KR20140107714A - 건강 관리 시스템 및 그것의 건강 정보 제공 방법 - Google Patents

건강 관리 시스템 및 그것의 건강 정보 제공 방법 Download PDF

Info

Publication number
KR20140107714A
KR20140107714A KR1020130019919A KR20130019919A KR20140107714A KR 20140107714 A KR20140107714 A KR 20140107714A KR 1020130019919 A KR1020130019919 A KR 1020130019919A KR 20130019919 A KR20130019919 A KR 20130019919A KR 20140107714 A KR20140107714 A KR 20140107714A
Authority
KR
South Korea
Prior art keywords
user
disease
health
possibility
data
Prior art date
Application number
KR1020130019919A
Other languages
English (en)
Inventor
박찬용
임준호
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 KR1020130019919A priority Critical patent/KR20140107714A/ko
Priority to US13/910,972 priority patent/US20140244278A1/en
Publication of KR20140107714A publication Critical patent/KR20140107714A/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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 사용자로부터 수집된 정보를 기초로 사용자의 질병 발생 가능성을 예측하는 건강 관리 시스템 및 그것의 건강 정보 제공 방법을 제공한다. 본 발명에 따른 건강 관리 시스템은 사용자의 건강 데이터 및 생활 데이터를 수집하여 제공하는 사용자 장치 및 전자 의무 기록(Electric Medical Record) 및 건강 데이터에 기초한 통계 분석을 수행하여 사용자의 질병 발생 가능성을 산출하고, 생활 데이터에 따라 산출된 질병 발생 가능성을 보정하는 건강 정보 처리 장치를 포함하되, 생활 데이터는 사용자의 위치(location) 정보 또는 사용자의 인적 커넥션(human connection)을 나타내는 소셜 정보를 포함한다.

Description

건강 관리 시스템 및 그것의 건강 정보 제공 방법{HEALTH MANAGEMENT SYSTEM AND METHOD FOR PROVIDING HEALTH INFORMATION THEREOF}
본 발명은 건강 관리 시스템에 관한 것으로서, 더욱 상세하게는 사용자의 질병 발생 가능성을 알려주는 건강 관리 시스템 및 그것의 건강 정보 제공 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. 종래의 전자 의무 기록 시스템은 의무 기록을 전산화하여 저장한 것에 불과하고, 의무 기록의 단순한 보관 및 검색의 편의 이상을 제공하지 못하는 한계를 가진다.
본 발명의 목적은 전자 의무 기록(Electical Medical Record, EMR)를 통계적으로 분석한 자료를 기초로, 사용자로부터 전송되는 건강 데이터를 진단하여 사용자에게 질병 발생 가능성을 알려주는 건강 관리 시스템 및 그것의 건강 정보 제공 방법을 제공하는 데 있다.
본 발명의 다른 목적은 사용자의 건강 데이터 및 생활 데이터를 기초로, 사용자에게 전염성 질병의 발생 가능성을 진단하여 알려주는 건강 관리 시스템 및 그것의 건강 정보 제공 방법을 제공하는 데 있다.
본 발명에 따른 건강 관리 시스템은 사용자의 건강 데이터 및 생활 데이터를 수집하여 제공하는 사용자 장치; 및 전자 의무 기록(Electric Medical Record) 및 상기 건강 데이터에 기초한 통계 분석을 수행하여 상기 사용자의 질병 발생 가능성을 산출하고, 상기 생활 데이터에 따라 상기 산출된 질병 발생 가능성을 보정하는 건강 정보 처리 장치를 포함하되, 상기 생활 데이터는 상기 사용자의 위치(location) 정보 또는 상기 사용자의 인적 커넥션(human connection)을 나타내는 소셜 정보를 포함한다.
실시 예로서, 상기 건강 정보 처리 장치는 소정의 구역에 위치한 사람들의 질병 발생 가능성에 기초하여, 상기 소정의 구역의 질병 전염 위험도를 나타내는 평균 질병 팩터를 산출하고, 상기 생활 데이터를 참조하여 상기 사용자가 상기 소정의 구역에 위치하는지 여부를 판단하되, 상기 사용자가 상기 소정의 구역에 위치하면, 상기 사용자의 질병 발생 가능성을 참조하여 상기 평균 질병 팩터를 갱신하고, 상기 갱신된 평균 질병 팩터에 따라 상기 사용자의 질병 발생 가능성을 보정한다.
실시 예로서, 상기 건강 정보 처리 장치는 상기 생활 데이터를 참조하여 상기 사용자와 대상자 사이의 근접도를 결정하고, 상기 근접도 및 상기 대상자의 질병 발생 가능성을 참조하여 상기 사용자의 질병 발생 가능성을 보정한다.
실시 예로서, 상기 생활 데이터는 소셜 네트워크 서비스(Social Network Service, SNS)에서의 상기 사용자와 상기 대상자 사이의 소셜 관계를 포함한다.
실시 예로서, 상기 건강 정보 처리 장치는 상기 건강 데이터 또는 상기 생활 데이터를 저장하는 데이터 베이스를 포함한다.
실시 예로서, 상기 질병 발생 가능성은 전염성 질병의 질병 발생 가능성이다.
실시 예로서, 상기 건강 정보 처리 장치는 상기 산출된 사용자의 질병 발생 가능성을 기초로 하여 상기 사용자 장치에 임상 진단 결과를 제공한다.
실시 예로서, 상기 건강 정보 처리 장치는 상기 통계 분석의 수행 결과에 따라 예측 함수를 결정하고, 상기 결정된 예측 함수를 상기 수집된 건강 데이터에 적용하여 상기 사용자의 질병 발생 가능성을 산출한다.
실시 예로서, 상기 건강 정보 처리 장치는 복수의 위험 변수 중 적어도 하나의 위험 변수를 잠정 예측 함수의 변수로서 선택하고, 상기 잠정 예측 함수를 상기 전자 의무 기록에 적용한 결과에 대해 상기 통계 분석을 수행하고, 상기 통계 분석의 수행 결과에 따라 잠정 예측 함수를 상기 예측 함수로 결정한다.
실시 예로서, 상기 통계 분석은 회귀 분석(Regression Analysis) 또는 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘을 통해 수행된다.
실시 예로서, 상기 전자 의무 기록을 저장하고, 상기 건강 정보 처리 장치의 요청에 응답하여 상기 전자 의무 기록을 상기 건강 정보 처리 장치에 제공하는 전자 의무 기록 저장 장치를 더 포함한다.
본 발명에 따른 건강 관리 시스템의 건강 정보 제공 방법은 전자 의무 기록(Electric Medical Record) 및 사용자의 건강 데이터를 통계적으로 분석하여 상기 사용자의 질병의 발생 가능성을 산출하는 단계; 상기 사용자의 생활 데이터를 참조하여, 상기 사용자의 질병 발생 가능성을 보정하는 단계; 및 상기 보정된 질병 발생 가능성에 따라 상기 사용자에게 상기 질병에 대한 임상적 판단을 제공하는 단계를 포함하되, 상기 생활 데이터는 상기 사용자의 위치 정보 또는 상기 사용자의 인적 커넥션을 나타내는 소셜 정보를 포함한다.
실시 예로서, 상기 질병 발생 가능성을 보정하는 단계는 상기 사용자의 위치 정보 및 상기 사용자의 질병 발생 가능성을 참조하여, 상기 사용자가 위치한 구역의 질병 전염 위험도를 나타내는 평균 질병 팩터를 갱신하는 단계; 및 상기 갱신된 평균 질병 팩터에 따라 상기 사용자의 질병 발생 가능성을 보정하는 단계를 포함한다.
실시 예로서, 상기 질병 발생 가능성을 보정하는 단계는, 상기 소셜 정보를 참조하여 상기 사용자와 대상자 사이의 근접도를 결정하는 단계; 및 상기 근접도 및 상기 대상자의 질병 발생 가능성을 참조하여 상기 사용자의 질병 발생 가능성을 보정하는 단계를 포함한다.
실시 예로서, 상기 질병 발생 가능성을 산출하는 단계는, 복수의 위험 변수 중 일부를 선택하는 단계; 상기 선택된 위험 변수에 따라, 상기 전자 의무 기록을 통계적으로 분석하여 상기 선택된 위험 변수와 상기 질병의 발생 가능성 사이의 연관성을 검증하는 단계; 상기 검증한 결과에 따라, 상기 선택된 위험 변수를 포함하는 예측 함수를 결정하는 단계; 및 상기 사용자의 건강 데이터에 상기 예측 함수를 적용하여, 상기 사용자의 질병 발생 가능성을 산출하는 단계를 포함한다.
도 1은 본 발명에 따른 건강 관리 시스템을 나타내는 블록도이다.
도 2는 도 1에 도시된 건강 정보 처리 장치의 구성을 예시적으로 나타내는 블록도이다.
도 3은 본 발명의 실시 예에 따라 사용자의 건강 데이터를 진단하는 방법을 나타내는 순서도이다.
도 4는 본 발명의 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 나타내는 순서도이다.
도 5는 위치에 따라 구분되는 구역들의 전염성 질병에 대한 평균 질병 팩터가 표시된 위치 정보 테이블을 나타내는 도면이다.
도 6은 본 발명의 다른 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 나타내는 순서도이다.
도 7은 사용자의 소셜 관계에 따른 전염성 질병 발생 확률이 표시된 노드 그래프를 나타내는 도면이다.
도 8은 본 발명의 또 다른 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 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 건강 관리 시스템을 나타내는 블록도이다. 도 1을 참조하면, 건강 관리 시스템(1000)은 건강 정보 처리 장치(100), 사용자 장치(200) 및 전자 의무 기록 저장 장치(300)를 포함한다.
사용자 장치(200)는 사용자로부터 수집된 건강 데이터 및 생활 데이터를 수집하여 건강 정보 처리 장치(100)에 제공한다. 예를 들어, 사용자 장치(200)는 사용자의 건강 정보를 측정하는 측정 기기 또는 혈압계, 체중계, 혈당계 등의 유헬스 데이터 측정 기기로부터 측정 데이터를 수집하고, 수집된 측정 데이터를 건강 데이터로서 제공할 수 있다.
실시 예로서, 사용자 장치(200)는 데이터 전송 기능을 갖춘 전자 장비로서, 셋탑박스, TV, 휴대폰 또는 태블릿 PC를 포함할 수 있다.
또한, 사용자 장치(200)는 사용자로부터 생활 데이터를 수집하여 건강 처리 정보 장치(100)에 제공한다. 후술하겠지만, 생활 데이터는 사용자가 위치한 지역을 나타내는 위치 정보 또는 사용자의 대인 관계 및 인적 접촉을 나타내는 인적 커넥션(human connection) 정보를 포함할 수 있다.
실시 예로서, 생활 데이터는 사용자가 휴대하는 장비로부터 수집되어 사용자 장치(200)로 전송될 수 있다. 또는 사용자 장치(200)는 사용자가 직접 사용자 장치(200)에 입력하는 정보를 기초로 생활 데이터를 수집할 수 있다.
전자 의무 기록 저장 장치(300)는 병원등의 전산화된 의무 기록을 전자 의무 기록(Electric Medical Record, EMR)으로서 저장한다. 그리고, 건강 정보 처리 장치(100)로부터의 요청(RQ)에 응답하여 저장된 전자 의무 기록(EMR)을 건강 정보 처리 장치(100)에 제공한다.
건강 정보 처리 장치(100)는 전자 의무 기록 저장 장치(300)로부터 제공되는 전자 의무 기록에 기초하여 통계 분석을 수행하고, 통계 분석의 결과에 따라 질병의 발생 가능성을 예측하는 예측 함수를 결정한다. 그리고, 건강 정보 처리 장치(100)는 결정된 예측 함수를 사용자의 건강 데이터에 적용하여, 사용자의 질병 발생 가능성을 산출한다.
그리고, 건강 정보 처리 장치(100)는 산출된 사용자의 질병 발생 가능성에 따른 임상 진단 결과를 결과 데이터로서 사용자 장치(200)에 제공할 수 있다.
또는, 건강 정보 처리 장치(100)는 생활 데이터를 참조하여, 산출된 사용자의 질병 발생 가능성을 보정할 수 있다. 그리고, 보정된 질병 발생 가능성에 기초한 임상 진단 결과를 결과 데이터로서 사용자 장치(200)에 제공할 수 있다.
예측 함수를 결정하는 구체적인 방법 및 생활 데이터를 참조하여 사용자의 질병 발생 가능성을 보정하는 구체적인 방법은 도 3 이하에서 후술될 것이다.
실시 예로서, 산출된 질병 발생 가능성은 건강 정보 처리 장치(100) 내부의 별도의 저장 장치에 저장될 수 있다.
상기와 같은 구성에 따르면, 건강 관리 시스템(1000)은 전자 의무 기록을 통계적으로 분석하여 결정된 예측 함수를 기초로, 사용자의 건강 데이터를 분석하여 사용자의 질병 발생 가능성을 예측할 수 있다. 또한, 건강 관리 시스템(1000)은 사용자의 생활 데이터를 참조하여 사용자의 질병 발생 가능성을 보정함으로써, 예측된 질병 발생 가능성의 정확도를 향상시킬 수 있다.
도 2는 도 1에 도시된 건강 정보 처리 장치의 구성을 예시적으로 나타내는 블록도이다. 도 2를 참조하면, 건강 정보 처리 장치(100)는 제 1 데이터 베이스(110), 제 2 데이터 베이스(120), 통계 분석부(130), 통합 분석부(140), 임상 진단부(150) 및 결과 전송부(160)를 포함한다.
제 1 데이터 베이스(110)는 사용자 장치(200)로부터 전송되는 사용자의 건강 데이터를 저장한다. 실시 예로서, 건강 데이터는 사용자 장치(200)의 건강 데이터 수집 장치(210)로부터 제공될 수 있다.
또한, 제 1 데이터 베이스(110)는 전자 의무 기록 저장 장치(300)로부터 전송되는 전자 의무 기록(EMR)을 저장한다. 실시 예로서, 제 1 데이터 베이스(110)는 전자 의무 기록 저장 장치(300)에 요청 신호(RQ)를 전송하고, 전송된 요청 신호(RQ)에 응답하여 제공되는 전자 의무 기록(EMR)을 수신하여 저장할 수 있다.
제 2 데이터 베이스(120)는 사용자 장치(200)로부터 전송되는 사용자의 생활 데이터를 저장한다. 실시 예로서, 생활 데이터는 사용자 장치(200)의 생활 데이터 수집 장치(220)로부터 제공될 수 있다.
한편, 여기서는 제 1 데이터 베이스(110) 및 제 2 데이터 베이스(120)가 서로 구분되는 저장 장치인 것으로 설명되었으나, 본 발명은 이에 한정되지 않는다. 예를 들어, 건강 데이터, 생활 데이터 및 전자 의무 기록은 동일한 데이터 베이스에 저장될 수 있다.
통계 분석부(130)는 제 1 데이터 베이스(110)에 저장된 전자 의무 기록를 통계적으로 분석하여 예측 함수를 결정하고, 예측 함수를 사용자의 건강 데이터에 적용하여, 사용자의 질병 발생 가능성을 산출한다. 통계 분석부(130)가 예측 함수를 결정하는 구체적인 방법은 후술될 것이다. 실시 예로서, 통계 분석부(130)에서 산출된 사용자의 질병 발생 가능성은 제 1 데이터 베이스(110)에 저장될 수 있다.
한편, 통계 분석부(130)는 사용자의 임상 진단에 사용하기 위해 산출된 사용자의 질병 발생 가능성을 임상 진단부(150)에 제공할 수 있다.
또는, 통계 분석부(130)는 보다 정확한 임상 진단을 위해, 산출된 사용자의 질병 발생 가능성을 통합 분석부(140)에 제공할 수 있다.
통합 분석부(140)는 사용자의 질병 발생을 보다 정확하게 예측할 수 있도록 통계 분석부(130)에 의해 산출된 질병 발생 가능성을 보정한다. 구체적으로, 통합 분석부(140)는 제 2 데이터 베이스(120)에 저장된 생활 데이터를 참조하여, 산출된 질병 발생 가능성을 보정한다. 이때, 생활 데이터는 사용자의 위치 정보 또는 소셜 정보를 나타낸다. 따라서, 통합 분석부(140)에 의한 질병 발생 가능성의 보정은 특히 전염성 질병의 진단에 있어서 유효할 수 있다.
통합 분석부(140)가 질병 발생 가능성을 보정하는 구체적인 방법을 후술될 것이다.
통합 분석부(140)에 의해 보정된 질병 발생 가능성은 임상 진단부(150)에 제공되어, 사용자의 임상 진단에 사용된다.
임상 진단부(150)는 통계 분석부(130) 또는 통합 분석부(140)로부터 제공되는 사용자의 질병 발생 가능성에 따라, 사용자의 발병 위험도를 판단하거나 임상 소견을 진단 결과로서 제공할 수 있다.
예를 들어, 임상 진단부(150)는 사용자의 질병 발생 가능성이 기준 값을 초과하는 경우, 발병 위험이 높은 것으로 판단하고 그에 따른 발병 경고 및 대응 조치 등을 진단 결과로서 제공할 수 있다.
또는, 임상 진단부(150)는 사용자의 질병 발생 가능성을 다른 환경 인자와 조합하여 사용자의 발병 위험을 판단하고, 판단 결과에 따라 발병 경고 및 대응 조치 등을 진단 결과로서 제공할 수 있다. 예를 들어, 대상 질병이 계절성 질환인 경우, 임상 진단부(150)는 현재의 계절, 기후, 습도, 온도 등을 환경 인자로서 선택한다. 그리고, 임상 진단부(150)는 선택된 환경 인자 및 사용자의 질병 발생 가능성과의 상관 관계를 고려하여, 사용자의 발병 위험을 판단할 수 있다.
결과 전송부(160)는 임상 진단부(150)로부터 전송되는 진단 결과를 결과 데이터로서 사용자 장치(200)에 전송한다. 실시 예로서, 결과 전송부(160)는 유선 또는 무선 통신이 가능한 별도의 통신 모듈을 포함할 수 있다.
실시 예로서, 건강 정보 처리 장치(100)는 사용자의 질병 발생 가능성이 미리 정해진 문턱 값을 초과하는 경우에만 선택적으로 결과 데이터를 사용자에게 전송할 수 있다.
상기와 같은 구성에 따르면, 건강 관리 시스템(1000)은 전자 의무 기록을 통계적으로 분석하여 결정된 예측 함수를 기초로, 사용자의 건강 데이터 또는 생활 데이터를 분석하여 사용자의 질병 발생 가능성을 예측할 수 있다. 그리고, 예측된 질병 발생 가능성에 따른 진단 결과를 사용자에게 제공할 수 있다.
도 3은 본 발명의 실시 예에 따라 사용자의 건강 데이터를 진단하는 방법을 나타내는 순서도이다. 도 3을 참조하면, 건강 데이터를 진단하는 방법은 예측 함수를 결정하는 단계(제 1 단계)와 결정된 예측 함수를 이용하여 사용자의 질병 발생 가능성을 계산하는 단계(제 2 단계)를 포함한다. 그리고, 제 1 단계는 S110 단계 내지 S140 단계를 포함하고, 제 2 단계는 S150 단계를 포함한다.
S110 단계에서, 건강 정보 처리 장치(100, 도 2 참조)는 통계 분석 알고리즘에 따라 잠정 예측 함수를 설정한다. 잠정 예측 함수는 통계 분석 알고리즘에 따라 일반식의 형태로 설정된 소정의 함수를 의미한다. 예를 들어, 질병 발생 가능성을 예측하기 위한 통계 분석 알고리즘이 단순 회귀 분석인 경우, 잠정 예측 함수는 단순 회귀식의 일반적인 형태인 Yi = a + bXi 를 잠정 예측 함수로서 설정한다. 이때, i는 전자 의무 기록의 표본 번호이고, Xi는 위험 변수이고, Yi는 결과 값(예를 들어, 질병 정도 또는 질병 발생 가능성)을 의미한다.
그리고, 전자 의무 기록의 여러 인자들 중 일부를 잠정 예측 함수의 위험 변수로서 선택한다. 예를 들어, 전자 의무 기록에 환자의 체중, 혈압, 콜레스테롤 수치 등이 위험 변수로서 포함된 경우, 건강 정보 처리 장치(100)는 그 중 일부를 잠정 예측 함수의 위험 변수(Xi)로서 선택할 수 있다.
S120 단계에서, 건강 정보 처리 장치(100)는 선택된 위험 변수를 잠정 예측 함수에 적용하여, 알고리즘에 따라 전자 의무 기록에 대한 통계 분석을 수행한다. 이때, 선택된 위험 변수가 통계 분석에 적합한 지 여부를 판단하기 위해 선택된 위험 변수와 예측 함수의 결과 값의 상관 관계를 분석한다.
예를 들어, 통계 분석 알고리즘이 단순 회귀 분석이고, 잠정 예측 함수가 Yi = a + bXi로 설정된 경우를 가정한다. 이때, 선택된 위험 변수 값이 단순 회귀 분석에 적합한지 판단하기 위해, 전자 의무 기록에 포함된 표본 자료들의 위험 변수 값과 결과 값의 상관 관계를 잠정 예측 함수와 비교한다.
S130 단계에서, 건강 정보 처리 장치(100)는 통계 분석에 따른 위험 변수 값과 결과 값의 상관 관계가 통계적으로 유의미한 지 여부를 판단한다. 예를 들어, 통계 분석 알고리즘이 단순 회귀 분석인 경우, 잠정 예측 함수는 1차 선형 함수이다. 따라서, 위험 변수가 적절이 선택되었다면 선택된 위험 변수(Xi)와 결과 값(Yi, 질병 정도)은 서로 1차 선형 비례하는 경향을 보일 것이다. 반면에, 위험 변수(Xi)와 결과 값(Yi)이 1차 선형 비례하지 않고 불규칙한 연관성을 보일 경우, 선택된 위험 변수는 설정된 잠정 예측 함수에 적합하지 않은 위험 변수로 판단될 것이다.
위험 변수 값과 결과 값의 상관 관계가 통계적으로 유의미한 경우, 건강 데이터를 진단하는 방법은 S140 단계로 진행한다. 그렇지 않은 경우, 건강 데이터를 진단하는 방법은 새로운 위험 변수 선택을 위해 S110 단계로 돌아간다.
S140 단계에서, 건강 정보 처리 장치(100)는 설정된 잠정 예측 함수의 미정 계수를 구하여 예측 함수를 결정한다. 예를 들어, 잠정 예측 함수가 Yi = a + bXi인 경우, 위험 변수(Xi)가 결정되어도 a, b는 미정 계수로 남아있다. S140 단계에서 건강 정보 처리 장치(100)는 통계적 방법으로 미정 계수를 결정한다. 예를 들어, 건강 정보 처리 장치(100)는 미정 계수 a, b를 구하는 방법으로서 최소 제곱 법(least squares method) 또는 기계 학습 법(machine learning)을 사용할 수 있다. 최소 제곱 법 및 기계 학습 법은 당해 기술 분야에 널리 알려져 있으므로, 그에 대한 구체적이 설명은 생략한다.
그리고, 구해진 미정 계수 a, b를 잠정 예측 함수에 대입하여 예측 함수를 결정한다.
S150 단계에서, 건강 정보 처리 장치(100)는 사용자의 건강 데이터에 결정된 예측 함수를 적용하여, 사용자의 질병 발생 가능성을 산출한다. 예를 들어, 건강 정보 처리 장치(100)는 사용자의 건강 데이터 중 위험 변수 값을 결정된 예측 함수에 대입하여 그 결과 값을 질병 발생 가능성으로서 산출할 수 있다. 또는, 건강 정보 차리 장치(100)는 위험 변수 값을 결정된 예측 함수에 대입하여 산출된 결과 값에 소정의 가중 계수를 곱함으로써 질병 발생 가능성을 산출할 수 있다.
한편, 여기서는 통계 분석 알고리즘이 단순 회귀 분석인 것을 예시하였으나, 본 발명은 이에 한정되지 않는다. 예를 들어, 통계 분석 알고리즘은 회귀 분석(Regression Analysis) 또는 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘일 수 있다.
건강 정보 처리 장치(100)가 위와 같은 통계 분석을 통해 얻은 결과는 사용자의 위험 변수 값에 따른 질병 발생 가능성을 통계적으로 예측한 추정 값이고, 정확한 측정 값이나 구체적인 진단 결과는 아니다. 그러나, 건강 정보 처리 장치(100)는 의사의 임상적 판단을 거치지 않고 통계적으로 유의미한 질병 발생 가능성을 구함으로써, 사용자에게 효율적이고 값싼 진단 서비스를 제공하는 장점을 갖는다.
상기와 같은 구성에 따르면, 사용자의 질병 발생 가능성을 예측하기 위한 예측 함수가 결정되고, 결정된 예측 함수에 따라 사용자의 질병 발생 가능성이 산출될 수 있다.
도 4는 본 발명의 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 나타내는 순서도이다. 도 4를 참조하면, 본 실시 예에 따른 질병 발생 가능성의 보정 방법은 S210 단계 내지 S230 단계를 포함한다.
S210 단계에서, 건강 정보 처리 장치(100, 도 2 참조)는 생활 데이터로서 사용자의 위치 정보를 수신한다. 수신된 위치 정보는 일시적으로 제 2 데이터 베이스(120, 도 2 참조)에 저장될 수 있다. 제 2 데이터 베이스(120)에 저장된 정보는 통합 분석부(140, 도 2 참조)에 제공된다. 한편, 통계 분석부(130, 도 2 참조)에서 계산된 사용자의 질병 발생 가능성도 통합 분석부(140)에 제공된다.
S220 단계에서, 건강 정보 처리 장치(100)는 사용자의 질병 발생 가능성에 기초하여 위치 정보 테이블의 위치 필드를 갱신한다. 여기서, 위치 필드는 복수의 구역에 따라 분리된 복수의 셀을 포함하고, 각각의 셀에는 대응되는 구역의 평균 질병 팩터가 기록된다. 평균 질병 팩터는 구역에 위치한 사람들의 질병 발생 가능성을 기초로 계산된 해당 구역의 평균 질병 발생도 또는 해당 구역의 질병 전염 위험도를 나타내는 값이다. 예를 들어, 평균 질병 팩터는 해당 구역에 위치한 사람들의 평균 질병 발생 가능성일 수 있다. 또는, 평균 질병 팩터는 해당 구역에서 질병이 전염될 가능성을 나타내는 값일 수 있다. 이때, 평균 질병 팩터는 구역에 위치한 사람들의 질병 발생 가능성을 모두 더하고, 더해진 값을 구역에 위치한 사람들의 수로 나눔으로써 산출될 수 있다. 평균 질병 팩터가 표현된 위치 필드(또는, 위치 정보 테이블)은 도 5에 구체적으로 표현되어 있다. 본 실시 예에서, 위치 필드를 갱신하다는 것은 위치 필드에 기록된 평균 질병 팩터를 갱신한다는 것을 의미한다.
건강 정보 처리 장치(100)는 사용자의 위치 정보에 따라, 사용자가 미리 설정된 복수의 구역 중 어느 한 구역(이하, 대상 구역)에 위치하는지 판단한다. 그리고, 건강 정보 처리 장치(100)는 사용자가 대상 구역에 위치한 것으로 판단되면, 사용자의 질병 발생 가능성을 기초로 대상 구역의 평균 질병 팩터를 갱신한다. 예를 들어, 평균 질병 팩터가 구역에 위치한 사람들의 평균 질병 발생 가능성인 경우, 건강 정보 처리 장치(100)는 사용자를 비롯한 대상 구역에 위치한 모든 사람들에 대해 평균 질병 발생 가능성을 재산출한다. 그리고 재산출된 평균 질병 발생 가능성을 대상 구역의 평균 질병 팩터로서 결정한다.
S230 단계에서, 건강 정보 처리 장치(100)는 갱신된 위치 필드의 평균 질병 팩터에 따라 사용자의 질병 발생 가능성을 보정하고, 보정된 질병 발생 가능성에 기초한 진단 결과를 결과 데이터로서 사용자에게 전송한다.
실시 예로서, 건강 정보 처리 장치(100)는 보정된 질병 발생 가능성이 미리 정해진 문턱 값을 초과하는 경우에만 선택적으로 결과 데이터를 사용자에게 전송할 수 있다.
이때, 건강 정보 처리 장치(100)는 사용자의 질병 발생 가능성을 대상 구역의 평균 질병 팩터와 동일한 값으로 보정할 수 있다. 예를 들어, 대상 구역의 평균 질병 팩터가 4로 갱신된 경우, 갱신된 평균 질병 팩터에 따라 사용자의 질병 발생 가능성도 4로 보정된다.
또는, 건강 정보 처리 장치(100)는 대상 구역의 갱신된 평균 질병 팩터와 소정의 가중치를 가중한 값으로 사용자의 질병 발생 가능성을 보정할 수 있다. 예를 들어, 대상 구역의 평균 질병 팩터가 4로 갱신되고 소정의 가중치가 0.1로 부여된 경우를 가정한다. 이때, 사용자의 질병 발생 가능성은 가중치(0.1)×평균 질병 팩터(4)가 더해진 값으로 보정될 수 있다.
또는, 건강 정보 처리 장치(100)는 대상 구역의 갱신된 평균 질병 팩터와 사용자의 질병 발생 가능성을 평균한 값이 사용자의 보정된 질병 발생 가능성이 되도록 할 수 있다.
이와 같이, 갱신된 평균 질병 팩터에 따라 사용자의 질병 발생 가능성을 보정하는 방법은 다양하게 있을 수 있으며, 본 실시 예에서 예시한 것에 한정되지 않는다.
상기와 같은 구성에 따르면, 사용자의 위치 정보에 따라 사용자의 질병 발생 가능성이 보정된다. 따라서, 사용자의 위치에 따라 질병 발생 가능성이 보정되므로, 질병 발생이 보다 정확하게 예측될 수 있다. 특히, 이와 같은 방법은 전염성 질병의 질병 발생 가능성을 진단하는데 유용할 수 있다.
도 5는 위치에 따라 구분되는 구역들의 전염성 질병에 대한 평균 질병 팩터가 표시된 위치 정보 테이블을 나타내는 도면이다. 도 5를 참조하면, 위치 정보 테이블(400)은 제 1 축 필드(410) 및 제 2 축 필드(420)에 따라 구분된 복수의 셀로 이루어진 위치 필드를 포함한다. 실시 예로서, 제 1 축 필드(410)는 경도를 나타내는 경도 필드이고, 제 2 축 필드(420)는 위도를 나타내는 위도 필드일 수 있다.
위치 정보 테이블(400)의 위치 필드는 복수의 구역에 따라 분리된 복수의 셀을 포함하고, 각각의 셀에는 대응되는 구역의 평균 질병 팩터가 기록된다. 평균 질병 팩터 및 위치 필드에 대한 내용은 위에서 설명한 바와 동일하다. 각각의 셀에 기록된 평균 질병 팩터는 서로 다른 값을 가질 수 있다. 또한, 해당 질병이 전염성 질병인 경우, 평균 질병 팩터 분포는 일정한 지역성을 띌 수 있다. 예를 들어, 제 1 셀(430) 부근의 셀들은 상대적으로 낮은 평균 질병 팩터를 갖는다. 반대로, 제 2 셀(440) 부근의 셀들은 상대적으로 높은 평균 질병 팩터를 갖는다. 이와 같이 전염성 질병은 지역적으로 편중된 평균 질병 팩터 분포를 가질 수 있다.
한편, 사용자가 위치한 구역에 따라, 사용자의 질병 발생 가능성을 기초로 위치 필드의 평균 질병 팩터가 갱신될 수 있음은 위에서 설명한 바와 같다.
도 6은 본 발명의 다른 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 나타내는 순서도이다. 도 6을 참조하면, 질병 발생 가능성의 보정 방법은 S310 단계 내지 S330 단계를 포함한다. 본 실시 예에서, 질병 발생 가능성은 사용자으 소셜 정보를 참조하여 보정된다.
S310 단계에서, 건강 정보 처리 장치(100)는 사용자의 소셜 정보를 생활 데이터로서 수신한다. 소셜 정보는 사용자의 인적 커넥션을 나타낸다. 소셜 정보는 사용자가 자주 만나는 사람에 대한 정보를 포함할 수 있다. 또는, 소셜 정보는 사용자와 친분 관계에 있는 사람들에 대한 정보를 포함할 수 있다. 예를 들어, 사용자와 소셜 네트워크 서비스(Social Network Service, SNS)를 통해 접촉하는 사람들은 사용자와 소정의 인적 커넥션을 갖는 것으로 간주될 수 있다.
소셜 정보는 사용자와 현실 또는 가상에서 접촉하는 사람(이하, 대상자)들의 접촉 방법 및 횟수에 따라, 사용자와 대상자들의 커넥션에 소정의 가중치를 부여할 수 있다. 예를 들어, 사용자와 주요한 커뮤니케이션 수단을 통해 자주 접촉하는 대상자는 상대적으로 사용자와 친밀도가 높은 것으로 판단된다. 이러한 경우, 사용자와 대상자 사이의 커넥션에는 상대적으로 높은 가중치가 부여될 수 있다.
S320 단계에서, 건강 정보 처리 장치(100)는 사용자의 소셜 정보를 기초로 대상자 및 커넥션의 가중치를 결정하고, 결정된 대상자 및 가중치를 기초로 사용자의 질병 발생 가능성을 보정한다.
구체적으로, 사용자와 대상자 사이의 커넥션이 0.2의 가중치를 갖고, 대상자의 질병 발생 확률이 1이라고 가정한다. 이때, 사용자의 질병 발생 가능성은 가중치(0.2)×대상자의 질병 발생 확률(1)을 더하여 보정된다.
실시 예로서, 사용자는 복수의 대상자들과 커넥션을 형성할 수 있다. 이때, 사용자의 질병 발생 가능성은 복수의 대상자들과의 각각의 커넥션에 따라 중첩적으로 보정될 수 있다.
소셜 정보에 따라 사용자의 질병 발생 가능성을 보정하는 구체적인 계산 방법은 도 7에서 더욱 상세히 설명하기로 한다.
S330 단계에서, 건강 정보 처리 장치(100)는 보정된 질병 발생 가능성에 기초한 진단 결과를 결과 데이터로서 사용자에게 전송한다. 실시 예로서, 건강 정보 처리 장치(100)는 보정된 질병 발생 가능성이 미리 정해진 문턱 값을 초과하는 경우에만 선택적으로 결과 데이터를 사용자에게 전송할 수 있다.
상기와 같은 구성에 따르면, 사용자의 소셜 정보에 따라 사용자의 질병 발생 가능성이 보정된다. 따라서, 사용자의 인접 접촉 가능성에 따라 질병 발생 가능성이 보정되므로, 질병 발생이 보다 정확하게 예측될 수 있다. 특히, 이와 같은 방법은 전염성 질병의 질병 발생 가능성을 진단하는데 유용할 수 있다.
도 7은 사용자의 소셜 관계에 따른 전염성 질병 발생 확률이 표시된 노드 그래프를 나타내는 도면이다. 도 7을 참조하면, 노드 그래프(500)은 사용자 노드(510) 및 복수의 대상자 노드들(520, 530, 540, 550, 560)을 포함한다. 사용자 노드(510)와 복수의 대상자 노드들(520, 530, 540, 550, 560) 각각은 서로 연결되고, 각각의 연결에는 소정의 가중치가 부여된다.
본 실시 예에서, 사용자와 대상자의 관계는 노드 그래프로 표시되었으나, 이는 예시적인 것으로서 본 발명은 이에 한정되지 않는다. 예를 들어, 사용자와 대상자의 관계는 2차원 표의 형태로서 표현될 수 있다. 또는, 사용자와 대상자의 관계는 사용자와 대상자의 커넥션에 소정의 가중치가 일대일 대응되는 저장 데이터의 형태로서 표현될 수 있다.
다시 도 7을 참조하면, 사용자 노드(510) 및 대상자 노드들(520, 530, 540, 550) 각각은 자신의 질병 발생 가능성(V0, V1, V2, V3, V4, V5)을 갖는다. 그리고, 사용자 노드(510) 및 대상자 노드들(520, 530, 540, 550)의 커넥션들은 대상자와의 접촉 수단 또는 횟수에 따라 차별화된 가중치들(α1, α2, α3, α4, α5)을 갖는다.
그리고, 대상자 노드들(520, 530, 540, 550) 각각의 질병 발생 가능성(V1, V2, V3, V4, V5)에 대응되는 가중치(α1, α2, α3, α4, α5)를 곱한 값이 사용자 노드(510)의 질병 발생 가능성(V0)에 더해져, 보정된 질병 발생 가능성이 산출된다.
예를 들면, 도 7과 같은 노드 그래프(500)가 결정된다고 가정한다. 이때, 제 1 노드(520)와의 커넥션에 따른 보정을 수행하기 위해, 제 1 노드(520)의 질병 발생 가능성(V1)과 가중치(α1)를 곱한 값(2.4×0.3＝0.72)이 사용자 노드(510)의 질병 발생 가능성(V0)에 더해진다.
그리고, 제 2 노드(530)와의 커넥션에 따른 보정을 수행하기 위해, 제 2 노드(530)의 질병 발생 가능성(V2)과 가중치(α2)를 곱한 값(0.3×0.1＝0.03)이 사용자 노드(510)의 질병 발생 가능성(V0)에 중첩적으로 더해진다.
마찬가지로, 제 3 내지 제 5 노드(540, 550, 560)와의 커넥션들에 따라서도 동일한 방법의 보정이 수행된다.
따라서, 노드 그래프(500)에 따른 사용자 노드(530)의 질병 발생 가능성 값은 다음과 같이 보정될 수 있다.
보정된 질병 발생 가능성 ＝ 1.2 + 2.4×0.3 + 0.3×0.1 + 4.1×0.7 + 1.1×0.1 + 3.2×0.5
상기와 같은 노드 그래프(500)에 따르면 사용자와 대상자들 사이의 커넥션에 따라 사용자의 질병 발생 가능성이 보정될 수 있다.
도 8은 본 발명의 또 다른 실시 예에 따라 사용자의 질병 발생 가능성을 보정하는 방법을 나타내는 순서도이다. 도 8을 참조하면, 질병 발생 가능성의 보정 방법은 S410 단계 내지 S440 단계를 포함한다. 본 실시 예에서, 질병 발생 가능성은 사용자의 위치 정보 및 소셜 정보를 참조하여 보정된다.
S410 단계에서, 건강 정보 처리 장치(100, 도 1 참조)는 위치 정보 또는 소셜 정보를 생활 데이터로서 수신한다. 위치 정보 및 소셜 정보에 대한 구체적인 내용은 위에서 설명한 바와 동일하다.
S420 단계에서, 건강 정보 처리 장치(100)는 수신된 위치 정보 및 사용자의 질병 발생 가능성에 따라 위치 필드의 평균 질병 팩터를 갱신한다. 그리고, 갱신된 평균 질병 팩터를 참조하여 사용자의 질병 발생 가능성을 갱신 또는 보정한다.
사용자의 질병 발생 가능성을 갱신하는 구체적인 방법은 도 4 내지 도 5에서 설명한 바와 동일하다.
S430 단계에서, 건강 정보 처리 장치(100)는 수신된 소셜 정보에 따라 사용자와 대상자들 사이의 커넥션을 설정한다. 각각의 커넥션에는 소정의 서로 다른 가중치가 부여될 수 있다. 그리고, 설정된 대상자들과의 커넥션에 기초하여 갱신 또는 보정된 사용자의 질병 발생 가능성을 다시 보정한다.
갱신 또는 보정된 사용자의 질병 발생 가능성을 보정하는 구체적인 방법은 도 6 내지 도 7에서 설명한 바와 동일하다.
S440 단계에서, 건강 정보 처리 장치(100)는 S430 단계에서 보정된 사용자의 질병 발생 가능성에 따라 사용자에게 진단 결과를 결과 데이터로서 전송한다.
실시 예로서, 건강 정보 처리 장치(100)는 보정된 질병 발생 가능성이 미리 정해진 문턱 값을 초과하는 경우에만 선택적으로 결과 데이터를 사용자에게 전송할 수 있다.
상기와 같은 구성에 따르면, 사용자의 위치 정보 및 소셜 정보에 따라 사용자의 질병 발생 가능성이 보정된다. 따라서, 사용자의 위치 및 인접 접촉 가능성에 따라 질병 발생 가능성이 보정되므로, 질병 발생이 보다 정확하게 예측될 수 있다. 특히, 이와 같은 방법은 전염성 질병의 질병 발생 가능성을 진단하는데 유용할 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 (15)

  1. 사용자의 건강 데이터 및 생활 데이터를 수집하여 제공하는 사용자 장치; 및
    전자 의무 기록(Electric Medical Record) 및 상기 건강 데이터에 기초한 통계 분석을 수행하여 상기 사용자의 질병 발생 가능성을 산출하고, 상기 생활 데이터에 따라 상기 산출된 질병 발생 가능성을 보정하는 건강 정보 처리 장치를 포함하되,
    상기 생활 데이터는 상기 사용자의 위치(location) 정보 또는 상기 사용자의 인적 커넥션(human connection)을 나타내는 소셜 정보를 포함하는 건강 관리 시스템.
  2. 제 1 항에 있어서,
    상기 건강 정보 처리 장치는 소정의 구역에 위치한 사람들의 질병 발생 가능성에 기초하여, 상기 소정의 구역의 평균 질병 팩터를 산출하고, 상기 생활 데이터를 참조하여 상기 사용자가 상기 소정의 구역에 위치하는지 여부를 판단하되,
    상기 사용자가 상기 소정의 구역에 위치하면, 상기 사용자의 질병 발생 가능성을 참조하여 상기 평균 질병 팩터를 갱신하고, 상기 갱신된 평균 질병 팩터에 따라 상기 사용자의 질병 발생 가능성을 보정하는 건강 관리 시스템.
  3. 제 1 항에 있어서,
    상기 건강 정보 처리 장치는 상기 생활 데이터를 참조하여 상기 사용자와 대상자 사이의 근접도를 결정하고, 상기 근접도 및 상기 대상자의 질병 발생 가능성을 참조하여 상기 사용자의 질병 발생 가능성을 보정하는 건강 관리 시스템.
  4. 제 3 항에 있어서,
    상기 생활 데이터는 소셜 네트워크 서비스(Social Network Service, SNS)에서의 상기 사용자와 상기 대상자 사이의 소셜 관계를 포함하는 건강 관리 시스템.
  5. 제 1 항에 있어서,
    상기 건강 정보 처리 장치는 상기 건강 데이터 또는 상기 생활 데이터를 저장하는 데이터 베이스를 포함하는 건강 관리 시스템.
  6. 제 1 항에 있어서,
    상기 질병 발생 가능성은 전염성 질병의 질병 발생 가능성인 건강 관리 시스템.
  7. 제 1 항에 있어서,
    상기 건강 정보 처리 장치는 상기 산출된 사용자의 질병 발생 가능성을 기초로 하여 상기 사용자 장치에 임상 진단 결과를 제공하는 건강 관리 시스템.
  8. 제 1 항에 있어서,
    상기 건강 정보 처리 장치는 상기 통계 분석의 수행 결과에 따라 예측 함수를 결정하고, 상기 결정된 예측 함수를 상기 수집된 건강 데이터에 적용하여 상기 사용자의 질병 발생 가능성을 산출하는 건강 관리 시스템.
  9. 제 8 항에 있어서,
    상기 건강 정보 처리 장치는 복수의 위험 변수 중 적어도 하나의 위험 변수를 잠정 예측 함수의 변수로서 선택하고, 상기 잠정 예측 함수를 상기 전자 의무 기록에 적용한 결과에 대해 상기 통계 분석을 수행하고, 상기 통계 분석의 수행 결과에 따라 잠정 예측 함수를 상기 예측 함수로 결정하는 건강 관리 시스템.
  10. 제 9 항에 있어서,
    상기 통계 분석은 회귀 분석(Regression Analysis) 또는 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘을 통해 수행되는 건강 관리 시스템.
  11. 제 1 항에 있어서,
    상기 전자 의무 기록을 저장하고, 상기 건강 정보 처리 장치의 요청에 응답하여 상기 전자 의무 기록을 상기 건강 정보 처리 장치에 제공하는 전자 의무 기록 저장 장치를 더 포함하는 건강 관리 시스템.
  12. 건강 관리 시스템의 건강 정보 제공 방법에 있어서,
    전자 의무 기록(Electric Medical Record) 및 사용자의 건강 데이터를 통계적으로 분석하여 상기 사용자의 질병의 발생 가능성을 산출하는 단계;
    상기 사용자의 생활 데이터를 참조하여, 상기 사용자의 질병 발생 가능성을 보정하는 단계; 및
    상기 보정된 질병 발생 가능성에 따라 상기 사용자에게 상기 질병에 대한 임상적 판단을 제공하는 단계를 포함하되,
    상기 생활 데이터는 상기 사용자의 위치 정보 또는 상기 사용자의 인적 커넥션을 나타내는 소셜 정보를 포함하는 건강 정보 제공 방법.
  13. 제 12 항에 있어서,
    상기 질병 발생 가능성을 보정하는 단계는,
    상기 사용자의 위치 정보 및 상기 사용자의 질병 발생 가능성을 참조하여, 상기 사용자가 위치한 구역의 질병 전염 위험도를 나타내는 평균 질병 팩터를 갱신하는 단계; 및
    상기 갱신된 평균 질병 팩터에 따라 상기 사용자의 질병 발생 가능성을 보정하는 단계를 포함하는 건강 정보 제공 방법.
  14. 제 12 항에 있어서,
    상기 질병 발생 가능성을 보정하는 단계는,
    상기 소셜 정보를 참조하여 상기 사용자와 대상자 사이의 근접도를 결정하는 단계; 및
    상기 근접도 및 상기 대상자의 질병 발생 가능성을 참조하여 상기 사용자의 질병 발생 가능성을 보정하는 단계를 포함하는 건강 정보 제공 방법.
  15. 제 12 항에 있어서,
    상기 질병 발생 가능성을 산출하는 단계는,
    복수의 위험 변수 중 일부를 선택하는 단계;
    상기 선택된 위험 변수에 따라, 상기 전자 의무 기록을 통계적으로 분석하여 상기 선택된 위험 변수와 상기 질병의 발생 가능성 사이의 연관성을 검증하는 단계;
    상기 검증한 결과에 따라, 상기 선택된 위험 변수를 포함하는 예측 함수를 결정하는 단계; 및
    상기 사용자의 건강 데이터에 상기 예측 함수를 적용하여, 상기 사용자의 질병 발생 가능성을 산출하는 단계를 포함하는 건강 정보 제공 방법.
KR1020130019919A 2013-02-25 2013-02-25 건강 관리 시스템 및 그것의 건강 정보 제공 방법 KR20140107714A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130019919A KR20140107714A (ko) 2013-02-25 2013-02-25 건강 관리 시스템 및 그것의 건강 정보 제공 방법
US13/910,972 US20140244278A1 (en) 2013-02-25 2013-06-05 Health management system and method of providing health information by using the system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130019919A KR20140107714A (ko) 2013-02-25 2013-02-25 건강 관리 시스템 및 그것의 건강 정보 제공 방법

Publications (1)

Publication Number Publication Date
KR20140107714A true KR20140107714A (ko) 2014-09-05

Family

ID=51389044

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130019919A KR20140107714A (ko) 2013-02-25 2013-02-25 건강 관리 시스템 및 그것의 건강 정보 제공 방법

Country Status (2)

Country Link
US (1) US20140244278A1 (ko)
KR (1) KR20140107714A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102088296B1 (ko) * 2019-07-25 2020-05-29 백정현 대기질 데이터에 기초한 질병 상관 관계 예측 방법 및 장치
KR20200061968A (ko) * 2018-11-26 2020-06-03 한국전자통신연구원 시계열 데이터 처리 장치 및 이의 동작 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10446274B2 (en) 2014-11-25 2019-10-15 Electronics And Telecommunications Research Institute Open healthcare apparatus and method
EP3276570A4 (en) * 2015-03-27 2018-11-07 Hitachi, Ltd. Computer system and information processing method
KR102454895B1 (ko) 2015-12-14 2022-10-14 삼성전자주식회사 연속적인 생체 신호 모니터링 방법 및 시스템
US20170323071A1 (en) * 2016-05-05 2017-11-09 James Stewart Bates Systems and methods for generating medical diagnosis
US20170323069A1 (en) * 2016-05-05 2017-11-09 James Stewart Bates Systems and methods for medical instrument patient measurements
US10861604B2 (en) 2016-05-05 2020-12-08 Advinow, Inc. Systems and methods for automated medical diagnostics
CN106682427A (zh) * 2016-12-29 2017-05-17 平安科技（深圳）有限公司 基于位置服务的个人健康状态评估方法及装置
US11164679B2 (en) 2017-06-20 2021-11-02 Advinow, Inc. Systems and methods for intelligent patient interface exam station
US11348688B2 (en) 2018-03-06 2022-05-31 Advinow, Inc. Systems and methods for audio medical instrument patient measurements
US10939806B2 (en) 2018-03-06 2021-03-09 Advinow, Inc. Systems and methods for optical medical instrument patient measurements
JP7181753B2 (ja) * 2018-10-12 2022-12-01 株式会社アドバンテスト 解析装置、解析方法および解析プログラム
JP6775055B2 (ja) * 2019-03-29 2020-10-28 株式会社Ｎｔｔドコモ リスク推定装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060036619A1 (en) * 2004-08-09 2006-02-16 Oren Fuerst Method for accessing and analyzing medically related information from multiple sources collected into one or more databases for deriving illness probability and/or for generating alerts for the detection of emergency events relating to disease management including HIV and SARS, and for syndromic surveillance of infectious disease and for predicting risk of adverse events to one or more drugs
US7487134B2 (en) * 2005-10-25 2009-02-03 Caterpillar Inc. Medical risk stratifying method and system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200061968A (ko) * 2018-11-26 2020-06-03 한국전자통신연구원 시계열 데이터 처리 장치 및 이의 동작 방법
KR102088296B1 (ko) * 2019-07-25 2020-05-29 백정현 대기질 데이터에 기초한 질병 상관 관계 예측 방법 및 장치

Also Published As

Publication number Publication date
US20140244278A1 (en) 2014-08-28

Similar Documents

Publication Publication Date Title
KR20140107714A (ko) 건강 관리 시스템 및 그것의 건강 정보 제공 방법
EP3064179B1 (en) Apparatus and method for analysing events from sensor data by optimisation
JP6145042B2 (ja) 患者の病気重篤性、致死性および滞在長さの連続的な予測の方法
JP6335910B2 (ja) 臨床決定支援に対する、血栓症に対する臨床的リスク因子及び分子マーカの組み合わされた使用
CN111640515A (zh) 区域的疫情风险确定方法、装置、计算机设备和存储介质
Yue et al. Fusing location data for depression prediction
US20130151516A1 (en) Clinical data analysis apparatus and clinical data analysis method
CN105808906B (zh) 患者个人特性的分析方法及其装置
Xue et al. Predicting the risk of acute care readmissions among rehabilitation inpatients: A machine learning approach
KR20160043777A (ko) 질환 발병 예측 방법 및 그 장치
CA2795736A1 (en) Method and system for selection of patients to receive a medical device
JP2013148996A (ja) 重症度判定装置、及び、重症度判定方法
CN110603592A (zh) 生物标志物检测方法、疾病判断方法、生物标志物检测装置和生物标志物检测程序
US20230060794A1 (en) Diagnostic Tool
TW201516725A (zh) 單一核苷酸多型性疾病發生率預測系統
JP7040664B1 (ja) データ収集装置、データ取得装置及びデータ収集方法
CN115858509A (zh) 医疗数据波动率监测方法、装置、设备及可读存储介质
CN115547483A (zh) 用于监测患慢性炎症性疾病的患者的远程监测方法和系统
JP6625840B2 (ja) 健康管理支援装置、健康管理支援システム及び健康管理支援方法
US20220277839A1 (en) Model to dynamically predict patient's discharge readiness in general ward
Juan et al. A classifier fusion approach to osteoporosis prediction for women in Taiwan
CN115910339B (zh) 体重监测方法、系统、计算机设备和存储介质
CN103577517A (zh) 血压测量设备、网关、包括它们的系统及其方法
KR102650936B1 (ko) 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법
KR101430817B1 (ko) 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
AMND Amendment