KR20220144912A - 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치 - Google Patents

Abstract

본 발명은 요양 서비스 정보를 제공하는 전자 장치의 동작 방법을 개시한다. 구체적으로 상기 동작 방법은, 사용자의 신체 상태 정보를 획득하는 동작, 상기 신체 상태 정보를 AI (artificial intelligence) 엔진 (engine)에 입력하는 동작, 및 상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 상기 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함할 수 있다.

Description

요양 서비스 정보 제공을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치{OPERATING METHOD FOR ELECTRONIC APPARATUS FOR OFFERING CARE SERVICE AND ELECTRONIC APPARATUS SUPPORTING THEREOF}

본 발명은 요양 서비스 정보 제공 방법에 관한 것으로서, 더욱 상세하게는 요양 서비스 수급자의 신체 상태 정보를 분석하여 수급자에 맞는 의료 활동 정보, 식단 정보 및 신체 활동 프로그램 정보를 추천하고 수급자에 대한 효율적인 요양 서비스 관리를 도모할 수 있도록 한 방법 및 이의 전자 장치에 관한 것이다.

최근 한국 사회가 고령화 사회로 접어들며 실버 산업이 급속도로 성장하고 있다. 관련 분야로서 의료기관 또는 요양기관의 설립과 이를 이용하는 고령자의 비율이 급격히 증가하고 있는 추세이다.

그러나 실버 산업 분야가 빠르게 성장하는 만큼 그 관리 체계에는 아직 미흡한 점이 많은 것이 실정이다. 실례로 거동이 불편한 노인을 장시간 방치하여 운동신경이 더욱 둔화되거나, 몸에 욕창이 생기는 등 요양 기관으로서의 제 역할을 다하지 못하는 경우가 있어 문제가 되고 있다.

상술한 문제와 관련하여 '접이식 휠체어 기반의 체중 측정 시스템 및 이를 이용한 체중 측정 방법(한국 특허공 개 10-2011-0051426호)', '무게 측정이 가능한 의료침대(한국 특허공개 10-2014-0005055 호)'가 개진되었다. 상기 양 발명은 접이식 휠체어 또는 의료침대에 체중 측정 장치를 부가함으로써 접이식 휠체어나 의료침대를 이 용하는 환자 또는 거동이 불편한 노인의 체중 측정을 용이하게 한데에 특징이 있다. 그러나 상기 양 발명은 접 이식 휠체어 또는 의료침대에 체중 측정 수단이 결합되어 있을 뿐이다. 따라서, 환자 또는 노인을 포함한 요양 서비스 수급자에 대해 수급자, 요양 복지사 및/또는 관리자 간 간단하고 보편적이며, 효율적으로 요양 서비스를 관리할 수 있는 시스템 및 방법이 필요하다.

한편, 머신 러닝을 기반으로 한 컨텐츠 분석은 다양한 소셜 네트워크 서비스(SNS), 클라우드 플랫폼 서비스 등에서 널리 이용되고 있으며, 컨텐츠의 흐름, 뉘앙스 또는 의도까지 인식하는 수준으로 발전하고 있다. 컨텐츠 인식을 기반으로 하는 인공지능(AI) 서비스도 현재 시장의 트렌드의 하나이다. 이러한 인공지능(AI) 기술은 현재 다양한 분야에 적용되는 추세이다.

본 발명의 방법에 따르면 요양 서비스 정보 제공 시스템은 머신 러닝을 통해 요양 서비스 수급자에 대해 적절한 것으로 판단되는 의료 활동 정보, 식단 정보 및 추천 신체 활동 프로그램을 추천하여, 수급자, 복지사 및/또는 관리자 간 효율적인 요양 서비스 관리를 도모할 수 있도록 한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

다양한 실시예들은, 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치를 제공할 수 있다.

다양한 실시예들에 따른 전자 장치의 동작 방법은: 사용자의 신체 상태 정보를 획득하는 동작; 상기 신체 상태 정보를 AI (artificial intelligence) 엔진 (engine)에 입력하는 동작; 및 상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 상기 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함할 수 있다.

예시적 실시예에서, 상기 AI 엔진의 출력 동작은: 상기 신체 상태 정보에 기반하여, 표준 신체 상태 정보를 획득하는 동작; 상기 신체 상태 정보 및 상기 표준 신체 상태 정보를 비교하여 상기 사용자의 건강 상태를 판단하는 동작; 및 상기 판단된 건강 상태에 기반하여, 상기 추천 의료 활동에 대한 정보, 상기 추천 식단에 대한 정보 및 상기 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함할 수 있다.

예시적 실시예에서, 상기 신체 상태 정보는, 상기 사용자의 나이, 성별, 몸무게 및 키를 포함한 신체 정보, 상기 사용자의 혈당에 대한 정보 및 상기 사용자의 혈압에 대한 정보를 포함하고, 상기 표준 신체 상태 정보는, 상기 사용자와 동일한 나이, 성별, 몸무게 및 키를 포함한 신체 정보에 대응하여 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보 및 표준 혈압에 대한 정보를 포함할 수 있다.

예시적 실시예에서, 상기 사용자의 건강 상태를 판단하는 동작은: 상기 신체 상태 정보 및 상기 표준 신체 상태 정보에 기반하여, 상기 사용자를 위한 목표 혈당, 목표 혈압 및 권장 운동량을 판단하는 동작; 상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 상기 추천 의료 활동에 대한 정보로 판단하는 동작; 상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 식단에 대한 정보를 상기 추천 식단에 대한 정보로 판단하는 동작; 및 상기 사용자의 권장 운동량에 기반하여, 상기 사용자를 위해 필요한 운동 활동에 대한 정보를 상기 추천 신체 활동 프로그램에 대한 정보로 판단하는 동작을 포함할 수 있다.

예시적 실시예에서, 상기 검사 요구 항목 및 상기 추천 의료 진료 항목은, 복수의 신체 상태 정보, 의료 검사 정보 및 의료 진료 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 검사 요구 항목 정보 및 의료 진료 항목 정보일 수 있다.

예시적 실시예에서, 상기 추천 식단에 대한 정보는 상기 사용자를 위한 복수의 음식 목록을 포함하며, 상기 복수의 음식 목록은 복수의 예시적 음식들을 포함하도록 결정되고, 상기 복수의 예시적 음식들은, 혈당 정보, 혈압 정보, 영양소 정보 및 복수의 음식 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 음식 정보일 수 있다.

예시적 실시예에서, 상기 추천 신체 활동 프로그램에 대한 정보는, 상기 신체 상태 정보 및 상기 권장 운동량에 따라 추천되는 복수의 신체 활동 프로그램 중 어느 하나의 신체 활동 프로그램을 포함하며, 상기 복수의 신체 활동 프로그램은: 단순 착석 및 기립 운동을 포함하는 제1 신체 활동 프로그램, 상기 제1 신체 활동 프로그램, 박수 운동 및 단전 호흡 운동을 포함하는 제2 신체 활동 프로그램, 상기 제2 신체 활동 프로그램 및 기초 스트레칭 운동을 포함하는 제3 신체 활동 프로그램, 상기 제3 신체 활동 프로그램, 기초 요가 운동 및 기초 웨이트 트레이닝 운동을 포함하는 제4 신체 활동 프로그램, 및 상기 제4 신체 활동 프로그램, 전문 요가 운동 및 전문 웨이트 트레이닝 운동을 포함하는 제5 신체 활동 프로그램을 포함할 수 있다.

예시적 실시예에서, 상기 AI 엔진은, 모델 (model)에 기계 학습 (machine learning)을 적용함에 기초하여 미리 구성되고, 상기 기계 학습은: - (a) 학습용 의료 데이터, 식단 데이터 또는 신체 활동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습; - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득; - (c) 상기 제1 피드백 정보에 기초하여 상기 모델을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c)의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료됨에 기초하여 수행될 수 있다.

다양한 실시예들에 따른 전자 장치는: 프로세서 (processor); 및 하나 이상의 인스트럭션 (instruction)을 저장하는 하나 이상의 메모리 (memory)를 포함할 수 있다.

예시적 실시예에서, 상기 하나 이상의 인스트럭션은, 실행 시에, 상기 프로세서가: 사용자의 신체 상태 정보를 획득하는 동작; 상기 신체 상태 정보를 AI (artificial intelligence) 엔진 (engine)에 입력하는 동작; 및 상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 상기 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 수행하도록 상기 프로세서를 제어할 수 있다.

예시적 실시예에서, 상기 AI 엔진의 출력 동작은: 상기 신체 상태에 대한 정보에 기반하여, 표준 신체 상태 정보를 획득하는 동작; 상기 신체 상태에 대한 정보 및 상기 표준 신체 상태 정보를 비교하여 상기 사용자의 건강 상태를 판단하는 동작; 및 상기 판단된 건강 상태에 기반하여, 상기 추천 의료 활동에 대한 정보, 상기 추천 식단에 대한 정보 및 상기 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함할 수 있다.

예시적 실시예에서, 상기 신체 상태 정보는, 상기 사용자의 나이, 성별, 몸무게 및 키를 포함한 신체 정보, 상기 사용자의 혈당에 대한 정보 및 상기 사용자의 혈압에 대한 정보를 포함하고, 상기 표준 신체 상태 정보는, 상기 사용자와 동일한 나이, 성별, 몸무게 및 키를 포함한 신체 정보에 대응하여 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보 및 표준 혈압에 대한 정보를 포함할 수 있다.

예시적 실시예에서, 상기 사용자의 건강 상태를 판단하는 동작은: 상기 신체 상태 정보 및 상기 표준 신체 상태 정보에 기반하여, 상기 사용자를 위한 목표 혈당, 목표 혈압 및 권장 운동량을 판단하는 동작; 상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 상기 추천 의료 활동에 대한 정보로 판단하는 동작; 상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 식단에 대한 정보를 상기 추천 식단에 대한 정보로 판단하는 동작; 및 상기 사용자의 권장 운동량에 기반하여, 상기 사용자를 위해 필요한 운동 활동에 대한 정보를 상기 추천 신체 활동 프로그램에 대한 정보로 판단하는 동작을 포함할 수 있다.

예시적 실시예에서, 상기 검사 요구 항목 및 상기 추천 의료 진료 항목은, 복수의 신체 상태 정보, 의료 검사 정보 및 의료 진료 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 검사 요구 항목 정보 및 의료 진료 항목 정보일 수 있다.

예시적 실시예에서, 상기 추천 식단에 대한 정보는 상기 사용자를 위한 복수의 음식 목록을 포함하며, 상기 복수의 음식 목록은 복수의 예시적 음식들을 포함하도록 결정되고, 상기 복수의 예시적 음식들은, 혈당 정보, 혈압 정보, 영양소 정보 및 복수의 음식 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 음식 정보일 수 있다.

예시적 실시예에서, 상기 추천 신체 활동 프로그램에 대한 정보는, 상기 신체 상태 정보 및 상기 권장 운동량에 따라 추천되는 복수의 신체 활동 프로그램 중 어느 하나의 신체 활동 프로그램을 포함하며, 상기 복수의 신체 활동 프로그램은: 단순 착석 및 기립 운동을 포함하는 제1 신체 활동 프로그램, 상기 제1 신체 활동 프로그램, 박수 운동 및 단전 호흡 운동을 포함하는 제2 신체 활동 프로그램, 상기 제2 신체 활동 프로그램 및 기초 스트레칭 운동을 포함하는 제3 신체 활동 프로그램, 상기 제3 신체 활동 프로그램, 기초 요가 운동 및 기초 웨이트 트레이닝 운동을 포함하는 제4 신체 활동 프로그램, 및 상기 제4 신체 활동 프로그램, 전문 요가 운동 및 전문 웨이트 트레이닝 운동을 포함하는 제5 신체 활동 프로그램을 포함할 수 있다.

예시적 실시예에서, 상기 AI 엔진은, 모델 (model)에 기계 학습 (machine learning)을 적용함에 기초하여 미리 구성되고, 상기 기계 학습은: - (a) 학습용 의료 데이터, 식단 데이터 또는 신체 활동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습; - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득; - (c) 상기 제1 피드백 정보에 기초하여 상기 모델을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c)의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료됨에 기초하여 수행될 수 있다.

상술한 본 개시의 다양한 실시예들은 본 개시의 바람직한 실시예들 중 일부에 불과하며, 본 개시의 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.

본 발명은 요양 서비스 수급자에 대해 적절한 것으로 판단되는 의료 활동 정보, 식단 정보 및 추천 신체 활동 프로그램을 추천할 수 있는 방법을 제시하여, 수급자, 요양사 및/또는 관리자 간 효율적인 요양 서비스 관리를 도모할 수 있는 측면에서 기술적인 효과를 갖는다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 본 개시의 기술적 특징을 설명한다.
도 1은 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법이 구현될 수 있는 요양 서비스 정보 제공 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 측정 장치 및/또는 사용자 장치의 구성을 도시한 도면이다.
도 3은 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 4 내지 도 5는 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 UI/UX 일 예를 도시한 도면이다.
도 6는 다양한 실시예들에 따른 건강 상태 판단을 위한 전자 장치의 동작 방법을 도시한 도면이다.
도 7은 다양한 실시예들에 따른 요양 서비스 제공을 위한 AI (artificial intelligence) 엔진을 획득하는 과정을 도시한 도면이다.

이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

1. 요양 서비스 정보 제공 시스템 구현

도 1은 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법이 구현될 수 있는 요양 서비스 정보 제공 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 다양한 실시예들에 따른 요양 서비스 정보 제공 시스템은 다양한 종류의 전자 장치들에 구현될 수 있다. 예를 들어, 요양 서비스 정보 제공 시스템은 서버 디바이스(100) 및/또는 사용자 디바이스(200)에 구현될 수 있다. 달리 말해, 서버 디바이스(100) 및/또는 사용자 디바이스(200)는 각각의 장치에 구현된 요양 서비스 정보 제공 시스템을 기반으로, 본 개시의 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 요양 서비스 정보 제공 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 전자 장치와 서버들에 구현될 수도 있을 것이다.

다양한 실시예들에 따른 서버 디바이스(100)는, 복수 개의 사용자 디바이스(200)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 서버 디바이스(100)는 복수 개의 사용자 디바이스들과 연동되는 클라우드 디바이스(Cloud device)일 수 있다.

다양한 실시예들에 따른 사용자 디바이스(200)는, 데스크탑 피시, 태블릿 피시, 모바일 단말 등의 개인 사용자에 의해 이용될 수 있는 장치일 수 있다. 이외에도 유사한 기능을 수행하는 다른 전자 장치들이 사용자 디바이스(200)로 이용될 수 있다.

1.1. 기능적 구현

다양한 실시예들에 따른 요양 서비스 정보 제공 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 요양 서비스 정보 제공 시스템에 포함된 모듈들은 요양 서비스 정보 제공 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 서버 디바이스(100) 및/또는 사용자 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션 (instruction) 일 수 있다. 다시 말해, 요양 서비스 정보 제공 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.

1.2. 장치 구현

도 2는 다양한 실시예들에 따른 서버 디바이스 및/또는 사용자 디바이스의 구성을 도시한 도면이다.

도 2를 참조하면, 서버 디바이스(100) 및/또는 사용자 디바이스(200)는 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.

입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.

일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.

통신부(220)는 외부 기기와 통신할 수 있다. 따라서, 서버 디바이스(100) 및/또는 사용자 디바이스(200)는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 서버 디바이스(100) 및/또는 사용자 디바이스(200)는 통신부를 이용해 상호 간 통신을 수행하거나, 기타 외부 기기와 통신을 수행할 수 있다.

여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다.

데이터베이스(230)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 서버(100)의 데이터베이스에는 서버(100)를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.

데이터베이스(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.

프로세서(240)는 서버 디바이스(100) 및/또는 사용자 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(240)는 각종 정보의 연산 및 처리를 수행하고 서버(100)의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(240)는 요양 서비스 정보 제공을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 서버 디바이스(100) 및/또는 사용자 디바이스(200)의 동작은 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 상술한 요양 서비스 정보 제공 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 서버 디바이스(100) 및/또는 사용자 디바이스(200)를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.

요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.

하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고받을 수 있다.

2. 다양한 실시예들에 따른 전자 장치의 동작

이하에서는, 상기와 같은 기술적 사상에 기반하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제 1 절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제 1 절의 내용들에 기반하여 수행되고 설명될 수 있다.

2.1 요양 서비스 정보 제공 동작

이하의 설명에서는 서버 디바이스(100)가 요양 서비스 정보 제공 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하나, 다양한 실시예들에 따르면, AI 엔진에 대한 동작 수행이 가능한 사용자 디바이스(200)가 요양 서비스 정보 제공 동작을 수행할 수도 있다.

도 3은 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법을 도시한 도면이다.

다양한 실시예들에 따르면, 동작 301에서, 서버 디바이스(100)는 사용자의 신체 상태 정보를 획득할 수 있다.

예를 들어, 사용자의 신체 상태 정보는 사용자 디바이스(200)에 대한 입력 동작을 수행한 것에 기반하여 서버 디바이스(100)에 획득될 수 있다.

예를 들어, 사용자 디바이스(200)는 사용자의 신체 상태 정보를 획득한 후 서버 디바이스(100)에 전송할 수 있다.

예를 들어, 사용자 디바이스(200)에 신체 상태 정보를 입력하는 것은, 요양 서비스를 받는 수급자가 자신의 신체 상태에 대한 정보를 직접 입력하는 것이거나, 또는 요양 서비스를 제공하는 요양 복지사가 요양 서비스를 받는 수급자의 신체 상태에 대한 정보를 획득하여 입력하는 것이거나, 및/또는 요양 서비스의 제공을 관리하는 관리자가 요양 서비스를 받는 수급자의 신체 상태에 대한 정보를 획득하여 입력하는 것일 수 있다.

즉 동작 301에서 입력될 신체 상태 정보의 대상이 되는 사용자는 요양 서비스를 받는 수급자일 수 있으나, 신체 상태 정보에 대한 입력 동작은 요양 서비스를 받는 수급자, 요양 서비스를 제공하는 요양 복지사 및/또는 요양 서비스의 제공을 관리하는 관리자일 수 있다.

예를 들어, 신체 상태 정보는 사용자의 나이, 성별, 몸무게 및 키를 포함한 기타 신체에 대한 정보를 포함할 수 있다.

예를 들어, 신체 상태 정보는 사용자의 혈당에 대한 정보를 포함할 수 있다. 여기서 사용자의 혈당에 대한 정보는, 요양 서비스를 받는 수급자가 병원 진료 내역 등을 통해 미리 획득한 자신의 혈당에 대한 정보이거나, 요양 서비스를 제공하는 요양 복지사가 병원 진료 등을 통해 획득한 요양 서비스를 받는 수급자의 혈당에 대한 정보일 수 있다.

예를 들어, 신체 상태 정보는 사용자의 혈압에 대한 정보를 포함할 수 있다. 여기서 사용자의 혈압에 대한 정보는, 요양 서비스를 받는 수급자가 병원 진료 내역 등을 통해 미리 획득한 자신의 혈압에 대한 정보이거나, 요양 서비스를 제공하는 요양 복지사가 병원 진료 등을 통해 획득한 요양 서비스를 받는 수급자의 혈압에 대한 정보일 수 있다.

예를 들어, 신체 상태 정보는 사용자의 체온에 대한 정보를 포함할 수 있다. 여기서 사용자의 체온에 대한 정보는, 요양 서비스를 받는 수급자가 병원 진료 내역 또는 체온계 등을 통해 미리 획득한 자신의 체온에 대한 정보이거나, 요양 서비스를 제공하는 요양 복지사가 병원 진료 또는 체온계 등을 통해 획득한 요양 서비스를 받는 수급자의 체온에 대한 정보일 수 있다.

다양한 실시예들에 따르면, 동작 303에서, 서버 디바이스(100)는 신체 상태 정보를 AI 엔진 (engine)에 입력할 수 있다.

예를 들어, 서버 디바이스(100)는 신체 상태 정보를 AI 엔진에 입력 가능하도록 벡터(vector)화 된 정보로 처리하여 AI 엔진에 상기 신체 상태 정보를 입력할 수 있다.

예를 들어, 서버 디바이스(100)가 신체 상태 정보를 벡터화 된 정보로 처리하는 것은, 상기 신체 상태 정보에 포함된 각각의 정보의 종류에 대하여 벡터화를 수행하는 것일 수 있다.

예를 들어, 서버 디바이스(100)가 신체 상태 정보를 벡터화 된 정보로 처리하는 것은 신체 상태 정보를 구성하는 자연어를 수치화 및/또는 방향화 하는 것을 의미할 수 있으며, 상기 자연어는 숫자, 한국어 및/또는 영어 등 기타 서버 디바이스(100) 및 사용자 디바이스(100)가 인식 가능한 모든 언어를 포함할 수 있다.

예를 들어, AI 엔진에 대한 서버 디바이스(100)의 신체 상태 정보 입력은 단어, 용어, 문구 등 의미를 파악할 수 있는 모든 단위에서 수행될 수 있다.

다양한 실시예들에 따르면, 동작 305에서, 사용자 디바이스(200)는 상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력할 수 있다.

여기서, 상기 추천 의료 활동에 대한 정보, 상기 추천 식단에 대한 정보 및 상기 추천 신체 활동 프로그램에 대한 정보를 출력하기 위한 상기 AI 엔진의 출력 동작은, 후술할 도 6의 동작에 따라 수행될 수 있다.

도 4 내지 도 5는 다양한 실시예들에 따른 요양 서비스 정보 제공을 위한 UI/UX 일 예를 도시한 도면이다. 예를 들어, 도 4 내지 도 5의 예시는 사용자 디바이스(200)를 위한 UI/UX (user interface/user experience) 일 수 있다.

도 4를 참조하면, 특정의 수급자에 대하여 성명, 생년월일, 전화번호, 주소, 수급개시일 및 담당 복지사를 포함하는 개인 정보가 해당 특정의 수급자를 위한 요양 서비스 제공 페이지에 포함될 수 있다(401).

도 4를 참조하면, 수급자의 신체 상태 정보가 사용자 디바이스(200)에 대한 입력될 수 있다(403). 이 때 수급자의 신체 상태 정보는, 동작 301의 실시예들에 따라 요양 서비스를 받는 수급자에 의해 직접 사용자 디바이스(200)에 입력되거나, 또는 요양 서비스를 제공하는 요양 복지사에 의해 사용자 디바이스(200)에 입력되거나, 및/또는 요양 서비스의 제공을 관리하는 관리자에 의해 사용자 디바이스(200)에 입력될 수 있다.

예를 들어, 사용자의 신체 상태 정보는 나이, 성별, 키, 몸무게, 혈당, 혈압 및/또는 체온에 대한 정보를 포함할 수 있다.

도 4를 참조하면, 수급자의 신체 상태 정보를 입력한 후 “입력 완료 및 결과 보기” 탭을 클릭하면(403) 수급자에 대한 요양 서비스를 위한 출력 정보를 확인할 수 있다.

예를 들어, 수급자에 대한 요양 서비스를 위한 출력 정보는, 수급자의 혈당, 혈압 및 체온에 대한 정보를 확인할 수 있다(405). 405에서 출력되는 정보는, “나이: 만 88세, 성별: 남, 키: 177cm, 몸무게: 66kg, 혈당: 98 mg/dl, 혈압: 134 mmHg 및 체온: 36.4'C”의 입력 값에 대한 출력 정보를 나타낸 것이다. 405에서, 수급자가 해당하는 나이 대에서의 혈당 범위에 수급자의 혈당 수치가 포함됨을 확인함과 함께, 수급자의 혈당 수치에 이상이 없는 표시가 제공되는 것을 확인할 수 있다. 405에서, 수급자가 해당하는 나이 대에서의 혈압 범위에 수급자의 혈압 수치가 포함되지 않음을 확인함과 함께, 수급자의 혈압 수치가 고혈압 저위험 군에 해당한다는 표시 및 혈압 저하 관리를 위한 목표 혈압에 대한 표시가 제공되는 것을 확인할 수 있다. 또한 405에서, 수급자의 체온이 정상에 해당한다는 표시가 제공되는 것을 확인할 수 있다.

예를 들어, 수급자에 대한 요양 서비스를 위한 출력 정보는 수급자의 혈당 및/또는 혈압에 기반하여 결정되는 추천 의료 활동 정보, 추천 식단 정보 및/또는 추천 신체 활동 프로그램 정보를 포함할 수 있다.

도 5는 도 4의 405의 추천 의료 활동 정보, 추천 식단 정보 및/또는 추천 신체 활동 프로그램 정보가 나타나는 사용자 디바이스(200)를 위한 UI/UX를 구체화 한 도면이다.

도 5를 참조하면, 신체 상태 정보가 입력된 수급자에 대한 추천 의료 활동 정보가 수급자에 대한 요양 서비스를 위한 출력 정보로서 출력될 수 있다(501).

예를 들어, 501에서 수급자의 혈당 수치에 별다른 이상이 없으므로, 추천 의료 활동 정보는 수급자를 위한 별도의 혈당 관리가 필요 없음을 알리는 정보를 포함할 수 있다.

예를 들어, 501에서 수급자의 혈압 수치가 수급자가 해당하는 나이 대의 혈압 수치 범위보다 큰 것으로 확인되므로, 추천 의료 활동 정보는 1) 병원 내원 및 혈압 재측정의 필요성을 알리는 정보, 2) 두통, 어지럼증 및/또는 이명 현상 등 일상 생활에서 나타날 수 있는 고혈압 증세와 관련된 검사 항목에 대한 정보 및/또는 3) 뇌졸증, 심근경색 및/또는 신부전 등 정밀 의료 진찰이 필요한 항목에 대한 안내 정보를 포함할 수 있다. 즉, 추천 의료 활동 정보는 상기와 같이 혈압 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보를 포함할 수 있다.

도 5를 참조하면, 신체 상태 정보가 입력된 수급자에 대한 추천 식단 정보가 수급자에 대한 요양 서비스를 위한 출력 정보로서 출력될 수 있다(503).

예를 들어, 503에서 출력되는 추천 식단은, 수급자의 수급자의 혈압 수치가 수급자가 해당하는 나이 대 및 성별의 혈압 수치 범위보다 큰 것을 고려하여 고혈압 해당자를 위한 식단에 해당하는 식단으로 구성될 수 있다.

예를 들어, 출력되는 추천 식단은 일주일 단위의 추천 식단을 포함할 수 있으며, 사용자가 원하는 경우 한 달 단위의 추천 식단에 대한 정보 역시 확인할 수 있다.

도 5를 참조하면, 신체 상태 정보가 입력된 수급자에 대한 추천 신체 활동 프로그램 정보가 수급자에 대한 요양 서비스를 위한 출력 정보로서 출력될 수 있다(505).

예를 들어, 505에서 출력되는 추천 신체 활동 프로그램 정보는, 수급자의 수급자의 혈압 수치가 수급자가 해당하는 나이 대 및 성별의 혈압 수치 범위보다 큰 것을 고려하여 결정되는 것일 수 있다.

예를 들어, 505에서 출력되는 추천 신체 활동 프로그램 정보는, 수급자가 해당하는 나이 대 및 성별에 속하는 사람들이 건강 상태 개선을 위해 수행 가능한 보편적인 신체 활동을 포함할 수 있다.

예를 들어, 505에서 출력되는 추천 신체 활동 프로그램 정보는 수급자가 해당하는 나이 대 및 성별에 속하는 사람들을 기준으로 추천될 수 있는 것이므로, 사용자의 현 신체 활동 능력에 따라 추천되는 신체 활동 프로그램보다 강도가 약한 신체 활동 프로그램을 수행하거나 또는 강도가 강한 신체 활동 프로그램을 수행할 수도 있다.

도 4 내지 도 5의 사용자 디바이스(200)를 위한 UI/UX 및 사용자 디바이스의 동작은 후술할 도 6 내지 도 7에 개시된 서버 디바이스(100) 및 AI 엔진의 동작과 연관되어 수행되며, 도 4 내지 도 5의 UI/UX 예시는 본 발명의 개시를 위한 하나의 예시로서 본 발명의 다양한 실시예들이 도 4 내지 도 5의 UI/UX 형태에 한정되지 않으며 본 발명의 다양한 실시예들을 구현할 수 있는 모든 형태의 UI/UX에 따라 수행될 수 있다.

2.2 건강 상태 판단 동작

이하의 설명에서는 서버 디바이스(100)가 건강 상태 판단 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하나, 다양한 실시예들에 따르면, 서버 디바이스(100)로부터 AI 엔진에 대한 동작 수행이 사용자 디바이스(200)가 시청률 예측 동작을 수행할 수도 있다. 또한, 건강 상태 판단 동작은 후술할 2.3절의 AI 엔진에 따른 동작일 수도 있다.

도 6는 다양한 실시예들에 따른 건강 상태 판단을 위한 전자 장치의 동작 방법을 도시한 도면이다. 도 6의 다양한 실시예들에 따른 건강 상태 판단을 위한 전자 장치의 동작은, 도 3에서 전술한 서버 디바이스(100)의 다양한 실시예들에 따른 동작과 연관되어 수행될 수 있다.

다양한 실시예들에 따르면, 동작 601에서, 서버 디바이스(100)는 신체 상태 정보에 기반하여 표준 신체 상태 정보를 획득할 수 있다.

예를 들어, 표준 신체 상태 정보는 사용자로부터 사용자 디바이스(200)에 입력된 신체 상태 정보에 대응되는 정보일 수 있다.

예를 들어, 표준 신체 상태 정보는, 사용자의 신체 상태 정보에 포함된 신체 상태에 대한 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보와 표준 혈압에 대한 정보를 포함할 수 있다.

예를 들어, 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보는, 신체 상태 정보에 포함된 나이, 성별, 몸무게 및 키를 포함한 기타 신체 사항에 대하여 건강 상 이상이 없다고 의학적으로 판단되는 혈당 수치의 범위를 포함할 수 있다.

예를 들어, 표준적인 건강 상태를 나타내는 표준 혈압에 대한 정보는, 신체 상태 정보에 포함된 나이, 성별, 몸무게 및 키를 포함한 기타 신체 사항에 대하여 건강 상 이상이 없다고 의학적으로 판단되는 혈압 수치의 범위를 포함할 수 있다.

예를 들어, 특정의 신체 상태에 대한 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보와 표준 혈압에 대한 정보는, 의학적으로 연구된 연구 내용, 기초 의학 상식으로서 알려진 의학 지식 내용 및/또는 의학 분야 전문가의 소견 등을 통해 결정된 정보일 수 있다. 예컨대, 특정의 신체 상태에 대한 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보와 표준 혈압에 대한 정보는, 의학 연구 분야 종사자가 연구를 위해 사용하는 정보에 해당하는 정보이거나, 인터넷 기타 매체 등에 의해 정확한 것으로 알려진 의학 지식에 해당하는 정보이거나 및/또는 의학 분야 종사자가 의료 진료를 위해 사용하는 의료 정보에 해당하는 정보에 해당하거나 이를 참고하여 결정된 정보일 수 있다.

다양한 실시예들에 따르면, 동작 603에서, 서버 디바이스(100)는 신체 상태 정보 및 표준 신체 상태 정보에 기반하여, 사용자를 위한 목표 혈당, 목표 혈압 및 권장 운동량을 판단할 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 포함되어 있는 지 여부에 따라 목표 혈당이 결정될 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 포함되어 있는 경우, 목표 혈당을 판단하는 것은 현재 사용자의 혈당에 별다른 문제가 없다고 판단하는 것일 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 포함되어 있는 경우, 사용자를 위한 목표 혈당은 “이상 없음”으로 판단할 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 큰 값을 가지는 경우, 목표 혈당을 판단하는 것은 현재 사용자가 고혈당에 해당하며 정상 혈당 수치의 범위 내로 오기 위해 일정한 수준의 혈당 저하를 위한 관리가 필요하다고 판단하는 것일 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 큰 값을 가지는 경우, 사용자를 위한 목표 혈당은 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이에 따라 “고혈당 고위험” 및/또는 “고혈당 조금 위험” 등으로 판단될 수 있다. 또한 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이가 목표 혈당으로 함께 판단될 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 작은 값을 가지는 경우, 목표 혈당을 판단하는 것은 현재 사용자가 저혈당에 해당하며 정상 혈당 수치의 범위 내로 오기 위해 일정한 수준의 혈당 상승을 위한 관리가 필요하다고 판단하는 것일 수 있다.

예를 들어, 표준 혈당에 대한 정보가 포함하는 혈당 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈당 정보가 작은 값을 가지는 경우, 사용자를 위한 목표 혈당은 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이에 따라 “저혈당 고위험” 및/또는 “저혈당 조금 위험” 등으로 판단될 수 있다. 또한 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이가 목표 혈당으로 함께 판단될 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 포함되어 있는 지 여부에 따라 목표 혈압이 결정될 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 포함되어 있는 경우, 목표 혈압을 판단하는 것은 현재 사용자의 혈압에 별다른 문제가 없다고 판단하는 것일 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위에 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 포함되어 있는 경우, 사용자를 위한 목표 혈압은 “이상 없음”으로 판단할 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 큰 값을 가지는 경우, 목표 혈압을 판단하는 것은 현재 사용자가 고혈압에 해당하며 정상 혈압 수치의 범위 내로 오기 위해 일정한 수준의 혈압 저하를 위한 관리가 필요하다고 판단하는 것일 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 큰 값을 가지는 경우, 사용자를 위한 목표 혈압은 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이에 따라 “고혈압 고위험” 및/또는 “고혈압 조금 위험” 등으로 판단될 수 있다. 또한 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이가 목표 혈압으로 함께 판단될 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 작은 값을 가지는 경우, 목표 혈당을 판단하는 것은 현재 사용자가 저혈압에 해당하며 정상 혈압 수치의 범위 내로 오기 위해 일정한 수준의 혈압 상승을 위한 관리가 필요하다고 판단하는 것일 수 있다.

예를 들어, 표준 혈압에 대한 정보가 포함하는 혈압 수치의 범위보다 사용자에 대한 신체 상태 정보가 포함하는 혈압 정보가 작은 값을 가지는 경우, 사용자를 위한 목표 혈압은 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이에 따라 “저혈압 고위험” 및/또는 “저혈압 조금 위험” 등으로 판단될 수 있다. 또한 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이가 목표 혈압으로 함께 판단될 수 있다.

예를 들어, 사용자의 신체 상태 정보, 목표 혈당 및/또는 목표 혈압에 따라 권장 운동량이 결정될 수 있다.

예를 들어, 사용자의 나이, 성별, 몸무게 및 키를 포함한 기타 신체 정보, 저혈당 또는 고혈당 등에 대한 관리의 필요성 및/또는 저혈압 또는 고혈압 등에 대한 관리의 필요성에 따라 권장 운동량이 결정될 수 있다.

예를 들어, 사용자를 위한 권장 운동량이 결정되면 결정된 권장 운동량에 따른 사용자를 위한 신체 활동 프로그램이 추천될 수 있다.

다양한 실시예들에 따르면, 동작 605에서, 서버 디바이스(100)는 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 판단할 수 있다.

예를 들어, 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보는, 동작 603의 실시예들에 따른 목표 혈당 및 목표 혈압에 기반하여 결정될 수 있다.

예를 들어, 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보는, 사용자가 고혈당 또는 저혈당에 해당하는 경우 혈당 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보를 포함할 수 있다.

예를 들어, 사용자를 위한 목표 혈당이 “이상 없음”으로 판단되는 경우, 혈당 관리를 위해 의료 상 검사 및 진찰이 불필요함을 알리는 정보가 포함될 수 있다.

예를 들어, 사용자를 위한 목표 혈당이 “고혈당 고위험” 및/또는 “고혈당 저위험”과 함께 일정 값의 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이를 가진다면, 혈당 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보는 1) 병원 내원 및 혈당 재측정의 필요성을 알리는 정보, 2) 탈수, 변비 및/또는 설사 등 일상 생활에서 나타날 수 있는 고혈당 증세와 관련된 검사 항목에 대한 정보 및/또는 3) 당뇨, 고지혈증 및/또는 심혈관질환 등 정밀 의료 진찰이 필요한 항목에 대한 안내 정보를 포함할 수 있다.

예를 들어, 사용자를 위한 목표 혈당이 “저혈당 고위험” 및/또는 “저혈당 저위험”과 함께 일정 값의 표준 혈당 수치의 범위와 사용자의 혈당 정보의 수치 간 차이를 가진다면, 혈당 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보는 1) 병원 내원 및 혈당 재측정의 필요성을 알리는 정보, 2) 어지럼증, 시야흐림 및/또는 경련 등 일상 생활에서 나타날 수 있는 저혈당 증세와 관련된 검사 항목에 대한 정보 및/또는 3) 마비, 쇼크 및/또는 심혈관질환 등 정밀 의료 진찰이 필요한 항목에 대한 안내 정보를 포함할 수 있다.

예를 들어, 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보는, 사용자가 고혈압 또는 저혈압에 해당하는 경우 혈압 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보를 포함할 수 있다.

예를 들어, 사용자를 위한 목표 혈압이 “이상 없음”으로 판단되는 경우, 혈압 관리를 위해 의료 상 검사 및 진찰이 불필요함을 알리는 정보가 포함될 수 있다.

예를 들어, 사용자를 위한 목표 혈압이 “고혈압 고위험” 및/또는 “고혈압 저위험”과 함께 일정 값의 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이를 가진다면, 혈압 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보는 1) 병원 내원 및 혈압 재측정의 필요성을 알리는 정보, 2) 두통, 어지럼증 및/또는 이명 현상 등 일상 생활에서 나타날 수 있는 고혈압 증세와 관련된 검사 항목에 대한 정보 및/또는 3) 뇌졸증, 심근경색 및/또는 신부전 등 정밀 의료 진찰이 필요한 항목에 대한 안내 정보를 포함할 수 있다.

예를 들어, 사용자를 위한 목표 혈당이 “저혈압 고위험” 및/또는 “저혈압 저위험”과 함께 일정 값의 표준 혈압 수치의 범위와 사용자의 혈압 정보의 수치 간 차이를 가진다면, 혈압 관리를 위해 의료 상 필요한 검사 항목 및 진찰 항목에 대한 정보는 1) 병원 내원 및 혈압 재측정의 필요성을 알리는 정보, 2) 빈맥, 메스꺼움 및/또는 호흡곤란 등 일상 생활에서 나타날 수 있는 저혈압 증세와 관련된 검사 항목에 대한 정보 및/또는 3) 발작, 실신 및/또는 우울증 등 정밀 의료 진찰이 필요한 항목에 대한 안내 정보를 포함할 수 있다.

이 때, 동작 605에서의 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보 판단 과정은 서버 디바이스(100) 또는 사용자 디바이스(200)와 연동된 AI 엔진의 기계 학습(machine learning)을 통해 수행될 수 있다.

예를 들어, 기계 학습을 수행하는 AI 엔진은 숫자, 한글, 영어 등과 같은 자연어를 처리함에 기초하여, 1) 나이, 성별, 몸무게, 키, 혈당 및 혈압을 포함한 기타 신체에 대한 정보, 2) 신체 상태에 대한 표준적인 건강 상태를 나타내는 표준 혈당 및 표준 혈압에 대한 정보 및/또는 3) 의료 상 필요한 검사 및 진찰 항목에 대한 정보 간 상관 관계에 대한 데이터를 학습할 수 있다.

데이터를 학습한 AI 엔진은 상기 사용자에 대해 전술한 여러 정보를 바탕으로 사용자를 위한 검사 및 의료 진료 항목을 추천할 수 있다.

다양한 실시예들에 따르면, 동작 607에서, 서버 디바이스(100)는 사용자를 위해 필요한 식단에 대한 정보를 판단할 수 있다.

예를 들어, 사용자를 위해 필요한 식단에 대한 정보는 균형된 영양소를 섭취할 수 있는 복수의 음식 목록에 대한 정보를 포함할 수 있다.

예를 들어, 균형된 영양소를 섭취할 수 있는 복수의 음식은, 각 영양소의 섭취를 위한 대표적이고 예시적인 음식을 포함할 수 있다.

예를 들어, 균형된 영양소를 섭취할 수 있는 복수의 음식은, 주반찬을 위한 적어도 하나의 음식, 밑반찬을 위한 적어도 하나의 음식, 쌀 또는 밀 음식, 및/또는 국물 음식 등을 포함하는 형태로 구성될 수 있다.

예를 들어, 균형된 영양소를 섭취할 수 있는 복수의 음식은, 학교, 병원 및/또는 요양원 기타 균형된 영양소의 섭취를 필요로 하는 식단의 공급이 필요한 단체에서 사용되는 식단에 포함된 대표적이고 예시적인 음식을 포함할 수 있다.

예를 들어, 사용자를 위해 필요한 식단에 대한 정보는, 동작 603의 실시예들에 따른 목표 혈당 및 목표 혈압에 기반하여 결정될 수 있다.

예를 들어, 사용자를 위해 필요한 식단에 대한 정보는, 균형된 영양소를 섭취할 수 있는 복수의 음식에서, 목표 혈당의 관리를 위해 추천하여야 하는 음식을 추가하거나 기피하여야 하는 음식을 뺀 식단으로 구성될 수 있다.

예를 들어, 사용자를 위해 필요한 식단에 대한 정보는, 균형된 영양소를 섭취할 수 있는 복수의 음식에서, 목표 혈압의 관리를 위해 추천하여야 하는 음식을 추가하거나 기피하여야 하는 음식을 뺀 식단으로 구성될 수 있다.

이 때, 동작 607에서의 사용자를 위해 필요한 식단에 대한 정보 판단 과정은 서버 디바이스(100) 또는 사용자 디바이스(200)와 연동된 AI 엔진의 기계 학습(machine learning)을 통해 수행될 수 있다.

예를 들어, 기계 학습을 수행하는 AI 엔진은 숫자, 한글, 영어 등과 같은 자연어를 처리함에 기초하여, 1) 예시적 음식들에 의해 섭취 가능한 예시적 영양소들에 대한 정보, 2) 혈당 및/또는 혈압 관리를 위한 예시적 음식들에 대한 정보 및/또는 3) 균형된 영양소를 섭취할 수 있는 예시적 음식들을 포함하는 식단에 대한 정보 간 상관 관계에 대한 데이터를 학습할 수 있다.

데이터를 학습한 AI 엔진은 상기 사용자에 대해 전술한 여러 정보를 바탕으로 사용자를 위한 식단을 추천할 수 있다.

다양한 실시예들에 따르면, 동작 609에서, 서버 디바이스(100)는 사용자를 위해 필요한 운동 활동에 대한 정보를 판단할 수 있다.

예를 들어, 사용자를 위해 필요한 운동 활동에 대한 정보는, 사용자의 신체 상태 정보와, 동작 603의 실시예들에 따른 목표 혈당 및 목표 혈압에 기반하여 결정될 수 있다.

예를 들어, 사용자의 나이, 성별, 몸무게 및 키를 포함한 기타 신체 정보, 저혈당 또는 고혈당 등에 대한 관리의 필요성 및/또는 저혈압 또는 고혈압 등에 대한 관리의 필요성에 따라 사용자를 위해 필요한 운동 활동이 결정될 수 있다.

예를 들어, 사용자를 위해 필요한 운동 활동은, 운동 활동을 수행하는 대상의 대부분이 수급자에 해당하는 점에 기반하여 복수의 신체 활동 프로그램 중 어느 하나의 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 복수의 신체 활동 프로그램은, 단순 착석 및 기립 운동을 포함하는 제1 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 복수의 신체 활동 프로그램은, 상기 제1 신체 활동 프로그램에 포함된 운동, 박수 운동 및 단전 호흡 운동을 포함하는 제2 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 복수의 신체 활동 프로그램은, 상기 제2 신체 활동 프로그램에 포함된 운동 및 기초 스트레칭 운동을 포함하는 제3 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 복수의 신체 활동 프로그램은, 상기 제3 신체 활동 프로그램에 포함된 운동, 기초 요가 운동 및 기초 웨이트 트레이닝 운동을 포함하는 제4 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 복수의 신체 활동 프로그램은, 상기 제4 신체 활동 프로그램에 포함된 운동, 전문 요가 운동 및 전문 웨이트 트레이닝 운동을 포함하는 제5 신체 활동 프로그램을 포함할 수 있다.

예를 들어, 상기 복수의 신체 활동 프로그램 중 사용자를 위해 필요한 것으로 판단되는 신체 활동 프로그램은 상기 서버 디바이스(100)가 신체 활동 프로그램의 추천을 위해 판단한 것으로 상기 사용자에게 필수적인 것은 아니며, 사용자의 상태에 따라 다른 신체 활동 프로그램이 고려될 수 있다.

이 때, 동작 609에서의 사용자를 위해 필요한 운동 활동에 대한 정보 판단 과정은 서버 디바이스(100) 또는 사용자 디바이스(200)와 연동된 AI 엔진의 기계 학습(machine learning)을 통해 수행될 수 있다.

예를 들어, 기계 학습을 수행하는 AI 엔진은 숫자, 한글, 영어 등과 같은 자연어를 처리함에 기초하여, 1) 나이, 성별, 몸무게, 키, 혈당 및 혈압을 포함한 기타 신체에 대한 정보, 2) 나이, 성별, 몸무게 및 키 등의 신체 상태에 따른 운동 활동 수행 능력에 대한 정보 및/또는 3) 혈당 및/또는 혈압 관리를 위한 운동 활동에 대한 정보 간 상관 관계에 대한 데이터를 학습할 수 있다.

데이터를 학습한 AI 엔진은 상기 사용자에 대해 전술한 여러 정보를 바탕으로 상기 복수의 신체 활동 프로그램 중 어느 하나의 프로그램을 추천할 수 있다.

다양한 실시예들에 따르면, 동작 611에서, 서버 디바이스(100)는 동작 601 내지 609를 통해 판단한 정보들을 출력할 수 있다.

예를 들어, 서버 디바이스(100)는 동작 605에서의 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 추천 의료 활동에 대한 정보로서 판단하여 출력할 수 있다.

예를 들어, 서버 디바이스(100)는 동작 607에서의 사용자를 위해 필요한 식단에 대한 정보를 추천 식단에 대한 정보로서 판단하여 출력할 수 있다.

예를 들어, 서버 디바이스(100)는 동작 609에서의 사용자를 위해 필요한 운동 활동에 대한 정보에 포함된 신체 활동 프로그램을 추천 신체 활동 프로그램에 대한 정보로서 판단하여 출력할 수 있다.

2.3. AI 엔진 획득 동작

인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.

기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

이하의 설명에서는 서버 디바이스(100)가 AI 엔진 획득 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버 디바이스(100) 외부의 다른 서버 디바이스가 AI 엔진 획득 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버 디바이스(100)들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버 디바이스(100)들 간에 AI 엔진 획득 동작의 각 동작이 분배되어, 별개로 실시될 수도 있다. 후술하는 과정에 의해 획득되는 AI 엔진은, 전술한 도 3의 요양 서비스 정보 제공 동작 및 도 6의 건강 상태 판단에서 언급되는 기계 학습(machine learning)에 활용될 수 있다.

도 7은 다양한 실시예들에 따른 요양 서비스 제공을 위한 AI (artificial intelligence) 엔진을 획득하는 과정을 도시한 도면이다. 도 7에 따른 AI 엔진은 동작 603 내지 동작 609와 연관되어 획득될 수 있다.

도 7을 참조하면, 예를 들어, 서버 디바이스(100)는, 의료 상 필요한 검사 및 진찰 항목에 대한 의료 데이터를 수집할 수 있다. 예를 들어, 의료 상 필요한 검사 및 진찰 항목에 대한 의료 데이터는, 나이, 성별, 몸무게, 키, 혈당 및 혈압 등을 포함한 기타 신체 상태와, 표준 몸무게, 혈당 및 혈압 등 표준적인 건강 상태를 나타내는 표준 신체 상태에 따라 의료 상 필요한 검사 및 진찰 내용에 대한 데이터들이 수집될 수 있다.

예를 들어, 서버 디바이스(100)는, 의료 데이터에 기초하여 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다.

예를 들어, 서버 디바이스(100)는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다.

예를 들어, 서버 디바이스(100)는 학습된 모델에 기초하여 테스트용 데이터를 통해 피드백 정보를 획득할 수 있다.

예를 들어, 피드백 정보는, 서버 디바이스(100) 관리자로부터 입력될 수 있다.

예를 들어, 서버 디바이스(100)는, 피드백에 기초하여 학습된 모델을 업데이트할 수 있다.

예를 들어, 서버 디바이스(100)는 피드백에 기초하여 학습된 모델의 특성을 수정하고, 수정된 모델에 기초하여 테스트용 의료 데이터를 가공하고, 다시 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.

예를 들어, 서버 디바이스(100)는 반복 횟수가 미리 설정된 임계값 (예를 들어, 3-5회)에 도달하면, 동작을 종료하고 학습된 모델을 AI 엔진으로서 획득할 수 있다.

또는 도 7을 참조하면, 예를 들어, 서버 디바이스(100)는, 균형된 영양소를 섭취할 수 있는 복수의 음식들에 대한 식단 데이터를 수집할 수 있다. 예를 들어, 균형된 영양소를 섭취할 수 있는 복수의 음식들에 대한 식단 데이터는, 예시적 음식들에 의해 섭취 가능한 것으로 대표되는 예시적 영양소들과, 혈당 및/또는 혈압 관리를 위한 예시적 음식들 및 그에 따른 예시적 영양소들에 따라 균형된 영양소를 섭취할 수 있는 복수의 음식들을 포함하는 식단 데이터들이 수집될 수 있다.

예를 들어, 서버 디바이스(100)는, 식단 데이터에 기초하여 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다.

예를 들어, 서버 디바이스(100)는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다.

예를 들어, 서버 디바이스(100)는 학습된 모델에 기초하여 테스트용 데이터를 통해 피드백 정보를 획득할 수 있다.

예를 들어, 피드백 정보는, 서버 디바이스(100) 관리자로부터 입력될 수 있다.

예를 들어, 서버 디바이스(100)는, 피드백에 기초하여 학습된 모델을 업데이트할 수 있다.

예를 들어, 서버 디바이스(100)는 피드백에 기초하여 학습된 모델의 특성을 수정하고, 수정된 모델에 기초하여 테스트용 식단 데이터를 가공하고, 다시 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.

예를 들어, 서버 디바이스(100)는 반복 횟수가 미리 설정된 임계값 (예를 들어, 3-5회)에 도달하면, 동작을 종료하고 학습된 모델을 AI 엔진으로서 획득할 수 있다.

또는 도 7을 참조하면, 예를 들어, 서버 디바이스(100)는, 필요한 운동 활동을 위한 신체 활동 데이터를 수집할 수 있다. 예를 들어, 필요한 운동 활동을 위한 신체 활동 데이터는, 나이, 성별, 몸무게, 키, 혈당 및 혈압 등을 포함한 기타 신체 상태와, 각 신체 상태에 따른 운동 활동 수행 능력 및 혈당 및/또는 혈압 관리를 위한 운동 활동 등에 따라 신체 상태를 위해 추천되는 운동 활동에 대한 신체 활동 데이터들이 수집될 수 있다.

예를 들어, 서버 디바이스(100)는, 신체 활동 데이터에 기초하여 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다.

예를 들어, 서버 디바이스(100)는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다.

예를 들어, 서버 디바이스(100)는 학습된 모델에 기초하여 테스트용 데이터를 통해 피드백 정보를 획득할 수 있다.

예를 들어, 피드백 정보는, 서버 디바이스(100) 관리자로부터 입력될 수 있다.

예를 들어, 서버 디바이스(100)는, 피드백에 기초하여 학습된 모델을 업데이트할 수 있다.

예를 들어, 서버 디바이스(100)는 피드백에 기초하여 학습된 모델의 특성을 수정하고, 수정된 모델에 기초하여 테스트용 신체 활동 데이터를 가공하고, 다시 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.

예를 들어, 서버 디바이스(100)는 반복 횟수가 미리 설정된 임계값 (예를 들어, 3-5회)에 도달하면, 동작을 종료하고 학습된 모델을 AI 엔진으로서 획득할 수 있다.

본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시 예는 필요에 따라 서로 조합되어 운용할 수 있다. 예컨대, 본 발명의 모든 실시 예는 일부분들이 서로 조합되어 시스템에 의해 구현될 수 있다.

또한, 본 발명에 따른 시스템 등에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.

이와 같이, 본 발명의 다양한 실시 예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시 예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.

또한 본 발명의 다양한 실시 예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재 기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비 휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시 예들에 따른 방법은 제어부 및 메모리를 포함하는 컴퓨터 또는 이와 같은 메모리 또는 컴퓨터를 포함한 차량 등에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시 예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.

따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.

상기에서는 본 발명의 실시 예들을 참조하여 설명하였지만, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시 예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.

다양한 실시예들은 요양 서비스 정보 제공에 활용될 수 있다.

100: 서버 디바이스
200: 사용자 디바이스
210: 입/출력부
220: 통신부
230: 데이터베이스
240: 프로세서

Claims (14)

1. 전자 장치의 동작 방법에 있어서,
   사용자의 신체 상태 정보를 획득하는 동작;
   상기 신체 상태 정보를 AI (artificial intelligence) 엔진 (engine)에 입력하는 동작; 및
   상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 상기 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함하고,
   상기 AI 엔진의 출력 동작은:
   상기 신체 상태 정보에 기반하여, 표준 신체 상태 정보를 획득하는 동작;
   상기 신체 상태 정보 및 상기 표준 신체 상태 정보를 비교하여 상기 사용자의 건강 상태를 판단하는 동작; 및
   상기 판단된 건강 상태에 기반하여, 상기 추천 의료 활동에 대한 정보, 상기 추천 식단에 대한 정보 및 상기 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함하는,
   방법.
2. 제 1 항에 있어서,
   상기 신체 상태 정보는, 상기 사용자의 나이, 성별, 몸무게 및 키를 포함한 신체 정보, 상기 사용자의 혈당에 대한 정보 및 상기 사용자의 혈압에 대한 정보를 포함하고,
   상기 표준 신체 상태 정보는, 상기 사용자와 동일한 나이, 성별, 몸무게 및 키를 포함한 신체 정보에 대응하여 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보 및 표준 혈압에 대한 정보를 포함하는,
   방법.
3. 제 2 항에 있어서,
   상기 사용자의 건강 상태를 판단하는 동작은:
   상기 신체 상태 정보 및 상기 표준 신체 상태 정보에 기반하여, 상기 사용자를 위한 목표 혈당, 목표 혈압 및 권장 운동량을 판단하는 동작;
   상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 상기 추천 의료 활동에 대한 정보로 판단하는 동작;
   상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 식단에 대한 정보를 상기 추천 식단에 대한 정보로 판단하는 동작; 및
   상기 사용자의 권장 운동량에 기반하여, 상기 사용자를 위해 필요한 운동 활동에 대한 정보를 상기 추천 신체 활동 프로그램에 대한 정보로 판단하는 동작을 포함하는,
   방법.
4. 제 3 항에 있어서,
   상기 검사 요구 항목 및 상기 추천 의료 진료 항목은, 복수의 신체 상태 정보, 의료 검사 정보 및 의료 진료 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 검사 요구 항목 정보 및 의료 진료 항목 정보인,
   방법.
5. 제 3 항에 있어서,
   상기 추천 식단에 대한 정보는 상기 사용자를 위한 복수의 음식 목록을 포함하며,
   상기 복수의 음식 목록은 복수의 예시적 음식들을 포함하도록 결정되고,
   상기 복수의 예시적 음식들은, 혈당 정보, 혈압 정보, 영양소 정보 및 복수의 음식 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 음식 정보인,
   방법.
6. 제 3 항에 있어서,
   상기 추천 신체 활동 프로그램에 대한 정보는, 상기 신체 상태 정보 및 상기 권장 운동량에 따라 추천되는 복수의 신체 활동 프로그램 중 어느 하나의 신체 활동 프로그램을 포함하며,
   상기 복수의 신체 활동 프로그램은:
   단순 착석 및 기립 운동을 포함하는 제1 신체 활동 프로그램,
   상기 제1 신체 활동 프로그램, 박수 운동 및 단전 호흡 운동을 포함하는 제2 신체 활동 프로그램,
   상기 제2 신체 활동 프로그램 및 기초 스트레칭 운동을 포함하는 제3 신체 활동 프로그램,
   상기 제3 신체 활동 프로그램, 기초 요가 운동 및 기초 웨이트 트레이닝 운동을 포함하는 제4 신체 활동 프로그램, 및
   상기 제4 신체 활동 프로그램, 전문 요가 운동 및 전문 웨이트 트레이닝 운동을 포함하는 제5 신체 활동 프로그램을 포함하는,
   방법.
7. 제 1 항에 있어서,
   상기 AI 엔진은, 모델 (model)에 기계 학습 (machine learning)을 적용함에 기초하여 미리 구성되고,
   상기 기계 학습은:
   - (a) 학습용 의료 데이터, 식단 데이터 또는 신체 활동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습;
   - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득;
   - (c) 상기 제1 피드백 정보에 기초하여 상기 모델을 업데이트; 및
   - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c)의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료됨에 기초하여 수행되는,
   방법.
8. 전자 장치에 있어서,
   프로세서 (processor); 및
   하나 이상의 인스트럭션 (instruction)을 저장하는 하나 이상의 메모리 (memory)를 포함하고,
   상기 하나 이상의 인스트럭션은, 실행 시에, 상기 프로세서가:
   사용자의 신체 상태 정보를 획득하는 동작;
   상기 신체 상태 정보를 AI (artificial intelligence) 엔진 (engine)에 입력하는 동작; 및
   상기 신체 상태 정보에 대한 상기 AI 엔진의 출력 동작에 기초하여, 상기 사용자를 위한 추천 의료 활동에 대한 정보, 추천 식단에 대한 정보 및 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 수행하도록 상기 프로세서를 제어하고,
   상기 AI 엔진의 출력 동작은:
   상기 신체 상태에 대한 정보에 기반하여, 표준 신체 상태 정보를 획득하는 동작;
   상기 신체 상태에 대한 정보 및 상기 표준 신체 상태 정보를 비교하여 상기 사용자의 건강 상태를 판단하는 동작; 및
   상기 판단된 건강 상태에 기반하여, 상기 추천 의료 활동에 대한 정보, 상기 추천 식단에 대한 정보 및 상기 추천 신체 활동 프로그램에 대한 정보를 출력하는 동작을 포함하는 것을 특징으로 하는,
   전자 장치.
9. 제 8 항에 있어서,
   상기 신체 상태 정보는, 상기 사용자의 나이, 성별, 몸무게 및 키를 포함한 신체 정보, 상기 사용자의 혈당에 대한 정보 및 상기 사용자의 혈압에 대한 정보를 포함하고,
   상기 표준 신체 상태 정보는, 상기 사용자와 동일한 나이, 성별, 몸무게 및 키를 포함한 신체 정보에 대응하여 표준적인 건강 상태를 나타내는 표준 혈당에 대한 정보 및 표준 혈압에 대한 정보를 포함하는,
   전자 장치.
10. 제 9 항에 있어서,
    상기 사용자의 건강 상태를 판단하는 동작은:
    상기 신체 상태 정보 및 상기 표준 신체 상태 정보에 기반하여, 상기 사용자를 위한 목표 혈당, 목표 혈압 및 권장 운동량을 판단하는 동작;
    상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 검사 요구 항목 및 추천 의료 진료 항목에 대한 정보를 상기 추천 의료 활동에 대한 정보로 판단하는 동작;
    상기 목표 혈당 및 상기 목표 혈압에 기반하여, 상기 사용자를 위해 필요한 식단에 대한 정보를 상기 추천 식단에 대한 정보로 판단하는 동작; 및
    상기 사용자의 권장 운동량에 기반하여, 상기 사용자를 위해 필요한 운동 활동에 대한 정보를 상기 추천 신체 활동 프로그램에 대한 정보로 판단하는 동작을 포함하는,
    전자 장치.
11. 제 10 항에 있어서,
    상기 검사 요구 항목 및 상기 추천 의료 진료 항목은, 복수의 신체 상태 정보, 의료 검사 정보 및 의료 진료 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 검사 요구 항목 정보 및 의료 진료 항목 정보인,
    전자 장치.
12. 제 10 항에 있어서,
    상기 추천 식단에 대한 정보는 상기 사용자를 위한 복수의 음식 목록을 포함하며,
    상기 복수의 음식 목록은 복수의 예시적 음식들을 포함하도록 결정되고,
    상기 복수의 예시적 음식들은, 혈당 정보, 혈압 정보, 영양소 정보 및 복수의 음식 정보에 대한 학습을 통해 상기 AI 엔진이 상기 판단된 건강 상태를 개선하기 위하여 판단한 음식 정보인,
    전자 장치.
13. 제 10 항에 있어서,
    상기 추천 신체 활동 프로그램에 대한 정보는, 상기 신체 상태 정보 및 상기 권장 운동량에 따라 추천되는 복수의 신체 활동 프로그램 중 어느 하나의 신체 활동 프로그램을 포함하며,
    상기 복수의 신체 활동 프로그램은:
    단순 착석 및 기립 운동을 포함하는 제1 신체 활동 프로그램,
    상기 제1 신체 활동 프로그램, 박수 운동 및 단전 호흡 운동을 포함하는 제2 신체 활동 프로그램,
    상기 제2 신체 활동 프로그램 및 기초 스트레칭 운동을 포함하는 제3 신체 활동 프로그램,
    상기 제3 신체 활동 프로그램, 기초 요가 운동 및 기초 웨이트 트레이닝 운동을 포함하는 제4 신체 활동 프로그램, 및
    상기 제4 신체 활동 프로그램, 전문 요가 운동 및 전문 웨이트 트레이닝 운동을 포함하는 제5 신체 활동 프로그램을 포함하는,
    전자 장치.
14. 제 8 항에 있어서,
    상기 AI 엔진은, 모델 (model)에 기계 학습 (machine learning)을 적용함에 기초하여 미리 구성되고,
    상기 기계 학습은:
    - (a) 학습용 의료 데이터, 식단 데이터 또는 신체 활동 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 상기 모델을 학습;
    - (b) 상기 테스트용 데이터가 상기 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득;
    - (c) 상기 제1 피드백 정보에 기초하여 상기 모델을 업데이트; 및
    - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c)의 반복 횟수가 미리 설정된 임계값과 일치함에 기초하여 종료됨에 기초하여 수행되는,
    전자 장치.

Images