KR20220068858A - System for providing telemedicine service for health examination and disease prediction using medical ai engine - Google Patents

System for providing telemedicine service for health examination and disease prediction using medical ai engine Download PDF

Info

Publication number
KR20220068858A
KR20220068858A KR1020200158824A KR20200158824A KR20220068858A KR 20220068858 A KR20220068858 A KR 20220068858A KR 1020200158824 A KR1020200158824 A KR 1020200158824A KR 20200158824 A KR20200158824 A KR 20200158824A KR 20220068858 A KR20220068858 A KR 20220068858A
Authority
KR
South Korea
Prior art keywords
medical
examinee
information
data
disease prediction
Prior art date
Application number
KR1020200158824A
Other languages
Korean (ko)
Other versions
KR102495086B1 (en
Inventor
임효신
Original Assignee
주식회사 가을디에스
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 가을디에스 filed Critical 주식회사 가을디에스
Publication of KR20220068858A publication Critical patent/KR20220068858A/en
Application granted granted Critical
Publication of KR102495086B1 publication Critical patent/KR102495086B1/en

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
    • G16H50/50—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
    • 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
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/145—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
    • A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • 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
    • 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

Abstract

The present invention relates to a system for providing a telemedicine service for health examination and disease prediction using a medical artificial intelligence (AI) engine, in which the system includes: a reaxys medicinal chemistry (RMC) measurement device that measures biometric of an examinee; an EHR server that receives the biometric information of the examinee from the RMC measurement device, and performs health examination and disease prediction of the examinee after the received biometric information is analyzed through a medical AI engine; and an examinee terminal that provides health examination and disease prediction information corresponding to the biometric information of the examinee, which is measured through the RMC measurement device after the examinee registers as a member by linking a web or application to the EHR server, wherein data is transmitted and received by linking the RMC measurement device and the examinee terminal through an application program interface (API) provided to the EHR server. Accordingly, the present invention has a ripple effect in terms of treatment and management of various diseases (in particular chronic disease, etc.), and as people with chronic diseases such as hypertension or diabetes, seniors and people with disabilities, etc., patients who need follow-up care after surgery or hospitalization, victims of domestic violence and residents of medically underserved areas, etc. can be more conveniently receive medical benefits, so that it is possible to improve smart management of diseases.

Description

의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템{SYSTEM FOR PROVIDING TELEMEDICINE SERVICE FOR HEALTH EXAMINATION AND DISEASE PREDICTION USING MEDICAL AI ENGINE}Health checkup and disease prediction telemedicine service system using medical AI engine

본 발명은 원격진료 플랫폼 시스템에 관한 것으로, 특히 환자와 의료진이 지리적으로 원격지에 위치한 상황에서 치료 및 처방 등의 진료행위를 수행할 수 있도록 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에 관한 것이다.The present invention relates to a telemedicine platform system, and in particular, a health checkup and disease prediction telemedicine service using a medical AI engine that enables patients and medical staff to perform medical treatment such as treatment and prescription in a geographically remote location. It's about the system.

일반적인 대면진료의 경우, 환자가 인접한 지역의 병원을 직접 방문하여 의사로부터 진료를 받고, 의사가 처방해 준 처방전에 따라 병원에 부속된 병원약국이나 일반 시중약국에서 약품을 조제 및 구입하여 섭취하게 된다. 또한, 환자가 거동할 수 없는 상황일 때에는 환자가 있는 장소까지 의사가 내방하여 진료행위를 하고 약품을 제공하게 된다.In the case of general face-to-face treatment, the patient directly visits a nearby hospital to receive treatment from the doctor, and according to the prescription prescribed by the doctor, the patient prepares and purchases the drug at the hospital pharmacies or general pharmacies attached to the hospital. . In addition, when the patient is unable to move, the doctor visits the patient's place to perform medical treatment and provide medicine.

그러나, 전술한 대면진료는, 의사와 환자가 지리적으로 멀리 떨어져 있을 경우에는 환자가 원격지의 병원까지 장시간 이동해야만 하며 진료시간까지 대기하는 시간 또한 상당히 소모되는 문제점이 있다. However, in the aforementioned face-to-face treatment, when the doctor and the patient are geographically far apart, the patient has to travel for a long time to the remote hospital, and the waiting time until the treatment time is also considerably consumed.

또한, 종합의료기관이 없는 외곽지역에서는 전문의 자격을 가진 의사가 근무하지 않는 경우가 대부분임에 따라 근처의 일반의에게 진료를 받게 되는데, 이럴 경우 정확한 질병에 대한 진단을 받지 못하게 되어 조기에 질병을 치료하지 못하는 문제가 발생할 가능성이 있으며, 일반적인 의사의 진료는 주간에 진행됨에 따라 직장인인 환자는 근무시간에 연차를 이용하여 병원을 방문해야 하므로, 진료를 받는데 경제적인 불이익을 감수해야만 하는 문제점이 있다.Also, in the outskirts where there is no general medical institution, doctors with specialized qualifications do not work in most cases, so they receive treatment from a nearby general practitioner. There is a possibility that there is a problem that cannot be treated, and as general doctor's treatment is conducted during the week, the patient, who is an office worker, has to visit the hospital using annual leave during working hours, so there is a problem that has to bear an economic disadvantage in receiving treatment. .

공개특허공보 제10-2020-0117118호 (공개일자: 2020. 10. 14)Laid-open Patent Publication No. 10-2020-0117118 (published date: October 14, 2020) 공개특허공보 제10-2020-0078350호 (공개일자: 2020. 07. 10)Laid-open Patent Publication No. 10-2020-0078350 (published date: 2020. 07. 10)

전술한 문제점을 개선하기 위한 본 발명 실시예들의 목적은 환자가 직접 병원 등의 의료기관을 방문하는 대면방식이 아닌, 온라인을 통해 환자와 의사를 서로 연결하여 진료를 수행하는 비대면 방식을 구현하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템을 제공하는 것이다.An object of the embodiments of the present invention for improving the above-described problems is not a face-to-face method in which a patient directly visits a medical institution such as a hospital, but a non-face-to-face method in which a patient and a doctor are connected to each other through online to implement a medical treatment It is to provide a health checkup and disease prediction remote treatment service system using an AI engine.

상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 의한 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은 검진자의 생체 정보를 측정하는 RMC 측정기기; 상기 RMC 측정기기로부터 검진자의 생체 정보를 수신하고, 상기 수신된 생체 정보를 의료 AI 엔진을 통하여 분석후 검진자의 건강 검진 및 질병 예측을 수행하는 EHR 서버; 및 상기 EHR 서버와 웹 또는 어플리케이션을 통하여 연동되어 회원 가입후, 상기 RMC 측정기기를 통하여 측정된 검진자의 생체 정보에 대응되는 검진자의 건강 검진 및 질병 예측 정보를 제공받는 검진자 단말을 포함하고, 상기 EHR 서버에 제공되는 API를 통하여 상기 RMC 측정기기 및 검진자 단말이 연동되어 데이터를 송수신할 수 있다.In order to achieve the above object, a health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention includes an RMC measuring device for measuring biometric information of an examinee; an EHR server that receives the examinee's biometric information from the RMC measuring device, analyzes the received biometric information through a medical AI engine, and performs a health checkup and disease prediction of the examinee; and an examiner terminal that is linked with the EHR server through a web or application to receive health examination and disease prediction information of the examinee corresponding to the examinee's biometric information measured through the RMC measuring device after membership registration, the EHR Through the API provided to the server, the RMC measuring device and the examiner terminal may be interlocked to transmit/receive data.

본 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은 상기 EHR 서버에 제공되는 API를 통하여 상기 EHR 서버와 연동되고, 상기 RMC 측정기기로부터 수신된 검진자의 생체 정보를 기초로 비대면 원격 진료를 수행한 후 상기 EHR 서버로 진료 결과 정보 및 처방전 발행 정보를 제공하는 의료 단말을 더 포함할 수 있다.The health checkup and disease prediction telemedicine service system using this medical AI engine is interlocked with the EHR server through the API provided to the EHR server, and based on the examinee's biometric information received from the RMC measuring device, a non-face-to-face remote medical service system The medical terminal may further include a medical terminal that provides treatment result information and prescription issuance information to the EHR server after performing treatment.

상기 검진자 단말은 상기 검진자가 구비하는 단말 장치나 상기 검진자가 이용하는 키오스 단말 장치를 포함하고, 상기 의료 단말은 상기 EHR 서버에 제공되는 API를 통하여 상기 검진자 단말과 연동되고, 상기 RMC 측정기기로부터 수신된 검진자의 생체 정보를 기초로 상기 검진자 단말과 연결된 화상 채널을 통하여 의료진과 검진자 간의 원격 상담이 이루어질 수 있다.The examinee terminal includes a terminal device provided by the examinee or a kios terminal device used by the examinee, and the medical terminal interworks with the examinee terminal through an API provided to the EHR server, and receives from the RMC measuring device Based on the biometric information of the examinee, a remote consultation may be performed between the medical staff and the examinee through a video channel connected to the examinee terminal.

상기 EHR 서버는 상기 검진자의 회원 정보 및 검진 이력 정보를 저장 및 관리하고, 상기 검진자의 생체 정보를 상기 의료 AI 엔진에 포함된 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 수 있다.The EHR server stores and manages the examinee's member information and examination history information, and extracts pre-processing, information analysis and disease prediction information for the examinee's biometric information using an artificial intelligence big data algorithm included in the medical AI engine can do.

상기 EHR 서버는 상기 검진자의 검진 이력 정보인 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석하고, 상기 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하며, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복하며, 상기 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하고, 상기 추출된 의료 토픽이 상기 검진자로부터 발현될 가능성을 계산하고, 상기 계산 결과 기 설정된 안정 범위를 초과하는 경우, 상기 질병 예측 정보로 추출할 수 있다.The EHR server analyzes the correlation between medical information by using big data mining among big data analysis techniques to extract relevant information from the atypical data that is the checkup history information of the examinee, and the correlation analysis result satisfies the minimum degree of support extracts a set of situations consisting of transactions that Repeat until it does not work, extract a predefined negative medical topic from the set of high frequency situations, calculate the likelihood that the extracted medical topic will be expressed from the examinee, and as a result of the calculation, obtain a preset stable range If it is exceeded, it can be extracted as the disease prediction information.

상기 검진자의 검진 이력 정보는 실시간 검진 정보 및 과거 검진 정보를 포함할 수 있다.The examination history information of the examinee may include real-time examination information and past examination information.

상기 EHR 서버는 코호트 분석법(Cohort Study)을 이용하여 상기 검진 이력 정보로부터 상기 검진자의 질병 예측 데이터를 추출하고, 상기 검진자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 상기 검진자와 유사 환자와 일반적인 병의 진행 추세를 파악하고, 상기 실시간 검진 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 상기 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고, 배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 상기 빅데이터의 분석을 실시간으로 처리할 수 있다.The EHR server extracts disease prediction data of the examinee from the examination history information using a cohort study, and indexes and analyzes all patient data with the same symptoms as the examinee, In order to grasp the disease progression trend and perform big data analysis using the real-time examination data, the communication between each component uses the MQTT protocol so that the analysis node can be flexibly expanded, batch and stream ( Stream), the analysis of the big data can be processed in real time through the batch processing of Hadoop based on the Lambda structure that simultaneously processes the processing.

상기 RMC 측정기기는 혈압계, 혈당측정기계, 산소포화도 측정기계, 심전도 측정기계 및 체온계 중 적어도 하나 이상을 포함하고, 상기 검진자의 생체 정보는 상기 검진자의 혈압, 혈당, 산소포화도, 심전도 및 체온 정보 중 적어도 하나 이상을 포함할 수 있다.The RMC measuring device includes at least one of a blood pressure monitor, a blood sugar measuring device, an oxygen saturation measuring device, an electrocardiogram measuring machine, and a thermometer, and the examinee's biometric information is selected from among blood pressure, blood sugar, oxygen saturation, electrocardiogram, and body temperature information of the examinee. It may include at least one or more.

본 발명의 일 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은 다양한 질병(특히 만성질환 등)의 치료 및 관리 측면에서 파급 효과가 있고, 고혈압이나 당뇨 같은 만성질환자, 거동이 불편한 고령자 및 장애인 등, 기타 수술이나 입원 뒤 사후 관리가 필요한 환자와 가정폭력 피해자 및 의료 취약지역 주거민 등도 보다 편리하게 의료 혜택을 받을 수 있음에 따라 스마트한 질병관리를 향상시킬 수 있다.The health checkup and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention has a ripple effect in terms of treatment and management of various diseases (especially chronic diseases, etc.), Smart disease management can be improved by providing more convenient access to medical care for the elderly and the disabled, patients who need follow-up care after surgery or hospitalization, victims of domestic violence, and residents living in medically vulnerable areas.

또한, 본 발명의 일 실시예는 다양한 첨단 의료기기를 이용한 의사-환자 간 원격의료 서비스는 ICT 기술력과 융합되면서 더욱 다양한 시너지효과를 내며, 향후에는 ICT 기반 의료기기-장비의 개발이 더욱 가속화될 것으로 예상되어 원격의료를 허용하고 있는 국가에 대한 관련 기기 및 기술의 수출 확대에도 기여할 수 있다.In addition, according to an embodiment of the present invention, a doctor-patient telemedicine service using various advanced medical devices creates more synergistic effects while convergence with ICT technology. It is expected that it can contribute to the expansion of exports of related devices and technologies to countries that allow telemedicine.

도 1은 본 발명의 일 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템을 개략적으로 나타내는 도면이다.
도 2는 도 1의 EHR 서버의 구성을 개략적으로 나타내는 블럭도이다.
도 3은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 검진자 단말에 설치되는 어플리케이션의 기능 및 화면을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 의료 단말이 제공하는 의료정보 화면을 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템이 제공하는 진단을 위한 솔루션을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에서 검진자의 진료 프로세스를 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에서 의료진의 원격 진료 프로세스를 설명하기 위한 도면이다.1 is a diagram schematically illustrating a health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention.
FIG. 2 is a block diagram schematically showing the configuration of the EHR server of FIG. 1 .
3 is a view showing functions and screens of applications installed in the terminal of the examinee of the health checkup and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention.
4 is a diagram illustrating a medical information screen provided by a medical terminal of a health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention.
5 is a diagram for explaining a diagnosis solution provided by the health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention.
6 is a diagram for explaining a medical examination process of an examiner in the health checkup and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention.
7 is a view for explaining a remote medical treatment process of a medical staff in a health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention.

상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다. The present invention as described above will be described in detail with reference to the accompanying drawings and embodiments.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It should be noted that the technical terms used in the present invention are only used to describe specific embodiments, and are not intended to limit the present invention. In addition, the technical terms used in the present invention should be interpreted as meanings generally understood by those of ordinary skill in the art to which the present invention belongs, unless otherwise specifically defined in the present invention, and excessively comprehensive It should not be construed in the meaning of a human being or in an excessively reduced meaning. In addition, when the technical term used in the present invention is an incorrect technical term that does not accurately express the spirit of the present invention, it should be understood by being replaced with a technical term that can be correctly understood by those skilled in the art. In addition, the general terms used in the present invention should be interpreted according to the definition in the dictionary or according to the context before and after, and should not be interpreted in an excessively reduced meaning.

또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.Also, the singular expression used in the present invention includes the plural expression unless the context clearly dictates otherwise. In the present invention, terms such as “consisting of” or “comprising” should not be construed as necessarily including all of the various components or various steps described in the invention, some of which components or some steps are included. It should be construed that it may not, or may further include additional components or steps.

또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.Also, terms including ordinal numbers such as first, second, etc. used in the present invention may be used to describe the elements, but the elements should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, a preferred embodiment according to the present invention will be described in detail with reference to the accompanying drawings, but the same or similar components are given the same reference numerals regardless of reference numerals, and redundant description thereof will be omitted.

또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.In addition, in the description of the present invention, if it is determined that a detailed description of a related known technology may obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, it should be noted that the accompanying drawings are only for easy understanding of the spirit of the present invention, and should not be construed as limiting the spirit of the present invention by the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템을 개략적으로 나타내는 도면이고, 도 2는 도 1의 EHR 서버의 구성을 개략적으로 나타내는 블록도이며, 도 3은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 검진자 단말에 설치되는 어플리케이션의 기능 및 화면을 나타낸 도면이고, 도 4는 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 의료 단말이 제공하는 의료정보 화면을 나타낸 도면이며, 도 5는 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템이 제공하는 진단을 위한 솔루션을 설명하기 위한 도면이고, 도 6은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에서 검진자의 진료 프로세스를 설명하기 위한 도면이며, 도 7은 본 발명의 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에서 의료진의 원격 진료 프로세스를 설명하기 위한 도면이다.1 is a diagram schematically illustrating a health checkup and disease prediction telemedicine service system using a medical AI engine according to an embodiment of the present invention, and FIG. 2 is a block diagram schematically illustrating the configuration of the EHR server of FIG. , FIG. 3 is a view showing functions and screens of applications installed in the terminal of an examiner of a health checkup and disease prediction remote treatment service system using a medical AI engine according to an embodiment of the present invention, and FIG. 4 is an embodiment of the present invention A view showing a medical information screen provided by a medical terminal of a health checkup and disease prediction telemedicine service system using a medical AI engine according to It is a diagram for explaining a solution for diagnosis provided by the disease prediction telemedicine service system, and FIG. 6 is a medical examination process of an examinee in the medical examination and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention 7 is a diagram for explaining the remote medical treatment process of medical staff in the health checkup and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은 온라인을 통해 환자와, 의사를 포함하는 의료기관을 네트워크를 통해 서로 연결하여 원격진료를 수행할 수 있도록 하는 플랫폼으로서, 이를 위하여 RMC 측정기기(10), EHR 서버(20), 검진자 단말(미도시) 및 의료 단말(30)을 포함한다. 이때, 본 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은 EHR 서버(20)가 제공하는 API를 통해서 각각의 구성들 간에 RMC 데이터 및 어플리케이션의 데이터를 연동할 수 있다.As shown in FIG. 1 , the health checkup and disease prediction telemedicine service system using the medical AI engine according to an embodiment of the present invention connects a patient and a medical institution including a doctor online through a network. As a platform for performing telemedicine, for this purpose, it includes an RMC measuring device 10 , an EHR server 20 , an examiner terminal (not shown), and a medical terminal 30 . In this case, the health checkup and disease prediction telemedicine service system using the present medical AI engine may link RMC data and application data between respective components through the API provided by the EHR server 20 .

상기 RMC(Reaxys Medicinal Chemistry) 측정기기(10)는 검진자의 생체 정보를 측정하는 장치로서, 혈압계, 혈당측정기계, 산소포화도 측정기계, 심전도 측정기계 및 체온계 중 적어도 하나 이상을 포함한다. 이에 따라, 상기 검진자의 생체 정보는 검진자의 혈압, 혈당, 산소포화도, 심전도 및 체온 정보 중 적어도 하나 이상을 포함한다.The RMC (Reaxys Medicinal Chemistry) measuring device 10 is a device for measuring the examinee's biometric information, and includes at least one of a blood pressure monitor, a blood sugar measuring machine, an oxygen saturation measuring machine, an electrocardiogram measuring machine, and a thermometer. Accordingly, the biometric information of the examinee includes at least one of blood pressure, blood sugar, oxygen saturation, electrocardiogram, and body temperature information of the examinee.

또한, 상기 RMC 측정기기(10)는 기초 5가지(당뇨, 혈압, 체온, 혈중산소분포도, 심박수체크) 측정 할 수 있는 이동이 가능한 측정 검진기기로서, 측정터미널 좌우 양쪽의 USB 포트에 5가지 측정 도구를 연결하여 측정을 할 수 있는 모듈을 포함할 수 있고, 이동성 스마트 검진기기 터미널인 Android OS기반으로 측정기기 및, 측정한 검진 정보를 Wi-Fi 등을 통해서 클라우드 서버와의 데이터 송수신 기능을 포함할 수 있다.In addition, the RMC measuring device 10 is a movable measurement and examination device capable of measuring basic 5 types (diabetes, blood pressure, body temperature, blood oxygen distribution, and heart rate check), and 5 measurements are performed on the USB ports on both left and right sides of the measurement terminal It may include a module that can measure by connecting a tool, and includes a measurement device based on Android OS, which is a mobile smart examination device terminal, and data transmission/reception function of the measured examination information with a cloud server through Wi-Fi, etc. can do.

이러한 RMC 측정기기(10)는 혈압계, 혈당측정기계, 산소포화도 측정기계, 심전도 측정기계, 체온계와 같은 5가지의 장비를 연결하여 그 검진자의 데이터를 수집하고 웹(WEB)을 통하여 EHR 서버(20)로 전송하는 검진기기일 수 있다.The RMC measuring device 10 connects five kinds of equipment such as a blood pressure monitor, a blood sugar measuring machine, an oxygen saturation measuring machine, an electrocardiogram measuring machine, and a thermometer to collect the examinee's data, and collects the examinee's data through the EHR server 20 through the web. ) may be a screening device that transmits

상기 EHR(Electronic Health Record) 서버(20)는 RMC 측정기기(10)로부터 검진자의 생체 정보를 수신하고, 상기 수신된 생체 정보를 의료 AI 엔진을 통하여 분석후 검진자의 건강 검진 및 질병 예측을 수행하는 서버장치이다.The EHR (Electronic Health Record) server 20 receives the examinee's biometric information from the RMC measuring device 10, analyzes the received biometric information through a medical AI engine, and then performs a health checkup and disease prediction of the examinee. It is a server device.

상기 EHR 서버(20)는, 본 발명에 따른 기본 의료 데이터에 기초하여 최적화된 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 데이터를 생성, 가공, 저장 등 처리하거나 그를 지원하는 하드웨어/소프트웨어(Hardware/Software)를 의미하고, 본 발명에 따른 최적화된 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 서비스 플랫폼과 그와 관련된 다양한 데이터를 처리하거나 지원할 수 있다.The EHR server 20 generates, processes, stores, or supports health checkup and disease prediction telemedicine service data using an optimized medical AI engine based on basic medical data according to the present invention, or hardware/software supporting the same. (Hardware/Software) and can process or support a service platform for health checkup and disease prediction telemedicine service using the optimized medical AI engine according to the present invention and various data related thereto.

상기 EHR 서버(20)는, 클라우드(Cloud) 서버, IMS(IP Multimedia Subsystem) 서버, 텔레포니 어플리케이션(Telephony Application) 서버, IM(Instant Messaging) 서버, MGCF(Media Gateway Control Function)서버, MSG(Messaging Gateway) 서버, CSCF(Call Session Control Function) 서버 등 중 어느 하나일 수 있다.The EHR server 20, a cloud (Cloud) server, IMS (IP Multimedia Subsystem) server, telephony application (Telephony Application) server, IM (Instant Messaging) server, MGCF (Media Gateway Control Function) server, MSG (Messaging Gateway) ) server, a CSCF (Call Session Control Function) server, and the like.

상기 EHR 서버(20)는, 회원으로 가입된 검진자의 식별자를 기준으로 검진자의 생체정보를 수집하는 서버일 수 있고, 또한 각 병원이나 보건소 등과 같은 의료 기관 서버로부터 검진자의 진료 기록을 일괄적으로 수집하는 서버일 수 있다. 여기서, 상기 EHR 서버(20)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.The EHR server 20 may be a server that collects the examinee's biometric information based on the identifier of the examinee registered as a member, and collectively collects the examinee's medical records from the servers of medical institutions such as each hospital or public health center. It can be a server that Here, the EHR server 20 may be implemented as a computer that can connect to a remote server or terminal through a network. Here, the computer may include, for example, navigation, a laptop equipped with a web browser, a desktop, and a laptop.

그리고, 상기 EHR 서버(20)는, 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 전자 헬스 데이터 처리 서버시스템으로서, RMC 측정기기(10)로부터 전송된 데이터를 의료 AI 엔진(260)을 통하여 분석하여 환자 및 의사에게 리포트를 모바일 및 어플리케이션을 통하여 전송할 수 있다. 또한, 상기 EHR 서버(20)는 검진자의 회원정보 관리, 의사의 회원정보 관리 및, 검진자의 상담이력관리 등의 기능을 제공할 수 있다.In addition, the EHR server 20 is an electronic health data processing server system that provides a health checkup and disease prediction telemedicine service web page, an app page, a program or an application using a medical AI engine, and an RMC measuring device (10) By analyzing the data transmitted from the medical AI engine 260, it is possible to transmit a report to the patient and the doctor through a mobile device or an application. In addition, the EHR server 20 may provide functions such as management of member information of the examinee, management of member information of the doctor, and management of consultation history of the examinee.

또한, 상기 EHR 서버(20)는 검진자의 회원 정보 및 검진 이력 정보를 저장 및 관리하고, 검진자의 생체 정보를 의료 AI 엔진(260)에 포함된 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 수 있다.In addition, the EHR server 20 stores and manages the examinee's member information and examination history information, and uses the artificial intelligence big data algorithm included in the medical AI engine 260 to pre-process the examinee's biometric information, information analysis and Disease prediction information can be extracted.

보다 구체적으로, 상기 EHR 서버(20)는 검진자의 검진 이력 정보인 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석하고, 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하며, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복하며, 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하고, 상기 추출된 의료 토픽이 검진자로부터 발현될 가능성을 계산하고, 계산 결과 기 설정된 안정 범위를 초과하는 경우, 이를 기초로 질병 예측 정보로 추출할 수 있다.More specifically, the EHR server 20 analyzes the correlation between medical information by using big data mining among big data analysis techniques in order to extract relevant information from the atypical data that is the checkup history information of the examinee, and analyze the correlation As a result, a situation set consisting of transactions satisfying the minimum support is extracted, and a new high frequency situation set with a potentially increased number of situations is calculated based on the situation set found as a high frequency situation set exceeding a preset frequency, and a new high frequency situation set is calculated. Repeat until no high-frequency set is found, extract a predefined negative medical topic from among the high-frequency situation set, calculate the probability that the extracted medical topic will be expressed from the examinee, and calculate a predetermined stability as a result of the calculation If the range is exceeded, it can be extracted as disease prediction information based on this.

여기서, 상기 검진자의 검진 이력 정보는 실시간 검진 정보 및 과거 검진 정보를 포함할 수 있다.Here, the examination history information of the examinee may include real-time examination information and past examination information.

또한, 상기 EHR 서버(20)는 코호트 분석법(Cohort Study)을 이용하여 검진 이력 정보로부터 검진자의 질병 예측 데이터를 추출하고, 검진자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 검진자와 유사 환자와 일반적인 병의 진행 추세를 파악하고, 실시간 검진 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고, 배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 빅데이터의 분석을 실시간으로 처리할 수 있다.In addition, the EHR server 20 extracts disease prediction data of the examinee from examination history information using a cohort study, indexes and analyzes all patient data with the same symptoms as the examinee, In order to understand the general disease progression trend and perform big data analysis using real-time examination data, the communication between each component uses the MQTT protocol so that the analysis node can be flexibly expanded, batch and stream ), analysis of big data can be processed in real time through the batch processing of Hadoop based on the Lambda structure that simultaneously processes the data.

도 2를 참조하면, 상기 EHR 서버(20)는, 데이터 수신부(210), 데이터 수집부(220), 데이터 추출부(230), 데이터 전송부(240), 비대면 진료부(250) 및 의료 AI 엔진(260)을 포함할 수 있다.Referring to FIG. 2 , the EHR server 20 includes a data receiving unit 210 , a data collecting unit 220 , a data extracting unit 230 , a data transmitting unit 240 , a non-face-to-face medical treatment unit 250 , and medical AI. It may include an engine 260 .

상기 EHR 서버(20)는 별도의 의료 데이터베이스를 포함하며, RMC 측정기기(10)/검진자 단말/의료 단말(30)로부터 입력된 데이터, 의료 서비스와 관련된 학습된 데이터, 의사 등 의료 분야 관계자에 의해 업로드 된 동영상, 이미지, 텍스트 등 다양한 의료 관련 데이터를 저장할 수 있다. 상기 의료 데이터베이스는 전술한 데이터 외에 본 발명에 따른 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스와 관련된 또는 필요한 모든 형태의 데이터를 저장할 수 있다The EHR server 20 includes a separate medical database, and data input from the RMC measuring device 10/examiner terminal/medical terminal 30, learned data related to medical services, and medical personnel such as doctors It can store various medical-related data such as uploaded videos, images, and texts. The medical database may store all types of data related to or necessary for health checkup and disease prediction telemedicine service using the optimized medical AI engine 260 according to the present invention in addition to the above data.

상기 EHR 서버(20)나 연동되어 동작하는 다른 서버(미도시)가 검진자 단말, 및 의료 단말(30)로 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 검진자 단말 및 의료 단말(30)은, 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 검진자 단말 및 의료 단말(30)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.Health checkup and disease prediction telemedicine service application, program, app using the EHR server 20 or another server (not shown) operating in conjunction with the medical AI engine 260 as the examiner terminal and the medical terminal 30 When transmitting a page, a web page, etc., the examiner terminal and the medical terminal 30 install or can be opened In addition, the service program may be driven in the examiner terminal and the medical terminal 30 by using a script executed in a web browser. Here, the web browser is a program that enables the use of a web (WWW: world wide web) service. It means a program that receives and displays hypertext written in HTML (hyper text mark-up language), for example, Netscape. , Explorer, Chrome, etc. In addition, the application means an application on the terminal, for example, includes an app (app) executed in a mobile terminal (smartphone).

한편, 전세계적으로 헬스케어 분야에 대한 관심이 증가하고 있으며, 최근 헬스케어 분야 전문 개발 업체인 RockHealth에 따르면 2016 년 1 분기 동안 헬스케어 분야의 펀딩이 2015 년도 추세 대비 급증하고 있다. 특히, 웨어러블기기, 바이오 센싱, 의료 빅데이터 분석이 헬스케어 분야의 주요 이슈로 조사되었다. 따라서 다양한 센서 및 의료 데이터를 이용한 의료 빅데이터 분석 기술이 중요하게 고려되고 있다.Meanwhile, interest in the healthcare field is increasing worldwide, and according to RockHealth, a professional development company in the healthcare field, funding in the healthcare field is increasing rapidly during the first quarter of 2016 compared to the trend of 2015. In particular, wearable devices, biosensing, and medical big data analysis were investigated as major issues in the healthcare field. Therefore, medical big data analysis technology using various sensors and medical data is being considered as important.

현재 다양한 의료 관련 서비스에서 의료 데이터 분석을 위해 코호트 연구 방법론에 기반한 진료 기록 분석, 백신 정보 분석, 건강 결과 분석 등의 다양한 분석 방법들을 시도하고 있다. 하지만, 보안을 위해 불가피한 사설 의료 클라우드 환경에서는 한정된 성능과 분석 방법으로 인해 의료 빅데이터의 코호트 연구를 제한된 시간 내에 수행하기에는 한계가 있다. 따라서, 본 발명의 일 실시예에 따른 공공 주치의 서비스는, 공공 클라우드와의 연계로 다양한 사용자 요구사항에 대응 가능한 하이브리드 클라우드에서의 성능 효율적인 빅데이터 처리 방법을 제공한다.Currently, various analysis methods such as medical record analysis, vaccine information analysis, and health outcome analysis based on cohort research methodology are being tried for medical data analysis in various medical-related services. However, in a private medical cloud environment, which is inevitable for security, there is a limit to performing cohort research of medical big data within a limited time due to limited performance and analysis methods. Accordingly, the public attending physician service according to an embodiment of the present invention provides a performance-efficient big data processing method in a hybrid cloud that can respond to various user requirements in connection with the public cloud.

이때, 코흐트 연구(Cohort study)는 전향성 추적조사를 의미한다. 특정 요인에 노출된 집단과 노출되지 않은 집단을 추적하고 연구 대상 질병의 발생률을 비교하여 요인과 질병 발생 관계를 조사하는 연구 방법이다. 이를 위하여, 본 발명의 일 실시예에 따른 EHR 서버(20)는, 일 예로 의료 히스토리 제공 서버인 국민건강보험공단에서 데이터를 수집하는데, 예를 들어, 건강보험청구자료와 유전체 정보를 이용할 수 있다.In this case, a Cohort study means a prospective follow-up study. It is a research method that investigates the relationship between factors and disease occurrence by tracing the group exposed to and not exposed to a specific factor and comparing the incidence rate of the target disease. To this end, the EHR server 20 according to an embodiment of the present invention collects data from the National Health Insurance Corporation, which is a medical history providing server, for example, and may use, for example, health insurance claim data and genomic information. .

건강보험청구자료의 구성은 크게 4가지로 나뉜다. 그 중 첫 번째는 자격DB인데 건강보험가입자 및 의료급여수급권자를 대상으로 성, 연령대, 지역, 소득분위 등 사회경제적 변수를 포함하고 있다. 두 번째로는 진료DB로 대상자가 요양기관에 방문하여 진료 등을 받은 내역에 대해 요양기관으로부터 요양급여가 청구된 자료이고, 명세서(T20), 진료내역(T30), 상병내역(T40), 처방전교부상세내역(T60)으로 이루어져있다. 세 번째 구성은 건강검진DB로 건강검진에 대한 주요 결과와 생활습관 등의 내용을 포함하고 있다. 마지막은 요양기관DB로 요양기관의 종류, 설립구분, 지역에 따른 현황에 대한 내용을 담고 있다.The composition of health insurance claim data is divided into four main categories. The first of these is the qualification DB, which includes socioeconomic variables such as gender, age group, region, and income quintile for health insurance subscribers and medical benefit recipients. Second, it is the medical treatment DB, which is the data on which medical care benefits were requested from the medical institution for the details of the patient's visit to and receiving treatment, etc. It consists of details of issuance (T60). The third component is the health checkup DB, which includes the main results of health checkup and lifestyle. The last is the health care institution DB, which contains information on the type of health care institution, establishment classification, and the current status by region.

이러한 데이터와 질병관리본부의 유전체 데이터와 병력 히스토리를 연계할 수 있으며, 유전체 데이터는 가족, 개인, 부모의 ID와 성별, 유전체 타입에 대한 내용을 포함할 수 있다. 다만, 연계할 데이터는 상술한 유전체 데이터에 한정하지 않는다.Such data can be linked with the genomic data of the Korea Centers for Disease Control and Prevention and medical history, and the genomic data can include family, individual, and parent IDs, gender, and genome type. However, the data to be linked is not limited to the above-described genome data.

그리고, 건강보험청구자료에서 모든 테이블의 모든 필드를 사용하지 않고, 환자 데이터 확인에 필수적인 요소만 추출할 수 있는데, 예를 들어, 건강검진자료로부터는 신장, 체중, 허리둘레, 총 콜레스테롤 등, 자격으로부터는 기준년도, 개인일련번호, 성, 연령대, 명세서로부터는 청구일련번호, 진료기관구분, 요양개시일자, 진료과목코드, 주상병, 부상병, 진료내역으로부터는 일련번호, 분류유형코드, 분류코드, 1일 투여량 또는 실시횟수, 총 투여량 또는 실시 횟수, 1회 투약량, 처방전 교부상세내역으로부터는 일련번호, 일반명코드, 상병 내역으로부터는 일련 번호, 상병 기호 등일 수 있다. 다만, 이에 한정되는 것은 아니고 구현예에 따라 달라질 수 있음은 자명하다 할 것이다.In addition, without using all fields in all tables in the health insurance claim data, only elements essential for patient data confirmation can be extracted. From the base year, personal serial number, gender, age group, from the statement, the claim serial number, the classification of the medical institution, the date of commencement of treatment, the treatment subject code, the sick and injured, the wounded, the serial number from the medical history, the classification type code, the classification code , daily dose or number of administrations, total dose or number of administrations, one dose, serial number from prescription issuance details, generic name code, serial number from disease history, disease symbol, etc. However, it will be apparent that the present invention is not limited thereto and may vary depending on the embodiment.

상술한 의료 히스토리에 기초하여, 본 발명의 일 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스는, 맞춤형 진료를 제공하고, 더 나아가 개인의 질병을 예측하고 관리하도록 하며, 의료 전문가를 교육시키고 의사 결정을 지원할 수 있으며, 신뢰도에 기반한 근거를 가지고 진단하고 치료의 방향을 결정하는 병원의 경쟁력 및 국민의 삶의 질을 높일 수 있는 플랫폼을 제공할 수 있다.Based on the medical history described above, the health checkup and disease prediction telemedicine service using the medical AI engine 260 according to an embodiment of the present invention provides customized treatment, and further predicts and manages individual diseases It can educate medical professionals and support decision-making, and provide a platform that can improve the competitiveness of hospitals that diagnose and determine the direction of treatment based on reliable evidence and improve the quality of life of the people.

도 2를 참조하면, 데이터 수신부(210)는, RMC 측정기기(10)로부터 검진자의 생체 정보 및 의료 히스토리 데이터를 이용하는데 동의하는 동의 이벤트를 수신할 수 있다.Referring to FIG. 2 , the data receiving unit 210 may receive a consent event for agreeing to use the examinee's biometric information and medical history data from the RMC measuring device 10 .

상기 데이터 수집부(220)는, 수신된 동의 이벤트를 기초로 검진자의 식별자를 기준으로 검진자의 의료 히스토리 데이터를 수집할 수 있다. 상술한 바와 같이, 상기 데이터 수집부(220)는, 검진자의 식별자를 기준으로 의료 히스토리 데이터를 수집할 수 있다. 이때, 수집되는 데이터는 DO Layer 와 BP Layer 에서 전처리 및 온톨로지 생성 과정을 거쳐 데이터 저장소에 저장되고 온톨로지 그래프로 관리될 수 있다. 이후에 사용자가 분석을 요청하면 SV Layer 에서 분석 요청의 성능 요구사항과 리소스 현황에 따라 동적으로 노드를 확장하고 워크플로우를 생성할 수 있다. 생성된 워크플로우에 따라 DO Layer 에서 분석할 데이터와 온톨로지 정보를 준비하고, BP Layer 에서 빅데이터 처리를 수행할 수 있다. 마지막으로 BP Layer 에서는 워크플로우에 명시된 처리 과정에 따라 각 Tier 들간 유기적인 처리를 수행할 수 있다. SV Layer 에서 결정된 판단에 따라 Batch Tier 에 의한 데이터 샘플링으로 데이터를 재가공하며, 데이터 샘플링은 최적의 트레이드 오프가 충족될 때까지 반복 수행될 수 있다.The data collection unit 220 may collect medical history data of the examinee based on the examinee's identifier based on the received consent event. As described above, the data collection unit 220 may collect medical history data based on the examinee's identifier. At this time, the collected data can be stored in the data storage and managed as an ontology graph through pre-processing and ontology creation in the DO Layer and the BP Layer. Afterwards, when a user requests analysis, the SV Layer can dynamically expand nodes and create a workflow according to the performance requirements and resource status of the analysis request. According to the generated workflow, data and ontology information to be analyzed in the DO Layer can be prepared, and big data processing can be performed in the BP Layer. Lastly, in the BP Layer, organic processing between each tier can be performed according to the processing specified in the workflow. Data is reprocessed by data sampling by the batch tier according to the judgment determined by the SV Layer, and data sampling can be repeatedly performed until the optimal trade-off is satisfied.

이를 위하여 본 발명의 일 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 구조는 사설 클라우드의 제한된 자원 환경을 극복하고 의료 빅데이터를 사용자의 요구사항에 따라 처리하기 위해 개인정보보호를 고려한 하이브리드 클라우드 환경에서 시스템이 구성될 수 있다.To this end, the structure of the health checkup and disease prediction telemedicine service system using the medical AI engine 260 according to an embodiment of the present invention overcomes the limited resource environment of the private cloud and provides medical big data according to the user's requirements. In order to process, the system can be configured in a hybrid cloud environment that considers privacy.

또한, 본 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템에 구성된 스트림 처리, 마이크로 배치(Batch) 처리, 배치 처리를 최적의 워크플로우로 구성하기 위해서는 Directed Acyclic Graph (DAG) 기반의 워크플로우 분석이 필요하다. DAG 는 병렬 프로그램의 기본적 모델로, 시스템의 스케줄링, 데이터 프로세싱 네트워크의 표현 등을 위해 사용될 수 있다. 특히, Apache Open Source Project 들 중 데이터 처리 분야에서 각광받고 있는 Spark, Storm 등에서 복잡한 Job 들의 실행 모델 구성을 위해 DAG 를 이용하고 있다. 여기서, FB 는 배치 처리를 수행하는 함수, FM 은 마이크로 배치 처리를 수행하는 함수, FS 는 스트림 처리를 수행하는 함수를 나타내며, W 는 각 처리 단계에 따라 발생 가능한 전체 데이터 처리를 위한 대기 시간에 해당된다.In addition, in order to configure the stream processing, micro-batch processing, and batch processing configured in the medical examination and disease prediction telemedicine service system using this medical AI engine 260 as an optimal workflow, Directed Acyclic Graph (DAG) based workflow analysis is required. DAG is a basic model of parallel programs, and can be used for scheduling of systems, representation of data processing networks, and the like. In particular, among Apache Open Source Projects, Spark and Storm, which are in the spotlight in the data processing field, use DAG to configure the execution model of complex jobs. Here, FB denotes a function that performs batch processing, FM denotes a function that performs micro-batch processing, FS denotes a function that performs stream processing, and W corresponds to the waiting time for the entire data processing that may occur according to each processing step. do.

마이크로배치 처리와 스트림 처리는 처리되는 데이터의 단위가 배치 처리에 비해 작은 단위로 구성되어, 단일 반복에서 데이터 처리 방식에 따라 단위 DAG 의 전체 지연 시간이 변화될 수 있다. 배치(Batch) 처리의 경우에는 소스 데이터가 모두 HDFS에 저장된 후에 처리가 시작되므로, 전체 스트림 처리 시간이 전체 지연 시간으로 고려되어 가장 지연 시간이 크게 소모된다. 마이크로-배치 와 스트림 처리의 경우에는 각 반복에서 다음 태스크의 처리 시간이 현재 태스크의 지연 시간과 근사할 수록 전체 지연 시간이 적게 소모될 수 있다.Micro-batch processing and stream processing consist of a smaller unit of data compared to batch processing, so the total delay time of the unit DAG may change depending on the data processing method in a single iteration. In the case of batch processing, since processing starts after all source data is stored in HDFS, the entire stream processing time is considered as the total delay time, so the delay time is the most consumed. In the case of micro-batch and stream processing, the closer the processing time of the next task in each iteration to the delay time of the current task, the less the overall delay time can be consumed.

이에 따라, 하이브리드 클라우드에서 의료 빅데이터를 분석하기 위한 의료 AI 엔진(260)에서 고려되는 스트림, 마이크로 배치, 배치 처리 방법 간의 단위 DAG 기반 워크플로우 생성 방법으로 분석 요구사항을 충족시키기 위한 최적의 트레이드 오프를 선정할 수 있다. 특히, 성능 평가 결과와 같이 각 처리 방법 간의 최적화된 워크플로우 생성으로, 사용자 요구사항을 충족시키기 위한 최적화 방안을 마련할 수 있다.Accordingly, the optimal trade-off to meet the analysis requirements with the unit DAG-based workflow creation method between the stream, micro-batch, and batch processing methods considered by the medical AI engine 260 for analyzing medical big data in the hybrid cloud. can be selected. In particular, it is possible to prepare an optimization plan to satisfy user requirements by creating an optimized workflow between each processing method, such as a performance evaluation result.

상기 데이터 추출부(230)는, 수신된 생체 정보 및 수집된 의료 히스토리 데이터(즉, 검진 이력 정보)에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 수 있다. 이때, 상기 데이터 추출부(230)는, 수신된 생체 정보 및 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출할 때, 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석할 수 있다. 그리고, 상기 데이터 추출부(230)는, 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하고, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복할 수 있다. 이때, 상기 데이터 추출부(230)는, 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하고, 추출된 의료 토픽이 정보 제공자로부터 발현될 가능성을 계산하고, 계산 결과 기 설정된 안정 범위를 초과하는 경우, 질병 예측 정보로 추출할 수 있다.The data extraction unit 230 pre-processes the received biometric information and the personal health record included in the collected medical history data (ie, examination history information) using an artificial intelligence big data algorithm, information analysis and disease prediction information. can be extracted. At this time, the data extraction unit 230 uses an artificial intelligence big data algorithm to pre-process the received biometric information and the personal health record included in the collected medical history data, and when extracting information analysis and disease prediction information, atypical In order to extract relevant information from data, correlation between medical information can be analyzed using big data mining among big data analysis techniques. In addition, the data extraction unit 230 extracts a situation set consisting of a transaction satisfying the minimum support as a result of the correlation analysis, and a potential situation based on the situation set found as a high frequency situation set exceeding a preset frequency A new set of high frequency situations in which the number of is increased may be calculated, and iterative until no new high frequency set is found. At this time, the data extraction unit 230 extracts a predefined negative medical topic from the set of high frequency situations, calculates the possibility that the extracted medical topic is expressed from the information provider, and as a result of the calculation, a preset stable range If it exceeds, it can be extracted as disease prediction information.

이때, 데이터 마이닝은 빅데이터 분석 기법 중에서 순차 패턴 탐색 알고리즘을 이용할 수 있고, 이를 통하여 의료 정보간의 연관 관계를 발견할 수 있다. 즉, 데이터 마이닝 분야에서도 데이터 스트림에 내재된 다양한 지식들을 탐색하기 위한 연구들이 활발히 진행되고 있고, 빈발 패턴 탐색을 포함하는 연관규칙 탐색 및 순차패턴 탐색 분야에서 활발히 진행되고 있다.In this case, data mining may use a sequential pattern search algorithm among big data analysis techniques, and through this, a correlation between medical information may be discovered. That is, even in the field of data mining, studies for exploring various knowledge inherent in data streams are being actively conducted, and in the fields of association rule search and sequential pattern search including frequent pattern search.

순차패턴 탐색은 분석 대상 데이터 집합 및 출현 빈도 수 임계값이 주어졌을 때 해당 임계값 이상의 출현빈도수를 갖는 모든 순차패턴을 찾는 작업이다. 일반적으로 마이닝 수행 결과로 얻어지는 순차패턴의 수가 매우 많으며, 이를 바로 응용 분야의 특성을 이해하기 위해서 활용하는데 어려움이 있다. 따라서, 중요도나 관심도가 큰 순차패턴을 얻기 위해서는 일반적인 순차패턴 탐색으로 얻어진 결과를 다시 분석해야 한다. 한편, 하나의 순차패턴에 있어서 이를 구성하는 단위항목 들의 단순 발생 순서뿐만 아니라 단위항목들 간의 발생 간격 등도 중요한 고려사항이 될 수 있다.Sequential pattern search is the task of finding all sequential patterns having frequency of occurrence greater than or equal to the threshold given the data set to be analyzed and the frequency threshold. In general, the number of sequential patterns obtained as a result of mining is very large, and it is difficult to use them to understand the characteristics of the application field. Therefore, in order to obtain a sequential pattern of high importance or interest, it is necessary to re-analyze the result obtained by a general sequential pattern search. On the other hand, in a sequential pattern, not only the simple occurrence order of the unit items constituting it, but also the occurrence interval between the unit items can be an important consideration.

즉, 관심도나 흥미도가 큰 순차패턴을 탐색하기 위한 방법으로 순차패턴을 구성하는 항목들간의 발생 간격을 일정 수준으로 제한하는 방법을 이용하면, 한정적인 데이터 집합을 분석 대상으로 이전의 기본적인 접근 방법들과 달리 데이터 스트림에 대한 순차 데이터 스트림에서 발생 간격 제한 조건을 활용한 빈발 순차 패턴 탐색, 순차 패턴 탐색 과정에서 효율적으로 적용할 수 있는 발생 간격 제한 빈발 순차패턴 탐색 방법으로서, 이를 활용하여 메모리 사용량 및 수행 시간 최소화 등과 같은 데이터 스트림 처리를 위한 기본적인 요구 조건을 만족하면서 데이터 스트림에서 관심도나 흥미도가 큰 순차패턴을 효율적으로 얻을 수 있다.That is, if the method of limiting the occurrence interval between items constituting the sequential pattern to a certain level is used as a method to search for a sequential pattern of high interest or interest, the basic approach before using a limited data set as an analysis target Unlike other methods, it is a frequent sequential pattern search using the occurrence interval constraint in the sequential data stream for the data stream and a frequent sequential pattern search method with an occurrence interval limitation that can be efficiently applied in the sequential pattern search process. A sequential pattern of high interest or interest can be efficiently obtained from a data stream while satisfying basic requirements for data stream processing such as minimizing execution time.

상기 데이터 전송부(240)는, 추출된 질병 예측 정보를 의료 기관의 의료 단말(30)로 전송할 수 있다. The data transmitter 240 may transmit the extracted disease prediction information to the medical terminal 30 of a medical institution.

상기 비대면 진료부(250)는, 데이터 수집부(220)에서 수신된 동의 이벤트를 기초로 검진자의 식별자를 기준으로 검진자의 의료 히스토리 데이터를 수집한 후, 수집된 의료 히스토리 데이터에 포함된 개인건강기록을 인공지능 빅데이터 알고리즘을 이용하여 전처리 및 정보 분석을 수행한 후, 의료 단말(30)로 전송할 수 있다. 이때, 상기 의료 단말(30)은 정보 분석 결과를 이용하여 원격에서 비대면으로 맞춤형 진료를 시행하도록 정보를 출력할 수 있다.The non-face-to-face treatment unit 250 collects the medical history data of the examinee based on the identifier of the examinee based on the consent event received from the data collection unit 220, and then the personal health record included in the collected medical history data. may be transmitted to the medical terminal 30 after performing pre-processing and information analysis using an artificial intelligence big data algorithm. In this case, the medical terminal 30 may output information so as to remotely and non-face-to-face customized treatment by using the information analysis result.

상기 비대면 진료부(250)는 검진자 단말과 의료 단말(30)을 화상 채널을 통하여 연결시켜 화상으로 비대면 원격진료가 가능하도록 할 수 있다. 이를 위하여, 상기 비대면 진료부(250)는 의료 AI 엔진(260)의 음성인식, 자연어 인식 및 처리, 공용 데이터셋 등의 활용을 통하여 검진자 질의 정보를 수집하여, 패턴 매칭, 워드 넷, 딥-러닝을 기반으로 학습 과정 또한 처리할 수 있다.The non-face-to-face medical treatment unit 250 may connect the examinee's terminal and the medical terminal 30 through an image channel to enable non-face-to-face remote medical treatment through an image. To this end, the non-face-to-face treatment unit 250 collects examinee query information through the use of voice recognition, natural language recognition and processing, and common datasets of the medical AI engine 260, pattern matching, word net, and deep-learning. Based on this, the learning process can also be processed.

이때, 검진자의 검진 이력 정보는, 실시간 진료 데이터 및 과거 진료 데이터를 포함한다.In this case, the examination history information of the examinee includes real-time treatment data and past treatment data.

상기 의료 AI 엔진(260)은, 코호트 분석법(Cohort Study)을 이용하여 개인건강기록으로부터 검진자의 질병 예측 데이터를 추출하고, 검진자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 검진자와 유사 환자와 일반적인 병의 진행 추세를 파악할 수 있다.The medical AI engine 260 extracts the examinee's disease prediction data from the personal health record using a cohort study, indexes and analyzes all patient data with the same symptoms as the examinee, and It is possible to identify the general disease progression trend.

그리고, 실시간 진료 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고, 배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 빅데이터의 분석을 실시간으로 처리할 수 있다.And, in order to perform big data analysis using real-time medical data, the communication between each component uses the MQTT protocol so that the analysis node can be flexibly expanded, and a lambda that processes batch and stream simultaneously Based on the (Lamda) structure, the analysis of big data can be processed in real time through the batch processing of Hadoop.

또한, 상기 의료 AI 엔진(260)은 데이터 마이닝을 위하여 텍스트 마이닝을 실시할 수 있는데, 이를 위하여 데이터 추출부(230)에서는, 인공지능 빅데이터 알고리즘을 이용하여 전처리를 할 때, 의료 히스토리 데이터에 포함된 비정형 텍스트 문서를 벡터의 형태로 구조화하여 구조화된 텍스트 문서를 생성할 때, 복수의 특질(Feature)을 처리가능한 수의 차원으로 표현하도록 차원 축소 기법을 이용할 수 있다. 이때, 차원 축소 기법은, PCA(Principal Component Analysis), SVD(Singular Value Decomposition), 및 NMF(Non-Negative Matrix Factorization) 중 어느 하나 또는 적어도 하나의 조합이 이용되고, 비정형 텍스트 문서에 포함된 용어의 동시출현(Co-occurrence) 정보를 이용하여 용어간 의미적 유사성을 산출하기 위하여, LDA(Latent Dirichlet Allocation), LSA(Latent Semantic Analysis), 및 pLSA(Probabilistic Latent Semantic Analysis) 중 어느 하나 또는 적어도 하나의 조합이 이용될 수 있다. 다만, 이에 한정되는 것은 아니고 다른 텍스트 마이닝 기법 또는 데이터 마이닝 방법이 이용될 수 있음은 자명하다 할 것이다.In addition, the medical AI engine 260 may perform text mining for data mining. To this end, the data extraction unit 230 includes in the medical history data when pre-processing using an artificial intelligence big data algorithm. When the structured text document is generated by structuring the unstructured text document in the form of a vector, a dimensionality reduction technique may be used to express a plurality of features in a processable number of dimensions. In this case, as for the dimension reduction technique, any one or a combination of at least one of Principal Component Analysis (PCA), Singular Value Decomposition (SVD), and Non-Negative Matrix Factorization (NMF) is used, and In order to calculate semantic similarity between terms using co-occurrence information, any one or at least one of Late Dirichlet Allocation (LDA), Late Semantic Analysis (LSA), and Probabilistic Latent Semantic Analysis (pLSA) Combinations may be used. However, the present invention is not limited thereto, and it will be apparent that other text mining techniques or data mining methods may be used.

또한, 상기 의료 AI 엔진(260)은 딥 러닝 알고리즘 및 의료 빅 데이터를 이용하여 복수의 정보 테이블(480)(410~480)을 산출한다. 본 명세서에서 딥 러닝 알고리즘은 예컨대 심층 신경망(Deep Neural Network, DNN), 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN), 제한 볼츠만 머신(Restricted Boltzmann Machine, RBM), 심층 신뢰 신경망(Deep Belief Network, DBN) 및 심층 Q-네트워크(Deep Q-Networks)와 같은 알고리즘을 지칭하거나, 예시되지 않은 다른 딥 러닝 알고리즘을 지칭할 수도 있다. 본 명세서에서 의료 빅 데이터는 병원, 약국 및 요양 기관과 같은 의료 기관의 환자 진료 및 처방 정보, 의료 기관의 의료 인력 및 시설 또는 장비 보유 현황 정보, 보건복지부, 식품의약품안전처, 보건소, 국민건강보험공단, 제약업체 및 건강보험심사평가원과 같은 지원 기관의 정보 등을 포함할 수 있다.In addition, the medical AI engine 260 calculates a plurality of information tables 480 (410 to 480) using a deep learning algorithm and medical big data. In the present specification, deep learning algorithms include, for example, Deep Neural Network (DNN), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Restricted Boltzmann Machine (RBM), It may refer to algorithms such as Deep Belief Networks (DBNs) and Deep Q-Networks, or may refer to other deep learning algorithms not illustrated. In this specification, medical big data includes patient treatment and prescription information of medical institutions such as hospitals, pharmacies, and nursing institutions, medical personnel and facility or equipment holding status information of medical institutions, the Ministry of Health and Welfare, the Ministry of Food and Drug Safety, public health centers, and National Health Insurance. It may include information on the government, pharmaceutical companies, and support organizations such as the Health Insurance Review and Assessment Service.

상기 복수의 정보 테이블은 음성입력과 복수의 증상 정보를 포함하는 증상 그룹의 대응 관계를 포함하는 테이블과, 복수의 증상 정보를 포함하는 증상 그룹과 복수의 질병 정보를 포함하는 질병 그룹의 대응 관계를 포함하는 테이블과, 복수의 질병 정보를 포함하는 질병 그룹과 복수의 문진 정보를 포함하는 문진 그룹의 대응 관계를 포함하는 테이블과, 인구학적 정보(성별에 따른 질병 별 발병률 정보, 나이에 따른 질병 별 발병률 정보)를 포함하는 테이블과, 병원/병원비/건강정보/병원목록에 대한 정보를 포함하는 테이블을 포함할 수 있다.The plurality of information tables includes a table including a correspondence relationship between a voice input and a symptom group including a plurality of symptom information, and a table including a correspondence relationship between a symptom group including a plurality of symptom information and a disease group including a plurality of disease information. a table including a table including, a table including a correspondence relationship between a disease group including a plurality of disease information incidence rate information) and a table including information on hospital/hospital expenses/health information/hospital list.

상기 검진자 단말은 EHR 서버(20)와 웹 또는 어플리케이션을 통하여 연동되어 회원 가입후, RMC 측정기기(10)를 통하여 측정된 검진자의 생체 정보에 대응되는 검진자의 건강 검진 및 질병 예측 정보를 제공받는 단말장치이다.The terminal of the examinee is linked with the EHR server 20 through the web or application, and after registering as a member, the medical examination and disease prediction information of the examinee corresponding to the biometric information of the examinee measured through the RMC measuring device 10 is provided. it is a device

이때, 상기 EHR 서버(20)에 제공되는 API를 통하여 RMC 측정기기(10) 및 검진자 단말이 연동되어 데이터를 송수신할 수 있다.In this case, the RMC measuring device 10 and the examinee's terminal are interlocked to transmit and receive data through the API provided to the EHR server 20 .

상기 검진자 단말은 도 6에 도시된 바와 같이, EHR 서버(20)에서 제공하는 웹페이지 상에 접속하여 로그인, 환자 등록, 계정 설정, 건강 상태 질문, RMC 기본검사 정보 입력을 통하여 자신의 생체 정보를 EHR 서버(20)에 제공할 수 있다.As shown in FIG. 6 , the examiner terminal accesses the web page provided by the EHR server 20 and provides its own biometric information through login, patient registration, account setting, health status question, and RMC basic examination information input. It may be provided to the EHR server 20 .

한편, 상기 검진자 단말은 검진자가 구비하는 단말 장치나 검진자가 이용하는 키오스 단말 장치를 포함할 수 있다.Meanwhile, the examinee terminal may include a terminal device provided by the examinee or a kios terminal device used by the examinee.

이때, 상기 의료 단말(30)은 EHR 서버(20)에 제공되는 API를 통하여 검진자 단말과 연동되고, RMC 측정기기(10)로부터 수신된 검진자의 생체 정보를 기초로 검진자 단말과 연결된 화상 채널을 통하여 의료진과 검진자 간의 원격 상담이 이루어질 수 있다.In this case, the medical terminal 30 is interlocked with the examinee's terminal through the API provided to the EHR server 20 , and based on the examinee's biometric information received from the RMC measuring device 10 through a video channel connected to the examinee's terminal Remote consultation between the medical staff and the examinee can be conducted.

상기 의료 단말(30)은 EHR 서버(20)에 제공되는 API를 통하여 EHR 서버(20)와 연동되고, RMC 측정기기(10)로부터 수신된 검진자의 생체 정보를 기초로 비대면 원격 진료를 수행한 후 EHR 서버(20)로 진료 결과 정보 및 처방전 발행 정보를 제공하는 의료기관 또는 의료진의 단말장치이다.The medical terminal 30 interworks with the EHR server 20 through the API provided to the EHR server 20, and performs non-face-to-face remote treatment based on the examinee's biometric information received from the RMC measuring device 10 . It is a terminal device of a medical institution or medical staff that provides treatment result information and prescription issuance information to the EHR server 20 afterward.

상기 의료 단말(30)은 도 7에 도시된 바와 같이, EHR 서버(20)에 제공되는 웹 페이지 상에 접속하여 로그인후, 환자 리스트를 열랍하여, 해당 환자의 건강상태를 확인하고, 화상 채널을 통하여 원격진료를 수행하며, 의료기록으로 저장한 후, 해당 처방전을 발행할 수 있다.7, the medical terminal 30 accesses the web page provided to the EHR server 20 and logs in, opens the patient list, checks the patient's health status, and opens the video channel. Through remote treatment, the prescription can be issued after storing it as a medical record.

도 3을 참조하면, 본 발명의 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 검진자 단말에 설치되는 어플리케이션은, 스마트 폰 어플리케이션으로서, 진료예약 기능, 검진자와 의사 간의 비대면 원격진료 및 상담 기능, 의사의 처방전 발행 및 검진자에 전달 기능, 원격 의료협업 지원 기능, 의료 AI 분석 정보제공 기능 및, 검진 기록 및 상담내역 확인 기능을 제공할 수 있다.Referring to FIG. 3 , the application installed in the examiner's terminal of the health checkup and disease prediction remote treatment service system using the medical AI engine 260 according to the embodiment of the present invention is a smart phone application, and includes a treatment reservation function, a checker It can provide a non-face-to-face remote treatment and consultation function between a doctor and a doctor, a function to issue a prescription for a doctor and deliver it to an examinee, a function to support remote medical collaboration, a function to provide medical AI analysis information, and a function to check examination records and consultation details.

도 4를 참조하면, 본 발명의 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은, 의료단말을 통하여 제공되는 의료정보로서, 성별, 나이, 혈압, 혈당, 걸음수/운동량 종합 등급의 데이터를 딥러닝으로 학습시킨 모델에 대입하여 예상 cvrisk 수치를 제공할 수 있다.Referring to FIG. 4 , a health checkup and disease prediction telemedicine service system using a medical AI engine 260 according to an embodiment of the present invention is medical information provided through a medical terminal, such as gender, age, blood pressure, blood sugar , it is possible to provide expected cvrisk values by substituting the data of the step count/momentum comprehensive grade to the model trained by deep learning.

또한, 추천 목표 체중 및 체지방률, 총콜레스테롤, 중성지방, HDL, LDL 등의 자료를 통해 검진자로부터 임바디 출력자료 등의 기초 의료정보로 제공할 수 있다. In addition, data such as recommended target weight and body fat percentage, total cholesterol, triglyceride, HDL, and LDL can be provided as basic medical information such as imbody output data from the examinee.

도 5를 참조하면, 본 발명의 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템은, 질병 예측 및 진단을 위한 솔루션으로서, 이를 통해 신체 부위별/질병별 최적 알고리즘을 제공하고, 인공지능 알고리즘을 통해 X-Ray, MRI, PET-CT 영상 등의 자료를 분석하여 질병에 대한 솔루션을 제공할 수 있다.Referring to FIG. 5 , a health checkup and disease prediction telemedicine service system using a medical AI engine 260 according to an embodiment of the present invention is a solution for disease prediction and diagnosis, and through this, each body part/disease It provides an optimal algorithm and can provide solutions to diseases by analyzing data such as X-Ray, MRI, and PET-CT images through artificial intelligence algorithms.

도 1 내지 도 7을 통해 설명된 일 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템의 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.The service providing method of the health checkup and disease prediction telemedicine service system using the medical AI engine 260 according to an embodiment described with reference to FIGS. 1 to 7 includes a computer such as an application or program module executed by a computer. It may also be implemented in the form of a recording medium including instructions executable by the . Computer-readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. Also, computer-readable media may include all computer storage media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.

전술한 본 발명의 일 실시예에 따른 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.The method for providing a health checkup and disease prediction telemedicine service using the medical AI engine 260 according to an embodiment of the present invention described above includes an application basically installed in a terminal (which is included in a platform or operating system basically installed in the terminal) It can be executed by an application (that is, a program) installed directly in the master terminal through an application providing server such as an application store server, an application, or a web server related to the service by the user. may be In this sense, the method of providing a health checkup and disease prediction telemedicine service using the aforementioned medical AI engine 260 is implemented as an application (ie, program) installed by default in a terminal or directly installed by a user, and is provided in the terminal. It may be recorded on a computer-readable recording medium.

또한, 본 발명에 따른 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스가 어플리케이션 형태로 제공되는 경우, 네트워크가 연결되지 않더라도 검진자 단말이나 의료 단말(30)은 미리 다운로드되어 설치된 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 어플리케이션의 실행을 통하여 최적화된 의료 서비스를 제공할 수 있다. 이때, 상기 EHR 서버(20)는 어플리케이션과 관련하여 주기/비주기로 최적화된 의료 서비스 어플리케이션 데이터를 업데이트할 수 있다. In addition, when the health checkup and disease prediction telemedicine service using the optimized medical AI engine 260 according to the present invention is provided in the form of an application, the examiner terminal or the medical terminal 30 is downloaded in advance even if the network is not connected. An optimized medical service can be provided through the execution of a health checkup and disease prediction telemedicine service application using the installed optimized medical AI engine 260 . In this case, the EHR server 20 may update the medical service application data optimized periodically/aperiodically in relation to the application.

상기 검진자 단말/의료 단말(30)과 EHR 서버(20)는 유/무선 통신 네트워크를 통하여 본 발명에 따른 다양한 관련 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 데이터를 주고받을 수 있다.The examiner terminal/medical terminal 30 and the EHR server 20 transmit health checkup and disease prediction telemedicine service data using various related optimized medical AI engine 260 according to the present invention through a wired/wireless communication network. can be exchanged

본 명세서에서 기술되는 검진자 단말/의료 단말(30)은, 고정 단말, 이동 단말을 포함하여 본 발명에 따른 제품 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 데이터를 제공하거나 상기 서비스를 제공 가능한 모든 형태의 디바이스(device)를 통칭한다.The examiner terminal/medical terminal 30 described in this specification includes data for a health checkup and disease prediction telemedicine service using the product-optimized medical AI engine 260 according to the present invention, including a fixed terminal and a mobile terminal All types of devices capable of providing or providing the service are collectively referred to.

상기 검진자 단말/의료 단말(30)은 적어도 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스의 입출력을 위한 스피커(speak), 기본 의료 데이터의 입력을 위한 마이크로 폰(microphone), 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스 데이터의 출력 또는 제공을 위한 디스플레이(display)를 포함할 수 있다. 더불어, 상기 디스플레이의 사이즈나 형태에 따른 제한은 없다. 통상 상기 디스플레이는 터치 스크린을 포함하거나 키보드, 마우스, 스타일러스(stylus) 등을 통한 사용자의 이용 편의에 부응할 수 있다.The examiner terminal/medical terminal 30 includes at least a speaker for input/output of health checkup and disease prediction telemedicine service using the optimized medical AI engine 260, and a microphone for input of basic medical data. ), and a display for outputting or providing health checkup and disease prediction telemedicine service data using the optimized medical AI engine 260 . In addition, there is no limitation according to the size or shape of the display. In general, the display may include a touch screen or respond to user convenience through a keyboard, mouse, stylus, or the like.

또한, 상기 검진자 단말/의료 단말(30)은 카메라 센서(내장 또는 외장)를 통하여 본 발명에 따른 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 기본 의료 데이터의 입력 시의 제스처 등 모션 데이터, 홍채 반응 데이터 등도 함께 저장할 수 있으며, 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 다양한 데이터를 센싱하는 센싱 모듈을 더 포함하여 구성될 수 있다.In addition, the examiner terminal/medical terminal 30 uses a camera sensor (built-in or external) to provide basic medical data for health checkup and disease prediction telemedicine service using the optimized medical AI engine 260 according to the present invention. Motion data such as gestures during input, iris response data, etc. can also be stored together, and a sensing module that senses various data for health checkup and disease prediction telemedicine service using the optimized medical AI engine 260 is further included. can be

이러한 상기 검진자 단말/의료 단말(30)로, 스마트폰, PC, 태블릿 PC, TV, 모니터, 웨어러블 디바이스, 녹음기, 카세트 테이프, 최적화된 의료 서비스 전용 디바이스, 키오스크 장치 등과 같이, 데이터 입/출력을 위한 구성요소를 포함하거나 그와 연결 가능한 모든 형태의 디바이스가 포함될 수 있다. 다만, 본 발명의 권리범위가 상기한 예시들에 의해 한정되는 것은 아니다.With the examiner terminal/medical terminal 30, for data input/output, such as a smartphone, PC, tablet PC, TV, monitor, wearable device, recorder, cassette tape, optimized medical service dedicated device, kiosk device, etc. All types of devices including components or connectable thereto may be included. However, the scope of the present invention is not limited by the above examples.

상기 검진자 단말/의료 단말(30)로, 단말 장치, 터미널(Terminal), MS(Mobile Station), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D 장치(Device-to-Device) 장치 중 적어도 하나를 예시할 수 있다.To the examiner terminal/medical terminal 30, a terminal device, a terminal, a mobile station (MS), a mobile subscriber station (MSS), a subscriber station (SS), an advanced mobile station (AMS), a wireless terminal (WT) , at least one of a Machine-Type Communication (MTC) device, a Machine-to-Machine (M2M) device, and a Device-to-Device (D2D) device may be exemplified.

전술한 단말은 어디까지나 예시에 불과할 뿐이며, 본 발명에서의 단말은 상술한 예시들 이외에도 현재 개발되어 상용화되었거나 또는 향후 개발될 데이터 또는 신호 전송이 가능한 모든 장치를 포함하는 개념으로 해석되어야 한다.The above-described terminal is merely an example, and the terminal in the present invention should be interpreted as a concept including all devices capable of transmitting data or signals that have been developed and commercialized or will be developed in the future in addition to the above-described examples.

또한, 상기 검진자 단말/의료 단말(30)은 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 또는 지원하기 위한 어플리케이션 데이터를 처리하기 위한 API(Application Program Interface) 등을 포함할 수 있다. 이때, 상기 어플리케이션 데이터라 함은, 본 발명에 따른 제품 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스를 위한 어플리케이션이 검진자 단말/의료 단말(30)에 다운로드 및 설치된 후에 그와 관련된 데이터 및 추후 업데이트되는 데이터를 포함할 수 있다.In addition, the examiner terminal/medical terminal 30 is an API (Application Program Interface) for processing application data for or supporting a health checkup and disease prediction telemedicine service using the optimized medical AI engine 260, etc. may include In this case, the application data refers to after the application for health checkup and disease prediction telemedicine service using the product-optimized medical AI engine 260 according to the present invention is downloaded and installed in the examiner terminal/medical terminal 30 . It may include data related thereto and data to be updated later.

이에 따라, 본 발명에 따른 최적화된 의료 AI 엔진(260)을 활용한 건강검진 및 질병 예측 원격진료 서비스는 검진자 단말/의료 단말(30)에 설치된 어플리케이션의 실행을 통하여 제공되거나 url(Uniform Resource Locator)에 기반한 웹 서비스 형태로 제공될 수도 있다.Accordingly, the health checkup and disease prediction telemedicine service using the optimized medical AI engine 260 according to the present invention is provided through the execution of an application installed in the examiner terminal/medical terminal 30 or url (Uniform Resource Locator) It may be provided in the form of a web service based on

본 명세서에서 기본 의료 데이터라 함은, 반드시 전문적인 의료 용어를 이용하여 입력되는 데이터가 아니라 일반인의 기준으로 질환, 증상 등과 같이 상황을 설명하는 일반적인 데이터를 의미할 수 있다.In the present specification, the basic medical data may refer to general data describing situations, such as diseases and symptoms, on the basis of ordinary people, not necessarily data input using specialized medical terms.

이상에서는 본 발명에 따른 바람직한 실시예들에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.In the above, preferred embodiments according to the present invention have been shown and described. However, the present invention is not limited to the above-described embodiments, and without departing from the gist of the present invention appended in the claims, any person skilled in the art to which the invention pertains will be able to implement various modifications. .

10: RMC 측정기기 20: EHR 서버
30: 의료 단말 210: 데이터 수신부
220: 데이터 수집부 230: 데이터 추출부
240: 데이터 전송부 250: 비대면 진료부
260: 의료 AI 엔진10: RMC measuring instrument 20: EHR server
30: medical terminal 210: data receiving unit
220: data collection unit 230: data extraction unit
240: data transmission unit 250: non-face-to-face treatment unit
260: Medical AI Engine

Claims (8)

검진자의 생체 정보를 측정하는 RMC 측정기기;
상기 RMC 측정기기로부터 검진자의 생체 정보를 수신하고, 상기 수신된 생체 정보를 의료 AI 엔진을 통하여 분석후 검진자의 건강 검진 및 질병 예측을 수행하는 EHR 서버; 및
상기 EHR 서버와 웹 또는 어플리케이션을 통하여 연동되어 회원 가입후, 상기 RMC 측정기기를 통하여 측정된 검진자의 생체 정보에 대응되는 검진자의 건강 검진 및 질병 예측 정보를 제공받는 검진자 단말을 포함하고,
상기 EHR 서버에 제공되는 API를 통하여 상기 RMC 측정기기 및 검진자 단말이 연동되어 데이터를 송수신하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
RMC measuring device for measuring the examinee's biometric information;
an EHR server that receives the examinee's biometric information from the RMC measuring device, analyzes the received biometric information through a medical AI engine, and performs a health checkup and disease prediction of the examinee; and
and a medical examiner terminal that is provided with health checkup and disease prediction information of the examinee corresponding to the examinee's biometric information measured through the RMC measuring device after membership registration by interworking with the EHR server through a web or application;
A health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that the RMC measuring device and the examiner terminal are interlocked to transmit and receive data through the API provided to the EHR server.
 제1항에 있어서,
상기 EHR 서버에 제공되는 API를 통하여 상기 EHR 서버와 연동되고, 상기 RMC 측정기기로부터 수신된 검진자의 생체 정보를 기초로 비대면 원격 진료를 수행한 후 상기 EHR 서버로 진료 결과 정보 및 처방전 발행 정보를 제공하는 의료 단말을 더 포함하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
According to claim 1,
It is linked with the EHR server through the API provided to the EHR server, performs non-face-to-face remote treatment based on the examinee's biometric information received from the RMC measuring device, and then sends treatment result information and prescription issuance information to the EHR server. Health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that it further comprises a medical terminal to provide.
 제2항에 있어서,
상기 검진자 단말은 상기 검진자가 구비하는 단말 장치나 상기 검진자가 이용하는 키오스 단말 장치를 포함하고,
상기 의료 단말은 상기 EHR 서버에 제공되는 API를 통하여 상기 검진자 단말과 연동되고, 상기 RMC 측정기기로부터 수신된 검진자의 생체 정보를 기초로 상기 검진자 단말과 연결된 화상 채널을 통하여 의료진과 검진자 간의 원격 상담이 이루어지는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
3. The method of claim 2,
The examinee terminal includes a terminal device provided by the examinee or a kios terminal device used by the examinee,
The medical terminal is interlocked with the examinee terminal through the API provided to the EHR server, and based on the examinee's biometric information received from the RMC measuring device, remote consultation between the medical staff and the examinee is performed through a video channel connected to the examinee terminal. A health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that it is performed.
 제1항에 있어서,
상기 EHR 서버는 상기 검진자의 회원 정보 및 검진 이력 정보를 저장 및 관리하고, 상기 검진자의 생체 정보를 상기 의료 AI 엔진에 포함된 인공지능 빅데이터 알고리즘을 이용하여 전처리, 정보 분석 및 질병 예측 정보를 추출하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
According to claim 1,
The EHR server stores and manages the examinee's member information and examination history information, and extracts pre-processing, information analysis and disease prediction information for the examinee's biometric information using an artificial intelligence big data algorithm included in the medical AI engine A health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that
 제4항에 있어서,
상기 EHR 서버는 상기 검진자의 검진 이력 정보인 비정형 데이터로부터 연관성 있는 정보를 추출하기 위하여 빅데이터 분석 기법 중 빅데이터 마이닝을 이용하여 의료 정보 간의 연관 관계를 분석하고, 상기 연관 관계 분석 결과 최소 지지도를 만족하는 트랜잭션으로 구성된 상황 집합을 추출하며, 기 설정된 빈도를 초과하는 고빈도 상황 집합으로 발견된 상황 집합을 기반으로 잠재적으로 상황의 개수가 증가한 새로운 고빈도 상황 집합을 계산하고, 새로운 고빈도 집합이 발견되지 않을 때까지 반복하며, 상기 고빈도 상황 집합 중 기 정의된 부정적(Negative) 의료 토픽을 추출하고, 상기 추출된 의료 토픽이 상기 검진자로부터 발현될 가능성을 계산하고, 상기 계산 결과 기 설정된 안정 범위를 초과하는 경우, 상기 질병 예측 정보로 추출하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
5. The method of claim 4,
The EHR server analyzes the correlation between medical information by using big data mining among big data analysis techniques to extract relevant information from the atypical data that is the checkup history information of the examinee, and the correlation analysis result satisfies the minimum degree of support extracts a set of situations consisting of transactions that Repeat until it does not work, extract a predefined negative medical topic from the set of high frequency situations, calculate the likelihood that the extracted medical topic will be expressed from the examinee, and determine a preset stable range as a result of the calculation If it is exceeded, a health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that it is extracted as the disease prediction information.
 제1항에 있어서,
상기 검진자의 검진 이력 정보는 실시간 검진 정보 및 과거 검진 정보를 포함하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
According to claim 1,
The health checkup and disease prediction telemedicine service system using a medical AI engine, characterized in that the checkup history information of the examinee includes real-time checkup information and past checkup information.
 제6항에 있어서,
상기 EHR 서버는 코호트 분석법(Cohort Study)을 이용하여 상기 검진 이력 정보로부터 상기 검진자의 질병 예측 데이터를 추출하고, 상기 검진자와 동일 증상의 모든 환자 데이터를 색인 및 분석하여, 상기 검진자와 유사 환자와 일반적인 병의 진행 추세를 파악하고, 상기 실시간 검진 데이터를 이용하여 빅데이터 분석을 수행하기 위하여, 상기 각 구성요소 간의 통신은 분석 노드가 유연하게 확장되도록 MQTT 프로토콜을 이용하고, 배치(Batch) 및 스트림(Stream) 처리를 동시에 처리하는 람다(Lamda) 구조를 기반으로 하둡(Hadoop)의 배치 프로세스(Batch Processing)을 통하여 상기 빅데이터의 분석을 실시간으로 처리하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
7. The method of claim 6,
The EHR server extracts disease prediction data of the examinee from the examination history information using a cohort study, indexes and analyzes all patient data with the same symptoms as the examinee, In order to grasp the disease progression trend and perform big data analysis using the real-time examination data, the communication between each component uses the MQTT protocol so that the analysis node can be flexibly expanded, batch and stream ( Health check using a medical AI engine, characterized in that the analysis of the big data is processed in real time through the batch processing of Hadoop based on the Lambda structure that simultaneously processes the stream) and disease prediction telemedicine service system.
 제1항에 있어서,
상기 RMC 측정기기는 혈압계, 혈당측정기계, 산소포화도 측정기계, 심전도 측정기계 및 체온계 중 적어도 하나 이상을 포함하고,
상기 검진자의 생체 정보는 상기 검진자의 혈압, 혈당, 산소포화도, 심전도 및 체온 정보 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 의료 AI 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템.
According to claim 1,
The RMC measuring device includes at least one of a blood pressure monitor, a blood sugar measuring device, an oxygen saturation measuring device, an electrocardiogram measuring device, and a thermometer,
The biometric information of the examinee includes at least one of blood pressure, blood sugar, oxygen saturation, electrocardiogram, and body temperature information of the examinee.
KR1020200158824A 2020-11-11 2020-11-24 System for providing telemedicine service for health examination and disease prediction using medical ai engine KR102495086B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200149971 2020-11-11
KR1020200149971 2020-11-11

Publications (2)

Publication Number Publication Date
KR20220068858A true KR20220068858A (en) 2022-05-26
KR102495086B1 KR102495086B1 (en) 2023-02-07

Family

ID=81808762

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200158824A KR102495086B1 (en) 2020-11-11 2020-11-24 System for providing telemedicine service for health examination and disease prediction using medical ai engine

Country Status (1)

Country Link
KR (1) KR102495086B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102501897B1 (en) * 2022-10-31 2023-03-03 주식회사 에이아이플랫폼 Platform for selling medical data

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060066967A (en) * 2004-12-14 2006-06-19 조승호 Remote health administration system using mobile terminal and method thereof
KR20180062417A (en) * 2016-11-29 2018-06-08 엠랩 주식회사 System and method for providing health information using big data analysis
KR101937434B1 (en) * 2017-09-25 2019-01-10 천자혜 Method for providing primary doctor service using bigdata and ai
KR20200078350A (en) 2018-12-21 2020-07-01 강지영 Medical data integration management system
KR20200117118A (en) 2019-04-03 2020-10-14 주식회사 알파이브코리아 Methed of providing customized voice service based on deep-learning and system thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060066967A (en) * 2004-12-14 2006-06-19 조승호 Remote health administration system using mobile terminal and method thereof
KR20180062417A (en) * 2016-11-29 2018-06-08 엠랩 주식회사 System and method for providing health information using big data analysis
KR101937434B1 (en) * 2017-09-25 2019-01-10 천자혜 Method for providing primary doctor service using bigdata and ai
KR20200078350A (en) 2018-12-21 2020-07-01 강지영 Medical data integration management system
KR20200117118A (en) 2019-04-03 2020-10-14 주식회사 알파이브코리아 Methed of providing customized voice service based on deep-learning and system thereof

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102501897B1 (en) * 2022-10-31 2023-03-03 주식회사 에이아이플랫폼 Platform for selling medical data

Also Published As

Publication number Publication date
KR102495086B1 (en) 2023-02-07

Similar Documents

Publication Publication Date Title
US11096581B2 (en) Computer-assisted patient navigation and information systems and methods
US9955869B2 (en) System and method for supporting health management services
US10354051B2 (en) Computer assisted patient navigation and information systems and methods
Vuppalapati et al. The role of big data in creating sense ehr, an integrated approach to create next generation mobile sensor and wearable data driven electronic health record (ehr)
US20170091391A1 (en) Patient Protected Information De-Identification System and Method
US20160019666A1 (en) Client management tool system and method
US20120179478A1 (en) Devices, Systems, and Methods for the Real-Time and Individualized Prediction of Health and Economic Outcomes
US11200967B1 (en) Medical patient synergistic treatment application
US20210241871A1 (en) Systems and Methods for Reducing Patient Readmission to Acute Care Facilities
Trajkovik et al. General assisted living system architecture model
KR20220095104A (en) Big data and cloud system based AI(artificial intelligence) emergency medical care decision-making and emergency patient transfer system and method thereof
EP3170114A1 (en) Client management tool system and method
Sony et al. The impact of medical cyber–physical systems on healthcare service delivery
Orsini et al. My smart age with HIV: an innovative mobile and IoMT framework for patient's empowerment
Walters et al. Virtualized care systems, medical artificial intelligence, and real-time clinical monitoring in COVID-19 diagnosis, screening, surveillance, and prevention
WO2018204521A1 (en) Mobile interoperable personal health information exchange with biometrics data analytics
KR102495086B1 (en) System for providing telemedicine service for health examination and disease prediction using medical ai engine
Zucco et al. Predicting abandonment in telehomecare programs using sentiment analysis: a system proposal
Campbell Smart Telemedicine Diagnosis Systems, Biomedical Big Data, and Telehealth Outpatient Monitoring in COVID-19 Screening, Testing, and Treatment
Petrenko et al. Wireless sensor networks for healthcare on SOA
Monteiro et al. An overview of medical Internet of Things, artificial intelligence, and cloud computing employed in health care from a modern panorama
Kaur Internet of things (IoT) and big data analytics (BDA) in healthcare
KR102268506B1 (en) System for managing information related to epilepsy
Shen et al. Toward a nationwide mobile-based public healthcare service system with wireless sensor networks
AU2021101675A4 (en) Consistent data-driven decision-making system for tele medicine applications using multitudinal and multimodal data

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