KR20180002234A - A smart examination apparatus for dementia early diagnosis and the method by using the same - Google Patents

A smart examination apparatus for dementia early diagnosis and the method by using the same Download PDF

Info

Publication number
KR20180002234A
KR20180002234A KR1020160081451A KR20160081451A KR20180002234A KR 20180002234 A KR20180002234 A KR 20180002234A KR 1020160081451 A KR1020160081451 A KR 1020160081451A KR 20160081451 A KR20160081451 A KR 20160081451A KR 20180002234 A KR20180002234 A KR 20180002234A
Authority
KR
South Korea
Prior art keywords
dementia
data
prediction
information
missing
Prior art date
Application number
KR1020160081451A
Other languages
Korean (ko)
Inventor
박병술
Original Assignee
원시스템주식회사
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 원시스템주식회사 filed Critical 원시스템주식회사
Priority to KR1020160081451A priority Critical patent/KR20180002234A/en
Publication of KR20180002234A publication Critical patent/KR20180002234A/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G06F19/3431—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72519—

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Neurology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Hospice & Palliative Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Surgery (AREA)
  • Neurosurgery (AREA)
  • Psychology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

The present invention relates to a smart inspection device for early diagnosis of dementia and a method thereof. According to the present invention, health information are collected from multiple health information providers such as health insurance review and evaluation institutions, national health insurance corporation, hospitals, pharmacies, and rehab institutions. When there is an omitted part in data of items required for the diagnosis of dementia in the health information input by a user, a service operator, which builds a database of dementia-related information for each user, predicts and fills the omitted part of the data in the items through a learning process or a machine learning process using an artificial intelligence or finds and fills the omitted part of the data in the items with reference to the database having the dementia-related information for each user. Therefore, it is possible to diagnose dementia for the user or predict the future dementia state based on the data of each item required to make the diagnosis of dementia.

Description

치매 조기 진단을 위한 스마트 검사장치 및 그 방법{A SMART EXAMINATION APPARATUS FOR DEMENTIA EARLY DIAGNOSIS AND THE METHOD BY USING THE SAME}FIELD OF THE INVENTION [0001] The present invention relates to a smart test apparatus for early diagnosis of dementia,

본 발명은 복수의 건강정보 제공자(예를 들어, 건강보험심사평가원, 국민건강보험공단, 병원, 약국, 요양기관 등)로부터 건강정보를 수집하여 각 사용자별 치매 관련 정보를 데이터베이스로 구축한 서비스 운영자 측에서 사용자가 입력하는 건강정보 중 치매 진단에 필요한 일부 항목의 데이터가 누락되면, 각 사용자별 치매 관련 정보를 가지고 있는 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 추정하여 채워 넣은 후, 치매 진단에 필요한 각 항목별 데이터를 토대로 해당 사용자의 치매 진단 및 미래의 치매 상태를 예측할 수 있도록 하는 치매 조기 진단을 위한 스마트 검사장치 및 그 방법에 관한 것이다.The present invention relates to a system and method for collecting health information from a plurality of health information providers (for example, a health insurance assessment and assessment institution, a National Health Insurance Corporation, a hospital, a pharmacy, If the data of some items required for the diagnosis of dementia are missing from the health information inputted by the user on the side of the user, the database having the dementia-related information for each user is referred to and the data of the missing item is found and filled, A smart test device for early diagnosis of dementia that can predict the dementia of the user and predict future dementia based on the data of each item necessary for diagnosis of dementia after estimating and filling data of the missing item through processing ≪ / RTI >

최근 들어 의학의 발전과 함께 노인 인구 비율이 전 세계적으로 증가하는 추세에 있으며, 특히 대한민국은 다른 선진국에 비해 고령화 속도가 매우 빠르게 진행되고 있다.In recent years, with the development of medicine, the proportion of the elderly population has been increasing worldwide, and the rate of aging of Korea is progressing more rapidly than other advanced countries.

급속한 인구의 고령화로 치매환자의 발생도 점차 증가되고 있고, 이에 따른 치매 유병률이 급속히 증가하고 있다. 2010년 8.74%였던 치매 유병률은 2015년 9.79%, 2040년에는 11.9%로 치매인구가 2백만 명이 넘을 것으로 예상되고 있다.With the rapid population aging, the incidence of dementia is increasing, and the prevalence of dementia is rapidly increasing. The prevalence of dementia was 8.74% in 2010, 9.79% in 2015, and 11.9% in 2040. The number of dementia is expected to exceed 2 million.

치매는 정상적으로 발달한 뇌가 후천적인 외상이나 질병 등 외부적인 요인에 의해 손상되거나 파괴되어 기억력, 판단력, 계산능력, 언어능력, 성격변화 등 여러 인지기능이 감퇴되어 사회활동 및 대인관계는 물론 일상생활조차 수행할 수 없게 되는 증후군이다.Dementia is a condition in which a normally developed brain is damaged or destroyed by external factors such as acquired trauma or illness, resulting in decreased cognitive functions such as memory, judgment, calculation ability, language ability, personality change, It is a syndrome that can not even be performed.

치매는 크게 알츠하이머 치매, 혈관성 치매, 기타 치매 등으로 구분된다.Dementia is divided into Alzheimer's disease, vascular dementia and other dementia.

알츠하이머 치매는 71.3%의 비율로서, 치매 중 가장 흔히 볼 수 있는 유형으로 정상적인 기능을 수행하던 뇌세포들이 특정한 원인 없이 죽어가면서 인지능력을 상실하는 것은 말한다. 이는 서서히 점진적으로 발병하고 진행하며, 나이가 많아질수록 위험성이 커지며 여성에게 보다 흔하다고 한다.Alzheimer's disease is the most common form of dementia, with a rate of 71.3%, which means that brain cells that are functioning normally die without cognitive dysfunction. It gradually develops and progresses gradually, and as the age increases, the risk increases and it is more common among women.

혈관성 치매는 16.9%의 비율로서, 고혈압, 당뇨병, 동맥경화, 심장질환, 고지혈증 등 뇌졸중의 위험인자를 지닌 환자들에게 있어서 이에 대한 적절한 치료를 하지 않고 지내는 경우 뇌혈관 질환(뇌졸중)또는 뇌혈관 치매 현상이 나타나기 쉽다. 서양보다 동양에서 흔하고, 우리나라에서는 남성에게 더 많은 치매이다.Vascular dementia is a rate of 16.9%, which means that patients with risk factors for stroke such as hypertension, diabetes, atherosclerosis, heart disease, and hyperlipidemia do not receive adequate treatment for them, The phenomenon is likely to occur. It is more common in the Orient than in the West, and is more common in men in Korea.

기타 치매는 11.8%의 비율로서, 뇌가 충격에 의해 상하거나 뇌종양, 중추신경 매독, 일산화탄소, 알코올중독, 기타 질환에 의해 두뇌가 영향을 받은 결과 퇴행성 뇌질환이 치매증상으로 이어지는 것을 말한다.Other dementia is a rate of 11.8%, which means that degenerative brain diseases lead to symptoms of dementia as a result of the brain being damaged by an impact or brain affected by brain tumors, central nervous system syphilis, carbon monoxide, alcoholism and other diseases.

치매의 진단 상황을 보면, 현재 전국 보건소에서 시행되고 있는 치매 약식검사로는 치매 조기발견이 사실상 불가능하고, 뇌척수액(Cerebrospinal Fluid, CSF) 검사를 통한 몇 가지 생물지표 후보군이 보고되고 있으나 피검자의 통증과 거부감이 커서 범용성이 떨어지고 신뢰도가 검증되지 않았고, 뇌영상 촬영, 혈액검사, 신경심리검사 등의 단편적 지표만으로는 신뢰도 높은 치매 조기 예측이 불가능하며, 최근 몇 가지 지표들에 대한 통합 연구가 보고되고 있으나 대규모의 체계적인 시도는 없는 실정이다.As for the diagnosis of dementia, it is not possible to detect early dementia with the dementia test, which is currently being performed in the public health centers of the whole country. There are several biomarkers candidates for cerebrospinal fluid (CSF) The reliability of the study was not verified because of its high rejection. It was not possible to predict early reliable dementia with only a fragmentary index such as brain imaging, blood test, and neuropsychological test. Recently, There is no systematic attempt of

이처럼 종래의 정형적인 치매 진단 방법은 각 분야별로 정형화된 패턴으로 수행하기 때문에 한계성이 있으므로 치매 진단을 위한 다양한 생물학적 정보 및 뇌영상 분석 기술(예를 들어, MRI(, 자기 공명 영상), PET(Positron Emission Tomography, 양전자 단층 촬영), DNA, 단백질 등)을 바탕으로 한 융합 연구의 필요성이 점차 커지고 있다.As such conventional conventional dementia diagnosis methods are performed in a regular pattern according to each field, there is a limit, so various biological information and brain image analysis techniques (for example, MRI (magnetic resonance imaging), PET (Positron Emission Tomography, Positron Emission Tomography, DNA, Protein, etc.) are becoming increasingly necessary.

그러므로 다양한 생물학적 정보를 융합적으로 분석하여 통계적으로 의미 있는 융합지표 및 기준을 마련하는 것이 시급하다. 특히, 치매는 비가역적으로 진행되는 질병이므로 약물치료를 통한 완치는 현실적으로 불가하나 예측과 조기발견이 가능해질 경우 치매발병의 지연 및 완화가 가능해져 사회경제적 부담 경감과 삶의 질 향상에 크게 기여할 것으로 예상되기 때문에 조기 치매 예측 및 진단을 위해 전산기술에 기반한 새로운 패러다임으로의 전환이 필요한 시점이다.Therefore, it is imperative to analyze various biological information in a convergent manner and to prepare statistically meaningful fusion indexes and standards. In particular, since dementia is an irreversible disease, cure through medication is inevitable. However, if prediction and early detection are possible, it will be possible to delay and alleviate the onset of dementia, which will contribute to reducing socioeconomic burden and improving quality of life It is necessary to shift to a new paradigm based on computer technology for early dementia prediction and diagnosis.

따라서 본 발명에서는 사용자가 제공하는 각종 건강정보 중 치매 진단 및 예측에 사용되는 일부 항목의 데이터가 누락되면, 서비스 운영자 측에서 에이전트를 통해 구축한 치매 관련 정보 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 추정하여 채워 넣은 후, 치매 진단 및 예측을 수행하도록 함으로써, 각 사용자들이 자신이 알고 있는 간단한 건강정보만으로도 치매 진단 및 미래의 치매 가능성 여부를 손쉽게 확인할 수 있는 방안을 제시하고자 한다.Therefore, in the present invention, when data of some items used for diagnosis and prediction of dementia are missing among various health information provided by the user, the service operator refers to the dementia-related information database established through the agent, By using the simple health information that each user knows, the diagnosis of dementia and the diagnosis of dementia of the future can be made by the diagnosis and the prediction of the dementia after the data of the missing item is estimated and filled through the learning process using the artificial intelligence I would like to suggest a way to easily check the possibility.

다음으로 본 발명의 기술 분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.Next, a brief description will be given of the prior arts that exist in the technical field of the present invention, and technical matters which the present invention intends to differentiate from the prior arts will be described.

먼저 한국공개특허 제2014-0022641호(2014.02.25.)는 지능형 에이전트 기술이 적용된 만성질환 관리를 위한 건강일지 개발에 관한 것으로, 더욱 상세하게는 혈압계, 혈당계, 심박측정계와 같은 개인건강기기와 이들 장치와 연결된 응용프로그램, 소셜 웹, 및 앱을 통하여 등록한 건강정보를 기반으로 만성질환을 체계적으로 관리할 수 있는 건강일지 서비스와 추적관찰 및 임상의 진료에 도움을 줄 수 있는 서비스 시스템 및 그 방법에 관한 것이다.Korean Patent Laid-Open Publication No. 2014-0022641 (Feb. 25, 2014) discloses a health logger for chronic disease management using intelligent agent technology. More specifically, the present invention relates to personal health devices such as a blood pressure monitor, a blood glucose meter, Health log service that can systematically manage chronic diseases based on the health information registered through the application, social web, and app connected to the device, and a service system and method that can help in the follow-up observation and clinical examination .

상기 선행기술은 다양한 환자의 생체정보, 개인정보, 과거력 등의 정보를 수집하고 이를 통해 지능형 에이전트에서 퍼지추론을 이용하여 신뢰성 있는 종합 건강상태 정보를 자동으로 언제 어디서나 용이하게 제공할 수 있는 효과를 제공하는 것으로서, 다양한 환자의 정보를 수집하여 종합 건강상태 정보를 제공하는 점에서 본 발명의 사용자가 제공하는 정보를 토대로 치매 진단 및 예측을 수행하는 구성과 일부 유사성이 있다.The prior art collects information such as biometric information, personal information, past history, etc. of various patients and provides an effect that the intelligent agent can automatically provide reliable comprehensive health status information at any time and anywhere using fuzzy inference There is some similarity with the configuration of performing diagnosis and prediction of dementia based on the information provided by the user of the present invention in that information on various patients is collected and comprehensive health state information is provided.

하지만, 본 발명은 사용자가 제공하는 각종 건강정보에서 치매 진단 및 예측에 사용되는 일부 항목의 데이터가 누락되어 있는 경우, 에이전트를 통해 구축한 치매 관련 정보 데이터베이스를 참조하여 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 자동으로 채워 넣은 후, 치매 진단 및 예측을 수행하는 기술적 구성을 제시하고 있기 때문에, 상기 선행기술의 다양한 환자의 수집된 정보만으로 해당 환자의 종합 건강상태를 추론하는 기술 구성과 비교해 볼 때 기술적 특징의 차이점이 분명하다.However, in the case where data of some items used for diagnosis and prediction of dementia are missing from various health information provided by the user, data of the missing items are found and filled with reference to the dementia-related information database established through the agent The present invention provides a technical arrangement for diagnosing and predicting dementia after automatically filling in data of missing items through a learning process using an artificial intelligence, , The difference in technical characteristics is obvious compared with the technical composition inferring the general health status of the patients.

또한, 한국공개특허 제2015-0078032호(205.07.08)는 치매 예방용 콘텐츠를 제공한 후 그에 따른 사용자 응답을 이용하여 사용자의 인지 능력을 데이터베이스화하여 관리하고, 연령대별, 레벨별, 지역별 통계적인 기준치를 기반으로 사용자의 인지능력에 대한 비교 정보를 제공함으로써, 다른 사용자와의 비교를 통해 사용자 자신의 현 상태를 정확하게 진단하는 기술이다.In addition, Korean Laid-Open Patent Application No. 2015-0078032 (July 20, 205) provides contents for preventing dementia and uses the user response to manage the cognitive ability of the user in a database and manages the database by age group, level, region It is a technology to accurately diagnose the current state of the user through comparison with other users by providing comparative information on the cognitive ability of the user based on a predetermined reference value.

상기 선행기술은 사용자 응답을 이용하여 사용자 자신의 현 상태를 정확하게 진단하는 점에서 본 발명의 사용자가 제공하는 정보를 토대로 치매 진단 및 예측을 수행하는 구성과 일부 유사성이 있다.The prior art has some similarities with the configuration for diagnosing and predicting dementia based on the information provided by the user of the present invention in terms of accurately diagnosing the user's current state using a user response.

하지만, 본 발명은 사용자가 제공하는 각종 건강정보에서 치매 진단 및 예측에 사용되는 일부 항목의 데이터가 누락되어 있는 경우, 에이전트를 통해 구축한 치매 관련 정보 데이터베이스를 참조하여 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 자동으로 채워 넣은 후, 치매 진단 및 예측을 수행하는 기술적 구성을 제시하고 있기 때문에, 상기 선행기술의 사용자 응답을 이용한 사용자의 인지 능력을 다른 사용자와의 비교를 통해 사용자 자신의 현 상태를 진단하는 구성과 비교해 볼 때 기술적 구성의 차이점이 있다.However, in the case where data of some items used for diagnosis and prediction of dementia are missing from various health information provided by the user, data of the missing items are found and filled with reference to the dementia-related information database established through the agent The present invention provides a technical configuration for automatically diagnosing and predicting dementia after filling in data of a missing item through a learning process using an artificial intelligence, There is a difference in the technical configuration compared to the configuration for diagnosing the user's current status through comparison with other users.

또한, 한국등록특허 제1589069호(2016.01.21.)는 인지치료를 위한 웹서비스 제공 시스템 및 웹서비스 제공 방법에 관한 것으로, 고령화 사회에서 주요문제가 되는 치매환자 및 인지장애를 위해서 전문 치료시설과 가정에서 손쉽게 사용 가능한 전산화 인지재활 웹 서비스를 제공하는 효과가 있다.Korean Patent No. 1589069 (Jan. 21, 2016) discloses a web service provision system and a web service provision method for cognitive treatment. In order to provide dementia patients and cognitive disorders, which are major problems in an aging society, It is effective to provide a computerized cognitive rehabilitation web service which can be easily used at home.

상기 선행기술은 치매와 관련된 인지재활 치료 프로그램을 원격으로 제공받아 언제 어디서든 사용할 수 있는 점에서 본 발명의 치매 진단 및 예측 정보를 토대로 자유롭게 건강관리를 수행할 수 있는 효과와 일부 유사성이 있다.The prior art has some similarities with the effect that the cognitive rehabilitation treatment program related to dementia can be provided remotely and can be used anytime and anywhere, so that the health care can be freely performed on the basis of the dementia diagnosis and prediction information of the present invention.

하지만, 사용자가 제공하는 각종 건강정보에서 치매 진단 및 예측에 필수로 사용되는 항목의 데이터가 누락되면, 사전에 구축되어 있는 각 개인별 치매 관련 정보 데이터베이스를 참조하여 누락된 항목의 데이터를 찾아 자동으로 채워 넣고 치매 진단 및 예측을 수행하는 본 발명의 기술적 구성은 상기 선행기술에 전혀 언급되어 있지 않은 본 발명만의 특징적 구성이다.However, when data of items used as essential for diagnosis and prediction of dementia are missing from various health information provided by the user, the data of the missing items are automatically found by referring to the database of dementia information related to each individual And the technical construction of the present invention for diagnosing and predicting dementia is a characteristic constitution of only the present invention which is not mentioned in the prior art at all.

본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 치매 조기 진단 및 예측 서비스를 제공하는 서비스 운영자 측에서 사용자가 입력하는 건강정보를 토대로 해당 사용자의 치매 진단 및 미래의 치매 상태를 예측할 수 있도록 하는 치매 조기 진단을 위한 스마트 검사장치 및 그 방법을 제공하는 것을 목적으로 한다.The present invention has been made in order to solve the above-mentioned problems, and it is an object of the present invention to provide a service provider providing early diagnosis and prediction service of dementia to diagnose a dementia of a user based on health information input by a user, And to provide a smart inspection apparatus and method therefor for early diagnosis of dementia.

또한, 본 발명은 서비스 운영자 측에서 사용자가 입력하는 건강정보 중 치매 진단에 필요한 일부 항목의 데이터가 누락되는 경우, 에이전트를 통해 다양한 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 추정하여 채워 넣고, 이를 토대로 해당 사용자의 치매 진단 및 미래의 치매 상태를 예측할 수 있도록 하는 치매 조기 진단을 위한 스마트 검사장치 및 그 방법을 제공하는 것을 다른 목적으로 한다.In addition, the present invention can be applied to a case where data of some items necessary for diagnosis of dementia are missing from the health information input by the user on the service operator side, dementia related information for each user collected and constructed by collecting health information from various health information providers through the agent , The data of the missing item is found by filling in the data of the missing item or the learning process by using the artificial intelligence and the data of the missing item is estimated and filled, The present invention also provides a smart test apparatus for early diagnosis of dementia and a method thereof.

본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사장치는, 통신 단말기로부터 각각의 사용자별 건강정보를 입력받는 데이터 입력부; 상기 입력된 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하여, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 데이터 보완부; 및 상기 완성된 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보의 생성을 처리하는 진단 처리부;를 포함하는 것을 특징으로 한다.The smart inspection device for early diagnosis of dementia according to an embodiment of the present invention includes a data input unit for receiving health information for each user from a communication terminal; Comparing the input health information with a predetermined data set for dementia early diagnosis and prediction and if data of some items necessary for early diagnosis and prediction of dementia among the inputted health information are missing, A data supplementing unit for filling in data to complete a data set necessary for early diagnosis and prediction of dementia; And a diagnostic processing unit for processing generation of information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or a combination thereof based on the completed data set.

그리고 상기 데이터 보완부는, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 상기 누락된 항목의 데이터를 찾아 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 한다.If the data of some items necessary for early diagnosis and prediction of dementia are missing from among the inputted health information, the data supplementing unit acquires health information from a plurality of health information providers through the agent apparatus, The data set for the early diagnosis and prediction of dementia is completed by referring to the database of the information and finding and filling the data of the missing item.

그리고 상기 데이터 보완부는, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 한다.If the data of some items necessary for early diagnosis and prediction of dementia are missing from among the inputted health information, the data supplementing unit acquires health information from a plurality of health information providers through the agent apparatus, The data set for the early diagnosis and prediction of dementia is completed by estimating and filling in the data of the missing item through machine learning with reference to the database on the information.

이때 상기 데이터 보완부는, 상기 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣을 때, 특정 사용자의 상기 누락된 항목을 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하고, 상기 분류를 통해 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출하고, 상기 특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣으며, 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는 것을 특징으로 한다.At this time, when the data of the missing item is estimated and filled through the machine learning, the data supplementing unit classifies and extracts users having similar information based on the missing items of the specific user from the entire database, Related information for each user clustered through the dementia-related information of the specific user, extracts an item having missing data from the dementation-related information of the specific user, and calculates a variance of the extracted data with respect to the specific item, The average value of data corresponding to a specific item of the clustered users is calculated and filled in the missing position, and if the threshold value is not less than the threshold value, an intermediate value of data corresponding to a specific item of the clustered users is calculated, It is characterized by filling in position The.

그리고 상기 데이터 보완부는, 상기 누락된 항목의 데이터를 학습처리를 통해 추정하여 채워 넣음으로써 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한 경우, 학습처리를 통해 생성되었음을 알리는 체크신호를 함께 적용하며, 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 하는 것을 특징으로 한다.When the data set necessary for early diagnosis and prediction of dementia is completed by estimating and filling the data of the missing item through the learning process, the data supplement unit applies a check signal indicating that it is generated through the learning process together, When the estimated data is used for early diagnosis and prediction of dementia, the predetermined weight is applied for error correction.

그리고 상기 진단 처리부는, 상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하는 추출부; 상기 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성하는 예측모델 생성부; 및 상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 상기 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하는 진단정보 생성부;를 포함하는 것을 특징으로 한다.The diagnostic processing unit may include an extraction unit for classifying and extracting data sets of other users having similar information from the entire database through the agent apparatus based on the data set of the specific user completed by the data supplement unit; A prediction model generation unit for generating a prediction model by learning data sets of other users having similar classified information; And a diagnostic information generating unit for inputting a data set of a specific user completed in the data supplementing unit to the prediction model to generate information including diagnosis of dementia of the user, progress of dementia, prediction of future dementia state, or combinations thereof .

그리고 상기 스마트 검사장치는, 상기 스마트 검사장치에서 사용되는 제어프로그램, 상기 데이터 보완부에서 보완하여 완성한 치매 조기 진단 및 예측에 필요한 각 사용자별 데이터 세트, 치매 조기 진단 및 예측을 수행하기 위한 실행프로그램, 상기 진단 처리부에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보를 저장하고 있는 저장부; 상기 통신 단말기로부터 입력되는 각 사용자별 건강정보를 상기 데이터 입력부로 출력하고, 제어부의 제어를 토대로 상기 진단 처리부에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보를 상기 통신 단말기로 출력하는 제1 통신부; 및 각 사용자들이 입력하는 건강정보 중 치매 진단에 필요한 일부 항목의 데이터가 누락된 경우, 제어부의 제어를 토대로 에이전트 장치로 상기 누락된 항목의 데이터를 요청하고, 상기 에이전트 장치로부터 상기 누락된 항목의 데이터를 제공받는 제2 통신부;를 더 포함하는 것을 특징으로 한다.The smart examination apparatus may further include a control program used in the smart examination apparatus, a data set for each user necessary for early diagnosis and prediction of dementia supplemented by the data supplement unit, an execution program for performing early diagnosis and prediction of dementia, A storage unit for storing information related to early diagnosis and prediction of dementia for each user processed in the diagnosis processing unit; Outputting to the data input unit health information for each user input from the communication terminal and outputting information related to early diagnosis and prediction of dementia for each user processed by the diagnosis processing unit based on the control of the control unit to the communication terminal A communication unit; And requesting data of the missing item from the agent device based on the control of the control unit when the data of some items necessary for diagnosis of dementia are missing among the health information inputted by each user, And a second communication unit for receiving the second communication unit.

또한, 본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사방법은, 데이터 입력부에서, 통신 단말기로부터 각각의 사용자별 건강정보를 입력받는 데이터 입력 단계; 데이터 보완부에서, 상기 입력된 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하여, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 데이터 보완 단계; 및 진단 처리부에서, 상기 완성된 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보의 생성을 처리하는 진단 처리 단계;를 포함하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a smart inspection method for early diagnosis of dementia, comprising: a data input step of receiving health information for each user from a communication terminal; The data supplementing unit compares the input health information with a predetermined data set for dementia early diagnosis and prediction and if data of some items necessary for early diagnosis and prediction of dementia among the inputted health information are missing, A data supplementing step of filling data of the missing item to complete a data set necessary for early diagnosis and prediction of dementia; And a diagnostic processing step of processing generation of information including diagnosis of dementia of each user, prediction of dementia progression, prediction of future dementia status, or a combination thereof based on the completed data set .

그리고 상기 데이터 보완 단계는, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 데이터 보완부에서 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 상기 누락된 항목의 데이터를 찾아 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 한다.The data supplementation step may include collecting and constructing health information from a plurality of health information providers through the agent device in the data supplementary part if data of some items necessary for early diagnosis and prediction of dementia are missing among the inputted health information The data set for the early diagnosis and prediction of dementia is completed by referring to the database of the dementia-related information for each user and finding and filling the data of the missing item.

그리고 상기 데이터 보완 단계는, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 데이터 보완부에서 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 한다.The data supplementation step may include collecting and constructing health information from a plurality of health information providers through the agent device in the data supplementary part if data of some items necessary for early diagnosis and prediction of dementia are missing among the inputted health information A data set for dementia early diagnosis and prediction is completed by estimating and filling data of the missing item through machine learning with reference to a database of dementia related information for each user.

이때 상기 데이터 보완 단계에서 에이전트 장치를 이용하여 상기 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣을 때, 특정 사용자의 상기 누락된 항목을 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하는 단계; 상기 분류를 통해 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출하는 단계; 상기 특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣는 단계; 및 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는 단계;를 수행하는 것을 특징으로 한다.At this time, when the data of the missing item is estimated and filled through the machine learning using the agent device in the data supplementing step, the user having similar information based on the missing item of the specific user is classified and extracted from the entire database ; Extracting an item having missing data from the dementia-related information of the specific user by referring to the dementia-related information for each user clustered through the classification; Calculating a variance of extracted data for the specific item and calculating an average value of data corresponding to a specific item of the clustered users if the variance is less than a predetermined threshold value and filling the missing position into the missing position; And calculating an intermediate value of data corresponding to a specific item of the clustered users if the threshold value is not less than the threshold, and filling the missing position with the intermediate value.

그리고 상기 데이터 보완 단계에서, 상기 누락된 항목의 데이터가 학습처리를 통해 추정되어 채워 넣어지면, 학습처리를 통해 생성되었음을 알리는 체크신호를 생성하여 함께 적용하며, 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 하는 것을 특징으로 한다.In the data supplement step, when the data of the missing item is estimated and filled in by the learning process, a check signal indicating that the missing item is generated through the learning process is generated and applied together, and the data estimated through the learning process Diagnosis, and prediction, a predetermined weight is applied for error correction.

그리고 상기 진단 처리 단계는, 상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하는 추출 단계; 상기 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성하는 예측모델 생성 단계; 및 상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 상기 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하는 진단정보 생성 단계;를 포함하는 것을 특징으로 한다.Extracting data sets of other users having similar information from the entire database through an agent device based on the data set of the specific user completed by the data supplementing unit; A prediction model generation step of learning a data set of other users having similar classified information to generate a prediction model; And a diagnostic information generating step of inputting a data set of a specific user completed in the data supplementing unit to the prediction model to generate information including diagnosis of a dementia of the user, progress of dementia, prediction of future dementia status, or a combination thereof .

이상에서와 같이 본 발명의 치매 조기 진단을 위한 스마트 검사장치 및 그 방법에 따르면, 치매 진단 및 예측 서비스를 제공하는 스마트 검사장치에서 사용자가 입력하는 건강정보 중 치매 진단 및 예측에 사용되는 일부 항목의 데이터가 누락되면, 기존에 구축되어 있는 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 추정하여 채워 넣은 후, 치매 진단 및 예측을 수행하기 때문에 각 사용자들은 자신이 알고 있는 간단한 건강정보만으로도 본인의 치매 진단 및 미래의 치매 가능성 여부를 손쉽게 확인할 수 있는 효과가 있다.As described above, according to the smart test apparatus and method for early diagnosis of dementia according to the present invention, it is possible to provide a smart test apparatus for diagnosing and predicting dementia, If the data is missing, the data of the missing item is found by filling in the data of the missing item by reference to the existing database, or the data of the missing item is estimated through the learning process using the artificial intelligence, So that each user can easily diagnose his or her own dementia and the possibility of future dementia by using only the simple health information that he knows.

또한, 치매 조기 진단 및 예측을 통하여 각 사용자들이 꾸준한 관심을 가지고 치매 관련 건강관리를 지속적으로 수행할 수 있기 때문에 치매 관련 국가적, 사회적 비용을 경감할 수 있는 효과가 있다.In addition, early diagnosis and prediction of dementia can reduce the national and social costs related to dementia because each user can continuously carry out health care related to dementia with a constant interest.

또한, 치매 조기 진단 및 예측 기술에서 의학, 생명공학, 생물학 등에 정형화되어 있는 방법에서 벗어나 데이터베이스 정보 및 인공지능을 이용한 새롭고 다각적인 치매 특이 정보의 분석을 수행할 수 있는 효과가 있다.In addition, it is possible to carry out analysis of new and various dementia specific information using database information and artificial intelligence, in order to avoid the stereotypes such as medicine, biotechnology, and biology in the early diagnosis and prediction technology of dementia.

도 1은 본 발명이 적용된 치매 조기 진단을 위한 스마트 검사과정을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사장치의 구성을 개략적으로 나타낸 도면이다.
도 3은 도 2의 스마트 검사장치의 구성을 상세하게 나타낸 도면이다.
도 4와 도 5는 사용자가 입력한 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되었을 때, 누락된 항목의 데이터를 채워 넣는 과정을 각각 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사방법의 동작과정을 상세하게 나타낸 순서도이다.
도 7은 도 6의 각 사용자가 입력하는 건강정보로부터 치매 조기 진단 및 예측을 수행하는 동작과정을 보다 상세하게 나타낸 순서도이다.1 is a conceptual diagram for explaining a smart test procedure for early diagnosis of dementia to which the present invention is applied.
FIG. 2 is a diagram schematically illustrating a configuration of a smart test apparatus for early diagnosis of dementia according to an embodiment of the present invention. Referring to FIG.
3 is a detailed view of the configuration of the smart inspection apparatus of FIG.
4 and 5 are views for respectively illustrating a process of filling data of missing items when data of some items necessary for early diagnosis and prediction of dementia among the health information input by the user are omitted.
6 is a flowchart illustrating an operation procedure of a smart test method for early diagnosis of dementia according to an embodiment of the present invention in detail.
FIG. 7 is a flowchart illustrating an operation of performing early diagnosis and prediction of dementia from health information input by each user of FIG. 6 in more detail.

이하, 첨부된 도면을 참조하여 본 발명의 치매 조기 진단을 위한 스마트 검사장치 및 그 방법을 상세하게 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예에 한정되지 않는다. 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a smart test apparatus and method for early diagnosis of dementia according to the present invention will be described in detail with reference to the accompanying drawings. The present invention may be embodied in many different forms and is not limited to the embodiments described herein. Like parts are designated with like reference numerals throughout the specification.

도 1은 본 발명이 적용된 치매 조기 진단을 위한 스마트 검사과정을 설명하기 위한 개념도이다.1 is a conceptual diagram for explaining a smart test procedure for early diagnosis of dementia to which the present invention is applied.

도 1에 도시된 바와 같이, 각 사용자별 치매 관련 정보를 데이터베이스로 구축하기 위하여 에이전트 장치에서 건강보험심사평가원, 국민건강보험공단, 병원, 약국, 요양기관, 개인 사용자 등을 포함한 건강정보 제공자에게 기존 데이터 또는 새로 생성되는 각종 건강 정보의 제공을 요청하고, 각각의 건강정보 제공자로부터 기존에 보유하고 있는 건강 정보 데이터 또는 신규로 생성되는 다양한 종류나 포맷으로 된 건강 정보를 수집한다(①).As shown in FIG. 1, in order to construct dementia-related information for each user as a database, an agent device is provided to a health information provider including a health insurance screening evaluation institution, a National Health Insurance Corporation, a hospital, a pharmacy, Data or various health information to be newly generated, and collects the existing health information data or the newly generated health information in various types or formats from each health information provider (1).

이때 에이전트 장치는 각각의 건강정보 제공자에게 기 설정된 주기마다 건강 정보의 제공을 요청하여 수집하는 방식 이외에, 건강 정보 입력을 위한 소정의 프로그램을 사전에 설치한 각각의 건강정보 제공자로부터 건강 정보를 수시로 제공받을 수 있다. 즉 에이전트 장치에서 건강정보 제공자에게 건강 정보 제공을 요청한 후 수집하는 것이 아니고, 각각의 건강정보 제공자가 에이전트 장치로 직접 각종 건강 정보를 제공할 수 있는 것이다.At this time, in addition to the method of requesting and collecting the health information every predetermined period, the agent device provides health information from each health information provider that has previously provided a predetermined program for inputting health information Can receive. That is, the agent device is not collecting the health information provider after requesting the health information provider, and each health information provider can directly provide various health information to the agent device.

복수의 건강정보 제공자로부터 각종 건강 정보를 수집한 이후, 에이전트 장치는 건강 정보 제공자로부터 수집 또는 제공받은 건강 정보를 기 설정되어 있는 치매 관련 항목(예를 들어, 치매 관련 증상이나 검사 등에 사용되는 키워드, 해당 키워드와 관련된 연관어 등)과 비교하여 건강 정보에서 치매 관련 정보를 분류한다(②). 즉 복수의 건강정보 제공자로부터 각종 건강 정보를 수집 또는 제공받은 후 사전에 정의된 치매 관련 항목과 비교하여 건강 정보 중에서 치매 관련 정보를 찾아내는 것이다.After collecting various kinds of health information from a plurality of health information providers, the agent apparatus collects health information collected or provided from the health information providers by using predetermined dementia-related items (for example, keywords used for dementia- And related words related to the keyword), and classifies the information related to dementia in the health information ((2)). That is, after collecting or providing various health information from a plurality of health information providers, it is compared with predefined dementia related items to find information related to dementia among health information.

예를 들어, 각각의 건강정보 제공자로부터 수집하는 건강 정보에는 치매 관련 정보 이외에 각종 암, 심장병 등 다른 질환에 대한 정보, 일반인들의 검진 정보 등과 같이 치매와 연관되어 있지 않은 다양한 정보가 다양한 포맷으로 존재하기 때문에 에이전트 장치에서 대용량의 건강정보 빅데이터로부터 치매와 관련된 데이터만을 별도로 추려내는 작업을 수행하는 것이다.For example, the health information collected from each health information provider includes a variety of information not related to dementia, such as information on various diseases such as cancer, heart disease, Therefore, the agent device performs a task of separately extracting data related to dementia from the large-sized health information big data.

이러한 치매 관련 정보의 분류작업 이후, 에이전트 장치는 건강정보 제공자로부터 수집하거나 제공받은 각종 건강 정보에서 추려낸 치매 관련 정보를 데이터베이스에서 사용되는 특정 포맷으로 변환한 후, 각 개인별로 구분하여 데이터베이스에 저장한다(③). 즉 각각의 건강정보 제공자가 사용하는 응용프로그램의 종류가 다양하고 이에 따라 파일포맷이 제각각이기 때문에 이를 통합하여 관리하기 위하여 에이전트 장치는 치매 관련 정보를 어느 하나의 파일형태로 변환하여 데이터베이스에 저장하는 것이다.After classification of the dementia-related information, the agent device converts the selected dementia-related information from various health information collected or provided by the health information provider into a specific format used in the database, ③). That is, since each type of application program used by each health information provider is various and file format is different, the agent device converts the dementia-related information into a file form and stores it in a database .

이때, 데이터베이스에 저장되는 구체적인 치매 관련 정보는, 회원 정보(아이디, 권한/역할, 성명, 주민번호, 전화번호, 주소, 소속, 등록일시, 수정일시 등), 검사 정보(아이디, 검사명 등), 진단 정보(아이디, 대상자 아이디 등), 검사대상자 정보(아이디, 성명, 진단예정일, 주민번호, 전화번호, 주소, 소속, 등록일시, 수정일시 등), 병력 정보(아이디, 병명, 병세, 치료결과 등), 가족력 정보(아이디, 가족명, 가족관계, 병명 등), 진단결과 정보(아이디, 진단아이디 등), 기초신체검사 정보(아이디, 키, 체중, 가슴둘레, 혈압, 청력, 시력, 색각, 소변검사, 혈액검사, 상담내역 등), SNSB 정보(아이디, 주의집중능력, 언어능력, 시공간기능, 기억력, 종합평가 등), 임상진단 정보(아이디, 지능검사, 발달검사, 종합심리검사, 학습능력평가, 주의력검사, 지능검사, 인성검사, 신경심리종합검사, 노인치매/인지능검사, 종합평가 등), MRI 정보(아이디, 전두엽, 두정엽, 측두엽, 후두엽, 소뇌, 뇌간, 간뇌, 시상, 시상하부, 뇌하수체, 송과샘, 중뇌, 교뇌, 연수, 해마, 뇌막/두개골, 혈관, 뇌혈관장벽, 뇌신경, 종합평가 등), 이미지 정보(파일코드, 설명, 원본파일명, 저장파일명, 파일경로, 파일크기, 파일타입, 파일등록일, 등록자아이디, 등록일시 등), 결과 정보(아이디, 파일코드, 파일순번, 치매종류 등) 등이다.At this time, the specific dementia related information stored in the database may include the member information (ID, authority / role, name, resident registration number, telephone number, address, affiliation, registration date, , Diagnosis information (ID, subject ID, etc.), subject information (ID, name, date of diagnosis, resident registration number, phone number, address, affiliation, registration date, (Eg ID, height, weight, chest, blood pressure, hearing, vision, etc.), family history information (ID, family name, family relationship, SNSB information (ID, attention ability, language ability, time and space function, memory ability, comprehensive evaluation, etc.), clinical diagnosis information (ID, intelligence test, developmental test, general psychological examination , Learning ability assessment, attention test, intelligence test, , Parietal lobe, parietal lobe, temporal lobe, occipital lobe, cerebellum, brainstem, ganglia, thalamus, hypothalamus, pituitary gland, pineal gland, midbrain, (File code, description, original file name, storage file name, file path, file size, file type, file registration date, registrant, etc.) ID, date of registration, etc.), result information (ID, file code, file order, dementia type, etc.).

한편, 에이전트 장치는 치매관련 정보를 데이터베이스로 구축할 때, 사용자별 치매 조기 진단 및 예측에 필요한 항목 중에서 일부 항목의 데이터가 누락되는 경우, 머신러닝(machine learning)을 통해 상기 누락된 데이터를 추정하여 채워 넣을 수 있다. 이 과정에서 먼저 해당 사용자의 치매 관련 정보를 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류(classification)하여 추출한다. 상기 분류는 머신러닝을 통해서 시계열(나이)로 구성된 각 개인의 치매 관련 정보를 토대로 유사한 조건을 갖춘 사용자를 클러스터링(clustering)하는 과정을 말한다.On the other hand, when constructing the dementia-related information as a database, the agent device estimates the missing data through machine learning when some items of the items necessary for early diagnosis and prediction of dementia are missing for each user You can fill it. In this process, users who have similar information are classified and extracted from the entire database based on the dementation-related information of the user. The above classification refers to a process of clustering users having similar conditions based on information related to dementia of each individual composed of time series (age) through machine learning.

상기 분류를 통해서 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출한다. 상기 특정 항목에 대해서 추출된 데이터들에 대한 분산(variance)을 계산하여 분산이 미리 설정된 문턱값 미만이면, 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값(average)을 계산하여 상기 누락된 위치에 채워 넣고, 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값(median)을 계산하여 상기 누락된 위치에 채워 넣는다.With reference to the dementia-related information for each user clustered through the classification, items with missing data are extracted from the dementation-related information of the specific user. Calculating a variance of the extracted data with respect to the specific item and calculating an average value of data corresponding to a specific item of the clustered users if the variance is less than a preset threshold value, If the threshold value is not less than the threshold value, a median of data corresponding to a specific item of the clustered users is calculated and filled in the missing position.

예를 들어, 특정 사용자의 특정 항목에 대한 누락된 데이터는 특정 사용자의 누락되지 않은 정보를 이용하여 전체 사용자들로부터 유사한 사용자 그룹을 추출하고, 이로부터 특정 사용자의 특정 항목에 대한 누락된 데이터를 추정하게 된다.For example, missing data for a particular item of a particular user may be obtained by extracting a similar group of users from all users using the non-missing information of a particular user, estimating missing data for that particular item & .

이때 에이전트 장치는 누락된 필수 항목의 일부 데이터를 학습처리를 통해 추정하여 적용할 경우, 학습처리를 통해 생성되었음을 알리는 체크신호를 별도로 표시하는 것이 바람직하며, 향후 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 추정된 정보로 인한 진단 및 예측 오류를 방지할 수 있도록 추정된 데이터에 기 설정되어 있는 가중치를 적용하는 방식을 사용할 수 있다.At this time, when the agent device estimates and applies some data of the missing essential items through the learning process, it is preferable to separately display a check signal indicating that the missing data is generated through the learning process, When used for diagnosis and prediction, a method of applying a predetermined weight to the estimated data may be used to prevent diagnosis and prediction errors due to the estimated information.

이제, 에이전트 장치에서 복수의 건강정보 제공자로부터 다양한 건강 정보를 수집하여 치매 관련 정보만을 별도로 추려내어 각 사용자별 치매 관련 정보를 데이터베이스로 구축한 이후, 사용자는 자신이 알고 있는 건강정보를 토대로 치매 조기 진단 및 예측에 대한 서비스를 이용하기 위하여 소지하고 있는 통신 단말기를 사용하여 네트워크를 통해 스마트 검사장치로 통신 접속을 수행하고, 스마트 검사장치의 요청에 따라 자신이 알고 있는 건강정보를 입력한다(④).Now, the agent device collects various health information from a plurality of health information providers, separately culls only the dementia-related information, and builds the dementia-related information for each user into a database. Then, the user uses the health information he / (4), a communication connection is made to a smart inspection device through a network using a communication terminal possessed to utilize the service for prediction, and the prediction is inputted by the smart inspection device at the request of the smart inspection device.

그러면 스마트 검사장치에서 통신 단말기로부터 입력되는 건강정보를 토대로 치매 조기 진단 및 예측에 필요한 항목 중 일부 항목의 데이터가 누락되어 있는지를 확인한다(⑤). 즉 통신 단말기로부터 입력되는 건강정보가 치매 조기 진단 및 예측에 필요한 데이터 세트에 포함되는 각각의 항목별로 제공되는지를 확인하는 것이다.Then, based on the health information input from the communication terminal, the smart inspection apparatus confirms whether data of some items of items necessary for early diagnosis and prediction of dementia are missing (⑤). That is, whether the health information input from the communication terminal is provided for each item included in the data set necessary for early diagnosis and prediction of dementia.

확인 결과 통신 단말기로부터 입력받은 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 스마트 검사장치는 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한다(⑥).If the data of some items required for the early diagnosis and prediction of dementia are missing from the health information inputted from the communication terminal, the smart inspection device fills in the missing item data to complete the data set necessary for early diagnosis and prediction of dementia (⑥).

이때 스마트 검사장치는 통신 단말기로부터 입력받은 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣는 방식을 사용할 수 있다. 즉 스마트 검사장치는 치매 조기 진단 및 예측 서비스를 이용하는 특정 사용자가 입력한 건강정보를 토대로 생성한 데이터 세트를 에이전트 장치에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스와 매칭하여, 비어 있는 항목의 데이터를 찾아 데이터 세트를 완성하는 것이다.(도 4 참조)At this time, if the data of some items necessary for the early diagnosis and prediction of dementia are missing from the health information inputted from the communication terminal, the smart inspection device collects health information from a plurality of health information providers through the agent device, You can use the database of related information to locate and populate the missing item data. That is, the smart check device matches the data set generated based on the health information inputted by a specific user using the dementia early diagnosis and prediction service with the dementia related information database of the corresponding user established in the agent device, To complete the data set (see Figure 4).

또한, 스마트 검사장치는 상기와 같이 일대일 데이터 비교를 통해 비어 있는 항목의 데이터를 찾아 채워 넣는 방식 이외에, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 머신러닝을 통해 누락된 항목의 데이터를 추정하여 채워 넣는 방식을 사용할 수 있다. 즉 스마트 검사장치는 사용자가 입력한 건강정보를 토대로 생성한 데이터 세트와 에이전트 장치에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스의 일대일 비교를 통해 비어 있는 항목의 데이터를 찾아 데이터 세트를 완성할 때, 여전히 일부 항목의 데이터가 누락되어 있는 경우, 에이전트 장치를 통해 해당 사용자와 유사한 그룹의 다른 사용자들의 데이터 세트를 참조하여 인공지능을 이용한 학습처리를 수행한 후 학습처리를 통해 누락된 항목의 데이터를 추정하고, 추정된 데이터를 채워 넣어 데이터 세트를 완성하는 것이다.(도 5 참조)In addition to the method of finding and filling data of empty items through one-to-one data comparison as described above, the smart inspection apparatus collects and constructs health information from a plurality of health information providers through the agent apparatus, A method of estimating and filling in data of a missing item through machine learning can be used. That is, when the smart check device completes the data set by searching the data of the empty item through one-to-one comparison of the data set generated based on the health information inputted by the user and the database of the dementia-related information database of the corresponding user constructed in the agent device, If the data of some items are missing, the learning process using the artificial intelligence is performed by referring to the data set of other users in the group similar to the user through the agent device, and data of the missing items is estimated through the learning process , And filling in the estimated data to complete the data set (see Fig. 5)

치매 조기 진단 및 예측에 필요한 항목 중 누락되어 있는 항목의 데이터를 채워 넣어 데이터 세트를 완성한 이후, 스마트 검사장치는 해당 사용자의 데이터 세트를 토대로 진단을 수행하여 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 등에 관한 정보를 생성한다(⑦).After completion of the data set by filling in data of missing items among the items necessary for early diagnosis and prediction of dementia, the smart test device performs diagnosis based on the data set of the user and diagnoses dementia, progress of dementia, (7).

이때 스마트 검사장치는 특정 사용자의 완성된 데이터 세트를 토대로 에이전트 장치를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하고, 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성한 후, 특정 사용자의 데이터 세트를 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성한다.At this time, the smart inspection apparatus classifies and extracts data sets of other users having similar information from the entire database through the agent apparatus based on the completed data set of the specific user, learns data sets of other users having similar classified information After generating a prediction model, a data set of a specific user is input to the prediction model to generate information including the diagnosis of dementia of the user, progress of dementia, prediction of future dementia state, or a combination thereof.

그리고 스마트 검사장치는 진단 수행을 토대로 생성된 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 네트워크를 통해 해당 통신 단말기로 전송한다(⑧).Then, the smart inspection device transmits information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or a combination thereof to each communication terminal through the network (8).

이에 따라 각 사용자들은 자신이 알고 있는 간단한 건강정보만으로도 치매 진단 및 미래의 치매 가능성 여부를 손쉽게 확인할 수 있고, 이를 통해 꾸준한 관심을 가지고 건강관리를 수행할 수 있기 때문에 치매와 관련된 국가적, 사회적 비용을 절감할 수 있으며, 치매 조기 진단 및 예측 기술에서 의학, 생명공학, 생물학 등에 정형화되어 있는 방법에서 벗어나 데이터베이스 정보 및 인공지능을 이용한 새롭고 다각적인 치매 특이 정보의 분석을 수행할 수 있다.Therefore, each user can easily check the dementia diagnosis and the possibility of future dementia by simply knowing his / her simple health information, and by doing so, he / she can carry out health care with steady interest, thereby reducing national and social costs related to dementia And it is possible to carry out analysis of new and various dementia-specific information using database information and artificial intelligence in the early diagnosis and prediction technology of dementia, away from the stereotypes of medicine, biotechnology, and biology.

도 2는 본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사장치의 구성을 개략적으로 나타낸 도면이고, 도 3은 도 2의 스마트 검사장치의 구성을 상세하게 나타낸 도면이며, 도 4와 도 5는 사용자가 입력한 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되었을 때, 누락된 항목의 데이터를 채워 넣는 과정을 각각 설명하기 위한 도면이다.FIG. 2 is a view schematically showing a configuration of a smart test device for early diagnosis of dementia according to an embodiment of the present invention, FIG. 3 is a detailed view of the configuration of the smart test device of FIG. 2, 5 is a diagram for explaining a process of filling data of a missing item when data of some items necessary for early diagnosis and prediction of dementia among the health information inputted by the user are missing.

도시된 바와 같이 본 발명의 장치는, 네트워크(100), 복수의 통신 단말기(200), 스마트 검사장치(300), 에이전트 장치(400), 데이터베이스(500), 복수의 건강정보 제공자 등으로 구성된다.As shown, the apparatus of the present invention comprises a network 100, a plurality of communication terminals 200, a smart inspection apparatus 300, an agent apparatus 400, a database 500, and a plurality of health information providers .

네트워크(100)는 유/무선 인터넷 등을 포함한 각종 통신망으로서, 복수의 통신 단말기(200)와 스마트 검사장치(300) 사이의 통신회선을 연결하여 상호간에 치매 조기 진단 및 예측에 관련된 데이터 송수신을 처리한다.The network 100 is a variety of communication networks including a wired / wireless Internet and the like. A communication line between a plurality of communication terminals 200 and the smart inspection apparatus 300 is connected to process data transmission / reception related to dementia early diagnosis and prediction do.

또한, 네트워크(100)는 스마트 검사장치(300)와 에이전트 장치(400), 에이전트 장치(400)와 복수의 건강정보 제공자 사이의 통신회선을 연결하여 상호간에 각 사용자별 치매 관련 정보의 데이터베이스 구축 및 데이터베이스로 구축된 치매 관련 정보의 이용에 관련된 데이터 송수신을 처리한다.The network 100 further includes a database establishing a database of dementia-related information for each user by connecting communication lines between the smart check device 300, the agent device 400, and the agent device 400 and a plurality of health information providers, And processes data transmission / reception related to the use of dementia-related information constructed in the database.

통신 단말기(200)는 사용자들이 소지하고 있는 스마트폰, 태블릿 PC, 노트 PC 등의 기기로서, 네트워크(100)를 통해 스마트 검사장치(300)와 통신 접속을 진행한 후, 본인이 알고 있는 건강정보를 제공하고, 이를 토대로 치매 관련 진단을 수행하는 스마트 검사장치(300)로부터 자신의 치매 조기 진단 및 예측과 관련된 정보를 제공받는다.The communication terminal 200 communicates with the smart inspection device 300 through the network 100 as a device such as a smart phone, a tablet PC or a notebook PC possessed by users, And receives information related to his / her dementia early diagnosis and prediction from the smart test device 300 that performs diagnosis based on the dementia.

스마트 검사장치(300)는 치매 조기 진단 및 예측과 관련된 서비스를 제공하는 사업자 측에서 운영하는 컴퓨터로서, 복수의 통신 단말기(200)로부터 입력되는 각 사용자의 건강정보를 치매 조기 진단 및 예측에 필요한 각종 항목을 포함하고 있는 데이터 세트와 비교하여 누락된 항목이 있는지를 확인한다. 그리고 확인결과 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치(400)를 통하여 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한다. 그리고 완성된 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 치매 관련 진단정보를 생성하고, 생성된 치매 관련 진단정보를 해당 통신 단말기(200)로 제공한다.The smart check device 300 is a computer operated by a provider that provides services related to early diagnosis and prediction of dementia. The smart check device 300 includes health information of each user input from a plurality of communication terminals 200, Compare with the data set containing the item to see if there are any missing items. If the data of some items necessary for early diagnosis and prediction of dementia are missing from the health information inputted from the communication terminal 200, the data of the missing items are filled in through the agent device 400, And completes the data set necessary for the prediction. Based on the completed data set, it generates dementia-related diagnosis information including dementia diagnosis for each user, dementia progress status, future dementia status prediction, or a combination thereof, and transmits the generated dementation-related diagnosis information to the corresponding communication terminal 200 to provide.

에이전트 장치(400)는 복수의 건강정보 제공자로부터 기존에 보유하고 있거나 신규로 생성한 각종 건강 정보를 수집하고, 건강 정보로부터 치매 관련 정보를 추출하여 데이터베이스(500)에 저장한다. 그리고 치매 관련 정보를 데이터베이스(500)에 저장할 때, 치매 조기 진단 및 예측에 필요한 항목에 대한 일부 데이터가 누락되면 인공지능을 이용한 학습처리를 통해 누락된 필수 항목의 데이터를 추정하여 채워주는 기능을 추가로 수행한다.The agent apparatus 400 collects various health information that is held or newly generated from a plurality of health information providers, extracts the dementia-related information from the health information, and stores the information in the database 500. If some data on the items necessary for early diagnosis and prediction of dementia are missing when storing the information related to dementia in the database 500, the function of estimating and filling the missing essential items through the learning process using artificial intelligence is added .

또한, 에이전트 장치(400)는 치매 조기 진단 및 예측 서비스를 수행하는 스마트 검사장치(300)의 요청을 토대로 데이터베이스(500)에 저장된 특정 개인의 치매 관련 정보를 추출하여 스마트 검사장치(300)로 제공한다.In addition, the agent apparatus 400 extracts the dementia-related information of a specific individual stored in the database 500 based on a request of the smart check apparatus 300 performing the dementia early diagnosis and prediction service, and provides the extracted information to the smart check apparatus 300 do.

한편, 상기 스마트 검사장치(300)는 도 3에 도시된 바와 같이, 제1 통신부(310), 데이터 입력부(320), 데이터 보완부(330), 제2 통신부(340), 저장부(350), 진단 처리부(360), 제어부(370) 등으로 구성된다. 그리고 진단 처리부(360)는 추출부(362), 예측모델 생성부(364), 진단정보 생성부(366) 등으로 구성된다.3, the smart inspection apparatus 300 includes a first communication unit 310, a data input unit 320, a data supplement unit 330, a second communication unit 340, a storage unit 350, A diagnostic processing unit 360, a control unit 370, and the like. The diagnostic processing unit 360 includes an extracting unit 362, a predictive model generating unit 364, a diagnostic information generating unit 366, and the like.

제1 통신부(310)는 네트워크(100)를 통해 통신 단말기(200)로부터 입력되는 각 사용자별 건강정보를 데이터 입력부(320)로 출력하고, 제어부(370)의 제어를 토대로 진단 처리부(360)에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보를 네트워크(100)를 통해 해당 통신 단말기(200)로 출력한다.The first communication unit 310 outputs health information for each user inputted from the communication terminal 200 through the network 100 to the data input unit 320 and controls the diagnosis processing unit 360 based on the control of the control unit 370 And outputs information related to the dementia early diagnosis and prediction for each user processed to the communication terminal 200 through the network 100. [

데이터 입력부(320)는 제어부(370)의 제어를 토대로 제1 통신부(310)를 통해 통신 단말기(200)로부터 입력되는 각각의 사용자별 건강정보를 데이터 보완부(330)로 출력한다.The data input unit 320 outputs the health information for each user inputted from the communication terminal 200 through the first communication unit 310 to the data supplement unit 330 based on the control of the control unit 370. [

데이터 보완부(330)는 데이터 입력부(320)로부터 전달되는 통신 단말기(200)로부터 입력받은 각 사용자별 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하고, 비교결과를 토대로 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있는지의 여부를 확인한다.The data supplement unit 330 compares the health information for each user received from the communication terminal 200 transmitted from the data input unit 320 with the data set required for early diagnosing and predicting dementia, It is confirmed whether data of some items necessary for early diagnosis and prediction of dementia among the health information inputted from the communication terminal 200 are missing.

그리고 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 제2 통신부(340)를 통해 에이전트 장치(400)와 통신 접속을 진행한 후, 에이전트 장치(400)에서 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스(500)를 참조하여 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한다.If the data of some items necessary for early diagnosis and prediction of dementia are missing from the health information inputted from the communication terminal 200, after proceeding to make a communication connection with the agent device 400 through the second communication unit 340, The data set for the dementia early diagnosis and prediction is completed by filling in the data of the missing item with reference to the database 500 about the dementia related information for each user constructed in the device 400. [

예를 들어, 데이터 보완부(330)는 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치(400)를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스(500)를 참조하여, 상기 누락된 항목의 데이터를 찾아 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한다. 즉 데이터 보완부(330)는 도 4에 도시된 바와 같이, 치매 조기 진단 및 예측 서비스를 이용하는 특정 사용자가 통신 단말기(200)를 통해 입력한 건강정보를 토대로 생성한 데이터 세트를 에이전트 장치(400)에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스(500)와 일대일로 매칭하고, 매칭결과를 토대로 비어 있는 항목의 데이터를 찾아 데이터 세트를 완성하는 것이다.For example, if the data of some items necessary for early diagnosis and prediction of dementia are missing from the health information input from the communication terminal 200, the data supplement unit 330 may transmit the health information to the plurality of health information providers The data set necessary for the early diagnosis and prediction of dementia is completed by referring to the database 500 of the dementia-related information for each user constructed by collecting and constructing the health information from the health information. That is, as shown in FIG. 4, the data supplementing unit 330 transmits a data set generated based on the health information inputted by the specific user using the communication terminal 200 using the early diagnosis and prediction service to the agent apparatus 400, One-to-one correspondence with the dementia-related information database 500 of the corresponding user established in the home page, and completes the data set by searching for the data of the blank item based on the matching result.

또한, 데이터 보완부(330)는 상기와 같이 일대일 데이터 비교를 통해 비어 있는 항목의 데이터를 찾아 채워 넣는 방식 이외에, 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치(400)를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스(500)를 참조하여, 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성할 수 있다. 즉 데이터 보완부(330)는 도 5에 도시된 바와 같이, 특정 사용자가 통신 단말기(200)를 통해 입력한 건강정보를 토대로 생성한 데이터 세트와 에이전트 장치(400)에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스(500)의 일대일 비교를 통해 비어 있는 항목의 데이터를 찾아 데이터 세트를 완성할 때, 여전히 일부 항목의 데이터가 누락되어 있으면, 먼저 에이전트 장치(400)를 통해 해당 사용자와 유사한 그룹의 다른 사용자들의 데이터 세트를 참조하여 인공지능을 이용한 학습처리를 수행한 후 학습처리를 통해 누락된 항목의 데이터를 추정하고, 추정된 데이터를 상기 누락된 항목에 채워 넣어 데이터 세트를 완성하는 것이다.In addition to the method of searching for and filling in the empty item data through one-to-one data comparison as described above, the data supplementing unit 330 may further include, If the data is missing, the health information is collected from a plurality of health information providers through the agent apparatus 400, and referring to the database 500 for each user's dementia-related information for each user, The data set necessary for early diagnosis and prediction of dementia can be completed. That is, as shown in FIG. 5, the data supplement unit 330 receives a data set generated based on the health information inputted by the specific user through the communication terminal 200, When the data of an empty item is found by searching one-on-one comparison of the information database 500 and the data set is still completed, if the data of some items are still missing, the other user in the group similar to the user via the agent device 400 The learning process using the artificial intelligence is performed with reference to the data set of the learning data, the data of the missing item is estimated through the learning process, and the estimated data is filled in the missing item to complete the data set.

이때 머신러닝을 통해 누락된 항목의 데이터를 채워 넣는 경우, 데이터 보완부(330)는 먼저 특정 사용자의 치매 관련 정보를 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류(즉 머신러닝을 통해서 시계열(나이)로 구성된 각 개인의 치매 관련 정보를 토대로 유사한 조건을 갖춘 사용자를 클러스터링하는 과정)하여 추출한다. 그리고 분류를 통해서 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출한다. 그리고 특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면, 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣고, 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는다.In this case, when data of a missing item is filled in by machine learning, the data supplementing unit 330 firstly classifies the user having similar information from the entire database based on the dementation-related information of the specific user (that is, ) And clustering users who have similar conditions based on the information related to dementia of each individual. Then, an item having missing data is extracted from the dementia related information of the specific user by referring to the information related to dementia for each user clustered through classification. If the variance is less than a preset threshold value, a mean value of data corresponding to a specific item of the clustered users is calculated and filled in the missing position, The intermediate value of the data corresponding to the specific item of the clustered users is calculated and filled in the missing position.

이때 데이터 보완부(330)는 누락된 항목의 데이터를 학습처리를 통해 추정하여 채워 넣음으로써 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한 경우, 학습처리를 통해 생성되었음을 알리는 체크신호를 함께 적용할 수 있다. 그리고 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 할 수 있다.At this time, when the data set necessary for the early diagnosis and prediction of dementia is completed by estimating and filling the data of the missing item through the learning process, the data supplementing unit 330 can apply a check signal indicating that it is generated through the learning process have. If the data estimated through the learning process is used for early diagnosis and prediction of dementia, a predetermined weight can be applied for error correction.

제2 통신부(340)는 통신 단말기(200)를 통해 각 사용자들이 입력하는 건강정보 중 치매 진단에 필요한 일부 항목의 데이터가 누락된 경우, 제어부(370)의 제어를 토대로 네트워크(100)를 통해 에이전트 장치(400)와 통신 접속을 진행한 후, 에이전트 장치(400)로 치매 조기 진단 및 예측 서비스를 이용하는 특정 사용자의 누락된 항목의 데이터를 요청하고, 에이전트 장치(400)로부터 상기 누락된 항목의 데이터를 제공받는다.The second communication unit 340 may be configured to send an agent to the second communication unit 340 through the network 100 based on the control of the controller 370 when data of some items required for the diagnosis of dementia among the health information input by the users through the communication terminal 200 is missing, Requesting data of a missing item of a specific user who uses the dementia early diagnosis and prediction service to the agent apparatus 400 after proceeding to make a communication connection with the apparatus 400 and transmitting the data of the missing item from the agent apparatus 400 .

저장부(350)는 스마트 검사장치(300)에서 사용되는 각종 제어프로그램, 데이터 보완부(330)에서 보완하여 완성한 치매 조기 진단 및 예측에 필요한 각 사용자별 데이터 세트, 진단 처리부(360)에서 치매 조기 진단 및 예측을 수행하기 위한 실행프로그램, 진단 처리부(360)에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보 등이 저장되어 있다.The storage unit 350 stores various control programs used in the smart check device 300 and data sets for each user necessary for the early diagnosis and prediction of dementia complemented by the data supplement unit 330. In the diagnosis unit 360, An execution program for performing diagnosis and prediction, information related to early diagnosis and prediction of dementia for each user processed in the diagnosis processing unit 360, and the like.

진단 처리부(360)는 제어부(370)의 제어를 토대로 데이터 보완부(330)를 통해 완성된 각 사용자별 치매 조기 진단 및 예측에 사용되는 데이터 세트를 사용하여 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보의 생성을 처리한다.The diagnosis processing unit 360 may be configured to diagnose dementia of each user, progress of dementia, and diagnosis of dementia by using the data set used for early diagnosis and prediction of dementia for each user through the data supplement unit 330 based on the control of the controller 370, The prediction of future dementia status, or a combination of these.

이때 진단 처리부(360)는 데이터 보완부(330)에서 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치(400)를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하는 추출부(362)와, 추출부(362)를 통해 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성하는 예측모델 생성부(364)와, 데이터 보완부(330)에서 완성한 특정 사용자의 데이터 세트를 예측모델 생성부(364)를 통해 생성한 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하는 진단정보 생성부(366)로 구성된다.At this time, the diagnostic processing unit 360 extracts data sets of other users having similar information from the entire database through the agent device 400 based on the data set of the specific user completed by the data supplement unit 330, A prediction model generation unit 364 that learns a data set of other users having similar information classified through the extraction unit 362 to generate a prediction model; A diagnostic information generator 366 for generating information including diagnosis of dementia of the user, prediction of dementia status, prediction of future dementia status, or a combination thereof by inputting the set into a prediction model generated by the prediction model generation unit 364, .

제어부(370)는 스마트 검사장치(300)의 전반적인 구동을 제어하는 부분으로서, 데이터 입력부(320)를 통해 통신 단말기(200)로부터 입력되는 건강정보를 토대로 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 데이터 보완부(330)에서 에이전트 장치(400)를 이용하여 해당 사용자의 치매 조기 진단 및 예측에 필요한 항목이 포함되어 있는 데이터 세트의 완성을 제어한다.The control unit 370 controls the overall operation of the smart test apparatus 300 and includes data items of some items necessary for early diagnosis and prediction of dementia based on the health information inputted from the communication terminal 200 through the data input unit 320 The data supplement unit 330 controls the completion of the data set including items necessary for the early diagnosis and prediction of the dementia of the user by using the agent device 400. [

그리고 데이터 보완부(330)를 통해 완성된 각 사용자별 치매 조기 진단 및 예측에 사용되는 데이터 세트를 사용하여 진단 처리부(360)에서 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하도록 제어하며, 생성된 치매관련 진단결과의 저장부(350) 저장 및 제1 통신부(310)를 통한 각 통신 단말기(200)로의 전송을 제어한다.The diagnostic processor 360 uses the data set used for early diagnosis and prediction of dementia for each user completed through the data supplement unit 330 to diagnose dementia of each user, progress of dementia, prediction of future dementia status, And stores the generated dementation-related diagnosis results in the storage unit 350 and controls transmission to each of the communication terminals 200 through the first communication unit 310.

다음에는, 이와 같이 구성된 본 발명에 따른 치매 조기 진단을 위한 스마트 검사방법의 일 실시예를 도 6과 도 7을 참조하여 상세하게 설명한다. 이때 본 발명의 방법에 따른 각 단계는 사용 환경이나 당업자에 의해 순서가 변경될 수 있다.Hereinafter, an embodiment of the smart inspection method for early diagnosis of dementia according to the present invention will be described in detail with reference to FIGS. 6 and 7. FIG. At this time, each step according to the method of the present invention may be changed in the use environment or the order by a person skilled in the art.

도 6은 본 발명의 일 실시예에 따른 치매 조기 진단을 위한 스마트 검사방법의 동작과정을 상세하게 나타낸 순서도이며, 도 7은 도 6의 각 사용자가 입력하는 건강정보로부터 치매 조기 진단 및 예측을 수행하는 동작과정을 보다 상세하게 나타낸 순서도이다.FIG. 6 is a detailed flowchart illustrating an operation procedure of the smart check method for early diagnosis of dementia according to an embodiment of the present invention. FIG. 2 is a flow chart showing in more detail an operation process of FIG.

우선, 각 사용자별 치매 관련 정보를 데이터베이스(500)로 구축하는 에이전트 장치(400)에서 국민건강보험공단, 병원, 약국, 요양기관, 개인 등의 건강정보 제공자에게 기존에 보유하고 있는 데이터 또는 새로 생성되는 각종 건강 정보의 제공을 요청하고, 각각의 건강정보 제공자로부터 기존에 보유하고 있는 건강 정보 데이터 또는 신규로 생성되는 다양한 종류나 포맷으로 된 건강 정보를 수집한다(S100).First, in the agent device 400 that constructs the dementia-related information for each user in the database 500, data previously held in the health information provider of the National Health Insurance Corporation, hospital, pharmacy, medical institution, , And collects health information data existing in a variety of types or formats that are newly generated from each health information provider (S100).

이때 에이전트 장치(400)는 각각의 건강정보 제공자에게 기 설정된 주기마다 건강 정보의 제공을 요청하여 건강 정보를 수집하거나, 또는 각각의 건강정보 제공자로부터 건강 정보를 직접 제공받을 수 있다.At this time, the agent apparatus 400 may request the health information provider to provide the health information every predetermined period, collect the health information, or directly receive the health information from each health information provider.

S100 단계를 통해 각 사용자들의 건강정보를 수집한 이후, 에이전트 장치(400)는 사전에 정의한 치매 관련 항목을 사용하여, 건강정보 제공자로부터 수집한 각종 건강정보에서 치매 관련 정보를 분류한다(S200).After collecting the health information of each user through step S100, the agent apparatus 400 classifies the dementia-related information in various health information collected from the health information provider using the dementation-related item defined in advance (S200).

그리고 에이전트 장치(400)는 건강정보 제공자로부터 수집하거나 제공받은 각종 건강정보에서 추려낸 치매 관련 정보를 데이터베이스에서 사용되는 특정 포맷으로 변환한 후, 각 개인별로 구분하여 데이터베이스(500)에 저장한다(S300). 즉 다양한 종류의 응용프로그램 사용으로 인해 다양한 파일포맷으로 된 건강정보를 통합, 관리하기 위하여 에이전트 장치(400)에서 치매 관련 정보를 어느 하나의 파일형태로 변환하여 데이터베이스(500)에 저장하는 것이다.Then, the agent device 400 converts the selected dementia-related information from the various health information collected or provided by the health information provider into a specific format used in the database, and stores the separated dementia-related information in the database 500 (S300) . That is, in order to integrate and manage health information in various file formats due to use of various types of application programs, the agent device 400 converts the dementia-related information into any one file type and stores it in the database 500.

이때 에이전트 장치(400)는 치매 관련 정보를 데이터베이스(500)로 구축할 때, 사용자별 치매 조기 진단 및 예측에 필요한 항목 중에서 일부 항목의 데이터가 누락되는 경우, 머신러닝을 통해 상기 누락된 데이터를 추정하여 채워 넣을 수 있다. 먼저 해당 사용자의 치매 관련 정보를 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하고, 상기 분류를 통해서 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출한 후, 상기 특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면, 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣고, 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는 것이다.At this time, when the dementia-related information is constructed in the database 500, when the data of some items among the items necessary for early diagnosis and prediction of dementia per user are missing, the agent device 400 estimates the missing data through machine learning Can be filled in. First, a user having similar information is classified and extracted from the entire database based on the dementation-related information of the user, and the missing data among the dementia-related information of the specific user is referred to by referring to the dementia- If the variance is less than a preset threshold value, the average value of the data corresponding to the specific item of the clustered users is calculated and the difference If the threshold value is not less than the threshold value, an intermediate value of data corresponding to a specific item of the clustered users is calculated and filled in the missing position.

이때 에이전트 장치(400)는 누락된 항목의 일부 데이터를 학습처리를 통해 추정하여 적용할 경우, 학습처리를 통해 생성되었음을 알리는 체크신호를 별도로 표시하는 것이 바람직하며, 향후 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 추정된 정보로 인한 진단 및 예측 오류를 방지할 수 있도록 추정된 데이터에 기 설정되어 있는 가중치를 적용하는 방식을 사용할 수 있다.In this case, when the agent device 400 estimates and applies some data of the missing item through the learning process, it is preferable to separately display a check signal indicating that the missing data has been generated through the learning process. When used for early diagnosis and prediction of dementia, it is possible to use a method of applying a predetermined weight to the estimated data so as to prevent diagnosis and prediction errors due to the estimated information.

한편, S100 단계 내지 S300 단계를 통해 에이전트 장치(400)에서 복수의 건강정보 제공자로부터 수집한 건강정보로부터 각 사용자별 치매 관련 정보를 데이터베이스로 구축한 이후, 스마트 검사장치(300)의 데이터 입력부(320)는 네트워크(100)를 통해 통신 접속을 수행한 통신 단말기(200)로부터 치매 조기 진단 및 예측 서비스를 이용하기 위한 사용자의 입력조작에 따라 사용자가 알고 있는 건강정보를 입력받는다(S400). 즉 사용자가 자신이 알고 있는 건강정보를 토대로 치매 조기 진단 및 예측에 대한 서비스를 요청하는지를 확인하는 것이다.After the delegation-related information for each user is constructed from the health information collected from the plurality of health information providers in the agent device 400 through the steps S100 to S300, the data input unit 320 Receives the health information that the user knows in accordance with the user's input operation for using the dementia early diagnosis and prediction service from the communication terminal 200 that has made the communication connection through the network 100 at step S400. That is, the user confirms whether he / she requests service for early diagnosis and prediction based on the health information he / she knows.

그러면 스마트 검사장치(300)의 데이터 보완부(330)는 통신 단말기(200)로부터 입력받은 해당 사용자의 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하고, 비교결과를 토대로 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있는지의 여부를 판단한다(S500).Then, the data supplement unit 330 of the smart check device 300 compares the health information of the user received from the communication terminal 200 with the data set necessary for early diagnosing and predicting dementia, and based on the comparison result It is determined whether data of some items necessary for early diagnosis and prediction of dementia among the health information inputted from the communication terminal 200 are missing (S500).

판단결과 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 데이터 보완부(330)는 에이전트 장치(400)를 통하여 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한다(S600).If the data of some items necessary for early diagnosis and prediction of dementia are missing from the health information inputted from the communication terminal 200 as a result of the determination, the data supplementing unit 330 transmits data of the missing items through the agent device 400 The data set necessary for early diagnosis and prediction of dementia is completed (S600).

예를 들어, 데이터 보완부(330)는 통신 단말기(200)로부터 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 도 4에서와 같이 특정 사용자가 통신 단말기(200)를 통해 입력한 건강정보를 토대로 생성한 데이터 세트를 에이전트 장치(400)에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스(500)와 일대일로 매칭하고, 매칭결과를 토대로 비어 있는 항목의 데이터를 찾아 채워 넣어 데이터 세트를 완성한다.For example, if data of some items necessary for early diagnosis and prediction of dementia among the health information inputted from the communication terminal 200 are missing, the data supplementing unit 330 may notify the specific terminal One-to-one correspondence with the dementia-related information database 500 of the corresponding user constructed in the agent apparatus 400, and finds and fills in the data of the blank item based on the matching result To complete the data set.

또한, 데이터 보완부(330)는 상기 방식과 달리, 도 5에서와 같이 특정 사용자가 통신 단말기(200)를 통해 입력한 건강정보를 토대로 생성한 데이터 세트와 에이전트 장치(400)에서 구축한 해당 사용자의 치매 관련 정보 데이터베이스(500)의 일대일 비교를 통해 비어 있는 항목의 데이터를 찾아 데이터 세트를 완성할 때, 여전히 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치(400)를 통해 해당 사용자와 유사한 그룹의 다른 사용자들의 데이터 세트를 참조하여 인공지능을 이용한 학습처리를 수행한 후 학습처리를 통해 누락된 항목의 데이터를 추정하고, 추정된 데이터를 상기 누락된 항목에 채워 넣어 데이터 세트를 완성할 수 있다.5, the data supplement unit 330 may generate a data set based on the health information input by the specific user through the communication terminal 200 and a corresponding data set created by the agent apparatus 400, When the data of an empty item is found by searching for the data of the empty item through one-to-one comparison of the dementia-related information database 500 of the user, if the data of some items is still missing, It is possible to complete the data set by estimating the data of the missing items through the learning process after performing the learning process using the artificial intelligence by referring to the data sets of other users, and filling the missing items with the estimated data.

이때 S600 단계에서 에이전트 장치(400)를 이용하여 머신러닝을 통해 누락된 항목의 데이터를 추정하여 채워 넣을 경우, 스마트 검사장치(300)는 특정 사용자의 상기 누락된 항목을 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하고, 상기 분류를 통해 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출한 후, 상기 특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣고, 상기 문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣을 수 있다. 그리고 누락된 항목의 데이터가 학습처리를 통해 추정되어 채워 넣어지면, 학습처리를 통해 생성되었음을 알리는 체크신호를 생성하여 함께 적용하며, 학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 할 수 있다.If the data of the missing item is estimated and filled in through machine learning using the agent device 400 in step S600, the smart inspection device 300 determines a user having similar information based on the missing item of the specific user Extracting an item having missing data from the dementia-related information of the specific user by referring to the dementia-related information for each user clustered through the classification, extracting the extracted data for the specific item, If the variance is less than a preset threshold value, the mean value of data corresponding to a specific item of the clustered users is calculated and filled in the missing position. If the variance is above the threshold value, Lt; RTI ID = 0.0 > It can be filled in position. If the data of the missing item is estimated and filled in by the learning process, a check signal indicating that the data is generated through the learning process is generated and applied together. If the data estimated through the learning process is used for early diagnosis and prediction of dementia A predetermined weight can be applied for error correction.

S600 단계를 통해 치매 조기 진단 및 예측에 필요한 항목 중 누락되어 있는 항목의 데이터를 채워 넣어 데이터 세트를 완성한 이후, 스마트 검사장치(300)의 진단 처리부(360)는 S600 단계에서 완성한 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성한다(S700).After completing the data set by filling in the data of missing items among the items necessary for the early diagnosis and prediction of dementia through the step S600, the diagnostic processing unit 360 of the smart testing device 300 determines Information including dementia diagnosis for each user, progress of dementia, prediction of future dementia status, or a combination thereof is generated (S700).

S700 단계를 도 7을 참조하여 구체적으로 설명하면, 먼저 추출부(362)에서 데이터 보완부(330)를 통해 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치(400)를 이용하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출한다(S710).7, the extraction unit 362 extracts similar information from the entire database using the agent apparatus 400 based on the data set of the specific user completed through the data supplement unit 330 (step S700) (S710). The data sets of the other users are classified and extracted.

이후 예측모델 생성부(364)에서 S710 단계에서 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성한다(S720).In step S720, the prediction model generating unit 364 generates a prediction model by learning data sets of other users having similar information classified in step S710.

그리고 진단정보 생성부(366)에서 S600 단계를 통해 데이터 보완부(330)에서 완성한 특정 사용자의 데이터 세트를 S720 단계에서 생성한 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성한다(S730).In step S600, the diagnostic information generator 366 inputs the data set of the specific user completed in the data supplement unit 330 to the prediction model generated in step S720, and diagnoses the dementia of the user, the progress of dementia, State prediction, or a combination thereof (S730).

마지막으로, S700 단계를 통해 특정 사용자의 완성된 데이터 세트를 토대로 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성한 이후, 스마트 검사장치(300)는 S700 단계의 진단 결과를 통해 생성된 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 네트워크(100)를 통해 해당 통신 단말기(200)로 전송하여 사용자들이 확인할 수 있도록 한다(S800).Finally, after generating information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or a combination thereof based on the completed data set of a specific user through step S700, Information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or a combination of them is transmitted to the corresponding communication terminal 200 via the network 100, (S800).

이처럼, 본 발명은 사용자가 제공하는 건강정보 중 치매 진단 및 예측에 사용되는 일부 항목의 데이터가 누락되면, 스마트 검사장치에서 에이전트를 통해 구축한 치매 관련 정보 데이터베이스를 참조하여, 누락된 항목의 데이터를 찾아 채워 넣거나 또는 인공지능을 이용한 학습처리를 통해 누락된 항목의 데이터를 추정하여 채워 넣은 후, 치매 조기 진단 및 예측을 수행하기 때문에 각 사용자들은 자신이 알고 있는 간단한 건강정보만으로도 치매 진단 및 미래의 치매 가능성 여부를 손쉽게 확인할 수 있다.As described above, according to the present invention, when data of some items used for diagnosis and prediction of dementia are missing from the health information provided by the user, the smart check device refers to the dementia-related information database established through the agent, Since the data of missing items are estimated and filled in through learning and processing using artificial intelligence, early diagnosis and prediction of dementia are performed. Therefore, each user can easily diagnose dementia and future dementia You can easily check the possibility.

또한, 치매 조기 진단 및 예측을 통하여 각 사용자들이 꾸준한 관심을 가지고 건강관리를 수행할 수 있기 때문에 치매와 관련된 국가적, 사회적 비용을 절감할 수 있다.In addition, early diagnosis and prediction of dementia can reduce the national and social costs associated with dementia because each user can carry out health care with a steady interest.

또한, 치매 조기 진단 및 예측 기술에서 의학, 생명공학, 생물학 등에 정형화되어 있는 방법에서 벗어나 데이터베이스 정보 및 인공지능을 이용한 새롭고 다각적인 치매 특이 정보의 분석을 수행할 수 있다.In addition, early diagnosis and prediction technologies for dementia can be used to analyze new and various dementia specific information using database information and artificial intelligence, without deviating from the standardized methods such as medicine, biotechnology, and biology.

여기에서, 상술한 본 발명에서는 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경할 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications may be made to the invention without departing from the spirit and scope of the invention as defined in the following claims And changes may be made without departing from the spirit and scope of the invention.

100 : 네트워크 200 : 통신 단말기
300 : 스마트 검사장치 310 : 제1 통신부
320 : 데이터 입력부 330 : 데이터 보완부
340 : 제2 통신부 350 : 저장부
360 : 진단 처리부 362 : 추출부
364 : 예측모델 생성부 366 : 진단정보 생성부
370 : 제어부 400 : 에이전트 장치
500 : 데이터베이스100: network 200: communication terminal
300: smart check device 310: first communication unit
320: Data input unit 330: Data supplement unit
340: second communication unit 350:
360: diagnostic processing section 362:
364: Predictive model generation unit 366: Diagnostic information generation unit
370: control unit 400: agent device
500: Database

Claims (13)

통신 단말기로부터 각각의 사용자별 건강정보를 입력받는 데이터 입력부;
상기 입력된 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하여, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 데이터 보완부; 및
상기 완성된 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보의 생성을 처리하는 진단 처리부;를 포함하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.A data input unit for receiving health information for each user from the communication terminal;
Comparing the input health information with a predetermined data set for dementia early diagnosis and prediction and if data of some items necessary for early diagnosis and prediction of dementia among the inputted health information are missing, A data supplementing unit for filling in data to complete a data set necessary for early diagnosis and prediction of dementia; And
And a diagnostic processing unit for processing generation of information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or combination thereof based on the completed data set, Inspection device. 청구항 1에 있어서,
상기 데이터 보완부는,
상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 상기 누락된 항목의 데이터를 찾아 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method according to claim 1,
The data-
If data of some items necessary for early diagnosis and prediction of dementia are missing among the inputted health information, a database on dementia-related information for each user collected and constructed by collecting health information from a plurality of health information providers through an agent apparatus And the data of the missing item is found and filled in, thereby completing a data set necessary for early diagnosis and prediction of dementia. 청구항 1에 있어서,
상기 데이터 보완부는,
상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method according to claim 1,
The data-
If data of some items necessary for early diagnosis and prediction of dementia are missing among the inputted health information, a database on dementia-related information for each user collected and constructed by collecting health information from a plurality of health information providers through an agent apparatus And estimating and filling data of the missing item through machine learning to complete a data set necessary for early diagnosis and prediction of dementia. 청구항 3에 있어서,
상기 데이터 보완부는,
상기 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣을 때,
특정 사용자의 상기 누락된 항목을 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하고,
상기 분류를 통해 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출하고,
특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣으며,
문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method of claim 3,
The data-
When estimating and filling the data of the missing item through the machine learning,
Based on the missing items of a specific user, users having similar information are classified and extracted from the entire database,
Extracting items having missing data from the dementia-related information of the specific user by referring to the dementia-related information for each user clustered through the classification,
Calculating a variance of extracted data for a specific item, calculating an average value of data corresponding to a specific item of the clustered users if the variance is less than a preset threshold value,
Calculating a median value of data corresponding to a specific item of the clustered users and filling the missing position into the missing position if the threshold value is not less than the threshold value. 청구항 4에 있어서,
상기 데이터 보완부는,
상기 누락된 항목의 데이터를 학습처리를 통해 추정하여 채워 넣음으로써 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성한 경우, 학습처리를 통해 생성되었음을 알리는 체크신호를 함께 적용하며,
학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method of claim 4,
The data-
When a data set necessary for early diagnosis and prediction of dementia is completed by estimating and filling data of the missing item through a learning process, a check signal indicating that it is generated through learning processing is applied together,
Wherein the predetermined weight is applied for error correction when the data estimated through the learning process is used for early diagnosis and prediction of dementia. 청구항 1에 있어서,
상기 진단 처리부는,
상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하는 추출부;
상기 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성하는 예측모델 생성부; 및
상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 상기 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하는 진단정보 생성부;를 포함하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method according to claim 1,
The diagnostic processing unit,
An extracting unit for classifying and extracting data sets of other users having similar information from the entire database through the agent apparatus based on the data set of the specific user completed by the data supplementing unit;
A prediction model generation unit for generating a prediction model by learning data sets of other users having similar classified information; And
And a diagnostic information generating unit for inputting the data set of the specific user completed in the data supplementing unit into the prediction model to generate information including diagnosis of dementia of the user, progress of dementia, prediction of future dementia state, or a combination thereof Wherein the smart test device is for diagnosing dementia prematurely. 청구항 1에 있어서,
상기 스마트 검사장치는,
상기 스마트 검사장치에서 사용되는 제어프로그램, 상기 데이터 보완부에서 보완하여 완성한 치매 조기 진단 및 예측에 필요한 각 사용자별 데이터 세트, 치매 조기 진단 및 예측을 수행하기 위한 실행프로그램, 상기 진단 처리부에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보를 저장하고 있는 저장부;
통신 단말기로부터 입력되는 각 사용자별 건강정보를 상기 데이터 입력부로 출력하고, 제어부의 제어를 토대로 상기 진단 처리부에서 처리된 각 사용자별 치매 조기 진단 및 예측에 관련된 정보를 통신 단말기로 출력하는 제1 통신부; 및
각 사용자들이 입력하는 건강정보 중 치매 진단에 필요한 일부 항목의 데이터가 누락된 경우, 제어부의 제어를 토대로 에이전트 장치로 상기 누락된 항목의 데이터를 요청하고, 상기 에이전트 장치로부터 상기 누락된 항목의 데이터를 제공받는 제2 통신부;를 더 포함하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사장치.The method according to claim 1,
The smart inspection apparatus includes:
A control program used in the smart test apparatus, a data set for each user necessary for early diagnosis and prediction of dementia supplemented by the data supplement unit, an execution program for performing early diagnosis and prediction of dementia, A storage unit for storing information related to early dementia diagnosis and prediction for each user;
A first communication unit for outputting health information for each user input from the communication terminal to the data input unit and outputting information related to early diagnosis and prediction of dementia for each user processed by the diagnosis processing unit based on the control of the control unit to the communication terminal; And
Requesting data of the missing item to the agent device based on the control of the control unit when data of some items necessary for diagnosis of dementia are missing among the health information inputted by each user, And a second communication unit provided to the second communication unit. 데이터 입력부에서, 통신 단말기로부터 각각의 사용자별 건강정보를 입력받는 데이터 입력 단계;
데이터 보완부에서, 상기 입력된 건강정보를 기 설정되어 있는 치매 조기 진단 및 예측에 필요한 데이터 세트와 비교하여, 상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 누락된 항목의 데이터를 채워 넣어 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 데이터 보완 단계; 및
진단 처리부에서, 상기 완성된 데이터 세트를 토대로 각 사용자별 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보의 생성을 처리하는 진단 처리 단계;를 포함하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.A data input step of receiving health information for each user from a communication terminal in a data input unit;
The data supplementing unit compares the input health information with a predetermined data set for dementia early diagnosis and prediction and if data of some items necessary for early diagnosis and prediction of dementia among the inputted health information are missing, A data supplementing step of filling data of the missing item to complete a data set necessary for early diagnosis and prediction of dementia; And
And a diagnosis processing step of processing generation of information including diagnosis of dementia, progress of dementia, prediction of future dementia status, or a combination thereof based on the completed data set on the basis of the completed data set. Smart inspection method for early diagnosis. 청구항 8에 있어서,
상기 데이터 보완 단계는,
상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 데이터 보완부에서 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 상기 누락된 항목의 데이터를 찾아 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.The method of claim 8,
Wherein the data supplement step comprises:
If data of some items necessary for early diagnosis and prediction of dementia are missing from the inputted health information, the data supplementing unit acquires health information from a plurality of health information providers through the agent device and generates dementia related information Wherein the data set for the early diagnosis and prediction of dementia is completed by referring to the database for the missing item and by filling in the data of the missing item. 청구항 8에 있어서,
상기 데이터 보완 단계는,
상기 입력된 건강정보 중 치매 조기 진단 및 예측에 필요한 일부 항목의 데이터가 누락되어 있으면, 상기 데이터 보완부에서 에이전트 장치를 통해 복수의 건강정보 제공자로부터 건강정보를 수집하여 구축한 각 사용자별 치매 관련 정보에 대한 데이터베이스를 참조하여, 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣음으로써, 치매 조기 진단 및 예측에 필요한 데이터 세트를 완성하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.The method of claim 8,
Wherein the data supplement step comprises:
If data of some items necessary for early diagnosis and prediction of dementia are missing from the inputted health information, the data supplementing unit acquires health information from a plurality of health information providers through the agent device and generates dementia related information And estimating and filling in the data of the missing item through machine learning to complete the data set necessary for early diagnosis and prediction of dementia by referring to the database for the diagnosis of dementia. 청구항 10에 있어서,
상기 데이터 보완 단계에서 에이전트 장치를 이용하여 상기 머신러닝을 통해 상기 누락된 항목의 데이터를 추정하여 채워 넣을 때,
특정 사용자의 상기 누락된 항목을 토대로 유사한 정보를 가진 사용자를 전체 데이터베이스로부터 분류하여 추출하는 단계;
상기 분류를 통해 클러스터링된 각 사용자에 대한 치매 관련 정보를 참조하여 특정 사용자의 치매 관련 정보 중에서 누락된 데이터가 있는 항목을 추출하는 단계;
특정 항목에 대해서 추출된 데이터들에 대한 분산을 계산하여 분산이 미리 설정된 문턱값 미만이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 평균값을 계산하여 상기 누락된 위치에 채워 넣는 단계; 및
문턱값 이상이면 클러스터링된 사용자들의 특정 항목에 해당하는 데이터들의 중간값을 계산하여 상기 누락된 위치에 채워 넣는 단계;를 수행하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.The method of claim 10,
When the data of the missing item is estimated and filled through the machine learning using the agent device in the data supplement step,
Classifying and extracting users having similar information from the entire database based on the missing items of the specific user;
Extracting an item having missing data from the dementia-related information of the specific user by referring to the dementia-related information for each user clustered through the classification;
Calculating a variance of extracted data for a specific item and calculating an average value of data corresponding to a specific item of the clustered users if the variance is less than a preset threshold value and filling the missing position into the missing position; And
Calculating a median value of data corresponding to a specific item of the clustered users and filling in the missing position if the threshold value is not less than the threshold value. 청구항 11에 있어서,
상기 데이터 보완 단계에서,
상기 누락된 항목의 데이터가 학습처리를 통해 추정되어 채워 넣어지면, 학습처리를 통해 생성되었음을 알리는 체크신호를 생성하여 함께 적용하며,
학습처리를 통해 추정된 데이터가 치매 조기 진단 및 예측에 활용될 경우 오차 보정을 위하여 기 설정된 가중치를 적용하도록 하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.The method of claim 11,
In the data supplement step,
When the data of the missing item is estimated and filled in through the learning process, a check signal indicating that the missing item is generated through the learning process is generated and applied together,
Wherein the predetermined weight is applied for error correction when the data estimated through the learning process is used for early diagnosis and prediction of dementia. 청구항 8에 있어서,
상기 진단 처리 단계는,
상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 토대로 에이전트 장치를 통하여 전체 데이터베이스로부터 유사한 정보를 가진 다른 사용자들의 데이터 세트를 분류하여 추출하는 추출 단계;
상기 분류된 유사한 정보를 가진 다른 사용자들의 데이터 세트를 학습하여 예측모델을 생성하는 예측모델 생성 단계; 및
상기 데이터 보완부에서 완성한 특정 사용자의 데이터 세트를 상기 예측모델에 입력하여 해당 사용자의 치매 진단, 치매 진행 상황, 미래의 치매 상태 예측 또는 이들의 조합을 포함한 정보를 생성하는 진단정보 생성 단계;를 포함하는 것을 특징으로 하는 치매 조기 진단을 위한 스마트 검사방법.The method of claim 8,
Wherein the diagnostic processing step comprises:
An extracting step of classifying and extracting data sets of other users having similar information from the entire database through the agent device based on the data set of the specific user completed by the data supplementing unit;
A prediction model generation step of learning a data set of other users having similar classified information to generate a prediction model; And
And a diagnostic information generating step of inputting the data set of the specific user completed in the data supplementing unit into the prediction model to generate information including the diagnosis of the dementia of the user, the progress of the dementia, the prediction of the future dementia state, or a combination thereof And a smart test method for early diagnosis of dementia.
KR1020160081451A 2016-06-29 2016-06-29 A smart examination apparatus for dementia early diagnosis and the method by using the same KR20180002234A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160081451A KR20180002234A (en) 2016-06-29 2016-06-29 A smart examination apparatus for dementia early diagnosis and the method by using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160081451A KR20180002234A (en) 2016-06-29 2016-06-29 A smart examination apparatus for dementia early diagnosis and the method by using the same

Publications (1)

Publication Number Publication Date
KR20180002234A true KR20180002234A (en) 2018-01-08

Family

ID=61003435

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160081451A KR20180002234A (en) 2016-06-29 2016-06-29 A smart examination apparatus for dementia early diagnosis and the method by using the same

Country Status (1)

Country Link
KR (1) KR20180002234A (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101881731B1 (en) * 2018-02-27 2018-07-25 한국과학기술정보연구원 Apparatus and Method for Dementia Prediction using Machine Learning, and Storage Medium Storing the Same
KR20190129561A (en) 2018-05-11 2019-11-20 서원대학교산학협력단 A Acquiring Method Of Information Of Diagnosis Of Early Mild Cognitive Impairment
KR20190129559A (en) 2018-05-11 2019-11-20 서원대학교산학협력단 A Device For Diagnosis Of Early Mild Cognitive Impairment
KR20200062589A (en) 2018-11-27 2020-06-04 재단법인 아산사회복지재단 Apparatus and method for predicting dementia by dividing brain mri by brain region
KR20200082145A (en) 2018-12-28 2020-07-08 주식회사 보듬 System and method for screening early mild cognitive impairment
CN112135568A (en) * 2018-05-17 2020-12-25 一般社团法人认知症高龄者研究所 Information processing apparatus, information processing method, and program
CN112512417A (en) * 2018-07-31 2021-03-16 株式会社Ｓｐｌｉｎｋ System and method for presenting dementia risk
WO2021156871A1 (en) 2020-02-05 2021-08-12 Wertman Eliahu Yosef A system and method for identifying treatable and remediable factors of dementia and aging cognitive changes
KR20220079076A (en) 2020-12-04 2022-06-13 주식회사 에이아이플랫폼 Dementia an early stage diagnosis platform based on Artificial Intelligence
KR20220147259A (en) * 2021-04-27 2022-11-03 전남대학교산학협력단 A system and method for predicting progression of alzheimer's disease based on a two-way network
KR20230094159A (en) 2021-12-20 2023-06-27 순천향대학교 산학협력단 Screening system for identifyng mild cognitive impairment using eye movements and autonomic nervouse response and metrhod thereof
KR20230153559A (en) 2022-04-28 2023-11-07 광운대학교 산학협력단 kit for early diagnosis of dementia multiplexing based on interdigital capacitors with aptamer coating applied

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101881731B1 (en) * 2018-02-27 2018-07-25 한국과학기술정보연구원 Apparatus and Method for Dementia Prediction using Machine Learning, and Storage Medium Storing the Same
WO2019168334A1 (en) * 2018-02-27 2019-09-06 한국과학기술정보연구원 Apparatus for data processingfor predicting dementia through machine learning, method thereof, and recording medium storing same
KR20190129561A (en) 2018-05-11 2019-11-20 서원대학교산학협력단 A Acquiring Method Of Information Of Diagnosis Of Early Mild Cognitive Impairment
KR20190129559A (en) 2018-05-11 2019-11-20 서원대학교산학협력단 A Device For Diagnosis Of Early Mild Cognitive Impairment
CN112135568A (en) * 2018-05-17 2020-12-25 一般社团法人认知症高龄者研究所 Information processing apparatus, information processing method, and program
CN112512417A (en) * 2018-07-31 2021-03-16 株式会社Ｓｐｌｉｎｋ System and method for presenting dementia risk
EP3831290A4 (en) * 2018-07-31 2022-04-20 Splink, Inc. Dementia risk presentation system and method
KR20200062589A (en) 2018-11-27 2020-06-04 재단법인 아산사회복지재단 Apparatus and method for predicting dementia by dividing brain mri by brain region
KR20200082145A (en) 2018-12-28 2020-07-08 주식회사 보듬 System and method for screening early mild cognitive impairment
WO2021156871A1 (en) 2020-02-05 2021-08-12 Wertman Eliahu Yosef A system and method for identifying treatable and remediable factors of dementia and aging cognitive changes
EP4100967A4 (en) * 2020-02-05 2023-08-02 Wertman, Eliahu Yosef A system and method for identifying treatable and remediable factors of dementia and aging cognitive changes
KR20220079076A (en) 2020-12-04 2022-06-13 주식회사 에이아이플랫폼 Dementia an early stage diagnosis platform based on Artificial Intelligence
KR20220147259A (en) * 2021-04-27 2022-11-03 전남대학교산학협력단 A system and method for predicting progression of alzheimer's disease based on a two-way network
KR20230094159A (en) 2021-12-20 2023-06-27 순천향대학교 산학협력단 Screening system for identifyng mild cognitive impairment using eye movements and autonomic nervouse response and metrhod thereof
KR20230153559A (en) 2022-04-28 2023-11-07 광운대학교 산학협력단 kit for early diagnosis of dementia multiplexing based on interdigital capacitors with aptamer coating applied

Similar Documents

Publication Publication Date Title
KR20180002234A (en) A smart examination apparatus for dementia early diagnosis and the method by using the same
US10198816B2 (en) Medical evaluation machine learning workflows and processes
KR102558021B1 (en) A clinical decision support ensemble system and the clinical decision support method by using the same
KR101884609B1 (en) System for diagnosing disease through modularized reinforcement learning
EP3255573A1 (en) Clinical decision supporting ensemble system and clinical decison supporting method using the same
US20170308981A1 (en) Patient condition identification and treatment
US20200303075A1 (en) System and a method to predict occurrence of a chronic diseases
CN109310317A (en) System and method for automated medicine diagnosis
US20220172841A1 (en) Methods of identifying individuals at risk of developing a specific chronic disease
US20140357961A1 (en) System and method for supporting health management services
KR20180040287A (en) System for interpreting medical images through machine learnings
KR20170061222A (en) The method for prediction health data value through generation of health data pattern and the apparatus thereof
US20190122770A1 (en) Lightweight Clinical Pregnancy Preterm Birth Predictive System and Method
US20160192889A1 (en) Adaptive pattern recognition for psychosis risk modelling
CN1839391A (en) Systems and methods for automated diagnosis and decision support for breast imaging
US7505867B2 (en) System and method for predicting medical condition
CN111475713A (en) Doctor information recommendation method and device, electronic equipment, system and storage medium
US12057212B2 (en) Integrated, AI-enabled value-based care measurement and objective risk assessment clinical and financial management system
WO2010005656A2 (en) Brain condition assessment
CN104978478A (en) Information processing apparatus, information processing method
WO2022211385A1 (en) Health care consultation system using distribution of disease prediction values
KR20200128241A (en) Method for providing osteoporosis diagnosis and treatment service based on bigdata and artificial intelligence
Vyas et al. Smart health systems: Emerging trends
CN115579104A (en) Artificial intelligence-based liver cancer full-course digital management method and system
CN115917660A (en) Intelligent workflow analysis for treatment using open cloud-based registries

Legal Events

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