KR20190008770A - Method for predicting success or failure of health consulting - Google Patents

Method for predicting success or failure of health consulting Download PDF

Info

Publication number
KR20190008770A
KR20190008770A KR1020170090564A KR20170090564A KR20190008770A KR 20190008770 A KR20190008770 A KR 20190008770A KR 1020170090564 A KR1020170090564 A KR 1020170090564A KR 20170090564 A KR20170090564 A KR 20170090564A KR 20190008770 A KR20190008770 A KR 20190008770A
Authority
KR
South Korea
Prior art keywords
health
user
consulting
success
information
Prior art date
Application number
KR1020170090564A
Other languages
Korean (ko)
Inventor
이상호
송태민
김해성
최경식
Original Assignee
주식회사 헬스맥스
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 주식회사 헬스맥스 filed Critical 주식회사 헬스맥스
Priority to KR1020170090564A priority Critical patent/KR20190008770A/en
Priority to PCT/KR2017/007742 priority patent/WO2019017508A1/en
Publication of KR20190008770A publication Critical patent/KR20190008770A/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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

The present invention relates to a method for predicting success or failure of health consulting. More specifically, the present invention relates to the method for predicting success or failure of health consulting which predicts in advance whether to reach a final goal set by a user in the future from actual health information of the user and modify and provide health consulting advice to the user based on a prediction result in addition to supply of health consulting information to the user based on a case similar to the user′s health information. When the user predicts whether the final goal of health consulting will succeed, the unit period for extracting the initial health information is divided again into a plurality of sub-unit periods, and it is possible to more accurately predict whether the user will succeed in the final goal of health consulting based on the trend pattern of success or failure of the final goal of health consulting in each sub-unit period.

Description

건강 컨설팅의 성공 예측 방법{Method for predicting success or failure of health consulting}A method for predicting the success of health consulting

본 발명은 건강 컨설팅의 성공 여부를 예측하는 방법에 관한 것으로, 보다 구체적으로 사용자 건강 정보와 유사한 사례에 기반하여 사용자에 건강 컨설팅 정보를 제공하는 것과 별개로 사용자의 실제 건강정보로부터 차후 사용자가 설정한 최종 목표에 성공할 것인지 또는 실패할 것인지를 미리 예측할 수 있으며, 예측 결과에 따라 사용자에 건강 컨설팅 조언을 수정하여 제공할 수 있으며, 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 여부의 예측시 건강정보를 추출하는 단위기간을 다시 다수의 세부 단위기간으로 분할하고 각 세부 단위기간에서 건강 컨설팅의 최종 목표의 성공 여부의 경향 패턴에 따라 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 보다 정확하게 예측할 수 있는 건강 컨설팅의 성공 여부 예측 방법에 관한 것이다. The present invention relates to a method for predicting the success or failure of health consulting, and more particularly, to providing health consulting information to a user based on a case similar to user health information, It is possible to predict whether the final goal will succeed or fail and to provide the user with the advice of health consulting according to the result of prediction. Also, when the user predicts whether the final goal of health consulting will succeed, And the success of health consulting, which can predict more accurately whether the user will succeed the final goal of health consulting according to the trend pattern of success or failure of the final goal of health consulting in each sub-unit period And a method for predicting whether or not the same is true.

건강 및 웰빙에 대한 사람들의 관심이 높아지고 있으며, 국내외 대형 의료기관 또는 정부(예: 건보공단 또는 심평원 등)에서 제공하는 공공건강데이터를 이용하여 병원, 한의원 또는 건강관리 서비스를 제공하는 서비스 업자들에 의해 다양한 건강증진 서비스들이 사용자에게 제공되고 있다.People's interest in health and well-being is increasing, and by hospitals, clinicians or health care providers using public health data provided by major medical institutions or governments (such as the NHIC or the HIRA) Various health promotion services are being provided to users.

예를 들어, 많은 사람들의 건강데이터를 수집하여 특정 사용자와 동일한 질병을 앓고 있는 사람들의 건강데이터(증상 및 처방)를 검색할 수 있는 검색 서비스를 제공하고 있으며, 검색 서비스를 통해 검색한 결과를 기반으로 건강증진을 위한 참고자료를 제공하는 등 건강 빅 데이터를 활용한 다양한 서비스가 이루어지고 있다.For example, we are collecting health data from many people to provide search services that can search for health data (symptoms and prescriptions) of people suffering from the same disease as a specific user. And provide various reference materials for health promotion. Various services using health big data are being provided.

이렇듯 건강 빅 데이터를 기반으로 하는 건강증진 서비스는, 사용자와 유사한 건강상태를 나타내는 사람들의 건강데이터를 검색하고, 검색한 건강데이터를 기반으로 해당 사람들의 건강 변화에 대한 추이를 참고하여 사용자의 미래 건강상태를 예측할 수 있고, 해당 건강데이터의 정보(예: 처방 방법 또는 식생활)을 토대로 사용자의 건강을 증진할 수 있는 방법을 찾아낼 수 있다.As described above, the health promotion service based on the health big data is a service that searches for health data of people who show similar health status to the user and refers to the change of the health change of the people based on the retrieved health data, And can find a method that can improve the health of the user based on the information (for example, the prescription method or the eating habits) of the health data concerned.

이러한 사례 기반의 건강 컨설팅 방법에 대한 선행기술로 한국공개특허 제2014-0067747호(2014.06.05.)는 신체정보 유사도를 고려한 건강 컨설팅 정보의 제공방법에 관한 것으로, 사용자의 신체정보와 유사한 신체정보를 가지는 사람의 건강 컨설팅 정보를 사례 데이터베이스에서 검색하여 사용자의 신체정보에 매핑되는 정확한 건강 컨설팅 정보를 제공하는 신체정보 유사도를 고려한 건강 컨설팅 정보의 제공 방법이 개시되어 있다.Korean Patent Laid-Open Publication No. 2014-0067747 (Apr. 2014.06.05), as a prior art for the case-based health consulting method, relates to a method of providing health consulting information considering the similarity degree of body information, The health consulting information is retrieved from the case database to provide accurate health consulting information that is mapped to the user's body information, thereby providing health consulting information in consideration of the degree of similarity of body information.

한편, 한국등록특허 제1189178호(2012.10.02.)는 맞춤형 사례를 통한 다이어트 정보 제공 시스템 및 그 방법에 관한 것으로, 다른 사용자들의 다이어트 사례를 저장하는 데이터베이스로부터 정보 통신망을 통해 통신접속을 이룬 사용자 단말기로부터 입력된 다이어트 조건을 수신하여 수신된 다이어트 조건에 따라 다이어트 사례를 데이터베이스로부터 검색하여 제공하는 맞춤형 사례를 통한 다이어트 정보 제공 시스템 및 그 방법이 개시되어 있다.Korean Patent No. 1189178 (Oct. 22, 2012) discloses a system and method for providing diet information through a customized case. The system includes a database for storing dieting examples of other users, a user terminal And a personalized case in which a diet case is retrieved from a database in accordance with the received dietary conditions and a method thereof.

그러나 종래 선행기술은 사례에 기반하여 사용자와 유사한 사례를 가진 다른 사용자의 건강 컨설팅 정보를 단순히 사용자에 제공하는 것으로, 사용자가 건강 컨설팅을 수행하기 시작 후 초기 실제 건강 정보로부터 설정한 최종 목표를 사용자가 성공할 것인지 또는 실패할 것인지를 미리 예측할 수 없다. 건강 컨설팅 기간이 종료한 후 사용자가 최종 목표에 실패한 경우 그 시점에서 사용자의 사례와 유사한 또 다른 사례에 해당하는 건강 컨설팅 정보를 제공하여야 하며, 따라서 최종 목표의 성공 또는 실패를 예측하지 못하고 사용자에 시기 적절한 건강 컨설팅 정보를 제공하지 못한다는 문제점을 가진다. However, the prior art is merely providing the user with the health consulting information of another user having a similar case based on the case, and it is possible to provide the user with the final goal set from the initial actual health information after the user starts performing the health consulting You can not predict in advance whether you will succeed or fail. At the end of the health consulting period, if the user fails the final goal, he / she should provide health consulting information that is similar to the user's case at that point, so that the user can not predict the success or failure of the final goal, And can not provide appropriate health consulting information.

본 발명은 위에서 언급한 종래 건강 컨설팅 방법이 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 사용자 건강 정보와 유사한 사례에 기반하여 사용자에 건강 컨설팅 정보를 제공하는 것과 별개로 사용자의 실제 건강정보로부터 차후 사용자가 설정한 최종 목표에 성공할 것인지 또는 실패할 것인지를 미리 예측할 수 있는 건강 컨설팅의 성공 여부 예측 방법을 제공하는 것이다.The present invention is directed to solving the problems of the above-mentioned conventional health consulting method, and an object of the present invention is to provide health consulting information to a user based on a case similar to user health information, The present invention provides a method for predicting the success or failure of health consulting that can predict in advance whether or not a final target set by a user will succeed or fail.

본 발명이 이루고자 하는 다른 목적은 사용자가 건강 컨설팅 조언에 따라 생활하면서 생성하는 초기 건강정보로부터 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지를 미리 예측하고, 예측 결과에 따라 사용자에 건강 컨설팅 조언을 수정하여 제공할 수 있는 건강 컨설팅의 성공 여부 예측 방법을 제공하는 것이다.Another object of the present invention is to predict in advance whether a user will succeed the final goal of health consulting from the initial health information generated by a user living in accordance with health counseling advice and modify the health counseling advice to the user according to the prediction result And to provide a method of predicting the success of health consulting that can be provided.

본 발명이 이루고자 하는 또 다른 목적은 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 여부의 예측시 초기 건강정보를 추출하는 단위기간을 다시 다수의 세부 단위기간으로 분할하고 각 세부 단위기간 동안의 초기 건강정보로부터 각 세부 단위기간에서 건강 컨설팅의 최종 목표의 성공 여부를 예측하며 각 세부 단위기간에서 건강 컨설팅의 최종 목표의 성공 여부의 경향 패턴에 따라 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 보다 정확하게 예측할 수 있는 건강 컨설팅의 성공 여부 예측 방법을 제공하는 것이다. Another object of the present invention is to divide the unit period for extracting the initial health information into a plurality of sub-unit periods and predict the initial health information for each sub-unit period when the user predicts whether the final goal of health consulting will be successful In this paper, we propose a method to predict the success of health consulting in each sub-unit period. In accordance with the tendency pattern of success of health consulting in each sub-unit period, And to provide a method for predicting the success of health consulting.

본 발명의 목적을 달성하기 위하여, 본 발명에 따른 건강 컨설팅의 성공 여부 예측 방법은 건강 사례 데이터베이스에 저장되어 있는 사례(성공 또는 실패 사례)로부터 트레이닝 데이터(성공 또는 실패 사례를 무작위 추출)를 추출하고 건강 사례 데이터베이스에 저장되어 있는 사례로부터 테스트 데이터(성공 또는 실패 사례를 무작위 추출)를 트레이닝 데이터와 구분하여 추출하는 단계와, 트레이닝 데이터를 다수의 성공 예측 모델로 학습시켜 트레이닝 데이터에 대한 다수의 성공 예측 모델을 생성하는 단계와, 테스트 데이터를 다수의 성공 예측 모델에 각각 적용하여 다수의 성공 예측 모델 중 성공 예측율이 가장 높은 최종 성공 예측 모델을 결정하는 단계와, 최종 성공 예측 모델에 사용자의 실제 건강 정보를 적용하여 사용자의 건강 컨설팅 종료 시점 이전에 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계를 포함하는 것을 특징으로 한다.In order to achieve the object of the present invention, the method for predicting the success of health consulting according to the present invention extracts training data (success or failure cases are randomly extracted) from a case (success or failure case) stored in the health case database Extracting test data (randomly extracting success or failure cases) from the case stored in the health case database separately from the training data, and learning a plurality of success prediction data of the training data by learning the training data as a plurality of success prediction models. Generating a plurality of success prediction models by applying the test data to a plurality of success prediction models; determining a final success prediction model having the highest success rate among the plurality of success prediction models; To terminate the user's health consulting The user prior to that comprising the step of predicting whether future successful health goals consultation.

여기서 실제 건강 정보는 사용자가 건강 컨설팅을 실행하는 전체 기간 중 건강 컨설팅을 시작한 시점부터 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수집된 사용자의 사전 생활습관 건강 정보로 사전 생활습관 건강 정보에는 사용자가 건강 컨설팅을 실행하는 전체 기간 중 건강 컨설팅을 시작한 시점부터 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수집된 사용자의 생활 로그 정보와 생활습관 건강 정보를 포함하는 것을 특징으로 한다.Here, the actual health information is the user's prior life habit health information collected during the set unit period before the completion of the health consulting, from the time when the user started the health consulting during the whole period of executing the health consulting, Includes life log information and lifestyle health information of a user collected during a set period before the completion of the health consulting from the time when the health consulting is started during the entire period of executing the health consulting.

여기서 사례 데이터베이스에는 생활 로그 정보, 생활습관 건강 정보 및 대사증후군의 개선값이 사례별로 저장되어 있으며, 성공 예측 모델은 건강 컨설팅의 목표 달성 여부(예를 들어, 대사증후군의 개선 여부)를 종속변수로 하고 생활 로그 정보와 생활습관 건강 정보를 독립변수로 하는 사례의 트레이닝 데이터로부터 생성되는 것을 특징으로 한다.In the case database, life log information, lifestyle health information, and improvement values of the metabolic syndrome are stored for each case. The success prediction model indicates whether the goal of health consulting is achieved (for example, improvement of metabolic syndrome) as a dependent variable And life log information and lifestyle health information as independent variables.

바람직하게, 본 발명의 일 실시예에 따른 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는 사용자 데이터베이스에서 단위기간 동안 사용자에 대한 사전 생활습관 건강 정보와 생활 로그 데이터를 분류하여 추출하는 단계와, 사용자의 사전 생활습관 건강 정보와 생활 로드 데이터를 최종 성공 예측 모델에 적용하여 사용자의 대사 증후군의 개선 여부를 판단하는 단계와, 사용자의 대사 증후군의 개선 여부에 대한 판단 결과에 기초하여 사용자가 건강 컨설팅 종료 시점에 사용자의 건강 컨설팅 목표를 성공할 것인지 예측하는 단계를 포함하는 것을 특징으로 한다.Preferably, the step of predicting whether or not the user succeeds in succeeding the health consulting goal according to an embodiment of the present invention includes classifying and extracting the lifestyle log data and the lifestyle habit health information for the user during the unit period in the user database Determining whether the metabolic syndrome of the user is improved by applying the user's prior life habit health information and the life load data to the final success prediction model; and determining, based on the determination result of the improvement of the user's metabolic syndrome, And predicting whether the user's health consulting goal will be successful at the end of the health consulting.

여기서 생활 로그 정보는 건강 컨설팅 조언을 시작하기 전 처음으로 측정한 사용자의 건강상태와 관련한 측정정보로 예를 들어, BMI, 체지방율, 활동량, 수면시간, 혈압, 혈당, TG, HDL-C, TC 등의 측정값이 사용될 수 있다. 이러한 측정값은 사용자의 대사증후군을 판단하는 기준으로 사용될 수 있는데, 예를 들어 체중 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), TG 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), HDL-C 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), 혈당 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), 혈압 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음) 등이 사용될 수 있다.For example, BMI, body fat percentage, activity amount, sleep time, blood pressure, blood sugar, TG, HDL-C, TC, etc. are used for the first time before starting counseling. Can be used. These measures can be used as a basis for determining the metabolic syndrome of the user, for example, information on the presence of a metabolic syndrome (1: yes, 0: absent), information on the presence of TG metabolic syndrome (1 (1: yes, 0: no), information on the presence of HDL-C metabolic syndrome (1: present, 0: none) (1: present, 0: none), etc. may be used for the diagnosis of the syndrome.

사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계에서 단위기간은 다수의 세부 단위기간으로 구분되며, 사용자의 사전 생활습관 건강정보를 세부 단위기간별로 분류하여 세부 사전 생활습관 건강정보를 추출하며, 세부 사전 생활습관 건강정보로부터 세부 단위기간별로 사용자의 건강 컨설팅 목표를 성공할 것인지 예측하는 것을 특징으로 한다. In the step of predicting whether or not the user will succeed the health consulting target later, the unit period is divided into a plurality of sub-unit periods, and the user's prior life habit health information is classified according to the detailed unit period to extract the detailed prior life habit health information , And predicting whether the user's health consulting goal will be succeeded by the detailed unit lifetime health information from the detailed prior life habit health information.

바람직하게, 본 발명의 일 실시예에 따른 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는 세부 단위기간에서 사용자의 건강 컨설팅 목표의 성공 여부의 경향 패턴을 판단하는 단계를 더 포함하며, 세부 단위기간에서 성공 여부의 경향 패턴에 기초하여 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 예측하는 것을 특징으로 한다. Preferably, the step of predicting whether or not the user will succeed the health consulting target according to an embodiment of the present invention further includes the step of determining a trend pattern of success or failure of the user's health consulting goal in the detailed unit period, And predicting whether or not the user succeeds in the health consulting target based on the trend pattern of success or failure in the detailed unit period.

사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는 세부 단위기간 중 건강 컨설팅 목표를 성공하는 것으로 예측되는 세부 단위기간의 분포 패턴에 기초하여 예측하는 것을 특징으로 한다.The step of predicting whether or not the user will succeed the health consulting target in the future is characterized by predicting the health consulting target during the detailed unit period based on the distribution pattern of the detailed unit period that is predicted to be successful.

본 발명에 따른 건강 컨설팅의 성공 여부의 예측 방법은 사용자의 초기 건강정보로부터 차후 사용자가 설정한 최종 목표에 성공할 것인지 또는 실패할 것인지를 미리 예측함으로써, 예측 결과에 따라 사용자에 추가 또는 수정 건강 컨설팅을 제공하여 최종 목표를 성공하도록 도와줄 수 있다.The method for predicting the success or failure of the health consulting according to the present invention predicts whether the success or failure of the final goal set by the user will be predicted in advance from the user's initial health information, To help you succeed in your final goal.

또한 본 발명에 따른 건강 컨설팅의 성공 여부의 예측 방법은 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 여부의 예측시 초기 건강정보를 추출하는 단위기간을 다시 다수의 세부 단위기간으로 분할하고 각 세부 단위기간 동안의 초기 건강정보로부터 각 세부 단위기간에서 건강 컨설팅의 최종 목표의 성공 여부를 예측함으로써, 각 세부 단위기간에서 건강 컨설팅의 최종 목표의 성공 여부의 경향 패턴에 따라 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 보다 정확하게 예측할 수 있다. The method for predicting the success or failure of the health consulting according to the present invention further includes dividing the unit period for extracting the initial health information into a plurality of subunit periods when predicting whether or not the user will succeed the final goal of health consulting, The success of the health consulting in each sub-unit period is predicted from the initial health information during the sub-unit period, and according to the trend pattern of success or failure of the final goal of health consulting in each sub-unit period, the user succeeds in the final goal of health consulting Can be predicted more precisely.

도 1은 본 발명에 따른 건강 컨설팅의 성공 여부를 예측하는 시스템을 설명하기 위한 기능 블록도이다.
도 2는 본 발명의 일 실시예에 따른 성공 예측 서버를 설명하기 위한 기능 블록도이다.
도 3은 본 발명에 따른 성공 예측 모델을 생성하는 단계를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 최종 성공 예측 모델을 생성하는 단계를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 건강 컨설팅의 성공 예측 시스템에서 송수신되는 메시지를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 건강 컨설팅의 성공 예측 방법을 설명하기 위한 흐름도이다.
도 7은 건강 사례 데이터베이스부에 저장되어 있는 사례의 일 예를 도시하고 있다.
도 8은 본 발명에 따른 건강 컨설팅의 성공 예측 방법의 일 예를 설명하기 위한 흐름도이다.
도 9는 건강 컨설팅의 전체 기간과 전체 기간에서 건강 컨설팅의 성공 여부를 예측하는 단위기간의 일 예를 도시하고 있다.
도 10은 단위기간 동안 사용자의 실제 건강정보에 기초하여 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 예측하는 방식의 일 예를 설명하기 위한 도면이다.
도 11은 세부 단위기간별 성공 여부의 경향 패턴에 기초하여 사용자가 건강 컨설팅의 종료시점에 건강 컨설팅의 최종 목표를 성공할 것인지 예측하는 방식의 일 예를 설명하기 위한 도면이다.1 is a functional block diagram illustrating a system for predicting the success or failure of health consulting according to the present invention.
2 is a functional block diagram illustrating a success prediction server according to an embodiment of the present invention.
3 is a diagram for explaining a step of generating a success prediction model according to the present invention.
4 is a diagram for explaining a step of generating a final success prediction model according to the present invention.
FIG. 5 is a diagram for explaining a message transmitted and received in the health prediction system of health consulting according to an embodiment of the present invention.
6 is a flowchart illustrating a method for predicting success of health consulting according to an embodiment of the present invention.
FIG. 7 shows an example of a case stored in the health case database unit.
FIG. 8 is a flowchart illustrating an example of a method for predicting success of health consulting according to the present invention.
FIG. 9 shows an example of a unit period for predicting the success or failure of health consulting in the entire period and the entire period of health consulting.
FIG. 10 is a diagram for explaining an example of a method of predicting whether or not a user will succeed the final goal of health consulting based on actual health information of a user during a unit period.
11 is a diagram for explaining an example of a method of predicting whether a user will succeed in a final goal of health consulting at the end of health consulting based on a trend pattern of success or failure in each unit period.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다.It is noted that the technical terms used in the present invention are used only to describe specific embodiments and are not intended to limit the present invention. In addition, the technical terms used in the present invention should be construed in a sense generally understood by a person having ordinary skill in the art to which the present invention belongs, unless otherwise defined in the present invention, Should not be construed to mean, or be interpreted in an excessively reduced sense. In addition, when a technical term used in the present invention is an erroneous technical term that does not accurately express the concept of the present invention, it should be understood that technical terms can be understood by those skilled in the art.

또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.Furthermore, the singular expressions used in the present invention include plural expressions unless the context clearly dictates otherwise. In the present invention, terms such as "comprising" or "comprising" and the like should not be construed as encompassing various elements or various steps of the invention, Or may further include additional components or steps.

또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.It is to be noted that the accompanying drawings are only for the purpose of facilitating understanding of the present invention, and should not be construed as limiting the scope of the present invention with reference to the accompanying drawings.

도 1은 본 발명에 따른 건강 컨설팅의 성공 여부를 예측하는 시스템을 설명하기 위한 기능 블록도이다.1 is a functional block diagram illustrating a system for predicting the success or failure of health consulting according to the present invention.

도 1을 참고로 보다 구체적으로 살펴보면, 네트워크(30)에는 다수의 건강 진단 장비(1, 3, 5), 사용자 단말기(50), 컨설턴트 단말기(70) 및 성공 예측 서버(100)가 접속되어 있다. 여기서 네트워크(30)는 건강 진단 장비(1, 3, 5)와 성공 예측 서버(100) 사이에서 데이터를 송수신하거나, 사용자 단말기(50)와 성공 예측 서버(100) 사이에서 데이터를 송수신하거나, 컨설턴트 단말기(70)와 성공 예측 서버(100) 사이에서 데이터를 송수신할 수 있는 다양한 종류의 유선 또는 무선 네트워크가 사용될 수 있다.1, a plurality of health diagnostic equipments 1, 3 and 5, a user terminal 50, a consultant terminal 70 and a success prediction server 100 are connected to the network 30 . Here, the network 30 transmits and receives data between the health diagnostic apparatuses 1, 3 and 5 and the success prediction server 100, transmits and receives data between the user terminal 50 and the success prediction server 100, Various types of wired or wireless networks capable of transmitting and receiving data between the terminal 70 and the prediction server 100 can be used.

여기서 건강 진단 장비(1, 3, 5)는 사용자의 건강 상태를 측정하거나 생활 습관 정보를 획득하여 사용자의 건강 정보를 생성하는 장비로서, 예를 들어 혈압진단장비, 체중진단장비, 혈당진단장비 등 사용자의 건강 상태를 측정하는 장비이거나, 사용자가 착용한 상태에서 사용자의 건강 상태 또는 생활 습관 정보를 획득하는 스마트워치 등이 사용될 수 있다.Here, the medical diagnostic apparatuses 1, 3 and 5 are devices for generating health information of a user by measuring the health status of the user or acquiring lifestyle information, for example, a blood pressure diagnostic apparatus, a weight diagnostic apparatus, A smart watch for acquiring health status or lifestyle information of the user while wearing the device, or the like may be used.

성공 예측 서버(100)는 네트워크(30)를 통해 다수의 건강 진단 장비(1, 3, 5)로부터 사용자의 건강정보를 수신하여 사용자별로 분류하여 사용자 데이터베이스에 등록 저장하거나, 컨설턴트 단말기(70)로부터 사례 정보(건강 컨설팅의 성공 사례 또는 건강 컨설팅의 실패 사례)를 수신하여 사례 데이터베이스에 등록 저장한다. The success prediction server 100 receives user health information from a plurality of health diagnostic equipments 1, 3, and 5 via the network 30 and classifies the health information according to users and stores the health information in the user database or from the consultant terminal 70 Case information (success case of health consulting or failure case of health consulting) is received and registered in case database.

바람직하게, 사용자의 건강 정보 또는 생활 습관 정보는 컨설턴트와의 문진시 컨설턴트가 획득한 사용자의 건강 정보 또는 생활 습관 정보를 컨설턴트 단말기(70)에 입력하고, 성공 예측 서버(100)는 컨설턴트 단말기(70)로부터 사용자의 건강 정보를 수신하며 수신한 건강 정보를 사용자별로 분류하여 사용자 데이터베이스에 등록 저장할 수 있다. 또한, 사용자의 건강 정보 또는 생활 습관 정보는 사용자가 소지하고 있는 사용자 단말기(50)에 입력되며, 성공 예측 서버(100)는 사용자 단말기(50)로부터 사용자의 건강 정보를 수신하고 수신한 건강 정보를 사용자별로 분류하여 사용자 데이터베이스에 등록 저장할 수 있다.Preferably, the health information or the lifestyle information of the user inputs the health information or the lifestyle information of the user acquired by the consultant at the time of consulting with the consultant to the consultant terminal 70. The success prediction server 100 receives the health information or lifestyle information of the consultant terminal 70 ), And the received health information may be classified and stored in the user database. In addition, the health information or the lifestyle information of the user is inputted to the user terminal 50 possessed by the user, and the success prediction server 100 receives the health information of the user from the user terminal 50, It can be classified and registered in the user database.

성공 예측 서버(100)에는 주변 사용자의 생활 로그 정보, 생활습관 건강 정보 및 대사증후군 개선값에 따른 건강컨설팅의 성공/실패 여부를 나타내는 다수의 사례가 사례 데이터베이스에 등록 저장되어 있는데, 성공 예측 서버(100)는 사례 데이터베이스에 등록 저장된 사례들 중 일부를 트레이닝 데이터로 추출하고 사례 데이터베이스에 등록 저장된 사례들 중 트레이닝 데이터와 구별하여 일부를 테스트 데이터로 추출한다. 성공 예측 서버(100)는 트레이닝 데이터를 다수의 예측 모델로 학습하여 다수의 성공 예측 모델을 생성하며, 테스트 데이터를 성공 예측 모델에 적용하여 성공 예측도가 가장 높은 성공 예측 모델을 최종 성공 예측 모델로 결정한다.In the success prediction server 100, a plurality of cases indicating the success / failure of the health consulting according to the life log information, the lifestyle health information, and the improvement value of the metabolic syndrome of peripheral users are registered and stored in the case database. 100 extracts some of the cases stored in the case database as training data, and extracts some of the cases stored in the case database as training data and extracts some as test data. The success prediction server 100 generates a plurality of success prediction models by learning the training data using a plurality of prediction models, and applies the test data to the success prediction model to determine a success prediction model having the highest success prediction degree as a final success prediction model .

성공 예측 서버(100)는 건강 진단 장비(1, 3, 5), 사용자 단말기(50) 또는 컨설턴트 단말기(70)로부터 설정한 건강 컨설팅의 전체 기간 동안 계속해서 사용자의 건강 정보를 수신하는데, 건강 컨설팅의 시작 시점부터 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수신한 사용자의 사전 건강정보를 최종 성공 예측 모델에 적용하여 사전 건강정보로부터 사용자의 건강 컨설팅에 따른 최종 목표를 차후 성공할 것인지 미리 예측한다. The success prediction server 100 continuously receives the health information of the user for the entire period of the health consulting set up from the health diagnostic equipment 1, 3, 5, the user terminal 50 or the consultant terminal 70, The health information of the user received during the set unit period before the completion of the health consulting is applied to the final success prediction model to predict in advance whether the final goal according to the user's health consulting will succeed .

성공 예측 서버(100)는 사용자의 성공 예측 결과를 네트워크(30)를 통해 사용자 단말기(50)로 송신하거나 컨설턴트 단말기(70)로 송신하는데, 사용자는 성공 예측 결과에 기초하여 사용자가 지금까지 건강 컨설팅 조언을 따르지 않은 경우 건강 컨설팅 조언에 더욱 순응하도록 노력하거나 건강 컨설턴트는 사용자의 사전 건강 정보를 고려하거나 사용자에 제공했던 건강 컨설팅 조언을 고려하여 건강 컨설팅 조언을 수정하거나 보충하여 사용자에 새로운 건강 컨설팅 조언을 제공하여 사용자가 건강 컨설팅의 종료 시점에 건강 컨설팅의 최종 목표를 달성하도록 미리 도와줄 수 있다.The success prediction server 100 transmits the user's success prediction result to the user terminal 50 via the network 30 or transmits the result to the consultant terminal 70. Based on the success prediction result, If you do not follow the advice, try to be more compliant with the health consulting advice, or the health consultant may consider the health consulting advice you have given or consider the user's prior health information or modify or supplement the health consulting advice to give the user new health consulting advice To help the user achieve the final goal of health consulting at the end of health consulting.

도 2는 본 발명의 일 실시예에 따른 성공 예측 서버를 설명하기 위한 기능 블록도이다.2 is a functional block diagram illustrating a success prediction server according to an embodiment of the present invention.

도 2를 참고로 보다 구체적으로 살펴보면, 송수신부(110)는 네트워크를 통해 건강 진단 장비와 통신을 수행하거나, 사용자 단말기와 통신을 수행하거나, 컨설턴트 단말기와 통신을 수행한다.2, the transceiver unit 110 communicates with the health diagnostic device through the network, performs communication with the user terminal, or performs communication with the consultant terminal.

인증부(130)는 건강 진단 장비, 사용자 단말기 또는 컨설턴트 단말기로부터 정보를 수신하여 데이터베이스부(150)에 등록 저장하거나, 사용자 단말기 또는 컨설턴트 단말기로부터 데이터베이스부(150)에 등록 저장된 정보를 요청받는 경우 사용자 또는 컨설턴트를 인증한다.The authentication unit 130 receives information from the health diagnostic apparatus, the user terminal, or the consultant terminal and stores the information in the database unit 150 or receives information registered and stored in the database unit 150 from the user terminal or the consultant terminal, Or a consultant.

모델 결정부(170)는 데이터베이스부(150)의 사례 데이터베이스에 저장되어 있는 사례로부터 트레이닝 데이터와 테스트 데이터를 서로 구분하여 추출하고, 추출한 트레이닝 데이터를 다수의 예측 모델에 적용하여 성공 예측 모델을 생성한다. 모델 결정부(170)는 다시 테스트 데이터를 생성한 성공 예측 모델에 적용하여 성공 또는 실패를 가장 정확하게 예측하는 성공 예측 모델을 최종 성공 예측 모델로 결정한다.The model determination unit 170 extracts training data and test data separately from the case stored in the case database of the database unit 150 and applies the extracted training data to a plurality of prediction models to generate a success prediction model . The model determination unit 170 determines the success prediction model that most accurately predicts success or failure as the final success prediction model by applying the test data to the generated success prediction model.

성공 예측부(190)는 사용자별로 건강 컨설팅이 시작되는 시점을 판단하며, 판단한 건강 컨설팅의 시작 시점부터 설정된 단위기간이 도달하였는지 판단한다. 성공 예측부(190)는 사용자별로 설정된 단위시간이 도달한 경우 건강 컨설팅의 시작 시점부터 단위기간 동안 수신하여 데이터베이스부(150)에 등록된 사용자의 사전 생활습관 건강정보를 사용자별로 분류하여 추출한다. 성공 예측부(190)는 추출한 사전 생활습관 건강정보를 모델 결정부(170)에서 결정한 최종 성공 예측 모델에 적용하여 사용자가 건강 컨설팅이 종료하는 시점에 사용자의 최종 목표를 성공할 것인지를 미리 예측한다.The success predicting unit 190 determines the start time of the health consulting for each user and determines whether the set unit period has reached from the start point of the determined health consulting. The success predicting unit 190 classifies and extracts the user's prior lifestyle health information registered in the database unit 150 for a unit period from the start time of the health consulting when the unit time set for each user is reached. The success predicting unit 190 applies the extracted learner lifestyle health information to the final success prediction model determined by the model determining unit 170, and predicts whether the user will succeed the final goal of the user at the time when the health consulting ends.

도 3은 본 발명에 따른 성공 예측 모델을 생성하는 단계를 설명하기 위한 도면이다.3 is a diagram for explaining a step of generating a success prediction model according to the present invention.

도 3을 참고로 보다 구체적으로 살펴보면, 데이터베이스부는 다수의 사례가 저장되어 있는 사례 데이터베이스부와 사용자 정보가 저장되어 있는 사용자 데이터베이스부로 구분될 수 있다.3, the database unit can be divided into a case database unit storing a plurality of cases and a user database unit storing user information.

여기서 사례 데이터베이스부에는 다른 사용자에 대한 생활 로그 정보, 생활습관 건강정보 및 건강 컨설팅 조언의 성공 또는 실패 여부에 대한 정보, 즉 대사증후군의 개선 여부에 대한 정보가 사례별로 저장되어 있으며, 사용자 데이터베이스부에는 사용자의 개인 신상 정보(이름, 성별, 주소, 나이 등), 개인 신체 정보(키, 몸무게 등), 사용자의 생활 로그 정보 및 생활 습관 건강정보가 저장되어 있다.Here, information on life log information, lifestyle health information, and information on whether success or failure of health counseling advice, that is, improvement of metabolic syndrome, is stored for each case in the case database section, Personal information (name, sex, address, age, etc.) of the user, personal body information (key, weight, etc.), life log information of the user and lifestyle health information are stored.

사례 데이터베이스부에서 일부 사례를 트레이닝 데이터(151)로 구분하여 추출하고, 사례 데이터베이스부에서 트레이닝 데이터(151)와 구분하여 다른 사례를 테스트 데이터(153)로 구분하여 추출한다. 추출한 트레이닝 데이터를 다수의 예측 모델에 적용하여 각 예측 모델로부터 성공 예측 모델을 생성한다. In the case database section, some cases are extracted and classified by the training data 151. In the case database section, the case data is distinguished from the training data 151 and the other cases are divided into the test data 153 and extracted. The extracted training data is applied to a plurality of prediction models to generate success prediction models from the respective prediction models.

여기서 예측 모델은 트레이닝 데이터로부터 사용자의 건강 컨설팅의 성공 여부를 예측하는데 사용되는 모델이다.Here, the predictive model is a model used for predicting the success of the user's health consulting from the training data.

인공신경망은 뉴런(Neuron)이라고 불리는 인간의 신경세포와 신경세포간의 상호작용에 의해서 추론을 수행하는 모델을 연구하는 것에서 비롯되었다. 복잡한 문제를 사례기반으로 풀기 위하여 신경세포와 신경세포간의 가중치(Weight)를 조절하여 해당되는 문제에 대한 최적의 가중치를 찾는 것을 목표로 한다. 따라서 예측된 분류에 따라 자동적으로 매개변수(Parameter)를 최적화하게 된다. 또한 복잡한 상관관계를 갖는 입력 특성들과 결과 값 간의 연관성도 은닉층(Hidden Layer)의 최적화를 통해 도출 가능하다. 인공 신경망의 기본적인 학습 알고리즘(Algorithm)은 목표 값과 계산 값의 에러(Error) 최소화를 통해 판별력을 최대화하는데 있다. 목표 값과 계산 값 간의 차이를 에러로 규정하고 규정된 에러를 모든 사례로 확장하여 누적 에러를 구한 뒤, 그 값을 최소화하도록 학습을 한다. The artificial neural network is derived from studying a model of inferring by interaction between human neurons and neurons, called neurons. To solve complex problems on a case-by-case basis, we aim to find the optimum weight for the problem by adjusting the weight between neurons and neurons. Therefore, parameters are automatically optimized according to the predicted classification. In addition, the correlation between the input characteristics with complex correlations and the resultant values can be derived through optimization of the hidden layer. The basic learning algorithm of artificial neural network is to maximize the discrimination power by minimizing the error of the target value and the calculated value. The difference between the target value and the calculated value is defined as an error, and the specified error is extended to all cases to obtain a cumulative error, and then the learning is performed to minimize the value.

의사결정나무 예측모델은 사례로부터 기계학습을 하여 의사결정나무를 생성하는 기법이다. 의사결정나무를 생성하기 위해서는 나무의 적절한 노드(Node)를 구분하는 것이 중요하다. 각 노드는 속성을 나타내며, 의사결정나무가 판별력이 높도록 생성되기 위해서는 최고의 정보이득(Information gain)을 가져오는 속성 순으로 우선순위를 결정해야 한다. 정보이득은 각 속성을 이용한 분류에 따르는 엔트로피(Entropy) 기대감소치를 말한다. 여기서 말하는 엔트로피란 속성에 따라 나뉜 데이터들의 동질성(Homogeneity)을 나타내는 값이다. 이 의사결정나무로부터 의사 결정 규칙을 도출하는 것이 가능하다. 의사결정나무는 분류나 예측의 근거를 알려주기 때문에 이해하기가 용이하고, 사례를 구성하는 속성의 수가 불필요하게 많을 경우에도 모형 구축 시 분류에 영향을 미치지 않는 속성들을 자동으로 제외시키기 때문에 사례 선정이 용이하다. Decision tree prediction model is a technique to generate decision tree by machine learning from case. It is important to distinguish the appropriate nodes of a tree in order to create decision trees. Each node represents an attribute. In order for a decision tree to have a high discriminative power, it must prioritize attributes in order of information gain. The information gain is the entropy expectation according to the classification using each attribute. The term entropy is a value indicating the homogeneity of the data divided according to the attribute. It is possible to derive decision rules from this decision tree. Decision trees are easy to understand because they tell us the basis of classification and prediction, and even when the number of attributes constituting a case is unnecessarily large, It is easy.

랜덤 포레스트 예측모델은 랜덤(Random)하게 추출된 사례의 집합들로 많은 수의 의사결정나무를 생성하고, 학습의 결과로 생성된 여러 의사 결정 나무의 판별 클래스(Class)들을 가중 투표(Voting)하여 최종 클래스를 결정하는 방법으로써 다양한 데이터(Data)에 대하여 높은 정확성을 보이고 있다.The random forest prediction model generates a large number of decision trees with a set of randomly extracted cases and performs weighted voting on the decision classes of the decision trees generated as a result of the learning As a method of determining the final class, it shows high accuracy for various data (Data).

본 발명에서는 인공신경망(neural network) 예측모델, 의사결정나무(Decision Trees) 예측모델, 로지스틱(logistic Regression) 예측모델, SVM(Support Vector Machine) 예측모델 및 랜덤 포레스트(Random Forest) 예측모델이 사용되는데, 이러한 예측모델은 본 발명이 속하는 분야에서 널리 공지된 내용이므로 자세한 설명은 생략하며, 본 발명이 적용되는 분야에 따라 다양한 종류의 예측 모델이 사용될 수 있다.In the present invention, a neural network prediction model, a decision tree prediction model, a logistic regression prediction model, a SVM (Support Vector Machine) prediction model, and a random forest prediction model are used Since these prediction models are widely known in the field to which the present invention belongs, a detailed description thereof will be omitted, and various types of prediction models may be used according to the field to which the present invention is applied.

성공 예측 모델은 각 예측 모델에 대사증후군의 개선 여부 또는 대사증후군의 개선 정보를 종속변수로 하고, 생활로그정보와 생활습관 건강정보를 독립변수로 하는 트레이닝 데이터를 적용하여 생성되는 것을 특징으로 한다. The success prediction model is generated by applying training data in which each metabolic syndrome is improved or metabolic syndrome improvement information is used as a dependent variable, and life log information and lifestyle health information are used as independent variables in each prediction model.

도 4는 본 발명에 따른 최종 성공 예측 모델을 생성하는 단계를 설명하기 위한 도면이다.4 is a diagram for explaining a step of generating a final success prediction model according to the present invention.

도 4를 참고로 보다 구체적으로 살펴보면, 사례 데이터베이스 중 테스트 데이터를 생성한 성공 예측 모델에 적용하여, 건강 컨설팅 조언의 성공 여부에 대한 각 성공 예측 모델의 예측 정확도를 측정한다.Referring to FIG. 4, the prediction accuracy of each success prediction model for success of health counseling advice is measured by applying the test data among the case database to the generated success prediction model.

각 성공 예측 모델의 예측 정확도에 기초하여 가장 높은 예측 정확도를 가지는 성공 예측 모델을 최종 성공 예측 모델로 결정한다.Based on the prediction accuracy of each success prediction model, the success prediction model with the highest prediction accuracy is determined as the final success prediction model.

도 5는 본 발명의 일 실시예에 따른 건강 컨설팅의 성공 예측 시스템에서 송수신되는 메시지를 설명하기 위한 도면이다.FIG. 5 is a diagram for explaining a message transmitted and received in the health prediction system of health consulting according to an embodiment of the present invention.

도 5를 참고로 보다 구체적으로 살펴보면, 사용자 단말기 또는 관리자 단말기는 성공 예측 서버로 사용자의 생활 로그 정보 또는 생활습관 건강정보를 송신한다(S10). 여기서 생활 로그 정보는 건강 컨설팅 조언을 시작하기 전 처음으로 측정한 사용자의 건강상태와 관련한 측정정보로 예를 들어, BMI, 체지방율, 활동량, 수면시간, 혈압, 혈당, TG, HDL-C, TC 등의 측정값이 사용될 수 있다.5, the user terminal or the administrator terminal transmits the life log information or lifestyle health information of the user to the success prediction server (S10). For example, BMI, body fat percentage, activity amount, sleep time, blood pressure, blood sugar, TG, HDL-C, TC, etc. are used for the first time before starting counseling. Can be used.

이러한 측정값은 사용자의 대사증후군을 판단하는 기준으로 사용될 수 있는데, 예를 들어 체중 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), TG 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), HDL-C 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), 혈당 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음), 혈압 대사증후군이 존재 여부에 대한 정보(1:있음, 0:없음) 등이 사용될 수 있다.These measures can be used as a basis for determining the metabolic syndrome of the user, for example, information on the presence of a metabolic syndrome (1: yes, 0: absent), information on the presence of TG metabolic syndrome (1 (1: yes, 0: no), information on the presence of HDL-C metabolic syndrome (1: present, 0: none) (1: present, 0: none), etc. may be used for the diagnosis of the syndrome.

한편, 생활습관 건강정보는 복약 여부(1:있음, 0:없음), 음주여부(1:있음, 0:없음), 흡연여부(1:있음, 0:없음), 운동빈도여부(1:좋음, 0:나쁨), 운동량여부(1:좋음, 0:나쁨), 규칙적식사여부(1:좋음, 0:나쁨), 단백질섭취여부(1:좋음, 0:나쁨) 등과 같이 사용자의 생활습관과 관련된 건강정보 등이 사용될 수 있다.On the other hand, the lifestyle health information includes health status (1: present, 0: no), drinking status (1: present, 0: no), smoking status (1: (1: good, 0: poor), whether or not the patient is eating regularly (1: good, 0: poor) Related health information, etc. may be used.

이러한 생활 로그 정보 또는 생활습관 건강정보는 사용자가 소지하는 사용자 단말기를 통해 측정되어 성공예측서버로 송신되거나, 컨설턴트가 보유하고 있는 생활로그 또는 생활습관 건강정보의 측정장비로 측정하여 컨설턴트 단말기를 통해 성공예측서버로 송신될 수 있다. 또한 사용자 단말기 또는 컨설턴트 단말기를 통해 사용자 스스로 또는 문진을 통해 입력될 수 있다.Such life log information or lifestyle health information may be measured by a user terminal and transmitted to a success prediction server or may be measured by a life log or lifestyle health information measuring device held by a consultant, And transmitted to the prediction server. And may also be entered via the user terminal or the consultant terminal by the user himself or through a documentary.

성공예측서버는 수신한 사용자의 생활로그정보 또는 단위시간 동안의 사전 생활습관 건강정보를 최종 성공예측 모델에 적용하여 사용자의 생활로그정보 또는 사전 생활습관 건강정보로부터 사용자의 건강 컨설팅의 종료 시점 이전에 사용자가 건강 컨설팅의 최종 목표에 도달할 것인지, 즉 건강 컨설팅에 성공할 것인지를 미리 예측하고 예측 결과를 컨설턴트 단말기 또는 사용자 단말기로 송신하거나(S30), 별도의 컨설팅 서버로 사용자의 건강 컨설팅 성공 여부의 예측 결과를 송신한다(S50).The success prediction server applies the life log information of the user or the lifestyle health information of the lifetime during the unit time to the final success prediction model to obtain the life log information or the lifestyle health information of the user before the end of the user's health consulting It is possible to predict whether the user will reach the final goal of health consulting, that is, to succeed in health consulting, and transmit the prediction result to the consultant terminal or the user terminal (S30), and a separate consulting server And transmits the result (S50).

컨설팅 서버는 사용자의 건강 컨설팅 성공 여부의 예측 결과에 기초하여 사용자가 건강 컨설팅의 최종 목표를 실패할 것으로 예측되는 경우 사용자에 기제공하였던 건강 컨설팅 조언을 사용자의 사전 생활습관 건강정보에 기초하여 수정하고 수정한 건강 컨설팅 정보를 컨설턴트 단말기로 송신한다(S70).The consulting server corrects the health consulting advice provided to the user based on the prediction result of the user's health consulting success based on the user's prior life habit health information when the user is predicted to fail the final goal of the health consulting The modified health consulting information is transmitted to the consultant terminal (S70).

컨설턴트는 수정 건강 컨설팅 정보를 그대로 사용자 단말기로 송신하거나, 사용자와 미팅을 통해 또는 컨설턴트의 개인 지식에 기초하여 수정 건강 컨설팅 정보를 재수정하고 재수정한 건강 컨설팅 정보를 사용자 단말기로 송신한다(S90).The consultant transmits the corrected health consulting information to the user terminal as it is, re-checks the corrected health consulting information based on the personal knowledge of the consultant through the meeting with the user, and transmits the health consulting information re-calculated to the user terminal (S90).

도 6은 본 발명의 일 실시예에 따른 건강 컨설팅의 성공 예측 방법을 설명하기 위한 흐름도이다. 6 is a flowchart illustrating a method for predicting success of health consulting according to an embodiment of the present invention.

도 6을 참고로 성공예측 서버에서 사용자의 건강 컨설팅의 성공 여부를 예측하는 방법을 살펴보면, 건강 사례 데이터베이스부에 저장되어 있는 사례로부터 트레이닝 데이터를 추출하고(S110) 추출한 트레이닝 데이터를 예측 모델에 적용하여 성공 예측 모델을 생성한다(S130). Referring to FIG. 6, a method of predicting the success or failure of the user's health consulting in the success prediction server extracts training data from the case stored in the health case database unit (S110) and applies the extracted training data to the prediction model A success prediction model is generated (S130).

도 7은 건강 사례 데이터베이스부에 저장되어 있는 사례의 일 예를 도시하고 있는데, 도 7(a)에 도시되어 있는 바와 같이 건강 사례 데이터베이스부에는 생활로그정보가 저장되며, 도 7(b)에 도시되어 있는 바와 같이 건강 사례 데이터베이스부에는 생활습관 건강정보가 저장되어 있다. 바람직하게, 사례 데이터베이스부에는 생활로그정보와 생활습관 건강정보에 따라 대사증후군의 개선 여부에 대한 정보 또는 건강 컨설팅의 최종 목표, 예를 들어 대사증후군의 개선 정보에 대한 정보가 저장될 수 있다.FIG. 7 shows an example of a case stored in the health case database unit. As shown in FIG. 7 (a), life log information is stored in the health case database unit, As shown, the health history database stores lifestyle health information. Preferably, the case database unit may store information on whether the metabolic syndrome is improved or information on improvement goals of the health consulting, for example, improvement information of the metabolic syndrome, according to the life log information and the lifestyle health information.

다시 도 6을 참고로 살펴보면, 건강 사례 데이터베이스부에 저장되어 있는 사례 중 트레이닝 데이터와 구분하여 테스트 데이터를 추출하고(S150), 추출한 테스트 데이터를 생성한 성공 예측 모델에 각각 적용하여 성공 예측의 정확도가 가장 높은 성공 예측 모델을 최종 성공 예측 모델로 결정한다(S170).Referring to FIG. 6 again, the test data is extracted from the training data stored in the health case database unit (S150), and the extracted test data is applied to the generated success prediction model, The highest success prediction model is determined as the final success prediction model (S170).

사용자가 건강 컨설팅을 시작한 시점부터 건강 컨설팅이 종료하는 시점 이전의 설정된 기간 동안 사용자의 실제 건강정보와 생활로그정보를 결정한 최종 성공 예측 모델에 적용하여 사용자가 건강 컨설팅의 최종 목표(예를 들어 대사증후군의 개선 여부 또는 대사증후군의 개선 정도)를 성공할 것인지를 건강 컨설팅의 종료 시점 이전에 미리 예측한다(S190). 여기서 사용자의 실제 건강정보는 건강 컨설팅을 실행하는 전체 기간 중 건강 컨설팅을 시작한 시점부터 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수집된 사용자의 사전 생활습관 건강정보인 것을 특징으로 한다. The present invention can be applied to a final success prediction model in which the user's actual health information and life log information are determined for a set period before the end of the health consulting from the time the user starts the health consulting to determine the final goal of the health consulting Or improvement of the metabolic syndrome) is predicted before the end of the health consulting (S190). Here, the actual health information of the user is characterized by being the user's prior life habit health information collected from the time when the health consulting is started during the whole period of executing the health consulting to the user during the setting unit period before the completion of the health consulting.

도 8은 본 발명에 따른 건강 컨설팅의 성공 예측 방법의 일 예를 설명하기 위한 흐름도이다.FIG. 8 is a flowchart illustrating an example of a method for predicting success of health consulting according to the present invention.

도 8을 참고로 보다 구체적으로 살펴보면, 건강 컨설팅을 실행하는 전체 기간 중 건강 컨설팅을 시작한 시점부터 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수집된 사용자의 사전 생활습관 건강정보를 세부 단위기간별로 구분하여 분류한다(S191).8, when the health consulting is started, the user's prior life habit health information collected during the setting unit period before the completion of the health consulting is displayed for each unit period (S191).

세부 단위기간별 사용자의 사전 생활습관 건강정보를 최종 성공 예측 모델에 적용하여 세부 단위기간별로 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 여부에 대한 예측 결과를 생성한다(S193).(Step S193). The user's preliminary lifestyle health information is applied to the final success prediction model according to the detailed unit period to generate a prediction result of whether or not the user will succeed the final goal of health consulting for each detailed unit period.

여기서 단위기간은 다수의 세부 단위기간으로 구성되는데, 다수의 세부 단위기간 동안 각 세부 단위기간의 성공/실패의 경향 패턴을 판단하고(S195), 세부 단위기간의 성공/실패의 경향 패턴에 따라 사용자가 건강 컨설팅의 종료 시점 이전에 건강 컨설팅의 최종 목표를 성공할 것인지를 예측한다(S197).Herein, the unit period is composed of a plurality of sub-unit periods, and a tendency pattern of success / failure of each sub-unit period during a plurality of sub-unit periods is determined (S195) Predicts whether the final goal of health consulting will succeed before the end of the health consulting (S197).

도 9는 건강 컨설팅의 전체 기간과 전체 기간에서 건강 컨설팅의 성공 여부를 예측하는 단위기간의 일 예를 도시하고 있다.FIG. 9 shows an example of a unit period for predicting the success or failure of health consulting in the entire period and the entire period of health consulting.

도 9에 도시되어 있는 바와 같이, 건강 컨설팅의 전체 기간(Tp) 중 건강 컨설팅이 시작되는 시점(S)부터 건강 컨설팅이 종료하는 시점(E) 이전의 설정된 단위기간(Up) 동안 사용자로부터 사용자의 실제 건강정보인 사전 생활습관 건강정보를 수집한다.As shown in FIG. 9, during the entire period Tp of the health consulting, from the time point S at which the health consulting starts to the time point E at which the health consulting ends, Collects health information, which is real life health information.

바람직하게, 단위기간(Up)는 다수의 세부 단위기간(Ups)로 구분될 수 있다.Preferably, the unit period Up can be divided into a plurality of sub-unit periods Ups.

도 10은 단위기간 동안 사용자의 실제 건강정보에 기초하여 사용자가 건강 컨설팅의 최종 목표를 성공할 것인지 예측하는 방식의 일 예를 설명하기 위한 도면이다.FIG. 10 is a diagram for explaining an example of a method of predicting whether or not a user will succeed the final goal of health consulting based on actual health information of a user during a unit period.

도 10(a)에 도시되어 있는 바와 같이, 건강 컨설팅의 전체 기간 중 단위기간에서의 사전 생활습관 건강정보를 최종 성공 예측 모델에 적용하여 사용자가 건강 컨설팅의 종료시점에 건강 컨설팅의 최종 목표를 성공할 것인지 예측할 수 있다.As shown in FIG. 10 (a), by applying the preliminary lifestyle health information in the unit period during the entire period of the health consulting to the final success prediction model, the user succeeds in the final goal of health consulting at the end of the health consulting Can be predicted.

도 10(b)에 도시되어 있는 바와 같이, 건강 컨설팅의 전체 기간 중 단위기간을 구성하는 세부 단위기간별로 사전 생활습관 건강정보를 최종 성공 예측 모델에 적용하여 세부 단위기간별로 사용자가 건강 컨설팅의 종료시점에 건강 컨설팅의 최종 목표를 성공할 것인지 예측한다. 즉, 세부 단위기간별 성공 여부의 경향 패턴에 기초하여 사용자가 건강 컨설팅의 종료시점에 건강 컨설팅의 최종 목표를 성공할 것인지 예측한다.As shown in FIG. 10 (b), in the whole period of the health consulting, the preliminary lifestyle health information is applied to the final success prediction model for each subdivision period constituting the unit period, and the end of the health consulting We predict that the final goal of health consulting will be successful. That is, based on the tendency pattern of success or failure in each unit period, the user predicts whether the final goal of health consulting will succeed at the end of health consulting.

도 11은 세부 단위기간별 성공 여부의 경향 패턴에 기초하여 사용자가 건강 컨설팅의 종료시점에 건강 컨설팅의 최종 목표를 성공할 것인지 예측하는 방식의 일 예를 설명하기 위한 도면이다.11 is a diagram for explaining an example of a method of predicting whether a user will succeed in a final goal of health consulting at the end of health consulting based on a trend pattern of success or failure in each unit period.

도 11을 참고로 살펴보면, 패턴1과 팬턴2와 같이 5개의 세부 단위기간 중 성공으로 예측되는 세부 단위기간의 수와 실패로 예측되는 세부 단위기간의 수 중 더 많은 예측 결과로 최종 목표를 성공할 것인지 예측할 수 있다.Referring to FIG. 11, it can be seen that the number of sub-unit periods predicted as success and the number of sub-unit periods predicted as failure among the five sub-unit periods, such as Pattern 1 and Phenton 2, Can be predicted.

한편, 패턴3과 패턴4와 같이 다수의 세부 단위기간에서 순차적으로 발생되는 성공 또는 실패의 예측 분포에 기초하여 단위기간의 시작시점으로부터 단위기간의 종료시점으로 순차적으로 성공 예측의 분포도가 높은 경우에는 최종 목표를 성공할 것으로 예측하며, 단위기간의 시작시점으로부터 단위기간의 종료시점으로 순차적으로 실패 예측의 분포도가 높은 경우에는 최종 목표를 실패할 것으로 예측할 수 있다.On the other hand, when the distribution of success predictions is sequentially higher from the start point of the unit period to the end point of the unit period on the basis of the predicted distribution of success or failure sequentially generated in a plurality of subunit periods such as pattern 3 and pattern 4 It is predicted that the final goal will succeed, and if the distribution of the failure prediction is high sequentially from the beginning of the unit period to the end of the unit period, it can be predicted that the final goal will fail.

한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.The above-described embodiments of the present invention can be embodied in a general-purpose digital computer that can be embodied as a program that can be executed by a computer and operates the program using a computer-readable recording medium.

상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.The computer-readable recording medium may be a magnetic storage medium (e.g., ROM, floppy disk, hard disk, etc.), an optical reading medium (e.g. CD ROM, Lt; / RTI > transmission).

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is evident that many alternatives, modifications and variations will be apparent to those skilled in the art. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.

1, 3, 5: 의료장비 30: 네트워크
50: 사용자 단말기 70: 컨설턴트 단말기
100: 성공 예측 서버
110: 송수신부 130: 인증부
150: 데이터베이스부 170: 모델 결정부
190: 성공 예측부1, 3, 5: Medical equipment 30: Network
50: user terminal 70: consultant terminal
100: Success Prediction Server
110: Transmitting / receiving unit 130:
150: Database part 170: Model determination part
190: Prediction of Success

Claims (8)

건강 사례 데이터베이스에 저장되어 있는 사례로부터 트레이닝 데이터를 추출하고, 상기 건강 사례 데이터베이스에 저장되어 있는 사례로부터 테스트 데이터를 상기 트레이닝 데이터와 구분하여 추출하는 단계;
상기 트레이닝 데이터를 다수의 성공 예측 모델로 학습시켜 상기 트레이닝 데이터에 대한 다수의 성공 예측 모델을 생성하는 단계;
상기 테스트 데이터를 다수의 성공 예측 모델에 각각 적용하여 다수의 성공 예측 모델 중 성공 예측율이 가장 높은 최종 성공 예측 모델을 결정하는 단계; 및
상기 최종 성공 예측 모델에 사용자의 실제 건강 정보를 적용하여 상기 사용자의 건강 컨설팅 종료 시점 이전에 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계를 포함하는 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법.Extracting training data from a case stored in the health case database and extracting test data from the case stored in the health case database separately from the training data;
Generating a plurality of success prediction models for the training data by learning the training data using a plurality of success prediction models;
Determining a final success prediction model having a highest success rate among a plurality of success prediction models by applying the test data to a plurality of success prediction models; And
Applying the actual health information of the user to the final success prediction model and predicting whether the user succeeds the health consulting target before the end of the health consulting of the user, Way. 제 1 항에 있어서, 상기 실제 건강 정보는
사용자가 상기 건강 컨설팅을 실행하는 전체 기간 중 상기 건강 컨설팅을 시작한 시점부터 상기 건강 컨설팅이 완료되는 시점 이전의 설정 단위기간 동안 수집된 사용자의 사전 생활습관 건강 정보인 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법.2. The method of claim 1,
Wherein the health consulting is a user's prior life habit health information collected from a time when the user starts the health consulting during the entire period of executing the health consulting to a predetermined unit period before the completion of the health consulting. Way. 제 2 항에 있어서,
상기 사례 데이터베이스에는 생활 로그 정보, 생활습관 건강 정보 및 대사증후군의 개선값이 사례별로 저장되어 있으며,
상기 성공 예측 모델은 대사증후군의 개선 여부를 종속변수로 하고 생활 로그 정보와 생활습관 건강 정보를 독립변수로 하는 사례의 트레이닝 데이터로부터 생성되는 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법. 3. The method of claim 2,
In the case database, life log information, lifestyle health information, and improvement values of the metabolic syndrome are stored for each case,
Wherein the success prediction model is generated from training data of cases in which improvement of the metabolic syndrome is determined as a dependent variable and life log information and lifestyle health information are used as independent variables. 제 3 항에 있어서, 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는
사용자 데이터베이스에서 단위기간 동안 사용자에 대한 사전 생활습관 건강 정보와 생활 로그 데이터를 분류하여 추출하는 단계;
사용자의 사전 생활습관 건강 정보와 생활 로드 데이터를 상기 최종 성공 예측 모델에 적용하여 사용자의 대사 증후군의 개선 여부를 판단하는 단계; 및
사용자의 대사 증후군의 개선 여부에 대한 판단 결과에 기초하여 상기 사용자가 건강 컨설팅 종료 시점에 사용자의 건강 컨설팅 목표를 성공할 것인지 예측하는 단계를 포함하는 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법.4. The method of claim 3, wherein the step of predicting whether the user will succeed later in the health consulting goal
Classifying and extracting the lifestyle log data and the lifestyle habit health information for the user during the unit period in the user database;
Determining whether the metabolic syndrome of the user is improved by applying the user's prior life habit health information and life load data to the final success prediction model; And
And predicting whether the user will succeed in the health consulting goal of the user at the end of the health consulting based on the determination result of the user's improvement of the metabolic syndrome. 제 4 항에 있어서, 상기 생활 로그 정보는
상기 사용자가 상기 건강 컨설팅의 시작 시점에서 측정한 체중 대사증후군의 존재 여부, TG대사증후군의 존재 여부, HDL-C 대사증후군의 존재 여부, 혈당 대사증후군의 존재 여부, 혈압 대사증후군의 존재 여부인 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법.5. The method according to claim 4, wherein the life log information
The presence of the metabolic syndrome of the TG, the presence of the HDL-C metabolic syndrome, the presence of the metabolic syndrome of the blood glucose, and the presence of the metabolic syndrome of the blood pressure measured by the user at the start of the health consulting How to predict the success of health consulting as a feature. 제 4 항에 있어서, 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계에서
상기 단위기간은 다수의 세부 단위기간으로 구분되며,
상기 사전 생활습관 건강정보를 세부 단위기간별로 분류하여 세부 사전 생활습관 건강정보를 추출하며,
상기 세부 사전 생활습관 건강정보로부터 상기 세부 단위기간별로 사용자의 건강 컨설팅 목표를 성공할 것인지 예측하는 것을 특징으로 하는 건강 컨설팅의 성공 예측 방법.5. The method of claim 4, wherein the step of predicting whether the user will succeed later in the health consulting goal
The unit period is divided into a plurality of sub-unit periods,
Extracting the pre-lifestyle habit health information by classifying the pre-lifestyle habit health information by each unit period,
And predicting whether success of the user's health consulting goal is predicted based on the detailed unit lifetime health information from the detailed prior lifestyle habits health information. 제 7 항에 있어서, 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는
상기 세부 단위기간에서 사용자의 건강 컨설팅 목표의 성공 여부의 경향 패턴을 판단하는 단계를 더 포함하며,
상기 세부 단위기간에서 성공 여부의 경향 패턴에 기초하여 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 예측하는 것을 특징으로 하는 건강 컨설팅 성공 예측 방법. 8. The method of claim 7, wherein the step of predicting whether the user will succeed later in the health consulting goal
Further comprising the step of determining a trend pattern of success or failure of the user's health consulting goal in the sub-unit period,
And predicting whether the user succeeds in the health consulting target based on the trend pattern of success or failure in the sub-unit period. 제 7 항에 있어서, 상기 사용자가 건강 컨설팅 목표를 차후 성공할 것인지 여부를 예측하는 단계는
상기 세부 단위기간 중 건강 컨설팅 목표를 성공하는 것으로 예측되는 세부 단위기간의 분포 패턴에 기초하여 예측하는 것을 특징으로 하는 건강 컨설팅 성공 예측 방법.8. The method of claim 7, wherein the step of predicting whether the user will succeed later in the health consulting goal
And predicts the health consulting success prediction based on the distribution pattern of the sub-unit period that is predicted to be successful in the health consulting target during the sub-unit period.
KR1020170090564A 2017-07-17 2017-07-17 Method for predicting success or failure of health consulting KR20190008770A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170090564A KR20190008770A (en) 2017-07-17 2017-07-17 Method for predicting success or failure of health consulting
PCT/KR2017/007742 WO2019017508A1 (en) 2017-07-17 2017-07-18 Method for predicting success of health consulting

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170090564A KR20190008770A (en) 2017-07-17 2017-07-17 Method for predicting success or failure of health consulting

Publications (1)

Publication Number Publication Date
KR20190008770A true KR20190008770A (en) 2019-01-25

Family

ID=65015702

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170090564A KR20190008770A (en) 2017-07-17 2017-07-17 Method for predicting success or failure of health consulting

Country Status (2)

Country Link
KR (1) KR20190008770A (en)
WO (1) WO2019017508A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102183441B1 (en) * 2020-02-25 2020-11-26 주식회사 누베베 Obesity Treatment Influence Factor Analysis System and Method Using Decision Trees
KR20230015009A (en) * 2021-07-22 2023-01-31 (주)디지털팜 System for prediction of early dropping out in outpatients with alcohol use disorders and method thereof

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111210891B (en) 2014-09-02 2023-08-25 苹果公司 Physical activity and fitness monitor
EP4321088A2 (en) 2015-08-20 2024-02-14 Apple Inc. Exercise-based watch face
DK201770423A1 (en) 2016-06-11 2018-01-15 Apple Inc Activity and workout updates
US11216119B2 (en) 2016-06-12 2022-01-04 Apple Inc. Displaying a predetermined view of an application
US10736543B2 (en) 2016-09-22 2020-08-11 Apple Inc. Workout monitor interface
US10845955B2 (en) 2017-05-15 2020-11-24 Apple Inc. Displaying a scrollable list of affordances associated with physical activities
DK201870378A1 (en) 2018-05-07 2020-01-13 Apple Inc. Displaying user interfaces associated with physical activities
US11317833B2 (en) 2018-05-07 2022-05-03 Apple Inc. Displaying user interfaces associated with physical activities
DK201970532A1 (en) 2019-05-06 2021-05-03 Apple Inc Activity trends and workouts
US11152100B2 (en) 2019-06-01 2021-10-19 Apple Inc. Health application user interfaces
CN113892077A (en) 2019-06-01 2022-01-04 苹果公司 Multi-modal activity tracking user interface
DK202070612A1 (en) 2020-02-14 2021-10-26 Apple Inc User interfaces for workout content
DK181037B1 (en) 2020-06-02 2022-10-10 Apple Inc User interfaces for health applications
EP4323992A1 (en) 2021-05-15 2024-02-21 Apple Inc. User interfaces for group workouts
US20230390627A1 (en) 2022-06-05 2023-12-07 Apple Inc. User interfaces for physical activity information

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006518062A (en) * 2003-01-15 2006-08-03 ブラッコ イメージング ソチエタ ペル アチオニ Prediction algorithm training and testing database optimization system and method
US20080133434A1 (en) * 2004-11-12 2008-06-05 Adnan Asar Method and apparatus for predictive modeling & analysis for knowledge discovery
JP5428039B2 (en) * 2010-03-18 2014-02-26 株式会社日立製作所 Target momentum achievement prediction system and sensor device
TWI658813B (en) * 2013-10-02 2019-05-11 Access Business Group International Llc Diet adherence system
KR101903522B1 (en) * 2015-11-25 2018-11-23 한국전자통신연구원 The method of search for similar case of multi-dimensional health data and the apparatus of thereof

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102183441B1 (en) * 2020-02-25 2020-11-26 주식회사 누베베 Obesity Treatment Influence Factor Analysis System and Method Using Decision Trees
WO2021172640A1 (en) * 2020-02-25 2021-09-02 주식회사 누베베 System and method for analysis of influence factor on treatment of obesity, using decision tree
KR20230015009A (en) * 2021-07-22 2023-01-31 (주)디지털팜 System for prediction of early dropping out in outpatients with alcohol use disorders and method thereof

Also Published As

Publication number Publication date
WO2019017508A1 (en) 2019-01-24

Similar Documents

Publication Publication Date Title
KR20190008770A (en) Method for predicting success or failure of health consulting
CN108351862B (en) Method and apparatus for determining developmental progress using artificial intelligence and user input
Lan et al. Wanda: An end-to-end remote health monitoring and analytics system for heart failure patients
US10515631B2 (en) System and method for assessing the cognitive style of a person
CN113873935A (en) Personalized digital treatment method and device
US20170000422A1 (en) Method and system for modeling behavior and heart disease state
US20210391081A1 (en) Predictive guidance systems for personalized health and self-care, and associated methods
KR20170061222A (en) The method for prediction health data value through generation of health data pattern and the apparatus thereof
KR101739912B1 (en) Remote health care method and remote health care system employing the same
Patro et al. Ambient assisted living predictive model for cardiovascular disease prediction using supervised learning
KR102338964B1 (en) Apparatus and method for symtome and disease management based on learning
US10540599B2 (en) Behavior prediction
JP2019063027A (en) Menstrual type identification system and program
US20210407638A1 (en) Methods and systems for an apparatus for an emotional pattern matching system
KR20200113954A (en) System and method for providing user-customized health information service
EP3844778A1 (en) Digital companion for healthcare
CN112542242A (en) Data transformation/symptom scoring
KR102342770B1 (en) A health management counseling system using the distribution of predicted disease values
CN111295716B (en) Health management assistance device, method, and program
JP6402345B1 (en) Instruction support system, instruction support method and instruction support program
US8666766B2 (en) System and methods for simulating future medical episodes
KR102296885B1 (en) User-customized health habit service device
KR102476612B1 (en) Method and system for providing psychological customized solution based on artificial intelligence
WO2019215263A1 (en) System and method for providing model-based predictions of quality of life implications of a treatment via individual-specific machine learning models
EP4113535A1 (en) Remote monitoring methods and systems for monitoring patients suffering from chronical inflammatory diseases

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2019101001745; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20190524

Effective date: 20200519