KR20180120469A - 질병 분석 및 예측 시스템 - Google Patents
질병 분석 및 예측 시스템 Download PDFInfo
- Publication number
- KR20180120469A KR20180120469A KR1020170054457A KR20170054457A KR20180120469A KR 20180120469 A KR20180120469 A KR 20180120469A KR 1020170054457 A KR1020170054457 A KR 1020170054457A KR 20170054457 A KR20170054457 A KR 20170054457A KR 20180120469 A KR20180120469 A KR 20180120469A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- health
- disease
- user
- user device
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 100
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 100
- 230000036541 health Effects 0.000 claims abstract description 114
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 235000016709 nutrition Nutrition 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 6
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 5
- 102000001554 Hemoglobins Human genes 0.000 claims description 4
- 108010054147 Hemoglobins Proteins 0.000 claims description 4
- 230000000391 smoking effect Effects 0.000 claims description 4
- 102000004506 Blood Proteins Human genes 0.000 claims description 3
- 108010017384 Blood Proteins Proteins 0.000 claims description 3
- ALARRFUNNZTEFS-UHFFFAOYSA-N Flabelliformin Natural products C1CCN2CCCC3C4CC(C)CC32C1(O)C(=O)C4 ALARRFUNNZTEFS-UHFFFAOYSA-N 0.000 claims description 3
- WNPGPJRHDMTHIO-WCSRMQSCSA-N Flabelliformine Natural products COCc1c([nH]c2ccccc12)C(=C)C1CCN(C\C1=C\C)C(=O)OC WNPGPJRHDMTHIO-WCSRMQSCSA-N 0.000 claims description 3
- 238000008214 LDL Cholesterol Methods 0.000 claims description 3
- 235000012000 cholesterol Nutrition 0.000 claims description 3
- 208000002925 dental caries Diseases 0.000 claims description 3
- 230000035487 diastolic blood pressure Effects 0.000 claims description 3
- 230000035622 drinking Effects 0.000 claims description 3
- 150000002632 lipids Chemical class 0.000 claims description 3
- 201000011461 pre-eclampsia Diseases 0.000 claims description 3
- 230000035488 systolic blood pressure Effects 0.000 claims description 3
- 230000002485 urinary effect Effects 0.000 claims description 3
- 230000004438 eyesight Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 4
- 206010012601 diabetes mellitus Diseases 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 230000037213 diet Effects 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 3
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 229940116269 uric acid Drugs 0.000 description 3
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 2
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 2
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108010082126 Alanine transaminase Proteins 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 101000856500 Bacillus subtilis subsp. natto Glutathione hydrolase proenzyme Proteins 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 241001112258 Moca Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 102000045595 Phosphoprotein Phosphatases Human genes 0.000 description 1
- 108700019535 Phosphoprotein Phosphatases Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 102000007562 Serum Albumin Human genes 0.000 description 1
- 108010071390 Serum Albumin Proteins 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 201000005577 familial hyperlipidemia Diseases 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000003677 hemocyte Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000004410 intraocular pressure Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/002—Biomolecular computers, i.e. using biomolecules, proteins, cells
-
- G06N7/005—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Organic Chemistry (AREA)
- Computational Linguistics (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Economics (AREA)
- Marketing (AREA)
- Child & Adolescent Psychology (AREA)
- Strategic Management (AREA)
- Vascular Medicine (AREA)
- General Business, Economics & Management (AREA)
- Heart & Thoracic Surgery (AREA)
- Human Resources & Organizations (AREA)
Abstract
본 발명에 따른 질병 분석 및 예측 시스템은 사용자의 신체정보를 수집하는 사용자 디바이스 및 불특정 다수인의 신체정보 및 상기 불특정 다수인 각각의 신체정보에 대응하는 질병정보가 포함된 빅데이터 기반의 건강 검진 데이터를 이용하여 질병 분석 및 예측을 위한 알고리즘을 훈련시키고, 상기 사용자 디바이스로부터 사용자의 신체정보를 수신하고, 상기 훈련된 알고리즘에 기초하여 상기 사용자의 신체정보에 대응하는 질병정보를 분석 및 예측한 결과를 상기 사용자 디바이스로 제공하는 건강정보 플랫폼 서버를 포함한다.
Description
본 발명은 질병 분석 및 예측 시스템에 관한 것으로, 구체적으로는 인공지능 신경망 또는 은닉 마르코프 모델에 기반하여 훈련된 알고리즘에 기초하여 질병정보를 분석 및 예측하는 시스템에 관한 것이다.
최근 현대사회에서는 암, 심혈관 질환, 당뇨병, 비만 등과 같은 질병이 일반인들에게 쉽게 나타나고 있는 실정이다.
그러나 종래의 경우 일부 질병을 제외하고는 주기적인 건강 검진을 통해서만 해당 질병이 있음을 진단받거나, 검진 결과에 대하여 의사의 확인으로 향후 질병이 발생할 가능성이 있음을 예측하고 있다.
이 경우에도 의사의 경험적 판단이나 또는 질병 간의 영향력이나 보편성을 미리 정해진 수치 또는 정상 상태와의 단순 비교를 통해 추후 질병 발생 가능성을 모호하게 예측하고만 있다는 문제가 있었다.
이와 같이, 자신의 건강상태를 확인하기 위해서는 비싼 건강검진에만 의존해야 하는 문제가 있는바, 평상시 건강상태를 수시로 확인하고 자신의 건강상태에 적합한 처방을 받아 건강관리를 꾸준하게 하고, 이에 따라 최종적으로 질병 발생 가능성을 낮추어야 할 개인적, 사회적 요구가 증가하고 있는 실정이다.
이와 관련하여, 한국공개특허공보 제10-2017-0011389호(발명의 명칭: 질병 위험도 예측 방법 및 이를 수행하는 장치)는 유전 정보에 기반한 질병 위험도 예측에 사용되는 유전 변이에 대해 사용자의 결과 피드백으로부터 가중치를 부여하여 결과의 정확도를 높일 수 있는 질병 위험도 예측 방법을 개시하고 있다.
본 발명의 실시예는 불특정 다수인의 신체정보 및 질병정보가 포함된 빅데이터 기반의 건강 검진 데이터를 인공지능 신경망 또는 은닉 마르코프 모델(Hidden-Markov-Model, HMM) 기반의 알고리즘을 통해 훈련하고, 훈련된 알고리즘을 통해 개인 사용자의 질병정보를 분석 및 예측할 수 있는 시스템을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템은 사용자의 신체정보를 수집하는 사용자 디바이스 및 불특정 다수인의 신체정보 및 상기 불특정 다수인 각각의 신체정보에 대응하는 질병정보가 포함된 빅데이터 기반의 건강 검진 데이터를 이용하여 질병 분석 및 예측을 위한 알고리즘을 훈련시키고, 상기 사용자 디바이스로부터 사용자의 신체정보를 수신하고, 상기 훈련된 알고리즘에 기초하여 상기 사용자의 신체정보에 대응하는 질병정보를 분석 및 예측한 결과를 상기 사용자 디바이스로 제공하는 건강정보 플랫폼 서버를 포함한다.
상기 질병 분석 및 예측을 위한 알고리즘은 복수 개의 알고리즘을 포함하고, 상기 건강 정보 플랫폼 서버는 상기 복수 개의 알고리즘 중 기 설정된 훈련 조건을 만족하는 어느 하나의 알고리즘을 선택할 수 있다.
상기 복수 개의 알고리즘은 인공지능 신경망 및 은닉 마르코프 모델(Hidden-Markov-Model, HMM) 기반의 알고리즘을 포함할 수 있다.
상기 건강정보 플랫폼 서버는 건강 검진 데이터 제공 서버로부터 기준년도, 시도 코드, 성별 코드, 연령대 코드 및 가입자 일련번호로 구분된 상기 불특정 다수인의 신체정보 및 질병정보를 수신할 수 있다. 이때, 상기 불특정 다수인의 신체정보는 신장, 체중, 허리둘레, 좌우 시력, 좌우 청력, 흡연 상태, 음주 여부, 구강검진 수검여부, 치아우식증 유무 및 치석 유무의 정보를 포함하고, 상기 질병정보는 수축기/이완기 혈압, 식전혈당, 총 콜레스테롤, 트리글리세라이드, HDL/LDL 콜레스테롤, 혈색소, 요단백, 혈청 크라아티닌, AST, ALT 및 감마지피티의 정보를 포함할 수 있다.
상기 건강정보 플랫폼 서버는 상기 불특정 다수인의 신체 정보에 대한 입력 노드가 입력층으로 지정되고, 상기 질병정보에 대한 출력 노드가 출력층으로 지정된 초기 인공지능 신경망을 생성 및 학습하여 최종 인공지능 신경망을 생성하고, 상기 생성된 최종 인공지능 신경망에 기초하여 상기 사용자의 신체정보에 대응되는 질병정보를 분석 및 예측할 수 있다.
상기 건강정보 플랫폼 서버는 상기 건강 검진 데이터를 수신하여 상기 불특정 다수인의 신체정보를 특징값으로 추출하고, 상기 추출된 특징값에 대하여 바움-웰치 재추정(Baum-Welch Re-estimation) 방법을 이용하여 상기 특징값에 대응되는 질병정보가 출력되도록 상기 은닉 마르코프 모델 기반의 알고리즘을 훈련시킬 수 있다.
상기 건강정보 플랫폼 서버는 상기 사용자 디바이스로부터 수신한 사용자의 신체정보를 특징값으로 추출하고, 상기 훈련된 은닉 마르코프 모델 기반의 알고리즘에 기초하여 상기 추출된 각 특징값에 대응하는 질병정보에 대한 우도를 산출하며, 상기 산출된 우도에 기초하여 상기 사용자의 신체정보에 대응되는 질병정보를 분석 및 예측할 수 있다.
상기 사용자 디바이스는 사용자로부터 개인정보를 수신함에 따라 상기 건강 검진 데이터 제공 서버로부터 상기 건강 검진 데이터 중 상기 개인정보에 대응하는 건강 검진 데이터를 자동으로 획득하고, 상기 획득한 개인정보에 대응하는 건강 검진 데이터를 상기 건강정보 플랫폼 서버로 전송할 수 있다.
상기 건강정보 플랫폼 서버는 상기 질병정보의 분석 및 예측 결과에 따른 처방 정보를 상기 사용자 디바이스로 제공하고, 상기 사용자 디바이스는 미리 설치된 프로그램을 실행시킴에 따라 상기 처방 정보에 대응하는 처방 프로그램을 생성 및 출력할 수 있다.
상기 처방 프로그램은 분석 및 예측된 질병정보마다 각각 또는 종합되어 생성 및 출력되되, 운동 장소 및 운동 종목 별로 구분된 운동 처방 프로그램 및 영양 처방 프로그램을 포함할 수 있다.
상기 건강 정보 플랫폼 서버는 상기 운동 처방 프로그램 또는 영양 처방 프로그램을 제공 가능한 하나 이상의 오프라인 지점 정보를 상기 사용자 디바이스로 제공하고, 상기 사용자 디바이스는 상기 미리 설치된 프로그램을 통해 상기 오프라인 지점의 정보를 출력하며, 특정 오프라인 지점을 선택하는 입력을 사용자로부터 수신함에 따라 상기 처방 정보를 함께 상기 특정 오프라인 지점으로 제공할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 불특정 다수인의 건강 검진 데이터를 이용하여 알고리즘을 학습시킴으로써 사용자의 질병 발생 여부를 분석 및 예측할 수 있다.
특히, 사용자의 건강 검진 데이터를 이용할 수도 있으며, 건강 검진을 받지 않은 경우라 하더라도 신체 정보를 직접 입력 가능한바, 자신의 현재 상태와 가장 부합되는 정확한 신체정보에 대응하는 질병정보에 대한 분석 및 예측 결과를 제공받을 수 있다.
또한, 분석 및 예측되는 질병정보를 예방하기 위한 처방 프로그램을 제공함으로써 사용자로 하여금 예측되는 질병정보에 대해 대비하게끔 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템을 개략적으로 설명하기 위한 도면이다.
도 2a 및 도 2b는 불특정 다수인의 건강 검진 데이터의 예시를 설명하기 위한 도면이다.
도 3a 및 도 3b는 인공지능 신경망 기반의 알고리즘을 설명하기 위한 도면이다.
도 4a 및 도 4b는 은닉 마르코프 모델 기반의 알고리즘을 설명하기 위한 도면이다.
도 5a 내지 도 5d는 사용자 디바이스에서 수행되는 프로그램을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 사용자 디바이스, 건강정보 플랫폼 서버 및 건강 검진 데이터 제공 서버의 구성을 설명하기 위한 도면이다.
도 2a 및 도 2b는 불특정 다수인의 건강 검진 데이터의 예시를 설명하기 위한 도면이다.
도 3a 및 도 3b는 인공지능 신경망 기반의 알고리즘을 설명하기 위한 도면이다.
도 4a 및 도 4b는 은닉 마르코프 모델 기반의 알고리즘을 설명하기 위한 도면이다.
도 5a 내지 도 5d는 사용자 디바이스에서 수행되는 프로그램을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 사용자 디바이스, 건강정보 플랫폼 서버 및 건강 검진 데이터 제공 서버의 구성을 설명하기 위한 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하에서는 첨부된 도면을 참조하여, 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템(1)을 개략적으로 설명하기 위한 도면이다. 도 2a 및 도 2b는 불특정 다수인의 건강 검진 데이터의 예시를 설명하기 위한 도면이다. 도 3a 및 도 3b는 인공지능 신경망 기반의 알고리즘을 설명하기 위한 도면이다. 도 4a 및 도 4b는 은닉 마르코프 모델 기반의 알고리즘을 설명하기 위한 도면이다.
이때, 도 1에 도시한 질병 분석 및 예측 시스템(1)을 구성하는 각 구성요소들은 네트워크(network)를 통해 연결될 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(network)의 일 예에는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크, WiFi 등이 포함되나 이에 한정되지는 않는다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템(1)은 사용자 디바이스(100), 건강정보 플랫폼 서버(200) 및 건강 검진 데이터 제공 서버(300)를 포함한다.
사용자 디바이스(100)는 사용자의 신체정보를 수집한다.
구체적으로 사용자 디바이스(100)는 미리 설치된 프로그램을 통해 사용자로부터 수동으로 신체정보를 입력받는 방식으로 신체정보를 수집할 수 있다. 또는 사용자로부터 개인정보만을 입력받거나 사용자의 인증이 완료된 경우, 건강 검진 데이터 제공 서버(300)로부터 제공되는 건강 검진 데이터를 통해 사용자의 신체정보를 수집할 수 있다.
이러한 신체 정보에는 신장, 체중, 허리둘레, 장애등급 등이 있을 수 있으며, 추가적으로 진료기록, 병력 등의 정보도 신체정보로 포함시켜 수집할 수도 있다.
참고로, 본 발명의 일 실시예에 따른 사용자 디바이스(100)는 건강정보 플랫폼 서버(200) 및 건강 검진 데이터 제공 서버(300)와 데이터를 송수신할 수 있는 디바이스로서, 휴대성과 이동성이 보장되는 무선 통신 장치, 즉 PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
특히, 사용자 디바이스(100)는 사용자가 원하는 다수의 응용 프로그램(즉, 애플리케이션)을 설치하여 실행할 수 있는 휴대폰, 스마트 폰(smart phone), 패드(Pad), 스마트 워치(Smart watch), 웨어러블(wearable) 단말, 기타 이동통신 단말 등일 수 있다.
또한, 사용자 디바이스(100)는 네트워크를 통해 접속할 수 있는 컴퓨터로 구현될 수도 있으며, 여기서 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함할 수 있다.
또한, 사용자 디바이스(100)는 케이블 TV, IPTV, 위성 방송, 공중파 데이터 방송, DMB, 인터넷 방송 등 방송 서비스와 연동되는 TV 형태로도 구현될 수 있다. 예를 들어, 사용자는 스마트 TV를 통해 건강정보 플랫폼 서버(200)로 질병정보 분석 및 예측 결과를 요청 및 수신할 수 있다.
이와 더불어, DID(Digital Information Display), 터치스크린 키오스크와 같은 디지털 사이니즈(Digital signage) 형태로도 구현될 수 있다.
건강 검진 데이터 제공 서버(300)는 건강정보 플랫폼 서버(200)로 불특정 다수인의 건강 검진 데이터를 제공할 수 있다. 이러한 건강 검진 데이터 제공 서버(300)는 공공데이터 포털 사이트를 운영하는 서버 또는 건강보험관리공단의 서버를 의미할 수 있다.
도 2a 및 도 2b에 도시된 바와 같이, 건강 검진 데이터 제공 서버(300)는 불특정 다수인의 건강 검진 데이터로 기준년도, 시도 코드, 성별 코드, 연령대 코드 및 가입자 일련번호로 구분된 신체정보 및 질병정보를 건강정보 플랫폼 서버(200)로 제공할 수 있다.
이때, 불특정 다수인의 신체정보는 신장, 체중, 허리둘레, 좌우 시력, 좌우 청력, 흡연 상태, 음주 여부, 구강검진 수검여부, 치아우식증 유무 및 치석 유무의 정보를 포함한다. 또한, 질병정보는 수축기/이완기 혈압, 식전혈당, 총 콜레스테롤, 트리글리세라이드, HDL/LDL 콜레스테롤, 혈색소, 요단백, 혈청 크라아티닌, AST, ALT 및 감마지피티의 정보를 포함한다.
이와 같은 건강 검진 데이터는 공공데이터 포털 사이트에서 연도별로 수백만 건의 불특정인의 다수인의 검진 결과를 2012년도부터 제공하고 있으며, 이러한 건강 검진 데이터의 정보에는 향후 유전자 정보와 같은 신체정보나 이를 분석하여 예측되는 질병정보가 추가될 수도 있음은 물론이다. 이때, 유전자 정보의 경우 예를 들어 다양한 질병에 대한 발현변화 유전자를 의미하는 것이나 반드시 이에 한정되는 것은 아니다.
또한, 상술한 신체 정보와 더불어, 중성지방(TG), RBC 적혈구, Hb 혈색소, Hct 혈구용적, WBC 백혈구, Neutrophils 호중구, Lymphocytes 림프구, Monocytes 단핵구, Eosinophils 호산구, PLT 혈소판, ESR 적혈구 침강 속도, T.Protein(총단백), Albumin(혈청 알부민), Bilirubin(빌리루빈), AST(SGOT, Aspartate aminotranferase), ALT(SGPT Alanine aminotransferase), 감마-GTP, ALP(Alanine phosphatase), LDH(Lactate Dehydrogenase), BUN(혈중 요소 질소), Uric acid(요산), TIBC(철분결합력), CL(CPK), 칼슘, 인, 마그네슘, 나트륨, 칼륨, 염소, 철분의 량, TSH, T3, free T4, T-score, 호모시스테인, 안압, 종양지표 정보를 신체 정보로 포함할 수도 있으며, 각각의 신체 정보들에 대응되는 정상 범주 및 임상적 의의 정보도 질병 정보에 포함될 수 있다.
또한, 건강 검진 데이터 제공 서버(300)는 사용자 인증 완료 등과 같은 절차를 거친 경우, 사용자 디바이스(100)로 사용자의 신체정보를 제공해줄 수도 있다. 즉, 사용자가 건강보험관리공단에 기록 가능한 건강검진을 받은 이력이 있는 경우, 검진 당시의 신체정보를 사용자 디바이스(100)로 제공해줄 수도 있다.
다시 도 1을 참조하면, 건강정보 플랫폼 서버(200)는 불특정 다수인에 대한 건강 검진 데이터를 이용하여 사용자의 신체정보에 대응하는 질병정보를 분석 및 예측하여, 사용자 디바이스(100)로 제공한다.
이때, 건강정보 플랫폼 서버(200)는 불특정 다수인의 신체정보 및 신체정보에 대응하는 질병정보가 포함된 빅데이터 기반의 건강 검진 데이터를 이용하여, 질병 분석 및 예측을 위한 알고리즘을 훈련한다.
이때, 건강정보 플랫폼 서버(200)는 복수 개의 질병 분석 및 예측을 위한 알고리즘을 포함할 수 있으며, 이러한 복수 개의 알고리즘 중 기 설정된 훈련 조건을 만족하는 알고리즘을 선택하여 훈련시킬 수 있다. 예를 들어, 불특정 다수인의 신체정보를 입력으로 설정하고, 질병 정보를 출력으로 설정하여 훈련시킨 뒤, 사용자의 신체정보를 입력한 경우 가장 정확한 질병정보에 대한 확률값을 출력시키는 알고리즘을 선택하여 적용시킬 수 있다.
이러한 복수 개의 알고리즘에는 인공지능 신경망(Artificial Neural Network) 또는 은닉 마르코프 모델(Hidden-Markov-Model, HMM) 기반의 알고리즘뿐만 아니라, CNN(Convolutional Neural Networks), RNN(Recurrent neural network) 등이 포함될 수 있다.
질병 분석 및 예측을 위한 알고리즘이 훈련되면, 건강정보 플랫폼 서버(200)는 사용자 디바이스(100)로부터 사용자의 신체정보를 수신하고, 훈련된 알고리즘을 이용하여 사용자의 신체정보에 대응하는 질병정보를 분석 및 예측하며, 예측한 결과를 사용자 디바이스(100)로 제공하게 된다.
이와 같이 본 발명의 일 실시예에 따른 건강정보 플랫폼 서버(200)는 훈련된 인공지능 신경망 또는 은닉 마르코프 모델을 이용하여, 사용자의 신체정보를 분석하여 질병정보를 확률값으로 제시할 수 있다.
구체적으로, 건강정보 플랫폼 서버(200)는 불특정 다수인의 건강 검진 데이터를 이용하여, 도 3a에 도시된 인공지능 신경망을 훈련시킬 수 있다.
즉, 건강정보 플랫폼 서버(200)는 도 3a와 같이 불특정 다수인의 신체정보에 대한 입력 노드를 인공지능 신경망의 입력층으로 지정하고, 질병정보에 대한 출력 노드를 출력층으로 지정하는 지도 학습(supervised learning)을 통해 초기 인공지능 신경망을 생성 및 학습하여 훈련된 최종 인공지능 신경망을 생성할 수 있다.
이와 같이 훈련된 최종 인공지능 신경망이 생성되고 나면, 건강정보 플랫폼 서버(200)는 도 3b와 같이 사용자 디바이스(100)로부터 수신한 사용자의 신체정보를 최종 인공지능 신경망의 입력 노드로 지정할 수 있다. 이에 따라 건강정보 플랫폼 서버(200)는, 예를 들어 향후 2년 이내에 고지혈증이 발생할 수 있다는 확률에 기반한 질병정보를 출력 노드를 통해 획득하여 사용자 디바이스(100)로 제공할 수 있다.
또한, 건강정보 플랫폼 서버(200)는 불특정 다수인의 건강 검진 데이터를 이용하여, 도 4a 내지 도 4b에 도시된 은닉 마르코프 모델을 훈련시켜 질병정보를 분석 및 예측할 수 있다.
즉, 건강정보 플랫폼 서버(200)는 도 4a와 같이 건강 검진 데이터 제공 서버(300)로부터 건강 검진 데이터를 수신하면(S411), 건강 검진 데이터로부터 불특정 다수인의 신체정보를 특징값으로 추출한다(S413).
그리고 추출된 특징값에 대하여 바움 웰치 재추정(Baum-Welch Re-estimation) 방법을 이용하여 특징값에 대응되는 질병정보가 출력되도록 은닉 마르코프 모델 기반의 알고리즘을 훈련시킬 수 있다(S415). 이때, 건강정보 플랫폼 서버(200)는 상기 알고리즘을 기 설정된 수렴 조건을 만족할 때까지 훈련시킬 수 있다(S417).
은닉 마르코프 모델 기반의 알고리즘이 훈련되고 나면, 도 4b와 같이 사용자 디바이스(100)로부터 수신한 사용자의 신체정보를 특징값으로 추출한다(S451).
그리고 훈련된 은닉 마르코프 모델 기반의 알고리즘에 기초하여 추출된 각 특징값에 대응하는 질병정보에 대한 우도(Likelyhood)를 산출하며(S453), 산출된 우도에 기초하여 사용자의 신체정보에 대응하는 확률 기반의 질병정보를 분석 및 예측할 수 있다(S455). 이때, 건강관리 플랫폼 서버(200)는 상기 확률 기반의 질병정보 중 실제 발병 가능성이 높은 확률을 가진 질병정보만을 추출하여 질병정보로 제공할 수도 있다.
한편, 건강관리 플랫폼 서버(200)나 건강 검진 데이터 제공 서버(300)가 도시된 도 1에서는 하나의 서버인 것으로 도시하였으나, 반드시 이에 한정되지 않는다. 즉, 해당 서비스를 제공하기 위한 프로그램이 각각 독립적인 서버 컴퓨터에 탑재되어 상호 운영되는 형태로 실시될 수도 있다.
한편, 본 발명의 일 실시예에 따른 건강정보 플랫폼 서버(200)는 사용자의 선택 입력을 수신함에 따라, 도 2a 및 도 2b에 도시된 불특정 다수인의 건강 검진 데이터에 대하여 필터링 과정 및/또는 차트화 과정을 통해 사용자에게 제공할 수 있다.
예를 들어, 사용자가 ‘2015년’, ‘전남’, ‘남성’에 대하여 선택하게 되면, 건강정보 플랫폼 서버(200)는 해당 년도, 지역, 성별에 대응되는 질병의 종류 및 분포도 등의 정보를 필터링하여 로우 데이터를 사용자 디바이스(100)로 제공하거나, 이를 차트화하여 사용자 디바이스(100)로 제공할 수 있다.
이 경우, 건강정보 플랫폼 서버(200)는 학습 알고리즘을 통해 사용자의 신체정보에 대응하는 질병정보를 제공함에 있어, 사용자가 필터링한 항목, 즉 상술한 예시의 경우 ‘년도’, ‘지역’, ‘성별’에 대한 질병정보와 학습 알고리즘을 통해 분석 및 예측한 질병정보를 함께 대비하여 제공해줄 수도 있다.
이와 같이 본 발명의 일 실시예는 빅데이터에 해당하는 불특정 다수인의 건강 검진 데이터에 대하여 사용자가 관심을 가지는 항목에 대해 필터링 및/또는 차트화시켜 시각적으로 제공해줄 수도 있으며, 이 경우 분석 및 예측된 사용자의 질병정보도 함께 대비하여 제공해줌으로써 보다 직관적으로 사용자에게 질병정보 및 이의 위험도 등을 확인할 수 있게끔 할 수 있다.
또한, 불특정 다수인의 건강 검진 데이터에 대한 항목 선택이 없는 경우에도, 즉 사용자 디바이스(100)를 통해 사용자의 건강 검진 데이터 중 특정 항목을 하나 이상 선택할 경우에도 선택된 항목만을 기반으로 분석 및 예측한 질병정보를 필터링 및/또는 차트화하여 제공해줄 수도 있으며, 상술한 바와 같이 불특정인의 질병정보와도 대비하여 함께 제공해줄 수도 있음은 물론이다.
이하에서는 도 5a 내지 도 5d를 참조하여 본 발명의 일 실시예에 따른 사용자 디바이스(100)에 대해 설명하도록 한다.
도 5a 내지 도 5d는 사용자 디바이스(100)에서 수행되는 프로그램을 설명하기 위한 도면이다.
사용자 디바이스(100)는 사용자의 신체정보를 건강 검진 데이터 제공 서버(300)로부터 자동으로 획득할 수 있다. 이때, 사용자 디바이스(100)는 사용자로부터 개인정보를 수신함에 따라 건강 검진 데이터 제공 서버(300)로부터 건강 검진 데이터를 자동으로 획득할 수 있으며, 획득한 개인정보에 대응하는 건강 검진 데이터를 건강정보 플랫폼 서버(200)로 전송할 수 있다.
뿐만 아니라, 사용자 디바이스(100)는 사용자의 신체정보를 사용자로부터 직접 수동으로 입력받을 수도 있으며, 이 경우 사용자는 건강 검진을 받지 않은 경우나 또는, 상술한 건강 검진 데이터가 생성된 시기 이후에 일부 갱신된 신체정보를 직접 입력하여 업데이트할 수 있어, 자신의 현재 상태와 가장 부합되는 정확한 신체정보에 대응하는 질병정보에 대한 분석 및 예측 결과를 제공받을 수 있다는 장점이 있다.
이를 위해, 사용자 디바이스(100)에는 도 5a와 같은 프로그램이 미리 설치되어 있을 수 있다. 사용자가 상기 프로그램을 실행시킨 후, 도 5a와 같이 ‘질병정보 분석 및 예측’ 항목(P1)을 선택하면 처방 프로그램이 생성 및 출력될 수 있다.
이때, 처방 프로그램은, 건강정보 플랫폼 서버(200)가 질병정보를 분석 및 예측한 결과에 따른 처방 정보를 생성하여 사용자 디바이스(100)로 제공하면, 사용자 디바이스(100)는 수신한 처방 정보에 대응하는 처방 프로그램을 생성 및 출력할 수 있다. 또는 건강정보 플랫폼 서버(200)가 직접 처방 정보에 대응하는 처방 프로그램을 생성하여 네트워크를 통해 제공해줄 수도 있다.
이러한 처방 프로그램은 분석 및 예측된 질병정보마다 각각 또는 종합되어 생성될 수 있으며, 운동 장소 및 운동 종목별로 구분된 운동 처방 프로그램과 영양 처방 프로그램을 포함할 수 있다.
예를 들어, 도 5a와 같이 사용자 디바이스(100)는 프로그램 내에 미리 저장된 다양한 처방 프로그램 중에서 처방 정보에 대응되는 운동 처방 프로그램을 추출하여, 사용자에게 제공해줄 수 있다.
이러한 처방 프로그램은 일자 별로 제공될 수 있으며, ‘오늘의 프로그램’과 같이 당일에 수행해야 할 여러 운동 종목이 제공될 수 있다. 또한, 각 운동 종목의 경우 사용자의 성별, 연령 등의 신체정보를 반영하여 반복 횟수, 속도, 강도 등이 각각의 사용자마다 상이하게 제공될 수 있다.
또한, 운동 처방 프로그램의 경우 해당 질병에 대응하는 획일적인 운동 종목만을 제공해주는 것이 아니라, 도 5b와 같이 복수의 운동 종목을 운동 장소를 고려하여 제공해줄 수도 있다. 이에 따라, 사용자는 처방 프로그램 내용 중 자신이 당일 수행 가능한 운동 종목을 선택하여 수행할 수도 있다.
영양 처방 프로그램의 경우, 도 5c와 같이 특정 질환이나 다이어트가 필요한 사용자에게 적합한 식단을 제공해주는 것으로서, 섭취 방법뿐만 아니라 조리 방법, 칼로리 정보 등을 함께 제공해줄 수 있다.
뿐만 아니라, 도 5d와 같이 처방 프로그램은 분석 및 예측된 질병정보 각각에 대하여 구분되어 제공될 수도 있다. 예를 들어, 분석 및 예측된 질병정보로 향후 2년 이내에 당뇨 발생확률이 90%인 경우, ‘당뇨’ 항목(P2)을 클릭하면 해당 질병정보만을 위한 처방 프로그램이 생성 및 출력될 수 있다.
이와 더불어, 처방 프로그램은 분석 및 예측된 질병정보가 복수 개인 경우 복수 개의 질병 정보를 종합하여 제공될 수 있다. 즉, 사용자가 각각의 질병정보에 대응하는 처방 프로그램을 모두 각각 수행하기는 현실적으로 어려움이 있으므로, 사용자 디바이스(100)는 처방 정보를 수신하면 이에 기초하여 복수의 질병정보가 종합적으로 반영된 처방 프로그램을 생성 및 출력할 수 있다.
이에 따라, 사용자는 ‘종합 진단 결과’ 항목(P3)을 클릭하면, 해당 질병정보 분석 및 예측 결과와 함께, 운동 처방 프로그램 및 영양 처방 프로그램을 제공받을 수 있다.
또한, 본 발명의 일 실시예는 사용자 디바이스(100)를 통해 사용자의 라이프로그 스타일 정보를 수집하여 건강 검진 데이터와 함께 또는 이와 별도로 사용자의 신체정보의 입력으로 활용할 수도 있다.
즉, 사용자 디바이스(100)는 사용자가 음식을 섭취하는 시간, 양, 종류 등을 수집하고, 사용자의 운동 시간, 취침 시간, 흡연 여부 등을 실시간으로 수동 또는 자동으로 수집할 수 있으며, 건강정보 플랫폼 서버(200)는 이를 입력으로 활용하여 학습된 알고리즘을 통해 질병정보를 분석 및 예측할 수 있다.
이때, 수동 입력의 경우는 사용자가 직접 사용자 디바이스(100)에 입력하는 것을 말하며, 자동 입력의 경우 GPS, 심박 센서 등을 통해 자동으로 신체 정보, 위치 정보를 수집할 수 있으며, 음식의 섭취의 경우 예를 들어 사용자가 카메라를 통해 음식을 촬영하면 영상 분석 기법을 통해 음식의 종류, 양 등을 예측한 결과를 입력으로 활용하는 것이나 반드시 이에 한정되는 것은 아니다.
이와 같이 본 발명의 일 실시예는 사용자의 라이프로그 스타일 정보를 수집하여 건강 검진 데이터와 함께 활용함으로써 보다 정확한 질병정보 예측이 가능하며, 또한 건강 검진 데이터와 별도로 활용도 가능한바 실시간으로 사용자에게 예측되는 질병정보를 제공해줄 수 있고, 이에 대하여 상술한 처방 프로그램을 제공해줌으로써 사용자가 매일 꾸준하게 건강 관리를 할 수 있게끔 할 수 있다.
한편, 본 발명의 일 실시예에서의 사용자 디바이스(100)는 별도의 외부 연계 플랫폼 서버(200)(미도시)로부터 음성 정보(speech information) 및 지도 정보(location information)를 제공받아, STT(Speech to Text), TTS (Text to Speech)와 같은 음성 인식 기능이나 LBS(Location Based Service)와 기능을 처방 프로그램에 포함시켜 제공할 수도 있다. 이에 따라, 사용자는 예를 들어 운동 처방 프로그램의 경우 시작부터 끝까지 화면을 주시할 필요 없이, 음성 인식 기능을 통해 프로그램의 내용을 제공받고 수행하였음을 기록할 수도 있으며, 위치 기반 서비스를 통해 특정 장소에서 처방 프로그램을 수행 중 또는 수행 완료하였음을 기록 및 저장할 수도 있다.
한편, 본 발명의 일 실시예에서의 사용자 디바이스(100)는 도 5a 내지 도 5d를 통해 설명한 운동 처방 프로그램 또는 영양 처방 프로그램을 제공 가능한 오프라인 지점 정보를 상기 어플리케이션을 통해 함께 제공할 수 있다.
예를 들어, 운동 처방 프로그램으로 배드민턴이 제시된 경우, 운동 처방 프로그램으로 배드민턴 운동을 수행 가능한 하나 이상의 오프라인 지점의 정보도 함께 제공될 수 있다. 사용자가 특정 오프라인 지점을 선택할 경우, 해당 오프라인 지점으로 사용자의 건강 상태 정보를 고려하여 배드민턴의 강도, 시간 등이 함께 오프라인 지점으로 제공될 수 있다. 이에 따라, 해당 오프라인 지점에서는 사용자의 건강 상태에 가장 적합한 배드민턴 운동 프로그램을 운동 처방 프로그램으로 제공할 수 있게 된다.
또한, 영양 처방 프로그램 역시 사용자가 식단으로 채소류, 해조류를 선택한 경우, 채소류와 해조류를 제공 가능한 하나 이상의 오프라인 지점의 정보가 함께 제공될 수 있다. 사용자가 특정 오프라인 지점을 선택할 경우 해당 오프라인 지점으로 사용자의 건강 상태 정보를 고려하여 음식량, 레시피, 칼로리 정보 등이 함께 오프라인 지점으로 제공될 수 있으며, 해당 오프라인 지점에서는 사용자의 건강 상태에 가장 적합한 식단을 영양 처방 프로그램으로 제공할 수 있게 된다.
한편, 상술한 운동 및 영양 처방 프로그램을 수행할 수 있는 오프라인 지점의 정보는 운동 및 영양 처방 프로그램별로 각각 제공될 수도 있으며, 이를 모두 수행 가능한 하나의 오프라인 지점도 제공될 수 있음은 물론이다.
이와 같이 본 발명의 일 실시예는 온라인 투 오프라인(Online to Offline) 서비스를 제공할 수 있으며, 이를 위해 오프라인 지점을 미리 모집하여 유료 또는 무료로 가입하게 하고, 사용자로 하여금 유료 또는 무료로 처방 프로그램 및 이에 대응하는 오프라인 서비스를 제공받을 수 있게 할 수 있다.
이에 따라 사용자는 자신의 건강정보를 위한 온라인 서비스 및 오프라인 서비스를 동시에 제공받을 수 있으며, 오프라인 지점의 경우 원래 제공하는 서비스뿐만 아니라 처방 프로그램에 따른 추가적인 서비스의 제공도 가능하여 매출 상승 등의 효과를 누릴 수 있다.
참고로, 본 발명의 실시예에 따른 도 1에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 형태로 구현될 수 있으며, 소정의 역할들을 수행할 수 있다.
그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.
구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.
도 6은 본 발명의 일 실시예에 따른 사용자 디바이스(100), 건강정보 플랫폼 서버(200) 및 건강 검진 데이터 제공 서버(300)의 구성을 설명하기 위한 도면이다.
도 6에 도시된 바와 같이, 본 발명의 일 실시예에 따른 질병 분석 및 예측 시스템(1)을 구성하는 각 구성요소들은 통신모듈(610), 메모리(620) 및 프로세서(630)를 포함하여 구성될 수 있다.
통신 모듈(610)은 상호 간에 데이터를 송수신하기 위한 구성이다. 이와 같은 통신 모듈(610)은 유선 통신 모듈 및 무선 통신 모듈을 모두 포함할 수 있다. 유선 통신 모듈은 전력선 통신 장치, 전화선 통신 장치, 케이블 홈(MoCA), 이더넷(Ethernet), IEEE1294, 통합 유선 홈 네트워크 및 RS-485 제어 장치로 구현될 수 있다. 또한, 무선 통신 모듈은 WLAN(wireless LAN), Bluetooth, HDR WPAN, UWB, ZigBee, Impulse Radio, 60GHz WPAN, Binary-CDMA, 무선 USB 기술 및 무선 HDMI 기술 등으로 구현될 수 있다.
메모리(620)에는 질병 분석 및 예측 서비스를 수행 및 제공하기 위한 프로그램이 각각 저장된다. 여기에서, 메모리(620)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 휘발성 저장장치를 통칭하는 것이다.
예를 들어, 메모리(620)는 콤팩트 플래시(compact flash; CF) 카드, SD(secure digital) 카드, 메모리 스틱(memory stick), 솔리드 스테이트 드라이브(solid-state drive; SSD) 및 마이크로(micro) SD 카드 등과 같은 낸드 플래시 메모리(NAND flash memory), 하드 디스크 드라이브(hard disk drive; HDD) 등과 같은 마그네틱 컴퓨터 기억 장치 및 CD-ROM, DVD-ROM 등과 같은 광학 디스크 드라이브(optical disc drive) 등을 포함할 수 있다.
그리고 프로세서(630)는 메모리(620)에 저장된 프로그램을 실행시킨다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
1: 질병 분석 및 예측 시스템
100: 사용자 디바이스
200: 건강정보 플랫폼 서버
300: 건강 검진 데이터 제공 서버
100: 사용자 디바이스
200: 건강정보 플랫폼 서버
300: 건강 검진 데이터 제공 서버
Claims (11)
- 질병 분석 및 예측 시스템에 있어서,
사용자의 신체정보를 수집하는 사용자 디바이스 및
불특정 다수인의 신체정보 및 상기 불특정 다수인 각각의 신체정보에 대응하는 질병정보가 포함된 빅데이터 기반의 건강 검진 데이터를 이용하여 질병 분석 및 예측을 위한 알고리즘을 훈련시키고, 상기 사용자 디바이스로부터 사용자의 신체정보를 수신하고, 상기 훈련된 알고리즘에 기초하여 상기 사용자의 신체정보에 대응하는 질병정보를 분석 및 예측한 결과를 상기 사용자 디바이스로 제공하는 건강정보 플랫폼 서버를 포함하는 질병 분석 예측 시스템. - 제 1 항에 있어서,
상기 질병 분석 및 예측을 위한 알고리즘은 복수 개의 알고리즘을 포함하고, 상기 건강 정보 플랫폼 서버는 상기 복수 개의 알고리즘 중 기 설정된 훈련 조건을 만족하는 어느 하나의 알고리즘을 선택하는 것인 질병 분석 및 예측 시스템. - 제 1 항 또는 제 2 항에 있어서,
상기 복수 개의 알고리즘은 인공지능 신경망 및 은닉 마르코프 모델(Hidden-Markov-Model, HMM) 기반의 알고리즘을 포함하는 것인 질병 분석 및 예측 시스템. - 제 3 항에 있어서,
상기 건강정보 플랫폼 서버는 건강 검진 데이터 제공 서버로부터 기준년도, 시도 코드, 성별 코드, 연령대 코드 및 가입자 일련번호로 구분된 상기 불특정 다수인의 신체정보 및 질병정보를 수신하되,
상기 불특정 다수인의 신체정보는 신장, 체중, 허리둘레, 좌우 시력, 좌우 청력, 흡연 상태, 음주 여부, 구강검진 수검여부, 치아우식증 유무 및 치석 유무의 정보를 포함하고,
상기 질병정보는 수축기/이완기 혈압, 식전혈당, 총 콜레스테롤, 트리글리세라이드, HDL/LDL 콜레스테롤, 혈색소, 요단백, 혈청 크라아티닌, AST, ALT 및 감마지피티의 정보를 포함하는 것인 질병 분석 예측 시스템. - 제 4 항에 있어서,
상기 건강정보 플랫폼 서버는 상기 불특정 다수인의 신체 정보에 대한 입력 노드가 입력층으로 지정되고, 상기 질병정보에 대한 출력 노드가 출력층으로 지정된 초기 인공지능 신경망을 생성 및 학습하여 최종 인공지능 신경망을 생성하고, 상기 생성된 최종 인공지능 신경망에 기초하여 상기 사용자의 신체정보에 대응되는 질병정보를 분석 및 예측하는 것인 질병 분석 및 예측 시스템. - 제 4 항에 있어서,
상기 건강정보 플랫폼 서버는 상기 건강 검진 데이터를 수신하여 상기 불특정 다수인의 신체정보를 특징값으로 추출하고, 상기 추출된 특징값에 대하여 바움-웰치 재추정(Baum-Welch Re-estimation) 방법을 이용하여 상기 특징값에 대응되는 질병정보가 출력되도록 상기 은닉 마르코프 모델 기반의 알고리즘을 훈련시키는 것인 질병 분석 및 예측 시스템. - 제 6 항에 있어서,
상기 건강정보 플랫폼 서버는 상기 사용자 디바이스로부터 수신한 사용자의 신체정보를 특징값으로 추출하고, 상기 훈련된 은닉 마르코프 모델 기반의 알고리즘에 기초하여 상기 추출된 각 특징값에 대응하는 질병정보에 대한 우도를 산출하며, 상기 산출된 우도에 기초하여 상기 사용자의 신체정보에 대응되는 질병정보를 분석 및 예측하는 것인 질병 분석 및 예측 시스템. - 제 4 항에 있어서,
상기 사용자 디바이스는 사용자로부터 개인정보를 수신함에 따라 상기 건강 검진 데이터 제공 서버로부터 상기 건강 검진 데이터 중 상기 개인정보에 대응하는 건강 검진 데이터를 자동으로 획득하고, 상기 획득한 개인정보에 대응하는 건강 검진 데이터를 상기 건강정보 플랫폼 서버로 전송하는 것인 질병 분석 및 예측 시스템. - 제 4 항에 있어서,
상기 건강정보 플랫폼 서버는 상기 질병정보의 분석 및 예측 결과에 따른 처방 정보를 상기 사용자 디바이스로 제공하고,
상기 사용자 디바이스는 미리 설치된 프로그램을 실행시킴에 따라 상기 처방 정보에 대응하는 처방 프로그램을 생성 및 출력하는 것인 질병 분석 및 예측 시스템. - 제 9 항에 있어서,
상기 처방 프로그램은 분석 및 예측된 질병정보마다 각각 또는 종합되어 생성 및 출력되되, 운동 장소 및 운동 종목 별로 구분된 운동 처방 프로그램 및 영양 처방 프로그램을 포함하는 것인 질병 분석 및 예측 시스템. - 제 10 항에 있어서,
상기 건강 정보 플랫폼 서버는 상기 운동 처방 프로그램 또는 영양 처방 프로그램을 제공 가능한 하나 이상의 오프라인 지점 정보를 상기 사용자 디바이스로 제공하고,
상기 사용자 디바이스는 상기 미리 설치된 프로그램을 통해 상기 오프라인 지점의 정보를 출력하며, 특정 오프라인 지점을 선택하는 입력을 사용자로부터 수신함에 따라 상기 처방 정보를 함께 상기 특정 오프라인 지점으로 제공하는 것인 질병 분석 및 예측 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170054457A KR101944859B1 (ko) | 2017-04-27 | 2017-04-27 | 질병 분석 및 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170054457A KR101944859B1 (ko) | 2017-04-27 | 2017-04-27 | 질병 분석 및 예측 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180120469A true KR20180120469A (ko) | 2018-11-06 |
| KR101944859B1 KR101944859B1 (ko) | 2019-02-01 |
Family
ID=64329435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170054457A KR101944859B1 (ko) | 2017-04-27 | 2017-04-27 | 질병 분석 및 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101944859B1 (ko) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033866A (zh) * | 2019-03-08 | 2019-07-19 | 平安科技（深圳）有限公司 | 健康提醒方法、装置、计算机设备及存储介质 |
| CN111428742A (zh) * | 2018-12-24 | 2020-07-17 | 缤刻普达（北京）科技有限责任公司 | 人体健康测量方法、装置、计算机设备及存储介质 |
| KR102264498B1 (ko) * | 2020-04-23 | 2021-06-14 | 주식회사 바스젠바이오 | 유병 확률 예측을 위한 컴퓨터 프로그램 |
| KR20210080061A (ko) * | 2019-12-20 | 2021-06-30 | 계명대학교 산학협력단 | 한국인의 식이 음식에 따른 나트륨 섭취 안전지수 기반 인공지능 질환 예측 시스템 및 방법 |
| KR20210097511A (ko) * | 2020-01-30 | 2021-08-09 | 연세대학교 원주산학협력단 | 딥러닝 기반 심전도 분석데이터를 이용한 일반인의 간질환 보유 가능성 예측 방법 |
| KR20210110214A (ko) | 2020-02-28 | 2021-09-07 | 고려대학교 산학협력단 | 치과 치료 예측 시스템 및 방법 |
| KR20210116039A (ko) * | 2020-03-17 | 2021-09-27 | 박종선 | 인공지능 기반 맞춤형 생활건강 정보제공시스템 및 인공지능 기반 맞춤형 생활건강 정보제공방법 |
| KR20210152047A (ko) * | 2020-06-05 | 2021-12-14 | 인하대학교 산학협력단 | 인공 지능 기반 기계 학습을 이용한 급성 신부전 발생 예측 장치 및 그 방법 |
| KR20220013208A (ko) * | 2020-07-24 | 2022-02-04 | 고려대학교 산학협력단 | 요로 감염을 예측하는 방법 및 장치 |
| KR102376392B1 (ko) * | 2021-07-09 | 2022-03-21 | 주식회사 유비벨록스모바일 | 한방사상체질과 현대의학이 융합된 건강정보 기반의 ai 개인 맞춤형 헬스케어 플랫폼 |
| CN114469663A (zh) * | 2022-03-24 | 2022-05-13 | 河南护眼优品实业有限公司 | 一种防控视力增视的智能训练方法及装置 |
| KR20220156681A (ko) * | 2021-05-18 | 2022-11-28 | 주식회사 웨이센 | 3차원 멀티채널 데이터를 이용한 질환 발병 예측 시스템 및 방법 |
| KR20220161825A (ko) * | 2021-05-31 | 2022-12-07 | 재단법인대구경북과학기술원 | 건강 정보 제공 장치 및 방법 |
| KR20230011163A (ko) * | 2021-07-13 | 2023-01-20 | 사회복지법인 삼성생명공익재단 | 중성구 수치 회복 예측방법 및 그 장치 |
| WO2023080504A1 (ko) * | 2021-11-08 | 2023-05-11 | 이화여자대학교 산학협력단 | 라이프로그를 기준으로 건강 검진 정보를 제공하는 방법 및 서비스 장치 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130015368A (ko) * | 2011-08-03 | 2013-02-14 | 충북대학교 산학협력단 | 은닉 마코프 모델과 심잡음 로그우도를 결합한 심장질환 진단 장치 |
| JP2014178800A (ja) * | 2013-03-14 | 2014-09-25 | Gifu Univ | 医療情報処理装置、及び、プログラム |
| KR20160061017A (ko) * | 2014-11-21 | 2016-05-31 | 주식회사 메디플러스솔루션 | 환자 맞춤형 정보 제공 시스템 |
| KR20170023382A (ko) * | 2015-08-19 | 2017-03-03 | 한국전자통신연구원 | 바이오 물질의 농도를 기반으로 하는 질환 예측 장치 및 그것의 질환 예측 방법 |
-
2017
- 2017-04-27 KR KR1020170054457A patent/KR101944859B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130015368A (ko) * | 2011-08-03 | 2013-02-14 | 충북대학교 산학협력단 | 은닉 마코프 모델과 심잡음 로그우도를 결합한 심장질환 진단 장치 |
| JP2014178800A (ja) * | 2013-03-14 | 2014-09-25 | Gifu Univ | 医療情報処理装置、及び、プログラム |
| KR20160061017A (ko) * | 2014-11-21 | 2016-05-31 | 주식회사 메디플러스솔루션 | 환자 맞춤형 정보 제공 시스템 |
| KR20170023382A (ko) * | 2015-08-19 | 2017-03-03 | 한국전자통신연구원 | 바이오 물질의 농도를 기반으로 하는 질환 예측 장치 및 그것의 질환 예측 방법 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428742A (zh) * | 2018-12-24 | 2020-07-17 | 缤刻普达（北京）科技有限责任公司 | 人体健康测量方法、装置、计算机设备及存储介质 |
| CN111428742B (zh) * | 2018-12-24 | 2023-12-19 | 有品国际科技(深圳)有限责任公司 | 人体健康测量方法、装置、计算机设备及存储介质 |
| CN110033866B (zh) * | 2019-03-08 | 2023-08-11 | 平安科技（深圳）有限公司 | 健康提醒方法、装置、计算机设备及存储介质 |
| CN110033866A (zh) * | 2019-03-08 | 2019-07-19 | 平安科技（深圳）有限公司 | 健康提醒方法、装置、计算机设备及存储介质 |
| KR20210080061A (ko) * | 2019-12-20 | 2021-06-30 | 계명대학교 산학협력단 | 한국인의 식이 음식에 따른 나트륨 섭취 안전지수 기반 인공지능 질환 예측 시스템 및 방법 |
| KR20210097511A (ko) * | 2020-01-30 | 2021-08-09 | 연세대학교 원주산학협력단 | 딥러닝 기반 심전도 분석데이터를 이용한 일반인의 간질환 보유 가능성 예측 방법 |
| KR20210110214A (ko) | 2020-02-28 | 2021-09-07 | 고려대학교 산학협력단 | 치과 치료 예측 시스템 및 방법 |
| KR20210116039A (ko) * | 2020-03-17 | 2021-09-27 | 박종선 | 인공지능 기반 맞춤형 생활건강 정보제공시스템 및 인공지능 기반 맞춤형 생활건강 정보제공방법 |
| KR102264498B1 (ko) * | 2020-04-23 | 2021-06-14 | 주식회사 바스젠바이오 | 유병 확률 예측을 위한 컴퓨터 프로그램 |
| KR20210152047A (ko) * | 2020-06-05 | 2021-12-14 | 인하대학교 산학협력단 | 인공 지능 기반 기계 학습을 이용한 급성 신부전 발생 예측 장치 및 그 방법 |
| KR20220013208A (ko) * | 2020-07-24 | 2022-02-04 | 고려대학교 산학협력단 | 요로 감염을 예측하는 방법 및 장치 |
| KR20220156681A (ko) * | 2021-05-18 | 2022-11-28 | 주식회사 웨이센 | 3차원 멀티채널 데이터를 이용한 질환 발병 예측 시스템 및 방법 |
| KR20220161825A (ko) * | 2021-05-31 | 2022-12-07 | 재단법인대구경북과학기술원 | 건강 정보 제공 장치 및 방법 |
| KR102376392B1 (ko) * | 2021-07-09 | 2022-03-21 | 주식회사 유비벨록스모바일 | 한방사상체질과 현대의학이 융합된 건강정보 기반의 ai 개인 맞춤형 헬스케어 플랫폼 |
| KR20230011163A (ko) * | 2021-07-13 | 2023-01-20 | 사회복지법인 삼성생명공익재단 | 중성구 수치 회복 예측방법 및 그 장치 |
| WO2023080504A1 (ko) * | 2021-11-08 | 2023-05-11 | 이화여자대학교 산학협력단 | 라이프로그를 기준으로 건강 검진 정보를 제공하는 방법 및 서비스 장치 |
| CN114469663A (zh) * | 2022-03-24 | 2022-05-13 | 河南护眼优品实业有限公司 | 一种防控视力增视的智能训练方法及装置 |
| CN114469663B (zh) * | 2022-03-24 | 2023-09-05 | 河南护眼优品实业有限公司 | 一种防控视力增视的智能训练方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101944859B1 (ko) | 2019-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101944859B1 (ko) | 질병 분석 및 예측 시스템 | |
| Vanholder et al. | Organ donation and transplantation: a multi-stakeholder call to action | |
| Vinekar et al. | The KIDROP model of combining strategies for providing retinopathy of prematurity screening in underserved areas in India using wide-field imaging, tele-medicine, non-physician graders and smart phone reporting | |
| Sandhu et al. | Cost-effectiveness of implantable pulmonary artery pressure monitoring in chronic heart failure | |
| US20210391081A1 (en) | Predictive guidance systems for personalized health and self-care, and associated methods | |
| US9824446B2 (en) | Evaluating electromagnetic imagery by comparing to other individuals' imagery | |
| Mohan et al. | Tele-diabetology to screen for diabetes and associated complications in rural India: the Chunampet Rural Diabetes Prevention Project Model | |
| CN112868068B (zh) | 使用利用其它模式训练的机器学习模型处理眼底相机图像 | |
| KR102004438B1 (ko) | 사용자 건강습관정보 수집을 통한 건강관리 서비스 제공 장치 및 제공 방법 | |
| US20190267121A1 (en) | Medical recommendation platform | |
| KR20170057569A (ko) | 스마트건강경영전략(smash)이 반영된 헬스케어서비스 제공 시스템 및 방법 | |
| Paulauskaite-Taraseviciene et al. | Geriatric care management system powered by the IoT and computer vision techniques | |
| US20210265064A1 (en) | System and method for providing model-based predictions of quality of life implications of a treatment via individual-specific machine learning models | |
| Poulymenopoulou et al. | Machine learning for knowledge extraction from phr big data | |
| Blix et al. | Digitalization and health care | |
| US20220215957A1 (en) | Digital Nurse for Symptom and Risk Assessment | |
| US11373758B2 (en) | Cognitive assistant for aiding expert decision | |
| Butt et al. | Using mobile technology to improve nutritional information of diabetic patient’s | |
| Migliorelli et al. | MyDi application: Towards automatic activity annotation of young patients with Type 1 diabetes | |
| Kumar et al. | Cloud-based computer-assisted diagnostic solutions for e-health | |
| EP4134976B1 (en) | System and method for predicting the risk of a patient to develop an atherosclerotic cardiovascular disease | |
| US12009103B1 (en) | Systems, devices, and/or methods for managing health | |
| Maeda et al. | Expanding access to care and improving quality in the Mid-Atlantic States safety-net clinics: Kaiser Permanente’s Community Ambassador Program | |
| US20240186016A1 (en) | System and method for predicting the risk of a patient to develop an atherosclerotic cardiovascular disease | |
| EP4380699A1 (en) | Systems and methods for prediction, prevention and management of chronic and autoimmune diseases |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| N231 | Notification of change of applicant | ||
| GRNT | Written decision to grant |