KR20180129778A - 건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법 - Google Patents

건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법 Download PDF

Info

Publication number
KR20180129778A
KR20180129778A KR1020187025793A KR20187025793A KR20180129778A KR 20180129778 A KR20180129778 A KR 20180129778A KR 1020187025793 A KR1020187025793 A KR 1020187025793A KR 20187025793 A KR20187025793 A KR 20187025793A KR 20180129778 A KR20180129778 A KR 20180129778A
Authority
KR
South Korea
Prior art keywords
user
data
health
recommendation
related data
Prior art date
Application number
KR1020187025793A
Other languages
English (en)
Inventor
유안 에스. 톰슨
디브야 샤
테자쉬 프라카쉬 샤
옐레이 리
알리레자 알리아미리
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20180129778A publication Critical patent/KR20180129778A/ko

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • G—PHYSICS
    • G04—HOROLOGY
    • G04G—ELECTRONIC TIME-PIECES
    • G04G9/00—Visual time or date indication means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass
    • G06N99/005—
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04N5/2257—
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Abstract

사용자의 건강 목표에 도달하는 것을 돕기 위한 방법 및 시스템이 제공된다. 본 발명의 다양한 실시예들은 사용자와 관련된 다양한 데이터를 수신하고, 수신된 데이터와 모니터링된 사용자 건강 데이터를 비교해서 건강 목표를 달성하기 위해 취해야 할 단계들의 추천을 제공한다. 또한 다양한 실시예들은 사용자가 사용자의 원하는 건강 목표를 달성하였는 지를 판별한다.

Description

건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법
본 발명은 건강 상태를 개선하기 위해 집합적 및 연속적 학습을 위한 시스템 및 방법을 제공한다.
다수의 전자 장치(예를 들어, 이동 전화, 태블릿) 애플리케이션들 및 웹사이트들은 일반적으로 사용자의 건강 목표를 위한 최적의 칼로리 섭취 및 영양소를 결정하기 위해 사용자의 식이 요법 및 운동의 추적을 제공한다. 이러한 애플리케이션들 및 웹사이트는 사용자가 사용자의 정보를 모니터링하기 위해 사용자 자신의 음식 섭취 및 활동 상세를 철저하게 제공해야 한다.
본 발명은 사용자의 건강 상태를 개선하기 위한 집합적 및 연속적 학습을 위한 시스템 및 방법을 제공한다.
본 발명의 다양한 양태는 건강 상태를 개선하기 위해 집합 및 연속 학습을 위한 시스템 및 방법을 제공한다. 비 제한적인 예로서, 본 개시 내용의 다양한 양상은 개인의 생체 인식 데이터 및 사람의 다양한 시간대에 사람이 존재하는 환경의 상황 데이터를 수집하는 다양한 방법을 제공한다.
추가적인 양상들은 다양한 실시 예들에 의해 제시된 다음의 설명 및/또는 실시예에 의해 설명될 것이다.
본 발명의 시스템 및 방법은 사용자가 건강 목표에 도달하는 것을 도울 수 있다.
본 발명의 양태들은 첨부된 도면들과 관련될 때 명백해지고 보다 용이하게 이해될 것이다.
도 1은 본 발명의 일 실시예에 따른 전자 장치들에 의해 클라우드에 전송된 데이터를 나타내는 도면이다.
도 2a는 본 발명의 일 실시예에 사용될 수 있는 웨어러블 전자 장치의 다이어그램이다.
도 2b는 본 발명의 일 실시예와 함께 사용될 수 있는 사용자 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 다른 장치들과 통신하는 사용자 장치의 예시이다.
도 4는 본 발명의 실시예에 따라 사용자에게 통지하는 예이다.
도 5는 본 발명의 일 실시예에 따른 머신 러닝의 사용을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 딥 러닝의 사용을 나타내는 모델이다.
도 7은 본 발명의 일 실시예에 따른 머신 러닝 건강 및 행동에 대한 이해를 제공하기 위한 예시적인 플로우차트이다.
도 8은 본 발명의 일 실시예에 따른 머신 러닝 건강 및 행동에 대한 이해를 제공하기 위한 다른 예시적인 플로우차트이다.
본 명세서에서 이용된 바와 같이, "및/또는" 은 "및/또는"에 의해 결합된 목록 내의 임의의 하나 이상의 항목들을 의미한다. 예를 들어, "x 및/또는 y"는 세 개의 엘리먼트 집합 {(x), (y), (x, y)}의 모든 엘리먼트를 의미한다. 즉, "x 및/또는 y"는 "x 및 y 중 하나 또는 둘 다"를 의미한다. 또 다른 예로, "x, y 및/또는 z"는 7 개 엘리먼트 집합들 {(x), (y), (z), (x, y), (x, z), (y, z), (x, y, z)} 중 임의의 하나를 의미한다. 즉, "x, y 및/또는 z"는 "하나 이상의 x, y 및 z"를 의미한다. 본 명세서에서 사용되는, "예시적인"이라는 용어는 비-제한적인 예, 예시 또는 사례로서 기능한다는 것을 의미한다. 본 명세서에서 이용되는 바와 같이, "예를 들어" 및 "예시적인"이라는 용어는 하나 이상의 비-제한적인 예들, 예시 또는 사례들의 리스트를 설정한다.
또한, 단수 형태는 문맥에 달리 명시되지 않는 한, 복수 형태를 포함하는 것으로 의도된다. 본 명세서에서 사용되는 경우, "포함하는", "구비하는", "갖는" 및/또는 "포함되는"이라는 용어는 명시된 특징들, 수들, 단계들, 동작들, 엘리먼트들, 구성 요소들 및/하나 이상의 다른 특징들, 수들, 단계들, 동작들, 엘리먼트들, 구성 요소들 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.
또한, 엘리먼트 A가 엘리먼트 B에 "연결되는" 또는 "결합되는" 으로 언급 될 때, 엘리먼트 A는 엘리먼트 B에 직접 연결될 수 있거나 또는 엘리먼트 C가 엘리먼트 A와 엘리먼트 B 사이에 개입되어서 엘리먼트 A가 엘리먼트 B에 간접적으로 연결 또는 결합될 수 있다.
또한, "제1", "제2", "제3"등의 용어는 본 명세서에서 다양한 구성 요소들, 엘리먼트들, 영역들, 계층들 및/또는 섹션들을 설명하기 위해 사용될 수 있지만, 이들 구성 요소들, 엘리먼트들, 영역들, 계층들 및/또는 섹션들은 이들 용어들에 의해 제한되어서는 안된다. 이들 용어들은 하나의 요소, 엘리먼트, 영역, 층 또는 섹션을 다른 요소, 엘리먼트, 영역, 층 또는 섹션과 구별하기 위해 사용된다. 따라서, 이하에서 설명되는 제1 요소, 엘리먼트, 영역, 층 또는 섹션은 본 발명의 사상 및 범위를 벗어남이 없이 제2 요소, 엘리먼트, 영역, 계층 또는 섹션으로 지칭될 수 있다.
"상부", "하부", "측면" 등과 같은 공간적으로 관련된 용어들은 본 명세서에서 설명의 편의를 위해, 하나의 엘리먼트 또는 특징과 다른 엘리먼트(들) 또는 특징(들) 간의 관계를 용이하게 설명하기 위해 사용될 수 있다. 공간적으로 관련된 용어들은 도면들에 도시된 방위에 추가하여, 사용 또는 동작 중에 장치의 상이한 방위들을 포함하도록 의도된 것으로 이해될 것이다. 예를 들어, 도면들의 장치가 뒤집힌다면, 다른 엘리먼트들 또는 특징들의 "아래" 또는 "아래에" 또는 "하부의"로 기술된 요소는 다른 엘리먼트들 또는 특징들의 "위로" 향할 것이다. 따라서, 예를 들면, "아래에"의 용어는 위와 아래의 방향 모두를 포함할 수 있다.
본 명세서의 실시예에서 "유닛"이라는 용어는 특정 기능을 수행하는 소프트웨어 구성 요소(component) 또는 하드웨어 구성 요소를 의미한다. 하드웨어 구성 요소는 예를 들어, FPGA(field-programmable gate array) 또는 ASIC(application-specific integrated circuit)을 포함할 수 있다. 소프트웨어 구성 요소는 실행 가능한 코드 및/또는 어드레스 가능 저장 매체 내의 실행 가능 코드에 의해 사용되는 데이터를 지칭 할 수있다. 따라서 소프트웨어 구성 요소들은 예를 들어, 객체 지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 작업 구성 요소들일 수 있으며, 프로세스들, 기능들, 속성들, 절차들, 서브 루틴들, 프로그램 코드 세그먼트들, 드라이버들, 펌웨어들, 마이크로 코드들, 회로드 데이터, 데이터베이스, 데이터 구조들, 테이블들, 배열들 또는 변수들을 포함할 수 있다.
"유닛"에 의해 제공되는 기능은 추가의 구성 요소들 및 "유닛들"로 분할될 수 있다.
본 발명의 하나 이상의 실시예들의 장점 및 특징들은 실시예에 대한 다음의 상세한 설명 및 첨부 도면들을 참조함으로써 보다 용이하게 이해될 수 있다.
이와 관련하여, 본 실시예들은 본 명세서에서 언급된 설명들로 제한되는 것으로 해석되어서는 안된다. 오히려, 이들 실시예들은 본 개시들이 철저하고 완전하게 이루어 지도록 당업자에게 본 발명의 양상들 및 특징들을 충분히 전달할 수 있도록 예로서 제공된다.
본 명세서에서 사용된 용어는 특정 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서 사용된 설명적 또는 기술적 용어들을 포함하는 모든 용어들은 당업자에게 자명한 의미를 갖는 것으로 해석되어야 한다. 용어가 언어의 진화, 판례 및/또는 신기술의 출현으로 인해 모호한 의미를 갖는 경우, 본 명세서에서 사용된 용어의 의미는 본 명세서에서의 사용 및/또는 정의에 의해 명확해져야 한다. 추가 설명이 필요하다면, 당해 기술 분야의 당업자가 개시 시점에서 본 명세서의 내용에서 이 용어를 이해하였으므로 이 용어는 명확해질 것이다.
도면에서, 층들 및 영역들의 두께는 명료 함을 위해 과장될 수 있다. 동일한 도면 부호는 동일한 구성 요소를 지칭한다.
본 발명의 일 실시예는, 적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하는 단계 및 상기 사용자의 건강 관련 데이터를 모니터링하는 단계를 포함하는 사용자의 건강을 모니터링하는 방법을 제공한다. 그 다음 상기 사용자 관련 데이터와 상기 건강 관련 데이터 사이의 연관성이 판별될 수 있고, 상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천이 만들어질 수 있다.
본 발명의 다른 실시예는, 적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하고, 그리고 모니터링된 상기 사용자의 건강 관련 데이터를 수신하도록 구성된 입력-출력(IO) 장치를 포함하는 시스템을 제공한다. 또한 상기 시스템은 상기 사용자 관련 데이터 및 상기 건강 관련 데이터 사이의 연관성을 판별하고 그리고 상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천을 제공하도록 구성된 프로세서를 포함할 수 있다.
본 발명의 또다른 실시예는 사용자의 건강을 모니터링하는 것을 포함하며, 실행될 때 컴퓨팅 시스템이 동작들을 제어하도록 하는 머신 실행 가능 명령들을 저장하는 비-일시적인 머신-판독가능 매체를 제공하며, 입력-출력(IO) 장치는 적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하고, 그리고 상기 사용자의 건강 관련 데이터를 모니터링하도록 구성된다. 또한 머신에서 실행되는 명령들은 상기 컴퓨팅 시스템이 동작들을 제어하도록 하고, 프로세서는 상기 사용자 관련 데이터 및 상기 건강 관련 데이터 사이의 연관성을 판별하고 그리고 상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천을 제공하도록 구성된다.
이하 첨부된 도면들을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 이와 관련하여, 본 실시예들은 다른 형태들을 가질 수 있으며 여기에 설명된 설명으로 제한되는 것으로 해석되어서는 안된다.
이하의 설명에서, 불필요한 세부 사항으로 실시예를 모호하게 하지 않도록 잘 알려진 기능 또는 구조가 상세히 설명되지 않을 수 있다.
본 개시의 다양한 실시예들은 사람(또는 환자)의 건강 결과를 개선하는 것을 목표로 사용자(예를 들어, 환자, 임상의)에게 딥 러닝(deep learning) 건강 및 행동 수정 통찰력을 제공하기 위해 여러 타입들의 데이터를 수신하기 위한 크로스 플랫폼 상호 운용성 솔루션(cross platform interoperability solution)을 제공할 수 있다.
예를 들어, 사용자 인터페이스를 갖는 애플리케이션은 사용자로 하여금 모니터링된 건강 측정 데이터에 기초하여 하나 이상의 목표들을 관리하기 위해 개인화 및 맞춤화된(personalized and customized) 프로파일을 구성하게 할 수 있다. 원하는 목표는 예를 들어, 혈압 조절, 혈당 레벨 조절 등과 같은 원하는 의학적 트렌드(medical trend)일 수 있다. 또한 원하는 목표는 예를 들어, 소기의 체중 감소, 근육 키우기, 근력 향상, 목표 운동 기록 등과 같은 피트니스(fitness) 관련된 것일 수 있다. 원하는 목표는 스트레스가 적은 라이프스타일, 더 행복한 직장 생활 등과 같이 라이프스타일과 관련된 것일 수 있다. 따라서 본 발명의 일 실시예는 라이프스타일 데이터(lifestyle data), 임상 데이터(clinical data), 상황 데이터(context data), 환경 데이터(environmental data) 및 음식 소비 데이터(food consumption data) 중 하나 이상을 갖는 건강 측정 데이터(또는 건강 관련 데이터)를 모니터링할 수 있고, 사용자가 원하는 목표를 달성하도록 돕는 건강 프로파일 추천(health profile recommendation)을 제공할 수 있다. 또한 일 실시예는 건강 측정 데이터, 라이프스타일 데이터, 음식 소비 데이터, 상황 데이터 및 임상 데이터 중 하나 이상으로부터의 정보를 포함하는 각 사용자에 대해 개인화된 건강 프로파일 추천을 제공할 수 있고, 원하는 목표를 달성하기 위해 영양, 라이프스타일 및 피트니스 활동 중 하나 이상을 조절하는 추천을 제공할 수 있다.
다양한 소스들로부터 수신된 다양한 데이터가 중복될 수 있음을 인식해야 한다. 예를 들어, 모니터링된 사용자의 건강 관련 데이터는 사용자의 체중을 다른 장치에 알려주거나 추후 전송을 위해 정보를 저장할 수 있는 스마트 체중계로 측정된 체중을 포함할 수 있다. 또한 사용자의 체중은 예를 들어, 병원에서 임상 데이터의 일부로서 다운로드될 수 있다.
도 1은 본 발명의 일 실시 예에 따른 네트워크 환경의 개요를 나타내는 도면이다. 도 1을 참조하면, 건강 상태를 개선하기 위한 집합적 및 연속적 학습을 위한 입력을 제공할 수 있는 다양한 장치들이 도시되어 있다. 이러한 장치는 대표적인 것으로, 장치를 제공하는 데이터 세트의 전체로 해석되어서는 안된다.
데이터를 제공할 수 있는 장치들의 예에는 카메라들(102), 스마트 기기들(smart appliances, 104)(예를 들어 스마트 냉장고), 스마트 워치들(106), 스마트 자동차들(108), 센서들(110), 데이터 교환 플랫폼들(112) 및 다양한 모바일 장치들(114)(예를 들면, 휴대 전화들)이 있다. 이러한 장치들 및 센서들은 사용자의 활동, 음식물 섭취, 사용자에게 스트레스를 유발할 수 있는 환경 데이터 등에 관한 정보를 제공 할 수 있다. 이러한 모든 데이터는 클라우드(cloud, 118) 내의 하나 이상의 서버(들)(118)로 전송될 수 있고, 서버(들)은 사용자의 이익을 위해 데이터를 처리할 수 있다. 데이터는 장치에 의해 클라우드(118)로 전송되거나 장치로부터의 데이터는 다른 장치를 통해 클라우드로 전송될 수 있다. 이 데이터를 사용하기 위한 프로세스에 대해서는 후술한다.
일 실시예가 데이터를 수신 및 처리하기 위해 클라우드(118) 내의 서버(들)(116)를 사용할 수 있지만, 본 발명의 다양한 실시예들은 데이터의 수신 및/또는 처리를 위해서, 예를 들어, 스마트 워치(106), 모바일 장치(114), 퍼스널 컴퓨터(미 도시됨) 등과 같은 하나 이상의 개인용 장치들을 사용할 수 있다. 모바일 장치(114)는 예를 들어, 스마트 폰, 태블릿, 랩탑 등을 포함할 수 있다.
다양한 장치들의 일부 또는 독립형 카메라일 수 있는 카메라(102)는 사용자가 있는 환경을 나타내기 위해 사진들 및/또는 비디오를 제공할 수 있다. 이것은 예를 들어, 사용자 평화로운 환경에서 쉬고 있는 지의 여부를 나타내는데 도움이 될 수 있다.
예를 들어, 스마트 냉장고와 같은 스마트 기기(104)는 시간이 흐르면서 냉장고 내 음식의 종류와 양에 대한 정보를 제공할 수 있으며, 따라서 사용자의 식단(diet)에 대한 추론을 허용할 수 있다.
스마트 워치(106)는 사용자에 대한 다양한 생체 데이터를 제공할 수 있다. 예를 들면, 생체 데이터는 다른 데이터 중에서 사용자의 맥박 및 체온을 포함할 수 있다. 따라서, 현재 기술에서 이용 가능한 다양한 생체 센서들이 사용될 수 있다. 기술이 진보함에 따라, 다른 생체 센서들이 사용될 수 있다.
스마트 자동차(108)는 예를 들어, 교통, 꽃가루 수(pollen count), 대기 오염 데이터 등과 같은 운전 중 사용자 환경에 관한 데이터를 제공할 수 있다. 데이터는 사용자가 가질 수 있는 스트레스/불편함의 양을 나타낼 수 있다. 또한 스마트 자동차(108)의 위치는 예를 들어, 사용자에게 추천될 수 있는 식단에 따라 먹을 장소를 제안하는 것을 허용할 수 있다.
센서들(110)은 다른 장치들 내 센서들 및/또는 독립형 센서들을 포함할 수 있다. 독립형 센서들은 예를 들어, 사용자 장치들 내 센서들보다 더 정확한 건강 정보를 제공하기 위한 의원 또는 클리닉/병원의 다양한 의료 장비일 수 있다.
데이터 교환 플랫폼(112)은 예를 들면, 사용자에 대한 데이터의 초기 모집단(initial population)을 허용하기 위해 사용자와 유사한 프로파일을 가진 다른 사람들에 대한 데이터를 수신하기 위해 서버(들)(116)에 의해 사용될 수 있는 데이터를 수신할 수 있다.
모바일 장치(114)는 빌트인 센서들 또는 다른 센서들을 사용하여 다양한 사용자 데이터를 모으고 그리고/또는 사용자에게 출력을 디스플레이 하는데 사용될 수 있다. 출력은 예를 들어, 식단, 운동, 원하는 목표를 향한 사용자의 진행 등에 대한 추천 또는 안내일 수 있다.
도 2a는 본 발명의 일 실시예에 따른 전자 장치를 나타내는 도면이다. 도 2a를 참조하면, 디스플레이(150), 프로세서들(126, 160) 및 센서 모듈(120)을 갖는 스마트 워치(106)일 수 있는 전자 장치가 도시되어 있다. 센서 모듈(120)은 센서들(122, 124)을 포함할 수 있다.
스마트 워치(106)는 손목에 착용될 수 있지만, 본 발명의 다양한 실시예가 이에 제한될 필요는 없다. 또한 스마트 워치(106) 또는 다른 웨어러블 전자 장치들은 예를 들어, 팔(팔뚝, 팔꿈치 또는 팔 상부), 다리, 가슴 주위, 머리 띠와 같은 머리 둘레, 목걸이(choker)와 같은 목 둘레 및 귀와 같은 신체의 다른 부분에 착용될 수 있다. 스마트 워치(106)는 예를 들어, 랩톱과 같이, 도 1에서 설명된 것들을 포함하는 다양한 다른 전자 장치들, 서버(들)(116)과도 통신할 수 있다. 이는 도 3을 참조하여 더 상세히 설명될 것이다.
스마트 워치(106)는 센서 모듈(120)을 통해 사용자의 생체 신호들을 모니터링할 뿐만 아니라 입력/출력(IO) 인터페이스(220) 및/또는 통신 인터페이스(230)(이하 도 2b에서 설명됨)를 통해 다른 장치들/서버들로부터 데이터를 수신할 수 있다. 센서 모듈(120)에 의해 모니터링되는 신호들은 생체 신호 또는 생체 인식 데이터로 불릴 수 있다. 모니터링된 신호는 예를 들어, 맥박 수, 맥박 형태(형상) 및/또는 맥박 간격(박동 간 간격)일 수 있다. 또한 사용자-웨어러블 장치(100)는 예를 들어, 사용자의 피부 아래에 위치하는 언더-스킨 센서(under-skin sensor)(미 도시됨)로부터 읽혀지는 연속적 혈당을 수신할 수 있다. 현재 기술은 사용자의 피부 아래에 연속적 혈당 모니터링 센서를 배치할 수 있지만, 미래의 기술이 혈당 모니터링 센서를 사용자의 피부 아래에 배치할 필요가 없도록 한다면, 그 센서는 스마트 워치(106)의 일부 또는 다른 적절한 장치의 일부로서 통합될 수 있다.
스마트 워치(106)의 사용에 있어서 디스플레이(150)는 사용자 또는 다른 사람들에게 지시를 출력할 수 있고, 상태 및 진단 결과뿐만 아니라, 다양한 차트들, 원하는 건강 목표를 달성하기 위한 건강 프로파일 추천(들), 목표 도달 과정에서의 추세 등을 디스플레이할 수 있다. 이러한 건강 목표들 중 일부는 예를 들어, 혈당 레벨 추세를 조절하고, 체중을 감소시키고, 숙면하고, 근력을 증가시키는 것일 수 있다.
프로세서(160)는 모니터링된 신호를 처리하여 더 상세한 모니터링 및/또는 다른 타입의 모니터링이 필요한지 여부를 결정할 수 있다. 또한 프로세서(160)는 도 1에서 설명된 다양한 전자 장치들로부터 스마트 워치(106)에 의해 수신된 다양한 데이터를 처리할 수 있고, 또한 프로세서(160)는 서버(들)(116) 및/또는 다른 프로세싱 장치들과 함께 사용될 수 있다.
센서 모듈(120)은 예를 들면, 스마트 워치(106)가 사용자에 의해 착용될 때, 사용자의 손목에 접촉하거나 사용자의 손목에 근접해 있는 센서들(122, 124)을 포함할 수 있다. 프로세서(126)는 센서들(122, 124)을 제어할 수 있고, 센서들(122, 124)에 의해 모니터링된 신호들을 처리할 수 있다. 예를 들어, 프로세서(126)는 센서들(122, 124) 의해 모니터링된 신호들로부터 노이즈를 필터링할 수 있다. 또한 본 발명의 다양한 실시예들은 프로세서(160)가 프로세서(126)의 기능을 수행하도록 할 수 있고, 또는 예를 들어, 다른 전자 장치들로부터 수신된 데이터를 처리하는 것과 같은 다양한 작업들을 위해 프로세서(160)와 함께 프로세서(126)가 사용될 수 있다.
센서(122)는 예를 들어, 맥박 관련 정보를 연속적으로 또는 거의 연속적으로 모니터링하는데 사용되는 센서일 수 있다. 센서(124)는 예를 들어, ECG 센서일 수 있다. 센서들(122, 124)은 사용자의 생체 데이터를 모니터링하기 위한 임의의 적절한 센서일 수 있다. 또한 본 발명의 다양한 실시예들은 다른 개수의 센서들을 포함할 수 있다.
스마트 워치(106)는 연속적인 모니터링 또는 주기적인 모니터링을 제공할 수 있다. 특정 모니터링 타입은 설계 및/또는 구현에 따라 달라질 수 있으며, 사용자가 모니터링 타입을 선택하는 것을 허용하는 옵션을 포함할 수도 있다. 주기적인 모니터링은 모니터링 기간과 비-모니터링 기간을 번갈아 수행할 수 있다. 주기적인 모니터링은 더 긴 배터리 수명을 허용하는 것일 수 있다.
스마트 워치(106)는 전자 장치의 예로서 설명되었지만, 스마트 워치가 아닌 다른 전자 장치가 사용될 수도 있다.
도 2b는 본 발명의 일 실시예에 따른 전자 장치의 하이-레벨 블록도이다. 도 2b는 디스플레이(150), 프로세서(160), 센서 모듈(120) 및 배터리(250)를 개시한다. 디스플레이(150)로의 출력은 프로세서(160)에 의해 제어될 수 있다. 또한 디스플레이(150)는 예를 들면, 버튼들, 다이얼들, 터치 감지 스크린 및 마이크로폰과 같은 입력 장치들(미 도시됨)을 포함할 수 있다.
프로세서(160)는 CPU(200), 메모리(210), 입/출력(IO) 인터페이스(220), 통신 인터페이스(230), 및 전력 관리 유닛(power management unit, PMU)(240)를 포함할 수 있다. 프로세서(160)가 이러한 다양한 장치들을 포함하는 것으로 설명되나, 다른 실시예들에서, 다른 기능들이 다른 방식으로 그룹화되는 다른 구조를 사용할 수 있다. 예를 들면, 그룹화는 다른 집적 회로 칩들 내 있을 수 있다. 또는 그룹화는 IO 인터페이스(220) 및 통신 인터페이스(230)와 같은 장치들을 분리할 수 있다.
CPU(200)는 센서 모듈(120)로부터 모니터링된 신호를 수신할 수 있을 뿐만 아니라 센서 모듈(120)의 동작을 제어할 수 있다. CPU(200)는 메모리(210) 내 명령들을 실행하는 것에 의해 다른 소스들로부터 수신된 다른 데이터뿐만 아니라 센서 모듈(120)로부터 모니터링된 신호들을 처리하고, 처리된 신호들/데이터를 디스플레이(150) 상에 디스플레이하고, 디스플레이(150)로부터의 입력을 수신하고, IO 인터페이스(220) 및/또는 통신 인터페이스(230)를 통해 다양한 장치들과 인터페이스하는 것을 포함하는 스마트 워치(106)일 수 있는 전자 장치를 제어할 수 있다. IO 인터페이스(220)는 예를 들면, CPU(200)에 의해서 디스플레이(150)와의 인터페이스를 위해 사용될 수 있다.
프로세서(126)는 다른 실시예들에서 상이한 구조들을 사용하여 동작할 수 있다. 예를 들면, 프로세서(126)는 실행하는 명령들을 저장하기 위해 메모리(210)를 사용할 수 있고, 프로세서(126)는 명령들을 위한 자체 메모리(미 도시됨)를 구비할 수 있다. 일부 실시예들이 분리된 프로세서들(126, 160)을 구비하더라도, 다양한 실시예들은 이에 제한될 필요가 없다. 전자 장치의 기능을 제어하는 하나의 프로세서(160)만 있거나 또는 전자 장치를 위한 다수의 프로세서들이 있을 수 있다.
메모리(210)는 비-휘발성 메모리(216) 및 휘발성 메모리(218)를 포함할 수 있다. 오퍼레이팅 시스템 및 애플리케이션들은 비-휘발성 메모리(216)에 저장될 수 있다. 본 개시의 다양한 실시예들은 설계 및/또는 구현에 따라 다양한 메모리 구조들을 사용할 수 있다.
통신 인터페이스(230)는 예를 들면, USB 같은 유선 프로토콜 또는 블루투스(Bluetooth), NFC(Near Field Communication) 및 WiFi와 같은 무선 프로토콜을 통해 사용자-웨어러블 장치(100)가 다른 장치와 통신하도록 할 수 있다. PMU(240)는 외부 소스로부터 전력을 수신하고, 배터리(250)가 존재하는 경우 배터리(250)를 충전할 뿐만 아니라, 전자 장치의 다른 부분들에 전력을 할당하는 것을 제어할 수 있다.
도 3은 본 발명의 일 실시예에 따른 통신 네트워크 내의 전자 장치를 도시한다. 도 3을 참조하면, 처리 장치(300) 및 전자 장치(들)(302)이 도시되어 있다. 처리 장치(300)는 예를 들면, 서버(들)(116), 스마트 워치(106) 또는 본 개시의 다양한 실시예에서 사용될 수 있는 다른 적합한 전자 장치(들)일 수 있다. 처리 장치(300)는 통신 인터페이스(230)를 사용하여 전자 장치(들)(302)와 통신할 수 있다. 통신은 처리 장치(300)와 전자 장치(들)(302) 사이의 통신 신호들(304)를 통해 이루어질 수 있다. 통신 신호들(304)은 유선 통신 프로토콜 또는 무선 통신 프로토콜을 통해 이루어질 수 있다. 도시되지는 않았지만, 통신 신호들(304)은 처리 장치(300)와 전자 장치(들)(302) 사이의 하나 이상의 통신 유닛들을 통해 전송될 수 있다. 예를 들어, 처리 장치(300) 및 전자 장치(들)(302)은 동일한 네트워크 또는 다른 네트워크들에 속할 수 있다.
도 4는 본 발명의 실시예에 따라 사용자에게 통지하는 예이다. 도 4를 참조하면, 다양한 명령들, 상태 또는 추천/안내가 디스플레이(150) 상에 표시될 수 있다. 출력은 예를 들면, 사용자를 위한 식단에 따른 인근의 식자 장소들, 스마트 냉장고(스마트 기기(104)) 내 사용 가능한 식료품들, 수행해야 할 다음 운동 등을 나타낼 수 있다. 또한 출력은 예를 들어, 원하는 목표를 향한 진행의 표시, 행해진 단계의 수, 수행된 다른 운동들, 생체 데이터 등일 수 있다.
본 발명의 다양한 실시예들은 독립형 디스플레이 또는 전자 장치에 내장된 디스플레이일 수 있는 다양한 디스플레이 장치(들)에서 출력을 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 머신 러닝의 사용을 나타내는 도면이다. 도 5에는 피드백을 갖는 머신 러닝 및 추천들을 도시하고 있다. 머신 러닝 프로세스(502)는 앞서 설명한 바와 같이, 다양한 전자 장치들로부터 다양한 데이터를 수신할 수 있다. 사용자에 의해 입력될 수 있는 미리 결정된 목표에 따라, 머신 러닝 프로세스(502)는 목표 기반 출력들(504)을 제공할 수 있다. 목표 기반 출력들(504)은 사용자에게 추천들로서 제공될 수 있다. 또한 목표 기반 출력들(504)은 추천이 유용하다는 검증(506)을 위해 피드백될 수 있다.
예를 들어, 당뇨병을 가진 사용자는 혈당 레벨 경향을 감소 및/또는 제어하는 원하는 목표를 갖는 프로파일을 구성할 수 있다. 따라서, 자신의 라이프스타일 데이터(예를 들어, 활동 데이터), 실험실 검사 결과들 및 음식 소비 데이터와 관련하여 사용자의 혈당 레벨 경향이 모니터링되어 건강 프로파일 추천들을 제공할 수 있다. 하나의 추천은 혈당 레벨 추세와 사용자의 라이프스타일 데이터 사이의 관계에 근거해서 특정 시간에 섭취하기 위한 보충 식품들에 관한 것일 수 있다. 또 다른 추천은 사용자가 수행할 수 있는 보충 활동들일 수 있다.
예를 들어, 라이프스타일 데이터, 임상 데이터, 건강 측정 데이터, 환경 데이터, 음식 소비 데이터 등과 같은 하나 이상의 다양한 타입들의 데이터는 모바일 장치(114)(예를 들어, 휴대 전화, 태블릿, 랩톱), 웨어러블 전자 장치(예를 들면, 스마트 워치(106), 스마트 기기(104)(예를 들면, 스마트 냉장고), 스마트 자동차(108), 하나 이상의 센서(110), 데이터 교환 플랫폼(112) 등과 같은, 그러나 이에 제한되지 않는 하나 이상의 전자 장치들로부터 수신될 수 있다.
라이프스타일 데이터는 수면 데이터, 신체 활동 데이터(예를 들어, 걷기, 달리기), 스트레스 데이터 및 기분 데이터(예를 들어, 행복, 슬픔, 슬픔)와 같은 사교/정서 데이터를 포함하는, 그러나 이에 제한되지 않는 사용자의 라이프스타일 패턴들의 표시를 제공할 수 있다. 예를 들어, 수면 데이터, 활동 데이터 및 기분 데이터는 사용자의 스마트 워치(106)로부터 수신될 수 있다. 또한, 사용자의 스마트 냉장고(104)는 사용자의 스마트 냉장고(105) 내 카메라가 오렌지가 제거된 것을 캡쳐한 후 월요일 14:00에 오렌지가 사용자에 의해 소비되었을 수 있다는 데이터를 제공할 수 있다. 스마트 워치(106)는 예를 들면, 사용자가 그 오렌지를 먹었는 지를 사용자에게 검증하도록 요청할 수 있다.
다양한 실시예들은 하루 중 특정 시간에 음식 소비 데이터를 수신 할 수 있다. 예를 들어, 음식 소비 데이터는 레스토랑의 이름, 음식의 종류(예를 들어, 야채 종류, 해산물 종류, 고기 종류) 및 메뉴 통칭(예를 들면, 새우 타코)과 같은 사용자에 의해 제공되는 텍스트 설명일 수 있고, 또는 식품과 관련된 특정 명칭이 입력될 수 있다. 다양한 실시예들은 레스토랑을 식별하기 위해 위치 정보를 사용할 수 있다. 또한 식품들이 기록되면, 음식 소비 데이터는 예를 들어, 식품의 이미지 또는 영수증의 이미지일 수 있다. 또는 음식 소비 데이터는 식품 포장의 바코드 이미지일 수 있다. 이미지(들)는 예를 들어, 전자 장치의 카메라 기능을 사용하여 캡쳐될 수 있다. 또한 섭취된 식품들에 대한 영양 데이터는 음식 소비 데이터를 기반으로 수신 및/또는 판별될 수 있다. 예를 들어, 성분을 알 수 있도록 식품이 식별될 수 있다. 또는 식품과 관련된 특성들(예를 들어, 칼로리 및 영양 정보)은 식품 데이터베이스에서 검색될 수 있다.
다양한 실시예들은 의사 진단서, 의학적 기록 및 진단 검사 결과로부터 임상 데이터를 더 수신할 수 있다. 당뇨병을 가진 사용자의 예에서, 현재 시스템은 사용자의 당뇨병 상태와 관련된 의학적 기록 및 진단 검사 결과를 수신할 수 있다. 다양한 실시예들은 설명된 임의의 전자 장치(및/또는 설명되지 않은 다른 장치들) 또는 외부 데이터베이스로부터 환경 데이터를 수신할 수 있다. 일부 환경 데이터는 예를 들어, 날씨 웹 사이트 데이터베이스로부터 수신될 수 있는 날씨 리포트(예를 들면, 오염, 습도, 온도를 기술)일 수 있다. 또한 스마트 자동차(108) 또는 다른 전자 장치들 내의 다른 센서들도 환경 데이터를 제공할 수 있다.
또한 상황 데이터는 다양한 실시예들에서 수신될 수 있다. 상황 데이터는 예를 들어, 사용자의 평정심에 영향을 줄 수 있는 이벤트들에 관한 데이터를 포함할 수 있다. 예를 들어, 교통 정체는 사용자의 혈압을 상승시킬 수 있고, 따라서 혈압을 낮추는 사용자의 능력에 악영향을 미칠 수 있다. 따라서, 다양한 실시예들은 교통이 혼잡하지 않은 시간에 대한 장래 여행이나, 필요한 도착 시간 등과 같은 다른 제약들을 고려할 때 가장 적은 교통량을 만나기 위한 경로 여행을 계획할 수 있다. 또한 휴식 시간, 필요한 품목(예를 들면, 식료품)을 구입 또는 식사를 제안하는 것에 의해 어느 정도 교통 혼잡을 피할 수 있다.
운전자가 졸린 상태임을 나타내는 상황 데이터는 즉시 휴식을 제안하거나 자동차 라디오에 경쾌한 노래를 플레이할 수 있다. 운전자가 졸기 전의 데이터를 분석하여 수면의 양, 먹은 음식의 종류 및 시간, 도로 풍경 등을 결정할 수 있다. 이 프로세스는 사용자의 생산성을 향상시키기 위해 운전 중이 아닌 사용자에게도 사용될 수 있다.
어떤 때에는, 사용자가 권장되는 것보다 많은 양의 기름진 음식을 먹거나 더 많은 알코올 음료를 마시는 축하 행사에 있을 수 있다. 따라서, 행사의 내용을 아는 것이 예방을 위한 경고를 발행하거나, 적어도 그런 특별 이벤트들을 비일상적인 것으로 간주할 수 있다고 볼 수 있다. 특별 이벤트에 대해 미리 아는 것은 가능하다면 어느 정도 완화될 수 있는 식단 및 활동에 대한 새로운 추천들을 허용할 수 있다. 또한, 비정상적인 발생에 대한 후속 추천들이 임시적으로 수정될 수 있다.
이러한 드문 행사들 외에, 사용자가 추천들을 어긴 경우, 필요에 따라 추천들을 변경할 수 있다. 변경 양 및 변경 시간은 사용자에 관한 수신된 다양한 데이터에 따라 달라질 수 있다.
상황 데이터가 상술한 바와 같이 사용될 수 있지만, 다양한 실시예들은 이들 시나리오들에만 한정될 필요는 없다. 예를 들어, 여행 중 운전할 때, 사용자가 먹고 즐기는 음식의 종류를 제공하는 인근 레스토랑들에 관해서 사용자에게 다양한 제안들을 할 수 있다. 또한 제안들은 예를 들어, 사용자의 최근 식사 이력에 근거한 특정 메뉴 아이템들을 포함할 수 있다.
따라서, 다양한 실시예들은 사용자가 원하는 목표를 달성할 수 있도록 돕기 위한 상황 및 목표 별 건강 프로파일 추천들을 제공하기 위해 사용자의 라이프스타일 데이터, 음식 소비 데이터, 환경 데이터, 상황 데이터, 임상 데이터 등등 중 하나 이상에 근거해서 사용자의 건강 측정 데이터를 모니터링함으로써 머신 러닝 및 추천(들)을 제공할 수 있다. 건강 프로파일 추천은 영양 식단, 라이프스타일 및 피트니스 활동을 조절하기 위한 하나 이상의 제안들을 제공할 수 있으며, 부작용을 예방하기 위한 상황 및 목표에 적합한 예측 모델들을 더 제공할 수 있다. 일 예로, 건강 프로파일 추천은 예를 들어, 보조 식품 제품(들) 및 하나 이상의 보충 활동들을 포함할 수 있다. 또한 프로파일 추천은 감소시키거나 포기해야 할 습관 또는 활동이 포함될 수도 있다. 예를 들어, 사용자는 흡연을 중단하고 그리고/또는 알코올 섭취를 줄이도록 권장될 수 있다.
당뇨병이 있는 사용자의 경우, 일 실시예는 식사(예를 들면, 아이스크림)에서 소비되는 음식에 기초하여 음식 소비 데이터로부터 영양 데이터를 유도하고, 음식 소비 타입과 수면 데이터 및 활동 데이터(예를 들면, 하루 또는 기간에 취해진 단계들의 수)와 같은 라이프스타일 데이터와 관련된 대응 혈당 레벨 추세 사이의 상관 관계 또는 연관성을 제공하기 위해 사용자의 혈당 레벨 추이를 관찰할 수 있다. 이러한 방식으로, 사용자의 건강 측정 데이터에 대응하는 음식 소비 타입과 사용자의 라이프스타일 데이터(예를 들어, 수면 습관, 활동 등) 간의 연관성이 개발될 수 있다. 다른 실시예에서, 현재 시스템은 사용자가 원하는 목표를 달성하는 것을 도울 수 있는 보충 활동에 관한 추천을 제공할 수 있다.
또한 다양한 실시예들은 사용자가 건강 프로파일 추천과 대응하는 입력 데이터 간의 비교에 기초하여 건강 프로파일 추천을 준수했는지 여부를 판별하는 검증을 제공할 수 있다. 예를 들어, 건강 프로파일이 10분 동안의 활동 추천을 포함하는 경우, 예를 들어, 그 활동을 나타내는 스마트 워치(106)로부터의 대응하는 활동 입력 데이터는 그 추천이 준수되었는지 검증하는데 사용될 수 있다. 따라서 권장 사항을 다양한 데이터와 연관 시키면 사용자가 권장 사항을 얼마나 잘 따르고 있는지 나타낼 수 있다. 그런 다음 원하는 목표를 향한 진척 상황을 권장 사항과 연관시켜 권장 사항을 따르거나 따르지 않는 효과를 확인할 수 있다.
다른 예는 건강 프로파일 추천이 특정 식품의 소비를 포함하면, 사용자가 하나 이상의 전자 장치들로부터의 데이터를 사용하여 식품을 소비했는지 여부를 판별하는 것일 수 있다. 예를 들어, 추천이 사용자가 채소를 먹는 것이라면, 채소가 스마트 냉장고에서 제거되었는지 여부를 감지하여 사용자가 권장 채소를 섭취했는지 여부를 검증할 수 있다.
다양한 실시예들에서, 건강 프로파일 추천에 대응할 수 있는 음식 소비 데이터 및/또는 라이프스타일 데이터뿐만 아니라 다른 데이터가 머신-러닝 및 추천 프로세스에 대한 피드백으로서 제공될 수 있다. 머신-러닝 및 추천 프로세스는 피드백 데이터를 사용하여 모니터링된 건강 측정 데이터와 연관시켜 건강 프로파일 추천을 개선하고 미세 조정해서 상황 및 목표 별 행동 수정을 제공할 수 있다. 이것은 사용자가 원하는 목표를 향해 더 잘 진행할 수 있게 한다.
예를 들어, 당뇨병이 있는 사용자의 혈당 레벨 데이터와 연계하여 라이프스타일 데이터에 근거해서, 추천 프로세스는 사용자에게 음식 종류 A를 특정 시간에 소비하도록 권유할 수 있다. 그러나, 소비된 음식물 종류 A가 혈당 레벨을 원하는 임계 레벨 아래로 충분히 낮추지 않다는 것이 관찰되는 경우, 이 정보는 머신 러닝 프로세스로 피드백될 수 있다. 따라서 머신 러닝 프로세스는 라이프스타일 데이터로 음식 종류 A를 고려할 수 있으며, 음식 종류 A보다는 음식 종류 B에 대한 또 다른 추천을 제공 할 수 있다. 이러한 방법으로 머신 러닝 프로세스는 혈당 상승을 유발하는 식품을 식별하고, 그러한 식품을 추천 프로세스에서 제외시킬 수 있다.
또 다른 예에서, 사용자의 신진 대사(예를 들어, 심장 박동수, 체중 감량 목표로의 진행 등)의 근본적인 변화와 결합된 사용자의 라이프스타일 활동 데이터가 건강 프로파일 추천을 개선하고 미세 조정하는데 사용될 수 있다. 따라서, 다양한 데이터 입력에 대한 반응으로, 머신-러닝 및 추천 프로세스는 각 사용자에 대한 머신 러닝 프로세스를 지속적으로 수정 및 개인화하여 사용자가 원하는 목표를 달성할 가능성을 증가시킬 수 있다.
도 6은 본 발명의 일 실시예에 따른 딥 러닝의 사용을 나타내는 모델이다. 모델은 환경에서의 사용자에 대한 딥 러닝 에이전트의 표현을 나타낼 수 있다. 이 모델에서 상태 s는 센서들, 식단 및 음식 소비로부터의 데이터 및 상황 정보를 등을 포함하는 개인의 건강 지표를 포함한다. 보상(reward)
Figure pct00001
는 사용자의 체중이나 심장 건강과 같은 최소화하거나 또는 최대화되는 목표이다. 행동 α는 음식 추천, 활동 제안, 약물 복용과 같은 필수 행동들 등과 같은 권고 또는 지침이다.
딥 러닝 에이전트(602)는 개인(604)으로부터의 다양한 데이터 및 보상들을 처리하여 행동 추천(들)을 결정한다. 따라서, 딥 러닝 에이전트(602)는 머신 러닝 프로세스(502)와 유사할 수 있다. 개인(604)은 원하는 학습 목표를 달성하기 위해 딥 러닝 에이전트(602)로부터의 추천에 따라 행동하는 환경 내 사용자일 수 있다.
상태에서 행동으로의 매핑은 정책 π로 표현될 수 있으며, 여기서 정책은 연관된 가치 함수(value function)를 적절하게 최대화 또는 최소화하려고 시도할 수 있다. 각 상태의 가치 함수는 주어진 상태에서 행동이 얼마나 좋은지를 나타낸다. Q 값은 기대되는 총 보상(expected total Reward)이며, 수학식 1에서, Q 가치 함수는 할인 계수(discount factor) γ와 함께 정책 π하에서 상태 s 및 행동 α로부터 기대되는 총 보상이다.
Figure pct00002
최적 값 함수(optimal value function)는 최대 달성 가능 값(maximum achievable value)이며, 수학식 2로 표현될 수 있다.
Figure pct00003
그리고 이것을 달성하기 위한 활동은 수학식 3에 주어진다.
Figure pct00004
본 발명의 다양한 실시예들에서, 예를 들어, 심층 신경 네트워크(deep neural network)가 모델, 정책 및 값 함수를 나타내고 학습하는 심층 Q- 네트워크(deep Q-network, DQN)와 같은 심층 강화 학습 모델(deep reinforcement learning model)이 사용될 수 있다. 다양한 실시예들은 손실 함수를 최적화하기 위해 통계적 경사 하강법(stochastic gradient descent)을 사용할 수 있다.
도 7은 본 발명의 일 실시예에 따른 머신 러닝 건강 및 행동 통찰력을 제공하기 위한 예시적인 플로우를 보여준다. 702에서, 원하는 사용자 목표는 임의의 적절한 입력 장치를 통해 사용자에 의해 입력될 수 있다. 사용 가능한 사용자 건강 프로파일이 없으면, 사용자에 대한 다양한 데이터를 입력할 필요가 있을 수도 있다. 예를 들어, 필요한 정보는 성별, 나이, 체중, 신장, 사용자가 수행하는 활동 유형(앉아서 지내는 생활 방식, 육체 활동 등), 휴식 심박수, 혈압 등일 수 있다. 일부 데이터는 다양한 입력들(예를 들면, 임상 데이터)을 통해 사용 가능할 수 있다. 다른 것들은 프로세스의 초기 부분에서 제기된 질문들에 대한 대답일 수도 있다.
목표는 키보드를 사용하여 입력되거나, 하나 이상의 메뉴들로부터 선택하거나, 마이크로폰에 말하거나, 손가락 또는 컴퓨터 입력 펜, 마우스, 트랙볼 등을 사용하여 입력될 수 있다. 모바일 또는 모바일이 아닌 전자 장치 상의 애플리케이션의 사용자 인터페이스는 목표를 입력하는데 사용될 수 있다. 704 내지 712에서, 음식 소비 데이터, 라이프스타일 데이터, 임상 데이터, 상황 데이터 및 환경 데이터 중 하나 이상이 수신된다. 데이터가 순차적으로 수신되는 것으로 도시되어 있지만, 본 발명의 다양한 실시예들은 이에 제한될 필요가 없다. 데이터는 언제든지 임의의 순서로 수신될 수 있다. 또한, 데이터가 패킷들을 통해 수신되는 경우, 라이프스타일 데이터에 대한 2개의 순차적 패킷들은 다른 유형의 데이터에 대해 하나 이상의 패킷들로 분리될 수 있다.
714에서, 사용자의 건강 측정 데이터가 수신되거나 모니터링될 수 있다. 일 실시예에서, 건강 측정 데이터는 사용자의 스마트 워치(106)로부터 수신될 수 있다. 건강 측정 데이터와 음식 소비 데이터, 생활 습관 데이터, 임상 데이터, 상황 데이터 등 중 하나 이상과 상관 관계 또는 연관성이 형성될 수 있다. 연관성은 모니터링된 건강 데이터가 상황으로 취해지는 것을 허용할 수 있다. 예를 들어, 사용자가 최근에 식사를 한 경우, 식사 직후의 혈당 입력 데이터는 무시*?*될 수 있다.
그러나, 사용자가 모니터링된 이력이 없다면, 일반적인 사용자 프로파일이 사용될 수 있다. 이 프로파일은 그 사용자와 유사한 건강/생활 특성을 가진 다양한 사람들에서 집계된 데이터로부터 생성될 수 있다. 그들은 예를 들어, 나이, 신장, 체중, 인종/민족 배경이 유사할 수 있다. 그들은 비슷한 라이프스타일(활동, 앉아서 지내는 생활 방식 등)과 식습관(예컨대, 채식주의자)이 유사할 수 있다. 시간이 지남에 따라 사용자에 대한 더 많은 데이터가 수집되므로, 사용자에 대한 사용자 프로파일 및 추천들이 더욱 개인화(personalized)될 것이다.
716에서, 모니터링된 건강 데이터와 다양한 수신 데이터 사이의 연관성이 만들어질 수 있다. 718에서, 모니터링된 건강 측정 데이터에 기초하여 사용자가 원하는 사용자 목표를 달성했는지에 관한 판별이 이루어질 수 있다. 718에서, 예를 들어, 소정의 체중 감량에 의해 원하는 사용자 목표가 달성되면, 프로세스는 종료될 수 있다. 718에서, 만일 원하는 목표가 달성되지 않았다면, 720에서 건강 *?*프로파일 추천이 수정(예를 들어, 보조 식품 제품, 보충 활동)되어서 사용자가 원하는 목표를 달성할 수 있다. 702에서 입력된 새로운 목표에 대해, 720에서 건강 프로파일 추천이 우선 제안된다.
722에서, 일 실시예는 사용자가 건강 프로파일 추천을 따랐는지 여부를 판별할 수 있다. 예를 들어, 일 실시예는 사용자가 제공한 음식 소비 데이터를 사용하여 보조 식품을 소비했는지 여부 및/또는 하나 이상의 전자 장치들에 의해 식품이 제거되어 아마도 소비된 것으로 감지되는지를 체크할 수 있다. 다른 실시예에서, 실시예는 사용자의 스마트 워치(106)에 의해 추적된 활동 데이터에 기초하여 사용자가 보충 활동을 수행했는지 여부를 체크할 수 있다.
사용자가 건강 프로파일 추천을 따르지 않았다면, 건강 프로파일 추천 또는 대체 건강 프로파일 추천이 720에서 사용자에게 제공될 수 있다. 다음 반복에서 더 나은 추천들을 제공하기 위해 따르지 않았던 추천의 특정 부분들의 분석이 있을 수 있다. 만일 사용자가 건강 프로파일 추천을 따랐다면, 현재 시스템은 하나 이상의 전자 장치들로부터 이후의 식품 소비 데이터, 라이프스타일 데이터, 상황 데이터, 환경 데이터 및 임상 데이터 중 하나 이상을 수신하도록 리턴한다. 따라서, 증가하는 시간 동안, 현재의 머신-러닝 및 추천 프로세스가 더 많은 데이터 입력을 수신함에 따라, 머신 러닝 프로세스는 더 정확하고 더 개인화된다.
도 7에서 설명된 프로세스는 다양한 실시예들에 의해 사용될 수 있는 유일한 프로세스가 아니다. 예를 들어, 다른 유형의 데이터가 또한 이용될 수 있고 그리고/또는 다른 방법들이 사용될 수있다. 이러한 변형 예가 도 8에서 설명된다.
도 8은 본 발명의 일 실시예에 따른 머신 러닝 건강 및 행동 이해를 제공하기 위한 다른 예시적인 흐름을 도시한다. 도 8의 플로우차트는 도 7의 플로우차트와 유사하다.
도 8을 참조하면, 새로운 사용자는 802에서 사용자 목표를 설정할 수 있다. 803f에서 수신된 사용자 건강 데이터 및 803a-803e에서 수신된 다양한 다른 데이터의 연관성이 804에서 만들어질 수 있다. 연관성은 모니터링된 건강 데이터를 상황으로 취하는 것을 허용할 수 있다. 예를 들어, 만일 사용자가 최근에 식사를 한 경우, 식사 직후의 혈당 입력 데이터가 무시*?*될 수 있다.
806에서, 만일 804의 연관성 결과에 기초하여 목표를 달성했다면, 다른 목표를 위해 사용자에게 조회가 이루어질 수 있다. 예를 들어, 사용자는 5 파운드의 체중 감량을 첫 번째 목표로 했을 수 있으며, 이를 달성한 후 다음 목표로 10 파운드의 체중 감량 또는 근력 향상 등의 목표를 세울 수 있다.
사용자가 원하는 목표를 달성하지 못하면, 808에서 추가적인 추천들이 만들어질 수 있다. 추천은 이전 추천과 동일할 수 있고 또는 추천은 다른 수신된 입력들로 인해 변경될 수 있다. 예를 들어, 사용자가 축하 식사에서 너무 많은 음식을 먹었을 수 있다. 따라서 구체적인 목표에 따라 새로운 추천들은 예상하지 못한 풍부한 음식을 고려할 수 있다. 새로운 추천은 풍부한 음식으로 인해 모니터링되는 건강 데이터의 편차 정도 및/또는 다른 다양한 수신 데이터와의 연관성에 따라 일시적이거나 장기간일 수 있다.
810에서, 추천의 다양한 부분들을 따르고 있는지 여부를 확인하기 위해 사용자가 모니터링될 수 있다. 만일 추천을 따랐다면, 다음 단계는 804로 다시 진행된다.
그러나, 추천의 일부가 유효하지 않으면, 다음 단계는 812일 수 있다. 예를 들어, 추천의 일부는 하루 30 분 동안 빠르게 걷기(brisk walk) 일 수 있다. 사용자가 이러한 걷기를 했다는 것을 나타내는 입력이 없으면, 추천을 따르지 않은 기간을 포함하는 상황들 그리고 추천을 얼마나 따르지 않았는지에 따라, 812에서 새로운 추천이 제공될 수 있다. 그 다음 단계는 804이다.
도 7의 프로세스와 도 8의 프로세스 사이의 약간의 변화에 *?*의해 알 수 있는 바와 같이, 본 발명의 다양한 실시예들과 함께 사용될 수 있는 많은 프로세스들이 있을 수 있다.
본 발명의 다양한 실시예들은 지식 데이터베이스 또는 유사한 프로파일을 갖는 사람들에 대한 데이터의 집합 및 목표 달성의 상이한 방법들에 대한 그들의 성공율에 근거를 둘 수 있는 상이한 단계들로 목표를 나눌 수 있다. 예를 들어, 사용자가 당뇨병이 있음을 나타내면, 첫 번째 단계는 사용자가 체중을 줄이고 혈당 레벨 반응을 익히는 것일 수 있으며, 두 번째 단계는 당뇨병에 중점을 둔 추천들을 제공하는 것일 수 있다.
본 발명의 다양한 실시예들은 컴퓨터 프로그램으로서 기록될 수 있고, 비-일시적인 컴퓨터 판독 가능 기록 매체(non-transitory computer-readable recording medium)를 사용하여 프로그램을 실행하는 범용 디지털 컴퓨터로 구현될 수 있다.
비-일시적인 컴퓨터 판독 가능 매체는 예를 들어, 자기 저장 매체(예를 들면, ROM, 플로피 디스크, 하드 디스크 등), 광학 기록 매체(예를 들면, CD-ROM 또는 DVD) 등을 포함할 수 있다.
본 발명의 다양한 실시예들이 도면을 참조하여 설명되었지만, 당업자라면 이하 청구 범위에 의해 정의된 바와 같은 개시의 정신 및 범위를 벗어나지 않고 형태 및 세부 사항에서 다양한 변경이 가능하다는 것을 이해할 것이다. 따라서, 상기 실시예들 및 그 모든 양상들은 단지 예일 뿐이며, 제한적이지 않다.
120: 센서 모듈
160: 프로세서
200: CPU
210: 메모리
220: IO 인터페이스

Claims (20)

  1. 사용자의 건강을 모니터링하는 방법에 있어서:
    적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하는 단계;
    상기 사용자의 건강 관련 데이터를 모니터링하는 단계;
    상기 사용자 관련 데이터와 상기 건강 관련 데이터 사이의 연관성을 판별하는 단계; 및
    상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천을 제공하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 제 1 항에 있어서,
    상기 사용자의 건강은 머신 러닝을 사용하여 모니터링되는 것을 특징으로 하는 방법.
  3. 제 1 항에 있어서,
    상기 사용자의 건강은 딥 Q-네트워크를 사용하여 모니터링되는 것을 특징으로 하는 방법.
  4. 제 1 항에 있어서,
    상기 사용자의 건강은 딥 러닝을 사용하여 모니터링되는 것을 특징으로 하는 방법.
  5. 제 4 항에 있어서,
    상기 사용자로부터 목표를 수신하는 단계를 더 포함하고, 상기 적어도 하나의 추천은 상기 목표를 향하는 것을 특징으로 하는 방법.
  6. 제 5 항에 있어서,
    상기 목표는 체중 조절, 체력 향상 및 혈당 조절 중 하나 이상인 것을 특징으로 하는 방법.
  7. 제 1 항에 있어서,
    상기 사용자의 행동들을 모니터링해서 상기 사용자가 상기 적어도 하나의 추천을 따르는 지의 여부를 판별하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  8. 제 1 항에 있어서,
    상기 사용자 관련 데이터는 라이프스타일 데이터, 임상 데이터, 상황 데이터, 환경 데이터 및 음식 소비 데이터를 포함하고, 상기 사용자 관련 데이터 중 적어도 하나는 상기 적어도 하나의 추천을 제공하기 위해 사용되는 것을 특징으로 하는 방법.
  9. 제 1 항에 있어서,
    상기 사용자의 건강을 모니터링하는 것은 클라우트-기반 전자 장치에 의해서 수행되는 것을 특징으로 하는 방법.
  10. 제 1 항에 있어서,
    상기 사용자의 건강을 모니터링하는 것은 사용자에 의해 착용된 또는 사용자와 근접한 전자 장치에 의해 수행되는 것을 특징으로 하는 방법.
  11. 사용자의 건강을 모니터링하는 시스템에 있어서:
    입력-출력(IO) 장치; 및
    프로세서를 포함하고,
    상기 입력-출력 장치는:
    적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하고, 그리고
    상기 사용자의 건강 관련 데이터를 모니터링하도록 구성되며,
    상기 프로세서는:
    상기 사용자 관련 데이터 및 상기 건강 관련 데이터 사이의 연관성을 판별하고; 그리고
    상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천을 제공하도록 구성되-는 것을 특징으로 하는 시스템.
  12. 제 11 항에 있어서,
    상기 프로세서는 머신 러닝을 사용하여 상기 사용자의 상기 건강을 모니터링하도록 더 구성되는 것을 특징으로 하는 시스템.
  13. 제 12 항에 있어서,
    상기 프로세서는 딥 Q-네트워크 또는 딥 러닝을 사용하여 상기 사용자의 상기 건강을 모니터링하도록 더 구성되는 것을 특징으로 하는 시스템.
  14. 제 11 항에 있어서,
    목표가 상기 입력-출력 장치를 통해서 상기 사용자로부터 수신되고, 상기 적어도 하나의 추천은 상기 목표를 사용자로부터 목표를 수신하는 단계를 더 포함하고, 상기 적어도 하나의 추천은 상기 목표를 향하는 것을 특징으로 하는 시스템.
  15. 제 14 항에 있어서,
    상기 목표는 체중 조절, 체력 향상 및 혈당 조절 중 하나 이상인 것을 특징으로 하는 시스템.
  16. 제 11 항에 있어서,
    상기 사용자가 상기 적어도 하나의 추천을 따르는 지의 여부를 판별하기 위해 상기 사용자의 행동들은 모니터링되는 것을 특징으로 하는 시스템.
  17. 제 11 항에 있어서,
    상기 사용자 관련 데이터는 라이프스타일 데이터, 임상 데이터, 상황 데이터, 환경 데이터 및 음식 소비 데이터를 포함하고, 상기 사용자 관련 데이터 중 적어도 하나는 상기 적어도 하나의 추천을 제공하기 위해 사용되는 것을 특징으로 하는 시스템.
  18. 제 11 항에 있어서,
    상기 사용자의 건강을 모니터링하는 것은 클라우트-기반 전자 장치에 의해서 수행되는 것을 특징으로 하는 시스템.
  19. 제 11 항에 있어서,
    상기 사용자의 건강을 모니터링하는 것은 사용자에 의해 착용된 또는 사용자와 근접한 전자 장치에 의해 수행되는 것을 특징으로 하는 시스템.
  20. 실행될 때 컴퓨터 시스템이 동작들을 제어하도록 하는 머신 실행 가능 명령들을 저장하는 비-일시적인 머신-판독가능 매체에 있어서:
    사용자의 건강을 모니터링하고;
    입력-출력(IO) 장치; 및
    프로세서를 포함하고,
    상기 입력-출력 장치는:
    적어도 하나의 전자 장치로부터 사용자 관련 데이터를 수신하고, 그리고
    상기 사용자의 건강 관련 데이터를 모니터링하도록 구성되며,
    상기 프로세서는:
    상기 사용자 관련 데이터 및 상기 건강 관련 데이터 사이의 연관성을 판별하고; 그리고
    상기 연관성에 근거해서 상기 사용자에게 적어도 하나의 추천을 제공하도록 구성되는 것을 특징으로 하는 시스템.
KR1020187025793A 2016-04-25 2017-04-25 건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법 KR20180129778A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662327403P 2016-04-25 2016-04-25
US62/327,403 2016-04-25
PCT/IB2017/000645 WO2017187270A1 (en) 2016-04-25 2017-04-25 System and method for providing aggregation and continuous learning to improve health outcomes

Publications (1)

Publication Number Publication Date
KR20180129778A true KR20180129778A (ko) 2018-12-05

Family

ID=60089071

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187025793A KR20180129778A (ko) 2016-04-25 2017-04-25 건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법

Country Status (4)

Country Link
US (1) US20170308666A1 (ko)
KR (1) KR20180129778A (ko)
CN (1) CN109074867A (ko)
WO (1) WO2017187270A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200106749A (ko) * 2019-03-05 2020-09-15 재단법인 아산사회복지재단 사용자 특화 하드웨어 플랫폼과 그 동작 방법, 및 사용자 특화 하드웨어 플랫폼 생성 방법

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10185513B1 (en) 2015-06-05 2019-01-22 Life365, Inc. Device configured for dynamic software change
US10790048B2 (en) * 2016-08-26 2020-09-29 International Business Machines Corporation Patient treatment recommendations based on medical records and exogenous information
US11486633B2 (en) * 2017-11-20 2022-11-01 Shanghai Green Motive Technology Limited Smart refrigerator based on big data analysis of server, health management method, and system
US20200357503A1 (en) * 2017-12-13 2020-11-12 Sony Corporation Information processing apparatus, information processing method, and program
WO2019117563A1 (ko) * 2017-12-15 2019-06-20 삼성전자 주식회사 대화형 원격 의료를 위한 통합 예측 분석 장치 및 동작 방법
JP6894858B2 (ja) * 2018-02-05 2021-06-30 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム
JP6804489B2 (ja) * 2018-05-31 2020-12-23 キユーピー株式会社 情報提供装置及び情報提供方法
US10583842B1 (en) 2018-08-31 2020-03-10 Toyota Motor Engineering & Manufacturing North America, Inc. Driver state detection based on glycemic condition
US20200202997A1 (en) * 2018-12-19 2020-06-25 Nutrino Health Ltd. Automated method and system for generating personalized dietary and health advice or recommendations for individual users
KR20200111492A (ko) * 2019-03-19 2020-09-29 삼성전자주식회사 전자 장치 및 전자 장치에서의 생체 정보 알림 방법
US11275985B2 (en) 2019-04-02 2022-03-15 Kpn Innovations, Llc. Artificial intelligence advisory systems and methods for providing health guidance
CN110176291A (zh) * 2019-04-19 2019-08-27 周凡 一种基于深度学习的健康信息推荐方法
CN111341435B (zh) * 2019-07-01 2022-11-08 郑州大学第一附属医院 一种用于疾病诊断的用户IoT设备
US11276129B2 (en) * 2020-01-01 2022-03-15 Rockspoon, Inc. Personalized food item design and culinary fulfillment system
CN111489806A (zh) * 2020-04-09 2020-08-04 南通大学 一种智能化糖尿病热量管理方法及系统
WO2021226385A1 (en) * 2020-05-08 2021-11-11 gWell, Inc. Method and system for interactive personal wellness recommendations
US10931643B1 (en) * 2020-07-27 2021-02-23 Kpn Innovations, Llc. Methods and systems of telemedicine diagnostics through remote sensing
US20220263680A1 (en) * 2021-02-15 2022-08-18 International Business Machines Corporation Smart refrigerator for smart consumption of food
CN113852525B (zh) * 2021-08-20 2023-06-16 青岛海尔科技有限公司 终端设备的控制方法和装置、存储介质及电子装置
WO2023159305A1 (en) * 2022-02-25 2023-08-31 Lululemon Athletica Canada Inc. Method and system to provide individualized interventions based on a wellness model

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130158368A1 (en) * 2000-06-16 2013-06-20 Bodymedia, Inc. System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability
US8620617B2 (en) * 2010-09-30 2013-12-31 Fitbit, Inc. Methods and systems for interactive goal setting and recommender using events having combined activity and location information
US9254099B2 (en) * 2013-05-23 2016-02-09 Medibotics Llc Smart watch and food-imaging member for monitoring food consumption
US20160140870A1 (en) * 2013-05-23 2016-05-19 Medibotics Llc Hand-Held Spectroscopic Sensor with Light-Projected Fiducial Marker for Analyzing Food Composition and Quantity
US20160119293A1 (en) * 2013-05-08 2016-04-28 Orange Rock Consulting, LLC System and Method for Authenticating and Encrypting Data Transmitted To and From the Devices and Cloud Servers
US8866606B1 (en) * 2013-07-16 2014-10-21 Rockwilli RMR LLC Systems and methods for automated personal emergency responses
CN105765593A (zh) * 2013-10-02 2016-07-13 捷通国际有限公司 饮食遵循系统
US9420956B2 (en) * 2013-12-12 2016-08-23 Alivecor, Inc. Methods and systems for arrhythmia tracking and scoring
WO2015153594A1 (en) * 2014-04-01 2015-10-08 Eromo Ersno Health advising system
CN104834827A (zh) * 2015-05-26 2015-08-12 惠州Tcl移动通信有限公司 基于终端设备及云计算存储的健康数据处理方法及系统
US9792531B2 (en) * 2015-09-16 2017-10-17 Siemens Healthcare Gmbh Intelligent multi-scale medical image landmark detection
US20170216518A1 (en) * 2016-02-01 2017-08-03 Dexcom, Inc. System and method for decision support using lifestyle factors

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200106749A (ko) * 2019-03-05 2020-09-15 재단법인 아산사회복지재단 사용자 특화 하드웨어 플랫폼과 그 동작 방법, 및 사용자 특화 하드웨어 플랫폼 생성 방법

Also Published As

Publication number Publication date
CN109074867A (zh) 2018-12-21
WO2017187270A1 (en) 2017-11-02
US20170308666A1 (en) 2017-10-26

Similar Documents

Publication Publication Date Title
KR20180129778A (ko) 건강 상태 증진을 위한 집합적 및 연속적 학습을 제공하는 시스템 및 방법
US10265028B2 (en) Method and system for modeling behavior and heart disease state
KR102321737B1 (ko) 건강 관리 방법 및 장치
CN107423549B (zh) 健康跟踪设备
CN111968737B (zh) 血糖紧迫性评估和警告界面
US20180253991A1 (en) Methods and Systems for Improving a Presentation Function of a Client Device
US20170258383A1 (en) Method and System For Assessment of Cognitive Function Based on Electronic Device Usage
US20160015307A1 (en) Capturing and matching emotional profiles of users using neuroscience-based audience response measurement techniques
US20160262693A1 (en) Metabolic analyzer for optimizing health and weight management
US20140324459A1 (en) Automatic health monitoring alerts
JP2023504398A (ja) 連続血糖モニタリングに基づく提案
CN110753514A (zh) 基于隐式采集的计算机交互的睡眠监测
WO2019118917A1 (en) Systems and methods for monitoring user well-being
US20210358628A1 (en) Digital companion for healthcare
US20170061823A1 (en) System for tracking and monitoring personal medical data and encouraging to follow personalized condition-based profile and method thereof
US20230245741A1 (en) Information processing device, information processing system, and information processing method
US20160125747A1 (en) Discovery of Incentive Effectiveness
KR102467340B1 (ko) 챗봇 기반의 질의응답 및 생체표지자 데이터를 이용한 맞춤형 영양 관리 시스템
Gopalakrishnan et al. Mobile phone enabled mental health monitoring to enhance diagnosis for severity assessment of behaviours: a review
JP2023019885A (ja) プログラム、方法、およびシステム
Yoldemir Internet Of Things and women’s health
US20230115575A1 (en) Techniques for application personalization
US20210134435A1 (en) Behavior modification assistance device, terminal, and server
Seto et al. Prediction of personal cardiovascular risk using machine learning for smartphone applications
Kailas A generic conceptual model linking wellness, health lifestyles, and user assistance

Legal Events

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