KR20200066204A - 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터 및 상응하는 시스템에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법 - Google Patents

Abstract

본 발명의 그룹은 사용자의 일상적인 활동을 추적하는 분야에 관한 것이다. 특히, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 상응하는 방법 및 시스템이 청구된다. 이러한 방법은, 신체 활동 기간, 혈당 수준의 변화, 및 음식 섭취 데이터를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계; 음식 섭취에 대한 사용자의 개별 반응을 결정하기 위해 사용자의 혈당 수준의 측정된 변화에 기초하여 생리학적 모델을 구축하는 단계; 사용자의 일상적인 활동의 측정된 파라미터, 사용자의 결정된 개별 반응, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계; 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및 생성된 권장 사항을 사용자에게 표시하는 단계를 포함한다.

Description

실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터 및 상응하는 시스템에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법{METHOD FOR PROVIDING RECOMMENDATIONS FOR MAINTAINING A HEALTHY LIFESTYLE BASING ON USER'S DAILY ACTIVITY PARAMETERS, AUTOMATICALLY TRACKED IN REAL TIME, AND CORRESPONDING SYSTEM}

본 발명의 그룹은 사용자의 일상적인 활동(daily activity)을 추적하는 분야에 관한 것으로서, 특히 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항(recommendations)을 제공하는 방법 및 시스템에 관한 것이다.

현재, 사용자의 건강 및 신체적 형태를 유지하는데 기여하는 수많은 솔루션이 있다. 일반적으로, 이러한 알려진 솔루션은 사용자의 일상적인 생활 및/또는 인체의 활력 징후에 대한 다양한 양태의 분석을 기반으로 한다.

특히, US 20150364057 A1("웰니스, 건강 및 라이프 스타일 계획, 추적 및 유지 보수를 위한 시스템 및 방법(Systems and methods for wellness, health, and lifestyle planning, tracking, and maintenance)")에 개시된 종래 기술의 솔루션이 공지되어 있으며, 이는 건강한 라이프 스타일 계획, 추적 및 유지 보수를 위한 시스템 및 방법을 설명한다. 알려진 시스템을 통해 사람은 자신의 라이프 스타일과 건강한 습관(habit)을 관리할 수 있다. 예시적인 실시예에서, 이러한 시스템은 사용자의 웰니스(wellness), 건강 및 라이프 스타일에 긍정적인 영향을 줄 수 있는 활동의 권장 사항을 사용자에게 제공하도록 구성될 수 있다. 권장 사항은 상이한 사람이 상이한 권장 사항을 받을 수 있도록 시스템의 각각의 개별 사용자에 맞게 조정될 수 있다. 그러나, 이러한 시스템은 사용자의 건강 또는 웰니스의 파라미터를 자동으로 추적하는 임의의 수단을 갖지 않는다. 게다가, 이것이 작업하기 위해, 사용자는 수동으로 분석할 데이터를 입력해야 하며, 이는 잘못된 데이터를 입력할 가능성뿐만 아니라 사용자가 데이터 입력을 잊거나 입력하는데 지칠 가능성도 포함한다.

또한, US 8182424 B2("다이어리가 없는 열량계(diary-free calorimeter)")에 개시된 종래 기술의 솔루션은 알려져 있으며, 이는 간접 열량계(즉, 간접 기구 측정을 포함함)를 개시하며, 이러한 간접 열량계는 주기적으로 사용자의 체중을 모니터링하고, 운동(physical exercise)(즉, 육체적 노력(physical exertion)과 관련된 생리학적 데이터 및/또는 운동 데이터)을 감지함으로써 영양 칼로리 섭취(nutritional caloric intake)를 추정한다. 이러한 솔루션에 따른 사용자 디바이스는 심박수, 체온, 피부 저항, 운동/가속도 센싱(예를 들어, 만보계, 가속도계), 속도 센싱(예를 들어, GPS(global positioning system)) 중 하나 이상을 검출할 수 있다. 그러나, 이러한 시스템은 육체적 활동 또는 수면 효율에 관한 권장 사항을 제공하지 않는다. 더욱이, 상술한 바와 같이, 이의 올바른 기능은 시스템에 의해 자동으로 수행되지 않는(그러나 사용자에 의해 입력되어야 하는) 질량 측정을 필요로 할 뿐만 아니라 장기적 변화(long-term changes)를 추적해야 한다.

솔루션 US 9569483 B2("체중의 개인화된 동적 피드백 제어(Personalized dynamic feedback control of body weight)")는 대사(metabolism) 및 체중 변화의 수학적 모델을 사용하여 피드백 제어를 통합한 개인화된 체중 관리 시스템을 개시한다. 특히, 이러한 시스템은 예를 들어, 체중, 신체 활동, 식이, 식습관 등과 같은 파라미터의 모니터링을 제공한다. 그러나, 이러한 알려진 솔루션은 또한 이러한 파라미터의 자동 모니터링을 위한 임의의 수단을 의미하지 않지만, 사용자에 의해 필요한 정보의 수동 입력을 필요로 하며, 이는 잘못된 데이터를 입력할 가능성뿐만 아니라 사용자가 데이터 입력을 잊거나 이를 수행하는데 지칠 가능성도 포함한다.

US 8706731 B2("바이탈 신호 및 상태 정보에 기초하여 건강 관리 프로그램 서비스를 제공하는 시스템 및 방법(System and method for providing healthcare program service based on vital signals and condition information)")에 개시된 종래 기술의 솔루션이 또한 공지되어 있으며, 이는 무선 통신 네트워크를 통해 건강 관리 프로그램 서비스를 제공하는 방법을 설명하며, 이러한 방법은, 다수의 사용자로부터 송신된 상태에 대한 바이탈 신호(vital signal)를 수신하는 단계, 상태에 대해 수신된 바이탈 신호를 그룹화하는 단계, 특정 질병에 의해 분류된 상응하는 건강 관리 프로그램을 등록하는 단계, 및 건강 관리 프로그램 서비스를 사용자에게 제공하는 단계를 포함한다. 한편, 이러한 솔루션은 데이터를 처리하고, 사용자를 그룹화하며, 건강한 라이프 스타일을 유지하기 위해 적절한 프로그램을 선택하기 위한 임의의 특정 방법을 개시하지 않는다. 게다가, 이러한 솔루션은 프로그램에 의해 제공된 권장 사항을 개선하기 위해 생리학적 모델을 사용하지 않으며, 또한 사용자가 필요한 일부 데이터를 수동으로 입력할 필요가 있다.

인공 지능 시스템이 또한 알려져 있으며(US 20180108272 A1,“참가자의 케톤 수준에 기초한 인공 지능 기반 건강 코칭(Artificial intelligence based health coaching based on ketone levels of participants)”참조), 이는 모니터링된 케톤(ketone) 수준의 사용자를 포함한 사용자의 프로파일을 사용하여(체중 감량 프로그램(weight loss program)과 같은) 건강 프로그램의 효과 수준을 평가한다. 그러나, 이러한 시스템은 사용자의 케톤 수준을 결정하기 위해 사용자가 숨을 쉬어야 하는 호흡 분석 디바이스(breath analysis device)를 포함하는데, 이는 자동 프로세스가 아니라 사용자 의존적 프로세스이다. 게다가, 이러한 솔루션은 또한 제공된 프로그램 권장 사항을 개선하기 위해 생리학적 모델을 사용하는 것을 의미하지 않는다.

문서 US 20160262693 A1("건강 및 체중 관리를 최적화하기 위한 대사 분석기(Metabolic analyzer for optimizing health and weight management)")에 개시된 솔루션은 사용자의 대사율(metabolic rate)을 결정하기 위해 하나 이상의 대사 결정자를 모니터링할 수 있는 대사율 모니터를 포함하는 시스템을 설명한다. 구간 식별자(interval identifier)는 일정 기간에 걸쳐 적어도 하나의 타입의 사용자 활동에 상응하는 복수의 구간을 검출할 수 있다. 그러나, 이러한 문서에는 필요한 데이터의 소스(즉, 데이터를 수신하는 수단)가 정의되어 있지 않다. 게다가, 이러한 솔루션은 또한 제공된 프로그램 권장 사항을 개선하기 위해 생리학적 모델을 사용하는 것을 의미하지 않는다.

청구된 발명의 그룹의 가장 가까운 선행 기술은 US 9675289 B2("개별 대사 반응을 모니터링하고 영양 피드백을 생성하는 방법 및 혈당 모니터링 시스템(Method and glucose monitoring system for monitoring individual metabolic response and for generating nutritional feedback)")에 개시된 솔루션이다. 이러한 솔루션은 대상(subject)에서 혈당 수준의 모니터링을 포함하는 개별 대사 반응을 모니터링하고 영양 피드백을 생성하는 시스템 및 방법을 설명한다. 그러나, 이러한 솔루션은 신체 활동 및 수면 효율에 관한 권장 사항을 제공하지 않으며, 이는 또한 건강한 라이프 스타일을 위한 중요한 기준이다. 게다가, 이러한 솔루션은 여러 사람으로부터 수집된 데이터 분석 및 프로그램에 의해 제공된 권장 사항을 개선하기 위해 생리학적 모델을 사용하는 것을 의미하지 않는다.

따라서, 사용자의 일상적인 활동을 추적하고 사용자에게 적절한 권장 사항을 제공하는 완전한 자동 방법이 필요하며, 이러한 방법은 프로그램에 의해 제공된 권장 사항을 개선하기 위해 생리학적 모델을 사용하는 단계를 포함한다.

본 발명의 목적은 종래 기술의 솔루션에 내재된 상술한 단점을 제거하고, 특히, 사용자 독립 모드에서 사용자의 일상적인 활동을 추적하고, 건강한 라이프 스타일을 유지하는 것에 대한 적절한 권고 사항을 사용자에게 제공하는 개선된 방법을 제공하는 것이다.

본 발명의 목적은 독립항에서 특징으로 하는 방법 및 시스템에 의해 해결된다. 본 발명의 부가적인 실시예는 종속항에서 제시된다.

본 발명의 목적은 종래 기술의 솔루션에 내재된 상술한 단점을 제거하고, 특히, 사용자 독립 모드에서 사용자의 일상적인 활동을 추적하고, 건강한 라이프 스타일을 유지하는 것에 대한 적절한 권고 사항을 사용자에게 제공하는 개선된 방법을 제공하는 것이다.

본 발명의 목적은 독립항에서 특징으로 하는 방법 및 시스템에 의해 해결된다. 본 발명의 부가적인 실시예는 종속항에서 제시된다.

본 발명의 제1 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법이 제공되며, 이러한 방법은,

- 신체 활동 기간, 심박수, 걸음 수(number of steps taken), 수면 기간, 혈당 수준의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;

- 음식 섭취에 대한 사용자의 개별 반응을 결정하기 위해 사용자의 혈당 수준의 측정된 변화에 기초하여 생리학적 모델을 구축하는 단계;

- 사용자의 일상적인 활동의 측정된 파라미터, 사용자의 결정된 개별 반응, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;

- 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및

- 생성된 권장 사항을 사용자에게 표시하는 단계를 포함한다.

본 발명의 다른 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템이 제공되며, 이러한 시스템은,

- 가속도계 및 자이로스코프를 포함한 관성 측정 센서;

- 포토플레시스모그램(photoplethysmogram) 센서;

- 혈당 센서;

- 음식 섭취에 대한 사용자의 개별 반응을 결정하기 위해 사용자의 혈당 수준의 변화에 기초하여 생리학적 모델을 구축하고, 사용자의 일상적인 활동의 측정된 파라미터, 사용자의 결정된 개별 반응, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛; 및

- 미리 정의된 사용자 프로파일, 사용자의 일상적인 활동의 측정된 파라미터, 사용자의 결정된 개별 반응 및 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,

관성 측정 센서, 포토플레시스모그램 센서 및 혈당 센서는 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 혈당 수준의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,

처리 유닛은 부가적으로 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 구성되고, 저장 모듈은 생성된 권장 사항을 저장하도록 구성되며,

사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 생성된 권장 사항을 사용자에게 표시하도록 구성된 디스플레이를 더 포함한다.

선택적으로, 관성 측정 센서, 포토플레시스모그램 센서 및 혈당 센서는 착용 가능한 사용자 디바이스에 위치된다.

일 실시예에 따르면, 시스템은 생성된 권장 사항을 외부 디바이스로 송신하도록 구성된 통신 유닛을 더 포함한다.

통신 유닛은 체중과 통신하여 사용자의 체중에 대한 데이터를 수신하고, 시간에 따른 사용자의 체중의 변화를 분석하며, 동일한 기간에 걸쳐 사용자의 혈당 수준의 변화를 분석하도록 더 구성된다.

혈당 센서는 비침습 혈당 센서(non-invasive glucose sensor) 또는 침습 혈당 센서이다.

선택적으로, 저장 모듈, 처리 유닛 및 디스플레이는 또한 착용 가능한 사용자 디바이스에 위치된다.

선택적으로, 저장 모듈, 처리 유닛 및 디스플레이는 별개의 스마트 디바이스에 위치되며, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 측정된 사용자의 일상적인 활동 파라미터를 처리 유닛 및 저장 모듈로 송신하도록 구성된 통신 유닛을 더 포함한다.

선택적으로, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 별개의 스마트 디바이스에 위치된 제2 저장 모듈, 제2 처리 유닛 및 제2 디스플레이를 더 포함하고, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 상기 시스템은 사용자의 일상적인 활동의 측정된 파라미터를 또한 제2 처리 유닛 및 제2 저장 모듈로 송신하도록 구성된 통신 유닛을 더 포함하며, 제2 디스플레이는 또한 데이터를 사용자에게 표시하도록 구성된다.

선택적으로, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기, 및 사용자의 지리적 위치 데이터에 기초하여 상기 기계 학습 알고리즘이 사용자의 일상적인 활동의 추정 결과치를 정정하도록 구성된 부가적인 처리 유닛을 포함한다.

본 발명의 제3 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법이 제공되며, 이러한 방법은,

- 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 혈당의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;

- 사용자의 일상적인 활동의 측정된 파라미터, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;

- 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및

- 생성된 권장 사항을 사용자에게 표시하는 단계를 포함한다.

본 발명의 다른 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템이 제공되며, 이러한 시스템은,

- 가속도계 및 자이로스코프를 포함한 관성 측정 센서;

- 포토플레시스모그램 센서;

- 혈당 센서;

- 사용자의 일상적인 활동의 측정된 파라미터, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛; 및

- 미리 정의된 사용자 프로파일, 사용자의 일상적인 활동의 측정된 파라미터 및 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,

관성 측정 센서, 포토플레시스모그램 센서 및 혈당 센서는 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 혈당 수준의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,

처리 유닛은 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 구성되고, 저장 모듈은 생성된 권장 사항을 저장하도록 더 구성되며,

사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 생성된 권장 사항을 사용자에게 표시하도록 구성된 디스플레이를 더 포함한다.

선택적으로, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기, 및 사용자의 지리적 위치 데이터에 기초하여 상기 기계 학습 알고리즘이 사용자의 일상적인 활동의 추정 결과치를 정정하도록 구성된 부가적인 처리 유닛을 포함한다.

본 발명의 제5 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법이 제공되며, 이러한 방법은,

- 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 혈당 수준의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;

- 사용자의 일상적인 활동의 측정된 파라미터, 주변 소리에 대한 데이터, 지리적 위치, 사용자 스케줄, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 사용자 프로파일에 기초하여 혈당 수준의 변화를 간접적으로 결정하는 단계;

- 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;

- 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및

- 생성된 권장 사항을 사용자에게 표시하는 단계를 포함한다.

본 발명의 다른 양태에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템이 제공되며, 이러한 시스템은,

- 가속도계 및 자이로스코프를 포함한 관성 측정 센서;

- 포토플레시스모그램 센서;

- 주변 소리를 녹음하도록 구성된 마이크로폰;

- 사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기;

- 사용자의 일상적인 활동의 측정된 파라미터, 주변 소리에 대한 데이터, 지리적 위치, 미리 정의된 사용자 스케줄, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 혈당 수준의 변화를 간접적으로 결정하도록 구성된 간접 혈당 측정 유닛;

- 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 미리 정의된 사용자 프로파일에 기초하여 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛;

- 미리 정의된 사용자 스케줄, 미리 정의된 사용자 프로파일, 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 기계 학습 알고리즘을 사용한 결과로서 수신된 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,

관성 측정 센서 및 포토플레시스모그램 센서는 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,

처리 유닛은 사용자의 일상적인 활동의 추정치에 기초하여 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 더 구성되고, 저장 모듈은 생성된 권장 사항을 저장하도록 구성되며,

사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 생성된 권장 사항을 사용자에게 표시하도록 구성된 디스플레이를 더 포함한다.

본 발명을 사용함으로써 달성되는 기술적 결과는 사용자의 혈당 수준의 변화를 포함하여 사용자의 일상적인 활동 파라미터의 실시간 및 사용자 독립적 추적을 제공하고 나서, 사용자에게 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하고, 사용자의 생리학적 모델을 고려함으로써 트레이닝된 기계 학습 알고리즘에 기초하여 생성된다.

본 발명을 사용함으로써 달성되는 기술적 결과는 사용자의 혈당 수준의 변화를 포함하여 사용자의 일상적인 활동 파라미터의 실시간 및 사용자 독립적 추적을 제공하고 나서, 사용자에게 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하고, 사용자의 생리학적 모델을 고려함으로써 트레이닝된 기계 학습 알고리즘에 기초하여 생성된다.

본 발명의 이러한 및 다른 특징 및 장점은 다음의 설명을 읽고 첨부된 도면을 본 후에 명백해질 것이다.
도 1은 본 발명의 실시예에 따른 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법의 흐름도이다.
도 2는 제1 형 당뇨병을 앓고 있는 사람의 유기체에 대한 혈당 대사의 생리학적 모델을 나타낸다.
도 3(a)는 신체 활동 기간 동안 시간에 따른 사용자의 혈당 수준의 변화의 예시적인 그래프를 도시한다.
도 3(b)는 경험 있는 스트레스 기간 동안 시간에 따른 사용자의 혈당 수준의 변화의 예시적인 그래프를 도시한다.
도 4는 본 발명의 일 실시예에 따른 낮 동안의 사용자의 영양 파라미터를 결정하는 흐름도이다.
도 5는 하루에 음식을 섭취한 복수의 사용자에 의해 취해진 실제 칼로리와 예상된 수의 칼로리 사이의 상관 관계의 예시적인 그래프이다.
도 6은 음식 섭취와 관련이 없는 혈당 수준의 변화의 저주파 추세(trend)를 도시하며, 음식 섭취에 의해 유발된 혈당 수준의 변화에 상응하는 생성된 신호(resulting signal), 및 사용자가 음식을 섭취하기 시작한 시간이 언급된다.
도 7은 본 발명의 일 실시예에 따른 기계 학습 알고리즘을 사용하여 획득된 사용자 대 시간에 의한 음식 섭취 가능성의 그래프(701); 정규화된 가우시안 커널을 갖는 컨볼루션(convolution) 그래프(703); 703 그래프에 도시된 정규화된 가우시안 커널과의 컨볼루션을 사용하여 701 그래프에 도시된 신호를 처리한 결과의 그래프(705); 705 그래프에 도시된 신호의 국부 최대치(local maximums)를 찾은 후 수신되는 생성된 신호(707)를 도시한다.
도 8은 본 발명의 일 실시예에 따른 기계 학습 알고리즘에 의해 추정된 사용자의 식사 시간의 정확도의 결과치를 도시한다.
도 9는 사용자의 혈당 수준 및 권장된 식사 시간에 기초하여 낮 동안 사용자의 식사 시간 추정의 그래프이다.
도 10은 본 발명의 일 실시예에 따른 기계 학습 알고리즘에 의해 추정된 음식 섭취 분류의 정확도의 결과치를 도시한다.
도면에 도시된 그림은 본 발명의 실시예만을 설명하기 위한 것이며, 어떠한 식으로도 제한하지 않는다.

본 발명의 다양한 실시예는 도면을 참조하여 아래에서 상세히 설명된다. 그러나, 본 발명은 많은 다른 형태로 구현될 수 있고, 다음의 설명에서 설명되는 임의의 특정 구조 또는 기능에 의해 제한되는 것으로 해석되지 않아야 한다. 본 설명에 기초하여, 통상의 기술자는 본 발명의 법적 보호의 범위가 독립적으로 구현되는지 본 발명의 임의의 다른 실시예와 조합하여 구현되는지에 관계없이 본 명세서에 개시된 본 발명의 임의의 실시예를 포함한다는 것을 이해할 것이다. 예를 들어, 본 명세서에서 설명된 임의의 수의 실시예를 사용하여 시스템이 구현될 수 있거나 방법이 실현될 수 있다. 게다가, 본 명세서에 개시된 본 발명의 임의의 실시예는 청구항의 하나 이상의 요소를 사용하여 구현될 수 있다는 것이 이해되어야 한다.

"예시적인(exemplary)"이라는 단어는 본 명세서에서 "예 또는 예시로서 제공하는 것(serving as an example or illustration)"을 의미하는데 사용된다. 본 명세서에서 "예시적인"것으로 설명된 임의의 구현은 다른 실시예보다 선호되거나 우세한 것으로 해석될 필요는 없다.

현재, 세계에서 점점 더 많은 사람이 건강하고 균형 잡힌 음식 조성을 선호하여 건강에 해로운 음식의 소비를 포기하려고 노력하면서 더 건강한 라이프 스타일을 이끌려고 노력하고, 더욱 능동적인 활동에 참여하고, 매일의 요법(daily regimen)을 관찰한다. 특히, 건강하고 균형 잡힌 음식을 선택하면, 사람은 단백질, 지방 및 탄수화물과 같은 소비되는 영양소의 양에 관심을 갖기 시작했다. 본 발명에 따르면, 사용자가 자신의 건강 및 신체적 형태(physical form)를 유지하도록 돕는 적절한 솔루션이 제안되었다. 즉, 사용자의 일상적인 활동을 자동으로 24 시간(round-the-clock) 추적하고, 적절한 기계 학습 알고리즘을 사용하여 수신된 데이터를 분석하며, 건강한 라이프 스타일을 유지하기 위한 권장 사항을 사용자에게 제공하는 방법이 제안된다. 게다가, 사용자의 일상적인 활동의 파라미터를 측정하는 센서, 및 이러한 파라미터를 처리하고 상술한 방법을 구현하기 위한 권장 사항을 생성하는 처리 유닛을 포함한 상응하는 시스템이 제안되었다.

청구된 발명에 따르면, 사용자의 일상적인 활동 파라미터는 활동 기간, 섭취/소비한 칼로리의 양, 심박수, 걸음 수, 혈당 수준의 변화, 수면 기간 등이다.

도 1은 본 명세서에 설명된 바와 같이 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법의 흐름도를 도시한다.

특히, 사용자는 착용 가능한 디바이스(100), 예를 들어 스마트 워치, 피트니스 팔찌 등을 가지며, 이는 사용자의 일상적인 활동의 다양한 파라미터를 측정하도록, 즉 이러한 파라미터를 측정하는 적절한 센서(예를 들어, 센서 모듈)를 포함하도록 구성되는 것으로 가정한다. 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 상기 시스템 및/또는 전자 장치(100)는 또한 성별, 나이, 키, 체중 등과 같은 사람의 생물학적 특성을 포함하여 특정 사용자의 미리 정의된 프로파일을 저장하는 저장 모듈(storage module, 예를 들어, 메모리)을 포함한다. 상기 사용자의 일상적인 활동 파라미터가 수신됨에 따라, 이는 미리 정의된 사용자 프로파일과 함께 상응하는 주요 처리 유닛(main processing unit, 예를 들어, 프로세서)에서 분석된다. 그 후, 이러한 분석의 결과에 기초하여, 식사 시간 및 사용자가 섭취한 음식의 양이 추정된다. 추정의 결과로서, 사용자의 행동 또는 습관이 건강한 라이프 스타일로서 분류되지 않으면, 사용자가 건강한 라이프 스타일을 계속하도록 동기를 부여하는 메시지가 생성된다. 건강하지 않은 라이프 스타일 습관이 검출되면, 이러한 습관은 불규칙성 식사, 아침 식사 건너 뛰기(skipping breakfast), 야간 식사, 고혈당 지수(glycemic index, GI) 식사, 이동 중 식사(eating while on a move), 다이어트 방해(diet violation)(식이 요법), 낮은 신체적 활동, 감정적 과식, 불충분한 수면 기간 등과 같은 건강하지 않은 습관의 범주와 관련이 있으며, 건강하지 않은 습관의 범주는 미리 정의되어 저장 모듈에 저장된다. 더욱이, 건강한 라이프 스타일을 유지하는데 도움이 되지 않은 검출된 습관이 서로 관련되어 있는 건강하지 않은 습관의 범주는 건강하지 않은 습관의 개인화된 프로파일을 형성하도록 조합되는데, 이는 건강한 라이프 스타일과 사용자의 영양 및 신체적 활동에 관한 프로그램에 대한 적절한 권장 사항의 추가의 분석 및 생성에 사용된다. 특히, 감정적 과식(emotional overeating)을 감지할 때, 시스템 및/또는 전자 장치(100)는 사용자의 스트레스 수준을 추적하고, 감정적 과식이 발생할 수 있음을 사용자에게 알려주면서, 사용자가 모든 타입의 활동에 참여하도록 동기를 부여하는 상응하는 권장 사항, 또는 상담을 위해 사용자의 심리학자에게 연락(contact)하기 위한 권장 사항을 제공한다(또는 이의 연락 번호가 사용자에 의해 상기 시스템 및/또는 전자 장치(100)에 미리 저장된 경우 심리학자와 자동으로 연결된다). 사용자가 고 탄수화물 음식을 체계적으로 섭취하면, 시스템 및/또는 전자 장치(100)는 저 탄수화물 음식의 장점을 설명하는 사용자에 대한 정보 메시지를 생성할 수 있거나 사용자가 영양사 또는 내분비학자(endocrinologist)에게 연락하도록 권장할 수 있다(또는 및/또는 전자 장치(100)에서 통신을 위해 번호가 이전에 저장된 경우 영양사 또는 내분비학자와 직접 연결한다).

건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되면, 시스템 및/또는 전자 장치(100)는 사용자의 일상적인 활동 파라미터를 분석하는 단계로 다시 진행한다. 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음이 아닌 경우, 검출된 건강하지 않은 라이프 스타일 습관에 의해 유발될 수 있는 나쁜 건강 결과를 사용자에게 통지하는 사용자에 대한 메시지가 생성되고, 그 후 시스템 및/또는 전자 장치(100)는 또한 전에 이러한 사용자에게 제공된 권장 사항에 관한 정보를 고려함으로써(따라서 사용자의 식습관을 고려함으로써) 식사 시간 및 사용자가 섭취한 음식의 양을 추정하는 단계로 진행한다.

게다가, 사용자 자신은, 예를 들어, 체중을 줄이고, 하루의 신체적 활동을 증가시키고, 잠을 더 많이 자는 등을 위해 사용자의 일상적인 활동 파라미터(착용 가능한 디바이스 상의 이전에 저장한 메뉴, 시스템 및/또는 전자 장치(100)의 스마트 디바이스 상의 기계 또는 터치 키보드 등에서 상응하는 항목을 선택하기 위한 버튼)에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템 및/또는 전자 장치(100)의 입력 수단을 사용하여 임의의 일상적인 활동 파라미터를 개선하기 위한 목표를 설정할 수 있다. 시스템 및/또는 전자 장치(100)는 사용자에게 권장 사항을 생성하여 목표를 달성하도록 동기를 부여한다. 이러한 시스템 및/또는 전자 장치(100)는 또한 보험 서비스 제공 조건을 규제하기 위해 의사가 고객에게 처방한 권장 사항의 구현을 모니터링하는 보험 회사에 의해 요구될 수 있다. 예를 들어, 보험 회사의 환자-의뢰인이 의사의 지시를 준수하지 않으면, 의뢰인은 이후에 신청 시 접근/가격 상승을 거부할 수 있다.

사용자의 일상적인 활동의 파라미터를 측정하기 위해 필요한 내장된 센서(built-in sensor)를 포함하는 착용 가능한 사용자 디바이스(100)는 연속적인 데이터를 실시간으로 수신할 수 있게 한다. 이러한 내장된 센서의 존재는 분석에 필요한 모든 데이터, 즉 사용자의 일상적인 활동 파라미터를 자동으로, 즉 사용자 독립 모드에서 수신할 수 있다. 사용자 독립 모드는 사용자가 임의의 데이터를 입력할 필요가 없는 동작 모드이며, 모든 데이터는 자동으로 수신된다.

따라서, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템 및/또는 전자 장치(100)는 바람직하게는 하나의 휴대용 사용자 디바이스, 저장 모듈, 처리 유닛 및 디스플레이에 포함된 센서의 세트를 포함한다. 선택적으로, 저장 모듈, 처리 유닛 및 디스플레이는 또한 착용 가능한 사용자 디바이스(100)에 통합될 수 있거나 별개의 스마트 디바이스에 통합될 수 있다. 다른 실시예에 따르면, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템 및/또는 전자 장치(100)는 각각 착용 가능한 사용자 디바이스(100) 및 스마트 디바이스에 통합되는 2개의 처리 유닛, 즉 메모리 모듈 및 디스플레이를 포함한다.

착용 가능한 사용자 디바이스(100)는 다음과 같은 하드웨어 모듈: 통신 유닛, 디바이스 전력 제어 유닛, GPS 수신기, 및 관성 측정 센서(가속도계, 자이로스코프) 및 PPG(photoplethysmogram) 센서를 포함하는 센서의 세트를 포함한다. 게다가, 청구된 발명의 일 실시예에 따르면, 착용 가능한 사용자 디바이스(100)는 혈당 센서를 더 포함한다. 게다가, 청구된 발명의 일 실시예에 따르면, 착용 가능한 사용자 디바이스(100)는 혈당 센서를 더 포함한다. 선택적으로, 사용자는 복수의 착용 가능한 디바이스(100)를 가질 수 있으며, 이러한 디바이스의 각각은 사용자의 일상적인 활동의 상기 파라미터를 측정하기 위한 하나 이상의 센서를 포함하며, 중요한 것은 전체 복수의 착용 가능한 디바이스(100)가 디바이스 전력 제어 유닛, 상기 복수의 센서와 선택적으로 혈당 센서를 포함하고, 이 중 하나는 반드시 상술한 바와 같이 사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기, 및 복수의 착용 가능한 디바이스의 모두로부터 데이터를 수신하도록 구성된 통신 유닛, 및 착용 가능한 사용자 디바이스(100)에 통합되는 경우에는 선택적 처리 유닛, 선택적 저장 유닛 및 선택적 디스플레이를 포함한다. 상기 혈당 센서는 사용자의 혈당 수준에 관한 정보를 수신할 수 있는 임의의 타입의 센서일 수 있다. 특히, 침습 센서(피부 아래에 전기 화학적 센서가 삽입된 혈당 센서, 이식 가능한 부분이 있는 센서), 또는 비침습 센서(광학 센서-PPG 센서, 분광 센서; 전기 센서(임피던스 분광법), 여러 센서에 기초함) 중 하나일 수 있다. 게다가, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템 및/또는 전자 장치(100)는 부가적으로 사용자의 지리적 위치 데이터에 기초한 상기 기계 학습 알고리즘에 의해 사용자의 일상적인 활동의 추정 결과를 정정하도록 구성된 부가적인 처리 유닛을 포함할 수 있다.

대안적인 실시예로서, 혈당 센서 대신에, 간접 혈당 측정 유닛은 또한 PPG 센서 데이터, 관성 측정 센서의 데이터, 주변 소리에 관한 데이터(고려된 시스템 및/또는 전자 장치(100)에 포함된 상응하는 마이크로폰을 사용하여 획득됨), 사용자 프로파일, 지리적 위치, 사용자 스케줄 등을 위해 사용될 수 있다. 사용자의 혈당 수준을 지속적으로 모니터링할 수 있는 침습 혈당 센서의 예로는 Medtronic iPro2, Dexcom G4/5, Abbott Freestyle Libre 등이 있다. 간접 혈당 측정 유닛의 기능의 예는, 사용자의 지리적 위치 데이터를 수신하고 사용자가 식당에 있는 것으로 결정하고, 사용자가 식당을 방문한 시간이 사용자의 점심 시간임을 나타내는 사용자의 스케줄 데이터를 분석하고, 사용자의 움직임에 대한 데이터를 수신하고, 사용자의 식습관에 특정한 손의 움직임을 검출하고, 주변 소리에 대한 데이터를 수신하며, 사용자의 식사의 소리 특성을 식별하는 것 등이다. 혈당 센서 대신에 간접 혈당 측정 유닛의 사용에 관하여, 이러한 유닛을 가진 착용 가능한 사용자 디바이스(100)가 착용되는 손은 부가적으로 사용자의 일상적인 활동 파라미터의 추정 결과의 정확도에 영향을 미친다는 것을 주목하는 것이 중요하다. 특히, 우세한 손(prevailing hand)(자신이 먹는 손)에 착용된 착용 가능한 사용자 디바이스(100)에 따른 추정 결과의 정확도는 우세한 손에 착용되지 않은 착용 가능한 사용자 디바이스(100)에 따른 추정 결과의 정확도에 비해 약간 더 높을 것이다. 상술한 특정 예는 단지 예시적이고, 사용자의 식사의 특정 입증된 변형에 제한되지 않는다는 것이 통상의 기술자에게는 명백할 것이다. 시스템 및/또는 전자 장치(100)의 저장 모듈은 또한 측정된 모든 사용자의 일상적인 활동 파라미터를 등록하고 저장하도록 구성된다.

특히, 일 실시예에 따르면, 사용자의 혈당 수준의 연속적인 모니터링의 데이터는 특정 사용자의 식습관을 결정하기 위해 사용된다. 즉, 처리 유닛은 상기 혈당 센서 및 복수의 센서로부터 데이터를 수신하고, 다음과 같은 파라미터: 1) 식사 시간, 2) 하루 식사 횟수, 3) 섭취한 음식의 탄수화물의 양, 4) 혈당 변화 곡선에 기초하여 음식으로 사용자가 섭취한 칼로리의 수를 계산한다. 따라서, 착용 가능한 사용자 디바이스(100)가 처리 유닛, 저장 모듈 및 디스플레이를 갖는 경우, 모든 계산은 착용 가능한 사용자 디바이스(100) 자체에서 행해지고, 계산 및 상응하는 권장 사항의 결과는 착용 가능한 사용자 디바이스(100) 자체의 디스플레이 상에 직접 표시될 수 있으며, 필요하다면, 유닛 통신을 통해 임의의 외부 디바이스로 송신될 수 있다.

착용 가능한 사용자 디바이스(100)와 별개인 스마트 디바이스에 처리 유닛, 저장 모듈 및 디스플레이가 있는 경우, 처리 유닛은 통신 유닛을 사용하여 상기 혈당 센서 및 복수의 센서로부터 데이터를 수신하고, 계산 결과 및 상응하는 권장 사항은 상기 별개의 스마트 디바이스 상에 표시될 수 있다.

다른 실시예에 따르면, 착용 가능한 사용자 디바이스(100)의 처리 유닛은 예비 데이터 처리를 위해 혈당 센서 및 복수의 센서로부터 데이터를 수신할 수 있으며, 그 후, 통신 유닛은, 최종 데이터 처리를 위해, 특히 파라미터 1) 내지 4)를 계산하고, 계산 결과 및 상응하는 권장 사항을 상기 별개의 스마트 디바이스의 디스플레이 상에 표시하기 위해 예비 처리된 데이터를 스마트 디바이스의 처리 유닛에 송신한다. 본 실시예에 따르면, 계산 결과 및 상응하는 권장 사항은 또한 이러한 데이터를 착용 가능한 사용자 디바이스(100)의 디스플레이 상에도 표시하기 위해 통신 유닛으로 다시 송신될 수 있다.

상기 혈당 센서를 사용하여 사용자의 혈당 수준의 변화를 추적함으로써, 사용자 측의 어떠한 행동(사용자 독립 모드에서의 동작)도 필요 없이 사용자의 식습관을 추정할 수 있다. 게다가, 가속도계/자이로스코프 및 PPG 센서를 사용하면 사용자 독립 모드에서 (영양, 활동, 수면에 관한) 사용자의 일상적인 활동 파라미터를 효율적으로 추적할 수 있다.

게다가, 청구된 발명의 중요한 이점은 사용자의 수정된 생리학적 모델을 사용하며, 이러한 모델은 이 내에 입력된 사용자의 혈당 수준을 측정한 결과를 사용하여 트레이닝되고, 출력은 특정 음식 섭취에 대한 사용자의 계산된 개별 반응이다. 사용자의 신체의 개별 반응에 대한 데이터는 식사 시간을 추정하는데 사용된 기계 학습 알고리즘을 트레이닝시키고, 하루 또는 며칠 동안 음식 섭취를 분류하기 위한 보조 데이터로서 사용된다. 특히, 컨볼루션 신경망, 재발 신경망(recurrent neural network)뿐만 아니라 수학적 통계 방법 또는 다른 공지된 기계 학습 방법이 기계 학습 알고리즘으로서 사용될 수 있다. 사용자의 혈당 수준을 측정한 결과를 포함하는 측정된 사용자의 일상적인 활동 파라미터는 이를 트레이닝시키기 위한 이러한 기계 학습 알고리즘뿐만 아니라 트레이닝을 위한 보조 데이터, 즉 사용자 신체의 개별 반응에 대한 데이터에 입력된다.

다른 가능한 실시예에 따르면, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템 및/또는 전자 장치(100)는 사용자의 일상적인 활동 파라미터에 관한 사용자로부터 수동으로 입력된 데이터, 예를 들어, 수동으로 입력된 섭취된 음식의 이름 또는 섭취된 음식의 사진을 다운로딩한 것을 수신하도록 더 구성된다. 특히, 사용자는 디바이스를 처음 사용할 때 필요한 파라미터를 수동으로 입력하여, 이러한 특정 사용자에 대한 계산 생리학적 모델의 초기 교정을 명시할 수 있다. 처리 유닛은 차례로 사용자가 입력하는 데이터의 분석(예를 들어, 사용자가 입력하는 음식의 칼로리 함량(calorie content)을 결정하거나 사용자 사진에서 음식을 인식하고 이의 칼로리 함량을 후속으로 결정하는 것)을 포함하여 상기 알고리즘을 구현하도록 구성된다.

본 발명에 따른 기계 학습 알고리즘을 사용하여 획득되는 식사 시간의 추정 결과 및 음식 섭취의 분류는 계산 생리학적 모델의 교정 결과와 비교되고, 비교 결과는 영양 파라미터의 추정치를 개선하는데 사용되며, 즉, 생리학적 모델은 알고리즘에 의해 계산된 음식의 양에 대한 예상된 반응을 계산하며, 이러한 예상된 반응은 사용자의 신체의 실제 반응과 비교되며, 이것이 대략적으로 분기하면, 알고리즘은 음식의 양을 재계산한다(몇 시간에서 며칠까지 특정 기간 동안 실제 반응이 누적되는 알고리즘의 트레이닝). 따라서, 특정 사용자에 대해 교정된 생리학적 모델을 고려함으로써 식사 시간의 추정 및 음식 섭취의 분류의 정확도가 개선된다. 필요하다면, 사용자는 추정된 식사 시간 및 수면 기간을 수동으로 정정할 수 있다.

통상적인 생리학적 모델은 전체 인체에 대한 혈당 흡수의 동역학(kinetics)을 고려할 때 인체의 다양한 장기(간, 혈액, 세포간 체액(intercellular fluid) 등)의 물질의 농도 또는 양에 대한 미분 방정식 시스템(system of differential equations)이다.

전자 장치(100)는 사용자 착용 가능한 장치(100)일 수 있다. 전자 장치(100)는 착용 가능한 사용자 디바이스(100)와 동일하거나 유사할 수 있다.

전자 장치(100)는 관성 측정 센서, 포토플레시스모그램 센서, 혈당 센서, 처리 유닛(예를 들어, 프로세서), 저장 모듈, 디스플레이, 및/또는 GPS 장치를 포함할 수 있다.

전자 장치(100)는, 101 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 적어도 하나 이상의 센서에 의해서 사용자의 일상적인 활동 파라미터가 수신됨에 따라, 미리 정의된 사용자 프로파일과 함께 사용자의 일상적인 활동 파라미터를 분석할 수 있다.

전자 장치(100)는, 103 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 일상적인 활동 파라미터를 분석의 결과에 기초하여, 식사 시간 및 사용자가 섭취한 음식의 양이 추정할 수 있다.

전자 장치(100)는, 105 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 추정의 결과로서 건강하지 않은 라이프 스타일 습관이 검출할 수 있다.

전자 장치(100)는, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되었는지 판단할 수 있다.

전자 장치(100)는, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되었다고 판단되면 109동작으로 분기할 수 있다.

전자 장치(100)는, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되지 않았다고 판단되면 119 동작으로 분기할 수 있다.

추정의 결과로서, 사용자 습관이 건강하지 않은 라이프 스타일 습관으로서 분류되지 않음을 나타내면(예를 들어, 건강한 라이프 스타일 습관으로 분류됨을 나타내면), 전자 장치(100)는, 119 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자가 건강한 라이프 스타일을 계속하도록 동기를 부여하는 메시지를 생성할 수 있다. 생성된 메시지는 전자 장치(100)의 디스플레이를 통해서 표시될 수 있다.

건강하지 않은 라이프 스타일 습관이 검출될 수 있다. 이러한 습관은 불규칙성 식사(1091), 아침 식사 건너 뛰기(skipping breakfast)(1092), 야간 식사(1093), 고혈당 지수(glycemic index, GI) 식사(1094), 이동 중 식사(eating while on a move)(1095), 다이어트 방해(diet violation)(식이 요법)(1096), 낮은 신체적 활동(1097), 감정적 과식(1098), 불충분한 수면 기간 등과 같은 건강하지 않은 습관의 범주와 관련이 있을 수 있다.

전자 장치(100)는, 109 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 습관의 범주는 미리 정의할 수 있고, 건강하지 않은 습관의 범주를 저장 모듈에 저장할 수 있다.

전자 장치(100)는, 111동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일을 유지하는데 도움이 되지 않은 검출된 습관과 서로 관련되어 있는 건강하지 않은 습관의 범주는 건강하지 않은 습관의 개인화된 프로파일을 형성하도록 조합할 수 있다.

전자 장치(100)는, 113 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 습관의 개인화된 프로파일에 기반하여 건강한 라이프 스타일과 사용자의 영양 및 신체적 활동에 관한 프로그램에 대한 적절한 권장 사항의 추가의 분석 및/또는 생성할 수 있다.

감정적 과식(emotional overeating)을 감지할 때, 전자 장치(100)는, 113 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 스트레스 수준을 추적하고, 감정적 과식이 발생할 수 있음을 사용자에게 알려주면서, 사용자가 모든 타입의 활동에 참여하도록 동기를 부여하는 상응하는 권장 사항, 또는 상담을 위해 사용자의 심리학자에게 연락(contact)하기 위한 권장 사항을 제공한다(또는 이의 연락 번호가 사용자에 의해 전자 장치(100)에 미리 저장된 경우 심리학자와 자동으로 연결된다).

사용자가 고 탄수화물 음식을 체계적으로 섭취하면, 전자 장치(100)는 저 탄수화물 음식의 장점을 설명하는 사용자에 대한 정보 메시지를 생성할 수 있거나 사용자가 영양사 또는 내분비학자(endocrinologist)에게 연락하도록 권장할 수 있다(또는 전자 장치(100)에서 통신을 위해 번호가 이전에 저장된 경우 영양사 또는 내분비학자와 직접 연결한다).

전자 장치(100)는, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되었는지 판단할 수 있다.

전자 장치(100)는, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되었는지 판단되면, 103 동작으로 분기할 수 있다.

전자 장치(100)는, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되지 않았다고 판단되면(예를 들어, 1회 이상 제공되었다고 판단되면), 117 동작으로 분기할 수 있다.

건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되면, 전자 장치(100)는, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 일상적인 활동 파라미터를 분석하는 단계로 다시 진행한다.

건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음이 아닌 경우, 검출된 건강하지 않은 라이프 스타일 습관에 의해 유발될 수 있는 나쁜 건강 결과를 사용자에게 통지하는 사용자에 대한 메시지가 생성되고, 그 후 전자 장치(100)는 또한 전에 이러한 사용자에게 제공된 권장 사항에 관한 정보를 고려함으로써(따라서 사용자의 식습관을 고려함으로써) 식사 시간 및 사용자가 섭취한 음식의 양을 추정하는 단계로 진행한다.

전자 장치(100)는, 117 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 검출된 건강하지 않은 라이프 스타일 습관에 의해 유발될 수 있는 나쁜 건강 결과를 사용자에게 통지하는 사용자에 대한 메시지가 생성되고, 그 후 전자 장치(100)는 또한 전에 이러한 사용자에게 제공된 권장 사항에 관한 정보를 고려함으로써(따라서 사용자의 식습관을 고려함으로써) 식사 시간 및 사용자가 섭취한 음식의 양을 추정하는 단계로 진행한다.

시스템은 사용자 착용 가능한 장치일 수 있다. 시스템은 착용 가능한 사용자 디바이스(100)와 동일하거나 유사할 수 있다.

시스템은 관성 측정 센서, 포토플레시스모그램 센서, 혈당 센서, 처리 유닛(예를 들어, 프로세서), 저장 모듈, 디스플레이, 및/또는 GPS 장치를 포함할 수 있다.

시스템은, 101 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 적어도 하나 이상의 센서에 의해서 사용자의 일상적인 활동 파라미터가 수신됨에 따라, 미리 정의된 사용자 프로파일과 함께 사용자의 일상적인 활동 파라미터를 분석할 수 있다.

시스템은, 103 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 일상적인 활동 파라미터를 분석의 결과에 기초하여, 식사 시간 및 사용자가 섭취한 음식의 양이 추정할 수 있다.

시스템은, 105 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 추정의 결과로서 건강하지 않은 라이프 스타일 습관이 검출할 수 있다.

시스템은, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되었는지 판단할 수 있다.

시스템은, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되었다고 판단되면 109동작으로 분기할 수 있다.

시스템은, 107 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 라이프 스타일 습관이 발견되지 않았다고 판단되면 119 동작으로 분기할 수 있다.

추정의 결과로서, 사용자 습관이 건강하지 않은 라이프 스타일 습관으로서 분류되지 않음을 나타내면(예를 들어, 건강한 라이프 스타일 습관으로 분류됨을 나타내면), 시스템은, 119 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자가 건강한 라이프 스타일을 계속하도록 동기를 부여하는 메시지를 생성할 수 있다. 생성된 메시지는 전자 장치(100)의 디스플레이를 통해서 표시될 수 있다.

건강하지 않은 라이프 스타일 습관이 검출될 수 있다. 이러한 습관은 불규칙성 식사(1091), 아침 식사 건너 뛰기(skipping breakfast)(1092), 야간 식사(1093), 고혈당 지수(glycemic index, GI) 식사(1094), 이동 중 식사(eating while on a move)(1095), 다이어트 방해(diet violation)(식이 요법)(1096), 낮은 신체적 활동(1097), 감정적 과식(1098), 불충분한 수면 기간 등과 같은 건강하지 않은 습관의 범주와 관련이 있을 수 있다.

시스템은, 109 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 습관의 범주는 미리 정의할 수 있고, 건강하지 않은 습관의 범주를 저장 모듈에 저장할 수 있다.

시스템은, 111동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일을 유지하는데 도움이 되지 않은 검출된 습관과 서로 관련되어 있는 건강하지 않은 습관의 범주는 건강하지 않은 습관의 개인화된 프로파일을 형성하도록 조합할 수 있다.

시스템은, 113 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강하지 않은 습관의 개인화된 프로파일에 기반하여 건강한 라이프 스타일과 사용자의 영양 및 신체적 활동에 관한 프로그램에 대한 적절한 권장 사항의 추가의 분석 및/또는 생성할 수 있다.

감정적 과식(emotional overeating)을 감지할 때, 시스템은, 113 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 스트레스 수준을 추적하고, 감정적 과식이 발생할 수 있음을 사용자에게 알려주면서, 사용자가 모든 타입의 활동에 참여하도록 동기를 부여하는 상응하는 권장 사항, 또는 상담을 위해 사용자의 심리학자에게 연락(contact)하기 위한 권장 사항을 제공한다(또는 이의 연락 번호가 사용자에 의해 전자 장치(100)에 미리 저장된 경우 심리학자와 자동으로 연결된다).

사용자가 고 탄수화물 음식을 체계적으로 섭취하면, 시스템은 저 탄수화물 음식의 장점을 설명하는 사용자에 대한 정보 메시지를 생성할 수 있거나 사용자가 영양사 또는 내분비학자(endocrinologist)에게 연락하도록 권장할 수 있다(또는 전자 장치(100)에서 통신을 위해 번호가 이전에 저장된 경우 영양사 또는 내분비학자와 직접 연결한다).

시스템은, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되었는지 판단할 수 있다.

시스템은, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되었는지 판단되면, 103 동작으로 분기할 수 있다.

시스템은, 115 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되지 않았다고 판단되면(예를 들어, 1회 이상 제공되었다고 판단되면), 117 동작으로 분기할 수 있다.

건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음으로 제공되면, 시스템은, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 사용자의 일상적인 활동 파라미터를 분석하는 단계로 다시 진행한다.

건강한 라이프 스타일 및/또는 사용자의 영양 및 신체적 활동에 관한 프로그램을 유지하기 위한 이러한 권장 사항이 사용자에게 처음이 아닌 경우, 검출된 건강하지 않은 라이프 스타일 습관에 의해 유발될 수 있는 나쁜 건강 결과를 사용자에게 통지하는 사용자에 대한 메시지가 생성되고, 그 후 시스템은 또한 전에 이러한 사용자에게 제공된 권장 사항에 관한 정보를 고려함으로써(따라서 사용자의 식습관을 고려함으로써) 식사 시간 및 사용자가 섭취한 음식의 양을 추정하는 단계로 진행한다.

시스템은, 117 동작에서, 처리 유닛(예를 들어, 프로세서)의 제어 하에, 검출된 건강하지 않은 라이프 스타일 습관에 의해 유발될 수 있는 나쁜 건강 결과를 사용자에게 통지하는 사용자에 대한 메시지가 생성되고, 그 후 시스템은 또한 전에 이러한 사용자에게 제공된 권장 사항에 관한 정보를 고려함으로써(따라서 사용자의 식습관을 고려함으로써) 식사 시간 및 사용자가 섭취한 음식의 양을 추정하는 단계로 진행한다.

도 2는, 제1 형 당뇨병을 앓고 있는 사람의 유기체에 대한 혈당 흡수의 동역학을 고려할 때, 통상적인 방법에 따라 이용 가능한 실험 데이터를 사용하여 다양한 기관과 조직의 혈당과 인슐린 농도의 분포와 동적 변화를 모델링하는 생리학적 모델을 제시한다. 특히, 도 2는 제1 형 당뇨병을 앓고 있는 사람에 대한 생리학적 모델을 도시하며, 이는 간에 의한 혈당의 생산 및 혈당을 함유한 음식의 섭취에 의해 형성되는 혈당 대사 시스템을 나타내며, 상기 혈당 수준은 제1 형 당뇨병을 앓고 있는 사람에 인슐린을 투여하여 형성되는 인슐린 조절 시스템에 의해 유지된다. 이러한 생리학적 모델은 조직에 의한 혈당 섭취, 혈당의 신장 추출, 혈류로의 인슐린 유입 및 인슐린 파괴를 고려하며, 여기서, 혈당과 인슐린 전환(insulin conversions)은 도면에서 굵은 화살표로 표시되고, 상응하는 제어 신호는 얇은 화살표로 표시된다(”참조). 도 2에 도시된 바와 같이, 제1 형 당뇨병을 앓고 있는 환자는 자신의 인슐린 분비를 갖지 않으므로, 인슐린 분비를 담당하는 화살표가 십자형으로 나타내어진다. 이러한 알려진 통상적인 방법은 제1 형 당뇨병을 앓고 있는 환자의 음식에 대한 생리학적 파라미터의 반응의 설명에 효과적으로 적용 가능하지만, 정상적인 인슐린 분비의 존재로 인해 건강한 사용자에게는 어려움이 있으며, 이는 미분 방정식의 시스템을 복잡하게 한다(방정식에서의 더 많은 변수).

본 발명에 따르면, 사용자의 고유 인슐린 분비를 고려하고, 또한 신체 활동, 심박수 및 스트레스를 모두 고려한 변형된 생리학적 모델이 사용된다. 게다가, 고려된 변형된 생리학적 모델에 따르면, 혈당 지속성(glucose persistence)의 일상적인 변화("혈당 내성")가 또한 고려되며, 모델 자체는 섭취한 음식의 파라미터를 교정하는데 사용된다. 통상적인 모델은 상술한 어떤 요소도 고려하지 않는다. 사용자의 혈당 수준은 섭취한 음식뿐만 아니라 스트레스와 강한 신체 활동에 의존하므로, 이러한 요소는 사용자의 일상적인 활동 파라미터를 분석할 때 매우 중요하다. 스트레스와 강렬한 신체 활동은 모두 음식 섭취의 결과로서 획득된 반응과 비슷한 혈당 수준의 반응을 일으킨다. 예를 들어, 도 3(a)와 도 3(b)는 농구 동안 및 경험 있는 스트레스 기간 동안 각각 시간에 따른 사용자의 혈당 수준의 변화의 상응하는 그래프를 도시한다. 도 3(a)에 도시된 바와 같이, 사용자가 농구 레슨(신체 활동)을 시작했을 때, 자신의 혈액의 혈당 수준은 상승하기 시작하여 레슨이 중단될 때 최고치에 도달하였다. 더욱이, 사용자는 음식을 섭취한 후, 자신의 혈당 수준이 또한 증가되었다. 비슷한 화상(picture)이 도 3(b)에 표시되어 있고, 비록 표시가 덜 되었어도, 스트레스를 경험한 후에도 사용자의 혈당 수준이 증가했음을 분명히 보여준다. 본 발명에 따르면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법은 사용자의 일상적인 활동 파라미터에 대한 포괄적인 분석 때문에 종래 기술의 솔루션에 비해 높은 정확도로 사용자의 진행중인 일상적인 활동 타입을 구별하기 위한 것이다. 게다가, 각각의 사람의 신체 내의 신진 대사는 개인적이므로, 각각의 사람은 개별적으로 동일한 음식에 반응한다. 본 발명에 사용된 상기 변형된 생리학적 모델은 사용자의 일상적인 활동의 측정된 파라미터에 대해 트레이닝된 후에 사용자 독립 모드에서 기계 학습 알고리즘에 의해 계산된 바와 같이 사용자가 섭취한 음식의 양에 대한 사용자의 신체의 개별 반응을 계산한다. 이러한 계산된 반응은 기계 학습 알고리즘의 추가의 트레이닝을 위한 보조 데이터로서 사용된다.

특히, "배경" 섹션에 나타내어진 바와 같이, 종래 기술의 솔루션은 종종 사용자로부터 정보, 즉 섭취한 음식의 이름의 반복된 수동 입력을 필요로 하므로, 섭취한 음식과 연관된 데이터 분석의 정확성이 사용자의 기억, 정직 및 동기 부여에 직접적으로 의존한다. 게다가, 알려진 솔루션은 사용자의 개별적인 생리학적 특성을 고려하지 않으므로, 사용된 에너지 균형의 계산은 각각의 사용자에 대해 동일하다. 상술한 바와 같이, 논의된 방법에 따르면, 사용자는 일상적인 동작을 수행할 필요가 없으며, 모든 식사는 영양, 신체 활동, 수면 및 특정 사용자의 유기체의 혈당 반응의 개개의 특성 사이의 관계를 고려함으로써 자동으로 기록된다. 따라서, 논의된 방법은 식사의 기록에서 에러의 퍼센티지를 감소시키고, 사용자 독립적 모드에서 음식 섭취의 분류의 정확도를 향상시킨다. 게다가, 이러한 방법은 일부 이용 가능한 웰니스 추적 앱, 예를 들어, Samsung Health app.과 호환 가능하다.

도 4는 본 발명의 일 실시예에 따라 낮 동안 사용자의 영양 파라미터를 결정하기 위한 흐름도이다. 401 동작에서, 처리 유닛은 낮 동안 지속적으로 측정되는 사용자의 혈당 수준의 변화에 대한 데이터를 혈당 센서로부터 수신한다. 403 동작에서, 이러한 데이터 및 언급된 복수의 센서로부터의 데이터는 이의 파라미터를 교정하기 위해 수정된 생리학적 모델에 입력된다. 405 동작에서, 사용자의 혈당 수준의 변화에 대한 데이터 및 선택적으로 상기 복수의 센서로부터의 데이터는 또한 기계 학습 알고리즘에 입력되며, 이는 아래에서 더 상세히 설명될 것이다. 그 후, 혈당 수준의 변화 및 복수의 센서로부터의 데이터에 기초하여 교정되는 사용자의 수정된 생리학적 모델의 파라미터는 또한 추가의 트레이닝을 위한 알고리즘에 입력된다. 다른 실시예에 따르면, 혈당 수준의 변화 및 복수의 센서로부터의 데이터에 기초하여 교정되는 사용자의 수정된 생리학적 모델의 파라미터만이 알고리즘에 입력된다. 이러한 알고리즘을 사용한 결과로서, 하루 동안 사용자의 식사 시간과 사용자가 섭취한 음식의 양 - 해당 음식의 탄수화물의 양은 추정된다(칼로리 함량이 또한 추정될 수 있다). 특히, 도 4에서, 제 1 선(411)은 사용자가 저 탄수화물 음식을 섭취하는 추정된 시간을 나타내고, 제 2 선(413)은 평균 탄수화물 음식을 섭취한 시간이며, 제 3 선(415)은 고 탄수화물 음식을 섭취한 시간을 나타낸다. 상기 기계 학습 알고리즘에 의해 출력되는 사용자가 섭취한 음식의 추정된 양은 또한 상술한 바와 같이 기계 학습 알고리즘에 의해 계산된 각각의 사용자의 식품의 양에 대한 사용자의 신체의 반응을 결정하기 위해 사용자의 수정된 생리학적 모델에 입력된다.

탄수화물의 추정된 양 및 사용자 프로파일로부터의 정보에 기초하여, 음식과 함께 사용자가 섭취한 칼로리의 수가 결정된다. 도 5는 하루에 음식을 섭취한 복수의 사용자에 의해 취해진 실제 칼로리와 예측된 수의 칼로리 사이의 상관 관계의 그래프를 도시한다(NHANES WWEIA 데이터베이스가 사용됨). 특히, 상기 복수의 사용자는 2281 명을 포함한다. X 축은 하루에 음식을 사용자가 섭취한 실제 칼로리의 수이고, Y 축은 탄수화물의 양에 대한 데이터와 미리 정의된 사용자 프로파일에 대한 데이터(예를 들어, 사용자의 연령, 성별, 체중 및 키에 대한 데이터)에 기초한 알고리즘에 의해 예측된 칼로리의 양이다. 따라서, 섭취한 추정된 칼로리의 수 및 사용자의 신체 활동에 대한 이용 가능한 데이터로 인해, 본 발명은 건강한 라이프 스타일의 중요한 특성인 사용자의 에너지 균형을 추정할 수 있고, 사용자의 이러한 추정된 에너지 균형에 기초하여 건강한 라이프 스타일을 유지하기 위한 추가의 권장 사항을 생성할 수 있다.

더욱이, 도 6은 음식 섭취와 관련이 없는 혈당 수준의 변화의 저주파 추세(그래프에서 601)를 도시하며, 생성된 신호는 음식 섭취에 의해 유발된 혈당 수준의 변화(그래프에서 603) 및 사용자가 음식을 섭취하기 시작한 시간 순간(time moments)(그래프에서 점선)에 상응한다. 수평축은 혈당 센서의 카운트의 수를 나타내고(이러한 예에서는 하나의 카운트가 5분에 상응함), 수직축은 혈당 농도를 mmol/L로 나타낸다. 특히, 저주파 디지털 필터(예를 들어, 12 기간에 상응하는 차단 주파수(cut-off frequency)를 갖는 버터워스 필터(Butterworth filter))를 사용하면, 음식과 관련이 없는 혈당 수준의 변화의 저주파 추세는 명시된다(음식 섭취에 대한 반응은 선택된 차단 주파수 필터보다 높은 주파수에 상응함). 그 후, 이러한 저주파 추세는 혈당 수준 변화의 원래의 신호로부터 감산되어 생성된 신호를 획득하며, 원래의 신호는 혈당 센서로부터 수신된 혈당 변화 신호이다. 생성된 신호는 음식 섭취에 대한 반응에 상응하는 혈당 역학의 비교적 빠른 변화를 특징으로 한다. 생성된 신호의 피크 값은 사용자가 음식을 섭취하기 시작한 대략적인 시간 순간으로서 간주되며, 이는 또한 도 6에 표시되어 있다.

그 다음, 생성된 신호는 후술하는 바와 같이 기계 학습 알고리즘에 편리한 형태로 변환된다. 예를 들어, 일 실시예에 따르면, 신호는 5분의 샘플링 주기로 샘플링된 후, 샘플링된 신호는 2시간의 윈도우(세그먼트)로 분할되고, 윈도우는 5분의 시프트 증가로 서로 교차한다. 혈당 변화 신호 자체 이외에, 트레이닝 품질을 향상시키는 부가적인 특징은 예를 들어, PPG 센서 데이터, 관성 측정 센서 데이터, 수면 분율(sleep fraction), 몇 개의 크기 파생물의 순서(several orders of magnitude derivatives), 및 2시간 윈도우 내의 신호의 통계적 특성과 같은 기계 학습 알고리즘에 입력된 특징 벡터에 부가될 수 있다.

식사 시간을 추정하기 위해, 각각의 특징 벡터는 두 가지 클래스: 사용자가 음식을 섭취하지 않은 기간을 나타내는 "음식 없음(No food)" 클래스, 및 사용자가 음식을 섭취한 기간을 나타내는 "음식(Food)" 클래스에 따라 트레이닝된 기계 학습 알고리즘(예를 들어, 최적화된 파라미터를 갖는 랜덤 포레스트 알고리즘(Random Forest algorithm))에 의해 분류된다. 일반적으로, 기계 학습 알고리즘에 의한 데이터 분류의 결과는 “잡음(noisy)”이 상당하며, 즉, 많은 단일의 잘못된 결과가 있다. 이러한 오류는 이러한 결과의 고주파 발진을 필터링함으로써 제거될 수 있으며, 예를 들어, 도 7은, 701에서, 본 발명의 일 실시예에 따른 기계 학습 알고리즘을 사용하여 획득된 사용자 대 시간에 의한 음식 섭취 가능성의 그래프를 도시한다. 수평축은 5분, 즉 혈당 센서의 카운트(이러한 예에서는 하나의 카운트가 5분에 상응함)씩 시프트 증가시키는 상술한 윈도우의 수를 나타내고, 수직축은 기계 학습 알고리즘에 의해 획득되는 상응하는 윈도우에서 사용자가 음식을 섭취할 가능성을 나타낸다. 그 다음, 상응하는 윈도우에서 사용자가 음식을 섭취하기 시작할 가능성의 추정된 신호는 일부 컨볼루션을 사용하여 필터링된다. 특히, 예를 들어, 본 실시예에서, 정규화된 가우시안 커널(Gaussian kernel)과의 컨볼루션(예를 들어, ?=1, ?2=1)은 이러한 추정된 신호에 적용되며, 이의 그래프는 도 7에서 703으로 나타내어진다. 게다가, 도 7에서, 705는 또한 703에 도시된 정규화된 가우시안 커널과의 컨볼루션을 사용하여 701에 도시된 신호를 처리한 결과의 그래프를 나타낸다. 각각의 피크 값은 예측된 식사 기간으로서 간주된다. 따라서, 705에 도시된 신호의 국부 최대치를 찾은 후, 생성된 신호가 수신되며(707), 이는 예측된 식사 기간을 나타낸다. 게다가, 생성된 신호의 그래프는 또한 특정 이웃(그래프에서 제 1 구간(711))을 나타내며, 예측 에러를 허용하는 시간 간격, 예를 들어 음식 섭취 시작에 대한 [-15min; +30min]을 나타낸다. 따라서, 사용자가 음식을 섭취할 가능성이 가장 높은 기간을 식별할 수 있으며, 상응하는 기간의 시작은 사용자가 음식을 섭취하는 시작으로 간주될 수 있다.

알고리즘의 효율성을 테스트하기 위해, 실제 식사 결정(TP(true positive)), 거짓 식사 결정(FP(false positive)) 및 거짓 식사 누락(FN(false negative))이 계산된다. 일반적으로, 분류 알고리즘의 효율성은 정밀도(Precision) 및 리콜(Recall)을 다음을 기초하여 사용하는 F1 측정치(F1 스코어(score))를 사용하여 추정된다:

,

where

, and

음식과 함께 섭취한 탄수화물의 양을 추정하기 위해, “음식”으로서 분류된 특징 벡터만이 사용된다. 이러한 특징 벡터(feature vector)의 각각은 다음과 같은 3가지 클래스에 따라 트레이닝된 기계 학습 알고리즘(예를 들어, 파라미터를 최적화한 로지스틱 회귀(logistic regression))에 의해 추정된다: "낮음(Low)"은 사용자가 탄수화물이 적은 음식(최대 49 그램)을 섭취할 때의 기간을 나타내고, "중간(Mid)"은 사용자가 평균 탄수화물 음식(50 내지 119 그램)을 섭취할 때의 기간을 나타내며, "높음(High)"은 사용자가 고 탄수화물 음식(120 그램 이상)을 섭취할 때의 기간을 나타낸다.

따라서, 본 발명은 음식과 함께 섭취되는 탄수화물의 양을 추정할 수 있게 한다. 탄수화물의 양과 미리 정의된 사용자 프로파일에 기초하여, 소비된 칼로리보다 섭취한 칼로리(과식함)의 초과치가 추정될 수 있다.

식사 시간의 추정 및 음식 섭취의 분류가 완료되면, 특정 사용자에 대해 교정된 계산 생리학적 모델을 고려하여, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법은 사용자에 대한 적절한 권장 사항을 생성한다. 일반적으로 모든 사용자가 칼로리가 적은 음식을 소비하거나 더 많이 움직이고, 사용자의 현재 음식 섭취량(및 각각 개개의 혈당 반응)을 정기적으로 모니터링하지 않는 것을 권장하는 알려진 솔루션과 달리, 고려된 방법은 효과적인 개개의 권장 사항 및/또는 사용자의 건강한 라이프 스타일의 개발을 위한 개개의 프로그램을 제공하며: 이러한 프로그램은 상술한 바와 같이 사용자의 일상적인 활동 파라미터의 분석의 결과와 고려된 시스템의 복수의 다른 사용자의 일상적인 활동 파라미터의 분석의 결과를 모두 사용한다.

도 1과 관련하여 상술한 바와 같이, 분석의 결과가 사용자 습관이 건강하지 않은 라이프 스타일 습관으로서 분류되지 않음을 나타내면, 사용자가 건강한 라이프 스타일을 계속하도록 동기를 부여하는 메시지가 생성된다. 건강하지 않은 라이프 스타일 습관이 검출되면, 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 고려된 방법은 사용자에게 건강한 라이프 스타일을 개발하기 위한 적절한 권장 사항을 제공한다. 예를 들어, 불충분한 신체 활동이 검출되면, 고려된 방법은 짧은 수면 기간과 관련하여 신체 활동의 점진적인 증가에 대한 권장 사항을 생성할 수 있고, 방법은 일찍 잠자리에 드는 것을 권장할 수 있으며, 불규칙한 음식 섭취가 검출되면, 방법은 식단(diet) 등을 권장할 수 있다. 따라서, 권장 사항은 건강식 및 건강하지 않은 식단에 대한 조언, 개개의 식이 요법(dietary regimen)에 대한 조언 및 신체 활동 및 수면에 대한 개개의 프로그램의 제공을 포함할 수 있다. 고려된 방법은 해당 날짜에 설정된 목표를 고려하여 현재 날짜의 측정된 파라미터의 결과에 기초한 일상적인 권장 사항과, 주어진 기간(주, 월 등) 동안 측정된 파라미터의 분석에 기초한 권장 사항을 모두 생성할 수 있다. 사용자가 권장 사항을 따르지 않으면, 방법은 부가적으로 이러한 라이프 스타일의 가능한 부정적인 결과에 대해 사용자에게 통지하는 정보 메시지를 생성할 수 있다. 게다가, 고려된 시스템은 사용자가 상술한 바와 같이 건강한 라이프스타일을 계속 유지하도록 동기를 부여하거나 제공된 권장 사항을 준수하지 않을 경우 발생할 수 있는 결과에 대해 사용자에게 경고하기 위해 시스템에 의해 이전에 제공된 권장 사항으로 사용자의 일상적인 활동 파라미터의 준수를 자동으로 체크하도록 구성된다.

다른 실시예에 따르면, 혈당 센서 및 상기 센서의 세트로부터의 데이터는 추가 처리를 위해 상술한 알고리즘에 직접 입력된다. 이러한 실시예에서, 사용자의 신체의 개개의 반응의 계산을 위한 수정된 생리학적 모델은 사용되지 않아, 이러한 수정된 생리학적 모델이 사용되는 방법과 비교되듯이 사용자가 음식을 섭취하는 기간을 결정하는 정확도가 감소되지만, 알려진 솔루션과 비교하여 이러한 기간을 결정하는 정확도는 여전히 높다.

다른 실시예에 따르면, 사용자는 또한 체중을 사용하여 자신의 체중을 주기적으로 측정할 수 있으며, 여기서 혈당 센서가 장착된 착용 가능한 사용자 디바이스(100)는 상기 체중으로부터 데이터를 수신하고, 시간에 따른 사용자의 체중의 변화를 분석하며, 동일한 기간에 걸쳐 사용자의 혈당 수준의 변화를 분석하도록 구성되며, 이는 사용자의 상응하는 계산 생리학적 모델을 교정하는데 정확도를 향상시킨다.

다른 실시예에 따르면, 청구된 시스템의 처리 유닛은 사용자의 현재 라이프 스타일에서 사용자의 상태에 관한 장기 예측을 하도록 더 구성된다. 특히, 이러한 장기 예측은 미래 체중의 예측, 기대 수명의 예측 등을 포함한다. 게다가, 라이프 스타일이 사용자에 의해 변경될 때, 처리 유닛은 또한 사용자에 대한 동기 메시지를 생성할 수 있고, 예를 들어, 사용자의 일상적인 활동 파라미터를 개선할 때, 처리 유닛은, 미래 체중의 업데이트된 예측에 따라, 사용자가 원하는 체중으로 체중을 잃게 될 동기 메시지를 생성할 수 있으며, 사용자의 일상적인 활동 파라미터가 악화되면, 처리 유닛은, 미래 체중의 업데이트된 예측에 따라, 사용자가 체중을 얻을 것으로 예상되는 동기 메시지를 생성할 수 있다. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 고려된 시스템을 테스트하기 위해, 상술한 착용 가능한 사용자 디바이스(1000)가 장착된 50명의 지원자가 선택되었으며, 이러한 디바이스는 선택된 지원자의 각각에 대한 사용자의 일상적인 활동 파라미터를 측정했다(수집된 데이터베이스에서 총 1000명 이상의 식사). 특히, 사용자의 혈당 수준, 사용자의 움직임에 대한 데이터, 사용자의 맥박에 대한 데이터 및 수면에 대한 데이터가 측정되었다. 상술한 청구된 기계 학습 알고리즘은 식사 시간의 추정 및 음식 섭취의 분류를 위해 이러한 측정된 데이터에 기초하여 트레이닝되었다. 알고리즘의 효율성을 테스트하기 위해, 교차 검증 방법(cross-validation method)은 제외(exclusion)와 함께 사용되었다(하나의 지원자의 데이터는 데이터베이스에서 제외되었고, 알고리즘은 나머지 데이터 상에서 트레이닝된 후, 제외된 데이터 상에서 테스트되었으며, 테스트 결과는 모든 지원자에 걸쳐 평균화되었다). 도 8은 50명의 지원자에 대해 상기 알고리즘에 의해 추정된 사용자의 식사 시간의 정확도의 결과를 도시한다. 특히, 사용자에 의한 실제 식사 시간과 비교하여, 알고리즘에 의해 추정된 식사 시간의 정확도는 93%였고(각각 오류의 퍼센티지는 7%였음), 사용자가 음식을 섭취하지 않은 동안 추정된 시간의 정확도는 88.2%였다(각각 오류의 퍼센티지는 11.8%였음). 따라서, 사용자의 식사 시간을 추정하기 위한 알고리즘의 전체 정확도는 90.43%(F1 측정치 = 0.89)였다. 도 9는 상술한 지원자 중 하나에 대한 사용자의 혈당 수준 및 권장된 식사 시간에 기초하여 하루 동안의 사용자 식사 시간 추정의 그래프이다. 이러한 지원자의 미리 정의된 프로파일에 따르면, 이러한 지원자는 54세, 성별-여성, 체중-71kg, 신장-149cm였다. 1에서 5까지의 척도로 이러한 지원자의 활동 수준은 1로 정의되었으며, 소비된 에너지의 계산은 1578 kcal로 나타났다. 따라서, 알고리즘은 지원자가 정상적인 에너지 균형을 유지하고, 평균 탄수화물 음식을 섭취한다고 결정했다. 이러한 데이터에 기초하여, 권장 사항이 사용자에게 제공되었고, 특히, 도 9에 도시된 그래프가 제공되는데, 여기서 제 1 막대(901)는 관찰에 기초하여 이러한 사용자에게 권장되는 식사 시간을 나타내고, 제 2 막대(그래프 상에서 점선)는 상술한 알고리즘에 의해 결정된 식사 시간을 나타낸다. 도 9에서 제 2 막대와 관련된 열(column, 그래프 상에서 점선)의 높이는 상술한 알고리즘에 의해 결정된 탄수화물의 양에 따른 음식의 등급에 상응한다. 사용자의 수면을 위해 권장된 기간은 그래프에서 제 3 막대(905)으로 나타내어진다.

더욱이, 도 10은 상술한 50명의 지원자에 대해 상기 알고리즘에 의해 추정된 음식 섭취 분류의 정확도의 결과를 도시한다. 도면에서 알 수 있듯이, 자신의 실제 음식 섭취량과 비교하여 사용자가 저탄수화물 음식을 섭취하는 결정의 정확도는 83.4%였고(오류는 각각 16.8%였음), 자신의 실제 음식 섭취량과 비교하여 사용자가 평균 탄수화물 음식을 섭취하는 결정의 정확도는 73.0%였고(오류는 각각 27%였음), 자신의 실제 음식 섭취량과 비교하여 사용자가 고탄수화물 음식을 섭취하는 결정의 정확도는 84.7%였다(오류는 각각 15.3%였음). 따라서, 음식 분류 알고리즘의 전체 정확도는 80.4%(F1 측정치 = 0.80)였다.

통상의 기술자는 필요에 따라 시스템의 구조적 요소 또는 구성 요소의 수가 변할 수 있음을 이해할 것이다. 본 발명의 보호 범위는 시스템의 상술한 구조적 요소의 가능한 모든 상이한 위치를 포함하도록 의도된다. 하나 이상의 예시적인 실시예에서, 본 명세서에 설명된 기능은 하드웨어, 소프트웨어, 펌웨어 또는 이의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되면, 상기 기능은 컴퓨터 판독 가능 매체 상에서 하나 이상의 명령어 또는 코드의 형태로 저장되거나 송신될 수 있다. 기계 판독 가능 매체는 컴퓨터 프로그램을 하나의 장소에서 다른 장소로 전송할 수 있는 임의의 저장 매체를 포함한다. 저장 매체는 컴퓨터에 의해 액세스되는 임의의 이용 가능한 매체일 수 있다. 제한이 아니라 예로서, 이러한 컴퓨터 판독 가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광 디스크 드라이브, 자기 디스크 드라이브 또는 다른 자기 저장 디바이스, 또는 임의의 다른 저장 매체일 수 있으며, 이러한 임의의 다른 저장 매체는 명령어 또는 데이터 구조의 형태로 필요한 프로그램 코드를 전송하거나 저장하기 위해 사용될 수 있고, 컴퓨터를 사용하여 액세스될 수 있다. 게다가, 소프트웨어가 동축 케이블, 광섬유 케이블, 트위스트 페어(twisted pair), DSL(digital subscriber line)를 사용하거나, 적외선, 무선부(radio) 및 마이크로파와 같은 무선 기술을 사용하여 웹 사이트, 서버 또는 다른 원격 소스로부터 전송되는 경우, 이러한 유선 및 무선 수단은 매체의 정의 내에 속한다. 상술한 저장 매체의 조합은 또한 본 발명의 보호 범위 내에 속해야 한다.

본 발명의 예시적인 실시예가 본 설명에서 보여졌지만, 첨부된 청구항에 의해 정의된 본 발명의 보호 범위로부터 벗어나지 않고 다양한 변경 및 수정이 이루어질 수 있다는 것이 이해되어야 한다. 본 명세서에 설명된 본 발명의 실시예에 따른 방법을 특징으로 하는 청구항에서 언급된 기능, 단계 및/또는 동작은 달리 언급되거나 명시되지 않는 한 임의의 특정 순서로 수행될 필요는 없다. 더욱이, 단수의 시스템의 요소의 표시는 달리 명시적으로 언급되지 않는 한 복수의 이러한 요소를 배제하지 않는다.

Claims (15)

1. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법에 있어서,
   신체 활동 기간, 혈당 수준의 변화, 및 음식 섭취 데이터를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;
   음식 섭취에 대한 상기 사용자의 개별 반응을 결정하기 위해 상기 사용자의 혈당 수준의 측정된 변화에 기초하여 생리학적 모델을 구축하는 단계;
   상기 사용자의 일상적인 활동의 측정된 파라미터, 상기 사용자의 결정된 개별 반응, 및 상기 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;
   상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및
   생성된 권장 사항을 상기 사용자에게 표시하는 단계를 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법.
2. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치에 있어서,
   가속도계 및 자이로스코프를 포함한 관성 측정 센서;
   포토플레시스모그램 센서;
   혈당 센서;
   음식 섭취에 대한 상기 사용자의 개별 반응을 결정하기 위해 상기 사용자의 혈당 수준의 변화에 기초하여 생리학적 모델을 구축하고, 상기 사용자의 일상적인 활동의 측정된 파라미터, 상기 사용자의 결정된 개별 반응, 및 상기 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛; 및
   상기 미리 정의된 사용자 프로파일, 상기 사용자의 일상적인 활동의 측정된 파라미터, 상기 사용자의 결정된 개별 반응 및 상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,
   상기 관성 측정 센서, 상기 포토플레시스모그램 센서 및 상기 혈당 센서는 신체 활동 기간, 혈당 수준의 변화, 및 음식 섭취 데이터를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,
   상기 처리 유닛은 부가적으로 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 구성되고, 상기 저장 모듈은 상기 생성된 권장 사항을 저장하도록 구성되며,
   상기 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 상기 생성된 권장 사항을 상기 사용자에게 표시하도록 구성된 디스플레이를 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
3. 제 2 항에 있어서,
   상기 관성 측정 센서, 상기 포토플레시스모그램 센서 및 상기 혈당 센서는 착용 가능한 사용자 디바이스에 위치되는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
4. 제 2 항에 있어서,
   상기 생성된 권장 사항을 외부 디바이스로 송신하도록 구성된 통신 유닛을 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
5. 제 4 항에 있어서,
   상기 통신 유닛은 체중과 통신하여 상기 사용자의 체중에 대한 데이터를 수신하고, 시간에 따른 상기 사용자의 체중의 변화를 분석하며, 동일한 기간에 걸쳐 상기 사용자의 혈당 수준의 변화를 분석하도록 더 구성되는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
6. 제 2 항에 있어서,
   상기 혈당 센서는 비침습 혈당 센서 또는 침습 혈당 센서인, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
7. 제 3 항에 있어서,
   상기 저장 모듈, 상기 처리 유닛 및 상기 디스플레이는 또한 상기 착용 가능한 사용자 디바이스에 위치되는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
8. 제 3 항에 있어서,
   상기 저장 모듈, 상기 처리 유닛 및 상기 디스플레이는 별개의 스마트 디바이스에 위치되며, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 상기 측정된 사용자의 일상적인 활동 파라미터를 상기 처리 유닛 및 상기 저장 모듈로 송신하도록 구성된 통신 유닛을 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
9. 제 7 항에 있어서,
   별개의 스마트 디바이스에 위치된 제2 저장 모듈, 제2 처리 유닛 및 제2 디스플레이를 더 포함하고,
   사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 상기 시스템은 사용자의 일상적인 활동의 측정된 파라미터를 또한 상기 제2 처리 유닛 및 상기 제2 저장 모듈로 송신하도록 구성된 통신 유닛을 더 포함하며, 상기 제2 디스플레이는 또한 데이터를 상기 사용자에게 표시하도록 구성되는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
10. 제 2 항에 있어서,
    사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기, 및 상기 사용자의 지리적 위치 데이터에 기초하여 상기 기계 학습 알고리즘이 상기 사용자의 일상적인 활동의 추정 결과치를 정정하도록 구성된 부가적인 처리 유닛을 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
11. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법에 있어서,
    신체 활동 기간, 심박수, 걸음 수, 수면 기간, 혈당의 변화, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 및 상기 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;
    상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및
    상기 생성된 권장 사항을 상기 사용자에게 표시하는 단계를 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법.
12. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치에 있어서,
    가속도계 및 자이로스코프를 포함한 관성 측정 센서;
    포토플레시스모그램 센서;
    혈당 센서;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 및 상기 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛; 및
    미리 정의된 사용자 프로파일, 상기 사용자의 일상적인 활동의 측정된 파라미터 및 상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,
    상기 관성 측정 센서, 상기 포토플레시스모그램 센서 및 상기 혈당 센서는 신체 활동 기간, 혈당 수준의 변화, 및 음식 섭취 데이터를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,
    상기 처리 유닛은 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 구성되고, 상기 저장 모듈은 상기 생성된 권장 사항을 저장하도록 더 구성되며,
    상기 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 상기 생성된 권장 사항을 상기 사용자에게 표시하도록 구성된 디스플레이를 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
13. 제 12 항에 있어서,
    사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기, 및 상기 사용자의 상기 지리적 위치 데이터에 기초하여 상기 기계 학습 알고리즘이 상기 사용자의 일상적인 활동의 추정 결과치를 정정하도록 구성된 부가적인 처리 유닛을 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.
14. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법에 있어서,
    신체 활동 기간, 혈당 수준의 변화, 및 음식 섭취 데이터를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하는 단계;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 주변 소리에 대한 데이터, 지리적 위치, 사용자 스케줄, 및 상기 사용자의 성별, 연령, 신장 및 체중을 포함하는 사용자 프로파일에 기초하여 혈당 수준의 변화를 간접적으로 결정하는 단계;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하도록 기계 학습 알고리즘을 트레이닝시키는 단계;
    상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하는 단계; 및
    상기 생성된 권장 사항을 상기 사용자에게 표시하는 단계를 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 방법.
15. 실시간으로 자동 추적되는 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치에 있어서,
    가속도계 및 자이로스코프를 포함한 관성 측정 센서;
    포토플레시스모그램 센서;
    주변 소리를 녹음하도록 구성된 마이크로폰;
    사용자의 현재 지리적 위치를 결정하도록 구성된 GPS 수신기;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 주변 소리에 대한 데이터, 지리적 위치, 미리 정의된 사용자 스케줄, 및 사용자의 성별, 연령, 신장 및 체중을 포함하는 미리 정의된 사용자 프로파일에 기초하여 혈당 수준의 변화를 간접적으로 결정하도록 구성된 간접 혈당 측정 유닛;
    상기 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 상기 미리 정의된 사용자 프로파일에 기초하여 상기 사용자의 일상적인 활동을 추정하기 위해 기계 학습 알고리즘을 트레이닝시키도록 구성된 처리 유닛;
    상기 미리 정의된 사용자 스케줄, 상기 미리 정의된 사용자 프로파일, 상기 사용자의 일상적인 활동의 측정된 파라미터, 혈당 수준의 결정된 변화 및 상기 기계 학습 알고리즘을 사용한 결과로서 수신된 상기 사용자의 일상적인 활동의 추정치를 저장하도록 구성된 저장 모듈을 포함하는데,
    상기 관성 측정 센서 및 상기 포토플레시스모그램 센서는 신체 활동 기간, 심박수, 걸음 수, 수면 기간, 탄수화물의 양 및 음식으로 섭취한 칼로리를 포함하여 상기 사용자의 일상적인 활동 파라미터를 자동으로 측정하도록 구성되고,
    상기 처리 유닛은 상기 사용자의 일상적인 활동의 추정치에 기초하여 상기 사용자의 건강한 라이프 스타일을 유지하기 위한 권장 사항을 생성하도록 더 구성되고, 상기 저장 모듈은 상기 생성된 권장 사항을 저장하도록 구성되며,
    상기 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 시스템은 상기 생성된 권장 사항을 상기 사용자에게 표시하도록 구성된 디스플레이를 더 포함하는, 사용자의 일상적인 활동 파라미터에 기초하여 건강한 라이프 스타일을 유지하기 위한 권장 사항을 제공하는 전자 장치.

Images