KR20170129937A - 정신적 고통 모니터링 시스템 - Google Patents

정신적 고통 모니터링 시스템 Download PDF

Info

Publication number
KR20170129937A
KR20170129937A KR1020177030648A KR20177030648A KR20170129937A KR 20170129937 A KR20170129937 A KR 20170129937A KR 1020177030648 A KR1020177030648 A KR 1020177030648A KR 20177030648 A KR20177030648 A KR 20177030648A KR 20170129937 A KR20170129937 A KR 20170129937A
Authority
KR
South Korea
Prior art keywords
user
data
index
unconscious
mental
Prior art date
Application number
KR1020177030648A
Other languages
English (en)
Inventor
드니 폼페린
Original Assignee
디지털 포 멘탈 헬스
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 디지털 포 멘탈 헬스 filed Critical 디지털 포 멘탈 헬스
Publication of KR20170129937A publication Critical patent/KR20170129937A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Cardiology (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pulmonology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명에 따른 시스템은:
- 사용자별 고유 생리 데이터 및 사용자별 고유 행동 데이터의 결합 인덱스로서, 사용자에 의해 달성된 무의식적 적응 인덱스를 측정하는 측정시스템(23), 및
- 실험체 사용자에 의해 달성된 무의식적 적응 인덱스 값과 상기 실험체 사용자의 정신적 고통의 병력 데이터 간에 관계를 기술한 사전설정된 구조화 실험데이터와, 예측모델(16)로부터 정신적 고통의 패턴을 포함하는 정신적 고통 그리드 내에서 사용자의 위치를 나타내는 패턴 인덱스를 계산하는 계산시스템(25)을 구비한다.

Description

정신적 고통 모니터링 시스템
본 발명은 정신적 고통 모니터링 시스템에 관한 것이다.
통신 시스템의 발달과 함께 이러한 시스템을 사용하여 사람들을 모니터링하는 경향이 있어 왔다. 실제로, 누군가에 대해 더 많은 데이터를 얻을 수 있고, 더 적절한 서비스가 이론상 제공될 수 있다. 이러한 모니터링의 전형적인 예는 소비 습관에 대한 지면 설문이 점차 온라인 설문조사로 대체된 판매광고 및 심지어 전자통신 설문조사에서 찾을 수 있다.
이러한 추세는 또한 의학계에서도 관찰되었다. 진단 분야에서, 예를 들어, 일상 생활에서 의사(또는 내과의사)는 환자를 관찰하기 위해 환자와 시간의 거의 없어 이 정보를 기반으로 진단을 한다. 인터뷰를 하는 동안, 환자는 항상 의사가 DSM-V와 같은 정신질환의 점수제와 관련해 진단을 하는 게 반드시 필요하다고 표현하지 않는다. 인터뷰 시간은 많이 소요되며 최소 20분이 필요하다. 그렇지 않으면 진찰을 벗어난 병의 전개가 매우 급격해질 수 있다. 최근 연구("1차 진료에서 우울증의 임상 진단:메타 분석", 미첼 등, The Lancet, Volume 374, Issue 9690, 8월 22-28일, p. 609)에 따르면, 1차 진료의(일반 의사)의 50%가 우울증 진단을 놓친다.
환자의 더 나은, 그리고 특히, 더 긴 관찰은 의사가 환자에 대한 더 많은 정보를 얻고 적절한 진단을 행할 수 있도록 하는데 유용할 수 있다. 그러나, 경제적인 이유로 관찰 기간을 더 길게 할 수 없다. 또한, 일부 환자는 자신의 의사를 방문하기를 꺼려하여 진단이 불가능할 수 있다.
상기 논의는 특히 정신건강 분야에서 사실이다. 육체적인 질병의 경우, 생리 학적 증상은 감지될 수 있어 진단할 수 있다. 그러나, 정신건강 분야에서, 감지하기 어려운 질병의 몇 가지 눈에 보이는 증상이 있을 수 있고/있거나, 특히 1차 진료의나 심지어 정신건강 분야와는 다른 분야의 전문가에 의해, 다소 숨겨질 수 있다. 특히, 환자는 정신질환으로 야기되거나 적어도 겹칠 수 있는 육체적 질병에 대해 의사를 방문할 수 있다. 심지어 정신질환을 진단내릴 수 있는 언급이 없어, 환자의 의사는 자신의 환자와 함께 보낸 몇 분을 기준으로 상기 환자가 전문가를 방문하는 것이 필요 여부를 결정해야 한다.
해당 기술분야에서는, 특히 심리평가 관점에서, 환자에 관한 일부 데이터를 얻을 수 있는 몇몇 전문가 시스템이 제안되었다.
WO 2014/110,120은 이러한 시스템의 예이다. 이 시스템은 원래 사실상 모든 종류의 건강관련 문제(식당이 제공한 음식, 액티비티로서 카약, 여행 등과 관련된 건강관련 문제)에 대한 전문가 시스템으로 설계되었다. 환자의 "기분"이 전문가 시스템에 의해 고려되어야하는 요인들 중 하나로 사용된다. 상기 참고문헌의 마지막 부분에서, 환자의 "전반적인 정신상태"는 문자 메시지에서 환자가 사용한 이모티콘을 기반으로 결정된 "감정"을 집계하여 평가내릴 수 있다고 언급되어 있다. "정신상태"의 악화가 감지될 수 있다고 한다. 두 가지 예가 있다, 즉:
- 정신병 병력이 없는 환자에서의 "우울증 또는 분노의 연장 기간"
- 우울증 병력이 있는 환자에게 "갑작스런 행복감".
따라서, 상기 참조문헌은 문자 메시지에서 환자가 사용하는 이모티콘의 기록을 바탕으로 가능한 정신질환을 결정하는 것을 언급하고 있다.
EP 2 660 745는 PC, 전화 또는 이메일 활동에서의 변화 및 머신러닝을 이용해 "MDE, 조병, 기분 저하, 식욕, 폭식증, 정신병, 강박, 공포, 공포증, GAD, 해리, 심신증, PTSD, BLPD, 약물 남용, 수면 장애"와 같은 정신질환의 진단을 내릴 수 있다고 한다. 그러나, 이것이 어떻게 달성될 수 있는지에 대한 실용적인 설명은 없다.
실제로, 환자별 데이터를 계산하는 것에서 정신질환 진단, 또는 적어도 진단 지원을 제공할 수 있다고 언급한 그러한 많은 문서가 있다. 예를 들어, 몇가지 말하면, WO 2012/025,622, WO 2011/109,716, US 2011/118,555, US 2008/208015, WO 2006/090,371이 참조된다. 그러나 이들 대부분은 실제로 정신질환과 관련이 없으나, 정신질환과 직접적인 상관관계가 없는 사용자의 기분이나 감정에만 관련된다.
이 참조문헌 중 일부는 처리될 수 있는 데이터에 대하여 많은 세부사항으로 들어갈 경우, 효과적으로 진단하거나 이 데이터를 기반으로 정신질환의 진단을 지원하는 방법에 대해 많은 설명이 없다.
이러한 시스템은 더 많은 카운트 이벤트를 할 수 없는 것으로 보인다.
생리적 데이터를 기초로 착용자의 "시원함" 수준을 표시할 수 있는 시계를 개시하는 WO 2007/107,900은 약간 상이하다. 착용자가 땀을 흘리지 않거나 심박수가 낮으면 "시원하다"고 표시된다. "시원함"은 스트레스에 대처할 수 있는 능력으로 언급된다. 그러나, 이 장치가 스트레스에 대한 반응으로서 심박수가 높아지고 땀흘리는 착용자 대 20회 팔굽혀 펴기를 해서 심박수가 높아지고 땀흘리는 착용자를 구별할 수 있게 하는지 의심스럽다. 따라서. 이 장치는 사용자가 스트레스를 겪고 있다는 것을 알고 있을 때에(있을 경우에)만 작동할 것이다.
요약하면, 대부분의 종래기술의 문서는 사용자의 감정, 정서 및/또는 스트레스의 측정과 관련있으나, 정신적인 고통과는 관련이 없다. EP 2 730 223, WO 2013/177,688 및 WO 2013/076,615는 이러한 문서의 예이다. EP 2 730 223 감정, 정서와 스트레스에 대한 것이다. WO 2013/177,688은 유일하게 감정에 관한 것이다(주어진 예는 "분노"다). WO 2013/076,615는 스트레스를 예측하기 위한 1회의 생리학적 측정에 기초한다.
WO 02/092101은 동물에 관한 것이다.
따라서, 실질적으로 사용자의 정신적 고통을 모니터링할 수 있게 하는 시스템에 대한 필요성이 여전히 있다.
이를 위해, 인간 사용자의 정신적 고통 모니터링 시스템이 제공된다.
사용자의 정신적 고통 모니터링 시스템은 측정시스템을 포함한다. 측정시스템은 인간 사용자가 달성한 무의식적 적응 인덱스를 반복적으로 측정한다.
측정시스템은 사용자의 생리적 파라미터를 나타내는 데이터를 포함하는 시간의존적 사용자별 고유 생리 데이터 세트 및 사용자의 행동 파라미터를 나타내는 데이터를 포함한 시간의존적 사용자별 고유 행동 데이터 모두를 포함하는 시간의존적 사용자별 고유 데이터 세트를 저장하는 메모리에 액세스할 수 있는 프로세서를 포함한다.
프로세서는 시간의존적 사용자별 고유 데이터 세트를 반복적으로 분석하여 사용자별 고유 생리 데이터 및 사용자별 고유 행동 데이터의 결합 인덱스로서 상기 시간의존적 사용자별 고유 데이터로부터 인간 사용자에 의해 달성된 무의식적 적응 인덱스 값을 반복적으로 결정하기 위한 계산기를 포함한다.
사용자의 정신적 고통을 모니터링 하는 시스템은 적어도 사용자에 대해 측정된 무의식적 적응 인덱스 값, 및 메모리에 저장되고 실험체 사용자에 의해 달성된 무의식적 적응 인덱스 값과 상기 실험체 사용자의 정신적 고통의 병력 데이터 간에 관계를 기술한 사전설정된 구조화 실험데이터를 기초로, 예측모델로부터 정신적 고통의 패턴을 포함하는 정신적 고통 그리드 내에서 사용자의 위치를 나타내는, 정신적 고통의 패턴을 표현하는 사용자의 가능성을 나타내는 패턴 인덱스를 계산하는 계산시스템을 구비한다.
상술한 바와 같이, 본 발명의 시스템은 생리 데이터 및 행동 데이터의 결합 인덱스에 따른다.
이 인덱스는 시스템의 사용자에 의해 수행된 무의식적 적응을 판단하게 한다.
사용자에 의한 무의식적 적응은 사용자가 정신적 고통 패턴을 나타낼 가능성을 결정하는데 사용된다.
시스템은 사용자에 대한 패턴 인덱스를 제공한다. 패턴 인덱스는 진단이 아니라, 의사가 판단을 내릴 수 있도록 다른 데이터와 함께 해석할 수 있는 데이터이다. 판단은 가령 사용자가 몇 시간 동안 시스템을 계속 사용하게 하거나, 시스템 사용을 중단하게 하는 것일 수 있다. 판단은 반드시 의료적 판단일 필요는 없다.
몇몇 실시예에서, 다음의 특징들 중 하나 이상을 또한 이용할 수 있다:
- 인간 사용자의 정신적 고통을 모니터링하는 시스템은 적어도 사용자에 대한 무의식적 적응의 이전 인덱스와 상기 사전설정된 구조화 실험데이터에 기초하여 무의식적 적응의 사용자별 고유 인덱스를 구성하도록 형성된 무의식적 적응 인덱스 구성모듈을 포함한다;
- 무의식적 적응 인덱스 구성모듈은 사용자에 대한 이전의 무의식적 적응의 이전 인덱스를 상기 사전설정된 구조화 실험데이터와 비교하고, 결합 인덱스에 통합될 파라미터를 결정한다;
- 모니터링 시스템은 상기 측정된 데이터의 측정이 수행되는 시간에 따라 측정된 데이터를 스탬핑하는 시계를 포함하며, 이로써 사용자별 고유 데이터가 결합된 측정 데이터 및 시간 데이터를 포함한다;
- 모니터링 시스템은 상기 측정된 데이터의 측정이 수행되는 거시적 위치 데이터로 측정된 데이터를 스탬핑하는 위치 확인시스템을 포함하며, 이로써 사용자별 고유정 데이터는 결합된 측정 데이터 및 거시적 위치 데이터를 포함한다;
- 측정 시스템은 무의식적 적응 인덱스의 측정을 트리거하도록 구성되고, 사용자별 고유 데이터에 기초하여 측정의 트리거링을 결정하는 사전결정된 트리거링 규칙을 포함하는 트리거링 모듈을 구비한다;
- 무의식적 적응 인덱스는 사용자별 고유 생리 데이터, 사용자별 고유 행동 데이터, 및 결합 인덱스의 계산에 사용된 사용자별 고유 데이터가 획득된 경우를 나타내는 비정기 데이터의 결합 인덱스이다;
- 비정기 데이터는 시간 데이터 및 거시적 위치 데이터 중 하나 이상을 포함한다;
- 무의식적 적응 인덱스는 사용자 환경에 대한 데이터와 관련한 사용자별 고유 생리 데이터, 사용자별 고유 행동 데이터 및 사용자별 고유 환경 데이터의 결합 인덱스이다;
- 인간 사용자의 정신적 고통을 모니터링 하는 시스템은 패턴 인덱스 및 관련 인간 사용자 ID 데이터를 의료시설에 전송하는 의료시설과의 연결을 더 포함하고, 상기 패턴 인덱스가 상기 의료시설로 전달되는지 여부를 식별하도록 구성된 식별모듈을 더 포함하며, 상기 식별모듈은 패턴 인덱스를 의료시설로 전송할 때를 결정하는 사전설정된 전달 규칙을 포함한다;
- 예측모델은 사용자별 고유 예측모델이며, 상기 사전설정된 구조화 실험데이터는 또한 무의식적 적응 인덱스의 이전 사용자별 고유값과 상기 사용자의 정신적 고통 병력 데이터를 포함한다;
- 예측모델은 시간의존적이며, 모니터링 시스템의 인간 사용자에 의해 달성된 무의식적 적응 인덱스 값과 실험체 사용자의 정신적 고통 병력 데이터 간의 관계에 대해 기술하는 구조화 실험데이터에 의해 반복적으로 향상된다;
- 인간 사용자의 정신적 고통을 모니터링 하는 시스템은 하기의 특징들, 즉:
·사용자가 사용자별 고유 데이터를 기록할 수 있도록 형성된 입력장치; 및
·정보를 사용자에게 디스플레이하도록 형성된 디스플레이 장치(27) 중 하나 이상을 포함하는 사용자 인터페이스를 더 포함한다.
본 발명의 내용에 포함됨.
본 발명의 다른 특징들 및 이점들은 비제한적인 예로서 제공된 실시예들 중 하나에 대한 하기의 설명과 첨부도면들로부터 쉽게 드러난다.
도 1은 휴대용 측정시스템을 착용한 사용자의 개략도이다.
도 2는 일실시예에 따른 시스템의 개략도이다.
도 3은 일실시예에 따른 이용가능한 그리드를 도시한 것으로, 각 열은 패턴을 나타내고, 라인은 다양한 레벨(상단 라인: 하이 레벨, 하단 라인: 로우 레벨)을 나타내며, 부호는 그리드에서 개인을 나타낸다.
다른 도면에서, 동일한 참조부호는 동일하거나 유사한 요소를 나타낸다.
본 시스템은 정신적 고통을 모니터링할 필요가 있는 사용자에 사용되도록 설계되어 있다. 사용자의 정신적 고통을 모니터링하는 것은 예를 들어 의사, 또는 사용자 스스로에게 필요한 것으로 나타날 수 있다. 본원에서 사용된 바와 같이 "사용자는" 일반적으로 말하면 사용자가 반드시 이미 진단된 정신질환, 또는 질병이 있을 필요가 없다는 점에서, 반드시 환자일 필요가 없다. 주로, 본 시스템은 정신질환으로 진단받지 못한 사용자를 대상으로 한 것이다. 본 시스템은 예를 들어 정신질환을 앓을 위험이 있다고 생각되는 사용자가 사용하기 위한 것이다. 본 시스템의 또 다른 주요 목표는 특히 재발 위험을 모니터하기 위해 정신병으로 치료받았던 사용자인 것으로 드러난다. 사용자는 반드시 정신적 고통을 나타낼 필요가 없다. 본 시스템은 정신적 고통의 위험이 있는 사용자에게 사용될 수 있다. 상기 용도와 다른 용도도 가능한 것으로 나타난다.
여기서, 본 시스템은 사용자 관점에서 기술된다. 또한 본 시스템은 대안으로 적어도 또는 다른 관점에서 하나 이상의 중앙 스테이션(15), 최종 사용자 스테이션(10+23), 및 의료 스테이션(18)을 포함한 서비스 제공자의 관점에서도 볼 수 있음에 유의해야 한다.
본 시스템은 정신적 고통의 평가에 유용한 핵심 데이터로서 사용자가 행하는 무의식적 적응량에 초점을 맞추고 있다. 이러한 데이터는 정신건강을 진단하거나 치료할때 의사가 고려할 수 있다.
본 시스템은 일상 생활에서 사용자가 행하는 무의식적 적응량에 초점을 맞추고 있다.
무의식적 적응에는 사용자가 매일 처리해야하는 상황에 적응하기 위해 사용자가 행한 무의식적인 노력이 포함된다.
무의식적 적응에 대한 설명
정신질환의 발병에는 여러 가지 원인이 있을 수 있다. 이는 정신병의 발병을 야기하는 메커니즘에 대한 많은 세부적 내용으로 들어가려면 현재의 참고문헌을 넘어선다. 그러나 정신병은 사람이 겪은 외상의 결과로 발병할 수 있다고 말할 수 있다. 외상은 전쟁터로 가는 것에서 자신의 버스를 놓치는 것에 이르기까지 무엇이든 될 수 있으며, 사람들은 이에 대해 다르게 반응한다.
외상에 영향을 경우, 사람은 일상의 생활 상황에 대처하기 위해 다양한 행동전략을 이용한다.
자신의 버스를 놓친 예를 계속 들면, 이러한 행동전략은 어떤 사람들에게:
- 새 시계를 사는 것;
- 미래의 약속을 위해 5분 일찍 나가는 것;
- 약속 전에 자신의 시계를 더 반복적으로 확인하는 것; 및
- 약속하기 전에 땀이나거나 심장박동이 높아지는 것 등등 중 하나를 포함할 수 있다.
상기 목록은 결코 한정하는 것이 아니다. 몇몇 사람들은 하나 이상의 상기 행동전략들을 보이거나, 심지어는 전혀 어떠한 행동전략들로 대처할 수 없다.
이러한 행동은 시간이 지나면서 진화할 수 있다. 예를 들어, 시간에 따라, 사람은 약속 전에는 덜 일찍 나갈 것이다.
이러한 행동전략의 대부분은 측정될 수 있다. 그러나, 그와 같이, 정신적 고통을 나타내는 인덱스(index)는 없다. 정신건강 관점에서, 정신적 고통 있는 사람과 없는 사람 모두는 상기 행동전략 중 어느 하나를 구현할 수 있다. 예컨대, 정신적 고통이 있는/없는 사람은 회의 전에 더 반복적으로 시계를 확인할 수 있다. 대안으로, 정신적 고통이 있는 사람은 위의 행동전략 중 어느 것도 나타내지 않을 수 있고, 정신적 고통이 없는 사람은 나타낼 수도 있다.
따라서, 정신적 고통의 상태를 모니터링 할 때 대처 행동의 측정이 주요 파라미터가 아닐 수도 있다.
의사 또는 사용자가 사용하는 흥미로운 파라미터는 일상생활 상황에 맞게 사용자에 의한 무의식적 적응인 것으로 보인다. 상기 시나라오에서 다소 간단한 예로서, 사용자가 미래의 약속에 시간 맞추기 위해 5분 평소보다 더 일찍 나가는 것은 아무것도 아닐 수 있다. 그러나, 몇몇 사용자에게는, 이는 몹시 힘든 노력을 필요로 조절을 필요로 할 수 있다. 본 시스템은 이러한 조절을 정량화하는 것을 달성한다.
대처 행동전략을 측정할 때 이러한 적응은 감지되지 않을 수도 있다. 실제로, 사용자는 그/그녀의 대처 행동전략 중 몇몇 통제를 행한다. 그러나, 적응하기 위해 사용자가 행한 일부 무의식적 노력이 있고, 이것이 본 시스템이 측정하는 것이다. 이 무의식적 적응은 또한 사용자가 행한 무의식적인 노력을 포함한다.
시스템 개요
무의식적 적응의 판단은 피처리 데이터를 필요로 한다. 도 1은 시스템의 사용자(1)를 개략적으로 도시한 것이다. 시스템은 획득시스템(2)을 포함한다. 획득시스템(2)은 사용자(1)가 지닐 수 있다. 획득시스템(2)을 사용자가 지닐 수 있게 하는 많은 가능성이 있다. 도 1은 하나의 개략적인 예이다.
획득시스템(2)은 활성 감지부(3) 및 전자부품(4)을 포함한다. 활성 감지부(3)와 전자부품(4)은 가령 유선(5), 또는 무선을 통한 임의의 적절한 방법으로 서로 연결될 수 있다. 웨어러블이며 따라서 전력소비에 여전히 제한받는 전자부품(4)은 감지부(3)를 작동시키기 위한 기본 기능들에 한정될 수 있다. 특히, 이는 감지부(3)를 다루는 프로세서(6), 감지부(3)가 선택한 데이터를 저장하기 위한 메모리(7), 획득시스템(2)에 전력을 공급하기 위한 배터리(8), 및 외부와 통신하기 위한 통신모듈(9)을 포함할 수 있다. 외부는 기지국(10)으로 구현된다. 이런 통신은 무선일 수 있다. 대안으로, 웨어러블 장치는 때때로 기지국(10)에 전기 연결될 수 있고 이때 통신이 발생할 수 있다.
프로세서(6)는 메모리(7)에 저장된 데이터를, 예를 들어, 사전 필터링에 의해 전처리하거나, 미래의 계산 또는 통신을 고려하여 데이터 세트의 크기를 줄이도록 프로그래밍될 수 있다.
본 실시예에 따르면, 획득시스템(2)은 와이어를 통해 서로 통신하는 두 부분으로 도시되어 있다. 그러나, 변형으로, 획득시스템은 하나의 장치일 수 있고, 이로써 전자부품(4)이 감지부(3)와 함께 하나의 장치에 통합된다.
기지국(10)이 영구히 전력라인에 연결될 수 있다. 이는 획득시스템(2)로부터 전송된 데이터를 저장하는 메모리(11), 프로세서(12), 및 상기 획득시스템(2)과 통신하기 위한 통신모듈(13)을 포함할 수 있다. 기지국(10)은 가령 사용자 입장에서 영구적이다. 통신모듈(13) 임의의 적절한 네트워크(14), 가령 인터넷을 통해 외부 세계에 액세스하도록 설계될 수 있다. 이하에서 더 상세히 설명되는 바와 같이, 특히, 기지국(10)은, 예측모델(16)과 실험데이터(17)를 포함한 원격서버(15)에 액세스할 수 있다.
상기 시스템은 의료 스테이션(18)을 더 포함할 수 있다. 의료 스테이션(18)은 네트워크(14)를 통해 시스템의 다른 구성요소들에 연결될 수 있다. 의료 스테이션(18)은 이하에서 보다 상세하게 설명된다.
사용자 측으로 돌아와, 활성 감지부(3)의 사용을 전술하였다. 활성 감지부(3)는 하나 이상의 파라미터를 감지할 수 있다. 하나 이상의 파라미터를 감지하는 경우, 도시된 바와 같이, 복수의 활성 감지부(3)를 고려할 수 있다. 예를 들어, 모든 감지부(3)가 동일한 전자부품(4)에 연결된다. 대안으로, 이들은 다른 전자부품(4)에 연결될 수 있다. 그런 후 상기 시스템은 각각 기지국(10)과 연결된 복수의 획득시스템(2)을 갖는다. 또 다른 대안에 따르면, 하나의 활성 감지부(3)가 전자부품(4)에 통합될 수 있다. 이는, 가령, 하나의 활성 감지부(3)가 자신의 위치를 감지하는 지상 위치설정시스템인 경우일 수 있다.
일반적으로, 기지국(10)은 획득시스템(2)에 연결될 수 있다. 웨어러블 획득시스템(2) 이외에, 시스템은 본 시스템용의 획득 시스템으로서 동작하도록 업그레이드된 유용한 전자장치(2')인 몇몇 획득시스템들(2)을 포함할 수 있다. 업그레이드는 예를 들어 전자장치에 검출될 수 있는 데이터를 검출하고, 상기 데이터를 기지국(10)으로 전달하는 특정 소프트웨어를 기존의 전자장치(2')에 업로드함으로써 행해질 수 있다.
필요하다면, 기지국(10)은 사용자가 사용자별 고유 데이터를 기록할 수 있는 키보드 등과 같은 입력장치를 포함할 수 있다. 기지국(10)은 또한 사용자와의 대화식 통신을 가능하게 하기 위해 디스플레이(27)와 같은 다른 사용자 인터페이스를 포함할 수 있다.
사용자별 고유 데이터 및 센서
하나 이상 타입의 사용자별 고유 데이터를 시스템 내에서 사용할 수 있다. 한 가지 타입은 사용자별 고유 생리적 데이터를 포함한다. 또 다른 타입은 사용자별 고유 행동 데이터를 포함한다.
생리 데이터: 이 데이터에는 체온, 심박수, 혈압, 피부 전기활동, 칼로리 대사, 호흡 리듬, 발한, 삼키는 것, 이갈이 등 사용자 신체의 육체적 상태를 나타내는 파라미터에 대한 임의의 액세스가능한 정보를 포함할 수 있다.
행동 데이터: 이 데이터에는 사용자의 행동활동을 나타내는 파라미터에 대한 임의의 액세스가능한 정보를 포함할 수 있다. 하나의 전형적인 예는 사용자의 위치 일 수 있다. 사용자의 위치에 기초한 또 다른 예는 사용자의 순간 속도 또는 미리 정해진 시간 동안의 평균속도일 수 있다. 위치 데이터에 기초한 또 다른 예는 가속 데이터이다.
행동 데이터의 또 다른 예는 전자장치(2')의 사용자에 의한 사용에 기초한 데이터를 포함한다.
상술한 바와 같이, 전자장치가 획득시스템으로서 역할하도록 업그레이되면, 사용자별 고유 행동 데이터를 제공할 수 있다.
예를 들어, 컴퓨터 사용 데이터는 행동 데이터 일 수 있다. 컴퓨터 사용 데이터는, 가령 온/오프 스위칭, 휴지상태에 머물기, 사용된 프로그램, 입력된 텍스트 등과 같이 컴퓨터로부터 검색될 수 있는 임의의 종류의 데이터를 포함할 수 있다.
통신 시스템 사용 데이터는 행동 데이터의 또 다른 예이다. 통신 시스템 사용 데이터는 가령 온/오프 스위칭, 휴지상태에 머물기, 통신 당사자의 식별, 통신 특성(텍스트, 사운드, 이메일, 단문 메시지, 등)과 같이 통신 시스템(전화 등)으로부터 검색될 수 있는 모든 종류의 데이터를 포함할 수 있다.
다른 예도 가능하다. 냉장고 문이 획득시스템으로서 업그레이드된 경우, 사용자가 냉장고를 열고 닫는 것에 대한 데이터를 제공할 수 있다. 대표적인 전자장치(2')는 컴퓨터, TV, 카메라, 전자적 액세스 및 도어록, 주방가전, 가열 시스템, 또는 연결된 의료기기(연결된 흡입 스프레이 등)를 포함할 수 있다.
행동 데이터의 또 다른 예로는 활동적 행동 데이터가 있다. 활동적 행동 데이터는 시스템이 활발히 프롬프트될 때 사용자가 제공하는 데이터를 포함한다. 하나의 전형적인 예는 시스템에 의해 사용자에게 보내지고 사용자가 채운 양식에서 추출된 데이터이다.
선택적으로, 또한 환경 데이터를 사용할 수 있다. 환경 데이터는 사용자 환경에 대한 데이터에 관한 것이다. 대표적인 환경 데이터에는 음향 진동, 밝기, 주변 온도, 전자적 전송 등을 포함할 수 있다.
데이터 획득
데이터 획득은 시간에 따라 반복된다. 예를 들어, 데이터 획득은 주어진 시간 빈도로 행해진다. 빈도는 센서에 따라 다를 수 있다. "데이터 세트"는 특정 경우에 저장된 데이터에 해당한다. 시간에 따라 점점 더 많은 데이터가 획득되기 때문에, 데이터 세트는 시간이 지나면서 커질 수 있다. 대안으로, 상기 데이터 세트의 양은 이전의 데이터 또는 무관하게 측정된 데이터가 폐기될 경우 경계들 사이에서 안정적으로 유지될 수 있다. 다양한 실시예가 가능하다. 데이터 세트는 서브데이터 세트를 포함할 수 있다. 예를 들어, 서브데이터 세트는 획득시스템의 서브데이터 세트에 대해 일부 획득기간 동안으로 정의될 수 있다.
결합 데이터
결합 데이터는 생리적 데이터 및 행동 데이터 모두를 포함한 데이터를 지정하기 위해 사용된다.
예를 들어, 결합 데이터는 하나 이상의 생리적 파라미터 및 하나 이상의 행동 파라미터에 대한 데이터를 포함할 수 있다.
이러한 결합 데이터는 조합되거나 병치될 수 있다.
예를 들어, 병치된 결합 데이터는 다차원 벡터 형태로 저장될 수 있다. X=(Ai, Bj, Ck)는 3개의 다른 파라미터(A, B, C)에 대한 데이터를 포함한 벡터를 나타낼 수 있고, 여기서, i, j, k는 각각 파라미터(A, B, C)에 대한 하나 이상의 값을 나타낸다.
조합된 결합 데이터는 기정의된 연산(f)에 의해 얻어질 수 있다. 예를 들어, X=(Ai, Bj, Ck)는 3개 파라미터(A, B, C)에 기정의된 함수(f)를 적용함으로써 얻은 조합된 결합 데이터를 나타낼 수 있다.
시간(t)에 따른 결합 데이터
상술한 바와 같이, 대부분의 생리적 및 행동 데이터는 주어진 시간에 측정된다. 전자부품(4)은 시간에 따라 획득된 데이터를 합성하게 하는 시계(19)를 포함할 수 있다. 저장된 데이터는 측정된 데이터 자체와 측정된 시간의 합성이다. 측정된 데이터가 단지 장시간 동안만 획득될 수 있는 경우, 기록된 데이터에 해당하는 시간인지 결정하는 규칙이 설정될 수 있다. 예컨대, 행동 데이터가 수 분 또는 수 시간이 걸리는 이러한 움직임을 가진 사용자에 의한 운동의 범위이면, 합성된 시간은 운동의 시작, 운동의 끝, 또는 이 두 시간 간의 평균의 시간일 수 있다. 다른 예도 가능하다.
시계를 사용함으로써, 기간 데이터 자체가 또한 사용자별 고유 데이터일 수 있다. 획득시스템이 시간과 함께 합성된 일부 데이터를 제공하면, 사용자별 고유 데이터는 예를 들어 주어진 현상의 지속기간일 수 있다. 전형적인 예는 사용자의 심박수가 기정의된 임계치를 초과하는 시간 기간, 사용자 산책 기간(1 미터 내지 5미터로 구성된 움직임에 따라 걸린 시간) 등을 포함할 수 있다.
거시적인 위치(Z)에 따른 결합 데이터
상술한 바와 같이, 대부분의 생리적 및 행동 데이터는 사용자가 주어진 거시적 위치에 있을 때 측정된다. 전자부품(4)은 획득된 데이터를 거시적인 위치와 합성하도록 할 수 있는 지상 위치설정시스템(20)을 포함할 수 있다. 저장된 데이터는 측정된 데이터 그 자체와 측정되는 거시적인 위치의 합성이다.
거시적 위치는 지상 위치설정시스템에서 구조화된 위치 데이터로 간주될 수 있다. 구조화된 위치 데이터는 사용자가 대부분의 시간을 보내는 곳으로 정의될 수 있다. 예를 들어, 세상은 3가지 다른 거시적 위치, 즉, "집", "사무실", "나머지 세계"로 다루어질 수 있다. 이 거시적 위치는 시스템을 설정할 때 사용자에 대해 정의될 수 있다. 거시적 위치는 사회학적 정의에 의해 지면 위치설정시스템에 의해 제공되는 위치 데이터와 다르다. 따라서, 거시적 위치는 아래의 예에서 알 수 있듯이 지면 위치설정 시스템에서 모두 얻어지나 위치 데이터로 합성될 수 있다.
생리적 및 행동 데이터의 결합 인덱스의 예는 가령 "사용자가 많이 움직이고 고혈압을 앓고 있다"와 같이 번역될 수 있다.
생리적 및 행동 데이터와 시간의 결합 인덱스의 예는 가령 "사용자가 많이 움직이고 밤에 고혈압을 앓고 있다"와 같이 번역될 수 있다.
생리적 및 행동 데이터와 거시적 위치의 결합 인덱스의 예는 가령 "사용자가 많이 움직이고 사무실에서 고혈압을 앓고 있다"와 같이 번역될 수 있다.
생리적 및 행동 데이터와 거시적 위치, 및 시간의 결합 인덱스의 예는 가령 "사용자가 많이 움직이고 밤에 사무실에서 고혈압을 앓고 있다"와 같이 번역될 수 있다.
비정기 데이터
비정기 데이터(occasional data)는 시계 및/또는 위치설정시스템으로부터 각각 획득된 해석된 시간 및/또는 위치 데이터에 기초한다. 측정시스템은 시간 데이터를 해석된 시간 데이터로 변환하도록 적용된 시간해석모듈을 포함할 수 있다. 해석된 시간 데이터는 사회적 의미를 갖는 시간주기에 해당할 수 있다. 이런 시간주기는 예를 들면 낮 시간, 밤 시간, 아침, 오후, 저녁, 평일, 수요일, 토요일, 일요일, 계절 등을 포함할 수 있다. 실제로, 해석된 시간은 측정된 데이터를 해석할 때 특별한 의미를 가질 수 있다. 데이터 측정은 측정되는 동안 거시적 시간 또는 경우에 따라 상당히 다른 의미를 가질 수 있다. 예를 들어, 새벽 3시 또는 5시에 집을 나가는 것은 오전 5시 또는 7시에 집을 나가는 것과 2시간 다르다. 그러나, 오전 3시 또는 오전 5시 중 하나에 집 나가는 것은 다른 행동을 나타내지 않을 수도 있는 반면, 오전 7시 집을 나가는 것은 오전 5시에 집을 나가는 것과 아주 다른 행동을 나타낼 수 있다. 해석된 시간 데이터를 이용하는 것은 "밤에" 대 "아침에" 집을 나가는 것과 같은 이벤트를 구별할 수 있다. 시간 해석 규칙은 메모리(7)에 저장될 수 있다.
거시적 위치 데이터에도 마찬가지다. 해석된 위치 데이터는 "집에서", "사무실에서" 등과 같이 다양한 사전결정된 거시적 위치를 포함할 수 있다. 해석된 시간 및/또는 위치는 사용자별 고유 데이터가 획득되는 경우를 나타내는 "비정기 데이터"로 지정된다.
결합 인덱스의 측정
결합 인덱스는 사용자별 고유 데이터의 계산을 통해 측정된다.
프로세서(6)는 결합 인덱스 값을 계산하는 계산부(24)를 포함한다. 상술한 바와 같이, 계산된 결합 인덱스는 행동 데이터와 생리적 데이터의 결합 인덱스다.
예를 들어, 결합 인덱스는 메모리(7)에 저장된 규칙에 따라 정의된다. 이 규칙은 결합 인덱스 내에서 고려되는 파라미터(A, B, C) 뿐만 아니라, 있다면, 함수(f)를 포함할 수 있다.
결합 인덱스의 계산 발생은 사전결정될 수 있다.
예를 들어, 결합 인덱스 값은 시계(19)에 의해 모니터된 대로 주어진 빈도로 계산된다.
또 다른 예에 따르면, 결합 인덱스 값의 계산이 트리거된다. 트리거링은 가령 네트워크(14)를 통해 들어오고, 외부 명령에 의해 야기될 수 있다.
트리거링은 또한 데이터 분석에 의해 발생할 수 있다.
전자부품(4)은 결합 인덱스의 측정을 트리거하는 트리거링 모듈(21)을 포함할 수 있다. 트리거링 모듈(21)은 사용자별 고유 데이터에 기초한 결합 인덱스 측정의 트리거링을 결정하는 사전결정된 트리거링 규칙을 포함한다.
트리거링 규칙은 일반적으로 결합 인덱스에 대한 값을 계산하는데 사용되는 규칙보다 더 간단한 규칙일 수 있다. 트리거링 규칙은 가령 하나의 파라미터 또는 몇개의 파라미터를 기초로 할 수 있다. 트리거링 규칙은 가령 모니터된 파라미터가 기정의된 임계치를 초과할 때 트리거를 야기할 수 있다. 트리거링 규칙의 예는, 가령, 사용자의 갑작스러운 움직임, 사용자가 전혀 움직이지 않은 긴 시간, 사용자의 운동 폭, 기정의된 임계치를 초과한 생리적 파라미터 값 등을 포함한다. 간단한 규칙은 계산이 덜 필요하고, 적은 전력소비로 휴대용 전자부품(4)의 프로세서(6)에 의해 평가될 수 있다.
트리거 규칙이 결합 인덱스의 측정을 트리거하면, 결합 인덱스에 대한 값이 계산된다. 이 값은 가령 프로세서(6)에 의해 계산되고 메모리(7)에 저장된다. 이 계산은 트리거시에만 수행되며, 이는 계산 비용을 절감한다. 실제로, 결합 인덱스가 복잡하고 계산이 대량의 데이터를 다루는 것이 필요하면, 이 계산은 이따금 그리고 유용할 수 있다고 사전결정될 때에만 수행된다.
결합 인덱스 값은 기지국(10)에 전달되고 메모리(11)에 저장될 수 있다. 특히, 다음은 기지국(10)의 메모리(11)에서 전달될 수 있다:
- 결합 인덱스(즉, 병치 혹은 함수(f)),
- 결합 인덱스 값(벡터일 수 있음),
- 결합 인덱스 값이 계산된 시간,
- 결합 인덱스 값이 계산된 거시적 위치.
측정된 결합 인덱스는 사용자가 행한 무의식적 적응의 표시이다.
사전설정된 구조화 실험데이터
서버(15)는 사용자에 대한 패턴 인덱스를 계산하는 계산 시스템(25)을 수용한다. 계산 시스템(25)은 이러한 계산을 수행하기 위한 프로세서(22)를 포함한다.
패턴은 소정 질병의 고통을 받고 있는 누군가에게 있을 수 있는 특징일 것이다. 그러나, 이 특징을 겪진 않으나 어떤 사람들은 이 질병으로 고통받을 수 있다는데 주목해야 한다. 또한, 몇몇 정신이 온전한 사람도 여전히 질병으로 고통받지 않으나 패턴에 가까운 특징을 나타낼 수 있다.
프로세서(22)는 또한 사전설정된 구조화 실험데이터에 대한 액세스를 갖는다. 사전설정된 구조화 실험데이터는 데이터베이스(17)에 포함된다. 이 데이터는 프로세서(22)가 상기 데이터에 액세스하는 시간에 대하여 사전확립되어 있다. 상기 데이터는, 적어도 부분적으로, 사용자 및/또는 사람의 이전 관찰을 기초로 한 것이기 때문에 경험적이다. 데이터는 어떤 정보를 검색할 수 있기 때문에 구조화되어 있다.
사전설정된 구조화 실험데이터는 가령 사용자에 대한 패턴 인덱스를 결정하도록 하는 데이터 세트를 포함한다.
이 경우, 사전설정된 구조화 실험데이터는 실험체 사용자에 의해 달성된 무의식 적응 인덱스 값과, 이들 사용자의 각각의 정신 병력(病歷) 데이터 간에 관계를 기술한다. 특히, 정신 병력 데이터를 갖는 사용자의 경우, 사전설정된 구조화 실험데이터는 그 사람에 대한 정신적 고통 패턴과 이 사람에 대한 관련된 결합 인덱스 값과 관련된 데이터를 포함한다.
실제로, 정신질환으로 고통받는 환자는 질병의 일부 특정 패턴을 나타낸다. 막 정신질환을 앓으려는 사람과 정신질환에서 회북된 사람이 이런 패턴을 나타내는 것으로 또한 여겨진다. 많은 정신질환들이 있고, 소정의 정신질환에 대해, 많은 다양한 패턴들이 있을 수 있고 소정의 정신질환을 겪는 사람마다 다르다. 소정의 환자는 동시에 다양한 패턴들을 나타낼 가능성이 있다.
사전설정된 구조화 실험데이터에서, 데이터는 정신적 고통에 대한 그리드 리스팅 패턴으로 구조화될 수 있고, 관련된 사람들은 이 그리드에 등록될 수 있다. 각 패턴에 대해, 사람들은 이 패턴과 관련된 정신적 고통의 한 레벨에 등록될 수 있다.
예측모델
예측모델은 사용자에 대해 측정된 결합 인덱스 및 사전설정된 구조화 실험데이터를 기초로 정신적 고통 그리드에 사용자를 위치지정하도록 적용된다. 특히, 예측모델은 사용자에 대해 측정된 결합 인덱스와 사전설정된 구조화 실험데이터를 비교한다. 특히, 예측모델은 사용자와 유사한 결합 인덱스 값을 보여주는 실험데이터를 찾아볼 수 있다. 따라서, 상기 예측모델은 사용자에 대해 측정된 결합 인덱스 "근접한" 결합 인덱스를 나타내는 실험데이터를 선택하게 할 수 있다. "근접한" 또는 "유사한"은, 다차원 환경에서의 거리의 계산과 같이, 다양한 방법에 따라 추정 될 수 있다. 가까운 실험데이터 중에, 예측모델은 정신적 고통의 패턴의 존재를 확인한다.
근접한 실험데이터가 정신적 고통의 패턴을 포함하는 경우, 상기 예측모델은 이런 패턴을 포함한 정신적 고통 그리드에서 사용자의 가능한 위치를 나타내는 사용자용 패턴 인덱스 결정할 수 있다.
도 3은 일실시예에 따른 사용가능한 그리드를 도시한 것으로, 각 열은 패턴을 나타내고, 라인은 다양한 레벨(상단 라인: 하이 레벨(H), 하단 라인: 로우 레벨(L))을 나타내며, 부호는 그리드 내의 개인을 나타낸다. 따라서 시스템의 사용자에 대해, 이는 그/그녀가 삼각형으로 식별된 사람의 실험데이터 및 사각형으로 식별된 사람의 실험데이터에 가까운 것으로 판단된다. 사용자와 너무 상이한 실험데이터는 이 그리드에 나타내지 않았다.
패턴 인덱스는 그리드에서 사용자의 가능한 위치를 나타내는 임의의 인덱스일 수 있다. 예컨대, 각 패턴에 대해, 또는 심지어 최대한 보유된 패턴에 대해, 그리드에 남아 있는 사람들의 최대 또는 평균을 포함할 수 있다. 많은 접근들이 가능하다. 사용자에 대해 계산된 패턴 인덱스는 사용자 ID와 함께 서버(15)의 메모리에 저장될 수 있다.
무의식적 적응 인덱스 구성모듈
상술한 바와 같이, 사용자에 대해 측정된 결합 인덱스 값은 유사한 실험데이터를 결정하도록 할 수 있다. 그러나, 유사한 실험데이터가 그 자체로 패턴 인덱스를 계산하게 할 수 없는 것도 가능하다. 이는 가령 실험데이터가 결합 인덱스의 유사한 값들과 함께 광범위한 결과를 포함하는 경우일 수 있다. 실험데이터는 다른 패턴의 정신질환을 가진 개인들을 포함할 수 있다.
이는, 삼각형 사용자가 겪지 못한 패턴의 정신질환을 사각형 사용자가 어떤 패턴의 정신질환을 겪는다면, 가령 도 3의 경우일 수 있다.
예측모델은 무의식 적응 인덱스 구성모듈(26)을 포함한다. 인덱스 구성모듈은 사용자에 대해 측정되는 결합 인덱스를 구성한다. 따라서, 결합 인덱스는 사용자별 고유 결합 인덱스이다. 특히, 인덱스 구성모듈은 패턴 인덱스를 계산할 가능성이 높은 사용자에 대해 측정될 결합 인덱스를 구성한다.
구성모듈은 상술한 바와 같이 결정된 가까운 실험데이터를 분석한다. 구성모듈은 가까운 실험데이터 내에서 패턴 인덱스를 계산할 수 있는 업데이트된 결합 인덱스를 식별한다. 가령, 식별된 업데이트된 결합 인덱스는 가까운 실험데이터 중에서 정신병력 데이터가 있는 개인과 정신병력이 없는 개인을 구별하게 할 것이다. 식별된 업데이트된 결합 인덱스는 예컨대 동일한 사용자별 고유 데이터를 고려한 다른 규칙, 또는 초기 결합 인덱스를 계산하는데 사용된 파라미터 이외에 새 사용자별 고유 파라미터를 고려한 규칙을 이용해 초기 결합 인덱스를 기반으로 할 수 있다. 식별된 업데이트된 결합 인덱스는 심지어 초기 결합 인덱스를 계산할 때 사용된 파라미터 중 일부를 폐기할 수 있다.
예를 들어, 도 3에서, 이 사각형 및 삼각형 사용자가 세 번째 패턴에 대하여 그 레벨을 통해 구별될 수 있음을 알 수 있다. 이 패턴에 대한 사용자의 위치는 그/그녀가 사각형 또는 삼각형 사용자에게 더 가까운지 확인하는 것과 관련해 드러난다. 구성모듈은, 실험데이터에 대해 측정된 결합 인덱스를 기초로, 관련된 결합 인덱스이게 사용자에게 가장 적절한 업데이트된 인덱스를 판단하도록 메모리(17)에 액세스한다.
업데이트된 인덱스는 다시 획득시스템(2)으로 다시 전달될 수 있다. 실험데이터를 기초로, 업데이트된 결합 인덱스는 사용자에 의해 행해지는 무의식적 적응을 나타낼 것 같음이 알려진다. 실제로, 파라미터는 실험데이터를 기반으로 사용자의 무의식적 조정을 평가하는데 잠재적으로 관련이 있는 것으로 간주된다.
업데이트된 결합 인덱스를 계산하기 위해 충분한 데이터가 메모리(7)에 저장되거나, 다음 트리거시에 업데이트된 결합 인덱스에 대한 값을 측정하기 위해 업데이트된 결합 인덱스의 정의가 저장된다.
결합 인덱스의 취급
측정된 결합 인덱스는 여러 가지 방법으로 사용될 수 있다. 예를 들어, 측정된 결합 인덱스는 사용자에게 전송될 수 있다. 예를 들어, 기지국(10) 및/또는 상기 전자부품(4)은 결합 인덱스뿐만 아니라 결합 인덱스의 측정치를 표시하는 디스플레이(27)를 포함할 수 있다.
예를 들어, 측정된 결합 인덱스는 의료시설(18)에 전송될 수 있다. 이는 네트워크(14)를 통해 행해질 수 있다. 계산 시스템(25)은 데이터가 의료시설(18)에 전송되어야 하는지 결정하는 식별모듈(28)을 포함할 수 있다. 예컨대, 의료시설(18)에 전송되어야 하는 데이터는 사용자 ID와 결합인덱스 및/또는 패턴 인덱스와 이 사용자에 대한 값(들)을 포함할 수 있다.
의료시설(18)에서 수신된 데이터는 의사가 사용자에 대한 정신적 고통의 패턴을 인식하도록 도와줄 수 있다. 의사는 사용자와 관련한 조치를 취하기로 결정할 수 있다. 이러한 행동은 모니터링 시스템의 일부 특징을 이용할 수 있다. 예를 들어, 프로세서(6 또는 12)는 사용자를 위해 설계된 고유 컴퓨터 프로그램을 실행할 수 있다. 이러한 고유 프로그램의 예에는 사용자가 사용하는 게임 또는 설문지가 포함된다. 모니터링 시스템의 사용자 인터페이스 또는 기타 사용자 인터페이스는 사용자가 컴퓨터 프로그램과 상호작용하게 사용할 수 있다.
의사가 식별한 관련된 사용자별 고유 데이터와 정신적 고통의 사용자 패턴은 차례로 메모리(17)로 보내져, 메모리에 저장된 사전설정된 구조화 실험데이터를 강화하게 할 수 있다.
예측모델(16)은 메모리(17)에 저장된 사용자별 고유 실험데이터에 액세스하는 점에서 사용자별 고유 예측모델이 된다.
이해되는 바와 같이, 상기 예측모델은 시간에 따라 다양한 사용자들로부터 한데 모은 데이터를 변경할 것이므로 또한 시간 의존적이다. 이는, 차례로, 보다 정확한 예측모델을 구축하게 할 수 있다.
예 1
기설정된 파라미터는 3개 변수로 된 결합 인덱스에 해당한다. 제 1 변수는 행동 변수인 반면에, 제 2 및 제 3 변수는 생리적 변수이다.
제 1 변수의 예는 집 밖에서 보낸 시간 기간이다.
측정시스템은, 센서로서, 위치 데이터를 제공하는 위치확인 시스템 및 시계를 포함한다. 계산기(24)는 위치 데이터를 반복해서 수신한다. 계산기(24)는 위치 데이터와 사용자에 대한 "홈 위치 데이터"를 비교한다. 사용자에 대한 "홈 위치 데이터"는 시스템의 셋업시에 사용자에 의해 사전 정의되거나 사전정의된 규칙에 따라 계산기 자체에 의해 측정된 위치 데이터, 가령 대부분의 밤 동안 제공된 위치 데이터로부터 추출될 수 있다[계산 시스템은 사용자가 집에서 대부분의 밤을 보내는 것으로 가정하도록 프로그램 될 수 있다]. 위치 데이터를 "홈 위치 데이터"와 비교함으로써, 계산기(24)는 사용자가 집을 나거나 집에 들어간 것을 식별하고, 시계로부터 해당 시간을 등록한다. 계산기(24)는 예를 들어 지난 24시간 동안 집 밖에서 보낸 시간 기간을 계산한다. 이 측정은 1시간마다 수행된다.
제 2 변수의 예는 중량의 변화다. 측정시스템은, 센서로서, 계산기(24)에 연결된 계량기를 포함한다. 계산기는 측정된 중량을 기록하고 측정된 중량의 변화를 정량화할 수 있다. 이 측정은 사용자가 무게를 측정할 때마다 수행된다.
제 3 변수의 예는 기상시 평균 스웨거링(swaggering)이다. 측정시스템은, 센서로서, 사용자가 착용한 가속도계 및 시계를 포함한다. 센서는 먼저 누워있는 위치에서 오랜 시간 후 상기 누운 위치에서 서 있는 위치로 갑작스런 위치 변화로서 깨어난 것을 판단한다. 사용자가 깼는지 여부를 구별하기 위해 시계를 또한 사용할 수 있다. 센서는 그때 사용자의 인식할 수 있는 소정의 움직임으로서 스웨거링을 결정한다. 계산기(24)는, 예를 들어, 지난 3일 동안 이 움직임의 기록된 진폭을 평균한다. 이 측정은 매일 수행된다.
계산기는 제 1, 제 2 및 제 3 입력 데이터의 기설정된 조합으로서 사용자에 의해 행해진 무의식적 적응을 나타내는 결합 인덱스를 계산한다. 이는 이 결합 인덱스 값을 제공한다. 이는 예를 들어 하루에 한 번 수행된다. 이는, 예를 들어, 시계에 의해 개시되는 것으로서 매일 정오에 또는 제 3 파라미터를 감지하는 것의 일부로서 기상이 감지될 때 매일 기상시 수행된다. 트리거될 때, 결합 인덱스 측정은 제 1 변수에 대한 마지막 24개 값들, 제 2 파라미터에 대해 최신의 이용가능한 값(이는 지난 며칠일 수 있음), 및 제 3 파라미터에 대한 마지막 값을 고려하는 것일 수 있다.
계산기(24)는 3가지 변수의 결합 인덱스에 대한 값을 결정한다. 이는 계산 시스템(25)에 전송된다. 계산 시스템은 결합 인덱스에 대한 측정값을 사전설정된 구조화 실험데이터와 비교한다.
예를 들어, 사전설정된 구조화 실험데이터는 집 밖에서 보낸 시간이 거의 없고, 체중이 급격히 빠졌으며, 기상시 스웨거링이 큰 사람은 이 결합 인덱스가 소정의 값을 취한 후 며칠간 몇몇 정신적 고통 패턴들을 보일 가능성이 더 많다는 정보를 포함할 수 있다.
따라서, 예측모델(16)는 개시될 행동을 판단하기 위해 사용자에 대한 결합 인덱스의 측정 값과 다른 데이터를 비교하게 할 수 있다.
다른 데이터는 대표적인 사람들의 집합에 대해 측정된 결합 인덱스 값을 포함할 수 있다. 대표적인 사람들의 집합은 정상인만을 포함할 수 있다. 예를 들어 "정신이 온전한" 사람들은 우울증과 같은 정신적 고통이나 정신질환에 대한 과거의 알려진 병력이 없는 사람들만 포함한다. 그렇지 않은 경우 또는 추가로, 대표적인 사람들의 집합은 정신적 고통의 과거 병력을 가진 사람들과 정신적 고통의 과거 병력이 없는 사람들 모두를 포함할 수 있다. 대안으로 또는 추가로, 다른 데이터는 사용자 자신으로부터의 데이터를 포함할 수 있다.
주어진 비교 결과에 대해, 일부 동작이 발생될 수 있는 반면, 몇몇 다른 비교 결과에 대해, 몇몇 다른 동작이 발생되거나 아무런 동작도 발생되지 않도록 비교가 프로그래밍된다.
예를 들어, 결합 인덱스를 업데이트하는 행동이 있을 수 있다. 예측모델(16)은, 관련 집단(초기 결합 인덱스의 유사한 값을 나타내는 사람들)에 대해, 밤의 심박수가 정신적 고통의 병력이 없는 사람들과 구별하기 위해 고려되어야 할 관련 파라미터인 정보를 검색할 것이다. 서버(15)는 결정될 업데이트된 결합 인덱스를 측정시스템(2)으로 되돌려 보낼 것이다. 초기 결합 인덱스가 측정될 때 시간 동안 심박수 데이터가 여전히 이용가능한 경우, 업데이트된 결합 인덱스는 과거 데이터로부터 측정될 수 있다. 그렇지 않으면, 상술한 방식에 따라, 업데이트된 결합 인덱스가 지금부터 측정될 것이다.
필요에 따라 결합 인덱스를 업데이트하는 것이 하나 이상의 부가적인 시간에 행해질 수 있다. 결합 인덱스 또는 업데이트된 결합 인덱스는 사용자가 정신적 고통을 나타낼는위험이 거의 없는 것으로 나타내면, 결합 인덱스는 업데이트가 중단될 것이다. 결합 인덱스는 기정의된 업데이트 회수 후에 업데이팅 되는 게 중단될 수 있다.
또 다른 행동은 사용자가 어떤 패턴과 관련된 정신적 고통을 나타낼 몇 가지 위험을 보여주는 의료 시설(18)에 경고할 수 있다.
예 2
예를 들어, 시스템은 집을 떠날 때 사용자가 행한 무의식적 적응을 추적한다.
특정 예로서, 행동 변수는 소정의 운동에 대한 재현율이다.
생리적 변수는 생리적 데이터가 소정의 움직임을 수행하기 전에 두 시간 동안 피크 값을 초과하는 기간이다.
측정의 트리거는 집에 나간 사용자이다. 이는 간단히 사용자가 집을 나간 것을 장치에 입력하는 사용자(능동적 입력동작)에 의해 결정될 수 있다. 대안으로, 이는 측정된 데이터의 감지로부터 달성될 수 있다. 계산기(24)는 반복적으로 위치 데이터를 수신한다. 계산기(24)는 사용자에 대한 "홈 위치 데이터"와 위치 데이터를 비교한다. 사용자의 "홈 위치 데이터는" 시스템의 셋업시 사용자에 의해 기정의되었을 수 있고, 아니면 기정의된 규칙에 따라 계산기(24) 자체에 의해 측정된 위치 데이터, 예를 들어 대부분의 밤에 제공된 위치 데이터로부터 추출될 수 있다[계산기(24)는 사용자가 집에서 대부분의 밤을 보낸다는 가정으로 프로그램될 수 있다]. "홈 위치 데이터"와 위치 데이터를 비교함으로써, 계산기(24)는 사용자가 집을 나간 것을 식별한다.
계산기(24)는 다양한 위치 데이터 세트들로부터 측정-트리거링 이벤트 이전의 위치 데이터의 재현율을 계산한다(이들은 매우 상이하고, 재현율은 낮거나 매우 유사하거나 또는 재현율이 높다).
제 2 입력 데이터는 예를 들어 측정-트리거링 이벤트 이전의 심장 활동의 피크이다. 측정시스템(23)은 반복적으로 심박수 데이터를 제공한다. 이는 또한 시계를 포함한다. 계산기(24)는 심장 데이터를 처리해 심박수가 주어진 임계치를 초과하는 측정- 트리거링 이벤트 이전의 주어진 기간 동안 지속시간을 결정한다.
계산기는 사용자에 대한 결합 인덱스 값을 반복적으로 계산한다. 계산 시스템(25)은 결합 인덱스에 대한 계산된 값을 결합 인덱스의 소정 값에 대한 몇몇 특정 동작을 생성하는 사전결정된 규칙과 비교한다.
계산기(24)는 제 1 입력 데이터와 제 2 입력 데이터의 기설정된 조합으로서 무의식적 적응을 나타내는 결합 인덱스를 계산한다. 이는 이 스케일로 이 결합 인덱스 값을 제공한다.
예측모델(16)은 개시될 동작을 결정하기 위해 다른 데이터와 결합 인덱스의 측정 값을 비교할 수 있게 한다.
다른 데이터는 대표적인 사람들의 집합에 대해 측정된 결합 인덱스 값을 포함할 수 있다. 대표적인 사람들 집합은 정상인만을 포함할 수 있다. 예를 들어 "정신이 온전한" 사람들은 우울증과 같은 정신적 고통이나 정신질환에 대한 과거의 알려진 병력이 없는 사람들만 포함한다. 그렇지 않은 경우, 대표적인 사람들의 집합은 정신적 고통의 과거 병력을 가진 사람들과 정신적 고통의 과거 병력이 없는 사람들 모두를 포함할 수 있다. 대안으로 또는 추가로, 다른 데이터는 사용자 자신으로부터의 데이터를 포함할 수 있다.
계산 시스템(25)은 결합 인덱스에 대해 유사한 값을 나타내는 사용자에 대한 정신적 고통의 패턴을 기록한 실험 데이터로부터 검색한다.
필요한 경우, 예 1과 관련하여 상술한 바와 같이 결합 인덱스의 업데이트가 수행될 수 있다.
변형
소정의 실시예를 상술하였다.
컴퓨터화된 시스템은 네트워크를 통해 배포될 수 있는 것으로 알려져 있다. 위의 예에서, 컴퓨팅 능력의 소정 분배가 제공된다. 그러나, 전송할 데이터의 양, 에너지 소비, 컴퓨팅 능력, 외부 자원에 대한 액세스 등의 요구 사항에 따라 다른 배포도 가능하다. 네트워크는 임의의 종류의 공지된 네트워크일 수 있고, 시스템의 장치들 간의 연결은 유선 또는 무선을 통해 구현된 임의의 적절한 통신방식에 따를 수 있다.
예를 들어, 일변형에 따르면, 기지국이 전혀 없고, 기지국의 기능이 전자 부품에 내장되어 있다. 더욱이, 계산 시스템은 전자 부품에도 또한 통합될 수 있다.
보호받고자 하는 본 발명이 시스템으로 제시되어 있다. 본 출원인은 이용가능한 법적 수단을 통해 시스템의 독창적인 임의의 개별 구성요소를 보호할 어떠한 권리를 보유한다.

Claims (13)

  1. - 사용자의 생리적 파라미터를 나타내는 데이터를 포함하는 시간의존적 사용자별 고유 생리 데이터 세트 및 사용자의 행동 파라미터를 나타내는 데이터를 포함하는 시간의존적 사용자별 고유 행동 데이터 세트 모두를 포함하는 시간의존적 사용자별 고유 데이터 세트를 저장하는 메모리(7)에 액세스할 수 있는 프로세서(6)를 구비한, 인간 사용자에 의해 달성된 무의식적 적응 인덱스를 반복적으로 측정하기 위한 측정시스템(23); 및
    - 적어도 사용자에 대해 측정된 무의식적 적응 인덱스 값 및 메모리(17)에 저장되고 실험체(experimental human) 사용자에 의해 달성된 무의식적 적응 인덱스 값과 상기 실험체 사용자의 정신적 고통의 병력 데이터 간에 관계를 기술한 사전설정된 구조화 실험데이터를 기초로, 예측모델(16)로부터 정신적 고통의 패턴을 포함하는 정신적 고통 그리드 내에서 사용자의 위치를 나타내는, 정신적 고통의 패턴을 표현하는 사용자의 가능성을 나타내는 패턴 인덱스를 계산하는 계산시스템(25)을 구비하고,
    상기 프로세서(6)는 시간의존적 사용자별 고유 데이터 세트를 반복적으로 분석하여 사용자별 고유 생리 데이터 및 사용자별 고유 행동 데이터의 결합 인덱스로서 상기 시간의존적 사용자별 고유 데이터로부터 인간 사용자에 의해 달성된 무의식적 적응 인덱스 값을 반복적으로 결정하도록 설계된 계산기(24)를 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  2. 제 1 항에 있어서,
    적어도 사용자에 대한 무의식적 적응의 이전 인덱스 및 상기 사전설정된 구조화 실험데이터에 기초하여, 무의식적 적응의 사용자별 고유 인덱스를 구성하도록 형성된 무의식적 적응 인덱스 구성모듈을 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  3. 제 2 항에 있어서,
    무의식적 적응 인덱스 구성모듈은 사용자에 대한 이전의 무의식적 적응의 이전 인덱스를 상기 사전설정된 구조화 실험데이터와 비교하고, 결합 인덱스에 통합될 파라미터를 결정하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    모니터링 시스템은 상기 측정된 데이터의 측정이 수행되는 시간에 따라 측정된 데이터를 스탬핑하는 시계(19)를 포함하며, 이로써 사용자별 고유 데이터가 결합된 측정 데이터 및 시간 데이터를 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    모니터링 시스템은 상기 측정된 데이터의 측정이 수행되는 거시적 위치 데이터로 측정된 데이터를 스탬핑하는 위치 확인시스템(20)을 포함하며, 이로써 사용자별 고유정 데이터는 결합된 측정 데이터 및 거시적 위치 데이터를 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    측정 시스템은 무의식적 적응 인덱스의 측정을 트리거하도록 구성되고, 사용자별 고유 데이터에 기초하여 측정의 트리거링을 결정하는 사전결정된 트리거링 규칙을 포함하는 트리거링 모듈(21)을 구비하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
    무의식적 적응 인덱스는 사용자별 고유 생리 데이터, 사용자별 고유 행동 데이터, 및 결합 인덱스의 계산에 사용된 사용자별 고유 데이터가 획득된 경우를 나타내는 비정기 데이터의 결합 인덱스인, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  8. 제 7 항에 있어서,
    비정기 데이터는 시간 데이터 및 거시적 위치 데이터 중 하나 이상을 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
    무의식적 적응 인덱스는 사용자 환경에 대한 데이터와 관련한 사용자별 고유 생리 데이터, 사용자별 고유 행동 데이터 및 사용자별 고유 환경 데이터의 결합 인덱스인, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
    패턴 인덱스 및 관련 인간 사용자 ID 데이터를 의료시설에 전송하는 의료시설과의 연결을 더 포함하고, 상기 패턴 인덱스가 상기 의료시설로 전달되는지 여부를 식별하도록 구성된 식별모듈을 더 포함하며, 상기 식별모듈은 패턴 인덱스를 의료시설로 전송할 때를 결정하는 사전설정된 전달 규칙을 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  11. 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,
    예측모델은 사용자별 고유 예측모델이며, 상기 사전설정된 구조화 실험데이터는 또한 무의식적 적응 인덱스의 이전 사용자별 고유값과 상기 사용자의 정신적 고통 병력 데이터를 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  12. 제 1 항 내지 제 11 항 중 어느 한 항에 있어서,
    예측모델은 시간의존적이며, 모니터링 시스템의 인간 사용자에 의해 달성된 무의식적 적응 인덱스 값과 실험체 사용자의 정신적 고통 병력 데이터 간의 관계에 대해 기술하는 구조화 실험데이터에 의해 반복적으로 향상되는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
  13. 제 1 항 내지 제 12 항 중 어느 한 항에 있어서,
    하기의 특징들, 즉:
    - 사용자가 사용자별 고유 데이터를 기록할 수 있도록 형성된 입력장치; 및
    - 정보를 사용자에게 디스플레이하도록 형성된 디스플레이 장치(27) 중 하나 이상을 포함하는 사용자 인터페이스를 더 포함하는, 인간 사용자의 정신적 고통을 모니터링 하는 시스템.
KR1020177030648A 2015-03-26 2016-03-25 정신적 고통 모니터링 시스템 KR20170129937A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15305439.0 2015-03-26
EP15305439.0A EP3072446A1 (en) 2015-03-26 2015-03-26 Mental suffering monitoring system
PCT/EP2016/056707 WO2016151135A1 (en) 2015-03-26 2016-03-25 Mental suffering monitoring system

Publications (1)

Publication Number Publication Date
KR20170129937A true KR20170129937A (ko) 2017-11-27

Family

ID=52814036

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177030648A KR20170129937A (ko) 2015-03-26 2016-03-25 정신적 고통 모니터링 시스템

Country Status (6)

Country Link
US (1) US20180110454A1 (ko)
EP (1) EP3072446A1 (ko)
JP (1) JP2018509270A (ko)
KR (1) KR20170129937A (ko)
CN (1) CN107533583A (ko)
WO (1) WO2016151135A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3369367A1 (en) 2017-03-03 2018-09-05 Digital for Mental Health Method, device and computer program to measure a blood pulse-related parameter of a user
AU2018267284A1 (en) * 2017-05-08 2019-12-05 Akash MADNANI A system and method for monitoring human performance
CN113990498A (zh) * 2018-03-16 2022-01-28 佛山市丈量科技有限公司 一种用户记忆力状态预警系统及方法
CN109121108A (zh) * 2018-08-01 2019-01-01 佛山市苔藓云链科技有限公司 一种基于物联网的感知控制系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2246799A1 (en) * 2001-05-15 2010-11-03 Psychogenics Inc. Systems and methods for monitoring behaviour informatics
US20080214903A1 (en) 2005-02-22 2008-09-04 Tuvi Orbach Methods and Systems for Physiological and Psycho-Physiological Monitoring and Uses Thereof
EP1998666B1 (en) 2006-03-21 2014-01-01 Koninklijke Philips N.V. Indication of the condition of a user
US20080208015A1 (en) 2007-02-09 2008-08-28 Morris Margaret E System, apparatus and method for real-time health feedback on a mobile device based on physiological, contextual and self-monitored indicators of mental and physical health states
US20110118555A1 (en) 2009-04-29 2011-05-19 Abhijit Dhumne System and methods for screening, treating, and monitoring psychological conditions
KR20130051922A (ko) 2010-03-04 2013-05-21 뉴미트라 엘엘씨 심리장애(ｐｓｙｃｈｏｌｏｇｉｃａｌ ｄｉｓｏｒｄｅｒｓ) 치료를 위한 장치 및 방법
WO2012025622A2 (en) 2010-08-27 2012-03-01 Smartex S.R.L. Monitoring method and system for assessment of prediction of mood trends
US9189599B2 (en) * 2011-05-13 2015-11-17 Fujitsu Limited Calculating and monitoring a composite stress index
WO2013076615A1 (en) * 2011-11-22 2013-05-30 Koninklijke Philips Electronics N.V. Mental balance or imbalance estimation system and method
US20130297536A1 (en) 2012-05-01 2013-11-07 Bernie Almosni Mental health digital behavior monitoring support system and method
CA2874932A1 (en) * 2012-06-01 2013-12-05 Next Integrative Mind Life Sciences Holding Inc. Method, system and interface to facilitate change of an emotional state of a user and concurrent users
KR102011495B1 (ko) * 2012-11-09 2019-08-16 삼성전자 주식회사 사용자의 심리 상태 판단 장치 및 방법
US20140195255A1 (en) 2013-01-08 2014-07-10 Robert Bosch Gmbh System And Method For Assessment Of Patient Health Using Patient Generated Data

Also Published As

Publication number Publication date
EP3072446A1 (en) 2016-09-28
JP2018509270A (ja) 2018-04-05
CN107533583A (zh) 2018-01-02
US20180110454A1 (en) 2018-04-26
WO2016151135A1 (en) 2016-09-29

Similar Documents

Publication Publication Date Title
CA2538758C (en) System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability
DK1662989T3 (en) System to monitor and maintain body weight and other physiological conditions with iterative and personalized planning, intervention and reporting capabilities
US20150289799A1 (en) System for monitoring and presenting health, wellness and fitness trend data with activity detection and feedback and coaching engine
KR102028674B1 (ko) 단말을 이용한 진료 예약, 접수 방법, 서버 및 프로그램
KR20170129937A (ko) 정신적 고통 모니터링 시스템
US20210358628A1 (en) Digital companion for healthcare
JP7042541B1 (ja) 情報処理システム、サーバ、情報処理方法及びプログラム
US20240074709A1 (en) Coaching based on reproductive phases
CA3220941A1 (en) Coaching based on reproductive phases
WO2022245891A1 (en) Reducing adverse health events in assisted living