KR20220003267A - 유전자 분석 기반 보험 상품 분석 방법 - Google Patents

유전자 분석 기반 보험 상품 분석 방법 Download PDF

Info

Publication number
KR20220003267A
KR20220003267A KR1020200080868A KR20200080868A KR20220003267A KR 20220003267 A KR20220003267 A KR 20220003267A KR 1020200080868 A KR1020200080868 A KR 1020200080868A KR 20200080868 A KR20200080868 A KR 20200080868A KR 20220003267 A KR20220003267 A KR 20220003267A
Authority
KR
South Korea
Prior art keywords
data
disease
insurance product
genetic analysis
analysis
Prior art date
Application number
KR1020200080868A
Other languages
English (en)
Inventor
유석환
Original Assignee
주식회사 로킷헬스케어
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 주식회사 로킷헬스케어 filed Critical 주식회사 로킷헬스케어
Priority to KR1020200080868A priority Critical patent/KR20220003267A/ko
Publication of KR20220003267A publication Critical patent/KR20220003267A/ko

Links

Images

Classifications

    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6813—Hybridisation assays
    • C12Q1/6834—Enzymatic or biochemical coupling of nucleic acids to a solid phase
    • C12Q1/6837—Enzymatic or biochemical coupling of nucleic acids to a solid phase using probe arrays or probe chips
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G16H50/30—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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2563/00—Nucleic acid detection characterized by the use of physical, structural and functional properties
    • C12Q2563/107—Nucleic acid detection characterized by the use of physical, structural and functional properties fluorescence

Abstract

본 명세서는 사용자 개인에게 최적화된 보험 상품을 분석할 수 있는 유전자 분석 기반 보험 상품 분석 방법을 개시한다. 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은, (a) 프로세서가 사용자의 유전자 분석 데이터를 수신하는 단계; (b) 상기 프로세서가 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하는 단계; 및 (c) 상기 프로세서가 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 단계;를 포함할 수 있다.

Description

유전자 분석 기반 보험 상품 분석 방법{GENETIC ANALYSIS BASED INSURANCE PRODUCT ANALYSIS METHOD}
본 발명은 보험 상품 분석 분석에 관한 것이며, 보다 상세하게는 사용자 개인에게 최적화된 보험 상품을 분석할 수 있는 방법에 관한 것이다.
개개인들의 경제·사회 생활은 예측할 수 없는 사고 발생으로 끊임없는 위협을 받고 있다. 이러한 사고에는 지 진·풍수해 등과 같이 절대적으로 방지할 수 없는 것도 있고, 교통사고·화재 등과 같이 상대적으로 방지할 수 없는 것도 있다.
보험제도는 적극적으로 이러한 사고 발생을 방지하고자 하는 것이 아니라, 소극적으로 사고 발생으로 인한 경제 적 수요를 충족시키는 것을 목적으로 한다. 이러한 목적을 달성하기 위하여 동일한 우발적 사고 발생의 위험에 처하고 있는 많은 사람이 보험단체를 구성하고 보험료의 형식으로 미리 금전을 내어서 공통준비재산을 형성하고, 단체의 구성원 중에 우발적 사고가 발생하였을 때에 그것으로부터 보험금의 급여를 받아서 경제적 불안에서 구제를 받을 수 있는 제도이다.
질병 또는 상해에 대비하는 보험상품은 발병 가능한 여러 질병 또는 발생 가능한 상해에 대한 보장 항목을 설정하고, 해당 보장 항목에 대한 가입 여부에 따라 설계된다. 이때, 동일한 질병에 대해서도 보장 금액을 어떻게 설정할 것인가에 따라 보험 설계 내용이 다양해 질 수 있다.
종래에는 한 집단 예를 들어, 국가 전체 또는 성별, 유사 나이 군, 직업 특성 등을 고려하여 특정 집단 전체의 발병 가능성 또는 상해 가능성을 바탕으로 보장 항목을 선택하고 보장 금액을 설정하는 방식으로 보험 상품을 설계하였다. 이러한 보험 상품 설계 방식이 집단 전체의 통계적 수치에 기반한 방식이므로, 특정 개인에 최적화되지 못하는 단점이 있다.
따라서, 보험 상품 가입자 개인의 건강 상태를 분석하여 개인의 특성에 최적화된 보험 상품을 분석 및 설계할 수 있는 방법이 필요하다.
공개특허공보 제10-2016-0124628호
본 명세서는 사용자 개인에게 최적화된 보험 상품을 분석할 수 있는 유전자 분석 기반 보험 상품 분석 방법을 제공하는 것을 목적으로 한다.
본 명세서는 상기 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은, (a) 프로세서가 사용자의 유전자 분석 데이터를 수신하는 단계; (b) 상기 프로세서가 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하는 단계; 및 (c) 상기 프로세서가 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 단계;를 포함할 수 있다.
본 명세서의 일 실시예에 따르면, 상기 유전자 분석 데이터는, 사용자에게서 채취한 체액을 마이크로 어레이 방식을 통해 생성된 데이터일 수 있다.
본 명세서의 일 실시예에 따르면, 상기 선천적 질병 예측 데이터는 고혈압, 제1형 당뇨병, 제2형 당뇨병, 임신성 당뇨병, 임신성 소양증, 알코올성 지방간, 원발성 담즙성 담관염, 간암, 비만, 혈색소 침착증, 판코니 빈혈, 신장병, 신장암, 신장결석, B형 가족성 고콜레스테롤혈증, 뇌동맥류, 말초 동맥 질환, 뇌졸증, 관상동맥 질환, 고중성지방 혈증, 치주염, 치아 발육 지체, 치은염, 구강암, 박리성 녹내장, 원발 개방각 녹내장, 노인성 황반변성, 상염색체 우성 비증후군성 난청, 상염색체 열성 비증후군성 난청, 미토콘드리아 유전성 비증후군성 난청, 결핵, 폐암, 만성 폐쇄성 폐질환, 특발성 폐 섬유증, 골다공증, 골관절염, 류마티스성 관절염 중 적어도 어느 하나 이상의 질병에 대한 발병 가능성에 대한 데이터일 수 있다.
본 명세서의 일 실시예에 따르면, 상기 선천적 질병 예측 데이터는 미리 설정된 기분값에 대한 상대적인 비례값일 수 있다.
본 명세서의 일 실시예에 따르면, 상기 (c) 단계는 상기 프로세서가 상기 선천적 질병 예측 데이터에서 발병 가능성이 높은 질병에 대한 보장 항목 및 해당 보장 항목에 필요한 보장 금액에 대한 데이터를 생성하는 단계일 수 있다.
본 명세서의 일 실시예에 따르면, 상기 (a) 단계는 상기 프로세서가 사용자의 건강검진 데이터를 더 수신하는 단계일 수 있다. 이 경우, 상기 (b) 단계는, 상기 프로세서가 상기 건강검진 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '후천적 질병 예측 데이터')를 더 생성하는 단계일 수 있다. 그리고 상기 (c) 단계는 상기 프로세서가 상기 선천적 질병 예측 데이터 및 후천적 질병 예측 데이터를 함께 이용하여 보험 상품을 분석하는 단계일 수 있다.
본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은 컴퓨터에서 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램의 형태로 구현될 수 있다.
상술한 과제를 해결하기 위한 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 장치는, 사용자의 유전자 분석 데이터를 수신하는 통신부; 상기 유전자 분석 데이터를 저장하는 저장부; 및 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하고, 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 프로세서;를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 명세서에 따르면, 종래 기술에 비해 사용자의 건강 특성에 맞추어 보다 정확한 보험 상품 설계 및/또는 분석이 가능하다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 시스템의 구성을 개략적으로 도시한 블럭도이다.
도 2는 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법을 개략적으로 도시한 흐름도이다.
도 3 내지 도 13은 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법의 각 단계에 대한 참고도이다.
본 명세서에 개시된 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 명세서가 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 명세서의 개시가 완전하도록 하고, 본 명세서가 속하는 기술 분야의 통상의 기술자(이하 '당업자')에게 본 명세서의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 명세서의 권리 범위는 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 명세서의 권리 범위를 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 명세서가 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 시스템의 구성을 개략적으로 도시한 블럭도이다.
도 1을 참조하면, 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 시스템은 유전자 분석 기반 보험 상품 분석 장치(100)를 포함할 수 있다. 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 장치(100)는 서버(server) 형태로 구현될 수 있으며, 통신망을 통해 다수의 단말기와 데이터의 송수신이 가능할 수 있다. 상기 유전자 분석 기반 보험 상품 분석 장치(100)에 접속하는 단말기는 사용자(고객) 단말기, 보험 컨설턴트 단말기, 관리자 단말기, 보험 회사 서버, 의료 기관 서버, 유전자 검사 기관 등이 될 수 있다. 다만, 본 명세서의 도 1에는 도시된 단말기 및 서버의 종류에 본 명세서가 제한되는 것은 아니다.
본 명세서에 따른 유전자 분석 기반 보험 상품 분석 장치(100)는 사용자의 유전자 분석 데이터를 수신하는 통신부(110), 상기 유전자 분석 데이터를 저장하는 저장부(120) 및 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하고, 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 프로세서(130)를 포함할 수 있다.
이하에서는 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법에 대해서 설명하도록 하겠다. 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은 도 1에 도시된 유전자 분석 기반 보험 상품 분석 장치(100)에서 실행될 수 있는 방법이다.
도 2는 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법을 개략적으로 도시한 흐름도이다.
도 3 내지 도 13은 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법의 각 단계에 대한 참고도이다.
도 2를 참조하면, 먼저 단계 S110에서 상기 프로세서(130)는 사용자 회원 가입 및/또는 사용자 로그인을 수행할 수 있다. 도 3을 참고하면, 사용자 회원 가입과 관련된 단말기의 화면을 참고할 수 있다. 한편, 이하 도 3 내지 도 13은 사용자 단말기에서 실행되는 어플리케이션의 화면을 전제로 한다. 상기 단계 S110를 통해 상기 프로세서(130)는 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법을 실행할 사용자에 대한 정보를 수신할 수 있다.
다음 단계 S120에서, 상기 프로세서(130)는 사용자의 유전자 분석 데이터를 수신할 수 있다. 도 4를 참고하면, 유전자 분석 데이터를 수신하는 참고도를 확인할 수 있다.
본 명세서에 따른 유전자 분석 데이터는, 사용자에게서 채취한 체액을 마이크로 어레이(Microarray) 방식을 통해 생성된 데이터일 수 있다. 마이크로 어레이 방식(Microarray)은 사용자에게서 채취한 체액 샘플 에서 대량의 유전자 발현 상황을 총체적으로 탐색하는 방법으로, 전사된 전사체(transcriptome)를 빠르게 분석할 수 있다. 샘플을 준비해서 RNA를 추출하고 역전사 효소를 사용하는 RT-PCR을 통하여 cDNA를 합성한다. DNA를 준비하는 것은 DNA안정성 때문이기도 한데 이렇게 준비된 단일가닥 DNA(ssDNA, single strand DNA)이 준비된 마이크로 칩의 상보적인 염기서열과 혼성화(hybridization)되는 원리를 기본으로 하고 있다. 마이크로 어레이 방식은 크게 세 부분으로 나눌 수 있는데, (1) array를 만드는 과정, (2) sample에서 mRNA를 추출하여 microarray와 혼성화시키는 과정, (3) 스캐닝을 하여 정량화하고 분석을 하는 과정이다. 마이크로 어레이에 사용되는 슬라이드 한 장에 고정시킬 수 있는 cDNA의 수는 적게는 수백 개에서 많게는 수 만개에 해당한다. 즉, 마이크로 어레이 방식은 수 만개 유전자의 발현양상을 동시에 살펴볼 수 있는 장점이 있다.
상기 마이크로 어레이 방식에 의한 유전자 분석 과정을 보다 자세히 살펴보겠다. 도 5는 상기 마이크로 어레이 방식에 의한 유전자 분석 과정의 참고도이다. 먼저, 샘플(사용자의 체액, 예: 침)과 대조군(control)을 준비한다. 다음으로, 유전체로부터 전사된 전사체를 분리한다. 다음으로, 관심 대상이 mRNA라면 mRNA를 cDNA로 제작(RT-PCR)한다. 이 때, 대조군(control)은 녹색(cy3) 형광 다이(dye), 샘플은 적색(cy5) 형광 dye로 표지한다. 다음으로 혼성화를 위해, 이중가닥(dsDNA)을 단일가닥(ssDNA)으로 만들어 준다. 이 후, 상보적 서열끼리 혼성화(hybridization)가 된다. 다음으로, 표지된 형광을 감지(fluorescence scan)하여 발현된 전사체를 확인한다. 그리고 대조군 과의 형광세기를 통해 데이터를 생성할 수 있다. 만약 양쪽 모두에서 발현된다면, 두 가지 형광이 합쳐져 노랑색을 띠게 된다. 이러한 형광 정도를 컴퓨터를 이용하여 반정량적(semiquantitative)으로 분석할 수 있다.
사람의 세포에서 기능을 하는 모든 것은 전부 DNA의 gene에서 전사(transcription)된다. 이렇게 전사된 것들은 RNA의 형태를 가지며 messenger RNA(mRNA)와 noncoding RNA(ncRNA)로 나눠지게 된다. mRNA는 단백질의 아미노산 서열 정보를 담고 있으며, 전사된 이후 핵공을 빠져 나와 세포질의 리보솜에서 단백질로 번역된다. 번역된 단백질은 곳곳에서 전사인자, 효소, receptor 등으로 기능하게 된다. ncRNA는 이름에서도 알 수 있듯이 단백질에 대한 서열정보가 아니다. 즉, ncRNA는 단백질로 번역되지 않고 RNA자체로서 기능을 수행하게 된다. ncRNA에는 우리가 흔히 알고있는 tRNA, rRNA부터 snoRNA, miRNA, lncRNA까지 포함되며 세포 내 곳곳에서 전사, splicing, 번역 등에 관여한다. 다시 말해, 세포에서 기능하는 모든 것은 gene에서 나온다고 볼 수 있으며, 이러한 mRNA와 ncRNA를 통틀어 전사체(trnascriptome)라고 부른다. 전사체 분석은 정상세포와 암세포가 왜 서로 달라지는가에 대한 힌트를 제공할 수 있다. 이처럼 전사체 분석은 종래 유전자 분석 방식인 게놈 분석과 그 분석 방식이 상이하며, 그 효과 역시 이질적이다.
한 때 큰 이슈가 되었던 게놈 프로젝트(genome project)를 통해서 사람들은 30억 개의 DNA sequence를 모두 해독하였고, 방대한 양의 유전체 서열 정보는 단순히 염기 서열을 아는 것에 지나지 않는다. 복잡한 생명현상을 이해하기 위해서는 더 나아가 유전자의 발현 여부, 발현량, 단백질의 상호작용 등 추가적인 정보들이 필요하다. 본 명세서에 따른 마이크로 어레이 방식은 서로 다른 조직이나 조건의 차이에서 다르게 발현되는 유전자를 찾을 수 있다. 예를 들어, 만약 정상적인 췌장세포와 췌장암세포의 유전자 발현을 조사하면 어떠한 유전자들의 차이로 정상이었던 세포가 암이 되는지에 대한 정보를 얻을 수 있다. 또한, 본 명세서에 따른 마이크로 어레이 방식은 대량의 유전자 발현 상황을 총체적으로 탐색할 수 있다는 장점이 있다. 종래 유전자 분석 방식은 한 두 개의 유전자 발현 양상만을 탐색할 수 있었으나, 본 명세서에 따른 마이크로 어레이 방식은 수 만 개의 유전자 조각들을 하나의 슬라이드에 놓을 수 있기 때문에, 전체 유전체에 대한 정보를 한 번의 실험으로 획득할 수 있다.
다시 도 2를 참조하면, 단계 S130에서 상기 프로세서(130)는 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성할 수 있다.
도 6 내지 8은 본 명세서에 따른 선천적 질병 예측 데이터의 예시도이다.
도 6을 참조하면 "비타민 C 영양 요구"에 대한 유전자 분석 정보가 기재되어 있으며, 도 7을 참조하면 "2형 당뇨병"에 대한 유전자 분석 정보가 기재되어 있다. 이와 같이 상기 선천적 질병 예측 데이터는 미리 설정된 기분값에 대한 상대적인 비례값으로 표현될 수 있다. 일 예에 따르면, 상기 비례값은 1을 기준으로 발병 확률(예: 0.53배)로 표시될 있다. 다른 예에 따르면, 상기 비례값은 1을 기준으로 정성적인 평가인 '나쁨(1이상), 보통(0.5초과 1미만), 좋음(0.5이하)'로 표시될 수도 있다.
상기 선천적 질병 예측 데이터는, 고혈압, 제1형 당뇨병, 제2형 당뇨병, 임신성 당뇨병, 임신성 소양증, 알코올성 지방간, 원발성 담즙성 담관염, 간암, 비만, 혈색소 침착증, 판코니 빈혈, 신장병, 신장암, 신장결석, B형 가족성 고콜레스테롤혈증, 뇌동맥류, 말초 동맥 질환, 뇌졸증, 관상동맥 질환, 고중성지방 혈증, 치주염, 치아 발육 지체, 치은염, 구강암, 박리성 녹내장, 원발 개방각 녹내장, 노인성 황반변성, 상염색체 우성 비증후군성 난청, 상염색체 열성 비증후군성 난청, 미토콘드리아 유전성 비증후군성 난청, 결핵, 폐암, 만성 폐쇄성 폐질환, 특발성 폐 섬유증, 골다공증, 골관절염, 류마티스성 관절염 중 적어도 어느 하나 이상의 질병에 대한 발병 가능성에 대한 데이터일 수 있다. 상기 선천적 질병 예측 데이터는 복수의 질병에 대한 발병 가능성을 도 8과 같이 표시될 수 있다.
다시 도 2를 참조하면, 단계 S140에서 상기 프로세서(130)는 보험 상품 서버로부터 보험 상품관련 데이터를 수신할 수 있다. 상기 보험 상품관련 데이터란, 복수의 보험 회사 서버로부터 보장 내역, 보장 금액, 보험 금액 등 보험 설계에 필요한 정보일 수 있다. 또한, 사용자가 이미 보험 상품에 가입된 경우, 현재 가입된 보험 상품의 보장 내역, 보장 금액 등에 대한 정보가 될 수도 있다.
도 9를 참조하면, 사용자의 보험 상품 데이터를 신용정보원을 통해 수집하는 과정의 예시가 도시되어 있다. 사용자의 인증(공인인증서)을 거쳐서 여러 보험사에 있는 다양한 보험 데이터의 취합이 가능하다.
도 10을 참조하면, 보험 데이터가 연동되지 않는 경우, 사용자가 직접 입력하여 보험 데이터를 획득하는 것도 가능하다.
다시 도 2를 참조하면, 단계 S150에서 상기 프로세서(130)는 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석할 수 있다. 보다 구체적으로 상기 프로세서(130)는 상기 선천적 질병 예측 데이터에서 발병 가능성이 높은 질병에 대한 보장 항목 및 해당 보장 항목에 필요한 보장 금액에 대한 데이터를 생성할 수 있다. 도 11을 참조하면, 분석된 보험 상품의 상세 내역을 확인할 수 있다. 상기 보험 상품의 분석은 다양한 질병의 발병 가능성을 이용하여 해당 질병을 보장하는 상품의 가입 필요 여부, 해당 상품 가입시 필요한 보장 금액 등을 분석을 의미한다.
한편, 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은 유전자 분석에 기반한 선천적 질병뿐만 아니라, 현재 건강 상태를 나타내는 건강 검진정보에 기반하여 후천적 질병을 예측하고 이에 대비한 보험 분석을 할 수 있다.
이 경우, 단계 120에서 상기 프로세서(130)는 사용자의 건강검진 데이터를 더 수신할 수 있다(도 4 참조). 그리고 단계 S130에서 상기 프로세서(130)는 상기 건강검진 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '후천적 질병 예측 데이터')를 더 생성할 수 있다. 상기 후천적 질병 예측 데이터 역시 선천적 질병 예측 데이터와 마찬가지로, 고혈압, 제1형 당뇨병, 제2형 당뇨병, 임신성 당뇨병, 임신성 소양증, 알코올성 지방간, 원발성 담즙성 담관염, 간암, 비만, 혈색소 침착증, 판코니 빈혈, 신장병, 신장암, 신장결석, B형 가족성 고콜레스테롤혈증, 뇌동맥류, 말초 동맥 질환, 뇌졸증, 관상동맥 질환, 고중성지방 혈증, 치주염, 치아 발육 지체, 치은염, 구강암, 박리성 녹내장, 원발 개방각 녹내장, 노인성 황반변성, 상염색체 우성 비증후군성 난청, 상염색체 열성 비증후군성 난청, 미토콘드리아 유전성 비증후군성 난청, 결핵, 폐암, 만성 폐쇄성 폐질환, 특발성 폐 섬유증, 골다공증, 골관절염, 류마티스성 관절염 중 적어도 어느 하나 이상의 질병에 대한 발병 가능성에 대한 데이터일 수 있다. 또한, 단계 S150에서 상기 프로세서(130)는 상기 선천적 질병 예측 데이터 및 후천적 질병 예측 데이터를 함께 이용하여 보험 상품을 분석할 수 있다.
한편, 상기 보험 상품 분석은 진단, 사망, 장해, 수술, 입통원, 의료의 항목으로 구분될 수 있다. 상기 진단 항목은 일반암, 고액암, 이차암, 뇌출혈, 뇌졸중, 뇌혈관질환, 급성심근경색증, 허혈성심장질환, 만성간질환, 말기폐질환, 말기신부전증, 중대한질환, 당뇨, 골절, 화상, 중증치매, 장기요양1등급, 장기요양2등급, 장기요양3등급, 장기요양4등급, 질병소득보상으로 세분화 될 수 있다. 상기 사망은 일반, 질병, 암, 재해로 세분화될 수 있다. 상기 장해 항목은 재해100%, 재해79%, 재해3%, 질병100%, 질병79%, 질병3%으로 세분화 될 수 있다. 상기 수술 항목은 질병(1종), 질병(5종), 암, 재해, 5대 장기이식수술으로 세분화 될 수 있다. 상기 입통원 항목은 질병(1일이상), 질병(4일이상), 암(1일이상), 암(4일이상), 재해(1일이상), 재해(4일이상), 암통원, 방사선암치료비, 항암약물치료비, 임플란트치료비, 크라운치료비, 치과통원으로 세분화 될 수 있다. 상기 의료 항목은 질병입원, 질병통원, 질병처방조제, 일반상해의료비, 상해입원, 상해통원, 상해처방조제, 비급여도수치료, 비급여주사, 비급여MRI로 세분화 될 수 있다.
한편, 본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은 상기 프로세서(130)가 상기 분석된 보험 상품을 기반으로 사용자의 재정 능력에 따른 추가 상품 분석을 실행할 수 있다. 도 12를 참조하면, 사용자로부터 추가 설문을 통해 재정관련 데이터를 수신하고, 수신된 재정관련 데이터를 이용하여 보험 상품의 옵션 선택과 관련된 제안 화면의 예시이다. 상술한 과정이 마치면 상기 프로세서(130)는 사용자 단말로 보험 상품의 보장 내역과 관련된 데이터를 전송할 수 있다. 도 13을 참조하면, 사용자 단말기 화면에 표시된 보험 상품의 보장분석 보고서의 예시를 확인할 수 있다.
본 명세서에 따른 유전자 분석 기반 보험 상품 분석 방법은 컴퓨터(또는 서버)에서 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램으로 구현될 수 있다.
상기 컴퓨터프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C/C++, C#, JAVA, Python, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 명세서의 실시예를 설명하였지만, 본 명세서가 속하는 기술분야의 통상의 기술자는 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, 제한적이 아닌 것으로 이해해야만 한다.
100 : 유전자 분석 기반 보험 상품 분석 장치
110 : 통신부
120 : 저장부
130 : 프로세서

Claims (10)

  1. (a) 프로세서가 사용자의 유전자 분석 데이터를 수신하는 단계;
    (b) 상기 프로세서가 상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하는 단계; 및
    (c) 상기 프로세서가 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 단계;를 포함하는 유전자 분석 기반 보험 상품 분석 방법.
  2. 청구항 1에 있어서,
    상기 유전자 분석 데이터는, 사용자에게서 채취한 체액을 마이크로 어레이 방식을 통해 생성된 데이터인 것을 특징으로 하는 유전자 분석 기반 보험 상품 분석 방법.
  3. 청구항 1에 있어서,
    상기 선천적 질병 예측 데이터는, 고혈압, 제1형 당뇨병, 제2형 당뇨병, 임신성 당뇨병, 임신성 소양증, 알코올성 지방간, 원발성 담즙성 담관염, 간암, 비만, 혈색소 침착증, 판코니 빈혈, 신장병, 신장암, 신장결석, B형 가족성 고콜레스테롤혈증, 뇌동맥류, 말초 동맥 질환, 뇌졸증, 관상동맥 질환, 고중성지방 혈증, 치주염, 치아 발육 지체, 치은염, 구강암, 박리성 녹내장, 원발 개방각 녹내장, 노인성 황반변성, 상염색체 우성 비증후군성 난청, 상염색체 열성 비증후군성 난청, 미토콘드리아 유전성 비증후군성 난청, 결핵, 폐암, 만성 폐쇄성 폐질환, 특발성 폐 섬유증, 골다공증, 골관절염, 류마티스성 관절염 중 적어도 어느 하나 이상의 질병에 대한 발병 가능성에 대한 데이터인 것을 특징으로 하는 유전자 분석 기반 보험 상품 분석 방법.
  4. 청구항 1에 있어서,
    상기 선천적 질병 예측 데이터는, 미리 설정된 기분값에 대한 상대적인 비례값인 것을 특징으로 하는 유전자 분석 기반 보험 상품 분석 방법.
  5. 청구항 1에 있어서,
    상기 (c) 단계는, 상기 프로세서가 상기 선천적 질병 예측 데이터에서 발병 가능성이 높은 질병에 대한 보장 항목 및 해당 보장 항목에 필요한 보장 금액에 대한 데이터를 생성하는 단계인 유전자 분석 기반 보험 상품 분석 방법.
  6. 청구항 1에 있어서,
    상기 (a) 단계는, 상기 프로세서가 사용자의 건강검진 데이터를 더 수신하는 단계인 유전자 분석 기반 보험 상품 분석 방법.
  7. 청구항 1에 있어서,
    상기 (b) 단계는, 상기 프로세서가 상기 건강검진 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '후천적 질병 예측 데이터')를 더 생성하는 단계인 유전자 분석 기반 보험 상품 분석 방법.
  8. 청구항 1에 있어서,
    상기 (c) 단계는, 상기 프로세서가 상기 선천적 질병 예측 데이터 및 후천적 질병 예측 데이터를 함께 이용하여 보험 상품을 분석하는 단계인 유전자 분석 기반 보험 상품 분석 방법.
  9. 컴퓨터에서 청구항 1 내지 청구항 8 중 어느 한 청구항에 따른 유전자 분석 기반 보험 상품 분석 방법의 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램.
  10. 사용자의 유전자 분석 데이터를 수신하는 통신부;
    상기 유전자 분석 데이터를 저장하는 저장부; 및
    상기 유전자 분석 데이터를 이용하여 적어도 하나 이상의 질병에 대해 상기 사용자에게 발병할 수 있는 질병의 가능성에 대한 데이터(이하 '선천적 질병 예측 데이터')를 생성하고, 상기 선천적 질병 예측 데이터를 이용하여 보험 상품을 분석하는 프로세서;를 포함하는 유전자 분석 기반 보험 상품 분석 장치.
KR1020200080868A 2020-07-01 2020-07-01 유전자 분석 기반 보험 상품 분석 방법 KR20220003267A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200080868A KR20220003267A (ko) 2020-07-01 2020-07-01 유전자 분석 기반 보험 상품 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200080868A KR20220003267A (ko) 2020-07-01 2020-07-01 유전자 분석 기반 보험 상품 분석 방법

Publications (1)

Publication Number Publication Date
KR20220003267A true KR20220003267A (ko) 2022-01-10

Family

ID=79347462

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200080868A KR20220003267A (ko) 2020-07-01 2020-07-01 유전자 분석 기반 보험 상품 분석 방법

Country Status (1)

Country Link
KR (1) KR20220003267A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102438101B1 (ko) * 2022-02-14 2022-08-31 김승룡 Dna 유전자검사, cnn형 유전자분석, 유전자정보·광고·리퍼럴 마케팅 앱 활성화로 이루어진 쓰리이펙트형 dna 유전자검사결과데이터 생성장치 및 이를 통한 광고·리퍼럴 마케팅의 전자상거래 활성화방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160124628A (ko) 2015-04-20 2016-10-28 이기훈 사용자 유사도 기반의 보험 상품 추천 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160124628A (ko) 2015-04-20 2016-10-28 이기훈 사용자 유사도 기반의 보험 상품 추천 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102438101B1 (ko) * 2022-02-14 2022-08-31 김승룡 Dna 유전자검사, cnn형 유전자분석, 유전자정보·광고·리퍼럴 마케팅 앱 활성화로 이루어진 쓰리이펙트형 dna 유전자검사결과데이터 생성장치 및 이를 통한 광고·리퍼럴 마케팅의 전자상거래 활성화방법

Similar Documents

Publication Publication Date Title
Finer et al. Cohort Profile: East London Genes & Health (ELGH), a community-based population genomics and health study in British Bangladeshi and British Pakistani people
Ng et al. An xQTL map integrates the genetic architecture of the human brain's transcriptome and epigenome
Groopman et al. Genomic medicine for kidney disease
Li et al. Identification of type 2 diabetes subgroups through topological analysis of patient similarity
Deters et al. Amyloid PET imaging in self-identified non-Hispanic Black participants of the Anti-Amyloid in Asymptomatic Alzheimer's Disease (A4) study
Sayer et al. An observational study of 2,248 patients presenting with headache, suggestive of subarachnoid hemorrhage, who received lumbar punctures following normal computed tomography of the head
Kyritsis et al. Diagnostic blood RNA profiles for human acute spinal cord injury
US20050256745A1 (en) Computer systems and methods for providing health care
Li et al. Cross-phenotype association analysis using summary statistics from GWAS
Arntz et al. The very long-term risk and predictors of recurrent ischaemic events after a stroke at a young age: The FUTURE study
Hauck et al. Mortality and revascularization among myocardial infarction patients with schizophrenia: a population-based cohort study
KR20220003267A (ko) 유전자 분석 기반 보험 상품 분석 방법
Keins et al. Latent profile analysis of cognitive decline and depressive symptoms after intracerebral hemorrhage
Lindpaintner Genetics in drug discovery and development: challenge and promise of individualizing treatment in common complex diseases
Van Langen Genetic diagnostics and genetic counselling in Hypertrophic Cardiomyopathy (HCM)
Kalatharan et al. Opportunities and challenges for genetic studies of end-stage renal disease in Canada
Willis et al. A community faith centre based screening and educational intervention to reduce the risk of type 2 diabetes: a feasibility study
Small et al. Large-Scale genomic biobanks and cardiovascular disease
Towne et al. Diagnostic testing laboratories are valuable partners for disease gene discovery: 5‐year experience with GeneMatcher
Torrado et al. Identification of an elusive spliceogenic MYBPC3 variant in an otherwise genotype-negative hypertrophic cardiomyopathy pedigree
NL1027047C2 (nl) Computerinrichting voor het vaststellen van een diagnose.
Nageeta et al. Precision medicine approaches to diabetic kidney disease: Personalized interventions on the horizon
Kirk et al. Implications of pharmacogenomics for drug development
Liang et al. Clinical validation of a single-tube PCR and reverse dot blot assay for detection of common α-thalassaemia and β-thalassaemia in Chinese
US20150154368A1 (en) Methods and apparatuses using molecular fingerprints to provide targeted therapeutic strategies

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application