KR20210112274A - 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 - Google Patents

사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 Download PDF

Info

Publication number
KR20210112274A
KR20210112274A KR1020210114886A KR20210114886A KR20210112274A KR 20210112274 A KR20210112274 A KR 20210112274A KR 1020210114886 A KR1020210114886 A KR 1020210114886A KR 20210114886 A KR20210114886 A KR 20210114886A KR 20210112274 A KR20210112274 A KR 20210112274A
Authority
KR
South Korea
Prior art keywords
user
data
blood pressure
factors
blood sugar
Prior art date
Application number
KR1020210114886A
Other languages
English (en)
Other versions
KR102400740B1 (ko
Inventor
오상우
Original Assignee
동국대학교 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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020210114886A priority Critical patent/KR102400740B1/ko
Publication of KR20210112274A publication Critical patent/KR20210112274A/ko
Application granted granted Critical
Publication of KR102400740B1 publication Critical patent/KR102400740B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis

Abstract

본 발명은 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법에 관한 것으로서, 본 발명의 일 실시 예에 따른 시스템은, 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하고, 수집된 데이터들을 데이터베이스를 통해 관리하는 데이터 수집부, 생체 데이터를 기초로 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 분석된 결과에 기초하여 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 제 1 데이터 분석부, 머신러닝을 이용하여 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 데이터 학습부 및 사용자의 생체 데이터 및 생활 데이터가 입력되면, 학습된 결과에 기초하여 사용자의 혈압 및 혈당 수치값을 예측하고, 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 제 2 데이터 분석부를 포함할 수 있다.

Description

사용자의 건강상태 모니터링 시스템 및 이의 분석 방법{SYSTEM FOR MONITORING HEALTH CONDITION OF USER AND ANALYSIS METHOD THEREOF}
본 발명은 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법에 관한 것으로, 더욱 상세하게는 실생활에서 수집되는 여러 정보들을 토대로 개인별 혈압 및 혈당의 변화를 각각 분석하여 영양, 신체활동, 복약 및 수면 등의 종합적인 생활습관에 대한 맞춤형 개선을 유도할 수 있는 시스템 및 이의 분석 방법에 관한 것이다.
연구 결과에 따르면, 최근 10년간 80세 이상 노인의 비율은 지속적으로 높아지고 있다. 특히, 65세 이상 노인의 절반 이상이 만성질환을 3개 이상 보유하고 있다는 점은 주목할 만하다.
만성질환이란 오랜 기간을 통해 발병 및 재발하는 질환으로서, 고혈압, 관절염, 당뇨병 등이 대표적인 만성질환에 해당한다. 만성질환의 발생 원인으로는 유전, 흡연, 운동 부족, 식습관, 지속적인 스트레스 등 신체의 생리적 기전의 변화, 생활 속의 변인, 환경 오염과 같은 환경적인 원인 등이 복합적으로 얽혀 있다.
심각한 만성질환은 병 자체로 인한 신체적인 문제를 넘어 생활 자체의 위기 및 부정적인 정서를 초래하므로, 생활 전반에 대한 자체적인 케어(care) 및 모니터링(monitoring)을 통해 만성질환을 사전에 예방하는 것이 바람직하다. 즉, 만성질환은 다양한 원인들이 복합적으로 작용하여 발생하는 만큼 건강한 생활습관의 유지를 통해 만성질환의 발병을 미리 예방하는 것이 반드시 필요하다.
대한민국 공개특허공보 제10-2015-0090941호 (2015.08.07)
본 발명은 전술한 바와 같은 필요성에 따라 안출된 것으로서, 만성질환자는 주기적인 검진뿐만 아니라 질환 관리를 위한 생활습관의 개선이 필요하므로, 자가 및 의료진의 피드백을 통한 생활습관 개선을 위해 복약 알림 서비스 및 영양, 운동 기록 서비스를 제공할 수 있는 시스템 및 분석 방법을 제공함에 목적이 있다.
또한, 사용자의 실생활에서 수집되는 데이터들을 관리하여 사용자 맞춤형 피드백을 제공하고, 영양, 신체활동, 복약 및 수면 등의 종합적인 생활습관 개선을 유도하는 시스템 및 분석 방법을 제공함에 목적이 있다.
본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템은, 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하고, 수집된 데이터들을 데이터베이스를 통해 관리하는 데이터 수집부, 생체 데이터를 기초로 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 분석된 결과에 기초하여 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 제 1 데이터 분석부, 머신러닝을 이용하여 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 데이터 학습부 및 사용자의 생체 데이터 및 생활 데이터가 입력되면, 학습된 결과에 기초하여 사용자의 혈압 및 혈당 수치값을 예측하고, 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 제 2 데이터 분석부를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 생체 데이터에 포함된 복수개의 인자들에는 체중, 신장, 나이, 성별, 만성질환 유무, 가족력 유무, 혈압 및 혈당이 포함되며, 생활 데이터에 포함된 복수개의 인자들에는 영양소 섭취정보, 운동량정보, 복약정보, 수면정보 및 환경정보가 포함될 수 있다.
본 발명의 일 실시 예에 따른 제 2 데이터 분석부는, 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하고, 선별된 인자들에 대한 가중치를 적용하여 사용자의 혈압 및 혈당 수치값을 예측할 수 있다.
본 발명의 일 실시 예에 따른 제 2 데이터 분석부는, 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고, 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 사용자의 특성을 반영한 인자들로 선별할 수 있다.
본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템은, 제 2 데이터 분석부에 의해 예측된 혈압 및 혈당 수치값과 제 2 데이터 분석부에 의해 분석된 피드백 정보를 수신하여 출력하는 모니터링 단말을 더 포함할 수 있다.
본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템의 분석 방법은, 데이터 수집부가 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하는 단계, 제 1 데이터 분석부가 생체 데이터를 기초로 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 분석된 결과에 기초하여 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 단계, 데이터 학습부가 머신러닝을 이용하여 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 단계 및 제 2 데이터 분석부가 사용자의 생체 데이터 및 생활 데이터가 입력되면, 학습된 결과에 기초하여 사용자의 혈압 및 혈당 수치값을 예측하고, 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 제 2 데이터 분석부가 피드백 정보를 분석하는 단계는, 제 2 데이터 분석부가 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하는 단계 및 제 2 데이터 분석부가 선별된 인자들에 대한 가중치를 적용하여 사용자의 혈압 및 혈당 수치값을 예측하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 제 2 데이터 분석부가 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하는 단계에서는, 제 2 데이터 분석부가 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고, 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 사용자의 특성을 반영한 인자들로 선별할 수 있다.
한편, 본 발명의 일 실시 예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
본 발명의 일 실시 예로서 제공되는 모니터링 시스템 및 분석 방법에 따르면, 사용자는 적절한 생활습관 유지를 통해 혈압, 혈당 등의 건강과 관련된 수치들을 안정적인 상태로 조절할 수 있으며, 만성질환의 예방을 위한 체중조절에도 도움을 받을 수 있다.
또한, 본 발명의 일 실시 예로서 제공되는 모니터링 시스템 및 분석 방법에 따르면, 혈압 및 혈당 수치 개선을 통해 혈압약 및 혈당 조절을 위한 인슐린 등의 투약 용량을 줄일 수 있으므로, 사용자가 건강한 생활을 유지하는데 도움을 줄 수 있다.
도 1은 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템을 나타낸 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템을 나타낸 개념도이다.
도 3은 본 발명의 일 실시 예에 따른 제 2 데이터 분석부의 혈당 및 혈압 수치값의 예측 과정을 나타낸 개념도이다.
도 4는 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템의 분석 방법을 나타낸 순서도이다.
도 5는 본 발명의 일 실시 예에 따른 제 2 데이터 분석부에 의한 혈당 및 혈압 수치값의 예측 과정을 나타낸 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 구성을 사이에 두고" 연결되어 있는 경우도 포함한다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템은, 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하고, 수집된 데이터들을 데이터베이스(200)를 통해 관리하는 데이터 수집부(10), 생체 데이터를 기초로 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 분석된 결과에 기초하여 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 제 1 데이터 분석부(20), 머신러닝을 이용하여 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 데이터 학습부(30) 및 사용자의 생체 데이터 및 생활 데이터가 입력되면, 학습된 결과에 기초하여 사용자의 혈압 및 혈당 수치값을 예측하고, 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 제 2 데이터 분석부(40)를 포함할 수 있다.
도 1을 참조하면, 전술한 데이터 수집부(10), 제 1 데이터 분석부(20), 데이터 학습부(30) 및 제 2 데이터 분석부(40)는 분석 장치(100)에 포함될 수 있으며, 분석 장치(100)는 데이터를 저장 및 관리하기 위한 데이터베이스(200) 및 후술할 모니터링 단말(300)과 유무선 네트워크 통신을 통해 연동될 수 있다. 데이터베이스(200)는 도 1과 같이 분석 장치(100)와 별도의 구성으로 형성될 수 있으나, 분석 장치(100)의 데이터 저장소로서 분석 장치(100)에 포함될 수도 있다.
이때, 도 1을 참조하면, 본 발명의 일 실시 예에 따른 분석 장치(100)는 유무선 네트워크 통신을 위한 통신부(50)를 포함할 수 있다. 통신부(50)에 포함된 여러 통신 모듈을 통해 데이터 수집부(10)는 사용자의 생체 데이터 및 생활 데이터를 생성하는 착용 단말(예컨대, 스마트워치(Smartwatch) 등) 또는 의료기록 관리 서버 등과 데이터를 송수신할 수 있다. 또한, 통신부(50)에 포함된 여러 통신 모듈을 통해 제 2 데이터 분석부(40)는 사용자의 혈압 및 혈당 수치값, 피드백 정보 등을 모니터링 단말(300)에 송신할 수 있다.
예를 들어, 통신부(50)는 근거리 통신 모듈인 블루투스(Bluetooth) 통신 모듈, BLE(Bluetooth low energy) 통신 모듈, 지그비(Zigbee) 통신 모듈, 비콘(Beacon) 통신 모듈 등을 비롯하여 와이파이(Wifi) 통신 모듈, UWB(Ultra Wideband) 통신모듈, LoRaWAN 통신 모듈 등을 포함할 수 있으나, 전술한 예시에 국한되는 것은 아니다.
한편, 도 1을 참조하면, 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템은, 제 2 데이터 분석부(40)에 의해 예측된 혈압 및 혈당 수치값과 제 2 데이터 분석부(40)에 의해 분석된 피드백 정보를 수신하여 출력하는 모니터링 단말(300)을 더 포함할 수 있다.
예를 들어, 모니터링 단말(300)은 유무선 네트워크 통신이 가능한 단말로서, 스마트폰(Smartphone), 스마트워치, PMP(Portable Multimedia Player), PDA(Personal Digital Assistants), 데스크탑(Desktop) PC, 랩탑(Laptop) PC 또는 태블릿(Tablet) PC 등일 수 있다.
본 발명의 일 실시 예에 따른 모니터링 단말(300)의 사용자는 환자의 만성질환에 대한 검진 및 진단을 수행하는 의료진뿐만 아니라 만성질환을 앓고 있는 환자일 수 있다. 즉, 모니터링 단말(300)은 애플리케이션이 구동됨으로써 의료진이 환자의 상태를 실시간으로 확인 및 감시하도록 할 수 있으며, 환자 스스로가 분석 장치(100)를 통해 환자의 상태에 맞게 분석된 결과를 확인하여 생활습관을 개선시키도록 할 수 있다.
다시 말해서, 모니터링 단말(300)을 통해 만성질환자는 본인의 건강상태에 영향을 미치는 식사, 운동, 복약여부, 수면상태 등 생활습관 전반에 대한 정보가 분석된 결과를 확인하여 생활습관에 대한 자가교정 및 유지를 수행할 수 있다. 또한, 모니터링 단말(300)을 통해 만성질환자의 주치의는 만성질환자에 대한 건강상태의 변화를 지속적으로 확인할 수 있으므로, 환자 각각에 대해 보다 정확한 진단 및 치료를 수행할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템을 나타낸 개념도이다. 이하에서는 도 2를 참조하여 시스템에 의해 제공되는 모니터링 서비스의 전반적인 과정을 구체적으로 살펴보도록 한다.
본 발명의 일 실시 예에 따른 분석 장치(100)의 데이터 수집부(10)는 여러 단말 또는 서버 등으로부터 사용자의 유전적 요소 및 신체적 요소에 관한 생체 데이터와 사용자의 생활습관과 관련된 생활 데이터를 소정의 기간(예컨대, 1개월 등)동안 수집할 수 있다. 분석 장치(100)는 생체 데이터뿐만 아니라 생활 데이터를 수집함으로써, 사용자의 신체적 조건, 유전적 요인 등의 생체 정보를 고려하여 사용자 별로 알맞은 생활습관 개선에 관한 정보를 제공해줄 수 있다.
도 2를 참조하면, 생체 데이터에는 체중, 신장, 나이, 성별, 만성질환 유무, 가족력 유무, 혈압 및 혈당 등의 복수개의 인자들이 포함될 수 있다. 또한, 생활 데이터에는 영양소 섭취정보, 운동량정보, 복약정보, 수면정보 및 환경정보 등의 복수개의 인자들이 포함될 수 있다.
예를 들어, 생체 데이터의 여러 인자들 중 혈압 및 혈당은 사용자의 착용 단말(예컨대, 스마트워치 등)에서 측정된 생체 신호가 데이터 수집부(10)로 전달됨으로써 수집될 수 있다. 또한, 혈압 및 혈당을 제외한 체중, 신장, 나이, 성별, 만성질환 유무 및 가족력 유무는 모니터링 단말(300)을 통해 사용자로부터 직접 입력되거나 의료기록 관리 서버로부터 데이터 수집부(10)로 전달됨으로써 수집될 수 있다. 이때, 모니터링 단말(300)을 통해 사용자로부터 직접 입력되는 경우, 사용자 정보를 식별하기 위해 로그인 아이디 및 패스워드와 같은 고유 정보가 사용자에 의해 사전에 입력되는 절차가 진행될 수 있다.
도 2를 참조하면, 생활 데이터의 여러 인자들 중 수면정보는 뒤척임 정도, 코골이 정도와 같은 사용자의 수면습관에 관한 정보 및 온도, 습도 및 조도 등과 같은 사용자의 수면환경에 관한 정보가 종합적으로 분석된 결과이다. 사용자의 착용 단말(예컨대, 스마트워치 등) 또는 사용자의 수면장소에 설치된 센서 등에서 측정된 사용자의 수면습관에 관한 정보 및 수면환경에 관한 정보가 데이터 수집부(10)로 전달되면, 데이터 수집부(10)에서는 전술한 정보들을 분석하여 사용자의 수면시간 및 수면상태를 나타내는 수면정보를 생성할 수 있다.
한편, 수면정보를 제외한 영양소 섭취정보, 운동량정보, 복약정보, 환경정보는 사용자의 착용 단말(예컨대, 스마트워치 등)에서 측정되거나 모니터링 단말(300)을 통해 사용자에 의해 입력되거나 외부 서버 등으로부터 데이터 수집부(10)로 전달됨으로써 수집될 수 있다.
예를 들어, 영양소 섭취정보는 식사정보로서 사용자가 모니터링 단말(300)을 통해 아침, 점심, 저녁에 먹은 식사 정보를 입력(또는 기록)함으로써 수집될 수 있다. 운동량정보는 사용자의 착용 단말(예컨대, 스마트워치 등)을 통해 걸음수, 운동시간, 운동종류에 따른 강도 등이 측정됨으로써 수집될 수 있다. 복약정보는 모니터링 단말(300)을 통해 사용자에 의해 복약 여부가 입력되고, 의료기록 관련 서버로부터 검진 결과에 기초한 복약 달성률이 전달됨으로써 수집될 수 있다. 환경정보는 기상청 서버에 저장된 지역별 미세먼지 정보가 데이터 수집부(10)로 전달됨으로써 수집될 수 있다.
전술한 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들은 만성질환의 예방을 위한 생활습관 개선에 직접적으로 영향을 미칠 수 있는 주요 인자들로 선별된 것이다. 예를 들어, 혈압 및 혈당은 만성질환의 발병 여부 및 상태를 정확하게 보여주는 주요 생체 지표에 해당한다. 또한, 식사, 운동, 복약, 수면 및 환경은 만성질환의 치료와 직접적으로 관련된 주요 생활 지표에 해당한다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 데이터 수집부(10)에 의해 생체 데이터 및 생활 데이터가 소정의 기간(예컨대, 1개월 등)동안 수집되면, 제 1 데이터 분석부(20)는 생체 데이터를 기초로 혈압 및 혈당의 변동추이 및 미래의 수치값을 분석(i.e. 건강상태 분석)할 수 있다. 여기서 말하는 미래는 분석이 수행되는 시점을 기준으로 일정 시간이 흐른 뒤의 시점을 의미하며, 이는 일 단위, 주 단위, 월 단위 또는 연 단위로 사용자에 의해 미리 설정되거나 변경될 수 있다.
예를 들어, 제 1 데이터 분석부(20)는 생체 데이터에 포함된 혈압 및 혈당에 관한 정보를 토대로 사용자의 혈압 및 혈당이 시간의 흐름에 따라 어떻게 변화해왔는지를 분석할 수 있다. 즉, 제 1 데이터 분석부(20)는 생체 데이터에 포함된 혈압 및 혈당에 대한 시계열 분석을 통해 사용자의 혈압 및 혈당의 변동추이를 분석할 수 있다.
또한, 제 1 데이터 분석부(20)는 사용자의 혈압 및 혈당의 변동추이를 토대로 사용자의 혈압 및 혈당이 미래에 어떻게 변화할 것인지를 나타내는 혈압 및 혈당의 미래 수치값을 예측할 수 있다. 제 1 데이터 분석부(20)에 의해 예측된 미래의 혈압 및 혈당의 수치값은 사용자의 현재 상태가 지속적으로 유지될 경우에 혈압 및 혈당 수치값이 미래에 어떻게 변화하는지를 나타낸다. 즉, 전술하였듯이 혈압 및 혈당은 만성질환의 발병 여부 및 상태를 정확하게 보여주는 주요 생체 지표에 해당하므로, 제 1 데이터 분석부(20)에 의해 예측된 미래의 혈압 및 혈당의 수치값은 사용자의 미래의 만성질환의 진행 정도를 예측하는 지표로 사용될 수 있다.
한편, 도 2에는 도시되지 않았으나, 본 발명의 일 실시 예에 따른 데이터 학습부(30)는 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 제 1 데이터 분석부(20)를 통해 분석된 혈압 및 혈당의 변화 간의 상관관계를 학습할 수 있다.
예를 들어, 데이터 학습부(30)는 사용자의 혈압 및 혈당의 변동추이가 체중의 변화, 신장의 변화 등에 따라 어떠한 양상을 보이는지, 체중, 신장, 나이, 가족력 유무 등의 인자들의 변화에 따라 혈압 및 혈당의 미래 수치값이 어떻게 변화할 수 있는지 등을 분석할 수 있다. 또한, 데이터 학습부(30)는 사용자의 영양소 섭취량 및 비율, 운동량, 복약 달성률, 수면시간, 사용자 활동지역의 미세먼지 농도 등 생활 데이터에 포함된 각 인자들에 따라 혈압 및 혈당의 변동추이가 어떠한 양상을 보이는지 등을 분석할 수 있다.
데이터 학습부(30)는 전술한 과정을 통해 사용자마다 각기 다른 생체 정보들 및 생활습관에 관한 정보들을 사용자 별로 분석된 혈압 및 혈당의 변동추이 및 미래 수치값에 종합적으로 반영할 수 있다. 즉, 데이터 학습부(30)는 사용자 별로 분석된 혈압 및 혈당의 수치값에 대한 정보를 기초로 생체 데이터 및 생활 데이터에 포함된 각 인자들이 혈압 및 혈당의 변화에 어떠한 영향을 미치는지를 나타내는 상관관계를 종합적으로 학습할 수 있다.
이때, 본 발명의 일 실시 예에 따르면, 전술한 데이터 학습부(30)의 학습 과정에는 머신러닝 알고리즘이 이용될 수 있다. 예를 들어, 머신러닝 알고리즘에는 상관관계 분석에 적합한 군집화(K-means Clustering) 알고리즘, 서포트 벡터 머신(Support Vector Machine) 알고리즘 또는 심층신경망(Deep Neural Network) 알고리즘 등이 포함될 수 있다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)는 제 1 데이터 분석부(20) 및 데이터 학습부(30)에 의한 분석 및 학습 결과에 기초하여 사용자에 대한 건강변화를 예측하고 예측된 결과에 따른 건강관리 정보를 제공하기 위한 데이터 분석을 수행할 수 있다.
즉, 제 2 데이터 분석부(40)는 수집된 또는 실시간으로 입력되는 사용자의 생체 데이터 및 생활 데이터를 기초로 사용자의 혈압 및 혈당 수치값을 예측할 수 있다. 또한, 제 2 데이터 분석부(40)는 예측된 사용자의 혈압 및 혈당 수치값을 기초로 혈당 및 혈압의 관리를 위한 피드백 정보를 생성할 수 있다.
예를 들어, 제 2 데이터 분석부(40)는 실시간으로 입력된 생체 데이터 및 기 수집된 생체 데이터를 기초로 미래의 혈당 및 혈압 수치값을 예측할 수 있다. 제 2 데이터 분석부(40)는 데이터 학습부(30)에 의한 학습 결과를 이용하여 예측된 혈당 및 혈압 수치값과 식사, 운동, 복약 및 수면 등 생활 데이터에 포함된 각 인자들 간의 상관관계를 분석하고, 상관관계에 따른 생활 데이터에 포함된 각 인자별 개선방향에 대한 내용을 포함하는 피드백 정보를 생성할 수 있다.
즉, 제 2 데이터 분석부(40)에 의해 생성되는 피드백 정보에는 현재의 혈당 수치를 바탕으로 내일 어떤 식단으로 식사를 해야 되는지, 현재의 혈압 및 혈당 수치를 개선시키기 위해서는 얼마만큼의 신체활동이 필요한지, 만성질환의 종류(예컨대, 고혈압, 당뇨병, 고지혈증, 비만 등)에 따라 각 인자들의 종합적인 관리는 어떻게 이루어져야 하는지 등에 대한 내용이 포함될 수 있다.
예를 들어, 이러한 피드백 정보는 영양소의 섭취량 및 비율, 운동강도, 운동시간, 복약 횟수, 복약 달성률 및 수면시간 등의 개선방향이 정확한 수치값으로 표현될 수도 있고, "수면시간을 약 2시간 이상 늘리는 것을 권장합니다"와 같은 텍스트 형태로 표현될 수 있다.
또한, 도 2 를 참조하면, 피드백 정보는 혈압과 혈당 각각에 대해 별도로 생성될 수 있다. 즉, 제 2 데이터 분석부(40)는 혈압과 혈당을 종합적으로 관리하기 위한 한 가지의 피드백 정보를 생성할 수 있으며, 혈압에 대한 피드백 정보와 혈당에 대한 피드백 정보로 두 가지의 피드백 정보를 생성할 수도 있다. 이와 같이 혈압과 혈당을 각각 분리하여 피드백 정보를 생성하면, 사용자에 의한 혈압과 혈당의 관리가 보다 면밀히 수행될 수 있다.
이하에서는 도 3을 참조하여 제 2 데이터 분석부(40)의 혈당 및 혈압 수치값의 예측 과정을 보다 구체적으로 살펴보도록 한다.
도 3은 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)의 혈당 및 혈압 수치값의 예측 과정을 나타낸 개념도이다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)는, 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하고, 선별된 인자들에 대한 가중치를 적용하여 사용자의 혈압 및 혈당 수치값을 예측할 수 있다.
사용자마다 만성질환에 영향을 미치는 유전적 요소 및 신체적 요소가 각기 다를 뿐만 아니라 생활습관 및 환경 또한 각기 다르기 때문에, 이를 분석 과정에서 적절히 반영할 수 있어야 사용자 별로 알맞은 피드백 정보를 제시해줄 수 있다. 따라서, 제 2 데이터 분석부(40)는 사용자의 혈압 및 혈당 수치값을 예측하는 과정에서 먼저 사용자의 특성을 반영한 인자들을 선별하는 과정을 수행할 수 있다.
예를 들어, 제 2 데이터 분석부(40)는 도 3과 같이 (1)칼로리 섭취율 및 주요영양소(i.e. 탄수화물, 단백질, 지방)의 섭취비율, (2)고강도 운동시간, 칼로리 소모량 및 걸음수, (3) 복약달성률, (4)수면시간, (5)미세먼지 농도, (6)체중, 나이, 키를 포함한 생체정보의 6가지 인자들 중에서 사용자 각각의 특성을 반영한 3가지 인자들을 선별할 수 있다. 사용자 1의 경우, (1)번, (3)번 및 (6)번 인자가 선별될 수 있으며, 사용자 2의 경우, (1)번, (3)번 및 (6)번 인자가 선별될 수 있다.
이때, 제 2 데이터 분석부(40)는 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고, 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 사용자의 특성을 반영한 인자들로 선별할 수 있다.
이때, 변화값이란 소정의 기간동안 추정된 평균값과 각 시점별 수치값을 비교한 결과에 따른 편차값의 변동추이를 말한다. 그리고, 불규칙한 변화값은 시간의 흐름에 따른 각 시점별 편차값들을 비교한 결과가 일정한 값을 유지하지 않는 것을 말한다. 예를 들어, 시간의 흐름에 따라 편차값이 4, 6, 4, 6, ?? 과 같이 변동되는 경우와 4, 8, 3, 5, ?? 과 같이 변동되는 경우, 전자의 경우는 각 시점별 편차값들의 비교 결과가 2로 일정하게 유지되지만, 후자의 경우는 각 시점별 편차값들의 비교 결과가 4, 5, 2 등으로 변동되므로, 후자의 경우를 제 2 데이터 분석부(40)는 불규칙한 변화값을 가지는 것으로 판단할 수 있다.
만성질환을 효과적으로 예방 및 치료하기 위해서는 생활습관을 규칙적으로 유지하는 것이 중요하므로, 전술한 예시와 같이 불규칙한 변화값을 가지는 인자들은 만성질환에 직접적인 영향을 미친다고 볼 수 있다. 이에 따라, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)는 불규칙한 변화값을 가지는 인자들을 만성질환과 관련된 사용자의 특성을 반영한 인자들로 선별할 수 있다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)는 사용자의 특성을 반영한 인자들을 선별한 이후, 선별된 인자들에 대한 가중치를 부여할 수 있다. 전술하였듯이 사용자의 특성을 반영한 인자들은 만성질환에 직접적인 영향을 미치는 인자들이므로, 해당 인자들에 가중치를 부여하여 사용자 별로 혈당 및 혈압 수치값을 예측할 수 있다.
또한, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)는 생체 데이터의 여러 인자들 중 만성질환 유무 및 가족력 유무에 따라 선별된 인자들의 가중치를 상이하게 적용할 수도 있다. 예를 들어, 만성질환을 앓고 있는 사용자인 경우, 그렇지 않은 사용자에 비해 더 큰 가중치 값이 부여될 수 있다. 또한, 가족력이 있는 사용자인 경우, 그렇지 않은 사용자에 비해 더 큰 가중치 값이 부여될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템의 분석 방법을 나타낸 순서도이다.
도 4를 참조하면, 본 발명의 일 실시 예에 따른 사용자의 건강상태 모니터링 시스템의 분석 방법은, 데이터 수집부(10)가 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하는 단계(S410), 제 1 데이터 분석부(20)가 생체 데이터를 기초로 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 분석된 결과에 기초하여 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 단계(S420), 데이터 학습부(30)가 머신러닝을 이용하여 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 단계(S430) 및 제 2 데이터 분석부(40)가 사용자의 생체 데이터 및 생활 데이터가 입력되면, 학습된 결과에 기초하여 사용자의 혈압 및 혈당 수치값을 예측하고, 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 단계(S440)를 포함할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)에 의한 혈당 및 혈압 수치값의 예측 과정을 나타낸 순서도이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)가 피드백 정보를 분석하는 단계(S440)는, 제 2 데이터 분석부(40)가 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하는 단계(S510) 및 제 2 데이터 분석부(40)가 선별된 인자들에 대한 가중치를 적용하여 사용자의 혈압 및 혈당 수치값을 예측하는 단계(S520)를 포함할 수 있다.
본 발명의 일 실시 예에 따른 제 2 데이터 분석부(40)가 학습된 결과를 기초로 입력된 사용자의 생체 데이터 및 생활 데이터로부터 사용자의 특성을 반영한 인자들을 선별하는 단계(S510)에서는, 제 2 데이터 분석부(40)가 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고, 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 사용자의 특성을 반영한 인자들로 선별할 수 있다.
본 발명의 일 실시 예에 따른 방법과 관련하여서는 전술한 시스템에 대한 내용이 적용될 수 있다. 따라서, 방법과 관련하여, 전술한 시스템에 대한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
한편, 본 발명의 일 실시 예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다. 다시 말해서, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 데이터 수집부
20: 제 1 데이터 분석부
30: 데이터 학습부
40: 제 2 데이터 분석부
50: 통신부
100: 분석 장치
200: 데이터베이스
300: 모니터링 단말

Claims (8)

  1. 사용자의 건강상태 모니터링 시스템에 있어서,
    사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하고, 상기 수집된 데이터들을 데이터베이스를 통해 관리하는 데이터 수집부;
    상기 생체 데이터를 기초로 상기 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 상기 분석된 결과에 기초하여 상기 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 제 1 데이터 분석부;
    머신러닝을 이용하여 상기 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 데이터 학습부; 및
    사용자의 생체 데이터 및 생활 데이터가 입력되면, 상기 학습된 결과에 기초하여 상기 사용자의 혈압 및 혈당 수치값을 예측하고, 상기 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 제 2 데이터 분석부를 포함하고,
    상기 제 2 데이터 분석부는,
    상기 학습된 결과를 기초로 상기 입력된 사용자의 생체 데이터 및 생활 데이터로부터 상기 사용자의 특성을 반영한 인자들을 선별하고, 상기 선별된 인자들에 대한 가중치를 적용하여 상기 사용자의 혈압 및 혈당 수치값을 예측하되,
    사용자의 만성질환 유무 및 가족력 유무에 따라, 상기 선별된 인자들의 가중치를 상이하게 적용하는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템.
  2. 제 1 항에 있어서,
    상기 생체 데이터에 포함된 복수개의 인자들에는 체중, 신장, 나이, 성별, 만성질환 유무, 가족력 유무, 혈압 및 혈당이 포함되며,
    상기 생활 데이터에 포함된 복수개의 인자들에는 영양소 섭취정보, 운동량정보, 복약정보, 수면정보 및 환경정보가 포함되는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템.
  3. 제 1 항에 있어서,
    상기 제 2 데이터 분석부는,
    상기 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고,
    상기 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 상기 사용자의 특성을 반영한 인자들로 선별하는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템.
  4. 제 1 항에 있어서,
    상기 제 2 데이터 분석부에 의해 예측된 혈압 및 혈당 수치값과 상기 제 2 데이터 분석부에 의해 분석된 피드백 정보를 수신하여 출력하는 모니터링 단말을 더 포함하는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템.
  5. 사용자의 건강상태 모니터링 시스템의 분석 방법에 있어서,
    데이터 수집부가 사용자 별로 생체 데이터 및 생활 데이터를 소정의 기간동안 수집하는 단계;
    제 1 데이터 분석부가 상기 생체 데이터를 기초로 상기 사용자 별로 혈압 및 혈당의 변동추이를 분석하고, 상기 분석된 결과에 기초하여 상기 사용자 별로 미래의 혈압 및 혈당 수치값을 예측하는 단계;
    데이터 학습부가 머신러닝을 이용하여 상기 생체 데이터 및 생활 데이터 각각에 포함된 복수개의 인자들과 혈압 및 혈당의 변화 간의 상관관계를 학습하는 단계; 및
    제 2 데이터 분석부가 사용자의 생체 데이터 및 생활 데이터가 입력되면, 상기 학습된 결과에 기초하여 상기 사용자의 혈압 및 혈당 수치값을 예측하고, 상기 사용자의 생활습관의 개선에 관한 피드백 정보를 분석하는 단계를 포함하고,
    상기 제 2 데이터 분석부가 피드백 정보를 분석하는 단계는,
    상기 제 2 데이터 분석부가 상기 학습된 결과를 기초로 상기 입력된 사용자의 생체 데이터 및 생활 데이터로부터 상기 사용자의 특성을 반영한 인자들을 선별하는 단계; 및
    상기 제 2 데이터 분석부가 상기 선별된 인자들에 대한 가중치를 적용하여 상기 사용자의 혈압 및 혈당 수치값을 예측하는 단계를 포함하되,
    상기 사용자의 혈압 및 혈당 수치값을 예측하는 단계는,
    사용자의 만성질환 유무 및 가족력 유무에 따라, 상기 선별된 인자들의 가중치를 상이하게 적용하는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템의 분석 방법.
  6. 제 5 항에 있어서,
    상기 생체 데이터에 포함된 복수개의 인자들에는 체중, 신장, 나이, 성별, 만성질환 유무, 가족력 유무, 혈압 및 혈당이 포함되며,
    상기 생활 데이터에 포함된 복수개의 인자들에는 영양소 섭취정보, 운동량정보, 복약정보, 수면정보 및 환경정보가 포함되는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템의 분석 방법.
  7. 제 5 항에 있어서,
    상기 제 2 데이터 분석부가 상기 학습된 결과를 기초로 상기 입력된 사용자의 생체 데이터 및 생활 데이터로부터 상기 사용자의 특성을 반영한 인자들을 선별하는 단계에서는,
    상기 제 2 데이터 분석부가 상기 입력된 사용자의 생체 데이터 및 생활 데이터에 포함된 복수개의 인자들 각각에 대해 소정의 기간동안의 평균값을 추정하고, 상기 소정의 기간동안의 추정된 평균값을 기준으로 불규칙한 변화값을 가지는 인자들을 상기 사용자의 특성을 반영한 인자들로 선별하는 것을 특징으로 하는 사용자의 건강상태 모니터링 시스템의 분석 방법.
  8. 제 5 항 내지 제 7 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020210114886A 2019-07-12 2021-08-30 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법 KR102400740B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210114886A KR102400740B1 (ko) 2019-07-12 2021-08-30 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190084570A KR20210008267A (ko) 2019-07-12 2019-07-12 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
KR1020210114886A KR102400740B1 (ko) 2019-07-12 2021-08-30 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190084570A Division KR20210008267A (ko) 2019-07-12 2019-07-12 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법

Publications (2)

Publication Number Publication Date
KR20210112274A true KR20210112274A (ko) 2021-09-14
KR102400740B1 KR102400740B1 (ko) 2022-05-24

Family

ID=74237593

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190084570A KR20210008267A (ko) 2019-07-12 2019-07-12 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
KR1020210114886A KR102400740B1 (ko) 2019-07-12 2021-08-30 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190084570A KR20210008267A (ko) 2019-07-12 2019-07-12 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법

Country Status (1)

Country Link
KR (2) KR20210008267A (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102490077B1 (ko) * 2021-01-28 2023-01-18 주식회사 피씨티 복수의 기계학습모델에 기반한 고위험 선종 관련 정보 예측 방법 및 시스템
KR102577294B1 (ko) * 2021-01-28 2023-09-13 주식회사 피씨티 기계학습모델에 기반한 선종 관련 정보 예측 방법 및 시스템
US20220361823A1 (en) * 2021-05-14 2022-11-17 Informed Data Systems Inc. D/B/A One Drop Wearable blood pressure biosensors, systems and methods for short-term blood pressure prediction
CN115203595B (zh) * 2022-09-19 2022-12-06 北京智源人工智能研究院 一种通过生活特征对体征健康进行预测的系统及方法
CN116304595B (zh) * 2023-05-11 2023-08-04 中南大学湘雅医院 基于共享云平台的智能运动分析系统及方法
CN116665904B (zh) * 2023-07-31 2023-10-20 营动智能技术(山东)有限公司 一种基于云计算的慢性病患者健康数据跟踪分析系统
CN117238460A (zh) * 2023-09-18 2023-12-15 四川互慧软件有限公司 一种基于护理晨交班数据的病情监测方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150090941A (ko) 2014-01-29 2015-08-07 (주)하이큐브시스템 유비쿼터스 원격 건강 모니터링 시스템 및 방법
KR20150102880A (ko) * 2014-03-01 2015-09-09 계명대학교 산학협력단 사용자 정보 기반 우울감 모니터링 시스템 및 방법
KR20170061222A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
JP2018149190A (ja) * 2017-03-14 2018-09-27 オムロン株式会社 情報処理装置、情報処理方法及びそのプログラム
KR20190073119A (ko) * 2017-12-18 2019-06-26 (주)휴레이포지티브 당뇨 대상자에 대한 생활습관 분석정보 제공시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150090941A (ko) 2014-01-29 2015-08-07 (주)하이큐브시스템 유비쿼터스 원격 건강 모니터링 시스템 및 방법
KR20150102880A (ko) * 2014-03-01 2015-09-09 계명대학교 산학협력단 사용자 정보 기반 우울감 모니터링 시스템 및 방법
KR20170061222A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
JP2018149190A (ja) * 2017-03-14 2018-09-27 オムロン株式会社 情報処理装置、情報処理方法及びそのプログラム
KR20190073119A (ko) * 2017-12-18 2019-06-26 (주)휴레이포지티브 당뇨 대상자에 대한 생활습관 분석정보 제공시스템

Also Published As

Publication number Publication date
KR102400740B1 (ko) 2022-05-24
KR20210008267A (ko) 2021-01-21

Similar Documents

Publication Publication Date Title
KR102400740B1 (ko) 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
US11521748B2 (en) Health risk score for risk stratification and compliance monitoring for next best action
Chatrati et al. Smart home health monitoring system for predicting type 2 diabetes and hypertension
AU2021221774B2 (en) Database management and graphical user interfaces for managing blood glucose levels
US20200303074A1 (en) Individualized and collaborative health care system, method and computer program
KR20220016487A (ko) 생체 모니터링 및 혈당 예상을 위한 시스템들, 및 연관된 방법들
US20210391081A1 (en) Predictive guidance systems for personalized health and self-care, and associated methods
US20140316220A1 (en) Personal Health Monitoring System
KR20180126911A (ko) 건강 관리 방법 및 장치
Georga et al. Data mining for blood glucose prediction and knowledge discovery in diabetic patients: The METABO diabetes modeling and management system
WO2013108122A1 (en) "indima apparatus" system, method and computer program product for individualized and collaborative health care
WO2014160549A2 (en) Method to increase efficiency, coverage, and quality of direct primary care
US20190006040A1 (en) Cognitive diabetic regulator
RU2712395C1 (ru) Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты)
US11705230B1 (en) Assessing health risks using genetic, epigenetic, and phenotypic data sources
KR20210072221A (ko) 개인 맞춤형 웰빙 가이드 프로그램 제공 시스템 및 방법, 컴퓨터로 읽을 수 있는 저장매체에 저장된 개인 맞춤형 웰빙 가이드 애플리케이션
Alexander et al. A behavioral sensing system that promotes positive lifestyle changes and improves metabolic control among adults with type 2 diabetes
US20220192556A1 (en) Predictive, diagnostic and therapeutic applications of wearables for mental health
US20210193324A1 (en) Evaluating patient risk using an adjustable weighting parameter
Dunn et al. Development of the Likelihood of Low Glucose (LLG) algorithm for evaluating risk of hypoglycemia: a new approach for using continuous glucose data to guide therapeutic decision making
US20230039091A1 (en) Methods and systems for non-invasive forecasting, detection and monitoring of viral infections
Lorenzoni et al. Using wearable devices to monitor physical activity in patients undergoing aortic valve replacement: Protocol for a prospective observational study
Dakshima et al. Health Care–A Personalized Guidance for Non-Communicable Diseases
US11901083B1 (en) Using genetic and phenotypic data sets for drug discovery clinical trials
US20240112777A1 (en) Health support apparatus, health support system, and health support method

Legal Events

Date Code Title Description
A107 Divisional application of patent
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant