석 시스템 및 방법
WO2019031794A1 (ko) * 2017-08-11 2019-02-14 주식회사 뷰노 피검체의 치명적 증상의 발생을 조기에 예측하기 위한 예측 결과를 생성하는 방법 및 이를 이용한 장치
WO2019225910A1 (ko) * 2018-05-21 2019-11-28 한국표준과학연구원 Nihss를 이용한 뇌졸중 중증도의 예측 및 분석 방법과 시스템
WO2020076133A1 (ko) * 2018-10-11 2020-04-16 (주)제이엘케이인스펙션 암 영역 검출의 유효성 평가 장치
CN113555118A (zh) * 2021-07-26 2021-10-26 内蒙古自治区人民医院 一种病症程度的预测方法、装置、电子设备及存储介质
KR20230007008A (ko) * 2021-07-05 2023-01-12 주식회사 유비케어 Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3223181B1 (en) 2016-03-24 2019-12-18 Sofradim Production System and method of generating a model and simulating an effect on a surgical repair site
US11941513B2 (en) 2018-12-06 2024-03-26 Electronics And Telecommunications Research Institute Device for ensembling data received from prediction devices and operating method thereof
CN111383768B (zh) * 2018-12-28 2023-11-03 医渡云（北京）技术有限公司 医疗数据回归分析方法、装置、电子设备及计算机可读介质
CN110782989B (zh) * 2019-09-18 2022-06-17 平安科技（深圳）有限公司 数据分析方法、装置、设备及计算机可读存储介质
WO2021188979A1 (en) * 2020-03-19 2021-09-23 Dignity Health Computer-implemented systems and methods for computing provider attribution

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5586066A (en) * 1994-06-08 1996-12-17 Arch Development Corporation Surveillance of industrial processes with correlated parameters
WO2003032827A1 (en) * 2001-08-03 2003-04-24 Robert Becker Method for reliable measurement in medical care and patient self monitoring
EP1667060A1 (en) * 2003-09-17 2006-06-07 Astellas Pharma Inc. Medicine research information collection system
US20050144274A1 (en) * 2003-12-12 2005-06-30 General Electric Company Apparatus for monitoring the performance of a distributed system
JP2008535123A (ja) * 2005-04-04 2008-08-28 フィッシャー−ローズマウント システムズ， インコーポレイテッド 工業用プロセス制御システムにおける診断システムおよび方法
CN102077182A (zh) * 2008-04-30 2011-05-25 英特托拉斯技术公司 数据收集和目标广告系统和方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180110310A (ko) * 2017-03-28 2018-10-10 한국전자통신연구원 뇌졸중 예측과 분석 시스템 및 방법
WO2019031794A1 (ko) * 2017-08-11 2019-02-14 주식회사 뷰노 피검체의 치명적 증상의 발생을 조기에 예측하기 위한 예측 결과를 생성하는 방법 및 이를 이용한 장치
US11735317B2 (en) 2017-08-11 2023-08-22 Vuno, Inc. Method for generating prediction result for predicting occurrence of fatal symptoms of subject in advance and device using same
WO2019225910A1 (ko) * 2018-05-21 2019-11-28 한국표준과학연구원 Nihss를 이용한 뇌졸중 중증도의 예측 및 분석 방법과 시스템
WO2020076133A1 (ko) * 2018-10-11 2020-04-16 (주)제이엘케이인스펙션 암 영역 검출의 유효성 평가 장치
US11854193B2 (en) 2018-10-11 2023-12-26 Jlk Inc. Validity evaluation device for cancer region detection
KR20230007008A (ko) * 2021-07-05 2023-01-12 주식회사 유비케어 Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치
CN113555118A (zh) * 2021-07-26 2021-10-26 内蒙古自治区人民医院 一种病症程度的预测方法、装置、电子设备及存储介质
CN113555118B (zh) * 2021-07-26 2023-03-31 内蒙古自治区人民医院 一种病症程度的预测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20130151516A1 (en) 2013-06-13

Similar Documents

Publication Publication Date Title
KR20130082551A (ko) 임상 자료 분석 장치 및 그것의 임상 자료 분석 방법
US10340040B2 (en) Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records
US10265029B2 (en) Methods and systems for calculating and using statistical models to predict medical events
JP2016517556A (ja) 健康学習システム及び方法
US20150025808A1 (en) Methods and Systems for Processing Test Results Based on Patient-Specific Data and Reference Data
KR20140107714A (ko) 건강 관리 시스템 및 그것의 건강 정보 제공 방법
Tsurumi et al. Do standard burn mortality formulae work on a population of severely burned children and adults?
US7505867B2 (en) System and method for predicting medical condition
US20190287661A1 (en) Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time
KR20180002234A (ko) 치매 조기 진단을 위한 스마트 검사장치 및 그 방법
JP6494775B2 (ja) 弾性検出装置のデータ解析処理方法及び弾性検出装置
US20190237200A1 (en) Recording medium recording similar case retrieval program, information processing apparatus, and similar case retrieval method
JP6379199B2 (ja) データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム
CN111742372B (zh) 用于检测医疗保健数据中的指示符的学习过滤器
US20130275050A1 (en) Methods and systems for integrated health systems
CN118197615B (zh) 基于大数据和人工智能的术后风险预测方法及系统
KR101595784B1 (ko) 패혈증 고위험군 예측 방법 및 시스템
Jordan et al. Statistical models for fever forecasting based on advanced body temperature monitoring
KR20210151584A (ko) 국민건강보험 검진 데이터를 이용한 심혈관질환 발병 예측 방법 및 그 장치
Kurniawan et al. Hypertension prediction using machine learning algorithm among Indonesian adults
WO2016203456A1 (en) Device, system, and method of improved diagnosis, decision-support, and analysis of electroencephalograms
EP4113535A1 (en) Remote monitoring methods and systems for monitoring patients suffering from chronical inflammatory diseases
KR20210065924A (ko) 보행 속도에 기초한 노쇠 정도 측정기
KR102005986B1 (ko) 모바일 건강관리 시스템
JP2022551325A (ja) 診断ツール

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid