KR20160140046A - Method and apparatus for estimating importance factor of each occurring factor of specific disease - Google Patents

Method and apparatus for estimating importance factor of each occurring factor of specific disease Download PDF

Info

Publication number
KR20160140046A
KR20160140046A KR1020150076130A KR20150076130A KR20160140046A KR 20160140046 A KR20160140046 A KR 20160140046A KR 1020150076130 A KR1020150076130 A KR 1020150076130A KR 20150076130 A KR20150076130 A KR 20150076130A KR 20160140046 A KR20160140046 A KR 20160140046A
Authority
KR
South Korea
Prior art keywords
risk factor
risk
severity
importance
patient
Prior art date
Application number
KR1020150076130A
Other languages
Korean (ko)
Inventor
정태환
박순규
최문성
김성일
Original Assignee
삼성에스디에스 주식회사
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 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Priority to KR1020150076130A priority Critical patent/KR20160140046A/en
Publication of KR20160140046A publication Critical patent/KR20160140046A/en

Links

Images

Classifications

    • G06F19/3493
    • G06F19/3431

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Provided is a method and apparatus for evaluating importance of risk factors of a disease, which can identify an effective target risk factor of a disease in order to mitigate severity of a patient having a specific disease. According to an embodiment of the present invention, provided is the method for evaluating importance of risk factors of a disease, the method comprising the steps of: generating one or more risk factor pairs each composed of two risk factors selected from among a plurality of risk factors of a disease; for each of the risk factor pairs, mapping past patient data of the disease onto a plane in which each of corresponding risk factors is set for one axis, determining a boundary line on the plane based on severity of each patient, and generating a weight for each of the risk factors by using a slope of the boundary line; and determining importance of each of the corresponding risk factors by using the weight of each of the corresponding risk factors generated in each of the risk factor pairs.

Description

질병의 발병 위험 인자에 대한 중요도 평가 방법 및 그 장치{Method and apparatus for estimating importance factor of each occurring factor of specific disease}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and apparatus for assessing the importance of an onset risk of a disease,

본 발명은 질병의 발병 위험 인자에 대한 중요도 평가 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 특정 질병의 환자에 대한 검진 결과를 기반으로 상기 환자에 대한 상기 질병의 각 발병 위험 인자의 중요도를 평가하고, 평가된 각 위험 인자의 중요도를 이용하여 상기 환자에게 개인화된 처방을 제공하는 방법 및 그 장치에 관한 것이다.The present invention relates to a method and apparatus for assessing the importance of an onset risk of a disease. More specifically, the importance of each onset risk factor of the disease to the patient is evaluated based on the result of the examination for the patient of the specific disease, and the personalized prescription is provided to the patient using the importance of each evaluated risk factor And to a device therefor.

환자의 개인 특성, 환자의 질병 및 질병의 중증도에 따라 처방의 항목 별로 개선 효과가 다를 수 있다. 예를 들어, 특정 중증도의 특정 질병을 가진 환자는 식이 요법의 개선이 질병의 중증도 개선에 가장 효과적일 수 있다. 하지만, 처방에 이러한 개인 별, 질병 별 차이가 적절하게 반영되지 못하고 있으며, 의사의 경험에만 의지하여 처방이 이뤄지고 있다.Depending on the individual characteristics of the patient, the severity of the illness and the disease of the patient, the improvement effect may vary depending on the item of the prescription. For example, a patient with a particular disease of a certain severity may be the most effective at improving the severity of the disease. However, differences in these personal and disease-related differences are not adequately reflected in the prescription, and prescriptions are being made based only on the doctor's experience.

따라서, 처방을 생성함에 있어서, 상기 처방이 복수의 항목에 대하여 이뤄지는 경우라면, 환자의 질병 중증도 개선을 위하여 각 항목이 어느 정도의 중요도를 갖는지에 대한 정보를 추가로 제공할 수 있는 기술의 제공이 요청된다.Accordingly, in the case of generating a prescription, provision of a technique capable of providing additional information on the degree of importance of each item in order to improve the disease severity of the patient, if the prescription is made for a plurality of items Is requested.

한국 공개 특허 제2012-0119145호Korea Patent No. 2012-0119145 한국 공개 특허 제2014-0068727호Korean Patent Publication No. 2014-0068727 한국 등록 특허 제1175548호Korean Patent No. 1175548

본 발명이 해결하고자 하는 기술적 과제는, 특정 질병에 대한 복수의 위험 인자들 중, 선택된 적어도 일부의 위험 인자들에 대한 중요도를 평가하는 방법 및 그 장치를 제공하는 것이다.It is a technical object of the present invention to provide a method and apparatus for evaluating the importance of at least some selected risk factors among a plurality of risk factors for a specific disease.

본 발명이 해결하고자 하는 다른 기술적 과제는, 특정 질병에 걸린 환자의 중증도를 개선시키기 위하여 상기 질병의 위험 인자 중 어떤 위험 인자를 개선시키는 것이 효과적인지를 나타내는, 각 위험 인자 별 중요도를 평가하는 방법 및 그 장치를 제공하는 것이다.Another technical problem to be solved by the present invention is to provide a method of evaluating the importance of each risk factor, which indicates whether it is effective to ameliorate any of the risk factors of the disease to improve the severity of the patient afflicted with the specific disease, Device.

본 발명이 해결하고자 하는 또 다른 기술적 과제는, 상기 위험 인자 별 중요도를 이용하여, 개인화된 처방을 제공하는 방법 및 그 장치를 제공하는 것이다.Another technical problem to be solved by the present invention is to provide a method and apparatus for providing a personalized prescription using the importance of each risk factor.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 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 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 위험 인자 중요도 평가 방법은, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하는 단계, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계, 및 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 포함한다.According to an aspect of the present invention, there is provided a risk factor importance evaluation method comprising: generating at least one risk factor pair consisting of two risk factors among a plurality of risk factors of a disease; Mapping the past patient data of the disease on a plane with each risk factor as an axis, determining the border on the plane based on the severity of each patient, and using the slope of the border Generating a weight for a risk factor, and using the weight of each risk factor generated in each risk factor pair to determine the importance for each risk factor.

일 실시예에서, 상기 위험 인자 중요도 평가 방법은, 대상 환자의 중증도를 얻는 단계를 더 포함한다. 이 때, 상기 질병의 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 과거 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 과거 환자의 데이터로 구성된다.In one embodiment, the risk factor importance assessment method further comprises obtaining a severity of the subject patient. At this time, the past patient data of the disease consists of past patient data having a severity of the subject patient and past patient data having a severity one stage of the subject's patient's severity than the severity of the subject patient.

일 실시예에서, 각각의 위험 인자에 대한 가중치를 생성하는 단계는, 상기 평면의 제1 축과 제2 축의 값을, 상기 중증도를 기준으로 스케일링하는 단계를 포함한다. 이 때, 상기 스케일링하는 단계는, 상기 제1 축의 위험 인자와 중증도의 관계에 대한 제1 데이터를 얻는 단계, 상기 제1 데이터에서 상기 중증도가 한단계 악화되는 시점의 제1 축의 위험 인자 값을 상기 제1 축의 기준 수치로 세팅하는 단계, 상기 제2 축의 위험 인자와 중증도의 관계에 대한 데이터를 얻는 단계, 및 상기 제2 데이터에서 상기 중증도가 한단계 악화되는 시점의 제2 축의 위험 인자 값을 상기 제2 축의 기준 수치로 세팅하는 단계를 포함한다. 이 때, 상기 제1 축의 기준 수치 및 상기 제2 축의 기준 수치는 동일한 간격으로 배치될 수 있다.In one embodiment, generating a weight for each risk factor comprises scaling the values of the first and second axes of the plane based on the severity. In this case, the step of scaling may include the steps of: obtaining first data on a relationship between a risk factor and a severity of the first axis; calculating a risk factor value of a first axis at a time when the severity is deteriorated by one step, Obtaining a data on a relationship between a risk factor and a severity of the second axis and a risk factor value of a second axis at a time point when the severity is deteriorated by one step from the second data, To the reference value of the axis. At this time, the reference value of the first axis and the reference value of the second axis may be arranged at the same interval.

일 실시예에서, 상기 위험 인자 중요도 평가 방법은, 상기 위험 인자 쌍 각각에 대하여 중요도를 결정하는 단계를 더 포함한다. 이 때, 상기 각각의 위험 인자에 대한 중요도를 결정하는 단계는, 각 위험 인자 쌍의 중요도를 반영하여, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 합산함으로써, 각각 위험 인자에 대한 중요도를 결정하는 단계를 더 포함할 수 있다. 이 때, 상기 위험 인자 쌍 각각에 대하여 중요도를 결정하는 단계는, 상기 위험 인자 쌍의 상기 평면 상에 상기 질병의 과거 환자 데이터가 매핑된 점들이, 상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 가리키는 선명도를 연산하는 단계, 및 상기 선명도가 높을 수록 상기 위험 인자 쌍의 중요도를 높게 결정하는 단계를 포함할 수 있다. 이 때, 상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 연산하는 단계는, 상기 질병의 과거 환자 데이터가 매핑된 점들 중, 상기 경계선을 기준으로 하여 반대편 중증도의 영역에 매핑된 점들의 개수를 카운트 하는 단계, 및 상기 카운트 된 점이 많을 수록 상기 선명도를 낮게 결정하는 단계를 포함할 수 있다.In one embodiment, the risk factor importance assessment method further comprises determining importance for each of the risk factor pairs. In this case, the step of determining the importance of each of the risk factors may include calculating the importance of each risk factor by summing the weights of the risk factors generated in each pair of risk factors, reflecting the importance of each risk factor pair And a step of deciding whether or not to perform a search. The step of determining importance for each of the pair of risk factors may further comprise the steps of: mapping the past patient data of the disease on the plane of the pair of risk factors to points of different severity Calculating a sharpness indicating a degree of division, and determining the importance of the pair of risk factors higher as the sharpness is higher. In this case, calculating the degree of division of the severity points based on the boundary line may include calculating a difference between the points mapped to the opposite severity area based on the boundary line, Counting the number of the counted points, and determining the sharpness to be lower as the counted number of points increases.

상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 개인화된 위험 인자 중요도 평가 방법은, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하는 단계, 상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계, 및 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 포함한다. 상기 질병의 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 환자의 데이터로 구성될 수 있다.According to another aspect of the present invention, there is provided a personalized risk factor assessment method comprising the steps of: generating a pair of risk factors consisting of two risk factors among a plurality of risk factors of a disease; Mapping the past patient data and subject patient data of the disease on a plane with each risk factor as one axis, determining the perimeter of the plane based on the severity of each patient, Generating a weight for each risk factor using the shortest distance on the first axis and the shortest distance on the second axis with respect to the boundary of the point at which the risk point is generated and using the weight of each risk factor generated in each risk factor pair , And determining the importance for each risk factor. The past patient data of the disease may consist of data of the patient with the severity of the subject patient and data of the patient having the severity of the stage of the subject being one stage less than the severity of the subject patient.

상기 개인화된 위험 인자 중요도 평가 방법은, 상기 각각의 위험 인자의 중요도를 이용하여, 상기 대상 환자에 대한 처방에 우선 순위를 부여하는 단계를 더 포함할 수 있다. 이 때, 상기 대상 환자에 대한 처방은, 투약 처방 및 비투약 처방을 포함하고, 상기 비투약 처방은, 운동 처방, 식이 요법 처방, 생활 습관 처방 및 수면 습관 처방 중 적어도 하나를 포함할 수 있다. 상기 대상 환자에 대한 처방에 우선 순위를 부여하는 단계는, 상기 대상 환자에 대한 처방 중 중요도가 기준치 이하인 위험 인자와 관련된 처방을 자동으로 삭제하는 단계를 포함할 수 있다.The personalized risk factor importance evaluation method may further include prioritizing the prescription for the target patient using the importance of each of the risk factors. At this time, the prescription for the subject patient includes a medication prescription and a non-medication prescription, and the non-medication prescription may include at least one of an exercise prescription, a dietary prescription, a lifestyle prescription, and a sleep custom prescription. The step of giving priority to the prescription for the subject patient may include a step of automatically deleting the prescription related to the risk factor whose importance level is less than or equal to the reference value in the prescription for the subject patient.

상기 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 위험 인자 중요도 평가 장치는, 네트워크 인터페이스, 하나 이상의 프로세서, 상기 프로세서에 의하여 수행 되는 컴퓨터프로그램을 로드(load) 하는 메모리, 및 하나 이상의 파일을 저장하는 스토리지를 포함한다. 이 때, 상기 컴퓨터프로그램은, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하는 오퍼레이션, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 오퍼레이션, 및 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 오퍼레이션을 포함한다.According to another aspect of the present invention, there is provided an apparatus for evaluating a risk factor importance according to another embodiment of the present invention. The apparatus includes a network interface, at least one processor, a memory for loading a computer program executed by the processor, Lt; / RTI > Wherein the computer program is adapted to generate one or more risk factor pairs consisting of two risk factors among a plurality of risk factors of a disease, for each of the risk factor pairs, Mapping the past patient data of the disease, determining the boundary on the plane based on the severity of each patient, and generating a weight for each risk factor using the slope of the boundary, And using the weights of each risk factor generated in the pair to determine the importance for each risk factor.

상기 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 위험 인자 중요도 평가 장치는, 네트워크 인터페이스, 하나 이상의 프로세서, 상기 프로세서에 의하여 수행 되는 컴퓨터프로그램을 로드(load) 하는 메모리, 및 하나 이상의 파일을 저장하는 스토리지를 포함한다. 이 때, 상기 컴퓨터프로그램은, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하는 오퍼레이션, 상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 오퍼레이션, 및 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 오퍼레이션을 포함한다.According to another aspect of the present invention, there is provided an apparatus for evaluating a risk factor importance according to another embodiment of the present invention. The apparatus includes a network interface, at least one processor, a memory for loading a computer program executed by the processor, Lt; / RTI > Wherein the computer program is for generating a risk factor pair consisting of two risk factors among a plurality of risk factors for a disease, for each risk factor pair, Of the subject patient data and the patient patient data and determines a boundary line on the basis of the degree of severity of each patient, the shortest distance on the first axis to the boundary of the point to which the subject patient data is mapped, The operation of generating a weight for each risk factor using the shortest distance on the axis and the operation of determining the importance of each risk factor using the weight of each risk factor generated in each risk factor pair .

도 1은 본 발명의 일 실시예에 따른 개인화 처방 시스템의 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 위험 인자 중요도 평가 방법의 순서도이다.
도 3은 본 발명의 몇몇 실시예들에서 각 위험 인자에 대한 중요도 산정에 참조되는 과거 환자 데이터의 일예이다.
도 4는 본 발명의 몇몇 실시예들에서 각 위험 인자에 대한 중요도 산정을 위하여 생성되는 위험 인자 쌍을 설명하기 위한 도면이다.
도 5는 본 발명의 몇몇 실시예들에서 위험 인자 쌍의 각 위험 인자를 한 축으로 하는 평면 상에 과거 환자 데이터 및 대상 환자 데이터를 매핑하는 것을 설명하기 위한 도면이다.
도 6a 및 도 6b는 본 발명의 몇몇 실시예들에서 위험 인자 쌍의 각 위험 인자를 한 축으로 하는 평면 상에 과거 환자 데이터 및 대상 환자 데이터를 매핑하되, 상기 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 환자의 데이터로 구성되는 것을 설명하기 위한 도면이다.
도 7은 도 6a에 도시된 케이스에서, 대상 환자의 위험 인자 A, B 각각에 대한 가중치 연산하는 방법을 설명하기 위한 도면이다.
도 8은 도 6b에 도시된 케이스에서, 대상 환자의 위험 인자 A, B 각각에 대한 가중치 연산하는 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 몇몇 실시예들에서, 위험 인자 쌍의 평면의 제1 축의 값 및 제2 축의 값을 중증도를 기준으로 스케일링하는 것을 설명하기 위한 도면이다.
도 10은 본 발명의 몇몇 실시예들에서, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 종합하여 각 위험 인자에 대한 중요도를 결정하는 것을 설명하기 위한 도면이다.
도 11은 본 발명의 또 다른 실시예에 따른 위험 인자 중요도 평가 장치의 구성도이다.
1 is a configuration diagram of a personalization prescription system according to an embodiment of the present invention.
2 is a flowchart of a risk factor importance evaluation method according to another embodiment of the present invention.
Figure 3 is an example of past patient data referenced in calculating the importance for each risk factor in some embodiments of the present invention.
FIG. 4 is a view for explaining a pair of risk factors generated for the importance calculation for each risk factor in some embodiments of the present invention. FIG.
Figure 5 is a diagram for mapping past patient data and subject patient data on a plane with each risk factor of the risk factor pair in some embodiments of the invention.
Figures 6A and 6B map past patient data and subject patient data on a plane with each axis of each risk factor of the risk factor pair in some embodiments of the present invention, The data of the patient having the severity and the data of the patient having the severity that is one stage relaxed from the severity of the subject patient.
FIG. 7 is a diagram for explaining a method of calculating a weight for each of the risk factors A and B of the subject in the case shown in FIG. 6A. FIG.
FIG. 8 is a diagram for explaining a method of calculating a weight for each of the risk factors A and B of the subject in the case shown in FIG. 6B.
Figure 9 is a diagram for describing scaling of values of a first axis and a value of a second axis of a plane of a pair of risk factors in accordance with severity in some embodiments of the present invention.
10 is a diagram for explaining the importance of each risk factor by summing weights of the risk factors generated in each risk factor pair in some embodiments of the present invention.
11 is a configuration diagram of a risk factor importance evaluation apparatus according to another 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. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.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. The terminology used herein is for the purpose of illustrating embodiments and is not intended to be limiting of the present invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification.

이하, 도 1을 참조하여 본 발명의 일 실시예에 따른 개인화 처방 시스템의 구성 및 동작을 설명한다. 도 1에 도시된 바와 같이, 본 실시예에 따른 개인화 처방 시스템은 위험 인자 중요도 평가 장치(10), EMR 시스템(20) 및 하나 이상의 병원 내 단말들(30a, 30b, 30c)을 포함할 수 있다.Hereinafter, the configuration and operation of the personalized prescription system according to an embodiment of the present invention will be described with reference to FIG. 1, the personalization prescription system according to the present embodiment may include a risk factor importance evaluation apparatus 10, an EMR system 20, and one or more in-hospital terminals 30a, 30b, and 30c .

EMR(Electronic Medical Record) 시스템(20)은 본 실시예에 따른 개인화 처방 시스템을 운영하는 병원의 전자 의무 기록을 관리하는 시스템이다. 도 1에는 EMR 시스템(20)만 도시되어 있으나, 처방 전달 시스템(Order Communication System; OCS), 의료 영상 전송 시스템(Picture Archiving Communication System; PACS) 등 병원에서 운영되는 다양한 업무 자동화 시스템이 위험 인자 중요도 평가 장치(10)와 연동될 수 있다. 예를 들어, 위험 인자 중요도 평가 장치(10)는 EMR 시스템(20)으로부터 특정 질병을 가진 환자의 검진 데이터와, 상기 특정 질병의 과거 환자 데이터를 제공 받고, 상기 처방 전달 시스템에 각 처방 항목의 중요도 정보를 제공할 수 있다.The EMR (Electronic Medical Record) system 20 is a system for managing electronic medical records of a hospital operating a personalized prescription system according to the present embodiment. Although only the EMR system 20 is shown in FIG. 1, various business automation systems operated in hospitals such as an Order Communication System (OCS) and a Picture Archiving Communication System (PACS) Can be interlocked with the device (10). For example, the risk factor importance evaluating apparatus 10 receives examination data of a patient having a specific disease from the EMR system 20 and past patient data of the specific disease, receives the importance of each prescription item in the prescription delivery system Information can be provided.

EMR 시스템(20)은, 예를 들어, 도 3에 도시된 것과 같은 과거 환자 데이터(200)를 관리할 수 있는데, 과거 환자 데이터(200)는, 특정 질병 발병자의 검진 데이터 및 각 발병자의 중증도 정보를 포함한다.The EMR system 20 may manage past patient data 200, for example, as shown in FIG. 3, where past patient data 200 may include examination data of a particular disease sufferer and severity information of each patient .

위험 인자 중요도 평가 장치(10)는, 대상 환자에 제공되는 처방에 복수의 항목이 포함되는 경우, 각 항목에 대한 중요도 정보를 제공한다. 이하, "대상 환자"는, 위험 인자의 중요도 평가를 수행할 대상 환자를 가리킨다. "대상 환자"는, 동일한 질병에 걸린 이력이 있는 "과거 환자"와 대비된다. 이하, "대상 환자"의 치료 대상 질병을 "대상 질병"으로 기재한다.The risk factor importance evaluating apparatus 10 provides importance information for each item when a plurality of items are included in the prescription provided to the subject patient. Hereinafter, the "subject patient" refers to the patient to be subjected to the importance evaluation of the risk factors. The "subject patient " is compared to a" past patient "who has a history of the same disease. Hereinafter, the target disease of the "subject patient" is described as "target disease".

상기 처방에 포함된 각 항목은 상기 대상 질병의 위험 인자 중 적어도 일부와 관련된 것이다. 상기 대상 질병이 심근경색인 경우를 예를 들어 설명한다. 심근경색 환자에 투약 처방과 함께, 운동 처방, 식이 요법 처방, 금연 권고가 이뤄진 경우, 심근경색의 위험 인자 중 흡연량, 운동량, 영양 섭취 관련 항목이 존재한다면, 상기 운동 처방은 심근경색의 위험 인자 중 운동량과 관련되고, 상기 식이 요법 처방은 심근경색의 위험 인자 중 영양 섭취와 관련되고, 상기 금연 권고는 심근경색의 위험 인자 중 흡연량과 관련된다.Each item included in the prescription is associated with at least some of the risk factors of the subject disease. The case where the target disease is myocardial infarction will be described as an example. If myocardial infarction is accompanied by medication prescription, exercise prescription, diet regimen, smoking cessation recommendation, smoking precautions, risk factors for myocardial infarction, The diet regimen is associated with nutrient intake among the risk factors of myocardial infarction and the smoking cessation recommendation is associated with smoking among the risk factors of myocardial infarction.

상기 중요도 정보는, 특정 처방 항목이 상기 환자의 심근경색의 중증도를 개선시키는데 어느 정도의 효과가 있는지를 가리킨다. 예를 들어, Severe 등급의 중증도를 가진 환자가 Moderate 등급의 중증도로 개선하기 위하여, 심근경색의 위험 인자 중 운동량의 개선이 필수적이라고 하면, 심근경색의 위험 인자로서의 운동량은 높은 중요도를 가진다. 따라서, 운동량과 관련된 처방 항목인 운동 처방에 높은 중요도가 부여될 것이다.The importance information indicates how much a particular prescription item is effective in improving the severity of the myocardial infarction of the patient. For example, if the severity of severe severity of patients with severe Severe severity is improved to moderate severity, the momentum as a risk factor for myocardial infarction is considered to be of high importance if improvement of the exercise is necessary among risk factors of myocardial infarction. Therefore, exercise prescription, which is a prescription item related to the amount of exercise, will be given a high importance.

상기 중증도는 각 질병 별로 평가하는 기존의 기준을 이용하여 기 평가된 것일 수 있다. 상기 중증도는 의료진에 의하여 설정될 수 있고, DALY(Disability Adjusted Life Year; 장애 보정 생존년), QALY (Quality Adjusted Life Year; 질 보정 생존년) 등 생존기간 및 삶의 질 유지 기간과 관련된 수치가 사용될 수 있다. 본 명세서는, 심각해지는 순서로, Mild, Moderate, Severe, Critical의 4 단계 중증도 체계를 전제하여 설명한다.The severity may be assessed using existing criteria for each disease. The severity can be set by a healthcare provider and a value related to the duration of survival and quality of life, such as DALY (Disability Adjusted Life Year), QALY (Quality Adjusted Life Year) . The present specification is based on the four-stage severity system of Mild, Moderate, Severe, and Critical in order of increasing severity.

위험 인자 중요도 평가 장치(10)는, 상기 과거 환자의 데이터를 바탕으로, 상기 대상 환자의 상기 대상 질병의 각 위험 인자에 대한 중요도를 평가한다. 예를 들어, 위험 인자 중요도 평가 장치(10)는, 상기 대상 환자의 중증도를 가진 과거 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 과거 환자의 데이터를 바탕으로, 상기 대상 환자의 상기 대상 질병의 각 위험 인자에 대한 중요도를 평가할 수 있다.The risk factor importance evaluating apparatus 10 evaluates importance of each risk factor of the target disease of the target patient based on the past patient data. For example, the risk factor importance evaluating apparatus 10 may be configured to determine, based on the past patient's data having the degree of severity of the subject patient and the severity degree of the subject's patient that is one step lower than the severity of the subject patient, The importance of each of the risk factors of the target disease can be evaluated.

보다 자세하게는, 위험 인자 중요도 평가 장치(10)는, 상기 대상 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하고, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 과거 환자의 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하고, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정할 수 있다.More specifically, the risk factor importance evaluating apparatus 10 generates one or more risk factor pairs each consisting of two risk factors among a plurality of risk factors of the target disease, and for each of the risk factor pairs, The past patient data is mapped on a plane having one axis, the boundary line on the plane based on the severity of each patient is determined, the weight for each risk factor is generated using the slope of the boundary line , The importance of each risk factor can be determined using the weight of each risk factor generated from each risk factor pair.

일 실시예에서, 위험 인자 중요도 평가 장치(10)는, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하고, 상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하고, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정할 수도 있다.In one embodiment, the risk factor importance evaluation apparatus 10 generates a risk factor pair composed of two risk factors among a plurality of risk factors of a disease, and for each pair of risk factors, Mapping the past patient data and subject patient data of the disease on a plane on which the subject patient data is mapped, determining a boundary on the plane based on the severity of each patient, The weight of each risk factor is generated using the shortest distance on the second axis and the shortest distance on the second axis and the importance of each risk factor can be determined using the weight of each risk factor generated in each pair of risk factors have.

병원 내 단말들(30a, 30b, 30c)은 EMR 시스템(20)과 연결되어, EMR 시스템(20)에 의하여 제공되는 GUI를 디스플레이 하거나, 위험 인자 중요도 평가 장치(10)에 의하여 제공되는 대상 환자에 대한 각 위험 인자 별 중요도가 반영된 개인화 처방을 디스플레이 할 수 있다.The terminals 30a, 30b and 30c in the hospital are connected to the EMR system 20 to display the GUI provided by the EMR system 20 or to display the GUI provided by the risk factor importance evaluation apparatus 10 A personalized prescription reflecting the importance of each risk factor can be displayed.

보안상의 이유로, 도 1에 도시된 네트워크는, 방화벽 등에 의하여 외부의 장치에 의한 억세스가 필요에 따라 제한되는 네트워크일 수 있다. 즉, 도 1에 도시된 네트워크에 직접 연결되지 않은 외부의 장치는, 위험 인자 중요도 평가 장치(10)에 의하여 제공되는 대상 환자에 대한 각 위험 인자 별 중요도가 반영된 개인화 처방에 억세스 제한 될 수 있다.For security reasons, the network shown in FIG. 1 may be a network in which access by an external device is restricted by a firewall or the like as needed. That is, the external device not directly connected to the network shown in FIG. 1 may be restricted from accessing the personalization prescription, which reflects the importance of each risk factor for the target patient provided by the risk factor importance evaluator 10.

도 1에는 위험 인자 중요도 평가 장치(10)와 EMR 시스템(20)이 물리적으로 분리된 장치 형태로 존재하는 것으로 도시되어 있으나, 위험 인자 중요도 평가 장치(10)는 EMR 시스템(20) 내부에 구현될 수도 있고, 처방 전달 시스템(OCS) 내부에 구현될 수도 있음을 유의한다.1, the risk factor importance evaluating apparatus 10 and the EMR system 20 are physically separated from each other. However, the risk factor importance evaluating apparatus 10 may be implemented within the EMR system 20 And may be implemented within a Prescription Delivery System (OCS).

이하, 본 발명의 다른 실시예에 따른, 위험 인자 중요도 평가 방법을, 도 2 내지 도 10을 참조하여 설명한다. 본 실시예에 따른 위험 인자 중요도 평가 방법은 하나 이상의 컴퓨팅 장치에 의하여 수행될 수 있다. 예를 들어, 본 실시예에 따른 위험 인자 중요도 평가 방법은 도 1에 도시된 위험 인자 중요도 평가 장치(10)에 의하여 수행될 수 있다. 이하, 이해의 편의를 돕기 위해 본 실시예에 따른 위험 인자 중요도 평가 방법에 포함되는 각각의 동작 중 적어도 일부는 그 주체의 기재가 생략될 수 있다.Hereinafter, a risk factor importance evaluation method according to another embodiment of the present invention will be described with reference to FIG. 2 to FIG. The risk factor importance assessment method according to the present embodiment can be performed by one or more computing devices. For example, the risk factor importance evaluation method according to the present embodiment can be performed by the risk factor importance evaluation apparatus 10 shown in FIG. Hereinafter, in order to facilitate understanding, at least part of each operation included in the risk factor importance evaluation method according to the present embodiment may omit the description of the subject.

도 2는 본 실시예에 따른 위험 인자 중요도 평가 방법의 순서도이다.2 is a flowchart of a risk factor importance evaluation method according to the present embodiment.

먼저, 대상 질병의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍이 생성된다(S100). 본 명세서에서 위험 인자는, 특정 질병의 발병에 영향을 미칠 수 있는 요인을 가리킨다. 본 명세서에서 위험 인자는, 특정 질병의 전체 위험 인자 중, 기 선정된 일부만을 가리킬 수 있다.First, a risk factor pair consisting of two risk factors among the risk factors of the target disease is generated (S100). Risk factors in this specification refer to factors that may affect the onset of a particular disease. In this specification, a risk factor may refer only to a predetermined portion of the total risk factors of a specific disease.

예를 들어, 도 3에 도시된 심근경색 과거 환자 데이터(200)에서, 나이, 흡연량, 알코올 섭취량, 영양 섭취, 유전자 보유 여부, SBP(수축기 혈압), BST(혈당 수치), 심장 박동수 등 심근경색의 다수의 위험 인자가 존재하는 점을 알 수 있다. 그런데, 본 명세서에서 위험 인자 쌍의 구성 대상이 되는 것은 기 선정된 일부의 주요 위험 인자에 한한다. 예를 들어, 심근경색의 위험 인자들 중, 나이(201), 흡연량(203), SBP(205), BST(207) 만이 중요 위험 인자로 선정되어, 위험 인자 쌍의 구성 대상이 될 수 있다. 이 경우, 4개의 위험 인자(201, 203, 205, 207)를 이용한 위험 인자 쌍 구성 결과가 도 4에 도시되어 있다.For example, in myocardial infarction past patient data 200 shown in FIG. 3, myocardial infarction such as age, smoking amount, alcohol intake, nutrient intake, gene retention, SBP (systolic blood pressure), BST (blood glucose level) Of the risk factors are present. However, in this specification, the constituents of the risk-factor pair are limited to some selected major risk factors. For example, among risk factors for myocardial infarction, age (201), smoking amount (203), SBP (205), and BST (207) In this case, the result of the risk factor pair construction using the four risk factors 201, 203, 205, and 207 is shown in FIG.

다시 도 2로 돌아와서 설명한다. 도 4에 도시된 것과 같은 위험 인자 쌍을 구성한 후, 각 위험 인자 쌍 별로 위험 인자 쌍을 구성하는 두개의 위험 인자 각각의 가중치를 생성한다. 이하, 이 과정을 자세히 설명한다.Returning back to FIG. After constructing a pair of risk factors as shown in FIG. 4, weights of the two risk factors constituting the pair of risk factors are generated for each pair of risk factors. Hereinafter, this process will be described in detail.

먼저, 위험 인자 쌍의 평면에 대상 질병의 과거 환자의 데이터를 각각 점의 형태로 매핑(mapping) 한다(S103). 상기 과거 환자의 데이터는, 예를 들어 EMR 시스템으로부터 제공 받을 수 있다. 상기 대상 질병이 심근경색이라면, EMR 시스템으로부터 심근경색의 과거 환자 데이터가 제공된다. 심근 경색 과거 환자의 데이터에 대한 예시는 도 3에 도시되어 있다. 도 3에 도시된 바와 같이, 과거 환자 데이터(200)는 각 환자의 검진 항목 별 검진 수치 데이터 및 중증도 정보를 포함한다.First, the past patient data of the target disease is mapped to the plane of the risk factor pair in the form of points (S103). The past patient data may be provided, for example, from an EMR system. If the subject disease is myocardial infarction, past patient data of myocardial infarction are provided from the EMR system. An example of the data of a patient with past myocardial infarction is shown in Fig. As shown in FIG. 3, the past patient data 200 includes examination numerical data and severity information for each examination item of each patient.

상기 위험 인자 쌍이 제1 위험 인자 및 제2 위험 인자로 구성된 것이라면, 제1 축은 제1 위험 인자의 값이고, 제2 축은 제2 위험 인자의 값일 것이다. 따라서, 대상 질병의 과거 환자의 데이터의 제1 위험 인자의 값 및 제2 위험 인자의 값을 참조하면, 각각의 과거 환자가 상기 위험 인자 쌍의 평면에 하나의 점(point)으로 매핑 될 것이다.If the risk factor pair is comprised of a first risk factor and a second risk factor, then the first axis is the value of the first risk factor and the second axis is the value of the second risk factor. Thus, referring to the value of the first risk factor and the value of the second risk factor of the past patient data of the subject disease, each past patient will be mapped to a point on the plane of the risk factor pair.

이미 언급한 바와 같이, 위험 인자 쌍의 평면에 점의 형태로 매핑 되는 과거 환자의 데이터는, 대상 환자의 중증도를 가졌던 과거 환자의 데이터와 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 과거 환자의 데이터 만으로 구성될 수 있다. 예를 들어, 대상 환자의 중증도가 Severe인 경우, 중증도로 Severe, Moderate가 세팅 된 과거 환자들의 데이터가 사용될 수 있다. 이는, 본 실시예에 따른 위험 인자 중요도 평가 방법이, 대상 환자의 중증도를 개선시키기 위하여 어떤 위험 인자가 중요한지를 평가하는 방법인 점을 감안하면 쉽게 이해될 수 있을 것이다.As previously mentioned, past patient data mapped in the form of a dot on the plane of the risk-pair pair indicates that the past patient's data with the severity of the subject patient and the patient's severity with a one- Data only. For example, if the severity of the patient is Severe, data from past patients with Severe, Moderate severity can be used. This can be easily understood by considering that the risk factor importance evaluation method according to the present embodiment is a method for evaluating what risk factors are important for improving the severity of the target patient.

일 실시예에서, 상기 위험 인자 쌍의 평면에 대상 환자의 데이터를 추가로 매핑할 수 있다. 즉, 대상 환자의 제1 위험 인자의 값 및 제2 위험 인자의 값을 참조하여, 대상 환자를 가리키는 하나의 점이 상기 위험 인자 쌍의 평면에 매핑될 것이다.In one embodiment, the data of the subject patient may be further mapped to the plane of the risk factor pair. That is, referring to the value of the first risk factor and the value of the second risk factor of the subject, one point indicating the subject patient will be mapped to the plane of the risk factor pair.

이 때, 과거 환자를 가리키는 점들은 과거 환자의 중증도를 속성으로 갖는다. 이 점은, 대상 환자를 가리키는 점들도 마찬가지이다. 그리고, 상기 위험 인자 쌍의 평면에 매핑된 각 점들은 그 중증도를 기준으로 클러스터링 될 수 있다. 이 때, 밀도 기반 클러스터링 등 다양한 클러스터링 방법이 적용될 수 있다.At this time, the points indicating the past patients have attributes of the past patients as attributes. This also applies to the points indicating the target patient. And each point mapped to the plane of the risk factor pair can be clustered based on the degree of severity. In this case, various clustering methods such as density-based clustering may be applied.

도 5는, 대상 환자를 가리키는 점(50)이 위험 인자 A, B의 평면 상에 표시된 것이 도시되어 있다. 또한, 위험 인자 A, B의 평면 상에 표시된 과거 환자를 가리키는 점들이, 중증도가 Severe로 세팅된 환자들을 가리키는 클러스터(51), 중증도가 Moderate로 세팅된 환자들을 가리키는 클러스터(52), 중증도가 Mild로 세팅된 환자들을 가리키는 클러스터(53)로 클러스터링 된 점이 도시되어 있다. 대상 질병의 위험 인자 중에서 선정 된 중요 위험 인자의 검진 데이터는 각 환자의 중증도 별로 유사하게 측정된다. 따라서, 위험 인자 쌍의 평면 상에 매핑된 각 점들은 중증도를 기준으로 군집을 형성하는 것이 일반적이다. 이러한 특징을 이용하여, 각 중증도 별 클러스터링이 가능하다.FIG. 5 shows that a point 50 indicating the subject patient is displayed on the plane of the risk factors A, B. In addition, the points indicating the past patients displayed on the plane of the risk factors A and B are cluster 51 indicating patients whose severity is set to Severe, clusters 52 indicating patients whose severity is set to Moderate, 0.0 > 53 < / RTI > The screening data of selected risk factors among the risk factors of the target disease are measured similarly for each patient's severity. Therefore, it is common that each point mapped on the plane of the risk factor pair forms a cluster based on severity. Using these features, it is possible to cluster each degree of severity.

위험 인자 쌍의 평면에 대상 질병의 과거 환자의 데이터를 각각 점의 형태로 매핑(S103) 한 후에는, 각 환자를 가리키는 점들의 중증도를 기준으로 한 상기 위험 인자 쌍의 평면 상의 경계선을 생성한다(S105).After mapping the past patient data of the subject disease to the plane of the risk factor pair (S103), the boundary line of the risk factor pair is generated based on the severity of the points pointing to each patient ( S105).

도 6a 및 도 6b는 본 발명의 몇몇 실시예들에서 위험 인자 쌍의 각 위험 인자를 한 축으로 하는 평면 상에 과거 환자 데이터 및 대상 환자 데이터를 매핑하되, 상기 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 환자의 데이터로 구성되는 것을 설명하기 위한 도면이다. 도 6a는 위험 인자 A와 위험 인자 B로 구성되는 위험 인자 쌍에 대한 환자 데이터의 매핑 결과를 도시하고, 도 6b는 위험 인자 C와 위험 인자 D로 구성되는 위험 인자 쌍에 대한 환자 데이터의 매핑 결과를 도시한다.Figures 6A and 6B map past patient data and subject patient data on a plane with each axis of each risk factor of the risk factor pair in some embodiments of the present invention, The data of the patient having the severity and the data of the patient having the severity that is one stage relaxed from the severity of the subject patient. FIG. 6A shows a mapping result of patient data on a pair of risk factors consisting of a risk factor A and a risk factor B, FIG. 6B shows a mapping result of patient data on a pair of risk factors consisting of a risk factor C and a risk factor D / RTI >

대상 환자의 중증도가 Severe인 경우, 도 6a, 도 6b에 도시된 바와 같이, 중증도로 Severe, Moderate가 세팅된 과거 환자들을 가리키는 점들이 위험 인자 쌍의 평면 상에 매핑 된다.When the severity of the subject patient is Severe, as shown in FIGS. 6A and 6B, points indicating past patients set Severe, Moderate as severity are mapped on the plane of the risk factor pair.

도 6a에는 위험 인자 A와 위험 인자 B로 구성되는 위험 인자 쌍의 평면 상에 대상 환자를 가리키는 점(60)과, Severe 중증도의 환자들을 가리키는 점들의 클러스터(62)와 Moderate 중증도의 환자들을 가리키는 점들의 클러스터(63) 사이의 경계선(61)이 도시되어 있다. 도 6b에는 위험 인자 C와 위험 인자 D로 구성되는 위험 인자 쌍의 평면 상에, 대상 환자를 가리키는 점(70)과, Severe 중증도의 환자들을 가리키는 점들의 클러스터(72)와 Moderate 중증도의 환자들을 가리키는 점들의 클러스터(73) 사이의 경계선(71)이 도시되어 있다. FIG. 6A shows a point 60 representing a subject on a plane of a pair of risk factors consisting of a risk factor A and a risk factor B, a cluster 62 of points indicating Severe severity patients, and a point indicating Moderate severity A boundary line 61 between the clusters 63 of the first and second clusters is shown. FIG. 6B shows, on the plane of a pair of risk factors consisting of a risk factor C and a risk factor D, a point 70 indicating a patient, a cluster 72 indicating points of Severe severity and Moderate severity patients A boundary 71 between clusters 73 of points is shown.

평면 상에 분포하는 다양한 점들을, 점들의 속성을 기준으로 classification 하는 다양한 로직이 제공된다. 경계선(61)은, 이러한 다양한 로직들 중 적절한 어느 하나를 이용하여 결정될 수 있다. 예를 들어, SVM(Support Vector Machine)을 활용한 머신 러닝(machine learning)을 통해, 경계선(61)이 결정될 수 있다. SVM에 대한 다양한 정보가 제공된다. 예를 들어, "https://en.wikipedia.org/wiki/Support_vector_machine"를 참조할 수 있다.Various logic is provided to classify the various points distributed on the plane based on the attributes of the points. The boundary line 61 may be determined using any suitable one of these various logic. For example, the boundary line 61 can be determined through machine learning using SVM (Support Vector Machine). Various information about SVM is provided. For example, see "https://en.wikipedia.org/wiki/Support_vector_machine".

다음으로, 상기 결정된 경계선을 이용하여, 위험 인자 쌍의 각 위험 인자에 대한 가중치를 결정한다(S107). 도 7은 도 6a에 도시된 대상 환자를 가리키는 점(60)과 경계선(61) 사이의 제1 축(위험 인자 B) 및 제2 축(위험 인자 A) 상의 최단 거리를 도시한다.Next, a weight for each risk factor of the risk factor pair is determined using the determined boundary line (S107). FIG. 7 shows the shortest distance on the first axis (risk factor B) and the second axis (risk factor A) between the point 60 and the border 61 pointing to the subject patient shown in FIG. 6A.

위험 인자 A와 위험 인자 B의 위험 인자 쌍에 대한 위험 인자 A의 가중치는 d/a이고, 위험 인자 B의 가중치는 d/b이다. 즉, 대상 환자 데이터가 매핑된 점(60)의 경계선(61)에 대한 제1 축 상의 최단 거리(b) 및 제2 축 상의 최단 거리(a)를 이용하여 각각의 위험 인자에 대한 가중치가 연산된다.The risk weights of risk factor A and risk factor B are d / a, and weights of risk factor B are d / b. That is, using the shortest distance b on the first axis and the shortest distance a on the second axis with respect to the border line 61 of the point 60 to which the target patient data is mapped, a weight for each risk factor is calculated do.

한편, 위험 인자 A의 가중치인 d/a는, d/a = d/dsinθ = 1/sinθ로 순차로 정리된다. 또한, 위험 인자 B의 가중치인 d/b = d/dcosθ = 1/cosθ로 순차로 정리된다. 즉, 경계선(61)의 기울기를 이용하여 각각의 위험 인자에 대한 가중치가 생성될 수도 있음을 알 수 있다. 도 6a 및 도 7을 참조하여 설명된 케이스의 경우, 경계선(61)이 제1 축(위험 인자 B)과 만나는 각도(θ)가 커질수록 위험 인자 A의 가중치는 낮아질 것이고, 위험 인자 B의 가중치는 높아질 것이다.On the other hand, d / a, which is the weight of the risk factor A, is arranged in order with d / a = d / dsin? = 1 / sin ?. Also, the weighting factor of the risk factor B is d / b = d / d cos [theta] = 1 / cos [theta]. That is, it can be seen that a weight for each risk factor may be generated using the slope of the boundary line 61. 6A and 7, as the angle? Between the boundary line 61 and the first axis (the risk factor B) increases, the weight of the risk factor A will decrease and the weight of the risk factor B Will increase.

도 6b에 도시된 것과 같이 경계선(71)이 결정된 경우, 위험 인자 C의 중요도가 위험 인자 D의 중요도 보다 더 높게 생성된다. 위험 인자 D의 값이 개선되는 것(위험 인자 D의 값 증가)보다, 위험 인자 C의 값이 개선되는 것(위험 인자 C의 값 감소)이 중증도의 개선에 훨씬 효과적이기 때문이다. 도 8은 도 6b에 도시된 대상 환자를 가리키는 점(70)과 경계선(71) 사이의 제1 축(위험 인자 D) 및 제2 축(위험 인자 A) 상의 최단 거리를 도시한다. 위험 인자 A의 가중치인 d/a는, d/a = d/dsinθ = 1/sinθ로 순차로 정리된다. 따라서, θ가 90도에 가까워질 수록, 위험 인자 C의 가중치는 거의 무한대로 증가하게 된다. 또한, 위험 인자 B의 가중치인 d/b = d/dcosθ = 1/cosθ로 순차로 정리된다. 따라서, θ가 90도에 가까워질 수록, 위험 인자 D의 가중치는 1에 수렴한다.When the boundary line 71 is determined as shown in Fig. 6B, the importance of the risk factor C is generated to be higher than the importance of the risk factor D. [ The improvement in the value of risk factor C (the decrease in risk factor C) is much more effective in improving the severity than the improvement in the value of risk factor D (increase in risk factor D). Fig. 8 shows the shortest distance on the first axis (risk factor D) and the second axis (risk factor A) between the point 70 and the border 71 pointing to the subject patient shown in Fig. 6B. D / a, which is a weighting factor of the risk factor A, is rearranged in order of d / a = d / dsin? = 1 / sin ?. Therefore, as θ approaches 90 degrees, the weight of risk factor C increases almost infinitely. Also, the weighting factor of the risk factor B is d / b = d / d cos [theta] = 1 / cos [theta]. Thus, as θ approaches 90 degrees, the weight of risk factor D converges to 1.

도 9는 본 발명의 몇몇 실시예들에서, 위험 인자 쌍의 평면의 제1 축의 값 및 제2 축의 값을 중증도를 기준으로 스케일링하는 것을 설명하기 위한 도면이다. 제1 축의 값과 중증도 사이의 대응 관계 데이터와 제2 축의 값과 중증도 사이의 대응 관계 데이터를 각각 얻을 수 있다고 할 때, 상기 제1 축의 값과 제2 축의 값을 상기 중증도의 값을 기준으로 스케일링 할 수 있다.Figure 9 is a diagram for describing scaling of values of a first axis and a value of a second axis of a plane of a pair of risk factors in accordance with severity in some embodiments of the present invention. Wherein the first axis value and the second axis value are respectively scaled based on the correspondence relationship data between the value of the first axis and the severity and the correspondence relationship data between the value of the second axis and the severity, can do.

도 9에 도시된 바와 같이, 제1 축(위험 인자 B)은 1.5의 값에서 중증도가 1에서 2로 증가하고, 제2 축(위험 인자 A)은 3.2의 값에서 중증도에서 1에서 2로 증가한다면, 제1 축의 1.5 값과 제2 축의 3.2 값은 동일한 간격으로 배치되는 것이 바람직하다. 이러한 방식으로, 제1 축의 각 단위 별 값은 1.5, 3.5, 5.2, 7.2, 9.7이 되고, 제2 축의 각 단위 별 값은 3.2, 6.4, 7.5, 9, 10이 된다. 정리하자면, 제1 축의 값과 제2 축의 값은 중증도를 기준으로 동일한 간격으로 배치되도록 스케일링 된다.As shown in Figure 9, the first axis (risk factor B) increases from 1 to 2 at a value of 1.5 and the second axis (risk factor A) increases from 1 to 2 at a severity at a value of 3.2 , It is preferable that the 1.5 value of the first axis and the 3.2 value of the second axis are arranged at the same interval. In this way, the values for each unit of the first axis are 1.5, 3.5, 5.2, 7.2, and 9.7, and the values for each unit of the second axis are 3.2, 6.4, 7.5, 9, To summarize, the values of the first axis and the values of the second axis are scaled to be arranged at equal intervals based on the degree of severity.

상기 스케일링을 정리하면, 상기 제1 축의 위험 인자와 중증도의 관계에 대한 제1 데이터를 얻고, 상기 제1 데이터에서 상기 중증도가 한단계 악화되는 시점의 제1 축의 위험 인자 값을 상기 제1 축의 기준 수치로 세팅하고, 상기 제2 축의 위험 인자와 중증도의 관계에 대한 데이터를 얻고, 상기 제2 데이터에서 상기 중증도가 한단계 악화되는 시점의 제2 축의 위험 인자 값을 상기 제2 축의 기준 수치로 세팅하는 것이 수행 될 수 있다. 이 때, 상기 제1 축의 기준 수치 및 상기 제2 축의 기준 수치는 동일한 간격으로 배치된다.The first data on the relationship between the risk factor and the severity of the first axis is obtained and the risk factor value of the first axis at the time when the severity is deteriorated by one step from the first data is set as the reference value of the first axis Setting a risk factor value of a second axis at a time point at which the degree of severity deteriorates from the second data to a reference value of the second axis by obtaining data on a relationship between the risk factor and the severity of the second axis, . At this time, the reference value of the first axis and the reference value of the second axis are arranged at equal intervals.

각 위험 인자 쌍에 대하여 각 위험 인자에 대한 가중치를 결정하는 단계(S107)는, 전체 위험 인자 쌍에 대하여 반복된다(S109, S111). 이하, 도 10을 참조하여, 전체 위험 인자 쌍에 대하여 각 위험 인자에 대한 가중치를 결정한 이후의 동작을 설명한다. 도 10은 본 발명의 몇몇 실시예들에서, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 종합하여 각 위험 인자에 대한 중요도를 결정하는 것을 설명하기 위한 도면이다.The step of determining the weight for each risk factor for each pair of risk factors (S107) is repeated for all pairs of risk factors (S109, S111). Hereinafter, referring to FIG. 10, the operation after determining the weight for each risk factor for the entire risk factor pair will be described. 10 is a diagram for explaining the importance of each risk factor by summing weights of the risk factors generated in each risk factor pair in some embodiments of the present invention.

도 10에는 총 6개의 위험 인자 쌍에 대하여 각 위험 인자의 가중치 값이 구해진 상황이 표시되어 있다. 예를 들어, (위험 인자 A, 위험 인자 B)의 위험 인자 쌍에서는, 위험 인자 A의 가중치:위험 인자 B의 가중치 = 2:1.154701임을 알 수 있다. 마찬가지로, (위험 인자 A, 위험 인자 C)의 위험 인자 쌍에서는, 위험 인자 A의 가중치:위험 인자 C의 가중치 = 1.66164:1.252136임을 알 수 있다. 위험 인자 A, 위험 인자 B, 위험 인자 C, 위험 인자 D의 전체적인 가중치 비율을 a:b:c:d라고 할 때, 아래와 같은 수식이 구성된다.FIG. 10 shows a situation in which a weight value of each risk factor is obtained for a total of six risk factor pairs. For example, in a pair of risk factors (risk factor A, risk factor B), we can see that the weight of risk factor A: the weight of risk factor B = 2: 1.154701. Similarly, in the pair of risk factors (risk factor A, risk factor C), we can see that the weight of risk factor A: the weight of risk factor C = 1.66164: 1.252136. When the ratio of the total weight of risk factor A, risk factor B, risk factor C, and risk factor D is a: b: c: d, the following formula is formed.

2b = 1.154701a2b = 1.154701a

1.66164c = 1.252136a1.66164c = 1.252136a

1.494477d = 1.345633a1.494477d = 1.345633a

1.112602c = 2.281172c1.112602c = 2.281172c

3.420304d = 11.045692b3.420304d = 11.045692b

1.345633d = 1.494477c1.345633d = 1.494477c

상기 수식을 풀게 되면, a:b:c:d를 구할 수 있을 것이다. 도 10에는 그 결과가 도시되어 있다. 도 10에 따른 결과는 대상 환자가 중증도를 개선하기 위하여는, 위험 인자 A, B, C, D의 순서로 개선이 필요함을 가리킨다.If we solve the above equation, we can get a: b: c: d. The results are shown in Fig. The results according to Fig. 10 indicate that in order to improve the severity of the subject, the risk factors A, B, C and D need to be improved in order.

다른 실시예에 따르면, 각 위험 인자 쌍에 대하여 구해진 각 위험 인자의 가중치 값을 합산하는 것에 의하여, 각 위험 인자의 중요도가 연산될 수도 있다. 이 때, 각 위험 인자 쌍의 중요도가 반영되어 합산될 수 있다. 위험 인자 쌍의 중요도는 여러 가지 기준을 통해 산정될 수 있다. 예를 들어, 상기 위험 인자 쌍의 상기 평면 상에 상기 질병의 과거 환자 데이터가 매핑된 점들이, 상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 가리키는 선명도를 연산하고, 상기 선명도가 높을 수록 상기 위험 인자 쌍의 중요도를 높게 결정할 수 있다. 이 때, 상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 연산하는 것은, 상기 질병의 과거 환자 데이터가 매핑된 점들 중, 상기 경계선을 기준으로 하여 반대편 중증도의 영역에 매핑된 점들의 개수를 카운트 하고, 상기 카운트 된 점이 많을 수록 상기 선명도를 낮게 결정하는 것을 포함할 수 있다.According to another embodiment, the importance of each risk factor may be calculated by summing the weights of the respective risk factors obtained for each pair of risk factors. At this time, the importance of each pair of risk factors can be reflected and added together. The importance of a pair of risk factors can be estimated through various criteria. For example, it is possible to calculate the sharpness indicating the degree to which the points to which the past patient data of the disease are mapped on the plane of the risk factor pair are divided into different severity points based on the boundary line, The higher the importance of the risk factor pair can be determined. The calculation of the degree of division of the severity points with reference to the boundary line may be performed on the basis of the mapped points of the past patient data of the disease, Counting the number of times, and decreasing the sharpness as the counted number of points increases.

연산된 각 위험 인자의 중요도 정보는, 상기 대상 환자에 대한 다양한 개인화 진료 서비스 제공을 위하여 사용될 수 있다. 예를 들어, 상기 대상 환자에 대한 처방에 개인화 된 정보를 부가할 수 있다. The importance information of each calculated risk factor may be used for providing various personalized care services to the target patient. For example, personalized information may be added to the prescription for the subject patient.

예를 들어, 처방 전달 시스템 등의 장치로부터 복수의 처방 항목으로 구성된 대상 환자에 대한 처방 데이터를 제공 받고, 대상 환자의 대상 질병에 대한 위험 인자 별 중요도 정보를 이용하여, 상기 대상 환자에 대한 처방에 우선 순위를 부여할 수 있다. 예를 들어, 상기 대상 환자에 대한 처방이 투약 처방 및 비투약 처방(운동 처방, 식이 요법 처방, 생활 습관 처방 및 수면 습관 처방 중 적어도 하나)을 포함하고, 대상 질병에 대한 중증도 경감을 위하여는 운동량 위험 인자의 중요도가 가장 높다면, 상기 대상 환자에 대한 처방에 운동 처방의 중요도에 대한 통계 데이터 등을 추가하는 방식으로, 상기 대상 환자에 운동량 개선의 중요성을 인지 시킬 수 있을 것이다.For example, prescription data is provided for a target patient composed of a plurality of prescription items from a device such as a prescription delivery system, and the prescription data for a target patient is stored in a prescription Priority can be given. For example, the prescription for the subject patient includes a dosage regimen and a non-medication prescription (at least one of an exercise prescription, a dietary prescription, a lifestyle prescription and a sleep habit prescription), and for reducing the severity of the target disease, If the importance of the risk factors is the highest, the importance of improving the exercise amount to the subject can be recognized by adding statistical data on the importance of the exercise prescription to the prescription of the subject patient.

몇몇 실시예에서, 제공 받은 처방 데이터에 특정 항목의 처방이 포함되어 있으나, 상기 특정 항목과 관련된 위험 인자의 중요도가 기준치 이상 낮은 경우, 상기 특정 항목의 처방을 자동으로 삭제할 수도 있다. 이는, 대상 환자에 대상 질병의 중증도 개선을 위한 선택과 집중을 돕는 효과가 있다.In some embodiments, prescription of the specific item is included in the provided prescription data, but the prescription of the specific item may be automatically deleted if the importance of the risk factor associated with the specific item is lower than a reference value. This has the effect of helping the patient to select and concentrate to improve the severity of the target disease.

지금까지 도 1 내지 도 10을 참조하여 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 전송되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 클라우드 서비스를 위한 서버 풀에 속한 물리 서버, 데스크탑 피씨와 같은 고정식 컴퓨팅 장치를 모두 포함한다.The methods according to the embodiments of the present invention described above with reference to Figs. 1 to 10 can be performed by the execution of a computer program embodied in computer readable code. The computer program may be transmitted from a first computing device to a second computing device via a network, such as the Internet, and installed in the second computing device, thereby enabling it to be used in the second computing device. The first computing device and the second computing device all include a server device, a physical server belonging to a server pool for cloud services, and a fixed computing device such as a desktop PC.

상기 컴퓨터프로그램은, 컴퓨팅 장치와 결합하여, 라우팅 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하는 단계, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계, 및 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 실행시키기 위한 것일 수 있다.The computer program comprising the steps of, in combination with a computing device, generating one or more risk-factor pairs comprising two risk factors of a plurality of risk factors of a routing disease, for each of the risk-factor pairs, Mapping the past patient data of the disease on a plane having the degree of severity, determining the boundary on the plane based on the severity of each patient, generating a weight for each risk factor using the slope of the boundary, And using the weight of each risk factor generated in each risk factor pair to determine a significance level for each risk factor.

또한, 상기 컴퓨터프로그램은, 컴퓨팅 장치와 결합하여, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하는 단계, 상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계, 및 상기 위험 인자 중요도 평가 장치가, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 실행시키기 위한 것일 수도 있다.The computer program may also be used in combination with a computing device to generate a risk factor pair consisting of two risk factors among a plurality of risk factors of the disease, Mapping the past patient data and subject patient data of the disease on a plane, determining the perimeter of the plane based on the severity of each patient, determining a boundary on the first axis with respect to the boundary of the point at which the subject patient data is mapped Generating a weight for each of the risk factors using the shortest distance and the shortest distance on the second axis; and calculating, using the weight of each risk factor generated in each pair of risk factors, Of the risk factors of the patient.

상기 컴퓨터프로그램은 DVD-ROM, 플래시 메모리 장치 등의 기록매체에 저장된 것일 수도 있다.The computer program may be stored in a recording medium such as a DVD-ROM, a flash memory device, or the like.

이하, 본 발명의 또 다른 실시예에 따른 위험 인자 중요도 평가 장치의 구성 및 동작을 도 11을 참조하여 설명한다. 도 11에 도시된 바와 같이, 본 실시예에 따른 위험 인자 중요도 평가 장치(10)는 하나 이상의 프로세서(101), 네트워크 인터페이스(103), 스토리지(107), 및 메모리(RAM)(105)를 포함할 수 있다. 프로세서(101), 네트워크 인터페이스(103), 스토리지(107) 및 메모리(105)는 시스템 버스(109)를 통하여 데이터를 송수신한다.Hereinafter, the configuration and operation of the risk factor importance evaluation apparatus according to another embodiment of the present invention will be described with reference to FIG. 11, the risk factor importance evaluation apparatus 10 according to the present embodiment includes one or more processors 101, a network interface 103, a storage 107, and a memory (RAM) 105 can do. The processor 101, the network interface 103, the storage 107 and the memory 105 transmit and receive data via the system bus 109. [

네트워크 인터페이스(13)는, 네트워크를 통해 EMR 시스템(20) 및 병원 내 단말(30)과 연결된다. 상기 네트워크는 병원 내 인트라넷일 수 있다. 네트워크 인터페이스(13)는 EMR 시스템(20)으로부터 대상 질병을 가진 대상 환자의 검진 데이터 및 상기 대상 질병을 가진 과거 환자들의 검진 데이터를 수신한다.The network interface 13 is connected to the EMR system 20 and the in-hospital terminal 30 via the network. The network may be an intra-hospital intranet. The network interface 13 receives the examination data of the patient having the target disease and the examination data of the past patients having the target disease from the EMR system 20.

스토리지(107)에는 질병 별 위험 인자 테이블(170)이 저장된다. 질병 별 위험 인자 테이블(170)은, 각 질병 별로 어떠한 위험 인자에 대하여 위험 인자 쌍을 구성해야 하는지를 가리킨다. 즉, 각 질병의 위험 인자들 중에서, 중요한 것으로 판단된 일부의 위험 인자들의 선정 결과가 질병 별 위험 인자 테이블(170)에 저장될 수 있다.The disease-specific risk factor table 170 is stored in the storage 107. The disease-specific risk factors table 170 indicates which risk factors should be configured for each disease. That is, among the risk factors of each disease, the selection results of some risk factors determined to be important can be stored in the disease-specific risk factors table 170. [

메모리(105)에 로드 되고, 프로세서(101)에 의하여 실행되는 위험 인자 별 중요도 평가 오퍼레이션(150)은, 질병 별 위험 인자 테이블(170)에서, 대상 환자의 질병에 대응하는 위험 인자를 조회하고, 조회된 위험 인자들에 대하여 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하고, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성한다. 또한, 위험 인자 별 중요도 평가 오퍼레이션(150) 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정한다.The importance evaluation operation 150 of the risk factor loaded into the memory 105 and executed by the processor 101 inquires the risk factor corresponding to the disease of the target patient in the disease risk factor table 170, Generating one or more pairs of risk factors consisting of two risk factors for the identified risk factors and for each of the risk factor pairs mapping the past patient data of the disease on a plane with each risk factor as one axis Determines a boundary line on the basis of the degree of severity of each patient, and generates a weight for each risk factor using the slope of the boundary line. In addition, the importance of each risk factor is determined by using the weight of each risk factor generated in each risk factor pair (150).

몇몇 실시예들에서, 위험 인자 별 중요도 평가 오퍼레이션(150)은 각 위험 인자 쌍에 대하여, 각 위험 인자 별 가중치를 생성함에 있어서, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성할 수 있다.In some embodiments, the risk factor-by-risk assessment operation 150 may include, for each risk factor pair, generating, for each risk factor, a weight for each risk factor, Weights for each risk factor can be generated using the shortest distance and the shortest distance on the second axis.

처방 관리 오퍼레이션(152)은, 처방 전달 시스템 등의 장치로부터 복수의 처방 항목으로 구성된 대상 환자에 대한 처방 데이터를 제공 받을 수 있다. 처방 관리 오퍼레이션(152)은, 위험 인자 별 중요도 평가 오퍼레이션(150)으로부터 대상 환자의 대상 질병에 대한 위험 인자 별 중요도 정보를 이용하여, 상기 대상 환자에 대한 처방에 우선 순위를 부여할 수 있다. 예를 들어, 상기 대상 환자에 대한 처방이 투약 처방 및 비투약 처방(운동 처방, 식이 요법 처방, 생활 습관 처방 및 수면 습관 처방 중 적어도 하나)을 포함하고, 대상 질병에 대한 중증도 경감을 위하여는 운동량 위험 인자의 중요도가 가장 높다면, 상기 대상 환자에 대한 처방에 운동 처방의 중요도에 대한 통계 데이터 등을 추가하는 방식으로, 상기 대상 환자에 운동량 개선의 중요성을 인지 시킬 수 있을 것이다.The prescription management operation 152 can receive prescription data for a target patient composed of a plurality of prescription items from a device such as a prescription delivery system. The prescription management operation 152 may prioritize the prescription for the subject patient by using the importance information for each risk factor for the subject disease of the subject patient from the importance evaluation operation 150 by the risk factor. For example, the prescription for the subject patient includes a dosage regimen and a non-medication prescription (at least one of an exercise prescription, a dietary prescription, a lifestyle prescription and a sleep habit prescription), and for reducing the severity of the target disease, If the importance of the risk factors is the highest, the importance of improving the exercise amount to the subject can be recognized by adding statistical data on the importance of the exercise prescription to the prescription of the subject patient.

몇몇 실시예에서, 처방 관리 오퍼레이션(152)은 제공 받은 처방 데이터에 특정 항목의 처방이 포함되어 있으나, 위험 인자 별 중요도 평가 오퍼레이션(150)으로부터 제공 받은 중요도 정보에 따르면 상기 특정 항목과 관련된 위험 인자의 중요도가 기준치 이상 낮은 경우, 상기 특정 항목의 처방을 자동으로 삭제할 수도 있다. 이는, 대상 환자에 대상 질병의 중증도 개선을 위한 선택과 집중을 돕는 효과가 있다.In some embodiments, the prescription management operation 152 includes prescription of a specific item in the provided prescription data, but according to the importance information provided by the risk factor-specific importance evaluation operation 150, the risk factor associated with the specific item If the importance level is lower than the reference value, the prescription of the specific item may be automatically deleted. This has the effect of helping the patient to select and concentrate to improve the severity of the target disease.

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 한정적인 것이 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.

Claims (14)

위험 인자 중요도 평가 장치가, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하는 단계;
상기 위험 인자 중요도 평가 장치가, 상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계; 및
상기 위험 인자 중요도 평가 장치가, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 포함하는,
위험 인자 중요도 평가 방법.
Wherein the risk factor importance evaluation apparatus comprises: generating at least one pair of risk factors consisting of two risk factors among a plurality of risk factors of the disease;
Wherein the risk factor importance evaluating device maps each of the risk factor pairs to the past patient data of the disease on a plane with each risk factor as one axis, Generating a weight for each risk factor using the slope of the boundary line; And
Wherein the risk factor importance evaluating apparatus includes a step of determining importance of each risk factor using a weight of each risk factor generated in each risk factor pair,
Risk factor criticality assessment method.
제1 항에 있어서,
상기 위험 인자 중요도 평가 장치가, 대상 환자의 중증도를 얻는 단계를 더 포함하고,
상기 질병의 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 과거 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 과거 환자의 데이터로 구성되는,
위험 인자 중요도 평가 방법.
The method according to claim 1,
Wherein the risk factor importance evaluating apparatus further includes a step of obtaining a severity of a target patient,
Wherein the past patient data of the disease comprises data of past patients with severity of the subject patient and data of past patients with severity one stage of relaxation of the severity of the subject patient,
Risk factor criticality assessment method.
제1 항에 있어서,
각각의 위험 인자에 대한 가중치를 생성하는 단계는,
상기 평면의 제1 축과 제2 축의 값을, 상기 중증도를 기준으로 스케일링하는 단계를 포함하는,
위험 인자 중요도 평가 방법.
The method according to claim 1,
Generating a weight for each risk factor comprises:
And scaling values of the first and second axes of the plane based on the severity.
Risk factor criticality assessment method.
제3 항에 있어서,
상기 스케일링하는 단계는,
상기 제1 축의 위험 인자와 중증도의 관계에 대한 제1 데이터를 얻는 단계;
상기 제1 데이터에서 상기 중증도가 한단계 악화되는 시점의 제1 축의 위험 인자 값을 상기 제1 축의 기준 수치로 세팅하는 단계;
상기 제2 축의 위험 인자와 중증도의 관계에 대한 데이터를 얻는 단계; 및
상기 제2 데이터에서 상기 중증도가 한단계 악화되는 시점의 제2 축의 위험 인자 값을 상기 제2 축의 기준 수치로 세팅하는 단계를 포함하되,
상기 제1 축의 기준 수치 및 상기 제2 축의 기준 수치는 동일한 간격으로 배치되는,
위험 인자 중요도 평가 방법.
The method of claim 3,
Wherein the scaling comprises:
Obtaining first data on a relationship between a risk factor and severity of the first axis;
Setting a risk factor value of a first axis at a time point at which the degree of severity deteriorates from the first data to a reference value of the first axis;
Obtaining data on a relationship between a risk factor and a severity of the second axis; And
Setting a risk factor value of a second axis at a time point at which the degree of severity deteriorates from the second data to a reference value of the second axis,
Wherein the reference value of the first axis and the reference value of the second axis are arranged at equal intervals,
Risk factor criticality assessment method.
제1 항에 있어서,
상기 위험 인자 중요도 평가 장치가, 상기 위험 인자 쌍 각각에 대하여 중요도를 결정하는 단계를 더 포함하고,
상기 각각의 위험 인자에 대한 중요도를 결정하는 단계는,
각 위험 인자 쌍의 중요도를 반영하여, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 합산함으로써, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 더 포함하는,
위험 인자 중요도 평가 방법.
The method according to claim 1,
Wherein the risk factor importance evaluating apparatus further comprises a step of determining a significance level for each of the pair of risk factors,
Wherein determining the importance for each of the risk factors comprises:
Further comprising determining the importance for each risk factor by summing the weights of each risk factor generated in each risk factor pair, reflecting the importance of each risk factor pair,
Risk factor criticality assessment method.
제5 항에 있어서,
상기 위험 인자 쌍 각각에 대하여 중요도를 결정하는 단계는,
상기 위험 인자 쌍의 상기 평면 상에 상기 질병의 과거 환자 데이터가 매핑된 점들이, 상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 가리키는 선명도를 연산하는 단계; 및
상기 선명도가 높을 수록 상기 위험 인자 쌍의 중요도를 높게 결정하는 단계를 포함하는,
위험 인자 중요도 평가 방법.
6. The method of claim 5,
Wherein determining the importance for each of the risk factor pairs comprises:
Calculating a sharpness indicating a degree to which points on which the past patient data of the disease are mapped on the plane of the risk factor pair are divided into different severity points based on the boundary line; And
And determining the importance of the risk factor pair as the sharpness is higher.
Risk factor criticality assessment method.
제6 항에 있어서,
상기 경계선을 기준으로 하여 서로 다른 중증도의 점들로 나누어진 정도를 연산하는 단계는,
상기 질병의 과거 환자 데이터가 매핑된 점들 중, 상기 경계선을 기준으로 하여 반대편 중증도의 영역에 매핑된 점들의 개수를 카운트 하는 단계; 및
상기 카운트 된 점이 많을 수록 상기 선명도를 낮게 결정하는 단계를 포함하는,
위험 인자 중요도 평가 방법.
The method according to claim 6,
The step of calculating the degree of division of points having different severity levels based on the boundary line may include:
Counting the number of points mapped to the opposite severity area based on the boundary line among the points to which past patient data of the disease is mapped; And
And determining the sharpness to be low as the counted number of points increases.
Risk factor criticality assessment method.
위험 인자 중요도 평가 장치가, 질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하는 단계;
상기 위험 인자 중요도 평가 장치가, 상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 단계; 및
상기 위험 인자 중요도 평가 장치가, 각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 단계를 포함하는,
개인화된 위험 인자 중요도 평가 방법.
Wherein the risk factor importance evaluation apparatus comprises: generating a risk factor pair consisting of two risk factors among a plurality of risk factors of the disease;
Wherein the risk factor importance evaluating device maps the past patient data and the subject patient data of the disease on a plane having each of the risk factors as one axis for the risk factor pair, Generating a weight for each risk factor using the shortest distance on the first axis and the shortest distance on the second axis to the boundary of the point to which the subject patient data is mapped; And
Wherein the risk factor importance evaluating apparatus includes a step of determining importance of each risk factor using a weight of each risk factor generated in each risk factor pair,
Personalized Risk Factor Rating Methodology.
제8 항에 있어서,
상기 질병의 과거 환자 데이터는, 상기 대상 환자의 중증도를 가진 환자의 데이터 및 상기 대상 환자의 중증도 보다 1단계 완화된 중증도를 가진 환자의 데이터로 구성되는,
개인화된 위험 인자 중요도 평가 방법.
9. The method of claim 8,
Wherein the past patient data of the disease comprises data of a patient having severity of the subject patient and data of a patient having severity one stage of relaxation of the severity of the subject patient,
Personalized Risk Factor Rating Methodology.
제8 항에 있어서,
상기 위험 인자 중요도 평가 장치가, 상기 각각의 위험 인자의 중요도를 이용하여, 상기 대상 환자에 대한 처방에 우선 순위를 부여하는 단계를 더 포함하는,
위험 인자 중요도 평가 방법.
9. The method of claim 8,
Wherein the risk factor importance evaluating apparatus further includes a step of giving priority to the prescription for the target patient using the importance of each of the risk factors.
Risk factor criticality assessment method.
제10 항에 있어서,
상기 대상 환자에 대한 처방은, 투약 처방 및 비투약 처방을 포함하고,
상기 비투약 처방은, 운동 처방, 식이 요법 처방, 생활 습관 처방 및 수면 습관 처방 중 적어도 하나를 포함하는,
위험 인자 중요도 평가 방법.
11. The method of claim 10,
The prescription for the subject patient includes a medication prescription and a non-medication prescription,
Wherein the non-medication prescription comprises at least one of an exercise prescription, a dietary prescription, a lifestyle prescription, and a sleep habit prescription,
Risk factor criticality assessment method.
제10 항에 있어서,
상기 대상 환자에 대한 처방에 우선 순위를 부여하는 단계는,
상기 대상 환자에 대한 처방 중 중요도가 기준치 이하인 위험 인자와 관련된 처방을 자동으로 삭제하는 단계를 포함하는,
위험 인자 중요도 평가 방법.
11. The method of claim 10,
Wherein prioritizing the prescription for the subject patient comprises:
And automatically deleting a prescription related to a risk factor having a significance level lower than a reference value in the prescription for the subject patient,
Risk factor criticality assessment method.
네트워크 인터페이스;
하나 이상의 프로세서;
상기 프로세서에 의하여 수행 되는 컴퓨터프로그램을 로드(load) 하는 메모리; 및
하나 이상의 파일을 저장하는 스토리지를 포함하되,
상기 컴퓨터프로그램은,
질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 하나 이상의 위험 인자 쌍을 생성하는 오퍼레이션;
상기 위험 인자 쌍 각각에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 경계선의 기울기를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 오퍼레이션; 및
각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 오퍼레이션을 포함하는,
위험 인자 중요도 평가 장치.
Network interface;
One or more processors;
A memory for loading a computer program executed by the processor; And
A storage for storing one or more files,
The computer program comprising:
An operation to generate one or more risk factor pairs consisting of two risk factors among a plurality of risk factors of the disease;
Mapping the past patient data of the disease on a plane with each risk factor as an axis for each of the risk factor pairs and determining a boundary on the plane based on the severity of each patient, An operation for generating a weight for each risk factor using the risk factors; And
Using the weight of each risk factor generated in each risk factor pair to determine the importance of each risk factor,
Risk factor criticality assessment device.
네트워크 인터페이스;
하나 이상의 프로세서;
상기 프로세서에 의하여 수행 되는 컴퓨터프로그램을 로드(load) 하는 메모리; 및
하나 이상의 파일을 저장하는 스토리지를 포함하되,
상기 컴퓨터프로그램은,
질병의 복수의 위험 인자 중 2개의 위험 인자로 구성된 위험 인자 쌍을 생성하는 오퍼레이션;
상기 위험 인자 쌍에 대하여, 각각의 위험 인자를 한 축으로 하는 평면 상에 상기 질병의 과거 환자 데이터 및 대상 환자 데이터를 매핑하고, 각 환자의 중증도를 기준으로 한 상기 평면 상의 경계선을 결정하며, 상기 대상 환자 데이터가 매핑된 점의 상기 경계선에 대한 제1 축 상의 최단 거리 및 제2 축 상의 최단 거리를 이용하여 각각의 위험 인자에 대한 가중치를 생성하는 오퍼레이션; 및
각 위험 인자 쌍에서 생성된 각 위험 인자의 가중치를 이용하여, 각각의 위험 인자에 대한 중요도를 결정하는 오퍼레이션을 포함하는,
위험 인자 중요도 평가 장치.
Network interface;
One or more processors;
A memory for loading a computer program executed by the processor; And
A storage for storing one or more files,
The computer program comprising:
An operation to generate a risk factor pair consisting of two risk factors among multiple risk factors of the disease;
Mapping the past patient data and subject patient data of the disease on a plane with each risk factor as an axis for the risk factor pair and determining the boundary line on the basis of the severity of each patient, Generating a weight for each risk factor using the shortest distance on the first axis and the shortest distance on the second axis to the boundary of the point to which the subject patient data is mapped; And
Using the weight of each risk factor generated in each risk factor pair to determine the importance of each risk factor,
Risk factor criticality assessment device.
KR1020150076130A 2015-05-29 2015-05-29 Method and apparatus for estimating importance factor of each occurring factor of specific disease KR20160140046A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150076130A KR20160140046A (en) 2015-05-29 2015-05-29 Method and apparatus for estimating importance factor of each occurring factor of specific disease

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150076130A KR20160140046A (en) 2015-05-29 2015-05-29 Method and apparatus for estimating importance factor of each occurring factor of specific disease

Publications (1)

Publication Number Publication Date
KR20160140046A true KR20160140046A (en) 2016-12-07

Family

ID=57573802

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150076130A KR20160140046A (en) 2015-05-29 2015-05-29 Method and apparatus for estimating importance factor of each occurring factor of specific disease

Country Status (1)

Country Link
KR (1) KR20160140046A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190009166A (en) * 2017-07-18 2019-01-28 사회복지법인 삼성생명공익재단 Method, Apparatus and Program for Predicting Prognosis of Ovarian Cancer Using Machine Learning

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101175548B1 (en) 2010-10-21 2012-08-21 주식회사 알엑스커뮤니케이션즈 System and method for surveying drug prescribing patterns using internet
KR20120119145A (en) 2011-04-20 2012-10-30 이승주 Human information provision system for health management and human information provision method thereof
KR20140068727A (en) 2012-11-28 2014-06-09 (주)웰티즌 A health information based customized exercise compliance rate providing method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101175548B1 (en) 2010-10-21 2012-08-21 주식회사 알엑스커뮤니케이션즈 System and method for surveying drug prescribing patterns using internet
KR20120119145A (en) 2011-04-20 2012-10-30 이승주 Human information provision system for health management and human information provision method thereof
KR20140068727A (en) 2012-11-28 2014-06-09 (주)웰티즌 A health information based customized exercise compliance rate providing method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190009166A (en) * 2017-07-18 2019-01-28 사회복지법인 삼성생명공익재단 Method, Apparatus and Program for Predicting Prognosis of Ovarian Cancer Using Machine Learning

Similar Documents

Publication Publication Date Title
US20200335219A1 (en) Systems and methods for providing personalized prognostic profiles
Alanis et al. A Markov chain model for an EMS system with repositioning
US20180151252A1 (en) Method and apparatus for a virtual clinical trial self-recruitment marketplace for patients based on behavioral stratification, patient engagement and patient management during clinical trials using behavioral analytics, gamification and cognitive techniques
Kramer et al. The association between ICU readmission rate and patient outcomes
Pollack et al. Patient sharing among physicians and costs of care: a network analytic approach to care coordination using claims data
AU2012245343B2 (en) Predictive modeling
US11276494B2 (en) Predicting interactions between drugs and diseases
Leisman Rare events in the ICU: an emerging challenge in classification and prediction
US20210158909A1 (en) Precision cohort analytics for public health management
Jacoba et al. Biomarkers for progression in diabetic retinopathy: expanding personalized medicine through integration of AI with electronic health records
US10902943B2 (en) Predicting interactions between drugs and foods
US20210265063A1 (en) Recommendation system for medical opinion provider
CN113436738A (en) Method, device, equipment and storage medium for managing risk users
Mahendra et al. Predicting NICU admissions in near-term and term infants with low illness acuity
Wong et al. Derivation and validation of a model to predict daily risk of death in hospital
US11551817B2 (en) Assessing unreliability of clinical risk prediction
M. Essa et al. Data processing platforms for electronic health records
US11955209B2 (en) Cohort selection for agile processes
US20170186120A1 (en) Health Care Spend Analysis
KR20160140046A (en) Method and apparatus for estimating importance factor of each occurring factor of specific disease
CN112189209A (en) System and method for quantifying customer engagement
US20190108451A1 (en) Cognitive health care vital sign determination to negate white coat hypertension impact
WO2020141097A1 (en) Method for performing complex computing on very large sets of patient data
Ricciardi et al. Evaluation of different machine learning algorithms for predicting the length of stay in the emergency departments: a single-centre study
Lee et al. Predicting complications of percutaneous coronary intervention using a novel support vector method

Legal Events

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