KR20210066271A - 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템 - Google Patents

마취 분야에서의 의료 딥러닝을 활용한 처방 시스템 Download PDF

Info

Publication number
KR20210066271A
KR20210066271A KR1020190155293A KR20190155293A KR20210066271A KR 20210066271 A KR20210066271 A KR 20210066271A KR 1020190155293 A KR1020190155293 A KR 1020190155293A KR 20190155293 A KR20190155293 A KR 20190155293A KR 20210066271 A KR20210066271 A KR 20210066271A
Authority
KR
South Korea
Prior art keywords
treatment
data
cloud server
deep learning
anesthesia
Prior art date
Application number
KR1020190155293A
Other languages
English (en)
Inventor
권수범
차정원
성수진
Original Assignee
엠텍글로벌 주식회사
창원대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엠텍글로벌 주식회사, 창원대학교 산학협력단 filed Critical 엠텍글로벌 주식회사
Priority to KR1020190155293A priority Critical patent/KR20210066271A/ko
Publication of KR20210066271A publication Critical patent/KR20210066271A/ko

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 마취 분야에서의 처방 시스템에 관한 것으로서, 특히 생체 데이터를 입력 받아 처치 데이터를 출력하는 의료 딥러닝 기술을 활용하되, 출력되는 처치 데이터에 처치 후의 생체 데이터의 변동 사항을 피드백 받아 학습하는 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템에 관한 것이다.
본 발명인 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템은 다중 마취 정도 측정 및 환자 모니터링 장치 등에서 도출되는 바이탈 사인 데이터(생체 데이터)를 통합 수집하는 에이전트 게이트웨이와, 에이전트 게이트웨이로부터의 생체 데이터를 수신하여 딥러닝 과정에 의해 분석하여 모니터링 및 진단 처치, 투약에 대한 정보(처치 데이터)를 생성하여 에이전트 게이트웨이를 통하여 처방 전달 장치(OCS (Order Communication system) kiosk)로 전달하는 클라우드 서버와, 클라우드 서버에 의해 전송된 처치 데이터를 마취과 전문의에게 제공하고, 실시간 진단 조치 입력을 클라우드 서버로 전송 가능한 처방 전달 장치와, 마취과 전문의에 의한 처치와, 그 처치에 의한 환자의 생체 데이터를 에이전트 게이트웨이를 통하여 클라우드 서버에 전송하는 입력 단말기를 포함하여 구성된다.

Description

마취 분야에서의 의료 딥러닝을 활용한 처방 시스템{ORDER SYSTEM USING MEDICAL DEEP LEARNING IN THE FIELD OF ANESTHESIA}
본 발명은 마취 분야에서의 처방 시스템에 관한 것으로서, 특히 생체 데이터를 입력 받아 처치 데이터를 출력하는 의료 딥러닝 기술을 활용하되, 출력되는 처치 데이터에 처치 후의 생체 데이터의 변동 사항을 피드백 받아 학습하는 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템에 관한 것이다.
마취는 시각, 감지 및 인식과 같은 반응들을 셧다운시키기 위하여 뇌에서 신경 세포들의 멤브레인들과 상호 작용함으로써 중추 신경 시스템상에 작용한다고 알려지나, 정확한 메커니즘 및 이러한 감지 과정의 영향은 여전히 연구 과제이다.
일반 마취 절차는 조기 약물 처리(pre-medication) 또는 진정(sedative)을 포함하며, 그 후에 환자는 운반되어 수술실로 가고 거기서 마취과 의사가 커프(cuff; 완대)를 환자의 팔에 채우고, 산소 포화를 측정하기 위하여 옥시미터 또는 산소 포화도 측정(oximeter) 프루브를 손가락에 붙이며 심박수를 모니터링하기 위하여 심전도(electrocardiogram) 전극을 환자의 가슴에 댄다.
다음에는 정맥 캐뉼러(intravenous cannula)가 환자의 팔에 삽입되고, 환자가 잠이 들도록 의약 혼합물이 혈액 흐름 속으로 유입되어, 고통과 이완 근육들을 제어한다. 전형적으로 30초 내에 환자는 의식 상태에서 무의식 상태로 전이한다.
일단 환자가 무의식 상태가 되면, 마취과 의사는 일반적으로 환자에 가스 전달 마스크(gas delivery mask)를 씌우는데, 마스크를 통해 환자가 호흡함으로써 흡입되는 "흡입" 마취제를 포함하고 있다. 수술 중에 환자의 가스 교환(ventilation)을 보조하거나 돕기 위하여 환자에게 인공 호흡기(ventilator)가 부착될 수도 있다. 환자가 무의식 상태가 되고 아무런 고통을 느낄 수 없을 때에 의학적 수술 절차를 개시하려는 것이 외과 의사의 의도이다.
그러나, 마취제 전달이 진행되는 동안 기존의 모니터링 시스템들은 환자의 상태를 감지하여 마취 분석을 위한 파라미터로 이용한다. 감지하고자 하는 환자의 상태는 셧 다운(shut-down) 상태, (최면, 무의식 및 수면 상태를
포함하는) 신경 회상의 무의식 상태, (청각 유발 전위(AEP), 및 다중 주파수 및 감지 상태를 포함하는) 청각 회상 상태, (각성 및 신체 움직임 분석을 포함하는) 근육 마비, 움직임 및 각성 상태, 안구 개방 및 안구 움직임 상태를 포함하는) 시각 회상 상태, (온도, 혈압, 산소 포화-SA02, 심박 변화, 피부 전류 측정 저항 분석을 포함하는) 불안 및 스트레스 상태 등이 있다. 하지만 이러한 모니터링 시스템은 만족할만한 검증이 이루어지지 않았다.
특히, 마취 중 약물 투여 및 처치는 혈중 산소 함량, 심장박동 수 등 환자의 신체 징후에 따라 결정되며, 의료인은 이러한 환자의 생체 신호(바이탈 사인)를 비롯한 많은 데이터를 판독하고 종합하여 진단을 내려야 하는데, 한 번에 살펴야 하는 데이터의 양이 많아 판독 효율성이 떨어지며, 모니터링 해야 하는 전자 기기가 많기 때문에 판독 과정에서 누락되는 신호가 발생할 수 있다.
본 발명은 생체 데이터를 입력 받아 처치 데이터를 출력하는 의료 딥러닝 기술을 활용하되, 출력되는 처치 데이터에 처치 후의 생체 데이터의 변동 사항을 피드백 받아 학습하는 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템을 제공하는 것을 목적으로 한다.
본 발명은 딥러닝 방식을 이용해 환자의 상태를 분석하고 처치 방법을 제안하여 처치(진단) 과정의 생산성을 높이며, 처치 후의 생체 데이터의 변동 사항을 피드백 받아 학습하여 처지(진단)의 정확성을 향상시키는 효과가 있다.
도 1은 본 발명에 따른 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템의 개략 구성도이다.
도 2는 클라우드 서버에서의 딥러닝 기술을 수행하기 위한 신경망 구조의 실시예의 개념도이다.
도 3은 클라우드 서버에서의 딥러닝 기술을 수행하기 위한 신경망 구조의 다른 실시예의 개념도이다.
이하에서, 본 발명은 실시예와 도면을 통하여 상세하게 설명된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다", "가질 수 있다", "포함한다", 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B", "A 또는/및 B 중 적어도 하나", 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B", "A 및 B 중 적어도 하나", 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성(또는 설정)된"은 하드웨어적으로 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성(또는 설정)된 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.
도 1은 본 발명에 따른 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템의 개략 구성도이다.
처방 시스템은 다중 마취 정도 측정 및 환자 모니터링 장치 등에서 도출되는 바이탈 사인 데이터(생체 데이터)를 통합 수집하는 에이전트 게이트웨이와, 에이전트 게이트웨이로부터의 생체 데이터를 수신하여 딥러닝 과정에 의해 분석하여 모니터링 및 진단 처치, 투약에 대한 정보(처치 데이터)를 생성하여 에이전트 게이트웨이를 통하여 처방 전달 장치(OCS (Order Communication system) kiosk)로 전달하는 클라우드 서버와, 클라우드 서버에 의해 전송된 처치 데이터를 마취과 전문의에게 제공하고, 실시간 진단 조치 입력을 클라우드 서버로 전송 가능한 처방 전달 장치와, 마취과 전문의에 의한 처치와, 그 처치에 의한 환자의 생체 데이터를 에이전트 게이트웨이를 통하여 클라우드 서버에 전송하는 입력 단말기 등을 포함하여 구성된다.
에이전트 게이트웨이는 환자에게서 측정되는 BIS, TOF, BP, HR, ECG, SpO2, CO, SVV, PPV, SvO2, CVP, PAP 등의 바이탈 사인 등의 다중 모니터링 장치로부터 출력된 생체 데이터를 종합 송수신 처리 하기 위한 통신부와, 이 생체 데이터의 분석, 임시 저장 및 송수신의 데이터 관리, 운용을 수행하는 프로세서 등을 포함하여 구성된다. 또한, 에이전트 게이트웨이는 다중 환자모니터링 장치로부터의 생체 데이터 수신을 위한 멀티커넥터를 구비한다.
처방 전달 시스템은 환자로부터 측정된 생체 데이터를 에이전트 게이트웨이를 통하여 클라우드 서버-처방 전달 시스템으로 이어지는 연동을 확인하고 정상 동작 여부를 확인하며, 에이전트 게이트웨이로부터 전송되는 데이터가 실제 생체 데이터 인지의 진위 여부를 개별 바이탈 사인 측정 장치로부터 확인하여 올바른 값이 전송되고 있는지 확인하며, 클라우드 서버로 전송된 데이터가 짜여진 데이터 테이블 대로 데이터베이스에 입력되었는지를 확인하고, Protocol 오류 혹은 네트워크의 오류로 데이터가 제대로 전송되지 않았다면 해당 부분 확인 후 오류 상황 판독 기능을 수행한다.
도 2는 클라우드 서버에서의 딥러닝 기술을 수행하기 위한 신경망 구조의 실시예의 개념도이다.
클라우드 서버는 지속적인 뇌파 신호의 샘플 엔트로피, 심박수의 평균값, 수축기 및 이완기 혈압, 맥박, 신호 품질 지수(SQI) 및 근전도와 같은 신호를 입력 데이터로 사용하고, 인공 신경망을 사용하여 5명의 의사에 의해 평가된 생체신호에 대한 마취 수준을 예측한다.
클라우드 서버의 인공 신경망은 은 생물학의 신경망에서 영감을 얻는 학습 알고리즘으로, 퍼셉트론이나 분류, 군집을 이용하여 해석하여 이미지, 소리, 문자, 시계열 데이터에서 특정 패턴을 인식 가능하다.
인공 신경망에 의한 딥러닝은 도 2에서와 같이, 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 인공신경망을 이용한 학습 방법 중 하나로서, 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)을 통해 복잡한 비선형 관계들을 모델링, 이에 지속적으로 증가하는 양의 데이터를 공급함으로써 사고하는 능력과 처리하는 데이터를 학습하는 능력을 지속적으로 개선한다.
또한, 클라우드 서버는 컨벌루션 신경망을 사용하되, 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multi perceptrons)의 한 종류로, 여러 개의 합성곱 계층과 일반적인 인공신경망 계층들로 이루어지고 가중치와 통합 계층(pooling layer)들을 추가로 활용한다.
클라우드 서버는 Vital Sign을 1차원 벡터로 변형시켜 모델의 입력으로 사용하되, 각 Vital Sign에 연관된 처치 약물과 방식이 다르기 때문에 각각의 처치한다.
또한, 클라우드 서버는 Vital Sign을 1차원 벡터로 변형시켜 모델의 입력으로 사용하며, 각 Vital Sign에 연관된 처치 약물과 방식이 다르기 때문에 각각의 처치를 분류하는 분류기를 구조에 추가하고, 처치에 관련된 Vital Sign의 상호연관성이 적고, 빠른 학습을 위해 Convolutional Neural Network 구조를 채택하며, 정해진 처치 방법 중 특정 방법을 선택하는 경우 softmax 함수를 사용하고, Sevoflurane, Desflurane와 같이 용량을 예측해야 하는 경우 ReLU 함수와 같은 비선형 활성함수를 사용할 수 있다.
도 3은 클라우드 서버에서의 딥러닝 기술을 수행하기 위한 신경망 구조의 다른 실시예의 개념도이다.
도 3에 도시된 바와 같이, 클라우드 서버는 피드백 구성을 사용하며, 피드백은 마취과 전문의의 판단 혹은 처치 후 환자의 Vital Sign의 변동 사항이다. 클라우드 서버는 강화학습으로써, 환자의 Vital Sign(상태), 처치(행동), 전문의의 평가 혹은 처치 후 환자의 Vital Sign과 정상 범위의 차이(보상) 등으로 간주하여, 보상을 높이는 방향으로 행동하도록 학습한다.
이러한 피드백 구성에 의해, 다양한 마취제 투약 및 환자 Vital-sign의 데이터에 기반하여 수술 후 마취제로 인한 즉각적인 후유증 발생 여부를 체크하고, 환자의 퇴원 후 후속 건강데이터 일정기간 관리 및 기록화를 통해 인공신경망의 진단 및 처치 제안에 대한 OUTCOME의 신뢰성 확보가 가능하다.
다양한 실시 예에 따른 장치(예: 프로세서 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는, 예컨대, 프로그램 모듈의 형태로 컴퓨터로 읽을 수 있는 저장매체(computer-readable storage media)에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 읽을 수 있는 저장매체는, 예를 들면, 메모리가 될 수 있다.
컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(magnetic media)(예:자기테이프), 광기록 매체(optical media)(예: CD-ROM, DVD(Digital Versatile Disc), 자기-광 매체(magnetoopticalmedia)(예: 플롭티컬 디스크(floptical disk)), 하드웨어 장치(예: ROM, RAM, 또는 플래시 메모리 등)등을 포함할 수 있다. 또한, 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 다양한 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.
다양한 실시 예에 따른 프로세서 또는 프로세서에 의한 기능들은 전술한 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 다양한 실시 예에 따른 모듈, 프로그램 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)한 방법으로 실행될 수 있다. 또한, 일부 동작은 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상 설명한 바와 같이, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형의 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

Claims (1)

  1. 다중 마취 정도 측정 및 환자 모니터링 장치 등에서 도출되는 바이탈 사인 데이터(생체 데이터)를 통합 수집하는 에이전트 게이트웨이와;
    에이전트 게이트웨이로부터의 생체 데이터를 수신하여 딥러닝 과정에 의해 분석하여 모니터링 및 진단 처치, 투약에 대한 정보(처치 데이터)를 생성하여 에이전트 게이트웨이를 통하여 처방 전달 장치(OCS (Order Communication system) kiosk)로 전달하는 클라우드 서버와;
    클라우드 서버에 의해 전송된 처치 데이터를 마취과 전문의에게 제공하고, 실시간 진단 조치 입력을 클라우드 서버로 전송 가능한 처방 전달 장치와;
    마취과 전문의에 의한 처치와, 그 처치에 의한 환자의 생체 데이터를 에이전트 게이트웨이를 통하여 클라우드 서버에 전송하는 입력 단말기를 포함하여 구성된 것을 특징으로 하는 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템.
KR1020190155293A 2019-11-28 2019-11-28 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템 KR20210066271A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190155293A KR20210066271A (ko) 2019-11-28 2019-11-28 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190155293A KR20210066271A (ko) 2019-11-28 2019-11-28 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템

Publications (1)

Publication Number Publication Date
KR20210066271A true KR20210066271A (ko) 2021-06-07

Family

ID=76374600

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190155293A KR20210066271A (ko) 2019-11-28 2019-11-28 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템

Country Status (1)

Country Link
KR (1) KR20210066271A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488187A (zh) * 2021-08-03 2021-10-08 南通市第二人民医院 一种麻醉意外案例收集分析方法及系统
CN115148327A (zh) * 2022-07-08 2022-10-04 徐州医科大学 一种面向麻醉智能决策的多方协同原型系统及其方法
CN117017234A (zh) * 2023-10-09 2023-11-10 深圳市格阳医疗科技有限公司 多参数集成麻醉监测与分析系统
CN117219227A (zh) * 2023-11-09 2023-12-12 遂宁市中心医院 一种基于模糊神经网络的麻醉给药控制方法及控制系统
WO2024172185A1 (ko) * 2023-02-13 2024-08-22 주식회사 지오비전 공동 다층 퍼셉트론 모델을 이용한 약제 농도 모니터링 시스템

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488187A (zh) * 2021-08-03 2021-10-08 南通市第二人民医院 一种麻醉意外案例收集分析方法及系统
CN113488187B (zh) * 2021-08-03 2024-02-20 南通市第二人民医院 一种麻醉意外案例收集分析方法及系统
CN115148327A (zh) * 2022-07-08 2022-10-04 徐州医科大学 一种面向麻醉智能决策的多方协同原型系统及其方法
WO2024172185A1 (ko) * 2023-02-13 2024-08-22 주식회사 지오비전 공동 다층 퍼셉트론 모델을 이용한 약제 농도 모니터링 시스템
CN117017234A (zh) * 2023-10-09 2023-11-10 深圳市格阳医疗科技有限公司 多参数集成麻醉监测与分析系统
CN117017234B (zh) * 2023-10-09 2024-01-16 深圳市格阳医疗科技有限公司 多参数集成麻醉监测与分析系统
CN117219227A (zh) * 2023-11-09 2023-12-12 遂宁市中心医院 一种基于模糊神经网络的麻醉给药控制方法及控制系统
CN117219227B (zh) * 2023-11-09 2024-01-23 遂宁市中心医院 一种基于模糊神经网络的麻醉给药控制系统

Similar Documents

Publication Publication Date Title
US11439321B2 (en) Monitoring system for identifying an end-exhalation carbon dioxide value of enhanced clinical utility
KR20210066271A (ko) 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템
US8728001B2 (en) Nasal capnographic pressure monitoring system
US9521971B2 (en) System and method for automatic detection of a plurality of SPO2 time series pattern types
EP2535000A1 (en) Method and system for quantifying anaesthesia or a state of vigilance
US20140163897A1 (en) System and Method for Detecting a Baseline Gradient
US20130060110A1 (en) System and method for automatic detection of a plurality of spo2 time series pattern types
RU2538177C2 (ru) Система и способ контроля легочной гиперемии
KR101308522B1 (ko) 다중 생체 신호를 이용한 실시간 혈압 모니터링 및 바이오피드백 시스템 및 방법
WO2015168154A1 (en) System and method for monitoring behavior during sleep onset
CN117423428B (zh) 一种基于数据分析的麻醉药剂输送智能管理系统及方法
CN116964680A (zh) 用于情境敏感引导的复苏护理系统
US20220202350A1 (en) Multiparameter noninvasive sepsis monitor
Kanbar et al. Cardiorespiratory behavior of preterm infants receiving continuous positive airway pressure and high flow nasal cannula post extubation: randomized crossover study
CN115551579B (zh) 用于评估通风患者状况的系统和方法
KR20190061826A (ko) 외상 후 스트레스 장애 및 공황장애 치료를 위한 복합 생체 정보 검출 시스템 및 방법
KR101808836B1 (ko) 학습 장치, 학습 시스템, 그리고 이를 이용한 학습 방법
Ghanatbari et al. A comparative study of the output correlations between wavelet transform, neural and neuro fuzzy networks and BIS index for depth of anesthesia
EP4079221A1 (en) System for identifying a condition of a user
AU2020101145A4 (en) Smart quarantine shelters for potential risk patients using iot
Fontana Optimisation of Patient Monitor Alarm Settings Using Annotated Hospital Data
Collet i Fàbregas Machine learning prediction of burst suppression under general anesthesia
Nyamukuru HeartFEV1: A MOBILE ELECTROCARDIOGRAM BASED SYSTEM FOR INFERRING FORCED EXPIRATORY VOLUME IN ONE SECOND FROM PATIENTS WITH CHRONIC OBSTRUCTIVE PULMONARY DISEASE
CN115054790A (zh) 一种麻醉科麻醉呼吸器、控制方法、终端及存储介质
Resort 2016 Annual Meeting Syllabus