KR20200113954A - 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 - Google Patents
사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20200113954A KR20200113954A KR1020190034929A KR20190034929A KR20200113954A KR 20200113954 A KR20200113954 A KR 20200113954A KR 1020190034929 A KR1020190034929 A KR 1020190034929A KR 20190034929 A KR20190034929 A KR 20190034929A KR 20200113954 A KR20200113954 A KR 20200113954A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- information
- health
- food
- providing
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims description 56
- 235000013305 food Nutrition 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 238000010801 machine learning Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 30
- 201000010099 disease Diseases 0.000 claims description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 36
- 230000006872 improvement Effects 0.000 claims description 15
- 238000009795 derivation Methods 0.000 claims description 6
- 235000012041 food component Nutrition 0.000 claims description 6
- 239000005417 food ingredient Substances 0.000 claims description 6
- 235000013376 functional food Nutrition 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 17
- 239000000470 constituent Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000003862 health status Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 4
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000011782 vitamin Substances 0.000 description 3
- 229940088594 vitamin Drugs 0.000 description 3
- 229930003231 vitamin Natural products 0.000 description 3
- 235000013343 vitamin Nutrition 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 150000003722 vitamin derivatives Chemical class 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 239000011149 active material Substances 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000019197 fats Nutrition 0.000 description 1
- 235000020803 food preference Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Pathology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Human Resources & Organizations (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명은 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스에 저장하는 정보 수집부; 상기 정보 수집부에 의해 수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출하는 분석부; 및 상기 분석부에 의해 도출된 상태 분석 정보를 기반으로 상기 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기로 제공하는 처리부; 를 포함하는 사용자 맞춤형 건강 정보 서비스 제공 시스템에 관한 것이다.
Description
본 발명은 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 다양한 건강 관련 정보를 수집 및 분석하여 사용자 별 상태에 최적화된 식품 정보를 결과로 제공하거나, 또는 그 결과를 다른 사용자와 공유할 수 있도록 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법에 관한 것이다.
현대인들은 생활편의를 위한 각종 기술의 발달로 과거보다 편리한 삶을 오랜 기간 동안 영위하게 되었으나 신체 활동이 상대적으로 적어져 운동량이 부족하고, 열량이 높은 각종 식품의 증가로 각종 대사성 질환이 증가하며 인구 고령화에 따른 만성 질환에 노출되고 있다.
이에 사회 전반적으로 건강에 대한 관심이 높아지고 있으며, 건강 서비스의 패러다임도 질병의 치유에서 예방으로 변화되고 있다.
건강관리와 질병의 예방은 먹는 음식과 운동을 비롯한 종합적인 요인에 기반을 두고 있으므로 사용자의 건강 향상을 위해 검진, 측정, 평가, 진단, 처방, 실행 등 각 분야의 전문가들이 서로 정보를 공유해야 하나, 개인의 건강 상태에 따라 요구되는 정보가 매우 다양할 뿐만 아니라 많은 인력과 비용이 소요되므로 현실적으로 적용이 매우 어렵다.
또한, 최근 의료의 디지털 정보화에 따라 건강에 영향을 미치는 활성 성분이나 식품에 대한 임상 연구 데이터는 전문가들 사이에서만 이용될 뿐 일반인들은 접근과 활용 자체가 힘든 실정이다(정보 불평등). 따라서, 전문 정보에 기반한 전문가의 진단과 조언을 받기 위해서는 고액의 비용을 지불해야 하는데, 이는 지역 간 및/또는 소득, 학력 등의 사회 계층 간 의료 환경을 불평등하게 만들어 결국 '건강 불평등'의 격차를 낳게 된다. 특정 질병을 앓고 있는 환자나 위험군 또는 건강을 염려하고 있는 일반인(고령, 유전 잠재성 등의 특징 보유)들은 자신과 유사한 상황에 있는 다른 사람들이 어떠한 치료를 받고, 어떠한 방법으로 질병을 극복하거나 건강을 증진시켰는지 등에 관한 정보를 얻고자 하나, 전산화된 전문적 또는 기술적 데이터에 접근할 수 없기 때문에 다른 사용자에게 전문적인 정보를 제공하거나 제공받을 수 없고, 사용자 간의 정보 전달 중 왜곡이 일어날 가능성도 크며, 주관적인 입장이 개입되는 경우가 많아 건강정보의 가치가 낮아지고 신뢰성이 부족한 실정이다. 따라서, 이러한 사회적 불평등에 기인한 결과물인 건강 불평등의 격차를 해소할 수 있는 방안의 마련이 요구되고 있는 실정이다.
상술한 문제점을 해결하기 위해 안출된 본 발명의 목적은 일반 사용자들의 상태 정보에 대한 기계 학습을 수행하여 사용자의 건강을 증진시킬 수 있는 사용자 맞춤형 식품 정보를 제공 가능한 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법을 제공하기 위한 것이다.
또한, 본 발명의 다른 목적은 사용자의 질병 위험도를 예측하고, 예측된 질병 위험도에 대응하는 건강 증진 식품을 추천 가능한 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법을 제공하기 위함이다.
본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템은, 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스에 저장하는 정보 수집부, 상기 정보 수집부에 의해 수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출하는 분석부, 및 상기 분석부에 의해 도출된 상태 분석 정보를 기반으로 상기 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기로 제공하는 처리부를 포함할 수 있다.
또한, 상기 분석부는, 상기 데이터베이스의 저장 정보를 대상으로 기계 학습을 수행하여 상기 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 상태 분석 정보를 도출할 수 있다.
또한, 상기 처리부는, 빅 데이터를 기반으로 건강 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 상기 사용자에게 적합한 식품 정보를 도출할 수 있다.
또한, 상기 처리부는, 사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출할 수 있다.
또한, 상기 식품 정보는, 건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함할 수 있다.
또한, 상기 분석부는, 대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용할 수 있다.
또한, 상기 처리부는, 상기 기계학습 모델에서 상기 사용자의 상태 정보를 조합하여 상기 사용자의 질병 위험도를 예측할 수 있다.
또한, 상기 처리부는, 예측된 상기 질병 위험도에 대응하는 건강 증진 식품을 상기 사용자 단말기로 추가 제공할 수 있다.
또한, 상기 처리부는, 식품을 추천하는 형태로 상기 사용자에게 제안할 수 있다.
또한, 상기 처리부는, 상기 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 상기 사용자 단말기를 통해 제공할 수 있다.
본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법은, 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스에 저장하는 정보 수집 단계, 수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출하는 정보 분석 단계, 및 도출된 상태 분석 정보를 기반으로 상기 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기로 제공하는 정보 제공 단계를 포함할 수 있다.
또한, 상기 정보 분석 단계는, 상기 데이터베이스의 저장 정보를 대상으로 기계 학습을 수행하여 상기 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 상태 분석 정보를 도출할 수 있다.
또한, 상기 정보 제공 단계는, 빅 데이터를 기반으로 건강 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 상기 사용자에게 적합한 식품 정보를 도출할 수 있다.
또한, 상기 정보 제공 단계는, 사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출할 수 있다.
또한, 상기 식품 정보는, 건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함할 수 있다.
또한, 상기 정보 분석 단계는, 대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용할 수 있다.
또한, 상기 정보 제공 단계는, 상기 기계학습 모델에서 상기 사용자의 상태 정보를 조합하여 상기 사용자의 질병 위험도를 예측할 수 있다.
또한, 상기 정보 제공 단계는, 예측된 상기 질병 위험도에 대응하는 건강 증진 식품을 상기 사용자 단말기로 추가 제공할 수 있다.
또한, 상기 정보 제공 단계는, 식품을 추천하는 형태로 상기 사용자에게 제안할 수 있다.
또한, 상기 정보 제공 단계는, 상기 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 상기 사용자 단말기를 통해 제공할 수 있다.
이상 살펴본 바와 같은 본 발명에 따르면, 일반 사용자들의 상태 정보에 대한 기계 학습을 수행하여 사용자의 건강을 증진시킬 수 있는 사용자 맞춤형 식품 정보를 제공 가능한 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법을 제공할 수 있다.
또한, 본 발명에 따르면 사용자의 질병 위험도를 예측하고, 예측된 질병 위험도에 대응하는 건강 증진 식품을 추천 가능한 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법을 제공할 수 있다.
도 1은 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템을 나타낸 도면이다.
도 2는 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템의 세부 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법을 나타낸 흐름도이다.
도 2는 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템의 세부 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법을 나타낸 흐름도이다.
이하에서는 본 발명과 관련된 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 구체적으로 설명하고자 한다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 본 명세서에서, 어떤 구성 요소가 다른 구성 요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. "연결", "결합" 또는 "접속"의 경우, 물리적으로 "연결", "결합" 또는 "접속"되는 것뿐만 아니라 필요에 따라 전기적으로 "연결", "결합" 또는 "접속"되는 것으로 이해될 수 있다.
본 명세서에 기재된 "~부(유닛)", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 본 명세서에 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다.
그리고 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주 기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
이하, 본 발명의 실시예들과 관련된 도면들을 참고하여, 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법에 대해 설명하도록 한다.
도 1은 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)은 네트워크와 연결됨으로써, 이를 통해 사용자 단말기(20)와 정보를 송수신하거나 다양한 정보를 수집할 수 있다.
여기서, 네트워크는 단말 및 서버와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예는, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, 5G, LTE, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 개방형 컴퓨터 네트워크 구조를 의미한다.
사용자 단말기(20)는 네트워크를 통해 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)에 접속할 수 있으며, 이를 통해 사용자는 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)이 제공하는 다양한 서비스를 이용할 수 있다.
예를 들어, 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)은 사용자의 상태 정보를 참조하여 사용자의 건강 증진을 위한 맞춤형 식품 정보 등을 제공할 수 있다.
또한, 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)을 이용하고자 하는 사용자는 홍채, 지문, 음성, 안면, 맥박 등의 생체 정보 또는 아이디(ID)를 통한 사용자 인증 방식을 통해 해당 시스템(10)에 로그인할 수 있다.
또한, 사용자 단말기(20)는 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)과 연결되는 통신 기능과 이미지나 텍스트를 출력할 수 있는 디스플레이 기능을 갖춘 장치라면 특별히 한정되지 않는다. 예를 들어, 사용자 단말기(20)는, 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 태블릿(tablet) PC, 무선전화기(wireless phone), 모바일폰(mobile phone), 스마트폰(smart phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 내비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), 웨어러블 장치(wearable device) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
한편, 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)은 수집된 방대한 양의 빅데이터 및 인공지능 기술을 이용하여, 사용자 맞춤형 식품 정보에 대한 산출 및 예측을 수행할 수 있다.
여기서, 빅데이터란 기존 데이터의 수집, 저장, 관리, 분석 역량을 넘어서는 데이터 세트를 의미한다. 빅데이터는 정형화 정도에 따라 정형 데이터, 반정형 데이터, 및 비정형 데이터로 분류될 수 있다. 정형 데이터(structured data)는 고정된 필드에 저장되는 데이터, 즉 일정한 형식을 갖추고 저장되는 데이터를 의미할 수 있다. 반정형 데이터(semi-structured data)는 고정된 필드에 저장되어 있지는 않지만, 메타데이터나 스키마를 포함하는 데이터를 의미하는데, XML(Extensible Mark-up Language) 및 HTML(Hypertext Mark-up Language) 등을 예로 들 수 있다. 비정형 데이터(unstructured data)는 고정된 필드에 저장되어 있지 않은 데이터를 의미하는데, 텍스트 문서, 이미지 데이터, 동영상 데이터, 및 음성 데이터를 예로 들 수 있다.
본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)은 상술한 바와 같은 빅데이터를 수집하고 분석할 수 있다. 빅데이터 분석 기술로는 텍스트 마이닝(text mining), 평판 분석(opinion mining), 소셜 네트워크 분석(social network analysis), 군집 분석(cluster analysis), 신경망 분석(neural network analysis), 및 마코브 모델(markov model)을 예로 들 수 있으나, 예시된 분석 기술들로 한정되는 것은 아니다. 텍스트 마이닝은 반정형 텍스트 데이터 또는 비정형 텍스트 데이터에서 자연 언어 처리 기술에 기반하여 유용한 정보를 추출, 가공하는 기술일 수 있다. 자연 언어 처리(Natural Language Processing; NLP) 기술은 자연 언어 이해와 자연 언어 생성이 가능하도록 하는 기술이며, 자연 언어란 사람이 의사소통을 하기 위해 사용하는 용어로 인공 언어(컴퓨터 언어)와 반대되는 개념일 수 있다. 자연 언어 이해란 자연 언어를 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 것을 의미할 수 있다. 자연 언어 생성은 컴퓨터가 자연 언어를 출력할 수 있도록 하는 것을 의미할 수 있다. 자연 언어 처리 기술은 형태소 분석, 구문 분석, 의미 분석, 및 화용 분석으로 이루어질 수 있다. 평판 분석은 블로그(blog), 소셜 네트워크 서비스(Social Network Service; SNS), 위키(Wiki), 손수제작물(UCC), 마이크로 블로그(Micro-Blog) 등과 같은 소셜 미디어(social media)에서 정형 텍스트 및 비정형 텍스트를 수집 및 분석하여, 제품이나 서비스에 대한 평판(예를 들어, 긍정, 부정, 중립)을 판별하는 기술일 수 있다. 소셜 네트워크 분석은 소셜 네트워크 연결구조 및 연결강도 등에 기초하여, 사용자의 영향력, 관심사, 및 성향을 분석하고, 추출하는 기술일 수 있다. 군집 분석은 비슷한 특성을 가진 개체를 합쳐가면서 최종적으로 유사한 특성을 가진 군을 발굴하는 기술일 수 있다.
한편, 인공지능(AI: Artificial Intelligence)이라는 용어가 등장한 지는 오랜 시간이 흘렀지만 컴퓨터, 연산 등 특정 영역에 국한됐던 과거와는 달리 현대에는 인지, 학습, 추론 등 인간의 고차원적 정보처리 활동을 연구해 ICT를 통해 구현하는 기반 기술 전체를 아우르는 포괄적 개념이 되었다. 알파고 못지않게 인공지능 분야의 최강자라고 할 수 있는 IBM의 경우, 지난 2011년 미국 유명 퀴즈쇼 '제퍼디'에서 우승한 슈퍼컴퓨터 '왓슨'을 발전시켜 인지컴퓨팅(Cognitive computing)이라는 새로운 영역으로 확대시켰다. 즉, 인공지능을 통해 인지 학습이 가능하다는 것이다. 여기서, 인지 학습(cognitive learning)이란 학습의 한 형태로 가시적 또는 직접적으로 관찰할 수 없는 심리적 과정, 특히 인지적 과정을 통해 일어나는 학습 형태를 의미할 수 있다. 구체적으로, 인지 학습에 포함되는 하위 유형은 통찰 학습(insight learning), 잠재 학습(latent learning), 관찰 학습(observational learning) 등이 있을 수 있다.
최근 인공지능 기술의 발전과 관심이 증가하면서 이를 응용한 기술들이 등장하고 있다. 인공지능 기술의 한 분야로서 기계 학습(Machine Learning)이 각종 매체를 통해 집중 조명을 받고 있다. 기계 학습은 컴퓨터가 데이터를 통해 학습하고, 사람처럼 어떤 대상 혹은 상황을 이해할 수 있게 하는 기술일 수 있는데, 컴퓨터를 학습시켜 패턴을 찾아내 분류하는 기술적 방식으로 컴퓨터가 데이터를 분석할 수 있게 하는 알고리즘이 핵심일 수 있다. 데이터를 활용하는 알고리즘을 정교하게 만들면 컴퓨터가 학습해가며 사용자들에게 의미 있는 결과물을 제공할 수 있다. 또한, 상기 결과물은 안정성 및 효과성을 더욱 확보하기 위해서, 설계 요구 사항과 사양에 따라 프로그램이 잘 수행되었는지와 사용자의 요구사항이 적절히 반영되어 구현되었는지를 확인하고 시험 평가하는 Verification 및 Validation을 지속적으로 진행할 수 있다.
도 2는 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템의 세부 구성을 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)은 정보 수집부(11), 분석부(12), 처리부(13), 및 데이터베이스(14)를 포함할 수 있다.
정보 수집부(11)는 온라인 네트워크를 통하여 사용자의 상태 정보를 수집하고, 수집된 상태 정보를 데이터베이스(14)에 저장할 수 있다.
예를 들어, 사용자의 상태 정보는 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상을 포함할 수 있다.
사용자의 상태 정보는 사용자 단말기(20)를 통하여 사용자가 직접 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)으로 전송 가능하다.
또한, 정보 수집부(11)는 사용자 단말기(20)를 통한 수집 방식 이외에도 별도의 서버나 데이터베이스로부터 사용자의 상태 정보를 수집할 수 있다. 예를 들어, 정보 수집부(11)는 공공 데이터 포탈, 의료기관(의원, 보건소, 병원 등), 학술논문 데이터베이스, 건강검진 데이터베이스, 진단기기, 웨어러블 장치 등을 통해 생체 데이터, 생활 데이터, 및 환경 데이터 등과 같은 사용자 상태 정보를 수집할 수 있다.
한편, 정보 수집부(11)는 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)을 이용하는 사용자의 상태 정보를 지속적으로 모니터링할 수 있으며, 이를 통해 식품 정보를 추천받은 사용자의 건강 상태 개선도(또는 건강 회복도)를 파악할 수 있다.
따라서, 정보 수집부(111)는 자체적으로 축적한 사용자의 상태 정보를 데이터베이스(14)에 추가 저장할 수 있으며, 데이터베이스(14)에 저장된 정보는 추후 분석부(12)의 기계 학습에 활용될 수 있다.
한편, 사용자의 생체 데이터는 유전 정보(예를 들어, DNA 정보 등), 유전자 발현정보(RNA 또는 단백질 정보 등), 노화 정보(예를 들어, 신체 기능의 노화를 나타낼 수 있는 정보 - 활력도, 근력, 혈관 나이, 뼈, 피부 나이 등), 면역력, 체중, 근육량, 체지방, 나이, 성별, 키, 몸무게, BMI(Body Mass Index), 보유 질환, 과학적인 진단/검사 결과, 의무기록, 처방정보 등을 포함할 수 있다. 상기 과학적인 진단/검사 결과는 인체 또는 인체물에 대한 in vivo, in vitro 분석, 영상, 센서(웨어러블 기기 포함) 또는 시뮬레이션/예측에 의한 직간접적인 분석 결과를 모두 포함할 수 있다. 또한, 생체 데이터는 다양한 건강 지표를 포함할 수 있는데, 예를 들어 혈압, 심박수, 심전도, 콜레스테롤, 중성지방, 유산탈수소효소(LDH), 혈당, 인슐린 등을 포함하는 호르몬 수치, 체내 비타민 또는 무기질 농도 등이 포함될 수 있다.
또한, 사용자의 생활 데이터는 소득 수준, 교육 수준, 선호/기피 식품(예를 들어, 종교, 할랄, 유대인, 알러지 정보 등을 반영), 직업, 출신 지역, 소속 커뮤니티(예를 들어, 동호회 등), 소셜 정보(예를 들어, 블로그, SNS 등) 등을 포함할 수 있다.
사용자의 환경 데이터는 근로 환경, 거주 환경, 사회적 환경(예를 들어, 국가, 문화 등), 물리적 환경(예를 들어, 기후, 온도, 계절, 지리, 지진 등), 보건서비스 환경(예를 들어, 보건 인프라, 보건 관련 인식 등) 등을 포함할 수 있다.
분석부(12)는 정보 수집부(11)에 의해 수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출할 수 있다.
즉, 분석부(12)는 데이터베이스(14)에 저장된 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 조합하여 사용자의 상태 분석 정보를 도출할 수 있다.
구체적으로, 분석부(12)는 데이터베이스(14)의 저장 정보를 대상으로 기계 학습을 수행하여 사용자의 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 상태 분석 정보를 도출할 수 있다.
건강 상태 개선도(또는 건강 회복도)의 경우 사용자의 생체 데이터를 통하여 파악할 수 있다. 예를 들어, 사용자의 건강을 간접적으로 추정할 수 있는 근육량, 체지방, 몸무게, 혈압, 심박수, 심전도, 콜레스테롤, 중성지방, 유산탈수소효소(LDH), 혈당, 인슐린 등을 포함하는 호르몬 수치, 체내 비타민 또는 무기질 농도 등의 개선 정도를 통해 사용자의 건강 상태 개선도를 파악할 수 있다.
처리부(13)는 분석부(12)에 의해 도출된 상태 분석 정보를 기반으로 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기(20)로 제공할 수 있다.
구체적으로, 처리부(13)는 수집된 빅 데이터를 기반으로 사용자의 건강 상태와 식품 성분(food ingredient) 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 사용자에게 적합한 맞춤형 식품 정보를 도출할 수 있다.
일례로, 처리부(13)는 사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출할 수 있다.
이때, 질환군은 현재 질환이 발병 중이거나 의료기관으로부터 특정 질환에 대한 진단을 받는 사용자 군을 의미할 수 있다. 이러한 질환군은 주로 만성질환(예를 들어, 당뇨, 심혈관질환, 고도비만, 이상혈압 등)을 앓는 사용자들로 구성될 수 있다.
위험군은 의료기관에 의한 진단 이전이지만 관련 생체 데이터(예를 들어, 혈당, 혈압, 심전도, 체지방 등)가 정상 범위를 벗어나 기설정된 임계 범위에 해당하는 사용자들로 구성될 수 있다. 또한, 위험군은 유전 정보 및/또는 과학적인 진단/검사 결과를 바탕으로 선정될 수 있으며, 진단 또는 수술 이력이 있으나 현재 발병 중이지 않은 사용자를 포함할 수 있다.
일반군은 생체 데이터를 통해 건강 위험이 없는 것으로 판단되는 사용자들로 구성되는 사용자 군을 의미할 수 있다. 즉, 일반군은 관련 생체 데이터가 정상 범위에 있는 사용자들로 구성될 수 있다.
분석부(12) 및 처리부(13)를 통하여 이루어지는 기계 학습은 앞서 설명한 질환군, 위험군, 및 일반군을 구분하여 각 군별로 이루어질 수 있으며, 각 사용자 군에 따라 기계 학습 기법이 상이하게 설정될 수 있다.
또한, 처리부(13)는 상관도 추출을 위하여 PCA(Principal Component Analysis)기법, 딥 네트워크 러닝(Deep Network Learning) 기법, 및 SVD(Singular Value Decomposition) 기법 중 적어도 하나 이상을 적용하여 분석 결과를 생성할 수 있다.
한편, 분석부(12)는 대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용할 수 있다. 이를 위하여, 한국공개특허 제10-2018-0062353호에 기재된 기술을 채용할 수 있다.
즉, 특징 추출을 위한 기계 학습 기법을 적용하여 빅데이터의 차원을 복합 차원으로 줄임으로써 사용자의 유사 사례를 검색하는 계산 복잡도를 획기적으로 줄일 수 있다. 또한, 유사한 특성을 가지는 상태 정보(예를 들어, 생체 데이터, 생활 데이터, 환경 데이터)들을 복수의 유사 그룹으로 그룹핑하는 파티셔닝 기술을 적용하여 사용자의 개인 상태 정보가 입력되었을 때 모든 상태 정보에 대한 유사도 계산을 수행하지 않고, 상기 개인 상태 정보가 어느 파티션에 속하는지를 판단함으로써 상기 특정 파티션의 유사 그룹에 대해서만 유사도 계산을 수행할 수 있도록 하여, 사용자의 건강 상태와 유사한 사례를 검색하는 데에 소요되는 시간을 획기적으로 줄일 수 있다.
처리부(13)에 의해 도출된 사용자 맞춤형 식품 정보는 사용자 단말기(20)를 통해 사용자에게 제공될 수 있다.
이때, 처리부(13)는 사용자 맞춤형 식품을 추천하는 형태로 사용자에게 제안할 수 있다.
또한, 처리부(13)는 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 사용자 단말기(20)를 통해 제공할 수 있다. 이에 따라, 사용자는 추천된 상품 중 자신이 원하는 상품에 대하여 간편하게 주문을 수행할 수 있다.
식품 정보는 건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함할 수 있다.
또한, 상기 식품은 영양조성(예를 들어, 단백질, 지방, 탄수화물, 비타민, 무기질 등), 건강 증진 기능성 활성 소재 함유도, 경도, 점도, 염도 등의 특징을 고려하여 상관도에 따라 도출될 수 있다.
또한, 처리부(13)는 영양, 의약, 및 의학 중 적어도 하나와 관련된 건강 전문가에 의한 의견 및 제공 정보를 추가 반영할 수 있으며, 이러한 건강 전문가의 의견 및 제공 정보를 사용자 단말기(20)로 추가 제공할 수 있다.
데이터베이스(14)에 저장된 정보는 각 사용자의 개별 고유 정보와 함께 암호화 또는 블록체인(blockchain)화되어 안전하게 보호될 수 있다.
한편, 본 발명의 일 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)에서 처리부(13)는 사용자의 질병 위험도를 추가적으로 예측할 수 있다.
구체적으로, 처리부(13)는 상술한 기계학습 모델에서 사용자의 상태 정보를 조합하여 사용자의 질병 위험도를 예측할 수 있으며, 또한 예측된 질병 위험도에 대응하거나 건강 상태 개선 상관도에 대응하는 건강 증진 식품을 상기 사용자 단말기(20)로 추가 제공할 수 있다.
이때, 사용자의 질병 위험도를 예측하기 위하여 빅 데이터를 기반으로 건강 상태와 질병 관련 생체 자료 간의 상관도 및 위험도 추출을 위한 기계 학습을 수행하고, 추출된 상관도 및 위험도에 따라 사용자에게 건강 상태를 진단하고 해당하는 질병 위험 정보를 도출하는 기법을 적용할 수 있다.
도 3은 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법을 나타낸 흐름도이다.
도 1 내지 도 3을 참조하여, 본 발명의 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법에 대하여 설명하고자 한다.
도 3을 참조하면, 본 발명의 일 실시예에 의한 사용자 맞춤형 건강 정보 서비스 제공 방법은 정보 수집 단계(S10), 정보 분석 단계(S20), 및 정보 제공 단계(S30)를 포함할 수 있다.
또한, 사용자 맞춤형 건강 정보 서비스 제공 방법은 앞서 설명한 사용자 맞춤형 건강 정보 서비스 제공 시스템(10)에 의하여 수행될 수 있다.
정보 수집 단계(S10)에서는 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스(14)에 저장될 수 있다.
본 정보 수집 단계(S10)는 상술한 정보 수집부(11)에 의하여 수행될 수 있다.
정보 분석 단계(S20)에서는 정보 수집 단계(S10)에서 수집된 상태 정보를 이용하여 사용자의 상태 분석 정보를 도출할 수 있다.
본 정보 분석 단계(S20)는 상술한 분석부(12)에 의해 수행될 수 있으며, 데이터베이스(14)의 저장 정보를 대상으로 기계 학습을 수행하여 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상태 분석 정보를 도출할 수 있다.
또한, 정보 분석 단계(S20)에서는 대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용할 수 있다.
정보 제공 단계(S30)에서는 정보 분석 단계(S20)에서 도출된 상태 분석 정보를 기반으로 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기(20)로 제공할 수 있다.
본 정보 제공 단계(S30)는 상술한 처리부(13)에 의해 수행될 수 있으며, 빅 데이터를 기반으로 건강 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 사용자에게 적합한 식품 정보를 도출할 수 있다.
또한, 정보 제공 단계(S30)에서는 사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출할 수 있다.
정보 제공 단계(S30)에서 도출되는 식품 정보는 건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함할 수 있으며, 사용자 맞춤형 식품을 추천하는 형태로 사용자에게 제안할 수 있다.
이때, 본 정보 제공 단계(S30)에서는 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 사용자 단말기(20)를 통해 제공할 수 있다.
또한, 정보 제공 단계(S30)에서는 상술한 기계학습 모델에서 사용자의 상태 정보를 조합하여 사용자의 질병 위험도를 추가적으로 예측할 수 있다.
본 정보 제공 단계(S30)에서 이루어지는 질병 위험도에 대한 예측은 상술한 처리부(13)에 의해 수행될 수 있으며, 예측된 질병 위험도에 대응하거나 건강 상태 개선 상관도에 대응하는 건강 증진 식품을 사용자 단말기(20)로 추가 제공할 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이지 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 사용자 맞춤형 건강 정보 서비스 제공 시스템
11: 정보 수집부
12: 분석부
13: 처리부
14: 데이터베이스
20: 사용자 단말기
11: 정보 수집부
12: 분석부
13: 처리부
14: 데이터베이스
20: 사용자 단말기
Claims (20)
- 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스에 저장하는 정보 수집부;
상기 정보 수집부에 의해 수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출하는 분석부; 및
상기 분석부에 의해 도출된 상태 분석 정보를 기반으로 상기 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기로 제공하는 처리부; 를 포함하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제1항에 있어서,
상기 분석부는,
상기 데이터베이스의 저장 정보를 대상으로 기계 학습을 수행하여 상기 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 상태 분석 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제2항에 있어서,
상기 처리부는,
빅 데이터를 기반으로 건강 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 상기 사용자에게 적합한 식품 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제3항에 있어서,
상기 처리부는,
사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제1항에 있어서,
상기 식품 정보는,
건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제1항에 있어서,
상기 분석부는,
대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제2항에 있어서,
상기 처리부는,
상기 기계학습 모델에서 상기 사용자의 상태 정보를 조합하여 상기 사용자의 질병 위험도를 예측하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제7항에 있어서,
상기 처리부는,
예측된 상기 질병 위험도에 대응하는 건강 증진 식품을 상기 사용자 단말기로 추가 제공하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제1항에 있어서,
상기 처리부는,
식품을 추천하는 형태로 상기 사용자에게 제안하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 제9항에 있어서,
상기 처리부는,
상기 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 상기 사용자 단말기를 통해 제공하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 시스템. - 사용자의 생체 데이터, 생활 데이터, 및 환경 데이터 중 적어도 하나 이상의 상태 정보를 수집하여 데이터베이스에 저장하는 정보 수집 단계;
수집된 상태 정보를 이용하여 상기 사용자의 상태 분석 정보를 도출하는 정보 분석 단계; 및
도출된 상태 분석 정보를 기반으로 상기 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말기로 제공하는 정보 제공 단계; 를 포함하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제11항에 있어서,
상기 정보 분석 단계는,
상기 데이터베이스의 저장 정보를 대상으로 기계 학습을 수행하여 상기 상태 정보와 건강 상태 개선도 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 상태 분석 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제12항에 있어서,
상기 정보 제공 단계는,
빅 데이터를 기반으로 건강 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 상기 사용자에게 적합한 식품 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제13항에 있어서,
상기 정보 제공 단계는,
사용자를 질환군, 위험군, 및 일반군으로 분류하여 각 사용자 군별로 적합한 식품 정보를 도출하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제11항에 있어서,
상기 식품 정보는,
건강 향상을 위한 식품 소재, 일반 식품, 및 건강 기능 식품 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제11항에 있어서,
상기 정보 분석 단계는,
대용량 수집 정보에 목적하는 범위로 차원을 줄이기 위해 기계 학습 기반의 결과 도출 기법을 적용하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제12항에 있어서,
상기 정보 제공 단계는,
상기 기계학습 모델에서 상기 사용자의 상태 정보를 조합하여 상기 사용자의 질병 위험도를 예측하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제17항에 있어서,
상기 정보 제공 단계는,
예측된 상기 질병 위험도에 대응하는 건강 증진 식품을 상기 사용자 단말기로 추가 제공하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제11항에 있어서,
상기 정보 제공 단계는,
식품을 추천하는 형태로 상기 사용자에게 제안하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법. - 제19항에 있어서,
상기 정보 제공 단계는,
상기 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 상기 사용자 단말기를 통해 제공하는 것을 특징으로 하는 사용자 맞춤형 건강 정보 서비스 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190034929A KR20200113954A (ko) | 2019-03-27 | 2019-03-27 | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190034929A KR20200113954A (ko) | 2019-03-27 | 2019-03-27 | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200113954A true KR20200113954A (ko) | 2020-10-07 |
Family
ID=72883296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190034929A KR20200113954A (ko) | 2019-03-27 | 2019-03-27 | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200113954A (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102308894B1 (ko) * | 2021-05-06 | 2021-10-05 | 주식회사 닥터밀리그램 | Ai에 기반한 개인 맞춤형 건강기능식품을 제공하는 방법 및 그 장치 |
| KR102321406B1 (ko) * | 2021-02-08 | 2021-11-03 | 방관수 | 맞춤형 고객케어 서비스 플랫폼 시스템 |
| KR102417570B1 (ko) | 2021-10-20 | 2022-07-06 | 서울대학교 산학협력단 | 채식 동기 및 채식 유형에 따라 사용자 맞춤형 채식 서비스를 제공하는 방법 및 장치 |
| KR102444228B1 (ko) * | 2021-08-03 | 2022-09-16 | 주식회사 팜듀에이아이 | Blt요법에 근거한 인공지능 활용 개인맞춤형 영양제 추천 시스템 |
| WO2022220342A1 (ko) * | 2021-04-14 | 2022-10-20 | (주)메디프레소 | Ai 시스템을 이용한 개인 맞춤형 차 추천 서비스 제공 방법 |
-
2019
- 2019-03-27 KR KR1020190034929A patent/KR20200113954A/ko unknown
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102321406B1 (ko) * | 2021-02-08 | 2021-11-03 | 방관수 | 맞춤형 고객케어 서비스 플랫폼 시스템 |
| WO2022220342A1 (ko) * | 2021-04-14 | 2022-10-20 | (주)메디프레소 | Ai 시스템을 이용한 개인 맞춤형 차 추천 서비스 제공 방법 |
| KR20220142354A (ko) * | 2021-04-14 | 2022-10-21 | (주)메디프레소 | Ai 시스템을 이용한 개인 맞춤형 차 추천 서비스 제공 방법 |
| KR102308894B1 (ko) * | 2021-05-06 | 2021-10-05 | 주식회사 닥터밀리그램 | Ai에 기반한 개인 맞춤형 건강기능식품을 제공하는 방법 및 그 장치 |
| KR102444228B1 (ko) * | 2021-08-03 | 2022-09-16 | 주식회사 팜듀에이아이 | Blt요법에 근거한 인공지능 활용 개인맞춤형 영양제 추천 시스템 |
| KR102417570B1 (ko) | 2021-10-20 | 2022-07-06 | 서울대학교 산학협력단 | 채식 동기 및 채식 유형에 따라 사용자 맞춤형 채식 서비스를 제공하는 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sarrionandia et al. | A meta-analysis of the possible behavioural and biological variables linking trait emotional intelligence to health | |
| Naska et al. | Siesta in healthy adults and coronary mortality in the general population | |
| Lambert et al. | Health information—seeking behavior | |
| Horn et al. | Practice based evidence: incorporating clinical heterogeneity and patient-reported outcomes for comparative effectiveness research | |
| Kang et al. | Issues and challenges in sedentary behavior measurement | |
| Bendavid et al. | HIV development assistance and adult mortality in Africa | |
| Kubzansky et al. | Emotional vitality and incident coronary heart disease: benefits of healthy psychological functioning | |
| KR20200113954A (ko) | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 | |
| Anderson et al. | Communicating stigma about body size | |
| Nobles et al. | Requests for diagnoses of sexually transmitted diseases on a social media platform | |
| Schjoedt et al. | Experiences and management of fatigue in everyday life among adult patients living with heart failure: a systematic review of qualitative evidence | |
| KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
| Gao et al. | Suboptimal nutritional intake for hypertension control in 4 ethnic groups | |
| Diamond et al. | Factors Associated With Accuracy of Self-Assessment Compared With Tested Non–English Language Proficiency Among Primary Care Providers | |
| Jung | Digital health care and the fourth industrial revolution | |
| Grant et al. | Machine learning versus traditional methods for the development of risk stratification scores: a case study using original Canadian Syncope Risk Score data | |
| US11315686B2 (en) | Individualized care management system based on digestive activity | |
| Hudak et al. | Association between social determinants of health and examination-based vision loss vs self-reported vision measures | |
| Haase et al. | Data as symptom: Doctors’ responses to patient-provided data in general practice | |
| Páez et al. | Big data processing using wearable devices for wellbeing and healthy activities promotion | |
| Hicks et al. | Best-practice intervention for care of clients who self-mutilate | |
| Lin et al. | Developing a web 2.0 diabetes care support system with evaluation from care provider perspectives | |
| Yang | Hamilton anxiety rating scale | |
| Levy et al. | History of ageism | |
| Liang et al. | Construction of emotional intelligent service system for the aged based on Internet of things |