KR20160123150A - 의료 정보 제공 시스템 - Google Patents

의료 정보 제공 시스템 Download PDF

Info

Publication number
KR20160123150A
KR20160123150A KR1020150053325A KR20150053325A KR20160123150A KR 20160123150 A KR20160123150 A KR 20160123150A KR 1020150053325 A KR1020150053325 A KR 1020150053325A KR 20150053325 A KR20150053325 A KR 20150053325A KR 20160123150 A KR20160123150 A KR 20160123150A
Authority
KR
South Korea
Prior art keywords
information
patient
case
attribute
unit
Prior art date
Application number
KR1020150053325A
Other languages
English (en)
Inventor
김기호
박상찬
우승순
Original Assignee
(주)솔트웍스
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 (주)솔트웍스 filed Critical (주)솔트웍스
Priority to KR1020150053325A priority Critical patent/KR20160123150A/ko
Publication of KR20160123150A publication Critical patent/KR20160123150A/ko

Links

Images

Classifications

    • 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
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G06F19/36—
    • G06Q50/24—

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Child & Adolescent Psychology (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

의료 정보 제공 시스템이 개시된다. 상기 의료 정보 제공 시스템은 환자의 속성정보를 입력받는 입력부; 상기 환자의 속성정보와 기 저장된 환자 사례정보를 비교하여 유사사례를 추출하는 사례 추출부; 및 상기 유사사례를 분석하여 상기 환자에 대한 예상질병 정보 및 최적검사 정보를 제공하는 사례 분석부를 포함한다.

Description

의료 정보 제공 시스템{SYSTEM FOR PROVIDING MEDICAL INFORMATION}
본 발명은 의료 정보 제공 시스템에 관한 것으로, 의료종사자의 진단 또는 치료 방침 결정시 필요한 기반 지식을 제공하는 의료 정보 제공 시스템에 관한 것이다.
임상 의사결정 지원 시스템(Clinical Decision Support System)은 환자 진료에서 의사가 진단이나 치료 방침을 결정 및 판단할 이에 필요한 기반 지식을 제공하고 올바르게 추론할 수 있도록 도와주는 기능을 제공함으로써 의사 결정(Decision Making)을 지원하는 시스템이다. 이는 의사가 환자를 진찰함에 있어서 담당의사의 주관적인 판단 이외에 의학적으로 기정되어 있는 가이드라인을 컴퓨터로 구현하여 환자의 상태에 대한 가이드 라인의 결과를 의사에게 알려줌으로써 오진을 막고 보다 객관적인 진료 행위가 가능하도록 한다.
이와 관련하여 특허등록 제10-1066246호는 임상 의사결정 지원 시스템 및 방법에 관한 것으로, 병원 정보 시스템과 독립적으로 지식이 중심이 되는 아키텍처와 임상 의사결정 어플리케이션이 중심이 되는 아키텍처를 혼합하여 임상 의사결정 지원 시스템을 구축하고 있다.
본 발명이 이루고자 하는 기술적 과제는 환자와 유사한 사례를 추출하여 임상적 의사결정을 지원하기 위한 정보를 제공하는 의료 정보 제공 시스템을 제공하는데 있다.
또한, 환자의 다양한 속성정보에 대하여 가중치를 반영함으로써 중요하게 판단하는 속성항목을 중점으로 신뢰도 높은 정보를 제공할 수 있는 의료 정보 제공 시스템을 제공하는데 있다.
또한, 선호하는 의료진에 대한 가중치를 높게 부여할 수 있도록 함으로써 맞춤형 정보를 제공할 수 있는 의료 정보 제공 시스템을 제공하는데 있다.
또한, 예상되는 질병의 발병 예측 확룔과 추천하는 검사의 추천값을 수치적으로 제공함으로써 직관적인 판단이 가능한 정보를 제공할 수 있는 의료 정보 제공 시스템을 제공하는데 있다.
본 발명의 일 양태에 따르면, 환자의 속성정보를 입력받는 입력부; 상기 환자의 속성정보와 기 저장된 환자 사례정보를 비교하여 유사사례를 추출하는 사례 추출부; 및 상기 유사사례를 분석하여 상기 환자에 대한 예상질병 정보 및 최적검사 정보를 제공하는 사례 분석부를 포함하는 의료 정보 제공 시스템을 제공한다.
상기 환자의 속성정보는 인적 속성, 임상 속성, 검사 속성 및 질병 속성을 포함하여 구성될 수 있다.
상기 사례 추출부는 상기 환자의 속성정보와 기 저장된 환자 사례정보의 속성간 거리를 연산하는 속성 거리 연산부; 연산된 속성간 거리에 속성별 가중치를 부여하는 가중치 적용부; 가중치가 부여된 속성간 거리값을 합산하는 합산부; 및 합산값을 기준값과 비교하여 필터링하는 필터링부를 포함하여 구성될 수 있다.
상기 가중치 적용부는 선택된 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여할 수 있다.
상기 가중치 적용부는 일정 경력 이상의 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여할 수 있다.
상기 사례분석부는 상기 합산값에 따라 상기 예상질병 정보에 대한 발생확률을 제공할 수 있다.
상기 사례분석부는 제공하는 최적검사 정보에 대한 상기 유사사례의 진행 경과를 참조하여 최적검사 정보의 추천값을 제공할 수 있다.
본 발명인 의료 정보 제공 시스템은 환자와 유사한 사례를 추출하여 임상적 의사결정을 지원하기 위한 정보를 제공할 수 있다.
또한, 환자의 다양한 속성정보에 대하여 가중치를 반영함으로써 중요하게 판단하는 속성항목을 중점으로 신뢰도 높은 정보를 제공할 수 있다.
또한, 선호하는 의료진에 대한 가중치를 높게 부여할 수 있도록 함으로써 맞춤형 정보를 제공할 수 있다.
또한, 예상되는 질병의 발병 예측 확룔과 추천하는 검사의 추천값을 수치적으로 제공함으로써 직관적인 판단이 가능한 정보를 제공할 수 있다.
도1은 본 발명의 일실시예에 따른 의료 정보 제공 시스템의 구성 블록도,
도2는 본 발명의 일실시예에 따른 사례 추출부의 구성 블록도,
도3은 본 발명의 일실시예에 따른 환자의 속성정보의 개념도,
도4는 본 발명의 일실시예에 따른 환자 사례정보의 개념도,
도5는 본 발명의 일실시예에 따른 속성별 거리에 대한 개념도,
도6은 본 발명의 일실시예에 따른 유사사례 추출 과정에 대한 개념도,
도7은 본 발명의 일실시예에 따른 사례 분석부의 분석 개념도 및
도8은 본 발명의 다른 실시예에 따른 사례 분석부의 분석 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도1은 본 발명의 일실시예에 따른 의료 정보 제공 시스템의 구성 블록도이다.
도1을 참조하면 본 발명의 일실시예에 따른 의료 정보 제공 시스템(100)은 입력부(10), 사례 추출부(20), 사례 분석부(30), 저장부(40) 및 업데이트부(50)를 포함하여 구성될 수 있다.
입력부(10)는 환자의 속성정보를 입력받을 수 있다. 환자의 속성정보는 인적 속성, 임상 속성, 검사 속성 및 질병 속성을 포함할 수 있다. 인적 속성은 환자의 개인 신상 정보에 관한 것으로 예를 들면, 임상적 의사결정에 필요한 성별, 나이, 신장, 체중, 진료과, 국가, 흡연, 음주, 커피, 운동, 수면시간 등에 대한 정보를 포함할 수 있다. 임상 속성은 환자의 진단이나 치료를 위해 실시하는 검사에 대한 정보로 혈액학적 정보, 혈청학적 정보, 생화학적 정보, 생리학정 정보, 세균바이러스학적 정보, 요·분변 정보, 영상 정보 등을 포함할 수 있다. 검사 속성은 환자가 받은 각종 검사에 대한 수치 정보를 포함할 수 있다. 질병 속성은 환자가 보유하고 있는 질병에 대한 정보를 포함할 수 있다.
사례 추출부(20)는 환자의 속성정보와 기 저장된 환자 사례정보를 비교하여 유사사례를 추출할 수 있다. 사례 추출부(20)는 환자의 속성정보가 입력되면 저장부(40)에 저장된 환자 사례정보와 비교하고, 유사사례를 추출하는 동작을 수행한다. 저장부(40)에는 특정 의료기관의 환자 정보 이외에 협약을 맺은 타 의료기관의 환자 정보가 저장되어 있을 수 있으며, 복수개의 의료기관이 함께 운영하는 통합 서버에 환자 정보가 저장될 수도 있다.
도2는 본 발명의 일실시예에 따른 사례 추출부의 구성 블록도이다.
도2를 참조하면 본 발명의 일실시예에 다른 사례 추출부(20)는 거리 연산부(21), 가중치 적용부(22), 합산부(23) 및 필터링부(24)를 포함하여 구성될 수 있다.
거리 연산부(21)는 환자의 속성정보와 기 저장된 환자 사례정보의 속성간 거리를 연산할 수 있다. 거리 연산부(21)는 입력된 환자의 속성정보를 개별적으로 기 저장된 환자 사례정보와 비교하여 속성간 거리를 연산한다.
가중치 적용부(22)는 연산된 속성간 거리에 속성별 가중치를 부여할 수 있다. 가중치는 의료진이 중요하다고 판단되는 속성에 부여되는 배율을 의미하며, 임상적 의사결정을 수행하기 위한 담당 의료진이 임의로 부여할 수 있다.
또는 가중치 적용부(22)는 기존에 부여되었던 속성별 가중치 값의 평균값을 가중치로 부여할 수 있다.
또는 가중치 적용부(22)는 선택된 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여할 수 있다. 담당 의료진은 신뢰할 수 있는 의료진을 선택할 수 있으며, 가중치 적용부(22)는 선택된 의료진에 의하여 부여된 기존 가중치값만을 이용하여 가중치를 부여하게 된다.
또는 가중치 적용부(22)는 일정 경력 이상의 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여하게 된다. 담당 의료진은 설정에 의하여 신뢰할 수 있는 의료진의 경력을 선택할 수 있으며, 가중치 적용부(22)는 선택된 경력 이상의 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여하게 된다.
또는 가중치 적용부(22)는 환자의 속성정보에 나타난 질병정보와 관련된 업무를 수행하는 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여할 수 있다. 가중치 적용부(22)는 환자의 속성정보에 나타나 질병과 관련된 전문의, 해당 진료과에 종사하는 의료진 등에 의하여 부여된 기존 가중치값만을 이용하여 가중치를 부여할 수 있다.
또는 가중치 적용부(22)는 선택한 진료과에 종사하는 의료진에 의하여 부여된 기존 가중치값만을 이용하여 가중치를 부여할 수 있다. 담당 의료진은 담당하고 있는 진료과와 환자의 정보를 통하여 연관될 수 있는 진료과를 선택할 수 있으며, 가중치 적용부(22)는 선택된 진료과에 종사하는 의료진에 의하여 부여된 기존 가중치값만을 이용하여 가중치를 부여할 수 있다.
합산부(23)는 가중치가 부여된 속성간 거리값을 합산할 수 있다. 합산값은 환자의 속성정보와 기 저장된 환자 사례정보간의 유사도를 판단하기 위한 수치를 의미하며, 합산이 작을 수록 환자의 속성정보와 기 저장된 환자 사례정보간의 유사도가 높은 것으로 판단할 수 있다.
필터링부(24)는 합산값을 기준값과 비교하여 필터링 할 수 있다. 기준값은 외부 설정에 의하여 변경될 수 있으며, 필터링부(24)는 기준값보다 큰 값을 가지는 합산값은 필터링하고 기준값보다 작은 값을 가지는 합산값만을 선별한다.
필터링부(24)는 필터링 되어 선별된 환자 사례정보를 유사사례로 추출하며, 유사도가 큰 순서대로 정렬하여 사례 분석부(30)에 제공할 수 있다.
위에서 설명한 사례 추출부의 유사사례 추출 과정은 하기 수학식 1에 따라 수행될 수 있다.
[수학식 1]
Figure pat00001
여기서,
Figure pat00002
는 각 환자의 속성 정보
Figure pat00003
와 기 저장된 환자 사례정보의 속성
Figure pat00004
간의 개별 거리를 의미하고,
Figure pat00005
는 속성별 가중치를 의미하고,
Figure pat00006
는 1~n까지의 각 속성을 의미하며,
Figure pat00007
는 속성별 가중치의 합을 의미한다.
따라서
Figure pat00008
는 환자의 속성 정보
Figure pat00009
와 기 저장된 환자 사례정보
Figure pat00010
간의 합산된 거리값으로 그 수치는 환자의 속성 정보와 기 저장된 환자 사례정보간의 유사 정도를 의미한다.
다시 도1을 참조하면, 사례 분석부(30)는 유사사례를 분석하여 환자에 대한 예상질병 정보 및 최적검사 정보를 제공할 수 있다.
이 때, 사례 분석부(30)는 사례 추출부(20)에서 연산한 합산값에 따라 예상질병 정보에 대한 발생확률을 제공할 수 있다. 사례 분석부(30)는 유사사례에서 나타나는 질병 정보와 해당 유사사례로부터 연산된 합산값을 대입하여 해당 유사사례에서 나타나는 질병이 환자에게 발생할 수 있는 확률을 수치적으로 환산하여 제공할 수 있다.
또한, 사례 분석부(30)는 최적검사 정보에 대한 유사사례의 진행 경과를 참조하여 최적검사 정보의 추천값을 제공할 수 있다. 사례 분석부(30)는 유사사례에서 수행된 검사 정보와 해당 검사 후 유사사례에서의 진행 경과를 이용하여 해당 검사의 적합성을 수치로 환산하여 추천값을 제공할 수 있다. 유사사례에서의 진행 경과는 담당 의료진이 검사 이후 진행 경과를 평가하여 입력할 수 있다.
저장부(40)는 환자 사례정보를 저장하고 있다. 저장부(40)에는 특정 의료기관의 환자 정보 이외에 협약을 맺은 타 의료기관의 환자 정보가 저장되어 있을 수 있으며, 복수개의 의료기관이 함께 운영하는 통합 서버를 의미할 수도 있다.
업데이트부(50)는 저장부(40)의 환자 사례정보를 갱신할 수 있다. 업데이트부(50)는 기존 환자 사례정보에서 추가되는 정보나 변경되는 정보를 갱신하거나 또는 신규 환자의 정보를 입력하여 갱신할 수 있다.
도3은 본 발명의 일실시예에 따른 환자의 속성정보의 개념도이다. 도3에서 환자의 성별과 나이는 인적 속성, 호흡과 맥박은 임상 속성, 검사1은 검사 속성, 질병 1은 질병 속성을 의미한다. 도3에 도시한 속성정보들 이외에도 다양한 속성정보가 입력될 수 있다.
도4는 본 발명의 일실시예에 따른 환자 사례정보의 개념도이다. 도4에서 환자 사례정보는 100개의 표본으로 정하였다. Case1 내지 100은 환자 사례정보에 대한 일련번호를 의미하며 그 순서는 무작위이다.
도5는 본 발명의 일실시예에 따른 속성별 거리에 대한 개념도이다. 도5에서 각 속성간의 거리는 가중치가 부여되기 전의 거리값을 의미한다. 성별과 질병의 경우 매칭되는 경우에는 '1', 매칭되지 않는 경우에는 '0'으로 표시하였다.
도6은 본 발명의 일실시예에 따른 유사사례 추출 과정에 대한 개념도이다. 도6에서 유사도 순위는 합산값이 가장 작은 값부터 순차적으로 매겨진 순위이며, 기준값(0.100)에 따라 caes2와 case99가 유사사례로 선정되었다.
도7은 본 발명의 일실시예에 따른 사례 분석부의 분석 개념도이다. 도7에서 사례 분석부는 선정된 유사사례를 이용하여 환자에 대한 예상 질병 정보를 제공하며, 해당 유사사례와의 합산값을 통하여 예상 질병 정보의 발병 확률을 함께 제공한다.
도8은 본 발명의 다른 실시예에 따른 사례 분석부의 분석 개념도이다. 도8에서 사례 분석부는 선정된 유사사례를 이용하여 최적검사 정보를 제공하며, 해당 유사사례에서의 진행 경과를 참조하여 최적검사 정보의 추천값을 제공한다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 입력부
20: 사례 추출부
21: 속성거리 연산부
22: 가중치 적용부
23: 합산부
24: 필터링부
30: 사례 분석부
40: 저장부
50: 업데이트부

Claims (7)

  1. 환자의 속성정보를 입력받는 입력부;
    상기 환자의 속성정보와 기 저장된 환자 사례정보를 비교하여 유사사례를 추출하는 사례 추출부; 및
    상기 유사사례를 분석하여 상기 환자에 대한 예상질병 정보 및 최적검사 정보를 제공하는 사례 분석부를 포함하는 의료 정보 제공 시스템.
  2. 제1항에 있어서,
    상기 환자의 속성정보는 인적 속성, 임상 속성, 검사 속성 및 질병 속성을 포함하는 의료 정보 제공 시스템.
  3. 제1항에 있어서,
    상기 사례 추출부는 상기 환자의 속성정보와 기 저장된 환자 사례정보의 속성간 거리를 연산하는 속성 거리 연산부;
    연산된 속성간 거리에 속성별 가중치를 부여하는 가중치 적용부;
    가중치가 부여된 속성간 거리값을 합산하는 합산부; 및
    합산값을 기준값과 비교하여 필터링하는 필터링부를 포함하는 의료 정보 제공 시스템.
  4. 제3항에 있어서,
    상기 가중치 적용부는 선택된 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여하는 의료 정보 제공 시스템.
  5. 제3항에 있어서,
    상기 가중치 적용부는 일정 경력 이상의 의료진에 의하여 부여된 기존 가중치값의 평균값으로 가중치를 부여하는 의료 정보 제공 시스템.
  6. 제3항에 있어서,
    상기 사례분석부는 상기 합산값에 따라 상기 예상질병 정보에 대한 발생확률을 제공하는 의료 정보 제공 시스템.
  7. 제3항에 있어서,
    상기 사례분석부는 제공하는 최적검사 정보에 대한 상기 유사사례의 진행 경과를 참조하여 최적검사 정보의 추천값을 제공하는 의료 정보 제공 시스템.
KR1020150053325A 2015-04-15 2015-04-15 의료 정보 제공 시스템 KR20160123150A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150053325A KR20160123150A (ko) 2015-04-15 2015-04-15 의료 정보 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150053325A KR20160123150A (ko) 2015-04-15 2015-04-15 의료 정보 제공 시스템

Publications (1)

Publication Number Publication Date
KR20160123150A true KR20160123150A (ko) 2016-10-25

Family

ID=57446589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150053325A KR20160123150A (ko) 2015-04-15 2015-04-15 의료 정보 제공 시스템

Country Status (1)

Country Link
KR (1) KR20160123150A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220126034A (ko) * 2021-03-08 2022-09-15 근로복지공단 산재노동자를 위한 재활 프로그램 세트 추천 방법, 장치 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220126034A (ko) * 2021-03-08 2022-09-15 근로복지공단 산재노동자를 위한 재활 프로그램 세트 추천 방법, 장치 및 시스템

Similar Documents

Publication Publication Date Title
Shah et al. IoT and AI in healthcare: A systematic literature review.
Acosta et al. Multimodal biomedical AI
KR102558021B1 (ko) 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법
US20200315518A1 (en) Apparatus for processing data for predicting dementia through machine learning, method thereof, and recording medium storing the same
US20190156947A1 (en) Automated information collection and evaluation of clinical data
JP7010946B2 (ja) 健康状態の計算解析を容易化するシステム及び方法
WO2019008798A1 (en) DEVICE FOR PREDICTING DISEASE APPEARANCE, METHOD FOR PREDICTING DISEASE DISEASE, AND PROGRAM
JP5164646B2 (ja) 臨床検査データ解析支援装置、臨床検査データ解析支援方法及びそのプログラム
JP2008077603A (ja) 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム
Strzelecki et al. Machine learning for biomedical application
CN102405473A (zh) 医护点动作医疗系统和方法
WO2022211385A1 (ko) 질병 예측치의 분포를 이용한 건강관리 상담 시스템
KR101744800B1 (ko) 의료 정보 제공 시스템
WO2016006042A1 (ja) データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム
CN111696673A (zh) 一种心理健康管理模型系统及方法
Bhosale et al. Bio-medical imaging (X-ray, CT, ultrasound, ECG), genome sequences applications of deep neural network and machine learning in diagnosis, detection, classification, and segmentation of COVID-19: a Meta-analysis & systematic review
WO2016105552A1 (en) A system, apparatus, method, and graphical user interface for screening
Houlton How artificial intelligence is transforming healthcare
Khera et al. Transforming cardiovascular care with artificial intelligence: from discovery to practice: JACC State-of-the-Art Review
Chennupati Artificial intelligence and machine learning for early cancer prediction and response
KR101295785B1 (ko) 유전변이 데이터 베이스 구축 장치 및 방법
JP2009205464A (ja) 医療情報処理装置、医療情報処理方法、及び医療情報処理プログラム
Shukur et al. Diabetes at a Glance: Assessing AI Strategies for Early Diabetes Detection and Intervention
US20230124917A1 (en) Systems and methods for monitoring and identifying physiological impact events
JP2014191638A (ja) 情報処理方法、装置及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment