KR20140126229A - Biological age calculation model generation method and system thereof, biological age calculation method and system thereof - Google Patents
Biological age calculation model generation method and system thereof, biological age calculation method and system thereof Download PDFInfo
- Publication number
- KR20140126229A KR20140126229A KR20130141461A KR20130141461A KR20140126229A KR 20140126229 A KR20140126229 A KR 20140126229A KR 20130141461 A KR20130141461 A KR 20130141461A KR 20130141461 A KR20130141461 A KR 20130141461A KR 20140126229 A KR20140126229 A KR 20140126229A
- Authority
- KR
- South Korea
- Prior art keywords
- age
- examination
- item
- test
- model
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Abstract
Description
생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템에 관한 것이다. 보다 자세하게는, 하나 이상의 검진 항목에 대한 검진 수치를 이용하여, 상기 검진 수치를 반영한 생체적 나이를 연산하는 수학적 모델을 생성하는 방법 및 그 시스템과, 상기 수학적 모델의 생성 후 피검진자의 검진 수치를 입력하여 생체 나이를 연산하는 방법 및 그 시스템에 관한 것이다.A method and system for generating a biological age calculation model, and a method and system for calculating the biological age. More particularly, the present invention relates to a method and a system for generating a mathematical model for calculating a biological age reflecting the examination value using the examination values for one or more examination items, and a system for analyzing the examination value of the examinee after the mathematical model is generated And a system for calculating the age of the living body by inputting the data.
고대로부터 인류는 노화현상에 대하여 지대한 관심을 가져왔으며, 노화의 기전을 밝혀 이를 예방함으로써 젊음을 유지하거나 또는 노화 현상을 막을 수 있는 치료법을 개발하기 위해 수많은 노력을 기울였다 그러나, 지금까지 노화의 기전을 설명해 보려는 많은 가설들이 제시되어 왔으나 노화 현상은 인체의 전반에 걸친 변화를 수반하므로 하나의 가설로 이 모든 현상을 설명하는 데는 한계가 있을 수 밖에 없다.From ancient times, humanity has paid great attention to the aging phenomenon and has made a lot of efforts to develop a treatment that can prevent the aging phenomenon by maintaining the youth by preventing the aging process. However, until now, Many hypotheses have been proposed to explain this phenomenon. However, since the aging phenomenon involves changes throughout the human body, a hypothesis can not explain all of these phenomena.
따라서, 최근에는 노화의 기전을 밝히기보다는 운동이나 식이요법 등을 통해 노화 속도를 지연시켜 궁극적으로 노화를 방지하고자 하는 방법들이 많이 제안되고 있다. 특히 21세기에 들어서면서 학자들은 노화도 하나의 질병으로 간주하여 노화를 극복하려고 노력 중이다. Therefore, recently, many methods for delaying the aging speed through exercise or diet therapy and ultimately preventing aging have been proposed rather than revealing the mechanism of aging. Especially in the 21st century, scholars are trying to overcome aging by considering senescence as a disease.
이와 같이, 현대적인 노화 방지 의학이 시작된 이래로 학자들은 노화 방지 의학의 과학적인 개념과 프로토콜이 정확하게 적용될 수 있는 확실한 도구를 찾고 있으며, 그 동안 세계적으로 나름대로 다양한 생체 표지자들을 이용하여 노화를 측정하는 시스템을 개발하려는 시도가 있어 왔다. 특히, 노화를 하나의 질병으로 간주하는 시각에서 어떤 질병이든 우선 진단이 가능해야 이를 토대로 치료 대상을 찾아내서 치료를 시작하고 일정한 치료 기간이 지나면 치료 효과를 판단해야 하기 때문에, 과학적으로 노화를 진단할 필요가 있다.Thus, since the start of modern antioxidant medicine, scholars are looking for a reliable tool that can accurately apply the scientific concepts and protocols of anti-aging medicine, while the system of measuring aging using various biomarkers worldwide There has been an attempt to develop. In particular, since aging is regarded as a disease, it is necessary to diagnose any disease first, so that it is necessary to find out the object of treatment based on the diagnosis and to start the treatment and judge the therapeutic effect after a certain treatment period. There is a need.
최근 노화를 과학적으로 진단하는 의미로써 생체 나이를 측정하여 노화 방지에 대한 초석으로 사용하기 위한 방법이 1988년 위딘 박사에 의한 'Biological Aging Measurement'에서 개시되어 노화 방지 의학 진료의 분수령이 되었다.Recently, as a means of diagnosing aging scientifically, a method for measuring the age of a living body and using it as a cornerstone for anti-aging was started in 1988 by Dr. Wyin's 'Biological Aging Measurement' and became a watershed for anti-aging medicine.
한편, Park, J. (2009). Developing a biological age assessment equation using principal component analysis and clinical biomarkers of aging in Korean men. Archives of Gerontology and Geriatrics, Volume 49, Issue 1, July-August 2009, Pages 7-12. 에는 주성분 분석(Principlal Component Analysis)을 이용하여, 생체 나이(Biological Age; BA)를 측정하는 방정식을 산출하는 방법에 대하여 기재하고 있다. 그러나, 상기 문헌에 따르게 되면 생체 나이 산출을 위하여 입력되는 검진 항목이 미리 정해져 있기 때문에, 검진 항목 중 일부가 누락 되어 있는 다양한 상황에 적용되기 어려운 문제가 있다.On the other hand, Park, J. (2009). Developing a biological age assessment equation using principal component analysis and clinical biomarkers of aging in Korean men. Archives of Gerontology and Geriatrics, Volume 49,
본 발명이 해결하고자 하는 기술적 과제는 피검진자의 건강 검진 수행 결과에 최적화된 생체 나이 연산 모델을 생성하는 방법 및 시스템을 제공하는 것이다.SUMMARY OF THE INVENTION It is an object of the present invention to provide a method and a system for generating a bio-age calculation model optimized for a result of a health examination performed by an examinee.
본 발명이 해결하고자 하는 다른 기술적 과제는 피검진자의 건강 검진 수행 결과에 최적화된 생체 나이 연산 모델을 생성하고, 상기 생성된 생체 나이 연산 모델을 이용하여 상기 피검진자의 생체 나이를 연산하는 방법 및 시스템을 제공하는 것이다.Another object of the present invention is to provide a method and system for generating a living body age calculation model optimized for a result of a health examination performed by an examinee and calculating the living body age of the examinee using the generated living body age calculation model .
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해 될 수 있을 것이다.The technical objects of the present invention are not limited to the above-mentioned technical problems, and other technical subjects not mentioned can be clearly understood by those skilled in the art from the following description.
상기 문제점을 해결하기 위한 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법은 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계, 상기 검진 데이터에 포함된 검진 항목 중 일부를 생체 나이 예측에 사용되는 검진 항목으로 선정하되, 상기 선정된 검진 항목을 주성분 분석 대상 변수로서 포함하는 생체 나이 연산 모델을 이용하여 연산된 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대화 되도록 선정하는 단계, 및 상기 생체 나이 연산 모델에 입력된 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 생체 나이 산출식을 생성하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method for generating a biological age calculation model, the method comprising: receiving examination data including examination values for each examination item of an examinee; (R 2 ) between the biological age and the actual age calculated using the biological age calculation model including the selected examination items as the principal component analysis variables so that the determination factor is maximized And generating a biological age calculating equation using at least one factor obtained as a result of performing principal component analysis on the sample data input to the biological age calculation model.
상기 선정하는 단계는, 상기 생체 나이 연산 모델에 입력된 상기 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 생체 나이 산출식을 생성하는 단계와, 상기 생체 나이 산출식에 상기 샘플 데이터에 포함된 샘플 각각을 입력하여 생체 나이를 연산하는 단계와, 상기 샘플 데이터에 대한 회귀 분석을 수행하여 상기 샘플 데이터의 생체 나이와 실제 나이 사이의 결정 계수를 연산하는 단계를 포함할 수 있다.Wherein said selecting step includes the steps of: generating a biological age calculating equation using one or more factors obtained as a result of performing principal component analysis on the sample data input to the biological age computing model; Calculating a biological age by inputting each sample included in the data, and calculating a determination coefficient between the biological age and the actual age of the sample data by performing a regression analysis on the sample data.
상기 선정하는 단계는, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합과, 검진 항목을 포함하지 않는 생체 나이 연산 모델로부터 시작하여, 상기 원본 집합의 검진 항목 중 최적의 검진 항목들을 하나씩 선정하여 상기 생체 나이 연산 모델을 구성하는 단계별 전진 선택 방식에 의하여, 상기 검진 데이터에 포함된 검진 항목 중 일부를 생체 나이 예측에 사용되는 검진 항목으로 선정하는 단계를 포함할 수 있다.The selecting step selects one of the best examination items among the examination items of the original set, starting from an original set including all the examination items included in the examination data and a living body age calculation model not including the examination item And a step of selecting a part of the examination items included in the examination data as the examination items used for predicting the biological age by the stepwise forward selection method constituting the living body age calculation model.
일 실시예에 따르면, 상기 생체 나이 연산 모델은, 주성분 분석의 수행 결과 상기 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 반영하여 상기 생체 나이 산출식을 구성하는 것일 수 있다. 즉, 본 실시예에 따르면, 샘플 데이터를 상기 생체 나이 연산 모델에 입력하여 주성분 분석을 수행할 때, 각 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 연산하고, 상기 가중치를 반영하는 상기 생체 나이 산출식을 구성할 수 있다. 이 때, 상기 생체 나이 산출식은, 
상기 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 생체 나이 연산 모델 생성 방법은 생체 나이 측정 시스템이, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계와, 상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인 단계와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계와, 상기 생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계와, 생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 단계를 포함할 수 있다.According to another aspect of the present invention, there is provided a method for generating a living body age calculation model, the living body age measurement system comprising: receiving examination data including a examination value for each examination item of an examinee; Wherein the system initializes an original set including all of the examination items included in the examination data, and initializes a living body age calculation model with a NULL model, wherein the living body age calculation model includes a check value for one or more examination items Comprising the steps of: obtaining one or more factors through principal component analysis on sample data composed of samples and constructing a bio-age calculating equation for calculating bio-age using the factors; Selecting one of the included examination items as a test examination item, Calculating a determination coefficient (R 2 ) between a biological age and an actual age according to a test model in which an item is added as a variable to an existing biological age calculation model, and calculating the determination coefficient is performed for each of the examination items included in the original set And selecting one test item for generating a test model in which the decision coefficient increases as much as possible from the existing biological age calculation model, removing the selected one test item from the original set, A step of selecting a step of advancing a step of adding a check item to the biological age calculation model as a variable; and a step of, when the biological age measuring system determines that the examination item for increasing the decision coefficient is not present in the original set, Repeating the step-by-step forward selection step until the original set becomes an empty set; The measuring system may include a step of confirming a living body age calculating formula according to the living body age computing model immediately before the stepwise advancing selecting step is completed to a living body age calculating formula applied to the examinee.
상기 생체 나이 연산 모델은, 주성분 분석의 수행 결과, 상기 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 반영하여 상기 생체 나이 산출식을 구성하는 것일 수 있다. 일 실시예에 따르면, 상기 생체 나이 산출식은,The bio-age calculation model may include a bio-age calculation model that reflects, as a result of the principal component analysis, a weight indicating a degree at which the i-th factor values included in the j- . ≪ / RTI > According to one embodiment, the bio-
상기 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한되는 것일 수 있다.The sample is the same as the sex of the examinee and may be limited to having the actual age of the predetermined range based on the actual age of the examinee.
상기 단계별 전진 선택 단계는, 상기 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.And the step of selecting stepwise selection may include selecting the test examination item in such a manner that it is excluded from the test examination item when the number of samples having numerical data of the examination item is less than a predetermined threshold value.
상기 단계별 전진 선택 단계는, 상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.The step of selecting stepwise may include the step of selecting the test screening item in such a manner that the test screening item is excluded from the test screening item when the number of samples having all the examination values of the screening items included in the test model is less than or equal to the predetermined threshold value have.
상기 단계별 전진 선택 단계는, 상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수가 기지정된 한계치를 초과하는 검진 항목은 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함할 수 있다.The step of selecting the step includes selecting the test screen item in such a manner that at least one of the test items included in the test model and the correlation coefficient exceeding the predetermined threshold value are excluded from the test screen item can do.
상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출될 수 있다.The correlation coefficient may be calculated using sample data having the examination values of all the examination items included in the test model.
상기 검진 데이터에 포함된 검진 항목 중 하나는 실제 나이이고, 상기 샘플 데이터는 상기 검진 데이터에 포함된 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 샘플만으로 구성된 것일 수 있다.One of the examination items included in the examination data may be an actual age and the sample data may include only samples having an actual age in a predetermined range based on the actual age included in the examination data.
상기 생체 나이 연산 모델 생성 방법은 상기 검진 데이터를 상기 샘플 데이터에 추가하는 단계를 더 포함할 수 있다. 즉, 상기 샘플 데이터는 기존의 피검진자 검진 데이터가 축적된 것일 수 있다.The method may further include adding the test data to the sample data. That is, the sample data may be an accumulation of existing examinee's examination data.
상기 문제점을 해결하기 위한, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 모델 생성 방법은, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부와, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부와, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부와, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 모델 확정부를 포함할 수 있다.According to another aspect of the present invention, there is provided a method for generating a biological age calculation model, the method comprising: receiving a test data including test data for each test item; The biological age calculation model is initialized to a NULL model, wherein the biological age calculation model includes a main component for sample data composed of samples including examination values for one or more examination items, A model generation preparation unit that obtains one or more factors through analysis and constructs a bio-age calculating formula for calculating a bio-age using the factors; and a test preparation unit that sets one of the test items included in the original set as a test , And the above test screening item was added as a variable to the existing bio-age calculation model The crystals than conventional biological age calculation model is repeated for each of the examination items that are contained in biological age and the original set to calculate the coefficient of determination (R 2) between the actual age, and calculating the coefficient of determination, and of the cast model One test item for generating a test model in which the coefficient increases as much as possible is selected, the selected one test item is removed from the original set, and the selected one test item is added to the biological age calculation model as a variable A forward selection unit for repeating the stepwise forward selection process until a check item for increasing the decision coefficient is not present in the original set or until the original set becomes an empty set in comparison with an existing biological age calculation model; A body age calculating expression according to the biological age calculation model immediately before the step is terminated, And a model determiner for determining the bio-age expression applied to the subject.
상기 문제점을 해결하기 위한, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 방법은, 생체 나이 측정 시스템이, 단말으로부터 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 단계와, 상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계와, 생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계와, 생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 단계를 포함할 수 있다.According to another aspect of the present invention, there is provided a method for calculating a living body age, the living body age measuring system comprising the steps of: receiving examination data including examination values for each examination item of the examinee from the terminal; Wherein the biological age measurement system initializes an original set including all of the examination items included in the examination data and initializes a biological age calculation model with a NULL model, wherein the biological age calculation model includes a check value Wherein the biological age measuring system is configured to obtain one or more factors through principal component analysis of sample data composed of samples including a sample including the sample, and to calculate a biological age using the factors, Selecting one of the examination items included in the original set as a test examination item, The examination items include calculating a coefficient of determination (R 2) between the biological age and the actual age of the tested model adding agent examination items as parameters to the existing biological age calculation model, and the original set to calculating the coefficient of determination And selecting one test item to generate a test model in which the decision coefficient is increased as much as possible from the existing biometric age calculation model, removing the selected one test item from the original set, A step of forward selection step of adding a single examination item to the biological age calculation model as a variable; and a step of selecting a biological age measurement system, wherein the biological age measurement system does not include a check item for increasing the determination coefficient, Repeating the step-by-step forward selection step until the original set becomes an empty set, The age determination system can be a biological age calculation formula according to the step-by-step the body age before which the forward selection phase ends the operation model type to the examination data comprise the step of calculating a living body of the examinee's age.
상기 문제점을 해결하기 위한 본 발명의 또 다른 실시예에 따른 생체 나이 연산 시스템은, 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신하는 검진 데이터 수신부와, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부와, 상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부와, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 생체 나이 연산부를 포함할 수 있다.According to another aspect of the present invention, there is provided a living body age computing system including: a test data receiver for receiving test data including a test value for each test item of a testee; And the biological age calculation model is initialized to a NULL model, wherein the biological age calculation model is obtained by performing principal component analysis on sample data composed of samples including examination values for one or more examination items A model generation preparation unit that acquires one or more factors and constructs a bio-age calculating formula for calculating bio-age using the factors; and a bio-age measuring system that acquires one of the examination items included in the original set And the above-mentioned test screening item is compared with the existing biometric age calculation model Calculating the coefficient of determination (R 2) between the biological age and the actual age of the tested model added as a parameter, and repeating for each of the examination items that are contained in the original set to calculating the coefficient of determination, and conventional biological age And a test model generating unit that generates a test model in which the decision coefficient is increased as much as possible from the calculation model, selects one of the examination items to remove the selected one of the examination items from the original set, A forward selection unit for repeating the stepwise forward selection process to add to the calculation model until the examination item for increasing the determination coefficient does not exist in the original set or the original set becomes empty, , A biological age according to the biological age calculation model just before the stepwise selection step is terminated And a living body age computing unit for inputting the calculation formula into the examination data to calculate a living body age of the examinee.
상기와 같은 본 발명에 따르면, 기존에 축적된 다른 피검진자들의 건강 검진 샘플들을 분석하여, 피검진자가 받은 건강 검진의 검진 항목에 따른 최적의 생체 나이 연산 모델을 생성하고, 그 모델을 이용하여 정확한 생체 나이를 연산할 수 있는 효과가 있다. 예를 들어, 피검진자의 검진 항목의 검진 수치 중 결손치가 있는 경우, 기존에는 샘플 데이터의 평균 수치로 대체하였으나, 본 발명에 따르면 결손치가 있는 검진 수치를 제외하고 피검진자의 검진 결과에 최적화된 생체 나이 연산 모델을 생체 나이 연산 시점에 생성함으로써, 피검진자의 생체 나이를 보다 정확하게 연산할 수 있는 효과가 있다.According to the present invention as described above, it is possible to analyze the health examination samples of the other examinees who have accumulated in the past, generate an optimal biometric age calculation model according to the examination items of the health examination received by the examinee, It is possible to calculate the age of the living body. For example, in the case where there is a missing value among the examination values of the examinee's examination items, the average value of the sample data has been replaced with an average value of the sample data. However, according to the present invention, except for the examination values with missing values, By generating the age calculation model at the time of the living body age calculation, there is an effect that the living body age of the examinee can be calculated more accurately.
또한, 샘플 데이터를 입력 받은 생체 나이 연산 모델에 대한 주성분 분석을 수행하여 생체 나이 산출식을 생성하되, 상기 주성분 분석 수행 시 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치를 연산하고, 상기 생체 나이 산출식에 상기 가중치를 반영하여, 기존의 주성분 분석 기반 생체 나이 연산 방법에 비하여 보다 높은 정확도로 생체 나이를 연산할 수 있는 효과가 있다.Also, the bio-age calculation equation is generated by performing principal component analysis on the bio-age calculation model that receives the sample data, and when the principal component analysis is performed, the i-th factor values included in the j- There is an effect that the biological age can be calculated with a higher accuracy than that of the existing principal component analysis-based biological age calculation method by calculating the weight indicating the extent to which the bioagent can be explained and reflecting the weight value to the bioagent age calculating formula .
또한, 피검진자의 건강 검진 결과 얻어진 검진 수치 및 인적 사항에 최적화된 샘플들을 이용하여 피검진자에 최적화된 생체 나이 연산 모델을 생성할 수 있는 효과가 있다.In addition, there is an effect that a biological age calculation model optimized for the examinee can be generated using the samples optimized for the examination number and personal information obtained as a result of the health examination of the examinee.
도 1은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 시스템 또는 생체 나이 연산 시스템을 이용한 건강 검진 시스템의 구성을 나타낸 도면이다.
도 2는, 도 1과는 다른 형태의 건강 검진 시스템의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법의 순서도이다.
도 4는 도 3에 따른 생체 나이 연산 모델 생성 방법에 포함되는 단계들 중, 단계별 전진 선택 단계를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 생성된 생체 나이 연산 모델을 이용하여, 샘플 데이터의 생체 나이를 연산하고, 샘플 데이터의 실제 나이에 대한 생체 나이 분포를 회귀 분석하는 것을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 시스템의 블록 구성도이다.
도 7은 본 발명의 일 실시예에 따른 생체 나이 연산 시스템의 블록 구성도이다.FIG. 1 is a diagram illustrating a configuration of a health examination system using a living body arithmetic model generation system or a living body age arithmetic system according to an embodiment of the present invention.
Fig. 2 is a diagram showing a configuration of a health examination system different from that of Fig. 1. Fig.
3 is a flowchart of a method of generating a biological age calculation model according to an embodiment of the present invention.
FIG. 4 is a diagram for explaining a step-by-step forward selection step among steps included in the method of generating a living body age calculation model according to FIG.
5 is a diagram for explaining the calculation of the biological age of the sample data using the generated biological age calculation model according to an embodiment of the present invention and the regression analysis of the biological age distribution with respect to the actual age of the sample data .
FIG. 6 is a block diagram of a biological age calculation model generation system according to an embodiment of the present invention.
7 is a block diagram of a biological age calculation system according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention and the manner of achieving them will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. Is provided to fully convey the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense commonly understood by one of ordinary skill in the art to which this invention belongs. Also, commonly used predefined terms are not ideally or excessively interpreted unless explicitly defined otherwise.
먼저, 도 1 내지 2를 참조하여, 본 발명에 따른 생체 나이 연산 모델 생성 시스템 또는 생체 나이 연산 시스템을 이용한 건강 검진 시스템의 구성을 설명한다.First, a configuration of a health examination system using a living body arithmetic model generation system or a living body age arithmetic system according to the present invention will be described with reference to FIGS. 1 and 2. FIG.
도 1에 도시된 것과 같이, 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)가 서비스 서버(4)에 구비되고, 검진 기관(예, 병원)(10)에 위치한 단말(미도시)이 서비스 클라이언트로 동작하며, 서비스 서버(4) 및 상기 단말이 네트워크를 통해 연결됨으로써, 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)가 검진 기관(10)과 지리적으로 떨어져서 위치할 수 있다. 검진 기관(10)의 상기 단말은 피검진자(1)의 각 검진 항목의 검진 수치를 서비스 서버(4)의 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)에 송신할 수 있다. 서비스 서버(4)에 생체 나이 연산 시스템(200)가 구비된 경우, 상기 단말은 피검진자(1)의 생체 나이 값을 수신할 수 있다.1, a living body age arithmetic
서비스 서버(4)의 "서버"라는 명칭은 상기 단말과의 관계에서 서버-클라이언트 관계에 있는 것에 기반하여 부여 된 것일 뿐, 시스템의 형상, 설치 장소 등에 한정 되지 않는다.The name "server" of the service server 4 is given only based on the server-client relationship in relation to the terminal, and is not limited to the configuration of the system,
상기 단말은 랜 인터페이스를 구비한 컴퓨터, UMPC (Ultra Mobile PC), 워크스테이션, 넷북(net-book), PDA (Personal Digital Assistants), 포터블(portable) 컴퓨터, 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 스마트폰(smart phone), PMP(portable multimedia player), 휴대용 게임기, 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 홈 네트워크를 구성하는 다양한 전자 시스템들 중 하나, 컴퓨터 네트워크를 구성하는 다양한 전자 시스템들 중 하나, 또는 컴퓨팅 시스템을 구성하는 다양한 구성 요소들 중 하나 등과 같은 전자 시스템일 수 있다.The terminal may be a computer having a LAN interface, a UMPC (Ultra Mobile PC), a workstation, a netbook, a PDA (Personal Digital Assistants), a portable computer, a web tablet, a mobile phone, a smart phone, a portable multimedia player (PMP), a portable game machine, a digital audio player, a digital picture recorder, a digital image player a digital picture player, a digital video recorder, one of various electronic systems constituting a home network, one of various electronic systems constituting a computer network, or one of various components constituting a computing system Or the like.
검진 기관(10)의 상기 단말은 상기 제공 받은 생체 나이 등을 이용하여 피검진자(1)를 위한 건강 검진 리포트를 생성할 수 있다.The terminal of the examining institution 10 can generate a health check report for the
도 1에 도시된 것과 같이, 샘플 데이터를 관리하는 데이터베이스 서버(6)가 존재하고, 검진 시스템(2)로부터 검진 수치를 수신하고, 데이터베이스 서버(6)와 네트워크를 통하여 연결된 단말(5)이 존재하는 형태로 건강 검진 시스템이 구성될 수도 있다. 단말(5)은 본 발명에 따른 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)일 수 있다. 데이터베이스 서버(6)는 건강 검진이 오랜 기간 수많은 피검진자에 대해 수행됨에 따라 축적된 검진 수치들을 각 검진 항목 별, 각 피검진자의 나이 별로 관리할 수 있다.1, there is a
본 발명에서 언급되는 샘플 데이터에 대하여 설명한다. 상기 샘플 데이터는 하나 이상의 샘플을 포함하는 샘플 집합이다. 상기 샘플 각각은 기존에 수행된 바 있는 건강 검진 기록이다. 즉, 하나의 샘플은 한 번의 건강 검진에 대한 기록이다. 상기 샘플 각각은 (검진 항목, 검진 수치)의 순서쌍들을 포함하고, 피검진자의 신상과 관련하여 성별, 실제 나이를 더 포함할 수 있다.Sample data referred to in the present invention will be described. The sample data is a set of samples including one or more samples. Each of the samples is a previously recorded health screening record. That is, one sample is a record of one health checkup. Each of the samples includes an ordered pair of (examination item, examination value), and may further include sex and actual age with respect to the examinee's personal image.
건강 검진을 수행하는 형태에 따라서 상기 샘플 데이터에 포함된 샘플 중 적어도 하나는 다른 샘플과 검진 항목이 다를 수 있다. 예를 들어, 샘플 1은 샘플 2에 비하여 일부 검진 항목에 대한 검진 수치를 더 포함할 수 있다.At least one of the samples included in the sample data may be different from the other sample and the examination item depending on the form in which the health examination is performed. For example,
본 발명의 몇몇 실시예들에 따르면, 상기 검진 항목의 관리를 위하여, 각각의 검진 항목에 대한 고유 ID를 부여할 수 있다.According to some embodiments of the present invention, in order to manage the examination item, a unique ID may be assigned to each examination item.
도 1 내지 2에 도시된 것 이외에도 다양한 건강 검진 시스템 구성이 가능하며, 상기 건강 검진 시스템에 본 발명에 따른 생체 나이 연산 모델 생성 시스템(100), 생체 나이 연산 시스템(200), 생체 나이 연산 모델 생성 방법 또는 생체 나이 연산 방법이 적용될 수 있다.1 to 2, various health check-up systems can be configured. In the health check-up system, a living body age calculation
이하, 도 3을 참조하여, 본 발명의 일 실시예에 따른 생체 나이 연산 모델 생성 방법을 설명하기로 한다. 본 실시예에 따른 생체 나이 연산 모델 생성 방법은 생체 나이 연산 모델 생성 시스템(100) 또는 생체 나이 연산 시스템(200)를 구비하는 생체 나이 측정 시스템에 의하여 수행될 수 있다.Hereinafter, a method of generating a living body age computation model according to an embodiment of the present invention will be described with reference to FIG. The method of generating a living body age calculation model according to the present embodiment may be performed by a living body age measuring system including a living body arithmetic
먼저, 피검진자의 건강 검진 수행에 따라 수집된 검진 데이터가 수신된다(S100). 상기 검진 데이터는, 도 3에 도시된 바와 같이 검진 항목 별 검진 수치를 포함할 수 있다. 상기 검진 데이터는 피검진자의 성별, 실제 나이(chronological age) 정보를 더 포함할 수 있다.First, the collected examination data is received according to the health examination of the examinee (S100). As shown in FIG. 3, the above-mentioned examination data may include examinations for each examination item. The examination data may further include sex, actual age (chronological age) information of the examinee.
수신된 검진 데이터는 그 유효성이 검증될 수 있다(S102). 예를 들어, 각 검진 항목 별로 가질 수 있는 정상 수치 범위가 지정되어 있다면, 그 정상 수치 범위를 벗어나는 값을 검진 수치로 하는 검진 항목은, 생체 나이 연산을 위하여 참조되는 검진 항목에서 현 단계에서 제외될 수 있다. 이 때, 상기 정상 수치 범위에서 '정상'은, 피검진자의 건강 상태와 관련된 정상 여부를 의미하는 것이 아니고, 각 검진 항목이 가질 수 없는 검진 수치인지 여부를 의미하는 것이다. 일 실시예에 따르면 유효성 검증 단계(S102)는 생략될 수도 있다. The validation of the received inspection data can be verified (S102). For example, if a normal range of values that can be taken for each examination item is specified, the examination item whose value exceeds the normal value is excluded from the current examination item referenced for the biological age calculation . In this case, 'normal' in the normal value range does not mean whether the health status of the examinee is normal or not, and means whether or not each check item is a check value that can not be obtained. According to one embodiment, the validation step (S102) may be omitted.
다음으로, 상기 수신된 검진 데이터에 최적화된 생체 나이 연산 모델을 생성하기 위한 초기화가 수행된다(S104). 상기 초기화는 수신된 검증 데이터에 포함된 검증 항목 중 상기 유효성 검증을 통과한 검증 항목을 모두 원본 집합에 추가하는 것을 포함한다. 상기 유효성 검증이 실시되지 않은 경우, 수신된 검증 데이터에 포함된 검증 항목 모두가 상기 원본 집합에 추가될 수 있다. 상기 원본 집합은 일시적으로 사용되는 변수 또는 구조체를 의미할 수 있으며, 본 발명은 상기 원본 집합을 특정항 데이터 구조를 이용하여 구현하는 것으로 한정되지 않는다.
Next, initialization for generating a biometric age calculation model optimized for the received examination data is performed (S104). The initialization includes adding to the original set all of the verification items that have passed the validation verification among the verification items included in the received verification data. If the validity verification is not performed, all of the verification items included in the received verification data may be added to the original set. The original set may mean a variable or structure to be used temporarily, and the present invention is not limited to implementing the original set using a specific term data structure.
*상기 초기화는 상기 생체 나이 연산 모델을 아무런 변수도 포함되지 않은 NULL 상태의 모델로 초기화하는 것도 포함한다. 상기 생체 나이 연산 모델에는 변수로서 검진 항목이 포함된다. 예를 들어, 제1 생체 나이 연산 모델은 변수로 BMI, 폐활량, 일초량을 가지고, 제2 생체 나이 연산 모델은 변수로 BMI, 폐활량, PSA를 가지는 것을 상정할 수 있을 것이다.The initialization also includes initializing the biological age mathematical model to a model of a null state that does not include any variables. The biological age calculation model includes examination items as variables. For example, it can be assumed that the first biological age computing model has BMI, lung capacity, and one second as variables, and the second biological age computing model has BMI, lung capacity, and PSA as variables.
이하, 상기 생체 나이 연산 모델에 대하여 설명한다.Hereinafter, the above-described living body age calculation model will be described.
상기 생체 나이 연산 모델에는 기존의 검진 데이터인 하나 이상의 샘플이 입력될 수 있다. 상기 생체 나이 연산 모델에는 생체 나이 연산 모델에 포함된 변수(검진 항목)의 검진 수치를 포함하는 샘플인지 여부와 무관하게, 모든 샘플이 입력될 수도 있으나, 생체 나이 연산 모델에 포함된 변수의 검진 수치를 모두 포함하는 샘플들만 입력되는 것이 바람직하다. 예를 들어, 상기 제1 생체 나이 연산 모델에는 BMI 검진 수치, 폐활량 검진 수치 및 일초량 검진 수치를 모두 가지는 샘플들만 입력되고, 상기 제2 생체 나이 연산 모델에는 BMI 검진 수치, 폐활량 검진 수치 및 PSA 검진 수치를 모두 가지는 샘플들만 입력될 수 있다.One or more samples that are existing examination data may be input into the biological age calculation model. In the biological age calculation model, all the samples may be input regardless of whether or not the samples include the examination values of the variables (examination items) included in the biological age calculation model, but the examination values of the variables included in the biological age calculation model It is preferable that only the samples including both of them are inputted. For example, only the samples having both the BMI examination value, the spirometric examination value, and the one-minute examination value are input to the first living body age calculation model, and the second living body age calculation model includes the BMI examination value, the spirometry examination value, Only samples with all numerical values can be entered.
상기 생체 나이 연산 모델에 하나 이상의 샘플이 입력된 후에는, 입력된 데이터에 대한 주성분 분석(Principal Component Analysis)이 수행될 수 있다. 상기 주성분 분석의 결과, 상기 생체 나이 연산 모델에 입력된 데이터를 설명할 수 있는 하나 이상의 요인(factor)을 얻을 수 있다. 상기 얻어진 요인의 개수는 상기 생체 나이 연산 모델의 변수 개수 보다 적을 수 있다. 이하, 상기 요인의 개수는 m으로, 상기 생체 나이 연산 모델의 변수 개수는 n으로 기재한다.After one or more samples are input to the biological age computation model, Principal Component Analysis on the input data may be performed. As a result of the principal component analysis, one or more factors that can explain the data input to the biological age calculation model can be obtained. The number of the obtained factors may be smaller than the number of variables of the biological age calculation model. Hereinafter, the number of the factors is m, and the number of variables of the biological age calculation model is described as n.
본 발명의 일 실시예에 따르면, 상기 주성분 분석을 통하여, 상기 생체 나이 연산 모델에 입력된 각 샘플의 j번째 변수값들에 포함되어 있는 i번째 요인 값들이 실제 나이를 설명할 수 있는 정도를 의미하는 가중치(
본 발명의 일 실시예에 따르면, 상기 주성분 분석을 통하여, i번째 요인 값이 생체 나이 계산에 주는 가중치(
가중치(
먼저, 주성분 분석을 통해 분석에 사용된 각 샘플의 요인 별 요인점수를 연산한다. 예를 들어, 샘플이 100명이고 요인이 m개 라고 한다면 m개 요인 별로 각각 100개의 요인 점수가 계산될 것이다.First, we calculate factor scores for each sample used in the analysis by principal component analysis. For example, if you have 100 samples and m factors, then 100 factor scores will be calculated for each of m factors.
다음으로, 각 요인별 요인점수와 각 샘플의 실제 나이를 회귀 분석 하여 결정 계수를 m개(
가중치(
상기 수학식 2에서 ei는 요인 i의 고유치(eigen value)이고, m은 요인의 개수이다.In Equation (2), e i is the eigenvalue of the factor i, and m is the number of factors.
상기 주성분 분석이 완료되면, 상기 요인을 이용하여 상기 생체 나이 연산 모델에 따른 생체 나이 산출식이 생성될 수 있다.When the principal component analysis is completed, a bio-age calculation expression according to the bio-age calculation model can be generated using the factors.
일 실시예에 따르면, 상기 생체 나이 산출식은 수학식 3일 수 있다. 수학식 3에서 최종적으로 산출되는 생체 나이는 BA이다.According to one embodiment, the bio-age calculating equation may be Equation (3). The bio-age finally calculated in Equation (3) is BA.
(단, BA는 생체 나이, 
다른 실시예에 따르면, 상기 생체 나이 산출식은 수학식 4일 수도 있다. 수학식 4에서 최종적으로 산출되는 생체 나이는 TBA이다.According to another embodiment, the bio-age calculating equation may be Equation (4). The final age calculated in Equation (4) is TBA.
(단, TBA는 생체 나이, BA는 중간 생체 나이, 
상기 수학식 4에서, 일 실시예에 따르면, 상기 y평균은 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 모든 샘플의 실제 나이에 대한 표준 편차일 수 있으나, 다른 실시예에 따르면, 상기 y평균은 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터를 유효한 값으로 가지고 있는 모든 샘플의 실제 나이에 대한 표준 편차일 수도 있다.In Equation (4), according to an exemplary embodiment, the y average is an average of the actual age of all samples, and sd (y) may be a standard deviation of the actual age of all samples. (Y) is an average of all of the samples having valid values of all the items of the examination items included in the biological age calculation model, and sd (y) is an average of all the samples included in the biological age calculation model It may also be the standard deviation of the actual age of all samples with valid values for the numerical data of the examination item.
정리하면, 상기 생체 나이 연산 모델에 샘플 데이터를 입력하고, 입력된 데이터에 대한 주성분 분석을 거치면 하나 이상의 요인이 얻어지고, 상기 주성분 분석 결과 및 상기 요인을 이용하여 생체 나이 산출식을 얻을 수 있다. 상기 생체 나이 산출식의 예시는 수학식 3 또는 수학식 4를 참조할 수 있다.In summary, one or more factors are obtained by inputting the sample data into the biological age calculation model and subjecting the input data to principal component analysis, and the biological age calculating equation can be obtained using the principal component analysis result and the factors. An example of the bio-age calculating equation can be expressed by Equation (3) or (4).
도 3에 도시된 S106 내지 S120 단계는 상기 생체 나이 연산 모델에, 이번의 피검진자 검진 결과 데이터에 포함된 검진 항목을 변수로서 하나씩 추가해나가면서, 최적의 결과를 도출하는 생체 나이 연산 모델을 구성하는 변수 집합을 찾는 과정으로 이해할 수 있다. 즉, 처음에는 비어 있는 상기 생체 나이 연산 모델에 상기 원본 집합의 검진 항목 중 최선의 하나를 선정하여, 선정된 검진 항목을 변수로서 추가하는 것을 반복하는, 소위 단계별 전진 선택 방법을 이용한다.The steps S106 to S120 shown in FIG. 3 constitute a biological age calculation model for deriving an optimum result while adding the examination items included in the examination result data of the current examinee to the living body age calculation model one by one as variables It can be understood as a process of finding a set of variables. That is, a so-called step-by-step forward selection method is used in which the best one of the items of the original set of the original set is selected for the above-described living body age calculation model that is empty and the selected items are added as variables.
이하, 상기 단계별 전진 선택 방법(S106 내지 S120)에 대하여 도 4를 참조하여 자세히 설명하기로 한다. 도 4를 참조한 설명에서는 초기화(S104)의 결과, 상기 원본 집합에 BMI, 폐활량, 일초량, 알부민(Albumin), PSA의 총 5가지 검진 항목이 원소로서 포함된 것을 전제로 한다.Hereinafter, the step-by-step forward selection method (S106 to S120) will be described in detail with reference to FIG. In the description with reference to FIG. 4, it is assumed that five original examination items including BMI, lung capacity, one minute, albumin, and PSA are included in the original set as a result of initialization (S104).
첫번째 단계로, 하나의 변수를 포함하는 테스트 모델이 생성된다.As a first step, a test model containing a single variable is created.
다음으로, 생성된 테스트 모델에 해당 변수의 값, 즉 해당 검진 항목의 검진 수치를 포함하는 샘플들이 입력되며, 입력된 샘플들에 대하여 주성분 분석을 수행하여 요인을 얻고, 얻어진 요인 및 주성분 분석 결과를 이용하여 생체 나이 산출식을 생성한다. 이하, 상기 테스트 모델에 새로 추가되는 변수를 테스트 검진 항목으로 기재한다.Next, samples including the value of the corresponding variable, that is, the examination value of the corresponding examination item, are input to the generated test model. Principal component analysis is performed on the input samples to obtain factors, and the obtained factors and principal component analysis results To generate a bio-age calculating equation. Hereinafter, variables newly added to the test model are described as test screening items.
다음으로, 상기 입력된 샘플들 각각을 상기 생체 나이 산출식에 입력하여 각 샘플의 생체 나이를 연산한다. 그 결과, 상기 입력된 샘플들 각각의 실제 나이에 대한 생체 나이의 분포는 도 5와 같이 표시될 수 있을 것이다.Next, each of the input samples is input to the bio-age calculating equation to calculate bio-age of each sample. As a result, the distribution of the biological age with respect to the actual age of each of the input samples may be displayed as shown in FIG.
다음으로, 샘플들의 상기 분포에 대한 회귀 분석을 통하여 단순 회귀식 BA = a + by를 생성한다. 그 결과, 샘플들의 회귀선(BA = a + by)과 실제 나이(BA = y) 와의 결정 계수(R2)을 구할 수 있다.Next, a simple regression equation BA = a + by is created through regression analysis of the distribution of the samples. As a result, the determination coefficient R 2 between the regression line (BA = a + by) of the samples and the actual age (BA = y) can be obtained.
도 4에서는 첫번째 단계의 결과 얻어진 각 검진항목 별 결정 계수 값이 표시되어 있다. 첫번째 단계의 결과, 가장 큰 값을 가지는 폐활량이 선택될 것이다. 이는, 폐활량 검진 수치는 생체 나이 연산 모델에 포함되는 것을 의미한다. 폐활량 검진 항목은 상기 생체 나이 연산 모델에 추가되었으므로, 상기 원본 집합에서 제거된다.In Fig. 4, the determination coefficient values for each examination item obtained as a result of the first step are shown. As a result of the first step, the lung capacity with the largest value will be selected. This means that the spirometric examination value is included in the biological age calculation model. The spirometry check item is removed from the original set because it has been added to the biological age calculation model.
두번째로 상기 생체 나이 연산 모델에 포함될 두번째 검진항목이 선택된다.Second, a second examination item to be included in the biological age calculation model is selected.
두번째 단계의 테스트 모델은 상기 폐활량 검진 항목 및 그 밖의 검진 항목 중 하나를 포함하는, 총 2개의 변수를 가지는 모델이다. 따라서, 두번째 단계에서는 (폐활량, BMI), (폐활량, 일초량), (폐활량, 알부민), (폐활량, PSA) 총 4번의 테스트가 진행될 것이다.The second-stage test model is a model having a total of two variables, including one of the above-mentioned spirometry examination items and other examination items. Therefore, in the second stage (spirometry, BMI), (lung capacity, one second), (lung capacity, albumin), (lung capacity, PSA)
다음으로, 생성된 생체 나이 연산 모델에 해당 변수의 값, 즉 해당 검진 항목의 검진 수치를 포함하는 샘플들이 입력되며, 입력된 샘플들에 대하여 주성분 분석을 수행하여 요인을 얻고, 얻어진 요인 및 주성분 분석 결과를 이용하여 생체 나이 산출식을 생성한다.Next, samples including the value of the corresponding variable, that is, the examination value of the corresponding examination item, are input to the generated biological age calculation model, and the principal components analysis is performed on the input samples to obtain the factors, The result is used to generate a bio-age expression.
다음으로, 상기 입력된 샘플들 각각을 상기 생체 나이 산출식에 입력하여 각 샘플의 생체 나이를 연산하고, 샘플들의 상기 분포에 대한 회귀 분석을 통하여 단순 회귀식 BA = a + by를 생성한다. 그 결과, 샘플들의 회귀선(BA = a + by)과 실제 나이(BA = y) 와의 결정 계수(R2)을 구할 수 있다.Next, each of the input samples is input to the bio-age calculating equation to calculate bio-age of each sample, and a simple regression equation BA = a + by is generated through regression analysis on the distribution of the samples. As a result, the determination coefficient R 2 between the regression line (BA = a + by) of the samples and the actual age (BA = y) can be obtained.
도 4에서는 두번째 단계의 결과 얻어진 각 검진항목 별 결정 계수 값이 표시되어 있다. 두번째 단계의 결과, 기존의 결정 계수인 0.4보다 모델의 결정 계수 값을 증가 시키는 것 중, 증가량이 가장 큰 검진 항목인, BMI가 선정될 것이다. 이는, BMI 수치가 폐활량 수치와 함께 생체 나이 연산 모델에 포함되는 것을 의미한다. BMI 검진 항목은 상기 생체 나이 연산 모델에 추가되었으므로, 상기 원본 집합에서 제거된다.FIG. 4 shows the determination coefficient values for each examination item obtained as a result of the second step. As a result of the second step, BMI, which is the largest increase in the number of determinants of the model, will be selected. This implies that the BMI value is included in the biological age calculation model together with the spirometric value. The BMI check item is removed from the original set because it has been added to the biological age calculation model.
세번째로 상기 생체 나이 연산 모델에 포함될 세번째 검진항목이 선택된다. 세번째 단계의 테스트 모델은 상기 폐활량 검진 항목, BMI 및 그 밖의 검진 항목 중 하나를 포함하는, 총 3개의 변수를 가지는 모델이다. 따라서, 두번째 단계에서는 (폐활량, BMI, 일초량), (폐활량, BMI, 알부민), (폐활량, BMI, PSA) 총 3번의 테스트가 진행될 것이다. 세번째 단계 역시 두번째 단계와 유사항 반식으로 진행된다. 도 4에 도시된 바와 같이, 일초량의 결정 계수 값이 기존의 결정 계수 값인 0.5에 비하여 유일하게 증가하는 값이므로, 일초량이 상기 생체 나이 연산 모델에 포함되는 3번째 검진 항목으로 선정된다. 일초량은 상기 원본 집합에서 제거된다.Thirdly, a third examination item to be included in the biological age calculation model is selected. The third-stage test model is a model having a total of three variables, including one of the above-mentioned spirometric examination item, BMI, and other examination items. Therefore, in the second phase, three tests will be conducted (lung capacity, BMI, one second), (lung capacity, BMI, albumin), (lung capacity, BMI, PSA). The third step is also the second step and the benefit process. As shown in FIG. 4, since the one-second determination coefficient value is a value that is uniquely increasing compared to the conventional determination coefficient value of 0.5, one third is selected as the third examination item included in the biological age calculation model. One second is removed from the original set.
네번째로 상기 생체 나이 연산 모델에 포함될 세번째 검진항목이 선택된다. 그런데, 도 4에 도시된 바와 같이, 남은 두개의 검진 항목 모두, 기존의 결정 계수 값인 0.6 보다 낮은 결정 계수를 가지는 생체 나이 연산을 만들고 있다.Fourth, a third examination item to be included in the biological age calculation model is selected. However, as shown in Fig. 4, both of the remaining examination items are made a biometric age calculation having a determination coefficient lower than 0.6, which is a conventional determination coefficient value.
네번째 단계까지 진행한 결과, 원본 집합에서 더 이상 추가될 검진 항목이 존재하지 않는 상황이다. 따라서, 네번째 단계에서 상기 단계별 전진 진행 단계는 종료된다. 그 결과, 이번 피검진자에 대한 생체 나이 연산 모델에는 5개의 검진 항목 중, BMI, 폐활량, 일초량 총 3개만 변수로 포함되는 것이 바람직하다.As a result of proceeding to the fourth step, there is no further examination item to be added in the original set. Therefore, in the fourth step, the stepwise advancing step is terminated. As a result, it is preferable that only three of the five examination items, BMI, lung capacity, and one second, are included in the biological age calculation model for the examinee.
상기 단계별 전진 진행 단계가 종료되는 시점에서의 상기 생체 나이 연산 모델이 상기 수신된 검진 데이터에 대하여 적용될 생체 나이 연산 모델로 확정된다.The biological age calculation model at the end of the stepwise progression step is determined as a biological age calculation model to be applied to the received examination data.
다음으로, 상기 수신된 검진 데이터를 상기 확정된 생체 나이 연산 모델에 따른 생체 나이 산출식에 입력하여 피검진자의 생체 나이를 연산할 수 있다.Next, the received examination data can be inputted into a living body age calculating formula according to the determined living body age calculating model to calculate the living body age of the examinee.
일 실시예에 따르면, 상기 검진 데이터를 상기 샘플 데이터에 추가함으로써, 다음 피검진자를 위한 샘플로 활용할 수 있다.According to one embodiment, by adding the examination data to the sample data, it can be utilized as a sample for the next examinee.
지금까지, 도 4를 참조하여 설명한 바와 같이, 본 발명에 따른 단계별 전진 선택 단계는 피검진자의 검진 데이터에 포함된 검진 항목 중에서 생체 나이 연산 모델에 포함될 적어도 일부의 검진 항목을 하나씩 추가하는 과정이다. 데이터에 따라, 단계별 전진 선택 단계를 진행할수록 상기 결정 계수 값이 계속 증가하는 경우도 존재할 수 있으므로, 피검진자의 검진 데이터에 포함된 검진 항목 모두가 상기 생체 나이 연산 모델에 포함되는 경우도 발생 할 수 있음은 물론이다.As described above with reference to FIG. 4, the step-by-step forward selection step according to the present invention is a step of adding at least some of the examination items to be included in the biological age calculation model, among the examination items included in the examination data of the examinee. There may be a case where the decision coefficient value continues to increase as the stepwise advancing selection step is progressed according to the data. Therefore, it may happen that all the examination items included in the examination data of the examinee are included in the biometric age calculation model Of course it is.
한편, 피검진자의 검진 데이터와 유사한 패턴을 보일 수 있는 샘플을 이용하는 것이 보다 정확한 생체 나이 연산 모델을 생성하는데 유리할 것이다. 따라서, 상기 단계별 전진 선택 단계에서 상기 테스트 모델에 입력되는 샘플은 상기 수신된 검진 데이터의 피검진자와 유사한 신상 정보를 가지는 샘플으로 제한될 수 있다. 예를 들어, 상기 테스트 모델에 입력되는 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한될 수 있다.On the other hand, using a sample that can show a pattern similar to that of the examinee's test data would be advantageous for generating a more accurate biometric age calculation model. Therefore, in the step-by-step forward selection step, the sample input to the test model may be limited to the sample having the personal information similar to the examinee of the received examination data. For example, the sample input to the test model is the same as the sex of the examinee, and may be limited to having the actual age of the predetermined range based on the actual age of the examinee.
다시 도 3으로 돌아와서 설명하면, 상기 단계별 전진 선택 단계에서, 상기 결정 계수를 기존의 테스트 모델의 그것에 비하여 최대한 증가시키는 지 여부(S112)뿐만 아니라, 추가적인 선택 기준이 사용될 수 있다.3, an additional selection criterion can be used as well as whether the decision coefficient is increased as much as possible (S112) as compared with that of the existing test model in the step-by-step forward selection step.
일 실시예에 따르면, 상기 테스트 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외 될 수 있다(S108). 다른 실시예에 따르면, 상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외 될 수 있다(S108). 샘플의 개수가 상기 한계치 미만인 경우, 통계 데이터로서의 신뢰도를 부여하기 어렵기 때문이다.According to an embodiment, if the number of samples having the numerical data of the test examination item is less than or equal to the predetermined threshold value, it may be excluded from the test examination item (S 108). According to another embodiment, if the number of samples having all the examination values of the examination items included in the test model is equal to or less than the predetermined threshold value, it may be excluded from the test examination item (S108). When the number of samples is less than the threshold value, it is difficult to give reliability as statistical data.
또한, 일 실시예에 따르면, 상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수(R)가 기 지정된 한계치를 초과하는 상기 테스트 검진 항목은 상기 테스트 검진 항목에서 제외 될 수 있다(S110). 이는, 테스트 모델에 이미 포함된 검진 항목과 상관 관계가 높은 검진 항목이 새로이 테스트 모델에 포함되게 되면, 기존의 검진 항목이 테스트 모델에서 차지하는 영향력이 감소하는 역효과를 방지하기 위함이다. 또한, 테스트 모델에 상관 관계가 높은 검진 항목들이 포함되는 경우, 주성분 분석 과정에서 수행하는 행렬 연산 과정 중 singularity 현상이 발생되어 고유치(eigen value)가 제대로 연산되지 않는 문제를 방지하기 위함이기도 하다. 상기 상관 계수 연산의 정확성을 위하여, 상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출될 수 있다.In addition, according to an embodiment, the test screening item having at least one of the screening items included in the test model and the correlation coefficient R exceeding a predetermined threshold may be excluded from the test screening item (S110). This is to prevent the adverse effect that the influence of the existing test items in the test model is reduced when the test items that are highly correlated with the test items already included in the test model are newly included in the test models. In addition, when the test model includes high correlation items, the problem is that the singularity phenomenon occurs during the matrix operation process performed in the principal component analysis process to prevent the problem that the eigen value is not calculated properly. For the accuracy of the correlation coefficient calculation, the correlation coefficient may be calculated using sample data having the examination values of all the examination items included in the test model.
이하, 본 발명의 다른 실시예에 따른 생체 나이 연산 모델 생성 시스템의 구성 및 동작에 대하여 도 6을 참조하여 설명한다.Hereinafter, the configuration and operation of a living body arithmetic model generating system according to another embodiment of the present invention will be described with reference to FIG.
먼저 검진 데이터 수신부(102)가 수신부(112)를 통하여 피검진자의 검진 항목 별 검진 수치를 포함하는 검진 데이터를 수신한다.First, the examination
다음으로 모델 생성 준비부(104)가, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화한다. 이 때, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것이다.Next, the model
다음으로, 전진 선택부(106)는 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복한다.Next, the
모델 생성 준비부(104) 및 전진 선택부(106)는 샘플 데이터베이스 인터페이스(110)를 통하여 데이터베이스 서버(6)의 데이터에 억세스하고 쿼리를 송신할 수 있다.The model
다음으로, 모델 확정부(108)는 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정한다.Next, the
이하, 본 발명의 또 다른 실시예에 따른 생체 나이 연산 시스템의 구성 및 동작에 대하여 도 7을 참조하여 설명한다.Hereinafter, the configuration and operation of a living body age computing system according to another embodiment of the present invention will be described with reference to FIG.
도 7에 도시된 바와 같이, 본 실시예에 따른 생체 나이 연산 시스템(200)은 도 6에 도시된 생체 나이 연산 모델 생성 시스템(100)에 비하여 생체 나이 연산부(114) 및 생체 나이 송신부(116)를 더 포함하는 것을 특징으로 한다.7, the living body
생체 나이 연산부(114)는 상기 수신된 검진 데이터를 모델 확정부(108)에 의하여 확정된 생체 나이 연산 모델의 생체 나이 산출식에 입력하여 피검진자의 생체 나이를 연산하고, 생체 나이 송신부(116)를 통하여 외부 단말에 송신할 수 있다.The living body
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, You will understand. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.
생체 나이 연산 모델 생성 시스템 100
생체 나이 연산 시스템 200The biological age calculation
Biometric
Claims (18)
상기 검진 데이터의 수신 이후에, 상기 검진 데이터에 포함된 검진 항목 중 일부를 상기 피검진자의 생체 나이 예측에 사용되는 검진 항목으로 선정하되, 상기 선정된 검진 항목을 주성분 분석 대상 변수로서 포함하는 생체 나이 연산 모델을 이용하여 연산된 생체 나이와 실제 나이 사이의 결정 계수(R2)가 최대화 되도록 선정하는 단계; 및
상기 생체 나이 연산 모델에 입력된 샘플 데이터에 대하여 주성분 분석을 수행한 결과 얻어진 하나 이상의 요인을 이용하여 상기 피검진자를 위한 생체 나이 산출식을 생성하는 단계를 포함하되,
상기 생체 나이 연산 모델은 주성분 분석의 수행 결과, i번째 요인 값이 생체 나이 계산에 반영되는 정도를 의미하는 가중치(
상기 가중치(
Wherein, after receiving the examination data, a part of the examination items included in the examination data is selected as a examination item used for predicting the living body age of the examinee, and the age of the subject including the selected examination item as a principal component analysis variable Selecting a maximization factor (R 2 ) between the calculated age and the actual age using the computation model; And
And generating a bio-age calculating equation for the examinee using one or more factors obtained as a result of performing principal component analysis on the sample data input to the bio-age calculation model,
The bio-age calculation model is a weighting value indicating the degree to which the i-th factor value is reflected in the bio-age calculation as a result of the principal component analysis
The weights (
상기 가중치(
ei는 요인 i의 고유치(eigen value)이고, m은 주성분 분석의 수행 결과 얻어진 요인의 개수인, 생체 나이 연산 모델 생성 방법.The method according to claim 1,
The weights (
e i is the eigenvalue of factor i, and m is the number of factors obtained as a result of performing principal component analysis.
상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계;
상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계;
생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계; 및
생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.The living body age measuring system comprising: receiving examination data including examination values for each examination item of the examinee;
Wherein the living body age measuring system initializes an original set including all the examination items included in the examination data and initializes a living body age computing model with a NULL model, Obtaining a factor of one or more through principal component analysis on sample data composed of a sample including a numerical value, and constructing a bio-age calculating equation for calculating bio-age using the factor;
Wherein the living body age measuring system selects one of the examination items included in the original set as a test examination item and adds the test examination item to the existing living body age calculation model as a variable, Calculating a correlation coefficient R 2 and repeating the calculation of the decision coefficient for each of the examination items included in the original set so as to generate a test model in which the decision coefficient is maximally increased as compared with the existing biological age calculation model A step of forward selection step of selecting one examination item, removing the selected one examination item from the original set, and adding the selected one examination item to the biological age calculation model as a variable;
Repeating the step-by-step forward selection step until the biological item age measurement system does not exist in the original set of items for increasing the decision coefficient as compared with the existing biological age calculation model or until the original set becomes an empty set; And
Wherein the living body age measuring system includes a step of confirming a living body age calculating formula according to the living body age calculating model just before the stepwise forward selecting step is ended to a living body age calculating formula applied to the examinee, Generation method.
상기 생체 나이 연산 모델은,
주성분 분석의 수행 결과, i번째 요인 값이 생체 나이 계산에 반영되는 정도를 의미하는 가중치(
The living body age computation model includes:
As a result of the principal component analysis, weights (i, j) indicating the degree to which the i-th factor value is reflected in the bio-
상기 생체 나이 산출식은,
(단, BA는 생체 나이,
생체 나이 연산 모델 생성 방법.5. The method of claim 4,
The bio-
(However, BA is the age,
A method for generating a biological age calculation model.
상기 생체 나이 산출식은,
(단, TBA는 생체 나이, BA는 중간 생체 나이,
생체 나이 연산 모델 생성 방법.6. The method of claim 5,
The bio-
(Note that TBA is the age of the organism, BA is the age of the middle organ,
A method for generating a biological age calculation model.
상기 샘플 나이 평균은 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 모든 샘플의 실제 나이에 대한 표준 편차인, 생체 나이 연산 모델 생성 방법.The method according to claim 6,
Wherein the sample age mean is an average of the actual age of all samples, and sd (y) is a standard deviation of the actual age of all samples.
상기 샘플 나이 평균은 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터가 정상 수치 범위 내에 있는 모든 샘플의 실제 나이에 대한 평균이고, 상기 sd(y)는 상기 생체 나이 연산 모델에 포함된 모든 검진 항목의 수치 데이터가 정상 수치 범위 내에 있는 모든 샘플의 실제 나이에 대한 표준 편차인, 생체 나이 연산 모델 생성 방법.The method according to claim 6,
Wherein the sample age average is an average of all the samples whose numerical data of all items included in the biological age calculation model are within a normal numerical value range, and sd (y) is an average of all of the samples included in the biological age calculation model Wherein the numerical data of the test item is a standard deviation of the actual age of all samples within the normal range of values.
상기 샘플은 상기 피검진자의 성별와 동일하고, 상기 피검진자의 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 것으로 제한되는, 생체 나이 연산 모델 생성 방법.The method of claim 3,
Wherein the sample is the same as the sex of the examinee and is limited to having an actual age in a predefined range based on the actual age of the examinee.
상기 단계별 전진 선택 단계는,
상기 테스트 검진 항목의 수치 데이터를 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.The method of claim 3,
The step-by-
And selecting the test screening item by excluding the test screening item from the test screening item when the number of samples having the numeric data of the test screening item is equal to or less than a predetermined threshold value.
상기 단계별 전진 선택 단계는,
상기 테스트 모델에 포함된 검진 항목의 검진 수치를 모두 가지는 샘플의 수가 기지정된 한계치 이하인 경우 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.The method of claim 3,
The step-by-
And selecting the test screening item by excluding the test screening item from the test screening item when the number of samples having all the examination values of the examination items included in the test model is less than the predetermined threshold value.
상기 단계별 전진 선택 단계는,
상기 테스트 모델에 포함된 검진 항목 중 적어도 하나와 상관 계수가 기지정된 한계치를 초과하는 상기 테스트 검진 항목은 상기 테스트 검진 항목에서 제외하는 방식으로 상기 테스트 검진 항목을 선정하는 단계를 포함하는, 생체 나이 연산 모델 생성 방법.The method of claim 3,
The step-by-
And selecting the test screening item in such a manner that the test screening item for which the correlation coefficient with at least one of the test items included in the test model exceeds a predetermined threshold value is excluded from the test screening item, How to create a model.
상기 상관 계수는 상기 테스트 모델에 포함된 전체 검진 항목의 검진 수치를 가지는 샘플 데이터를 이용하여 산출되는, 생체 나이 연산 모델 생성 방법.13. The method of claim 12,
Wherein the correlation coefficient is calculated using sample data having a check value of all the examination items included in the test model.
상기 검진 데이터에는 실제 나이가 포함되고, 상기 샘플 데이터는 상기 검진 데이터에 포함된 실제 나이를 기준으로 기 지정된 범위의 실제 나이를 가지는 샘플만으로 구성된 것인, 생체 나이 연산 모델 생성 방법.The method of claim 3,
Wherein the examination data includes an actual age and the sample data includes only samples having an actual age in a predetermined range based on an actual age included in the examination data.
상기 검진 데이터를 상기 샘플 데이터에 추가하는 단계를 더 포함하는, 생체 나이 연산 모델 생성 방법.The method of claim 3,
Further comprising the step of adding the test data to the sample data.
상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부;
상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부; 및
상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식을 상기 피검진자에 적용되는 생체 나이 산출식으로 확정하는 모델 확정부를 포함하는, 생체 나이 연산 모델 생성 시스템.A test data receiving unit for receiving test data including a test value for each test item of the examinee;
The biological age calculation model is initialized to a NULL model, and the biological age calculation model is composed of samples including examination values for one or more examination items A model generation preparation unit that obtains one or more factors through principal component analysis on sample data, and constructs a bio-age calculating formula for calculating bio-age using the factors;
(R 2 ) between a biological age and an actual age according to a test model in which one of the examination items included in the original set is selected as a test examination item and the test examination item is added as a parameter to an existing biological age calculation model, And calculating the determination coefficient is repeated for each of the examination items included in the original set to select one examination item for generating a test model in which the determination coefficient is increased to the maximum extent as compared with the existing living body age calculation model And a step-by-step forward selection process of removing the selected one examination item from the original set and adding the selected one examination item to the biological age calculation model as a variable, If the screening items that increase the count do not exist in the original set, Forward selection unit for repeated until; And
And a model determiner for determining a biological age calculating formula according to the biological age calculation model just before the stepwise selection step is ended to a biological age calculating formula applied to the examinee.
상기 생체 나이 측정 시스템이, 상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 단계;
상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 단계;
생체 나이 측정 시스템이, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 상기 단계별 전진 선택 단계를 반복하는 단계; 및
생체 나이 측정 시스템이, 상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 단계를 포함하는, 생체 나이 연산 방법.The biological age measurement system comprising: receiving examination data including examination values for each examination item of the examinee from the terminal;
Wherein the living body age measuring system initializes an original set including all the examination items included in the examination data and initializes a living body age computing model with a NULL model, Obtaining a factor of one or more through principal component analysis on sample data composed of a sample including a numerical value, and constructing a bio-age calculating equation for calculating bio-age using the factor;
Wherein the living body age measuring system selects one of the examination items included in the original set as a test examination item and adds the test examination item to the existing living body age calculation model as a variable, Calculating a correlation coefficient R 2 and repeating the calculation of the decision coefficient for each of the examination items included in the original set so as to generate a test model in which the decision coefficient is maximally increased as compared with the existing biological age calculation model A step of forward selection step of selecting one examination item, removing the selected one examination item from the original set, and adding the selected one examination item to the biological age calculation model as a variable;
Repeating the step-by-step forward selection step until the biological item age measurement system does not exist in the original set of items for increasing the decision coefficient as compared with the existing biological age calculation model or until the original set becomes an empty set; And
Wherein the living body age measuring system calculates the living body age of the examinee by inputting the living body age measuring formula into the examination data on the living body age calculating formula according to the living body age calculating model immediately before the stepwise selecting step is completed, Calculation method.
상기 검진 데이터에 포함된 검진 항목들을 모두 포함하는 원본 집합을 초기 구성하고, 생체 나이 연산 모델을 NULL 모델로 초기화하되, 상기 생체 나이 연산 모델은 하나 이상의 검진 항목에 대한 검진 수치를 포함하는 샘플로 구성된 샘플 데이터에 대한 주성분 분석을 통하여 하나 이상의 요인을 얻고, 상기 요인을 이용하여 생체 나이를 연산하는 생체 나이 산출식을 구성하는 것인, 모델 생성 준비부;
상기 생체 나이 측정 시스템이, 상기 원본 집합에 포함된 검진 항목 중 하나를 테스트 검진 항목으로 선정하고, 상기 테스트 검진 항목을 기존의 생체 나이 연산 모델에 변수로서 추가한 테스트 모델에 따른 생체 나이와 실제 나이 간 결정 계수(R2)를 연산하고, 상기 결정 계수를 연산하는 것을 상기 원본 집합에 포함된 검진 항목 각각에 대하여 반복하고, 기존의 생체 나이 연산 모델보다 상기 결정 계수가 최대한 증가하는 테스트 모델을 생성하는 검진 항목 1개를 선정하고, 상기 선정된 1개의 검진 항목을 상기 원본 집합에서 제거하고 상기 선정된 1개의 검진 항목을 변수로서 상기 생체 나이 연산 모델에 추가하는 단계별 전진 선택 프로세스를, 기존의 생체 나이 연산 모델에 비하여 상기 결정 계수를 증가 시키는 검진 항목이 원본 집합에 존재하지 않거나, 상기 원본 집합이 공집합이 될 때까지 반복하는 전진 선택부; 및
상기 단계별 전진 선택 단계가 종료되기 직전의 상기 생체 나이 연산 모델에 따른 생체 나이 산출식에 상기 검진 데이터에 입력하여 상기 피검진자의 생체 나이를 연산하는 생체 나이 연산부를 포함하는, 생체 나이 연산 시스템.A test data receiving unit for receiving test data including a test value for each test item of the examinee;
The biological age calculation model is initialized to a NULL model, and the biological age calculation model is composed of samples including examination values for one or more examination items A model generation preparation unit that obtains one or more factors through principal component analysis on sample data, and constructs a bio-age calculating formula for calculating bio-age using the factors;
Wherein the living body age measuring system selects one of the examination items included in the original set as a test examination item and adds the test examination item to the existing living body age calculation model as a variable, Calculating a correlation coefficient R 2 and repeating the calculation of the decision coefficient for each of the examination items included in the original set so as to generate a test model in which the decision coefficient is maximally increased as compared with the existing biological age calculation model A step of forward selection step of selecting one examination item to be selected as a variable and removing the selected one examination item from the original set and adding the selected one examination item to the biological age calculation model as a variable, The examination item for increasing the decision coefficient as compared with the age calculation model does not exist in the original set Or forward selector for the original set is repeated until the empty set; And
And a living body age calculating unit for inputting the living body age calculating formula immediately before the stepwise forward selecting step into the living body age calculating formula and calculating the living body age of the examinee.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130141461A KR101603308B1 (en) | 2013-11-20 | 2013-11-20 | Biological age calculation model generation method and system thereof, biological age calculation method and system thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130141461A KR101603308B1 (en) | 2013-11-20 | 2013-11-20 | Biological age calculation model generation method and system thereof, biological age calculation method and system thereof |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130044355 Division | 2013-04-22 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140126229A true KR20140126229A (en) | 2014-10-30 |
| KR101603308B1 KR101603308B1 (en) | 2016-03-14 |
Family
ID=51995671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130141461A KR101603308B1 (en) | 2013-11-20 | 2013-11-20 | Biological age calculation model generation method and system thereof, biological age calculation method and system thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101603308B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160107508A (en) * | 2015-03-04 | 2016-09-19 | 주식회사 바이오에이지 | Method for Assessinging Residual Life Using Biological Age |
| CN110392740A (en) * | 2017-01-25 | 2019-10-29 | 深圳华大生命科学研究院 | The method and its application for determining crowd's sample Biological indicators collection, predicting biological age |
| KR20220067724A (en) * | 2020-11-18 | 2022-05-25 | 울산과학기술원 | Apparatus and method for estimating biological age based on deep learning |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102301202B1 (en) * | 2017-12-07 | 2021-09-13 | 서울대학교 산학협력단 | Device and method for biometric age prediction model generation |
| KR102371440B1 (en) * | 2021-08-28 | 2022-03-07 | 유진바이오소프트 주식회사 | The method and system for generating model predicting personalized biological age |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060131154A (en) * | 2005-06-15 | 2006-12-20 | 주식회사 리얼 에이지 | System for measuring biological age and service method thereof |
-
2013
- 2013-11-20 KR KR1020130141461A patent/KR101603308B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060131154A (en) * | 2005-06-15 | 2006-12-20 | 주식회사 리얼 에이지 | System for measuring biological age and service method thereof |
Non-Patent Citations (1)
| Title |
|---|
| Park, J. (2009). Developing a biological age assessment equation using principal component analysis and clinical biomarkers of aging in Korean men. Archives of Gerontology and Geriatrics, Volume 49, Issue 1, July-August 2009, Pages 7-12. |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160107508A (en) * | 2015-03-04 | 2016-09-19 | 주식회사 바이오에이지 | Method for Assessinging Residual Life Using Biological Age |
| CN108475542A (en) * | 2015-03-04 | 2018-08-31 | 株式会社Bioage | The method that remaining life is predicted by using biological age |
| CN110392740A (en) * | 2017-01-25 | 2019-10-29 | 深圳华大生命科学研究院 | The method and its application for determining crowd's sample Biological indicators collection, predicting biological age |
| KR20220067724A (en) * | 2020-11-18 | 2022-05-25 | 울산과학기술원 | Apparatus and method for estimating biological age based on deep learning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101603308B1 (en) | 2016-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7335240B2 (en) | Discovery of novel features for use in machine learning methods, such as machine learning methods for diagnosing medical conditions | |
| US10980429B2 (en) | Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time | |
| KR101603308B1 (en) | Biological age calculation model generation method and system thereof, biological age calculation method and system thereof | |
| US8690789B2 (en) | Categorizing automatically generated physiological data based on industry guidelines | |
| KR101328643B1 (en) | Biological age prediction apparatus and method thereof | |
| KR101716039B1 (en) | Method and apparatus for computing diagnosis of sickness based on ct or mri image | |
| KR101855179B1 (en) | Optimal diagnosis factor set determining apparatus and method for diagnosing a disease | |
| US20220093215A1 (en) | Discovering genomes to use in machine learning techniques | |
| US10327709B2 (en) | System and methods to predict serum lactate level | |
| US20100235151A1 (en) | Feature parameter candidate generation apparatus and feature parameter candidate generation method | |
| CN114533121B (en) | Brain perfusion state prediction device, method and equipment and model training device | |
| US20150289769A1 (en) | Method and System for Determining Strain Relaxation of Left Ventricular Diastolic Function | |
| CN114566282A (en) | Treatment decision system based on echocardiogram detection report | |
| US20210361217A1 (en) | Ecg-based age and sex estimation | |
| CN111598966B (en) | Magnetic resonance imaging method and device based on generation countermeasure network | |
| US8473314B2 (en) | Method and system for determining precursors of health abnormalities from processing medical records | |
| CN116451110A (en) | Blood glucose prediction model construction method based on signal energy characteristics and pulse period | |
| JP2018512208A (en) | Computerized optical analysis method of MR (magnetic resonance) images for quantifying or determining liver lesions | |
| CN115965621A (en) | Main heart adverse event prediction device based on magnetic resonance imaging | |
| JP5348998B2 (en) | Image search apparatus and method | |
| RU2720664C2 (en) | Automated output of quality assurance rules | |
| CN112863675A (en) | Method and system for collecting and evaluating information of osteoporosis patient | |
| JP3511201B2 (en) | Computer-aided diagnostic equipment | |
| Mansourvar et al. | Automatic method for bone age assessment based on combined method | |
| KR101430817B1 (en) | Apparatus and method for building blood information estimation model using body shape information, apparatus and method for blood information determination using blood information estimation model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180406 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20190605 Year of fee payment: 5 |