KR20200001834A - 수술 후 상태 진단 방법, 장치 및 컴퓨터 프로그램 - Google Patents

Abstract

본 발명은 수술 후 사용자의 회복 가능성을 추정하는 방법에 대한 것으로, 서비스 서버에서, 사용자 디바이스를 통해 사용자의 상태 정보 및 증상 정보를 수집하는 a 단계, 상기 서비스 서버에서, 미리 특정된 카테고리의 상태의 변경 정보, 임의의 시점에 상기 미리 특정된 카테고리의 상태에 부여된 위험도 등급, 미리 특정된 카테고리의 증상 정보, 상기 미리 특정된 카테고리의 증상에 수반되는 세부 증상 정보를 이용하여 상기 사용자의 염증 발생 가능성을 추정하는 b 단계; 및 상기 서비스 서버에서, 상기 사용자의 상태 정보, 상기 상태에 부여된 위험도 등급을 이용하여 상태 파라미터 별로 회복 점수를 부여하고, 상태 파라미터에 대한 평균 점수를 이용하여 회복 속도를 추정하는 c 단계를 포함하는 것을 특징으로 한다.

Description

수술 후 상태 진단 방법, 장치 및 컴퓨터 프로그램 {METHOD, APPARATUS AND COMPUTER PROGRAM FOR POSTOPERATIVE DIAGNOSIS}

본 발명은 수술 후 상태를 진단하는 방법 및 장치에 대한 것이다. 보다 구체적으로 본 발명은, 성형 수술 후 사용자를 모니터링하고, 사용자 데이터를 이용하여 개별 사용자의 회복 정도 및 회복 속도를 추정하고, 위험 상황을 분석하는 시스템에 대한 것이다.

최근 컴퓨팅 기술의 발달로 의료의 패러다임이 데이터 기반으로 바뀌고 있다. 전문가의 개입 없이 축적된 의료 정보를 기반으로 환자의 상태를 진단하고 개인 맞춤형 치료를 제공하는 것이 추세이다.

한국 특허공개공보 10-2018-0059715 (2018.6.5 공개)

본 발명은 외과 수술을 받은 사용자의 상태 및 증상 정보를 수집하고, 사용자 데이터를 기반으로 해당 환자의 염증 발생 가능성, 회복 속도, 회복 분위 등을 추정하고, 위험 상황에 대한 노티스를 제공하는 시스템을 제공하는 것을 목적으로 한다.

본 발명의 실시예를 따르는 수술 후 사용자의 회복 가능성을 추정하는 방법은, 서비스 서버에서, 사용자 디바이스를 통해 사용자의 상태 정보 및 증상 정보를 수집하는 a 단계, 상기 서비스 서버에서, 미리 특정된 카테고리의 상태의 변경 정보, 임의의 시점에 상기 미리 특정된 카테고리의 상태에 부여된 위험도 등급, 미리 특정된 카테고리의 증상 정보, 상기 미리 특정된 카테고리의 증상에 수반되는 세부 증상 정보를 이용하여 상기 사용자의 염증 발생 가능성을 추정하는 b 단계; 및 상기 서비스 서버에서, 상기 사용자의 상태 정보, 상기 상태에 부여된 위험도 등급을 이용하여 상태 파라미터 별로 회복 점수를 부여하고, 상태 파라미터에 대한 평균 점수를 이용하여 회복 속도를 추정하는 c 단계를 포함할 수 있다.

나아가 본 발명의 실시예를 따르면, 상기 a 단계는, 상기 사용자 디바이스에서, 미리 특정된 카테고리별로, 사용자의 상태를 특정할 수 있는 보기를 제공하고, 상기 보기에 대한 사용자 선택 입력을 수신하여 상기 상태 정보를 수집하고, 상기 상태 정보에 대한 위험도 등급을 미리 설정된 기준에 따라 분류하고, 상기 위험도 등급을 표시하는 단계; 및 상기 사용자 디바이스에서, 임의의 수술에 수반되는 증상에 대한 보기를 제공하고, 상기 보기에 대한 사용자 선택 입력을 수신하여 상기 증상 정보를 수집하며, 상기 증상 정보에 대한 위험도 등급을 미리 설정된 기준에 따라 분류하고, 상기 위험도 등급을 표시하는 단계를 포함하는 것을 특징으로 한다.

본 발명에 따르면, 외과 수술을 받은 사용자의 상태 정보 및 증상 정보가 임의의 시간 단위로 수집될 수 있으며, 사용자 데이터를 기반으로 특정 환자의 염증 발생 가능성, 회복 속도, 회복 분위 등을 추정할 수 있는 효과가 있다. 나아가 본 발명을 따르면, 외과 수술 후 발생한 임의의 상태 및/ 또는 증상에 대해 위험도를 추정하고, 사용자에게 알림을 제공할 수 있는 효과가 있다.

도 1는 본 발명의 실시예를 따라 외과 수술 후 사용자의 회복 상태를 진단하는 방법을 설명하기 위한 순서도
도 2은 본 발명의 실시예를 따라 사용자의 상태 정보 및 증상 정보를 수집하고, 염증 발생 가능성, 회복 속도 및 회복 분위를 표시하는 사용자 인터페이스의 예시

본 발명은 이하에 기재되는 실시예들의 설명 내용에 한정되는 것은 아니며, 본 발명의 기술적 요지를 벗어나지 않는 범위 내에서 다양한 변형이 가해질 수 있음은 자명하다. 그리고 실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 널리 알려져 있고 본 발명의 기술적 요지와 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다.

한편, 첨부된 도면에서 동일한 구성요소는 동일한 부호로 표현된다. 그리고 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시될 수도 있다. 이는 본 발명의 요지와 관련이 없는 불필요한 설명을 생략함으로써 본 발명의 요지를 명확히 설명하기 위함이다.

의료 분야, 특히 외과 수술은 수술 후 회복에 시간이 소요된다. 환자는 회복 기간 동안 수술 부위의 붓기, 멍, 통증, 출혈, 염증에 시달리며, 이상 증상이 발생할 수 있다. 환자는 자신의 상태가 해당 수술에 수반되는 일시적인 것인지 아니면 즉시 내원이 필요한 위급 상황인지 궁금할 것이다. 나아가 환자는 자신이 외과 수술에서 회복되고 있는지, 회복 속도는 정상적인지, 회복 기간이 얼마나 예상되는지 궁금할 것이다.

예를 들어 눈 성형수술의 경우, 수술 후 한달 정도면 수술 부위의 진한 멍, 출혈, 수술 부위의 붓기는 없어지는 것이 일반적이다. 즉, 한달 이후에도 진한 멍, 출혈, 붓기가 감소되지 않는 것은 위험한 상황으로 진단될 수 있다.

본 발명은 상기와 같은 문제를 해결하는 것을 목적으로 한다. 즉, 본 발명의 실시예를 따르면 사용자 상태 정보 및 증상 정보를 시간 단위로 수집하고, 사용자 정보를 토대로 사용자의 회복 속도, 회복 분위 등을 추정할 수 있다. 나아가 본 발명의 실시예를 따르면, 수집된 데이터를 바탕으로 수술 부위 및 수술 방식을 분류하여 특정된 외과 수술마다 시간별 회복 등급, 위험도 등급을 구분하고, 상기 회복 등급, 위험도 등급을 사용자 상태 파라미터 및 증상 파라미터로 구별할 수 있다.

본 발명의 실시예를 따라 사용자 상태를 진단하는 시스템은 사용자 디바이스 및 서비스 서버를 포함할 수 있다.

상기 사용자 디바이스는 본 발명의 실시예를 따르는 사용자의 수술 후 상태를 진단하기 위한 어플리케이션이 설치될 수 있다. 상기 어플리케이션은 사용자 상태 정보 및 증상 정보를 수집하기 위한 사용자 인터페이스를 제공하고, 수집된 상태 정보 및 증상 정보를 서비스 서버에 제공하는 기능을 수행할 수 있다. 나아가 상기 어플리케이션은 서비스 서버로부터 사용자의 회복 속도 및 회복 분위에 대한 정보를 수신하여 이를 표시하는 기능을 수행할 수 있다.

나아가 본 발명의 실시예를 따르는 서비스 서버는 수술 전 후부터 환자가 완전히 회복될 때까지 환자의 생체 정보를 수집하고, 기계학습 프레임워크에 수집한 생체 정보를 적용하여 학습하고, 수술부터 회복까지의 생체 정보를 모델링할 수 있다. 나아가 서비스 서버는 특정 시점의 환자의 생체 정보를 상기 기계학습 프레임워크에 적용하여, 해당 환자의 염증 발생 가능성, 회복 속도 및 회복 분위를 추정할 수 있다.

예를 들어 서비스 서버는 수술 전부터 수술 후 환자가 완전히 회복될 때까지 환자의 생체 전기 신호를 수집할 수 있다. 상기 생체 전기 신호는 환자의 피부에 부착된 전극센서로부터 수집할 수 있다. 예를 들어 환자의 피부에 접촉하는 웨어러블 디바이스는 생체 전기 신호를 측정할 수 있는 전극 센서를 포함할 수 있으며, 전극 센서를 통해 수집한 생체 전기 신호를 디지털로 변환하여 서비스 서버에 전송할 수 있다.

서비스 서버는 수신한 생체 전기 신호로부터 안전도, 심전도, 근전도 또는 뇌전도 신호를 분류하여 안전도 벡터, 심전도 벡터, 근전도 벡터, 뇌전도 벡터를 각각 생성할 수 있다. 또는 서비스 서버는 웨어러블 디바이스로부터 수신된 다차원의 생체 전기 신호 벡터를 안전도, 심전도, 근전도, 뇌전도 신호에 대한 정보를 포함하는 범위에서 저차원으로 축소할 수도 있다.

또 다른 예로 서비스 서버는 수술 부위를 촬영한 이미지 데이터로부터 생체 정보를 수집할 수 있다. 예를 들어 사용자 디바이스로부터 수술 부위를 임의의 시간 단위로 촬영한 데이터가 수신되면, 서비스 서버는 이미지 데이터에서 수술 부위, 멍, 흉터에 대한 특징점을 추출하고, 임의의 특징점, 예를 들어 수술 부위의 특징점을 기준으로 시간의 흐름에 따른 이미지 데이터의 스케일, RGB 값을 보정하고 동기화할 수 있다.

나아가 서비스 서버는 동기화된 이미지 데이터로부터 상기 특징점의 밝기, 색상, 선명도, 그라디언트, 스케일, 패턴의 값, 변화 값 분포 값 등의 정보에 대한 특징 기술자를 계산하여, 수술 부위, 멍, 흉터에 대한 이미지 벡터를 생성할 수 있다. 상기 이미지 벡터는 예를 들어 특정 시점의 수술 부위의 크기, 흉터의 범위, 색상, 융기, 홍반에 대한 정보를 포함하며, 나아가 멍의 범위, 색상, 색상 분포에 대한 정보를 포함할 수 있다. 또는 서비스 서버는 시간의 흐름에 따라 변화되는 수술 부위, 멍, 흉터 이미지의 변경 정보를 포함하도록 이미지 벡터를 프로세싱할 수도 있다.

또 다른 예로 서비스 서버는 환자 또는 의료진이 입력한 통증, 출혈, 붓기에 대한 점수 데이터 등 생체 정보를 수집할 수 있다.

나아가 서비스 서버는 안전도, 심전도, 근전도, 뇌전도 등 생체 전기 신호 데이터, 수술 부위, 멍, 흉터에 대한 이미지 데이터, 통증, 출혈, 붓기에 대한 점수 데이터를 시간축을 기준으로 집계 (aggregation)하여 생체 정보 벡터로 통합할 수 있다. 나아가 서비스 서버는 생체 전기 신호 데이터, 수술 부위, 멍, 흉터에 대한 이미지 데이터, 통증, 출혈, 붓기에 대한 점수 데이터 및 통합 생체 정보 벡터에 대한 데이터베이스를 생성할 수 있다.

이후 서비스 서버는 기계학습 프레임워크에 대량의 생체 정보를 학습시켜 수술 후 회복까지 시간의 흐름에 따른 생체 정보를 모델링할 수 있다.

예를 들어, 서비스 서버는 외과 수술 후 수술 부위에 염증이 발생한 임의의 환자의 생체 정보로부터 염증 발생을 추정하기 위한 레이블을 생성할 수 있다. 또 다른 예로 서비스 서버는 특정 수술 후 일반적인 치료 프로세스 (normal healing process)를 따르는 임의의 환자의 생체 정보로부터 회복 분위를 추정하기 위한 레이블을 생성할 수 있다. 이후 서비스 서버는 생체 정보 데이터베이스와 상기 레이블을 이용하여 외과 수술 후 회복까지 시간의 흐름에 따른 생체 정보를 모델링할 수 있다.

이후 서비스 서버는 임의의 사용자의 생체 정보를 상기 기계학습 프레임워크의 생체 정보 모델에 적용하여 염증 발생 확률, 회복 속도, 회복 분위 등 회복 상태를 추정할 수 있다. 나아가 서비스 서버는 사용자의 추정된 회복 상태가 미리 설정된 범위를 넘어서는 경우, 이상 징후라고 판단하고 이를 노티스할 수 있다.

한편, 본 발명의 실시예를 따르는 서비스 서버는 외과 수술 후 치유의 단계를 시간의 흐름에 따라 분류할 수 있다.

인체에 생기는 상처는 외력에 의한 신체 손상으로 피부 또는 다른 조직이 끊기거나 조직 일부에 결손이 생기는 것을 의미한다. 창상에는 찰과상, 타박상, 열상, 칼날에 의한 절창 등이 있고, 창상의 형태로, 표피 박리창, 피하출혈, 좌상, 좌창, 변상창 등이 있으나, 크게 나누면 폐쇄창과 개방창으로 나눌 수 있다.

이때, 외과 수술에 수반되는 창상은 기본적으로 정상적인 신체에 인위적으로 발생한 칼날(매스)에 의한 절창으로 간주할 수 있다. 이러한 창상에 대한 치유는 개별화된 과정이 순서대로 진행되는 것이 아니라 각각의 과정이 동시 다발적으로 진행되게 된다.

창상 치유 과정 및 기간은 조직 손상 정도에 따라 차이가 있으나, 일반적으로 청결한 절개창에 의한 손상은 정상적인 환경하에서는 예견된 방식(pattern)을 따를 수 있다. 따라서 서비스 서버는 외과 수술 후 회복 기간을 염증기, 증식기, 성숙기 등으로 분류할 수 있다. 이때, 각각의 기간은 독립적이지 않으며 다른 기간과 중복될 수 있다.

보다 구체적으로 서비스 서버는, 수술 후 48시간까지 발생할 수 있는 열, 종양, 부어오름, 기능 장애, 딱지 생김 등의 증상과 염증기를 매칭할 수 있다. 나아가 서비스 서버는 수술 후 2일~6주까지 발생할 수 있는 염증 징후 소멸, 붓기 감소, 상처 크기 감소, 상처 부위 틈 감소, 가려움 등의 증상과 증식기를 매칭할 수 있다. 나아가 서비스 서버는 당기는 느낌이 줄어들고, 붉거나 튀어나온 흉터가 줄어들며, 기능이 정상화되는 증상을 성숙기, 즉 피부재형성기와 매칭할 수 있다.

외과 수술 후 치유의 단계는 환자의 연령, 인종, 상처의 유형, 신체 부위 및 염증 부위의 지속 시간에 따라 상이하게 설정될 수 있다.

나아가 서비스 서버는 분류된 치유 단계별로 전형적인 환자 상태, 증상 및 비전형 상태, 증상에 대한 데이터를 확인하고, 해당 시기의 위험도 등급을 구분할 수 있다. 나아가 서비스 서버는 특정 환자의 수술 후 임의의 시기의 상태 또는 증상이 정상인지, 주의가 필요한지, 비정상인지 확인할 수 있다. 예를 들어 서비스 서버는 사용자 디바이스로부터 사용자 상태 정보 및 증상 정보를 수집하고 데이터베이스를 참고하여 해당 시기의 상태 또는 증상의 위험도 등급을 분류할 수 있다.

이후 서비스 서버는 위험도 등급을 이용하여 해당 사용자의 염증 발생 가능성, 회복 속도 및 회복 분위를 추정할 수 있다.

예를 들어 서비스 서버는, 외과 수술에 수반되는 출혈, 통증, 멍, 붓기, 흉터 등의 파라미터의 변경 정보와 사용자의 현재 상태에 대한 데이터를 비교하여 상처의 치유 상태를 파악할 수 있다. 즉, 임상 사인 (clinical sign)의 시기(timing)와 사용자 상태의 단계(stage)를 비교하여 사용자의 치유 속도를 유추할 수 있다.

서비스 서버에서 사용자를 진단하는 보다 구체적인 방법은 첨부된 도 1에 대한 설명에서 후술된다.

도 1은 본 발명의 실시예에 따라 외과 수술 후 사용자 상태를 진단하는 과정을 설명하기 위한 순서도이다.

단계 130에서 서비스 서버는 외과적 수술의 회복 기간을 미리 특정된 기준에 따라 분류할 수 있다.

예를 들어, 외과 수술 후 회복 기간은 염증기 초기, 염증기 후기, 증식기 초기, 증식기 후기, 성숙기 초기, 성숙기 후기 등으로 분류할 수 있다. 이때, 각각의 기간은 독립적이지 않으며 다른 기간과 중복될 수 있다.

예를 들어 초기 염증기는 수술 당일~ 수술후 3일, 후기 염증기는 수술후 3일~ 수술후 7일, 증식기 초기는 수술후 3일 부터~ 수술후 21일, 증식기 후기는 수술후 21일~ 수술후 42일, 성숙기 초반은 수술후 14일~ 수술후 184일~ 성숙기 후기는 수술후 184일 이후로 분류할 수 있다.

한편, 본 발명은 단계 130에서, 외과적 수술의 회복 기간을 미리 특정된 기준에 따라 분류하면 족하며, 위의 예시에 제한되어 해석될 수 없음에 유의해야 한다. 즉, 설정에 따라 회복 기간의 분류는 변경될 수 있으며, 예를 들어 염증기, 증식기, 성숙기 등으로 분류될 수도 있다.

단계 135에서 서비스 서버는 시간의 흐름에 따른 상태 파라미터를 정의할 수 있다. 이는 멍, 통증, 출혈, 붓기, 흉터 등 외과 수술에 수반되는 일반적인 증상을 이용하여 환자의 상태를 정량적으로 평가하기 위한 것이다. 예를 들어 수술 후 멍은, 새빨간 색 - 푸른빛이 도는 검붉은 색 - 진한 멍 주변에 연한 녹색의 얇은 테두리 - 진한 멍 주변의 노란멍 - 진한멍이 작아지고 넓게 퍼진 노랑멍이 아래로 내려온 경우 - 연한 노란멍이 조금 남은 경우 - 연한 갈색멍이 조금 남은 경우 - 멍이 다 없어진 경우 등 8단계로 구분할 수 있다. (H1~H8)

또 다른 예로 수술 후 통증은 가만히 있어도 계속 굉장히 아파서 참기 힘든 정도 - 가만히 있어도 계속 꽤 많이 아픈 정도 - 가만히 있어도 계속 조금 아픈 정도 - 만지거나 움직일 때 일시적으로 아픈 정도 - 아프지는 않지만 종종 욱신거리는 정도- 만져도 아프지 않은 정도 등 6단계로 구분할 수 있다. (P1~P6)

또 다른 예로 출혈은 거즈 여러장이 흠뻑 젖을 정도로 피가 멈추지 않는 정도 - 한두방울 정도 조금 흘러나오는 정도 - 출혈이 없는 경우 등 3단계로 구분할 수 있다. (B1~B3)

또 다른 예로 수술 후 붓기는 주변까지 넓게 부은 경우 - 수술 부위만 많이 부은 경우 - 초반보다 붓기가 아래로 내려와서 더 이상 붓지 않는 경우 - 하루 종일 티나게 부담스러운 잔붓기가 있어 다른 사람이 알아볼 수 있는 정도 - 오전 오후 차이가 생기는 잔붓기가 있는 경우 - 미세하지만 혼자서 느낄 수 있는 잔붓기가 남아있는 경우 - 붓기가 하나도 없는 경우 등 7단계로 구분할 수 있다. (E1~E7)

또 다른 예로 수술 후 흉터는 흉터가 없는 경우 - 상처 봉합이 되어 상처 주변이 붉은 경우 - 상처에 딱지가 생긴 경우 - 울퉁불퉁하게 튀어나온 붉은 흉터 - 살짝 튀어나온 연한 분홍빛 흉터 - 눈에 잘 띄지 않는 피부색 흉터 - 비대해지거나 함몰된 흉터 등 7단계로 구분할 수 있다. (S1~S7)

나아가 서비스 서버는 수술 후 시간의 흐름에 따른 상태 파라미터의 분포를 모델링할 수 있다. 이는 이후 특정 시점의 상태에 대한 위험도 등급을 분류하거나 회복 속도를 추정하는데 사용될 수 있다.

예를 들어 수술 후 2일째 멍은 H1 또는 H2, 통증은 P2 내지 P5, 출혈은 B2, 붓기는 E1 또는 E2, 흉터는 S2를 기준으로 상태 파라미터가 분포될 수 있으며, 수술 후 7일째 멍은 H4 내지 H8, 통증은 P2 내지 P6, 출혈은 B3, 붓기는 붓기는 E1 또는 E2, 흉터는 S2, S4, S5를 기준으로 상태 파라미터가 분포될 수 있다.

한편 서비스 서버는 수술의 종류 별로 시간의 흐름에 따른 증상 파라미터를 정의할 수 있다. 이는 해당 수술에 일반적으로 수반되는 증상을 정량적으로 평가하기 위한 것이다.

예를 들어 눈과 관련된 외과 수술의 경우, 눈의 이물감, 결막하출혈, 몽우리, 당기는 느낌, 점막 들림, 안구 건조증, 수술부위의 간지러움, 결막 부종, 감각 둔화, 비대칭을 증상 파라미터로 정의할 수 있다.

또 다른 예로 코와 관련된 외과 수술의 경우, 많은 콧물, 코막힘, 결막하출혈, 몽우리, 당기는 느낌, 살이나 뼈가 튀어나오는 경우, 수술 부위의 간지러움, 감각둔화, 비대칭 등을 증상 파라미터로 정의할 수 있다.

또 다른 예로 눈 및 코에 모두 관련된 외과 수술의 경우, 눈에 이물감, 결막하출혈, 몽우리, 당기는 느낌, 점막 들림, 안구건조증, 간지러움, 결막부종, 감각 둔화 등을 증상 파라미터로 정의할 수 있다.

한편, 특정 수술에 수반될 수 있는 다양한 증상 중, “몽우리”는 염증 발생과 관련된 중요한 지표로 구분될 수 있다. 따라서 본 발명의 실시예를 따르면, 몽우리에 대한 증상은 열감 발생, 피부 붉어짐에 대한 세부 파라미터와 함께 정의될 수 있다.

나아가 서비스 서버는 수술 후 시간의 흐름에 따른 증상 파라미터의 분포를 모델링할 수 있다. 이는 이후 특정 시점의 상태에 대한 위험도 등급을 분류하는데 사용될 수 있다.

예를 들어 눈 부위의 수술 후 11일째 당기는 느낌 또는 수술 부위의 간지러움은 정상이나, 눈의 이물감, 결막하출혈, 점막들림, 안구건조증, 결막부종, 감각둔화, 비대칭 증상은 모두 주의가 필요한 증상으로 분류할 수 있다. 특히 몽우리 증상의 경우, 염증과 관련된 지표로서 비정상 증상으로 분류할 수 있다.

이후 서비스 서버는 회복 기간별로 상태 파라미터의 위험도 등급을 분류할 수 있다. 위험도 등급은 정상, 주의, 비정상으로 부여될 수 있으며, 이는 이후 염증발생 가능성, 회복 속도, 회복 분위를 추정하는데 사용될 수 있다. (단계 140)

예를 들어, 멍에 대한 파라미터의 경우, 새빨간 멍을 의미하는 H1이 수술후 3일 이내에 나타난 경우는 정상, 3일에서 6일 이내에 나타난 경우는 주의, 그 이후에 나타난 경우는 비정상 등급을 부여할 수 있다. 나아가 푸른빛을 도는 검붉은 멍을 의미하는 H2가 수술 후 5일 이전에 나타난 경우는 정상, 5일 이후에 나타난 경우는 주의, 15일 이후에 나타난 경우에는 비정상 등급을 부여할 수 있다.

또 다른 예로, 붓기에 대한 파라미터의 경우, 주변까지 넓게 부은 붓기를 의미하는 E1에 수술 후 7일 전에 나타난 경우는 정상, 7일 이후에 나타난 경우는 주의, 14일 이후에도 나타난 경우에는 비정상 등급을 부여할 수 있다.

나아가 서비스 서버는 회복 기간별로 증상 파라미터의 위험도 등급을 분류할 수 있다. 위험도 등급은 정상, 주의, 비정상으로 부여될 수 있으며, 이는 이후 염증발생 가능성, 회복 속도, 회복 분위를 추정하는데 사용될 수 있다. (단계 145)

예를 들어 눈과 관련된 외과 수술의 경우, 당기는 느낌에 대한 증상이 수술후 2개월 이내에 나타난 경우라면 정상, 수술 후 2개월 이후에 나타난 경우라면 주의 등급을 부여할 수 있다. 또한 눈 이물감에 대한 증상이 나타난 것이 수술 직후부터 수술후 14일 이내라면 주의, 14일 이후에 나타난 경우라면 비정상 등급을 부여할 수 있다.

또 다른 예로 코와 관련된 외과 수술의 경우, 코막힘 증상은 수술후 한달 이내라면 정상 등급, 한달 이후라면 주의 등급, 2개월 이후라면 위험 등급을 부여할 수 있다. 나아가 비대칭 증상은 수술후 10일 이내라면 정상 등급, 10일 이후 6개월 이내라면 주의 등급, 6개월 이후라면 비정상 등급을 부여할 수 있다.

특히 외과 수술에서 수반될 수 있는 다양한 증상 중, “몽우리” 증상은 염증 발생과 관련하여 매우 중요한 지표로 분류될 수 있다. 따라서 몽우리 증상은 수술 후 어떤 시기라도 비정상 등급이 부여될 수 있다.

한편, 단계 110 내지 단계 125에서 사용자 디바이스는 수술 후 환자의 상태 정보를 수집할 수 있다.

보다 구체적으로 단계 110에서 사용자 디바이스는 나이, 연령, 성별, 체질량지수, 체질, 피부타입, 수술 횟수 등에 대한 사용자의 기본 정보를 수집할 수 있다. 이는 사용자를 특정하고, 통계 정보를 생성하기 위한 것이다.

단계 115에서 사용자 디바이스는 사용자 입력을 통해 병원 정보를 수집할 수 있다. 예를 들어, 내원 병원에 대한 식별 정보, 내원 목적, 집도의 식별 정보 등을 수집할 수 있다. 이는 병원 및 의사에 대한 통계 정보를 생성하기 위한 임의적인 단계로 구현에 따라 생략될 수 있다.

단계 120에서 사용자 디바이스는 사용자 입력을 통해 수술 정보를 수집할 수 있다. 예를 들어 수술 부위, 수술 방식, 수술 시기 등에 대한 정보를 수집할 수 있다.

도 2의 <A>는 병원 정보 또는 수술 정보를 수집하는 사용자 인터페이스의 예시이다. 수술 병원, 집도의, 수술일, 수술 부위, 수술 방식, 수술 횟수 등에 대한 사용자 입력이 수신되면, 도 2의 <A>의 예시와 같은 사용자 인터페이스를 통해 병원 정보 및 수술 정보가 생성될 수 있다.

수술 정보 및/또는 병원 정보는 도 1의 예시와 같이 사용자 디바이스를 통해 수집될 수 있지만, 본 발명의 실시예를 따르는 수술 수행 병원의 서버로부터 수집될 수도 있다. 예를 들어, 서비스 서버는 병원의 시스템과 연동하여 수술 대기 리스트를 조회하는 방식으로 병원 정보 및/또는 수술 정보를 수집할 수도 있다.

단계 125에서 사용자 디바이스는 시간대별 사용자 상태 및 증상 정보를 수집할 수 있다. 예를 들어 멍, 붓기, 통증, 출혈, 흉터 등 상태에 대한 정보 및 불편 증상에 대한 정보를 수집할 수 있다. 본 발명의 실시예를 따르면, 상기 상태 정보 및 증상 정보는 단계 135에서 정의한 파라미터를 표시하는 사용자 인터페이스를 통해 수집될 수 있다.

본 발명의 선호되는 실시예를 따르면, 사용자의 상태 정보, 증상 정보는 시간대별로 수집될 수 있다. 환자의 회복 속도 및 회복 분위를 추정하기 위해서는 수술 후 시간의 흐름에 따르는 사용자의 상태와 증상의 변경 값이 필요하기

때문이다.

나아가 사용자 디바이스는, 수집한 상태 정보 및/또는 증상 정보에 대한 위험도 등급을 미리 설정된 기준에 따라 분류하고, 상기 위험도 등급을 상기 사용자 인터페이스를 통해 표시할 수 있다.

예를 들어 사용자 디바이스는 위험도 등급을 상중하로 구분하고, 각각의 등급을 빨간색, 노란색, 파란색과 매칭하여, 색상값으로 위험도 등급을 표시할 수 있다.

예를 들어 사용자의 붓기 또는 통증이 과거에 비해 증가되었거나 새빨간 멍이 계속되는 경우, 심한 통증이 계속되는 경우, 출혈이 계속되는 경우, 부기가 수술 후 한달 이후에도 계속되는 경우는 해당 상태에 대한 위험도 등급을 상으로 구분하고, 사용자 상태 리스트의 해당 상태 항목에 빨간색 아이콘을 표시하는 방식으로 사용자 상태에 대한 위험도 등급을 표시할 수 있다.

또다른 예로, 사용자에게 점막 들림 또는 감각 둔화의 증상이 발생한 경우 해당 증상에 대한 위험도 등급을 중으로 구분하고, 사용자 증상 리스트의 해당 증상 항목에 노란색 아이콘을 표시하는 방식으로 사용자 증상에 대한 위험도 등급을 표시할 수 있다.

사용자 디바이스에서 환자의 상태 및 증상 정보를 수집하고, 위험도 등급을 표시하는 사용자 인터페이스에 대한 예시는 첨부된 도 2에 대한 설명에서 후술된다.

도 2의 <B, C>는 환자의 상태 정보를 수집하는 사용자 인터페이스의 예시이다. 사용자는 도 2의 <B, C>와 같은 사용자 인터페이스를 통해 멍, 붓기, 통증, 출혈, 흉터 중 어느 하나를 지정하고, 지정된 지표에 대한 보기를 통해 해당 시점의 상태를 정량적으로 측정할 수 있다.

특히 본 발명의 실시예를 따르면, 사용자는 210과 같은 사용자 인터페이스를 통해 해당 지표의 상태 변경 정보를 선택할 수 있다. 사용자가 자신의 상태에 대해 이전 시점과 해당 시점에 각각 동일한 보기를 선택한 경우라도, 상태는 시간의 경과에 따라 미세하게 변경될 수 있으며, 220은 이와 같은 상태 변경 정보를 확인하기 위한 것이다.

본 발명의 실시예를 따르면, 상태 변경 정보는 감소, 유지, 증가 등으로 분류될 수 있으며, 210의 예시와 같은 사용자 선택 가능한 보기를 제공하여 수집될 수 있다.

나아가 본 발명의 선호되는 실시예를 따르면, 220과 같은 상태 변경 정보는 붓기 및/또는 통증 카테고리에 대해서만 제공되는 것이 적절하며, 멍, 출혈, 흉터 카테고리에 대해서는 제공되지 않을 수 있다.

도 2의 <D>는 환자의 증상 정보를 수집하는 사용자 인터페이스의 예시이다. 사용자는 도 2의 <D>와 같은 사용자 인터페이스를 통해 해당 수술에 수반될 수 있는 증상 중 자신이 해당되는 증상을 선택할 수 있다.

특히 외과 수술에 수반될 수 있는 다양한 증상 중, “몽우리” 증상은 염증 발생 가능성과 관련된 중요한 지표로서, 사용자가 “몽우리”를 선택한 경우, (도 2의 D, 215) “열감 발생” 또는 “피부 붉어짐”에 대한 증상을 입력할 수 있는 추가적인 사용자 인터페이스가 제공될 수 있다.

한편, 도 2의 <E>는 사용자의 상태 및 증상에 대한 위험도 등급이 표시되는 사용자 인터페이스의 예시이다. 사용자는 도 2의 <E>와 같은 사용자 인터페이스를 통해 위험 상태 및/또는 증상 항목에 대한 노티스를 색상값으로 제공받을 수 있다.

보다 구체적으로, 도 2의 <E>의 222은 사용자의 상태 및 증상에 대한 리스트이다. 222의 예시는 사용자의 상태 리스트 중, 붓기 증가 및 출혈 증가 항목에 빨간색 아이콘이 표시되고, 사용자의 증상 리스트 중, 눈에 이물감, 점막 들림 항목에 빨간색 아이콘, 감각둔화 항목에 노란색 아이콘이 표시된 경우이다.

이와 같이 본 발명의 실시예를 따르면 특정 상태의 위험도 등급에 대한 정보가 색상 아이콘으로 표시되어, 사용자는 해당 상태의 위험도를 직관적으로 인식할 수 있다.

다시 도 1에 대한 설명으로 복귀하면, 단계 150에서 사용자 정보는 사용자 디바이스에서 서비스 서버로 전송될 수 있다. 사용자 디바이스는 사용자의 기본 정보, 병원 정보, 수술 정보, 시간의 흐름에 따른 사용자의 상태 정보 및 증상 정보를 서비스 서버에 제공할 수 있다.

단계 160에서 서비스 서버는 수집된 사용자 정보를 토대로, 해당 사용자의 염증 발생 가능성을 추정할 수 있다.

염증 발생 가능성은 수술 후 5일 이상 경과된 후부터 판단하는 것이 적절하며, 사용자의 상태 정보 중 붓기 또는 통증에 대한 파라미터, 상태 변경 정보, 붓기 또는 통증의 위험도 등급, 사용자의 증상 정보 중 몽우리에 대한 파라미터, 열감 또는 피부 붉어짐에 대한 사용자 정보 등을 이용하여 계산될 수 있다.

예를 들어, 특정 사용자의 특정 시점의 붓기의 상태 변경 정보가 “증가”인 경우 또는 해당 시점의 붓기 상태에 대한 위험도 등급이 “비정상” 등급인 경우 염증 발생 가능성을 5% 증가시킬 수 있다.

또 다른 예로, 특정 사용자의 특정 시점의 통증의 상태 변경 정보가 “증가”인 경우 또는 해당 시점의 통증 상태에 대한 위험도 등급이 “비정상” 등급인 경우, 염증 발생 가능성을 5% 증가시킬 수 있다.

또 다른 예로 특정 사용자의 특정 시점의 증상 정보 중, “몽우리”가 선택된 경우, 염증 발생 가능성을 50% 증가시킬 수 있다. 나아가, 사용자가 “몽우리”이 증상이 있는 경우, 염증 발생 가능성이 매우 높은 것이기 때문에 본 발명의 실시예를 따르면, “몽우리” 증상과 함께 “열감 발생” 또는 “피부 붉어짐”이 증상이 있는 경우, 염증 발생 가능성을 각각 20%씩 증가시킬 수 있다.

단계 170에서 서비스 서버는 수집된 사용자 정보를 토대로, 해당 사용자의 회복 속도를 추정할 수 있다

회복 속도는 사용자의 상태 정보, 상태 정보의 위험도 등급을 이용하여 상태 파라미터 별로 회복 점수를 부여하고, 상태 파라미터에 대한 평균 점수를 회복 속도 매우 느림에서 매우 빠름으로 분류한 것과 매칭하여 추정될 수 있다.

예를 들어, 회복 점수는 상태 카테고리 별로 위험도 등급이 정상이면 5점, 주의이면 2점, 비정상이면 0점이 부여될 수 있다. 나아가 임의의 상태가 정상 등급을 뛰어넘는 매우 좋은 상태 (등급외)이면 10점이 부여될 수도 있다. 예를 들어 수술 후 4일째에 사용자의 멍 상태가 H4 (진한 멍 주변에 노란멍이 넓게 퍼진 경우)라면, 정상 등급을 뛰어넘는 매우 좋은 상태로 멍 카테고리에 대한 회복 점수는 10점이 부여될 수 있다.

나아가 회복 속도는, 예를 들어 평균 회복 점수가 2 미만이면 매우 느림, 2이상 3미만이면 많이 느림, 3이상 4미만이면 느림, 4이상 5미만이면 조금 느림, 5이상 6미만이면 보통, 6이상 7미만이면 조금 빠름, 7이상 8미만이면 빠름, 8이상 9미만이면 많이 빠름, 9이상이면 매우 빠름으로 매칭하는 방식으로 회복 점수를 정성적으로 표현할 수 있다.

예를 들어 특정 사용자가 수술 후 21일째, 멍에 대한 상태가 H4, 통증에 대한 상태가 P3, 출혈에 대한 상태가 B2, 붓기에 대한 상태가 E4, 흉터에 대한 상태가 S4인 경우를 고려할 수 있다.

본 발명의 실시예를 따르면, 수술 후 21일째 H4는 주의, P3은 주의, B2는 위험, E4는 정상, S4는 정상으로 위험도 등급이 분류될 것이다. 이 경우, 해당 사용자의 해당 시점의 회복 점수는 멍에 대해 2점, 통증에 대해 2점, 출혈에 대해 0점, 붓기에 대해 5점, 흉터에 대해 5점이 부여될 수 있다. 회복 점수의 총합계는 14점으로, 이를 상태 파라미터의 개수인 5로 나누면, 상태 파라미터를 이용한 회복 점수의 평균값은 2.8로 계산될 수 있다. 이경우, 회복 점수의 평균값은 많이 느림으로 매칭되기 때문에, 사용자의 회복 속도는 “많이 느림”으로 판단할 수 있다.

단계 170에서 서비스 서버는 수집된 사용자 정보를 토대로 해당 사용자의 회복 분위를 추정할 수 있다.

사용자의 회복 분위는 상태 파라미터에 대한 회복 점수를 기본으로 붓기 및 통증에 대한 상태 변경 정보, 증상 정보 등을 이용하여 계산될 수 있다. 예를 들어 특정 시점에서 붓기 및 통증이 감소된 경우 추가 점수 0.1, 유지된 경우 추가 점수 0, 증가된 경우 추가 점수 -0.1이 부여될 수 있으며, 특정 시점에서 발생한 임의의 증상의 위험도 등급이 정상 등급인 경우 0점, 주의 등급인 경우 -1.5, 비정상 등급인 경우 -3점이 부여될 수 있다.

특정 사용자가 수술 후 21일째, 멍에 대한 상태가 H4, 통증에 대한 상태가 P3, 출혈에 대한 상태가 B2, 붓기에 대한 상태가 E4, 흉터에 대한 상태가 S4인 앞의 예에서, 해당 시점에 붓기는 감소하고, 통증은 유지되며, 점막 들림과 안구 건조증 증상이 발생된 경우를 고려할 수 있다.

본 발명의 실시예를 따르면, 해당 사용자의 해당 시점의 상태 회복 점수는 멍에 대해 2점, 통증에 대해 2점, 출혈에 대해 0점, 붓기에 대해 5점, 흉터에 대해 5점이 부여될 수 있다. (총 14점)

나아가 붓기 및 통증에 대한 상태 변경 정보를 반영하여 붓기에 대한 추가점수로 0.1, 통증에 대한 추가 점수로 0점이 부여될 수 있다. (총 0.1점)

나아가 점막 들림과 안구 건조증 증상을 감안하면, 수술 후 15일에 점막 들림과 안구 건조증 증상은 주의 등급으로 각각의 증상에 대해 -1.5점이 부여될 수 있다. (총 -3점) 이 경우, 회복 점수의 총합계는 11.1점으로, 11.1% 회복한 것으로 추정될 수 있다.

한편, 서비스 서버는 사용자의 상태 또는 증상의 발생 확률이 미리 설정된 범위 이하인 경우, 사용자의 상태 또는 증상의 위험도를 별도로 판단할 수 있다. (단계 172)

예를 들어 사용자의 붓기 또는 통증이 과거에 비해 증가되었거나 새빨간 멍이 계속되는 경우, 심한 통증이 계속되는 경우, 출혈이 계속되는 경우, 부기가 수술 후 한달 이후에도 계속되는 경우는 발생 확률이 매우 낮고, 위험도를 높게 추정할 수 있다.

단계 175에서 서비스 서버는 염증 발생 가능성, 회복 속도, 회복 분위의 추정 값, 위험도 추정값에 대한 정보를 사용자 디바이스에 전송할 수 있으며, 단계 180에서 사용자 디바이스는 이를 사용자에게 노티스할 수 있다.

도 2의 <E, F>는 염증 발생 가능성, 회복 속도, 회복 분위에 대한 정보를 제공하는 사용자 인터페이스의 예시이다.

본 발명의 실시예를 따르면, 220과 같이 염증 발생 가능성을 정량적으로 표시하여 사용자에게 제공할 수 있으며, 회복 속도에 대한 추정값을 230과 같이 표시하여 사용자에게 제공할 수 있다. 나아가 회복 분위에 대한 정보를 240과 같이 정량적으로 표시하여 사용자에게 제공할 수 있다.

본 명세서와 도면에 게시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 게시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (4)

1. 수술 후 사용자의 회복 가능성을 추정하는 방법에 있어서,
   서비스 서버에서, 사용자 디바이스를 통해 사용자의 상태 정보 및 증상 정보를 수집하는 a 단계,
   상기 서비스 서버에서, 미리 특정된 카테고리의 상태의 변경 정보, 임의의 시점에 상기 미리 특정된 카테고리의 상태에 부여된 위험도 등급, 미리 특정된 카테고리의 증상 정보, 상기 미리 특정된 카테고리의 증상에 수반되는 세부 증상 정보를 이용하여 상기 사용자의 염증 발생 가능성을 추정하는 b 단계; 및
   상기 서비스 서버에서, 상기 사용자의 상태 정보, 상기 상태에 부여된 위험도 등급을 이용하여 상태 파라미터 별로 회복 점수를 부여하고, 상태 파라미터에 대한 평균 점수를 이용하여 회복 속도를 추정하는 c 단계를 포함하는 것을 특징으로 하는 회복 가능성 추정 방법.
2. 제 1항에 있어서, 상기 c 단계 이후에,
   상기 상태 카테고리별로 회복 점수를 부여하는 단계;
   붓기 및 통증 카테고리에 대한 상태 변경 정보를 확인하고, 상기 상태 변경 정보에 대한 추가 점수를 부여하는 단계;상기 증상 정보에 대한 위험도 등급을 부여하고, 상기 위험도 등급별로 회복 점수를 부여하는 단계; 및
   상기 상태 카테고리에 대한 회복 점수 및 상기 증상 카테고리에 대한 회복 점수를 집계하여, 해당 사용자의 회복 분위를 추정하는 단계를 더 포함하는 것을 특징으로 하는 회복 가능성 추정 방법.
3. 제 2항에 있어서,
   상기 b 단계는, 상기 서비스 서버에서, 붓기 및/또는 통증 카테고리에 대한 상태의 변경 정보, 임의의 시점에 상기 붓기 및/또는 통증 카테고리에 대한 상태에 부여된 위험도 등급, 몽우리 증상에 대한 정보 및 상기 몽우리 증상에 수반되는 열감 및/또는 홍반에 대한 세부 증상 정보를 이용하여 염증 발생 가능성을 추정하는 단계를 포함하며,
   상기 c 단계는, 상기 서비스 서버에서 상기 위험도 등급이 비정상인 경우 0점, 주의인 경우 2점, 정상인 경우 5점, 등급외인 경우 10점을 부여하여 상기 증상 카테고리별로 회복 점수를 부여하고, 상기 증상 카테고리별 회복 점수의 평균값을 이용하여 회복 속도를 추정하는 단계를 포함하는 것을 특징으로 하는 회복 가능성 추정 방법.
4. 제 3항에 있어서, 상기 a 단계는,
   상기 사용자 디바이스에서, 미리 특정된 카테고리별로, 사용자의 상태를 특정할 수 있는 보기를 제공하고, 상기 보기에 대한 사용자 선택 입력을 수신하여 상기 상태 정보를 수집하고, 상기 상태 정보에 대한 위험도 등급을 미리 설정된 기준에 따라 분류하고, 상기 위험도 등급을 표시하는 단계; 및
   상기 사용자 디바이스에서, 임의의 수술에 수반되는 증상에 대한 보기를 제공하고, 상기 보기에 대한 사용자 선택 입력을 수신하여 상기 증상 정보를 수집하며, 고, 상기 증상 정보에 대한 위험도 등급을 미리 설정된 기준에 따라 분류하고, 상기 위험도 등급을 표시하는 단계를 포함하는 것을 특징으로 하는 회복 가능성 추정 방법.
   
   

Images