KR20200059430A - Systme and method for recommanding symptoms of diseases - Google Patents
Systme and method for recommanding symptoms of diseases Download PDFInfo
- Publication number
- KR20200059430A KR20200059430A KR1020180144133A KR20180144133A KR20200059430A KR 20200059430 A KR20200059430 A KR 20200059430A KR 1020180144133 A KR1020180144133 A KR 1020180144133A KR 20180144133 A KR20180144133 A KR 20180144133A KR 20200059430 A KR20200059430 A KR 20200059430A
- Authority
- KR
- South Korea
- Prior art keywords
- symptom
- symptoms
- unit
- disease
- patient
- Prior art date
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
- G16H50/20—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
본 발명은 의사의 환자에 대한 증상 파악을 객관화 할 수 있는 질병 증상 추천 시스템에 관한 것이다.The present invention relates to a disease symptom recommendation system that can objectively grasp the symptoms of the patient of the doctor.
환자의 질병을 치료하기 위해서는 의사가 환자의 상태를 정확하게 파악하는 것이 중요하다. 즉, 환자의 증상을 정확하게 파악해야 증상에 따른 질병을 진단할 수 있고, 그 질병에 대한 치료 방법도 제시할 수 있다.In order to treat a patient's disease, it is important for the doctor to accurately understand the patient's condition. That is, the patient's symptoms must be accurately identified to diagnose the disease according to the symptoms, and a treatment method for the disease can also be presented.
일반적으로 환자의 증상은 의사의 문진을 통하여 이루어지는데, 이때 의사의 문진은 의사가 가진 제한적 지식과 경험을 바탕으로 이루어져 증상을 잘못 판단하거나 환자의 복합적인 증상들 중 일부를 누락할 확률이 높다.In general, the patient's symptoms are made through a doctor's interview, where the doctor's interview is based on the limited knowledge and experience of the doctor, making it possible to misjudge the symptoms or to omit some of the patient's complex symptoms.
환자의 증상으로부터 환자가 가지고 있는 질병을 진단하는 것은 의사의 주관적, 직관적 판단에 의해 결정되는데, 이러한 의사의 주관적 판단에 의해 오진할 확률도 크다.Diagnosis of a patient's disease from a patient's symptoms is determined by the subjective and intuitive judgment of the doctor, and there is a high probability of misdiagnosis by the subjective judgment of the doctor.
또한, 유전 질병을 가진 환자에 대한 유전자 검사를 신청하는 경우, 의사가 환자의 증상 정보를 종합적이고 자세하게 입력할수록 유전자 검사를 통한 진단의 성공 가능성을 높일 수 있다.In addition, in the case of applying for a genetic test for a patient with a genetic disease, the more comprehensive and detailed the patient's symptom information is input, the higher the probability of successful diagnosis through genetic testing.
따라서, 의사가 환자의 증상 파악할 때 객관적인 정보에 기반한 진단을 내릴 수 있도록 보완할 수 있는 질병 증상 추천 시스템이 필요하다.Therefore, there is a need for a disease symptom recommendation system that can be supplemented so that a doctor can make a diagnosis based on objective information when grasping a patient's symptoms.
본 발명이 이루고자 하는 기술적 과제는 환자 증상 프로파일과 질병 증상 프로파일 간의 증상 유사도를 통해 의사의 환자에 대한 질병 증상 진단을 객관화 할 수 있는 질병 증상 추천 시스템 및 방법을 제공하고자 한다.The technical problem to be achieved by the present invention is to provide a disease symptom recommendation system and method that can objectively diagnose disease symptoms for a doctor's patient through symptom similarity between a patient symptom profile and a disease symptom profile.
이러한 과제를 해결하기 위하여 본 발명의 실시예에 따른 질병 증상 추천시스템은 사용자로부터 환자 증상 프로파일을 입력 받는 입력부; 데이터베이스에 이미 저장되어 있는 각각의 질병 증상 프로파일과 입력된 환자 증상 프로파일 간의 증상 유사도를 산출하는 산출부; 입력된 환자 증상 프로파일 이외에 환자의 증상과 상관성이 높은 증상을 상기 증상 유사도를 이용하여 선별하는 선별부; 및 사용자에게 선별된 증상을 추천하는 추천부를 포함한다.In order to solve this problem, the disease symptom recommendation system according to an embodiment of the present invention includes an input unit that receives a patient symptom profile from a user; A calculator configured to calculate a symptom similarity between each disease symptom profile already stored in the database and the input patient symptom profile; A screening unit that selects, in addition to the input patient symptom profile, symptoms that are highly correlated with the patient's symptoms using the symptom similarity; And a recommendation unit that recommends the selected symptoms to the user.
상기 산출부는 하기 식 1에 의해 질병 증상 프로파일과 환자 증상 프로파일 간의 증상 유사도를 산출하는 질병 증상 추천 시스템.The calculating unit is a disease symptom recommendation system for calculating the symptom similarity between the disease symptom profile and the patient symptom profile according to Equation 1 below.
식 1Equation 1
(P는 환자 증상 프로파일이고, D은 질병 증상 프로파일이다.)(P is the patient symptom profile, D is the disease symptom profile.)
상기 선별부는, 상기 증상 유사도가 높은 순으로 기 설정된 순위에 따라 상기 질병 증상 프로파일을 선택하는 제1 선택부와 선택된 상기 질병 증상 프로파일에 포함된 질병 증상들 중에서 포함되어 있는 횟수가 많은 순으로 기 설정된 순위에 따라 사용자에게 추천할 증상을 선별하는 제2 선택부를 포함할 수 있다.The selection unit is preset in the order in which the number of times included among the disease symptoms included in the selected disease symptom profile and the first selection unit for selecting the disease symptom profile according to a predetermined ranking in the order of high symptom similarity. It may include a second selection unit for selecting the symptoms to recommend to the user according to the ranking.
상기 입력부는 사용자가 환자 증상을 편리하게 입력하도록 증상들을 카테고리로 분류하여 보여줄 수 있다.The input unit may classify and show symptoms into categories so that the user can conveniently input patient symptoms.
외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 포함되는 증상을 업데이트하는 증상 구축부를 더 포함할 수 있다.A symptom constructing unit that updates symptoms included in a category of the input unit by using an ontology from various medical basic information collected from the outside may be further included.
상기 증상 구축부는 온톨로지 모델링을 기초로 카테고리 분야를 구축하는 카테고리 구축부, 의료 기초정보로부터 추출된 증상 키워드에 온톨로지 속성을 부가하는 온톨로지 설정부, 및 상기 증상 키워드를 온톨로지 속성에 따라 미리 구축된 카테고리 분야에 포함시키는 카테고리 결정부를 포함할 수 있다.The symptom construction unit is a category construction unit that builds a category field based on ontology modeling, an ontology setting unit that adds an ontology attribute to symptom keywords extracted from medical basic information, and a category field that is pre-built according to the ontology attributes It may include a category determining unit to include in.
위에서 언급된 본 발명의 기술적 과제 외에도, 본 발명의 다른 특징 및 이점들이 이하에서 기술되거나, 그러한 기술 및 설명으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.In addition to the technical problems of the present invention mentioned above, other features and advantages of the present invention are described below, or it will be clearly understood by those skilled in the art from the description and description.
이상과 같은 본 발명에 따르면 다음과 같은 효과가 있다.According to the present invention as described above has the following effects.
본 발명은 환자 증상 프로파일과 질병 증상 프로파일 간의 증상 유사도를 통해 환자 증상을 추천함으로써 사용자의 주관적, 직관적 판단에 의해 놓칠 수 있는 환자 증상을 보완할 수 있다.The present invention can supplement patient symptoms that may be missed by the subjective and intuitive judgment of the user by recommending patient symptoms through symptom similarity between the patient symptom profile and the disease symptom profile.
또한, 본 발명은 의사의 주관적, 직관적 판단에 의해 놓칠 수 있는 환자 증상을 추천함으로써 유전 질병을 가진 환자에 대한 유전자 검사를 통한 진단 성공 가능성을 높일 수 있다.In addition, the present invention can increase the likelihood of successful diagnosis through genetic testing on patients with genetic diseases by recommending patient symptoms that may be missed by subjective and intuitive judgment by a doctor.
또한, 본 발명은 외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 자동으로 환자 증상을 포함함으로써 사용자에게 다양한 환자의 증상을 선택할 수 있는 폭을 넓힐 수 있다.In addition, the present invention can widen the range of the selection of symptoms of various patients to the user by automatically including patient symptoms in the category of the input unit using the ontology from various medical basic information collected from the outside.
이 밖에도, 본 발명의 실시 예들을 통해 본 발명의 또 다른 특징 및 이점들이 새롭게 파악될 수도 있을 것이다.In addition, other features and advantages of the present invention may be newly identified through embodiments of the present invention.
도 1은 본 발명의 일 실시예에 따른 질병 증상 추천 시스템의 구성도이다.
도 2는 본 발명에 따른 선별부의 일 예를 설명하기 위한 도면이다.
도 3은 본 발명에 따른 증상 구축부의 일 예를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 입력부의 일 예를 설명하기 위한 도면이다.
도 5는 본 발명에 따른 추천부의 일 예를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 질병 증상 추천 방법의 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 증상 구축단계의 흐름도이다.1 is a block diagram of a disease symptom recommendation system according to an embodiment of the present invention.
2 is a view for explaining an example of a selection unit according to the present invention.
3 is a view for explaining an example of a symptom building unit according to the present invention.
4 is a view for explaining an example of an input unit according to the present invention.
5 is a view for explaining an example of a recommendation unit according to the present invention.
6 is a flowchart of a disease symptom recommendation method according to an embodiment of the present invention.
7 is a flowchart of a symptom construction step according to an embodiment of the present invention.
본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다. It should be noted that in this specification, when adding reference numerals to components of each drawing, the same components have the same number as possible, even if they are displayed on different drawings.
한편, 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다. On the other hand, the meaning of the terms described in this specification should be understood as follows.
"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.It should be understood that terms such as “include” or “have” do not preclude the existence or addition possibility of one or more other features or numbers, steps, actions, components, parts or combinations thereof.
이하, 첨부되는 도면을 참고하여 상기 문제점을 해결하기 위해 고안된 본 발명의 바람직한 실시예들에 대해 상세히 설명한다.Hereinafter, preferred embodiments of the present invention designed to solve the above problems will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 질병 증상 추천 시스템의 구성도이고, 도 2는 본 발명에 따른 선별부의 일 예를 설명하기 위한 도면이고, 도 3은 본 발명에 따른 증상 구축부의 일 예를 설명하기 위한 도면이고, 도 4는 본 발명에 따른 입력부의 일 예를 설명하기 위한 도면이고, 도 5는 본 발명에 따른 추천부의 일 예를 설명하기 위한 도면이다.1 is a configuration diagram of a disease symptom recommendation system according to an embodiment of the present invention, FIG. 2 is a view for explaining an example of a selection unit according to the present invention, and FIG. 3 is an example of a symptom construction unit according to the present invention 4 is a view for explaining an example of an input unit according to the present invention, and FIG. 5 is a view for explaining an example of a recommendation unit according to the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 질병 증상 추천 시스템(1000)은 입력부(100), 산출부(200), 선별부(300), 추천부(400), 데이터베이스(500), 및 증상 구축부(600)를 포함한다.1, the disease
입력부(100)는 사용자로부터 환자의 증상을 입력 받을 수 있다. 이때, 사용자는 일반적으로 환자를 진단하고 치료하는 의사이지만, 환자가 직접 입력부(100)에 본인의 증상을 입력할 수도 있다.The
입력부(100)는 사용자가 환자의 증상을 편리하게 입력할 수 있도록 증상들을 카테고리로 분류하여 보여줄 수 있다.The
도 4를 참조하면, 입력부(100)는 후술할 증상 구축부(600)를 통하여 증상 분야별로 카테고리가 구축되고 각 분야별 카테고리에 관련된 증상들이 포함되어 표현될 수 있다.Referring to FIG. 4, the
카테고리는 사용자가 환자의 증상을 편리하게 입력하도록 하기 위해서 유사한 증상들로 그룹화한 것이다. 예를 들어, 입력부(100)는 perinatal, growth, physical/Cognitive development, behavioral, craniofacial/ophthalmologic/auditory, cardiac/congenital heart malformation 분류된 카테고리를 사용자에게 보여줄 수 있다. 이때, 각 분야별 카테고리에는 관련 증상들이 포함되어 보여진다. 일 예로, perinatal과 관련된 증상들인 Prematurity, IUGR, Oligohydramnios, Polyhydramnios, Cystic hygroma, Increased nuchal translucency(NT)이 포함될 수 있다.The categories are grouped into similar symptoms to allow the user to conveniently enter the patient's symptoms. For example, the
사용자는 먼저 환자의 상태를 분류된 카테고리로 탐색한 후, 해당 카테고리에 포함된 증상들을 체크함으로써 환자의 증상을 편리하게 입력할 수 있다.The user can conveniently enter the patient's symptoms by first searching for the patient's condition into the categorized category, and then checking the symptoms included in the corresponding category.
산출부(200)는 데이터베이스(500)에 이미 저장되어 있는 각각의 질병 증상 프로파일과 입력부(100)로부터 입력된 환자 증상 프로파일 간의 증상 유사도를 산출할 수 있다.The
여기서 질병 증상 프로파일은 각각의 질병에 대한 증상들로 구성된 질병 증상 집합이고, 환자 증상 프로파일이란 입력부(100)를 통해 사용자가 입력한 환자의 증상들로 구성된 환자 증상 집합이다.Here, the disease symptom profile is a set of disease symptoms composed of symptoms for each disease, and the patient symptom profile is a set of patient symptoms composed of symptoms of a patient input by a user through the
예를 들어, 질병 증상 프로파일이 D1=[S1, S2, S7, S8, S10], D2=[S4, S9, S11, S14]이고, 환자 증상 프로파일이 P=[S1, S2, S3, S4 ,S5]라고 한다면, 질병 증상 프로파일과 환자 증상 프로파일 간의 증상 유사도는 아래 식1에 의해 산출될 수 있다.For example, the disease symptom profile is D1 = [S1, S2, S7, S8, S10], D2 = [S4, S9, S11, S14], and the patient symptom profile is P = [S1, S2, S3, S4, S5], the similarity of symptoms between the disease symptom profile and the patient symptom profile can be calculated by Equation 1 below.
식 1Equation 1
D1과 P 간의 증상 유사도는, D1과 P의 합집합 증상 수 8개, D1과 P의 교집합 증상 수 2개이므로 증상 유사도는 2/8=0.25로 산출된다.The similarity of symptoms between D1 and P is 8 because the number of combined symptoms of D1 and P and the number of crossed symptoms of D1 and P are 2, so the symptom similarity is calculated as 2/8 = 0.25.
D2와 P 간의 증상 유사도는, D2와 P의 합집합 증상 수 8개, D2와 P의 교집합 증상 수 1개이므로 증상 유사도는 1/8=0.125로 산출된다.The symptom similarity between D2 and P is 1/8 = 0.125 because the number of combined symptoms of D2 and P is 8 and the number of intersection symptoms of D2 and P is 1, respectively.
이와 같이, 산출부(200)는 사용자가 입력한 환자의 증상들로 구성된 환자 증상 프로파일을 데이터베이스(500)에 저장된 모든 질병 증상 프로파일 각각에 대하여 증상 유사도를 산출한다.As described above, the
선별부(300)는 산출부(200)로부터 산출된 증상 유사도를 이용하여 입력부(100)에 입력된 환자 증상 프로파일 이외에 환자의 증상과 상관성이 높은 증상을 선별할 수 있다.The
도 2를 참조하면, 선별부(300)는 제1 선택부(310)와 제2 선택부(330)를 포함할 수 있다.Referring to FIG. 2, the
제1 선택부(310)는 산출부(200)로부터 산출된 증상 유사도가 높은 순으로 기 설정된 순위에 따라 질병 증상 프로파일을 선택할 수 있다.The
예를 들어, 데이터베이스(500)에 기 저장되어 있는 질병 증상 프로파일의 개수가 총 400이라고 한다면, 각각의 질병 증상 프로파일과 환자 증상 프로파일 간의 증상 유사도도 400개가 산출된다. 산출된 400개의 증상 유사도 중에서 기 설정된 순위에 따라 질병 증상 프로파일을 선택하게 된다.For example, if the number of disease symptom profiles already stored in the
제2 선택부(330)는 제1 선택부(310)로부터 선택된 질병 증상 프로파일에 포함된 질병 증상들 중에서 포함되어 있는 증상 횟수가 많은 순으로 기 설정된 순위에 따라 사용자에게 추천할 증상을 선별할 수 있다.The
예를 들어, 제1 선택부(310)로부터 선택된 질병 증상 프로파일이 D1=[S1, S2, S4, S7, S8, S14, S17, S19], D2=[S1, S2, S7, S14, S19, S21], D3=[S1, S2, S8, S19, S21, S26]이고, 환자 증상 프로파일이 P=[S1, S2, S3, S4, S5]이고, 기 설정된 순위가 3이라고 하자.For example, the disease symptom profile selected from the
이때, 제2 선택부(330)는 환자 증상 프로파일에 포함된 환자 증상들을 제외하고, D1, D2, D3에 포함된 증상들 중 가장 횟수가 많은 증상인 S19, S8, S14를 선별하게 된다.In this case, the
추천부(400)는 선별부(300)로부터 선별된 증상을 사용자에게 추천할 수 있다.The
도 4 및 도 5를 참조하면, 사용자가 환자의 증상을 Cystic hygroma, Short stature, Ptosis를 입력부(100)에 입력한 경우, 추천부(400)에서 선별부(300)로부터 선별된 증상인 Contractures, Ambiguous genitalia, Club foot, Hypospadias, Polydactyly, Hydronephrosis를 추천할 수 있다.4 and 5, when the user inputs the symptoms of the patient Cystic hygroma, Short stature, Ptosis into the
이와 같이, 본 발명의 일 실시예에 따른 질병 증상 추천 시스템은 환자 증상 프로파일과 질병 증상 프로파일 간의 증상 유사도를 통해 환자 증상을 추천함으로써 사용자의 주관적, 직관적 판단에 의해 놓칠 수 있는 환자 증상을 보완할 수 있다.As described above, the disease symptom recommendation system according to an embodiment of the present invention can supplement patient symptoms that may be missed by the subjective and intuitive judgment of the user by recommending the patient symptoms through symptom similarity between the patient symptom profile and the disease symptom profile. have.
또한, 본 발명의 일 실시예에 따른 질병 증상 추천 시스템은 의사의 주관적, 직관적 판단에 의해 놓칠 수 있는 환자 증상을 추천함으로써 유전 질병을 가진 환자에 대한 유전자 검사를 통한 진단 성공 가능성을 높일 수 있다.In addition, the disease symptom recommendation system according to an embodiment of the present invention can increase the likelihood of successful diagnosis through genetic testing on patients with genetic diseases by recommending patient symptoms that may be missed by the subjective and intuitive judgment of a doctor.
데이터베이스(500)는 외부로부터 수집된 다양한 의료 기초정보 뿐만 아니라, 사용자로부터 입력된 환자 증상 프로파일, 각각의 질병에 대한 질병 증상 프로파일에 대한 정보를 저장할 수 있다.The
증상 구축부(600)는 외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 포함되는 증상을 업데이트할 수 있다.The
도 3을 참조하면, 증상 구축부(600)는 카테고리 구축부(610), 온톨로지 설정부(630), 및 카테고리 결정부(650)를 포함할 수 있다.Referring to FIG. 3, the
카테고리 구축부(610)는 온톨로지 모델링을 기초로 카테고리 분야를 구축할 수 있다.The
온톨로지(Ontology)란 사람들이 세상에 대하여 보고 듣고 느끼고 생각하는 것에 대하여 서로 간의 토론을 통하여 합의를 이룬 바를 개념적이고 컴퓨터에서 다룰 수 있는 형태로 표현한 모델로서 개념의 타입이나 사용상의 제약조건들을 명시적으로 정의한 기술이다.Ontology is a model that expresses the consensus achieved through discussions between people about what they see, hear, feel, and think about the world in a conceptual and computer-controlled form. Technology.
이러한 온톨로지(Ontology)는 일단 합의된 지식을 나타내므로 어느 개인에게 국한되는 것이 아니라 그룹 구성원이 모두 동의하는 개념이다. 그리고 프로그램이 이해할 수 있어야 하므로 여러 가지 정형화가 존재한다. 이는 전산학과정보과학에서, 특정한 영역을 표현하는 데이터 모델로서 특정한 영역(domain)에 속하는 개념과 개념 사이의 관계를 기술하는 정형 어휘의 집합으로 정의된다.Since this ontology represents the agreed knowledge, it is not limited to any individual, but is a concept that all members of the group agree to. And since the program needs to be understandable, there are many formalizations. In computer science and information science, it is defined as a set of formal vocabulary describing the relationship between concepts and concepts belonging to a specific domain as a data model representing a specific domain.
온톨로지 구축은 각 카테고리 분야의 샘플링된 서류들로부터 패턴 및 구성 요소를 분석해내고, 분석한 결과들을 토대로 온톨로지를 모델링함으로써 구축된다.The ontology construction is constructed by analyzing patterns and components from sampled documents in each category and modeling the ontology based on the analyzed results.
각 카테고리 분야별로 모델링된 온톨로지는 다른 카테코리 분야의 온톨로지와는 클래스의 종류와 수, 속성 관계의 종류와 수에 차이를 보이도록 설계될 수 있다.The ontology modeled for each category field can be designed to show a difference in the type and number of classes and the type and number of attribute relationships from those of other category categories.
예를 들어, growth 분야에서는 성장과 관련된 클래스 및 속성이 온톨로지에 반영되어야 하고, behavioral 분야에서는 행동과 관련된 클래스 및 속성이 온톨로지에 반영되어야 한다.For example, in growth, classes and attributes related to growth should be reflected in ontology, and in behavioral fields, classes and attributes related to behavior should be reflected in ontology.
온톨로지 설정부(630)는 데이터베이스(500)에 저장된 의료 기초정보를 기반으로 증상 키워드(keyword)를 추출한 후, 증상 키워드에 온톨로지 속성을 부가할 수 있다.The
카테고리 결정부(650)는 온톨로지 설정부(630)로부터 설정된 증상 키워드를 온톨로지 속성에 따라 새로운 카테고리 분야로 추가하거나, 미리 구축된 카테고리에 포함되도록 추가할 수 있다.The
이와 같이, 본 발명의 일 실시예에 따른 질병 증상 추천 시스템은 외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 자동으로 환자 증상을 포함함으로써 사용자에게 다양한 환자의 증상을 선택할 수 있는 폭을 넓힐 수 있다.As described above, the disease symptom recommendation system according to an embodiment of the present invention can automatically select the symptoms of various patients by including the patient symptoms in the category of the input unit by using the ontology from various medical basic information collected from the outside. You can widen the width.
이하에서는, 본 발명의 일 실시예에 따른 질병 증상 추천 방법에 대해 설명한다. 이하에서는 설명의 편의를 위해 전술의 도 1 및 도 2에서 언급한 참조번호를 언급하여 설명하고, 앞서 설명한 내용과 중복된 내용은 생략한다.Hereinafter, a method for recommending disease symptoms according to an embodiment of the present invention will be described. Hereinafter, for convenience of description, reference numerals mentioned in FIG. 1 and FIG. 2 will be described and described, and overlapped contents with the above-described contents will be omitted.
도 6은 본 발명의 일 실시예에 따른 질병 증상 추천 방법의 흐름도이고, 도 7은 본 발명의 일 실시예에 따른 증상 구축단계의 흐름도이다.6 is a flowchart of a disease symptom recommendation method according to an embodiment of the present invention, and FIG. 7 is a flowchart of a symptom construction step according to an embodiment of the present invention.
도 6을 참조하면, 본 발명의 일 실시예에 따른 질병 증상 추천 방법의 흐름도(700)는 환자 증상 프로파일을 획득하는 입력단계(710), 증상 유사도를 산출하는 산출단계(730), 환자 증상과 상관성이 높은 증상을 선별하는 선별단계(750), 및 사용자에게 선별된 증상을 추천하는 추천단계(770)를 포함한다.Referring to FIG. 6, a
입력단계(710)는 입력부(100)를 통해 사용자로부터 환자의 증상 프로파일을 입력 받을 수 있다. 입력단계(710)는 사용자가 환자 증상을 편리하게 입력하도록 증상들을 카테고리로 분류하여 보여줄 수 있다.The
산출단계(730)는 산출부(200)를 통해 데이터베이스(500)에 이미 저장되어 있는 각각의 질병 증상 프로파일과 입력된 환자 증상 프로파일 간의 증상 유사도를 앞서 설명한 식 1에 의해 산출할 수 있다.The
선별단계(750)는 선별부(300)를 통해 입력단계에서 입력된 환자 증상 프로파일 이외에 환자의 증상과 상관성이 높은 증상을 상기 증상 유사도를 이용하여 선별한다.The screening step 750 screens the symptoms having high correlation with the patient's symptoms in addition to the patient symptom profile input in the input step through the
선별단계(750)는 제1 선택부(310)를 통해 증상 유사도가 높은 순으로 기 설정된 순위에 따라 질병 증상 프로파일을 선택한 후, 제2 선택부(330)를 통해 질병 증상 프로파일에 포함된 질병 증상들 중에서 포함되어 있는 횟수가 많은 순으로 기 설정된 순위에 따라 사용자에게 추천할 증상을 선별할 수 있다.The screening step 750 selects a disease symptom profile according to a predetermined rank in order of high symptom similarity through the
추천단계(770)는 추천부(400)를 통해 사용자에게 선별된 증상을 추천할 수 있다.The
도 7을 참조하면, 본 발명의 일 실시예에 따른 질병 증상 추천 방법(700)은 증상 구축단계(790)를 더 포함할 수 있다.Referring to FIG. 7, the disease
증상 구축단계(790)는 증상 구축부(600)를 통해 외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 포함되는 증상을 업데이트할 수 있다.The
증상 구축단계(790)는 카테고리 구축부(610)를 통해 온톨로지 모델링을 기초로 카테고리 분야를 구축하는 단계(791), 온톨로지 설정부(630)를 통해 의료 기초정보로부터 추출된 증상 키워드에 온톨로지 속성을 부가하는 단계(793), 및 카테고리 결정부(650)를 통해 상기 증상 키워드를 온톨로지 속성에 따라 미리 구축된 카테고리 분야에 포함시키는 단계(795)를 포함할 수 있다.In the
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and / or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if substituted or substituted by equivalents, appropriate results can be achieved.
100: 입력부 200: 산출부
300: 선별부 310: 제1 선택부
330: 제2 선택부 400: 추천부
500: 데이터베이스 600: 증상 구축부
610: 카테고리 구축부 630: 온톨로지 설정부
650: 카테고리 결정부 1000: 질병 증상 추천 시스템100: input unit 200: calculation unit
300: selector 310: first selector
330: second selection unit 400: recommendation unit
500: database 600: symptom building department
610: Category construction unit 630: Ontology setting unit
650: Category determination unit 1000: Disease symptom recommendation system
Claims (12)
데이터베이스에 이미 저장되어 있는 각각의 질병 증상 프로파일과 입력된 환자 증상 프로파일 간의 증상 유사도를 산출하는 산출부;
입력된 환자 증상 프로파일 이외에 환자의 증상과 상관성이 높은 증상을 상기 증상 유사도를 이용하여 선별하는 선별부; 및
사용자에게 선별된 증상을 추천하는 추천부를 포함하는 질병 증상 추천 시스템.An input unit that receives a patient symptom profile from a user;
A calculator configured to calculate a symptom similarity between each disease symptom profile already stored in the database and the input patient symptom profile;
A screening unit that selects, in addition to the input patient symptom profile, symptoms that are highly correlated with the patient's symptoms using the symptom similarity; And
A disease symptom recommendation system including a recommendation unit for recommending selected symptoms to a user.
상기 산출부는 하기 식 1에 의해 질병 증상 프로파일과 환자 증상 프로파일 간의 증상 유사도를 산출하는 질병 증상 추천 시스템.
식 1
(P는 환자 증상 프로파일이고, D은 질병 증상 프로파일이다.)According to claim 1,
The calculating unit is a disease symptom recommendation system for calculating the symptom similarity between the disease symptom profile and the patient symptom profile according to Equation 1 below.
Equation 1
(P is the patient symptom profile, D is the disease symptom profile.)
상기 선별부는,
상기 증상 유사도가 높은 순으로 기 설정된 순위에 따라 상기 질병 증상 프로파일을 선택하는 제1 선택부와 선택된 상기 질병 증상 프로파일에 포함된 질병 증상들 중에서 포함되어 있는 횟수가 많은 순으로 기 설정된 순위에 따라 사용자에게 추천할 증상을 선별하는 제2 선택부를 포함하는 질병 증상 추천 시스템.According to claim 1,
The sorting unit,
The first selection unit for selecting the disease symptom profile according to a predetermined ranking in order of high symptom similarity, and the user according to the preset ranking in the order of the number of times included among the disease symptoms included in the selected disease symptom profile Disease symptom recommendation system including a second selection unit for selecting symptoms to recommend to.
상기 입력부는 사용자가 환자 증상을 편리하게 입력하도록 증상들을 카테고리로 분류하여 보여주는 질병 증상 추천 시스템.According to claim 1,
The input unit is a disease symptom recommendation system that shows the symptoms by categorizing the symptoms so that the user can conveniently enter the patient symptoms.
외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 포함되는 증상을 업데이트하는 증상 구축부를 더 포함하는 질병 증상 추천 시스템.The method of claim 4,
A disease symptom recommendation system further comprising a symptom constructing unit that updates symptoms included in a category of the input unit by using an ontology from various medical basic information collected from the outside.
상기 증상 구축부는 온톨로지 모델링을 기초로 카테고리 분야를 구축하는 카테고리 구축부, 의료 기초정보로부터 추출된 증상 키워드에 온톨로지 속성을 부가하는 온톨로지 설정부, 및 상기 증상 키워드를 온톨로지 속성에 따라 미리 구축된 카테고리 분야에 포함시키는 카테고리 결정부를 포함하는 질병 증상 추천 시스템.The method of claim 5,
The symptom construction unit is a category construction unit that builds a category field based on ontology modeling, an ontology setting unit that adds an ontology attribute to symptom keywords extracted from medical basic information, and a category field that is pre-built according to the ontology attributes Disease symptom recommendation system including a category determining unit to include in.
산출부를 통해 데이터베이스에 이미 저장되어 있는 각각의 질병 증상 프로파일과 입력된 환자 증상 프로파일 간의 증상 유사도를 산출하는 산출단계;
선별부를 통해 상기 입력단계에서 입력된 환자 증상 프로파일 이외에 환자의 증상과 상관성이 높은 증상을 상기 증상 유사도를 이용하여 선별하는 선별단계; 및
추천부를 통해 사용자에게 선별된 증상을 추천하는 추천단계를 포함하는 질병 증상 추천 방법.An input step of receiving a patient symptom profile from a user through an input unit;
A calculation step of calculating a symptom similarity between each disease symptom profile already stored in the database and the input patient symptom profile through the calculation unit;
A screening step of screening a symptom having a high correlation with a patient's symptom in addition to the patient symptom profile input in the input step through the screening unit using the symptom similarity; And
A disease symptom recommendation method comprising a recommendation step of recommending selected symptoms to a user through a recommendation unit.
상기 산출단계는 하기 식 1에 의해 질병 증상 프로파일과 환자 증상 프로파일 간의 증상 유사도를 산출하는 질병 증상 추천 방법.
식 1
(P는 환자 증상 프로파일이고, D은 질병 증상 프로파일이다.).The method of claim 7,
The calculating step is a disease symptom recommendation method for calculating the symptom similarity between a disease symptom profile and a patient symptom profile by Equation 1 below.
Equation 1
(P is patient symptom profile, D is disease symptom profile).
상기 선별단계는,
제1 선택부를 통해 상기 증상 유사도가 높은 순으로 기 설정된 순위에 따라 상기 질병 증상 프로파일을 선택하는 단계와
제2 선택부를 통해 상기 질병 증상 프로파일에 포함된 질병 증상들 중에서 포함되어 있는 횟수가 많은 순으로 기 설정된 순위에 따라 사용자에게 추천할 증상을 선별하는 단계를 포함하는 질병 증상 추천 방법.The method of claim 7,
The screening step,
Selecting the disease symptom profile according to a predetermined ranking in the order of high symptom similarity through the first selector;
A disease symptom recommendation method comprising the step of selecting the symptoms to be recommended to the user according to a predetermined rank in the order of the number of times included among the disease symptoms included in the disease symptom profile through the second selection unit.
상기 입력단계는 사용자가 환자 증상을 편리하게 입력하도록 증상들을 카테고리로 분류하여 보여주는 질병 증상 추천 방법.The method of claim 7,
The input step is a disease symptom recommendation method that shows the symptoms by categorizing the symptoms so that the user can conveniently input the patient symptoms.
증상 구축부를 통해 외부로부터 수집된 다양한 의료 기초정보로부터 온톨로지를 이용하여 상기 입력부의 카테고리에 포함되는 증상을 업데이트하는 증상 구축단계를 더 포함하는 질병 증상 추천 방법.The method of claim 10,
A disease symptom recommendation method further comprising a symptom construction step of updating symptoms included in a category of the input unit using an ontology from various medical basic information collected from the outside through the symptom construction unit.
상기 증상 구축단계는 카테고리 구축부를 통해 온톨로지 모델링을 기초로 카테고리 분야를 구축하는 단계, 온톨로지 설정부를 통해 의료 기초정보로부터 추출된 증상 키워드에 온톨로지 속성을 부가하는 단계, 및 카테고리 결정부를 통해 상기 증상 키워드를 온톨로지 속성에 따라 미리 구축된 카테고리 분야에 포함시키는 단계를 포함하는 질병 증상 추천 방법.The method of claim 11,
The symptom construction step comprises the steps of building a category field based on ontology modeling through the category building unit, adding an ontology attribute to the symptom keywords extracted from medical basic information through the ontology setting unit, and the symptom keywords through the category determining unit. A method for recommending disease symptoms, including the step of including in a pre-built category field according to an ontology attribute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180144133A KR102167161B1 (en) | 2018-11-21 | 2018-11-21 | Systme and method for recommanding symptoms of diseases |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180144133A KR102167161B1 (en) | 2018-11-21 | 2018-11-21 | Systme and method for recommanding symptoms of diseases |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200059430A true KR20200059430A (en) | 2020-05-29 |
| KR102167161B1 KR102167161B1 (en) | 2020-10-21 |
Family
ID=70912119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180144133A KR102167161B1 (en) | 2018-11-21 | 2018-11-21 | Systme and method for recommanding symptoms of diseases |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102167161B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102643686B1 (en) * | 2023-10-18 | 2024-03-05 | 주식회사 쓰리빌리언 | System for diagnosing patient's disease through symptom reconstruction |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100129016A (en) * | 2009-05-29 | 2010-12-08 | (주)바텍이우홀딩스 | Searching system and method of medical information |
| KR20160043601A (en) * | 2014-10-13 | 2016-04-22 | 고려대학교 산학협력단 | Device and method for recommendationing digital content |
| KR20170063021A (en) * | 2015-11-30 | 2017-06-08 | 한국 한의학 연구원 | Apparatus and method for inputting symptoms |
-
2018
- 2018-11-21 KR KR1020180144133A patent/KR102167161B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100129016A (en) * | 2009-05-29 | 2010-12-08 | (주)바텍이우홀딩스 | Searching system and method of medical information |
| KR20160043601A (en) * | 2014-10-13 | 2016-04-22 | 고려대학교 산학협력단 | Device and method for recommendationing digital content |
| KR20170063021A (en) * | 2015-11-30 | 2017-06-08 | 한국 한의학 연구원 | Apparatus and method for inputting symptoms |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102643686B1 (en) * | 2023-10-18 | 2024-03-05 | 주식회사 쓰리빌리언 | System for diagnosing patient's disease through symptom reconstruction |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102167161B1 (en) | 2020-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6893480B2 (en) | Analytical equipment and analytical method | |
| JP5523342B2 (en) | Method and apparatus for refining similar case search | |
| US8156062B2 (en) | Method for constructing database to deduce disease and providing U-health service using a subset of ontologies | |
| US20180011980A1 (en) | Differential medical diagnosis apparatus adapted in order to determine an optimal sequence of diagnostic tests for identifying a pathology by adopting diagnostic appropriateness criteria | |
| WO2019072692A1 (en) | Medical device and computer-implemented method of predicting risk, occurrence or progression of adverse health conditions in test subjects in subpopulations arbitrarily selected from a total population | |
| EP2229643A1 (en) | Retrieval of similar patient cases based on disease probability vectors | |
| US20190147993A1 (en) | Clinical report retrieval and/or comparison | |
| US20200058408A1 (en) | Systems, methods, and apparatus for linking family electronic medical records and prediction of medical conditions and health management | |
| CN111429985B (en) | Electronic medical record data processing method and system | |
| EP3347834A1 (en) | Experience engine-method and apparatus of learning from similar patients | |
| CN114416967A (en) | Method, device and equipment for intelligently recommending doctors and storage medium | |
| EP3718116B1 (en) | Apparatus for patient data availability analysis | |
| Kampouraki et al. | e-Doctor: a web based support vector machine for automatic medical diagnosis | |
| KR102342770B1 (en) | A health management counseling system using the distribution of predicted disease values | |
| KR102167161B1 (en) | Systme and method for recommanding symptoms of diseases | |
| CN112071431B (en) | Clinical path automatic generation method and system based on deep learning and knowledge graph | |
| US20150169833A1 (en) | Method and System for Supporting a Clinical Diagnosis | |
| Douibi et al. | An analysis of ambulatory blood pressure monitoring using multi-label classification | |
| US20210271924A1 (en) | Analyzer, analysis method, and analysis program | |
| CN115719640A (en) | System, device, electronic equipment and storage medium for recognizing primary and secondary symptoms of traditional Chinese medicine | |
| GB2548627A (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
| Bi et al. | A novel generation adversarial network framework with characteristics aggregation and diffusion for brain disease classification and feature selection | |
| Parry et al. | Fuzzy ontologies for cardiovascular risk prediction-A research approach | |
| CN114708965B (en) | Diagnosis recommendation method and device, electronic equipment and storage medium | |
| JP7462556B2 (en) | Apparatus for patient data validity analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |