KR20210069931A - 인공 지능을 이용한 질병 분석 및 예측 방법 - Google Patents

인공 지능을 이용한 질병 분석 및 예측 방법 Download PDF

Info

Publication number
KR20210069931A
KR20210069931A KR1020190159776A KR20190159776A KR20210069931A KR 20210069931 A KR20210069931 A KR 20210069931A KR 1020190159776 A KR1020190159776 A KR 1020190159776A KR 20190159776 A KR20190159776 A KR 20190159776A KR 20210069931 A KR20210069931 A KR 20210069931A
Authority
KR
South Korea
Prior art keywords
patient
disease
factor
lifestyle
factors
Prior art date
Application number
KR1020190159776A
Other languages
English (en)
Other versions
KR102357041B1 (ko
Inventor
이승훈
Original Assignee
한국정보공학 주식회사
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 한국정보공학 주식회사 filed Critical 한국정보공학 주식회사
Priority to KR1020190159776A priority Critical patent/KR102357041B1/ko
Publication of KR20210069931A publication Critical patent/KR20210069931A/ko
Application granted granted Critical
Publication of KR102357041B1 publication Critical patent/KR102357041B1/ko

Links

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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Abstract

본 발명은 빅데이터와 인공지능을 활용하여 환자의 디지털 트윈을 제공하고, 디지털 트윈에 다양한 전산 시뮬레이션을 한 질병 상태의 변화 결과를 바탕으로 환자, 환자의 보호자 및 의료기관 등에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 질병 분석 및 예측 방법에 관한 것이다.

Description

인공 지능을 이용한 질병 분석 및 예측 방법{Method for Analyzing and Predicting Disease by Using Artificial Intelligence}
본 발명은 빅데이터와 인공지능을 활용하여 환자의 디지털 트윈을 제공하고, 디지털 트윈에 다양한 전산 시뮬레이션을 한 질병 상태의 변화 결과를 바탕으로 환자, 환자의 보호자 및 의료기관 등에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 질병 분석 및 예측 방법에 관한 것이다.
최근, 수명의 증가, 식/생활 습관의 서구화 등으로 인하여 암, 심혈관 질환, 당뇨병, 비만, 치매 등과 같은 다양한 질병들이 높은 비율로 일반인들에게 나타나고 있다.
그러나, 종래의 경우 일부 질병을 제외하고는 주기적인 건강 검진을 통해서만 해당 질병이 있음을 진단받거나, 검진 결과에 대하여 의사의 확인으로 향후 질병이 발생할 가능성이 있음을 예측하였다. 이 경우에도 의사의 경험적 판단이나 또는 질병 간의 영향력이나 보편성을 미리 정해진 수치 또는 정상 상태와의 단순 비교를 통해 추후 질병 발생 가능성을 모호하게 예측하는 문제가 있었다.
이와 같이, 자신의 건강상태를 확인하기 위해서는 비싼 건강검진에만 의존해야 하는 문제가 있는바, 평상시 건강상태를 수시로 확인하고 자신의 건강상태에 적합한 처방을 받아 건강관리를 꾸준하게 하고, 이에 따라 최종적 으로 질병 발생 가능성을 낮추어야 할 개인적, 사회적 요구가 증가하고 있는 실정이다.
이와 관련하여, 한국공개특허공보 제10-2017-0011389호는 유전 정보에 기반한 질병 위험도 예측에 사용되는 유전 변이에 대해 사용자의 결과 피드백으로부터 가중치를 부여하여 결과의 정확도를 높일 수 있는 질병 위험도 예측 방법을 개시하고 있다.
종래 개인이 건강관리할 경우에, 운동 및 식단 계획에 따른 변화를 시스템 상으로 예측하는 기술은 많지 않은 편이다. 그리고, 이에 더하여, 개인이 운동 및 식단의 변화에 따른 신체 변화를 예측하여, 건강 및 질병을 관리하는 기술은 잘 알려져 있지 않은 실정이다.
이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 빅데이터와 인공지능을 활용하여 환자의 디지털 트윈을 제공하고, 디지털 트윈에 다양한 전산 시뮬레이션을 한 질병 상태의 변화 결과를 바탕으로 환자, 환자의 보호자 및 의료기관 등에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 질병 분석 및 예측 방법을 제공하는 것이다.
본 발명의 질병 분석 및 예측 방법은 디지털 트윈을 활용하여 실제 환자에게는 신체적 부담을 주지 않고, 전산 상의 시뮬레이션을 다양한 인자에 대하여 필요한 만큼 언제든지 실시할 수 있고, 질병 분석 및 예측 방법의 각 단계는 모두 실시간으로 연계되어 피드백될 수 있다.
상기한 본 발명의 목적을 실현하기 위한 본원의 일 측면은, 환자의 생체 정보 인자 및 생활 습관 정보 인자를 1종 이상의 사물 인터넷(IoT) 단말을 통해 수집하는 제1단계;
상기 환자와 동일한 질병의 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자가 포함된 빅데이터 기반의 데이터 베이스를 데이터 서버로부터 수신하고, 상기 제1단계에서 수집된 상기 환자의 생체 정보 인자 및 생활 습관 정보 인자와 비교하여, 전산 시뮬레이션이 가능한 상기 환자의 상기 질병의 현재 상태에 해당하는 디지털 트윈을 제공하는 제2단계;
상기 디지털 트윈에 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들을 변화시키는 상기 전산 시뮬레이션을 실시하여, 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들의 변화에 따른 환자의 상기 질병 상태의 변화를 예측하는 제3단계; 및
상기 전산 시뮬레이션에 의하여 예측된 상기 질병 상태의 변화에 기반하여 상기 환자, 상기 환자의 보호자 및 의료기관에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 제4단계를 포함하는,
질병 분석 및 예측 방법을 제공한다.
상기 방법의 상기 제2단계 및 상기 제3단계 중 어느 한 단계 이상은 머신러닝된 인공지능에 의해서 수행될 수 있고, 상기 제1단계 내지 제4단계는 실시간으로 피드백될 수 있다.
또한, 상기 질병은 경도인지장애 또는 치매일 수 있다.
한편, 상기 생활 습관 정보 인자는 음식 섭취 시간, 음식 섭취 양, 음식 섭취 종류, 운동량, 보행 속도, 보폭, 보행 대칭, 손가락 태핑 속도(tapping speed), 추적 정확도(tracing accuracy), 언어 사용시 주기적 또는 비주기적 세그먼트 길이, 음성 반응 시간, 질문 및 답변 시의 상대적인 길이, 수면 패턴 변화(예를 들어, 취침시간 등), 자동차 운전 방식 변화, 음주 여부, 약물 사용 여부 및 흡연 여부 중 어느 하나 이상이고, 상기 생체 정보 인자는 혈당 수치, 혈압 수치, 콜레스테롤 수치, 저밀도 지질단백질 수치, 갑상샘 자극 호르몬 수치, 안구 운동, 동공 반사(pupillary reflex), 눈 깜박임 횟수, 심박수 변화 및 비만도 중 어느 하나 이상일 수 있다.
상기 생활 습관 인자 및 상기 생체 정보 인자는 상기 환자 개인별로 가중치를 달리할 수 있다.
또한, 상기 사물 인터넷 단말은 사용자가 휴대하거나 사용자에게 장착되어 사용자의 생체 정보 인자 및 생활 습관 정보 인자를 수집할 수 있다.
본 발명의 질병 분석 및 예측 방법은 디지털 트윈을 활용하여 실제 환자에게는 신체적 부담을 주지 않고, 전산 상의 시뮬레이션을 다양한 인자에 대하여 필요한 만큼 언제든지 실시할 수 있고, 질병 분석 및 예측 방법의 각 단계는 모두 실시간으로 연계되어 피드백될 수 있다.
따라서, 질병 분석 및 예측에 소요되는 시간과 경비를 최소화할 수 있다.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할　수 있도록 본원의 구현예 및 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수　있으며 여기에서 설명하는 구현예 및 실시예에 한정되지 않는다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고　할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
또한, 본원 명세서 전체에서, "~ 하는 단계" 또는 "~의 단계"는 "~를 위한 단계"를 의미하지 않는다.
이하, 본원의 구현예 또는 실시예를 상세히 설명한다. 그러나, 본원이 이러한 구현예 또는 실시예와 도면에 제한되는 것은 아니다.
본 발명의 질병 분석 및 예측 방법은 환자의 생체 정보 인자 및 생활 습관 정보 인자를 1종 이상의 사물 인터넷(IoT) 단말을 통해 수집하는 제1단계;
상기 환자와 동일한 질병의 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자가 포함된 빅데이터 기반의 데이터 베이스를 데이터 서버로부터 수신하고, 상기 제1단계에서 수집된 상기 환자의 생체 정보 인자 및 생활 습관 정보 인자와 비교하여, 전산 시뮬레이션이 가능한 상기 환자의 상기 질병의 현재 상태에 해당하는 디지털 트윈을 제공하는 제2단계;
상기 디지털 트윈에 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들을 변화시키는 상기 전산 시뮬레이션을 실시하여, 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들의 변화에 따른 환자의 상기 질병 상태의 변화를 예측하는 제3단계; 및
상기 전산 시뮬레이션에 의하여 예측된 상기 질병 상태의 변화에 기반하여 상기 환자, 상기 환자의 보호자 및 의료기관에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 제4단계를 포함한다.
상기 제 1 단계의 사물인터넷 단말은 휴대폰, 스마트폰 등의 사용자가 휴대하는 디바이스 및 시계, 안경, 패치, 장신구(반지, 팔찌, 목걸이, 귀걸이 등) 등의 사용자가 착용하는 웨어러블 디바이스 등 다양한 형태의 사물인터넷 단말이 사용될 수 있다.
사물인터넷 단말에는 사용자의 혈당 수치, 혈압 수치, 콜레스테롤 수치, 저밀도 지질단백질 수치, 갑상샘 자극 호르몬 수치, 안구 운동, 동공 반사(pupillary reflex), 눈 깜박임 횟수, 심박수 변화 및 비만도 등의 생체 정보 인자나 사용자의 음식 섭취 시간, 음식 섭취 양, 음식 섭취 종류, 운동량, 보행 속도, 보폭, 보행 대칭, 손가락 태핑 속도(tapping speed), 추적 정확도(tracing accuracy), 언어 사용시 주기적 또는 비주기적 세그먼트 길이, 음성 반응 시간, 질문 및 답변 시의 상대적인 길이, 수면 패턴 변화(예를 들어, 취침시간 등), 자동차 운전 방식 변화, 음주 여부, 약물 사용 여부 및 흡연 여부 등의 생활 습관 정보를 측정하는 각종의 센서가 내장되어 있고, 센서를 통해 측정된 데이터를 외부로 전송하기 위한 인터넷 통신장치가 구비될 수 있다.
예를 들어, 상기 운동량은 운동시 발생되는 심박수, 걸음 수 등에 의해서 측정될 수 있다.
한편, 측정장치 또는 각종 전자기기 스스로가 인터넷 통신이 가능하여, 측정한 정보 및 전자기기에 관한 정보를 인터넷 통신을 통해 모니터링 및 관리가 가능할 뿐만 아니라, 사물인터넷 단말끼리 통신이 가능한 장치를 통칭한다.
또한, 사물인터넷 단말은 사용자의 생체 정보 인자 및 생활 습관 정보 인자를 측정하는 것뿐만 아니라, 휴대하거나 신체에 장착할 수 있는 장치로서, 사용자가 다양하게 개인의 사생활과 관련된 정보를 음성 또는 문자 메시지를 통해 기록하게 되는데, 이와 같은 사용자 개인의 라이프 로그(Lifglog) 정보를 획득하는 것도 가능하다.
한편, 사물인터넷 단말를 통해 사용자의 생체 정보 인자 및 생활 습관 정보 인자를 실시간으로 측정하는 것도 가능하고, 특정한 시간의 주기로 측정하는 것도 가능하다.
본 발명은 이미 각종의 전자기기 또는 측정 센서와 인터넷 통신장치를 구비한 사물 인터넷 단말을 통해 개인의 건강관련 정보를 다양한 각도 및 방법으로 측정하고, 측정된 방대한 데이터를 빅데이터 기법으로 분석 처리함으로써, 실시간 업데이트 되는 양질의 사용자 중심의 개인 맞춤형 헬스케어 정보를 보다 편리하게 제공할 수 있다.
상기 제 2단계의 상기 데이터 서버는 환자와 동일한 질병을 앓고 있는 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자를 제공할 수 있다.
이때, 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자는 다양한 인자를 포함할 수 있으나, 특히 환자가 경도인지장애 또는 치매를 앓고 있는 경우, 경도인지장애 또는 치매와 연관된 생체 정보 인자 및 생활 습관 정보 인자를 포함할 수 있다.
이러한 생체 정보 인자 및 생활 습관 정보 인자로는 구체적으로 음식 섭취 시간, 음식 섭취 양, 음식 섭취 종류, 운동량, 보행 속도, 보폭, 보행 대칭, 손가락 태핑 속도(tapping speed), 추적 정확도(tracing accuracy), 언어 사용시 주기적 또는 비주기적 세그먼트 길이, 음성 반응 시간, 질문 및 답변 시의 상대적인 길이, 수면 패턴 변화(예를 들어, 취침시간 등), 자동차 운전 방식 변화, 음주 여부, 약물 사용 여부, 흡연 여부, 혈당 수치, 혈압 수치, 콜레스테롤 수치, 저밀도 지질단백질 수치, 갑상샘 자극 호르몬 수치, 안구 운동, 동공 반사(pupillary reflex), 눈 깜박임 횟수, 심박수 변화 및 비만도 등을 포함할 수 있으나, 이에 제한되지 않고, 사물 인터넷 단말을 통해 수집될 수 있는 환자의 질병 특히, 경도인지장애 또는 치매와 관련된 어떠한 생체 정보 인자 및 생활 습관 정보 인자라도 포함될 수 있다.
상술한 생체 정보 인자 및 생활 습관 정보 인자들은 모두 경도 인지 장애 또는 치매와 관련된 생체 정보 인자 및 생활 습관 정보 인자들로 볼 수 있다.
경도 인지 장애 또는 치매와 관련된 생체 정보 인자 및 생활 습관 정보 인자의 수집을 위한 제한되지 않는 구체적인 예로 치매 환자는 치매 초기부터 일상 움직임에 장애가 생기기 시작하므로 보행 속도, 보폭, 보행 대칭에 관한 정보를 운동 감지 센서를 통해서 수집할 수 있다.
세밀한 움직임의 속도 및 정확도에 의해서도 환자의 치매 진행 정도의 측정이 가능하므로, 손가락 태핑 속도(tapping speed) 및 추적 정확도(tracing accuracy)를 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단(예를 들어, 스마트폰)에 내장된 터치 센서를 통해서 수집할 수 있다.
또한, 치매가 진행됨에 따라서 언어 능력에 이상이 발생하므로, 언어 사용시 주기적 또는 비주기적 세그먼트 길이, 음성 반응 시간, 질문 및 답변 시의 상대적인 길이 등을 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단에 내장된 마이크로폰 센서를 통해서 수집할 수 있다.
이밖에도, 안구 운동, 동공 반사(pupillary reflex) 및 눈 깜박임 횟수 등은 치매를 포함한 신경 질환에 대한 표시 인자가 될 수 있으므로 이를 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단에 내장된 카메라나 광센서 등을 통해서 수집할 수 있다.
치매는 자율 신경계 장애로도 나타나는데 이를 나타내는 대표적인 표시 인자로는 심박수 변화 등을 들 수 있고, 이러한 표시 인자는 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단에 내장된 광혈류 측정(photoplethysmography, PPG) 센서나 심전도측정(electrocardiograms, ECG) 센서 등을 통해서 수집할 수 있다.
치매 환자는 수면 패턴의 변화가 나타나는 데, 이는 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단에 내장된 심동도법(ballistocardiography) 센서에 의해서 측정될 수 있다.
또한, 치매 환자는 공간을 인지하는 능력이 저하되고, 이는 자동차 운전 방식에 큰 영향을 끼치므로, 자동차 운전 방식의 변화(예를 들어, 운전 경로의 변화 등)를 환자가 휴대하거나 착용할 수 있는 사물 인터넷 말단에 내장된 위치 센서 등을 통해서 수집할 수 있다.
상기 제1단계 내지 제4단계는 모두 머신러닝된 인공지능에 의해서 수행될수 있고, 특히 상기 제 2단계 및 제 3 단계가 머신러닝된 인공지능에 의해서 수행될 수 있다. 예를 들어, 복수 개의 질병 분석 및 예측을 위한 알고리즘을 선택하여 훈련시킬 수 있는데. 동일 질환을 앓고 있는 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자를 입력으로 설정하고, 환자의 디지털 트윈 설정 및 디지털 트윈에 대한 생체 정보 인자 및 상기 생활 습관 정보 인자들을 변화시킨 전산 시뮬레이션 결과값을 출력으로 설정하여 훈련시킨 뒤, 환자의 생체 정보 인자 및 생활 습관 정보 인자를 입력한 경우 가장 정확한 질병 분석 및 예측에 대한 확률값을 출력시키는 알고리즘을 선택하여 적용시킬 수 있다.
이러한 복수 개의 알고리즘에는 인공지능 신경망(Artificial Neural Network) 또는 은닉 마르코프 모델(Hidden-Markov-Model, HMM) 기반의 알고리즘뿐만 아니라, CNN(Convolutional Neural Networks), RNN(Recurrent neural network) 등이 포함될 수 있다.
한 예로, 환자와 동일 질환을 가진 불특정 다수인의 생체 정보 인자 및 상기 생활 습관 정보 인자에 대한 입력 노드를 인공지능 신경망의 입력층으로 지정하고, 환자의 디지털 트윈 설정 및 디지털 트윈에 대한 생체 정보 인자 및 상기 생활 습관 정보 인자들을 변화시킨 전산 시뮬레이션 결과값에 대한 출력 노드를 출력층으로 지정하는 지도 학습(supervised learning)을 통해 초기 인공지능 신경망을 생성 및 학습하여 훈련된 최종 인공지능 신경망을 생성할 수 있다.
이와 같이 훈련된 최종 인공지능 신경망이 생성되고 나면, 사물 인터넷(IoT) 단말로부터 수신한 환자의 생체 정보 인자 및 생활 습관 정보 인자를 최종 인공지능 신경망의 입력 노드로 지정할 수 있다.
상기 제2 단계의 상기 디지털 트윈(digital twin)은 전산 상에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 전산 상으로 시뮬레이션함으로써 결과를 미리 분석, 예측하는 기술이다.
디지털 트윈은 제조업뿐 아니라 다양한 산업·사회 문제를 해결할 수 있는 기술로 주목 받고 있고, 물리적 실체를 가상으로 표현한 것이므로 CAD(Computer-aided design) 분야 등에서 적용되고 있다.
본 발명에서는 사물인터넷(IoT)를 통하여 수집된 환자의 생체 정보 인자 및 생활 습관 정보 인자가 빅데이터 플랫폼을 통하여 정제되고 디지털 트윈에 반영된다.
현실이 적용 가능하게 된 환자의 디지털 트윈을 인공 지능으로 전산 시뮬레이션 분석하여 이상 징후를 판별하거나, 시뮬레이션을 통한 개선 요소를 발굴하여 환자에 반영하는 등의 순환 과정을 거치게 된다.
또한, 디지털 트윈을 적용을 통해서 실시간 피드백 및 모니터링이 가능해지므로 위험 상황에 대한 빠른 대응을 넘어선 선제적 대응이 가능해 질 수 있다.
따라서, 본 발명의 상기 제1단계 내지 제4단계는 실시간으로 피드백될 수 있다.
예를 들어, 개별 환자의 디지털 트윈을 통해서 실제 환자의 임상 치료에 앞서서 전산 시뮬레이션 상 가장 효과적인 약, 치료방법, 식단 및 운동 방법 등의 정보들을 확인하고 제공할 수 있다.
이러한 정보들(특히, 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자)은 환자, 환자의 보호자 및 의료기관 등에 제공될 수 있다.
정보의 제공은 환자, 환자의 보호자 및 의료기관 등의 다양한 사용자 디바이스를 통해서 이루어질 수 있다.
예를 들어, 환자가 휴대하거나 장착하고 있는 사용자 디바이스를 통해서 실시간으로 정보가 제공되고, 정보를 제공받은 환자가 이러한 정보를 기반으로 질병 상태 호전을 위하여 생활 습관에 변화를 준 경우, 이러한 변화에 따른 생체 정보 인자 및 생활 습관 정보 인자는 사물인터넷에 의해서 실시간으로 수집되어 환자의 디지털 트윈에 반영된다.
실시간 변동 사항이 반영된 디지털 트윈에 대해서는 또한 실시간으로 전산상의 시뮬레이션이 이루어지고, 전산상의 시뮬레이션에 의한 결과들은 다시 실시간으로 환자, 환자의 보호자 및 의료기관 등에 피드백된다.
또한, 본 발명의 상기 제1단계 내지 제4단계에 있어서 상기 생활 습관 인자 및 상기 생체 정보 인자는 상기 환자 개인별로 가중치를 달리할 수 있다. 이를 통하여 개인별 맞춤형 질병 분석 및 예측이 가능하다.

Claims (8)

  1. 환자의 생체 정보 인자 및 생활 습관 정보 인자를 1종 이상의 사물 인터넷(IoT) 단말을 통해 수집하는 제1단계;
    상기 환자와 동일한 질병의 불특정 다수인의 생체 정보 인자 및 생활 습관 정보 인자가 포함된 빅데이터 기반의 데이터 베이스를 데이터 서버로부터 수신하고, 상기 제1단계에서 수집된 상기 환자의 생체 정보 인자 및 생활 습관 정보 인자와 비교하여, 전산 시뮬레이션이 가능한 상기 환자의 상기 질병의 현재 상태에 해당하는 디지털 트윈을 제공하는 제2단계;
    상기 디지털 트윈에 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들을 변화시키는 상기 전산 시뮬레이션을 실시하여, 상기 생체 정보 인자 및 상기 생활 습관 정보 인자들의 변화에 따른 환자의 상기 질병 상태의 변화를 예측하는 제3단계; 및
    상기 전산 시뮬레이션에 의하여 예측된 상기 질병 상태의 변화에 기반하여 상기 환자, 상기 환자의 보호자 및 의료기관에 질병 상태 호전을 위하여 환자가 변화시켜야 할 생체 정보 인자 및 생활 습관 정보 인자를 제공하는 제4단계를 포함하는,
    질병 분석 및 예측 방법.
  2. 제1항에 있어서,
    상기 제2단계 및 상기 제3단계 중 어느 한 단계 이상은 머신러닝된 인공지능에 의해서 수행되는 것을 특징으로 하는,
    질병 분석 및 예측 방법.
  3. 제1항에 있어서,
    상기 제1단계 내지 제4단계는 실시간으로 피드백되는 것을 특징으로 하는,
    질병 분석 및 예측 방법.
  4. 제1항에 있어서,
    상기 질병은 경도인지장애 또는 치매인 것을 특징으로 하는,
    질병 분석 및 예측 방법.
  5. 제1항에 있어서,
    상기 생활 습관 정보 인자는 음식 섭취 시간, 음식 섭취 양, 음식 섭취 종류, 운동량, 보행 속도, 보폭, 보행 대칭, 손가락 태핑 속도(tapping speed), 추적 정확도(tracing accuracy), 언어 사용시 주기적 또는 비주기적 세그먼트 길이, 음성 반응 시간, 질문 및 답변 시의 상대적인 길이, 수면 패턴 변화(예를 들어, 취침시간 등), 자동차 운전 방식 변화, 음주 여부, 약물 사용 여부 및 흡연 여부 중 어느 하나 이상인 것을 특징으로 하는,
    질병 분석 및 예측 방법.
  6. 제1항에 있어서,
    상기 생체 정보 인자는 혈당 수치, 혈압 수치, 콜레스테롤 수치, 저밀도 지질단백질 수치, 갑상샘 자극 호르몬 수치, 안구 운동, 동공 반사(pupillary reflex), 눈 깜박임 횟수, 심박수 변화 및 비만도 중 어느 하나 이상인 것을 특징으로 하는,
    질병 분석 및 예측 방법.
  7. 제1항에 있어서,
    상기 사물 인터넷 단말은 사용자가 휴대하거나 사용자에게 장착되어 사용자의 생체 정보 인자 및 생활 습관 정보 인자를 수집하는 것을 특징으로 하는,
    질병 분석 및 예측방법.
  8. 제5항 또는 제6항에 있어서,
    상기 생활 습관 인자 및 상기 생체 정보 인자는 상기 환자 개인별로 가중치를 달리할 수 있는 것을 특징으로 하는,
    질병 분석 및 예측 방법.
KR1020190159776A 2019-12-04 2019-12-04 인공 지능을 이용한 질병 분석 및 예측 방법 KR102357041B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190159776A KR102357041B1 (ko) 2019-12-04 2019-12-04 인공 지능을 이용한 질병 분석 및 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190159776A KR102357041B1 (ko) 2019-12-04 2019-12-04 인공 지능을 이용한 질병 분석 및 예측 방법

Publications (2)

Publication Number Publication Date
KR20210069931A true KR20210069931A (ko) 2021-06-14
KR102357041B1 KR102357041B1 (ko) 2022-01-28

Family

ID=76417462

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190159776A KR102357041B1 (ko) 2019-12-04 2019-12-04 인공 지능을 이용한 질병 분석 및 예측 방법

Country Status (1)

Country Link
KR (1) KR102357041B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170061222A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
KR20190056344A (ko) * 2017-11-16 2019-05-24 경희대학교 산학협력단 치매 환자 관리 방법 및 그 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170061222A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
KR20190056344A (ko) * 2017-11-16 2019-05-24 경희대학교 산학협력단 치매 환자 관리 방법 및 그 시스템

Also Published As

Publication number Publication date
KR102357041B1 (ko) 2022-01-28

Similar Documents

Publication Publication Date Title
US11696714B2 (en) System and method for brain modelling
Bergmann et al. Body-worn sensor design: what do patients and clinicians want?
US20150148621A1 (en) Methods and systems for creating a preventative care plan in mental illness treatment
US20230037749A1 (en) Method and system for detecting mood
US20150025335A1 (en) Method and system for monitoring pain of patients
KR20130051922A (ko) 심리장애(ｐｓｙｃｈｏｌｏｇｉｃａｌ ｄｉｓｏｒｄｅｒｓ) 치료를 위한 장치 및 방법
US20220285027A1 (en) Prediction of disease status
US11707217B2 (en) Diagnosis and effectiveness of monitoring attention deficit hyperactivity disorder
JP2023547875A (ja) 個人化された認知介入システム及び方法
Clarke et al. mstress: A mobile recommender system for just-in-time interventions for stress
Sigcha et al. Deep learning and wearable sensors for the diagnosis and monitoring of Parkinson’s disease: a systematic review
US20210358628A1 (en) Digital companion for healthcare
Bhavani et al. Stress classification and vital signs forecasting for IoT-health monitoring
US20220192556A1 (en) Predictive, diagnostic and therapeutic applications of wearables for mental health
KR102310253B1 (ko) 요양병원 대상자를 위한 섬망 예방 시스템 및 그 방법
KR102357041B1 (ko) 인공 지능을 이용한 질병 분석 및 예측 방법
JP6402345B1 (ja) 指導支援システム、指導支援方法及び指導支援プログラム
Haque et al. State-of-the-Art of Stress Prediction from Heart Rate Variability Using Artificial Intelligence
EP4367609A1 (en) Integrative system and method for performing medical diagnosis using artificial intelligence
WO2023053176A1 (ja) 学習装置、行動推薦装置、学習方法、行動推薦方法及び記憶媒体
US20240153632A1 (en) Computer-implemented methods and systems for quantitatively determining a clinical parameter
KR102382659B1 (ko) 당화혈색소 수치 추정을 위한 인공지능학습 모델의 학습 방법 및 그 시스템
US11432773B2 (en) Monitoring of diagnostic indicators and quality of life
US20210313066A1 (en) System and method for automated health and fitness advisement
US20230307126A1 (en) Computation of a quality of life metric

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant